Monte Carlo multiniveau adaptatif amélioré et applications à la finance.

Auteurs
Date de publication
2019
Type de publication
Autre
Résumé Cet article se concentre sur l'étude d'une combinaison originale de la méthode de Monte Carlo multiniveau introduite par Giles [10] et de la technique populaire d'échantillonnage par importance. Pour calculer le choix optimal du paramètre impliqué dans la méthode d'échantillonnage par importance, nous nous appuyons sur des algorithmes stochastiques de type Robbins-Monro. D'une part, nous étendons nos travaux antérieurs [2] au cadre de Monte-Carlo multiniveau. D'autre part, nous améliorons [2] en fournissant un nouvel algorithme adaptatif qui évite la discrétisation de tout processus supplémentaire. En outre, d'un point de vue technique, l'utilisation des mêmes algorithmes stochastiques que dans [2] semble être problématique. Pour surmonter ce problème, nous utilisons une version alternative des algorithmes stochastiques avec projection (voir par ex.
Thématiques de la publication
    Pas de thématiques identifiées
Thématiques détectées par scanR à partir des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr