aboutsummaryrefslogtreecommitdiffstats
path: root/doc
diff options
context:
space:
mode:
Diffstat (limited to 'doc')
-rw-r--r--doc/rapport.tex9
1 files changed, 9 insertions, 0 deletions
diff --git a/doc/rapport.tex b/doc/rapport.tex
index 4b16aa7..73dfec7 100644
--- a/doc/rapport.tex
+++ b/doc/rapport.tex
@@ -331,7 +331,16 @@ un tirage de la variable aléatoire $\frac{1}{N}\sum_{n=1}^Nf(\{\xi^{(n)}+X_{k}\
classe \texttt{\detokenize{monte_carlo}}.
\subsubsection{Échantillonnage stratifié}
+L'algorithme de l'achantillonnage stratifié adaptatif est principalement implémenté dans la méthode \texttt{update}
+de \texttt{\detokenize{stratified_sampling}} qui a un type abstrait. Pour l'exemple de l'option asiatique on doit d'abord résoudre
+le problème d'optimisation donné dans la formule 3.2 de l'article d'Etoré-Jourdain, l'implémentation se trouve dans \texttt{opti.cpp},
+j'ai utlisé un algorithme de la librairie Nlopt appelé \texttt{COBYLA}. La classe \texttt{\detokenize{exponential_tilt}} qui est dérivée
+de la structure \texttt{\detokenize{unary_function}} est utilisée pour le décalage de nos variables aléatoires décrit plus haut.
+Enfin j'ai créé une structure \texttt{\detokenize{asian_option}} qui en fonction des différents
+paramètres de l'option et du booléen qui indique si nous sommes dans le cas put ou call nous renverra une évaluation du pay-off de l'option.
+Elle est dérivée de \texttt{\detokenize{unary_function}} et peut donc s'utiliser directement pour nos exemples comme argument des template de
+\texttt{\detokenize{quasi_mean}} ou de \texttt{\detokenize{exponential_tilt}}.
\pagebreak
\printbibliography