Simulation d’Équations Différentielles Stochastiques Rétrogrades (EDSRs)
Adrien Richou
IRMAR, Université Rennes 1
Mont-Dore, mai 2010
Équations différentielles stochastiques
Soient(Ω,F,P)un espace de probabilité et (Wt)t>0un
mouvement browniend-dimensionnel. On note(Ft)t la filtration du mouvement brownien.
Xtt0,x0 =x0+ Z t
t0
b(s,Xst0,x0)ds+ Z t
t0
σ(s,Xst0,x0)dWs.
On suppose des hypothèses standard surb etσpour avoir une solution forte.
Adrien Richou Simulation d’EDSRs
Lien avec les EDPs
On considère l’EDP suivante
∂tu(t,x) +Lu(t,x) +f(x) =0 u(T,x) =h(x),
avec
Lu(t,x) = 1
2Tr(σ(t,x)tσ(t,x)∇2u(t,x)) +t b(t,x)∇u(t,x).
Lien avec les EDPs
Siuest suffisamment régulière on a
du(t,Xtt0,x0) = ∂tu(t,Xtt0,x0)dt+∇u(t,Xtt0,x0)dXtt0,x0 +1
2Tr(σtσ(t,Xtt0,x0)∇2u(t,Xtt0,x0))dt
h(XTt0,x0)−u(t0,x0) = Z T
t0
dt
+ Z T
t0
∇u(t,Xtt0,x0)σ(t,Xtt0,x0)dWt
u(t0,x0) =E
"
h(XTt0,x0) + Z T
t0
f(Xtt0,x0)dt
# .
Adrien Richou Simulation d’EDSRs
Lien avec les EDPs
Siuest suffisamment régulière on a
du(t,Xtt0,x0) = ∂tu(t,Xtt0,x0)dt+∇u(t,Xtt0,x0)dXtt0,x0 +1
2Tr(σtσ(t,Xtt0,x0)∇2u(t,Xtt0,x0))dt
h(XTt0,x0)−u(t0,x0) = Z T
t0
∂tu(t,Xtt0,x0) +Lu(t,Xtt0,x0)dt
+ Z T
t0
∇u(t,Xtt0,x0)σ(t,Xtt0,x0)dWt
u(t0,x0) =E
"
h(XTt0,x0) + Z T
t0
f(Xtt0,x0)dt
# .
Lien avec les EDPs
Siuest suffisamment régulière on a
du(t,Xtt0,x0) = ∂tu(t,Xtt0,x0)dt+∇u(t,Xtt0,x0)dXtt0,x0 +1
2Tr(σtσ(t,Xtt0,x0)∇2u(t,Xtt0,x0))dt
h(XTt0,x0)−u(t0,x0) = Z T
t0
−f(Xtt0,x0)dt
+ Z T
t0
∇u(t,Xtt0,x0)σ(t,Xtt0,x0)dWt
u(t0,x0) =E
"
h(XTt0,x0) + Z T
t0
f(Xtt0,x0)dt
# .
Adrien Richou Simulation d’EDSRs
Lien avec les EDPs
Siuest suffisamment régulière on a
du(t,Xtt0,x0) = ∂tu(t,Xtt0,x0)dt+∇u(t,Xtt0,x0)dXtt0,x0 +1
2Tr(σtσ(t,Xtt0,x0)∇2u(t,Xtt0,x0))dt
h(XTt0,x0)−u(t0,x0) = Z T
t0
−f(Xtt0,x0)dt
+ Z T
t0
∇u(t,Xtt0,x0)σ(t,Xtt0,x0)dWt
u(t0,x0) =E
"
h(XTt0,x0) + Z T
t0
f(Xtt0,x0)dt
# .
Formule de Feynman-Kac
Formule de Feynman-Kac : u(t0,x0) :=E
"
h(XTt0,x0) + Z T
t0
f(Xtt0,x0)dt
#
est une solution (de viscosité) de l’EDP.
Question
Peut-on avoir le même type de formule lorsquef dépend aussi deu et∇u.
Adrien Richou Simulation d’EDSRs
Formule de Feynman-Kac
Formule de Feynman-Kac : u(t0,x0) :=E
"
h(XTt0,x0) + Z T
t0
f(Xtt0,x0)dt
#
est une solution (de viscosité) de l’EDP.
Question
Peut-on avoir le même type de formule lorsquef dépend aussi deu et∇u.
EDSs rétrogrades
On voudrait résoudre l’équation différentielle suivante dYt =−f(t,Xt,Yt)dt
YT =h(XT),
en imposant queYt soitFt-adapté, c’est à dire queYt ne dépende pas du futur aprèst.
Adrien Richou Simulation d’EDSRs
EDSRs
Prenons l’exemplef =0, i.e.dYt =0. Un candidat naturel est Yt =h(XT)
mais il ne convient pas car il n’est pas adapté.
Un autre candidat naturel est
Yt =E[h(XT)|Ft].
Le théorème de représentation martingale nous donne Yt =E[h(XT)] +
Z t 0
ZsdWs,
que l’on peut réécrire
Yt =YT − Z T
t
ZsdWs.
EDSRs
Prenons l’exemplef =0, i.e.dYt =0. Un candidat naturel est Yt =h(XT)
mais il ne convient pas car il n’est pas adapté.
Un autre candidat naturel est
Yt =E[h(XT)|Ft].
Le théorème de représentation martingale nous donne Yt =E[h(XT)] +
Z t 0
ZsdWs,
que l’on peut réécrire
Yt =YT − Z T
t
ZsdWs.
Adrien Richou Simulation d’EDSRs
EDSRs
Prenons l’exemplef =0, i.e.dYt =0. Un candidat naturel est Yt =h(XT)
mais il ne convient pas car il n’est pas adapté.
Un autre candidat naturel est
Yt =E[h(XT)|Ft].
Le théorème de représentation martingale nous donne Yt =E[h(XT)] +
Z t 0
ZsdWs,
que l’on peut réécrire
Yt =YT − Z T
t
ZsdWs.
EDSRs
Revenons au cas général :
Théorème : [Pardoux-Peng(1990)]
Sous des hypothèses standard, l’EDSR Yt =h(XT) +
Z T t
f(s,Xs,Ys,Zs)ds− Z T
t
ZsdWs
possède une unique solution(Y,Z)telle que E
h
sup06t6T |Yt|2i
<+∞etE hRT
0 |Zt|2dti
<+∞.
Il y a eu depuis de nombreux travaux pour réduire les hypothèses...
On note(Ytt0,x0,Ztt0,x0)la solution de l’EDSR Ytt0,x0 =h(XTt0,x0)+
Z T t
f(s,Xst0,x0,Yst0,x0,Zst0,x0)ds− Z T
t
Zst0,x0dWs.
Adrien Richou Simulation d’EDSRs
EDSRs
Revenons au cas général :
Théorème : [Pardoux-Peng(1990)]
Sous des hypothèses standard, l’EDSR Yt =h(XT) +
Z T t
f(s,Xs,Ys,Zs)ds− Z T
t
ZsdWs
possède une unique solution(Y,Z)telle que E
h
sup06t6T |Yt|2i
<+∞etE hRT
0 |Zt|2dti
<+∞.
Il y a eu depuis de nombreux travaux pour réduire les hypothèses... On note(Ytt0,x0,Ztt0,x0)la solution de l’EDSR Ytt0,x0 =h(XTt0,x0)+
Z T t
f(s,Xst0,x0,Yst0,x0,Zst0,x0)ds−
Z T t
Zst0,x0dWs.
Lien avec les EDPs
Considérons l’EDP suivante
∂tu(t,x) +Lu(t,x) +f(t,x,u(t,x),t∇u(t,x)σ(t,x)) =0 u(T,x) =h(x),
avec
Lu(t,x) = 1
2Tr(σ(t,x)tσ(t,x)∇2u(t,x)) +t b(t,x)∇u(t,x).
