Simulations et Estimations de la volatilité
|
|
- Pauline Lefebvre
- il y a 8 ans
- Total affichages :
Transcription
1 Simulations et Estimations de la volatilité Daniel Herlemont 5 novembre 2012 Table des matières 1 Introduction 1 2 A faire Rappels Propriétés des estimateurs Propriétés relatives à la volatilité historique Introduction Qu il s agisse de gestion du risque ou de l évaluation des produits dérivés, la volatilité joue un rôle central en finance. L objectif de ce TP est de tester différents estimateurs de la volatilité. La volatilité n est ni directement observable ni constante. Il convient donc de l estimer de la meilleure façon, en utilisant un historique suffisamment long pour réduire la variance de l estimation, mais suffisamment court pour réagir rapidement aux évolutions dans le temps. S agissant de données journalières nous disposons, le plus souvent, d un résumé de la journée comprenant les cours les plus haut et plus bas de la journée. Ces informations, plus précisément, l écart entre le plus haut et le plus bas, sont directement liés à la volatilité. Il existe de nombreux estimateurs utilisant ces informations (Rogers Satchell, Parkinson). Dans un premier temps, nous nous intéresserons à ces estimateurs afin de comparer leur efficacité, dans le cas de processus connus de prix lognormaux. Pour ce faire nous allons tester et comparer différents estimateurs : 1
2 1 INTRODUCTION ˆ Volatilité historique. C est l estimateur le plus classique : 1 ˆσ 2 = 1 N 1 r = 1 N (r i r) 2 i=1,n i=1,n ˆ estimateurs utilisant les plus haut et plus bas : Parkinson, Roger Satchell. Parkinson σ 2 P arkinson = r i 1 N 4 log(2) (h k l k ) 2 k=1,n avec h = log(high) l = log(low) o = log(open) c = log(close) Roger Satchell : σ 2 RS = 1 N (h k o k )(h k c k ) + (l k o k )(l k c k ) k=1,n Garman Klass σ 2 GK = 1 N k=1,n 0.511(u k d k ) (c k (u k + d k ) 2u k d k ) 0.383c 2 k 1 N 2/π avec u k = log(high) k log(open) k, d k = log(low) k log(open) k, c k = log(close) k log(open) k, Pour plus d information, voir l article original pdf/a_estimation_of_security_price.pdf Yang and Zhang derived an extension to the Garman Glass historical volatility estimator that allows for opening jumps. It assumes Brownian motion with zero drift. This is currently the preferred version of open-high-low-close volatility estimator for zero drift and has an effciency of 8 times the classic close-to-close 1 Ou basé sur la valeur absolue (sous une hypothèse de rendements gaussiens de moyenne nulle)ˆσ = i=1,n r i Daniel Herlemont 2
3 estimator. Note that when the drift is nonzero, but instead relative large to the volatility, this estimator will tend to overestimate the volatility. σ 2 Y Z = 1 N (o i c i 1 ) 2 +.5(h i l i ) 2 (2 ln 2 1)(c i o i ) 2 i=1,n with Z the number of closing prices in a year, n the number of historical see and TTR package. Ces estimateurs proviennent des lois de distribution des plus haut et plus bas sous une hypothèse de rendements log normaux. 2 Dans de prochains TP, nous examinerons les estimateurs tenant compte de la variation de la volatilité dans le temps, à savoir : RiskMetrics (Moyenne Mobile Exponentielle Pondérée - Exponential Weighted Moving Average - EWMA en anglais), ainsi que les estimations GARCH. Ici, ces estimateurs ne seront d aucune utilité car la volatilité et supposée constante. Les estimateurs utilisant les plus hauts et plus bas sont beaucoup plus efficaces (au sens statistique) que des estimateurs utilisant les cours de clôture. En effet, les plus haut et plus bas donnent un bon résumé de la journée. Nous allons montrer que la plupart de ces estimateurs utilisant ces valeurs ont une efficacité 5 à 6 plus grande que l estimateur historique (à même nombre de jours de cotations, l erreur quadratique moyenne sera 5 à 6 fois plus faible). Pour étudier les propriétés des estimateurs, il sera nécessaire de simuler des prix pour une volatilité connue et comparer les estimations à cette volatilité, à l aide de la notion d efficacité des estimateurs. 