Approximation and simulation of reflected Backward Stochastic Differential Equations, applications in Finance - Thèses du Centre de Mathématiques Appliquées de l'École polytechnique Access content directly
Theses Year : 2023

Approximation and simulation of reflected Backward Stochastic Differential Equations, applications in Finance

Approximation et simulation des équations différentielles stochastiques rétrogrades réfléchies, applications en finance

Abstract

In this thesis, one concentrates on solving the reflected backward stochastic differential equations via penalization approach and its applications in finance. A complete non-asymptotic convergence result is investigated around penalized BSDE. The rate of penalized solution converging to reflected solution is presented in the first place and it follows by the rate of discrete penalized solution converging to the continuous penalized one. For solving numerically PBSDEs, one provides an implicit scheme using least-squares regression Monte-Carlo method. The non-asymptotic error analysis is deduced for this numerical scheme, in which both linear and non-linear least-squares regression are considered as optimization method. The thesis is completed by an application of RBSDEs on American Put/Call options in the non-linear market. The change of num'eraire is investigated on reflected diffusions. One finds, as in the perfect market, the pricing equivalence between an American Put option and an American Call option is achieved by exchanging the interest rates with dividend rates, and swapping the spot price with the strike price, in a imperfect market with 2 interest rates and 2 dividend rates.
Dans cette thèse, on se concentre sur la résolution des équations différentielles stochastiques rétrogrades réfléchies par l'approche de pénalisation et ses applications en finance. Un résultat complet de convergence non asymptotique est étudié autour des EDSBR pénalisées. La vitesse de convergence de la solution pénalisée vers la solution réfléchie est présenté en premier lieu, suivi de la vitesse de convergence de la solution pénalisée discrète vers la solution pénalisée continue. Pour la résolution numérique des EDSR pénalisées, on propose un schéma implicite utilisant la méthode de Monte-Carlo avec régression des moindres carrés. Une analyse d'erreur non asymptotique est déduite pour ce schéma numérique, dans laquelle à la fois la régression linéaire et non linéaire des moindres carrés sont considérées comme méthodes d'optimisation. La thèse se conclut par une application des EDSR pénalisées aux options d'achat/vente américaines sur un marché non linéaire. Le changement de numéraire est étudié sur les diffusions réfléchies. On constate, comme sur le marché parfait, que l'équivalence de prix entre une option de vente américaine et une option d'achat américaine est obtenue en échangeant les taux d'intérêt avec les taux de dividende, et en échangeant le prix spot avec le prix d'exercice, sur un marché imparfait avec 2 taux d'intérêt et 2 taux de dividende.
Fichier principal
Vignette du fichier
124744_WANG_2023_archivage.pdf (1.31 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-04538803 , version 1 (09-04-2024)

Identifiers

  • HAL Id : tel-04538803 , version 1

Cite

Wanqing Wang. Approximation and simulation of reflected Backward Stochastic Differential Equations, applications in Finance. Applications [stat.AP]. Institut Polytechnique de Paris, 2023. English. ⟨NNT : 2023IPPAX073⟩. ⟨tel-04538803⟩
29 View
14 Download

Share

Gmail Facebook X LinkedIn More