Equazione Stocastica di McKean e Particle Method

Lo scopo di questa tesi è quello di descrivere una equazione stocastica di McKean, il Particle Method, algoritmo di tipo Monte Carlo derivante dalla fisica statistica utile per l'approssimazione della soluzione di una equazione di McKean, ed infine una loro applicazione alla finanza matematica in option pricing. Vengono mostrati risultati di esistenza e unicità di una soluzione di una equazione di McKean sotto opportune ipotesi, utilizzando anche la Metrica di Wasserstein, ed inoltre viene descritta la proprietà di propagazione del Caos, introdotta da Sznitman, utile per la dimostrazione della convergenza del Particle Method. Entrambi i concetti (McKean e Particle Method) trovano applicazione nella matematica finanza ed in particolar modo nella calibrazione di modelli a volatilità locale-stocastica. Vengono descritti tali modelli portando alcuni esempi (Modello di SABR e di Dupire-Heston) e focalizzandosi sul concetto chiave di Leverage Function, viene motivata l'introduzione di tali modelli ed infine viene data notevole attenzione al problema della calibrazione. La calibrazione di un modello a volatilità locale-stocastica richiede innanzitutto lo studio della volatilità di Dupire, della omonima equazione e del collegamento fra i coefficienti di volatilità di modelli stocastici (SV) e quelli di modelli locali (LV). La calibrazione della leverage function porta alla ricerca della soluzione di una equazione stocastica di McKean che viene approssimata attraverso il Particle Method.