Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- \section{EDP de Black-Scholes}
- \subsection{Différences finies explicites}
- On part de l'équation aux dérivées partielles du sujet:
- \begin{equation*}
- \frac{\partial P}{\partial t} + rS\frac{\partial P}{\partial S} + \frac{1}{2} \sigma^2 S^2\frac{\partial^2 P}{\partial S^2} = rP
- \end{equation*}
- On utilise ensuite les formules de discrétisation données dans l'énoncé:
- \begin{align*}
- \frac{\partial P}{\partial t} (t_n,s_i) &\approx \frac{1}{\Delta T} (P(t_{n+1},s_i) - P(t_n,s_i)) \\
- \frac{\partial P}{\partial S} (t_n,s_i) &\approx \frac{1}{\Delta S} (P(t_n,s_i) - P(t_n,s_{i-1})) \\
- \frac{\partial^2 P}{\partial S^2} (t_n,s_i) &\approx \frac{1}{\Delta S^2}(P(t_n,s_{i+1}) - 2P(t_n,s_i) + P(t_n,s_i-1))
- \end{align*}
- En remplaçant dans l'équation différentielle on obtient:
- \[ \frac{-1}{\Delta T}P(t_{n+1}, s_i) = P(t_n, s_i)(- r - \frac{1}{\Delta T} + \frac{rS_i}{\Delta S} - \frac{\sigma^2S_i^2}{\Delta S^2})
- +P(t_n, s_{i-1})(-\frac{rS_i}{\Delta S} + \frac{\sigma^2S_i^2}{2\Delta S^2})
- +P(t_n, s_{i+1})(\frac{\sigma^2 S_i^2}{2\Delta S^2})
- \]
- On note:
- \begin{equation*}
- {\left\{
- \begin{aligned}
- a_i &= (- r - \frac{1}{\Delta T} + \frac{rS_i}{\Delta S} - \frac{\sigma^2S_i^2}{\Delta S^2}) \\
- b_i &= (-\frac{rS_i}{\Delta S} + \frac{\sigma^2S_i^2}{2\Delta S^2}) \\
- c_i &= (\frac{\sigma^2 S_i^2}{2\Delta S^2})
- \end{aligned}
- \right.}
- \end{equation*}
- On transforme cette équation en équation vectorielle. Il faut pour celà gérer les cas particulierrs où $i=1$ et $i=M$:
- \begin{equation*}
- \begin{aligned}
- &\frac{-1}{\Delta T}P(t_{n+1}, s_1) = a_1P(t_n, s_1)+b_1P(t_n, s_0) +c_1P(t_n, s_2) \\
- &\frac{-1}{\Delta T}P(t_{n+1}, s_M) = a_MP(t_n, s_M)+b_MP(t_n, s_{M-1})+c_MP(t_n, s_{M+1})
- \end{aligned}
- \end{equation*}
- Celà nous permet de déterminer l'équation vectorielle suivante:
- \[P_{t_{n+1}} = -\Delta T ( M . P_{t_n} + V)\]
- Avec:
- \[
- M=
- \left(
- \begin{array}{ccccc}
- a_1&c_1&0&\dots&0
- \\b_2&a_2&c_2&\ddots&\vdots\\
- 0& \ddots&\ddots &\ddots&0\\
- \vdots& \ddots &b_{M-1}& a_{M-1}&c_{M-1}\\
- 0&\dots&0&b_M & a_M
- \end{array}
- \right)
- \]
- \[
- P_{t_n}=
- \left(
- \begin{array}{lll}
- P(t_n,s_1) \\ \vdots \\ P(t_n,s_M)
- \end{array}
- \right)
- \]
- et
- \[
- V=
- \left(
- \begin{array}{lllll}
- b_1P(t_n,s_0)\\0 \\ \vdots \\ 0 \\ c_mP(t_n,s_{M+1})
- \end{array}
- \right)
- \]
- Au final on a:
- \[\boxed{P_{t_n} = M^{-1}((\frac{-1}{\Delta T})P_{t_{n+1}} - V)}\]
- \subsection{Différences finies implicites}
- Cette fois on remplace:
- \[\frac{\partial P}{\partial t} (t_n,s_i) \approx \frac{1}{\Delta T} (P(t_n,s_i) - P(t_{n-1},s_i))\]
- En repartant de l'équation aux dérivées partielles de l'énoncé comme précédemment on obtient:
- \[ \frac{1}{\Delta T}P(t_{n-1}, s_i) = P(t_n, s_i)(- r + \frac{1}{\Delta T} + \frac{rS_i}{\Delta S} - \frac{\sigma^2S_i^2}{\Delta S^2})
- +P(t_n, s_{i-1})(-\frac{rS_i}{\Delta S} + \frac{\sigma^2S_i^2}{2\Delta S^2})
- +P(t_n, s_{i+1})(\frac{\sigma^2 S_i^2}{2\Delta S^2})
- \]
- Les coefficient $b_i$ et $c_i$ sont inchangés mais on a maintenant:
- \[\boxed{a_i = (- r + \frac{1}{\Delta T} + \frac{rS_i}{\Delta S} - \frac{\sigma^2S_i^2}{\Delta S^2})}\]
- L'équation vectorielle que l'on obtient est alors avec les mêmes notations que précédemment:
- \[\boxed{P_{t_{n-1}} = \Delta T ( M . P_{t_n} + V)}\]
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement