Régression par réseau neuronal pour l'évaluation des options des Bermudes.

Résumé L'évaluation des options bermudiennes revient à résoudre un principe de programmation dynamique, dans lequel la principale difficulté, surtout en grande dimension, provient du calcul de l'espérance conditionnelle impliquée dans la valeur de continuation. Ces espérances conditionnelles sont classiquement calculées par des techniques de régression sur un espace vectoriel de dimension finie. Dans ce travail, nous étudions l'approximation des réseaux neuronaux des espérances conditionnelles. Nous prouvons la convergence de l'algorithme bien connu de Longstaff et Schwartz lorsque la régression standard des moindres carrés est remplacée par une approximation par réseau neuronal.