Dans ces conditions, il est possible de réaliser des milliers de tirages aléatoires pour déterminer les probabilités d'atteindre certaines performances boursières dans le futur 6. Cette caractéristique des marchés financiers permet d'utiliser la méthode de Monte-Carlo pour valoriser des options, ou encore des SPAC.
Les méthodes de Monte Carlo sont donc avantageuse à partir de d Æ 3. En résumé, si les méthodes déterministes sont efficaces pour les problèmes réguliers de très petites dimensions, les méthodes de Monte Carlo les surpassent et sont très compétitives pour les problèmes non-réguliers en grande dimension.
Une autre caractéristique intéressante des méthodes de Monte Carlo est que l’erreur quadratique moyenne ne dépend pas de la dimension d de l’espace d’états de X. Ceci n’est pas le cas pour les méthodes numériques classiques. Exemple 1.4. Comparaison avec des méthodes déterministes Reprenons l’exemple 1.1. erreur en (n¡4/d).
Enfin de chapitre, nous dirons un mot des méthodes quasi Monte-Carlo, lesquelles représentent uncompromis entre les méthodes déterministes et les méthodes Monte-Carlo. De façon générale, les méthodes Monte-Carlo sont d’usage constant en statistique bayésienne. Enparticulier, celle-ci requiert souvent le calcul d’intégrales du type (2.1).