Adrien Richou Simulation d’EDSRs
Lien avec les EDPs
Proposition
Siuest suffisamment régulière, le calcul dedu(t,Xtt0,x0)par la formule d’Itô nous montre que(u(t,Xtt0,x0),t∇uσ(t,Xtt0,x0))t est solution de l’EDSR : on aYtt0,x0 =u(t,Xtt0,x0)et
Ztt0,x0 =t ∇uσ(t,Xtt0,x0).
Formule de Feynman-Kac :
La fonctionu(t,x) :=Ytt,x est solution de viscosité de l’EDP. nb :u est bien déterministe.
Lien avec les EDPs
Proposition
Siuest suffisamment régulière, le calcul dedu(t,Xtt0,x0)par la formule d’Itô nous montre que(u(t,Xtt0,x0),t∇uσ(t,Xtt0,x0))t est solution de l’EDSR : on aYtt0,x0 =u(t,Xtt0,x0)et
Ztt0,x0 =t ∇uσ(t,Xtt0,x0).
Formule de Feynman-Kac :
La fonctionu(t,x) :=Ytt,x est solution de viscosité de l’EDP.
nb :u est bien déterministe.
Adrien Richou Simulation d’EDSRs
Simulation d’EDSRs
On posenle nombre de pas de temps,h:=1/nettk :=Tk/n.
On prend pour simplifiert0=0 etx0=x.
Schéma d’Euler pour l’EDS
Xtnk+1 =Xtnk +b(tk,Xtnk)h+σ(tk,Xtnk)(Wtk+1−Wtk).
Discrétisation temporelle de l’EDSR YTn =h(XTn),
Ztnk = h−1E h
Ytnk+1(Wtk+1 −Wtk)|Ftki , Ytn
k = E
h Ytn
k+1+hf(tk,Xtn
k,Ytn
k+1,Ztn
k)|Ftki . Il reste à évaluer les espérances conditionnelles...
Simulation d’EDSRs
On posenle nombre de pas de temps,h:=1/nettk :=Tk/n.
On prend pour simplifiert0=0 etx0=x.
Schéma d’Euler pour l’EDS
Xtnk+1 =Xtnk +b(tk,Xtnk)h+σ(tk,Xtnk)(Wtk+1−Wtk).
Discrétisation temporelle de l’EDSR YTn =h(XTn),
Ztnk = h−1E h
Ytnk+1(Wtk+1 −Wtk)|Ftki , Ytn
k = E
h Ytn
k+1+hf(tk,Xtn
k,Ytn
k+1,Ztn
k)|Ftki . Il reste à évaluer les espérances conditionnelles...
Adrien Richou Simulation d’EDSRs
Simulation d’EDSRs
On posenle nombre de pas de temps,h:=1/nettk :=Tk/n.
On prend pour simplifiert0=0 etx0=x.
Schéma d’Euler pour l’EDS
Xtnk+1 =Xtnk +b(tk,Xtnk)h+σ(tk,Xtnk)(Wtk+1−Wtk).
Discrétisation temporelle de l’EDSR YTn =h(XTn),
Ztnk = h−1E h
Ytnk+1(Wtk+1−Wtk)|Ftki , Ytn
k = E
h Ytn
k+1+hf(tk,Xtn
k,Ytn
k+1,Ztn
k)|Ftki .
Il reste à évaluer les espérances conditionnelles...
Simulation d’EDSRs
On posenle nombre de pas de temps,h:=1/nettk :=Tk/n.
On prend pour simplifiert0=0 etx0=x.
Schéma d’Euler pour l’EDS
Xtnk+1 =Xtnk +b(tk,Xtnk)h+σ(tk,Xtnk)(Wtk+1−Wtk).
Discrétisation temporelle de l’EDSR YTn =h(XTn),
Ztnk = h−1E h
Ytnk+1(Wtk+1−Wtk)|Ftki , Ytn
k = E
h Ytn
k+1+hf(tk,Xtn
k,Ytn
k+1,Ztn
k)|Ftki . Il reste à évaluer les espérances conditionnelles...
Adrien Richou Simulation d’EDSRs
Convergence de l’approximation
Théorème :
On supposebetσLipschitz. Alors sup
06k6n
E h
Xtk −Xtn
k
2i 6 C
n.
Théorème :
On supposef Lipschitz ethα-Hölder.
sup
06k6n
E h
Ytk −Ytn
k
2i +
n−1
X
k=0
E Z tk+1
tk
Ztn
k −Ztk
2ds
6 C
nα.
EDSRs quadratiques
Question
A-t-on convergence lorsquef est localement Lipschitz en z ? f(t,x,y,z)−f(t,x,y,z0)
6C(1+|z|+ z0
) z−z0
. Si non, peut-on modifier l’algorithme pour avoir convergence ?
Adrien Richou Simulation d’EDSRs
Une première idée naïve
On peut approcherf par une fonction Lipschitz enz : fN(t,x,y,z) =f(t,x,y, ρN(z))
avecρN la projection sur la boule centrée de rayonN. Théorème : [Imkeller-dos Reis (2010)]
Pour toutK >1 l’erreur entre(YN,ZN)et(Y,Z)est en NCKK.
L’idée est maintenant d’approcher(YN,ZN)par(YN,n,ZN,n). Théorème :
l’erreur entre(YN,ZN)et(YN,n,ZN,n)est en CeCN
2
n .
L’erreur globale est donc en CK
(logn)K/2.
Une première idée naïve
On peut approcherf par une fonction Lipschitz enz : fN(t,x,y,z) =f(t,x,y, ρN(z))
avecρN la projection sur la boule centrée de rayonN. Théorème : [Imkeller-dos Reis (2010)]
Pour toutK >1 l’erreur entre(YN,ZN)et(Y,Z)est en NCKK. L’idée est maintenant d’approcher(YN,ZN)par(YN,n,ZN,n).
Théorème :
l’erreur entre(YN,ZN)et(YN,n,ZN,n)est en CeCN
2
n .
L’erreur globale est donc en CK
(logn)K/2.
Adrien Richou Simulation d’EDSRs
Une première idée naïve
On peut approcherf par une fonction Lipschitz enz : fN(t,x,y,z) =f(t,x,y, ρN(z))
avecρN la projection sur la boule centrée de rayonN. Théorème : [Imkeller-dos Reis (2010)]
Pour toutK >1 l’erreur entre(YN,ZN)et(Y,Z)est en NCKK. L’idée est maintenant d’approcher(YN,ZN)par(YN,n,ZN,n).
Théorème :
l’erreur entre(YN,ZN)et(YN,n,ZN,n)est en CeCN
2
n .
L’erreur globale est donc en CK
(logn)K/2.
Une estimation sur Z
Théorème : [Bao-Hu-Delbaen (2010), R. (2010)]
On suppose queσ est indépendante dex, quehest bornée et qu’il existeλ>0 telle que∀η ∈Rd
tησ(s)[tσ(s)t∇b(s,x)−tσ0(s)]η 6λ
tησ(s)
2.
Alors
|Zt|6 C (T−t)1/2.
Adrien Richou Simulation d’EDSRs
Convergence de l’approximation
Théorème : [R. (2010)]
Il existe une grille de discrétisation(tk)06k6net une puissance expliciteK telle que
sup
06k6n
E h
Ytk −Ytnk
2i +
n−1
X
k=0
E Z tk+1
tk
Ztnk −Ztk
2ds
6 C
nK.
Si de plus on supposebbornée alors sup
06k6n
E h
Ytk −Ytnk
2i +
n−1
X
k=0
E Z tk+1
tk
Ztnk −Ztk
2ds
6 C
nα−ε.