2 A faire... Nous allons estimer les volatilités à partir de cotations journalières simulées (voir TP précédent, sur la simulation des cours boursiers). Nous considérons une action (ou indice) typique de volatilité σ = 30% par an (on pourra prendre µ = 0 sera d aucune utilité ici). 2 Ces estimateurs font l hypothese que le cours de cloture de la veille est le même que le cours d ouverture du lendemain. En pratique ce n est pas le cas, il faut donc corriger ces estimations de la maniere suivante σ 2 = a (log(open 1 log(close 0 )) 2 f + (1 a) σ2 ohlc 1 f (1) avec σ ohlc l estimateur de la volatilité utilisant les plus hauts et plus bas, f = la fraction du temps de fermeture du marché et a = 0.12 Daniel Herlemont 3
4 On comparera l estimateur de la variance historique avec un estimateur utilisant les plus haut et plus bas (Parkinson ou Roger Satchell, au choix). Pour chaque estimateur, calculer ˆ les erreurs relatives ERQM/σ 2 en fonction du nombre de N jours, pour N = 10, 20,..., 100 Pour calculer les erreurs quadratiques moyennes on utilisera un échantillon de l ordre de 100 estimations des σ : ˆσ i, pour i = 1, 100. ˆ Pour quelles valeurs de N l erreur relative ERQM/σ 2 est de l ordre de 10%. Commentaires? Por effectuer les estimations on pourra procéder de la maniere suivante sigma=0.3 variance.estimates=numeric() for (i in 1:100) { # generer 10 jours de prix, avec les cours # d'ouverture, fermeture, plus haut et plus bas # voir TP precedent sur la simulation # calculer une estimation de la variance variance.estimates[i]=(estimation de la variance journaliere)*252 } erqm=mean((variance.estimates-sigma^2)^2) resultat=sqrt(erqm)/sigma^2 Comparer l efficacité des estimateurs de Parkinson et Roger Satchell par rapport à l estimateur historique. Conclusions? Note : pour simuler les plus haut et plus bas journaliers, voir le TP sur la simulation des cours intraday log-normaux. Indications : Construire une fonction pour calculer l erreur relative d estimation ERQM/σ 2 pour un estimateur V, on construit, disons, 100 estimations ˆσ 2 i de la volatilité. L erreur quadratique moyenne est alors ERQM = 1 ( 100 ˆσ 2 i σ 2 ) 2 i=1,100 Daniel Herlemont 4
5 Pour l estimateur de volatilité historique, montrer que l on obtient une erreur quadratique moyenne de l ordre de (voir 3.2) : erqm(ˆσ 2 ) = 2 n σ4 Autrement dit, l erreur relative d estimation de la variance est de l ordre de erqm(ˆσ2 ) σ 2 2 n soit de l ordre de 20% pour n = 50, 14% pour n = 100, 10% pour n = 200, alors qu en utilisant les plus haut et plus bas, ce niveau d erreur est obtenu pour n = 10!!! L erreur relative pour la volatilité historique est représentée sur la figure ci après pour un nombre de jours de 10 à 100 Daniel Herlemont 5
6 Volatility errors with the hist. closes sd/sigma^ N Les erreurs en % sont de l ordre de : > rbind(ns,hist.errors) Ns hist.errors faire de même pour les autres estimateurs : Parkinson et Roger Satchell. Daniel Herlemont 6
7 Parkinson errors sd/sigma^ N Les erreurs d estimation de la volatilité de Parkinson sont de l ordre de (en %) : > rbind(ns,park.errors) Ns park.errors Daniel Herlemont 7
8 Garman Klass errors sd/sigma^ N Les erreurs d estimation de la volatilité de Garman Klass sont de l ordre de (en %) : > rbind(ns,gk.errors) Ns gk.errors Les erreurs d estimation de la volatilité de Yang and Zhang sont de l ordre de (en %) : > rbind(ns,yz.errors) Ns yz.errors Daniel Herlemont 8
9 Roger Satchell errors sd/sigma^ N Les erreurs d estimation de la volatilité de Roger Satchell sont de l ordre de (en %) : > rbind(ns,rs.errors) Ns rs.errors > # recapitulatif > rbind(ns,hist.errors,park.errors,rs.errors,gk.errors,yz.errors) Ns Daniel Herlemont 9
10 hist.errors park.errors rs.errors gk.errors yz.errors > #comparaison des efficacités avec l'estimateur > #à partir des cours de fermeture seulement > rbind(ns,hist.errors^2/park.errors^2,hist.errors^2/rs.errors^2 +,hist.errors^2/gk.errors^2,hist.errors^2/yz.errors^2) Ns Daniel Herlemont 10
11 3 RAPPELS Root Mean Square Closes Parkinson Roger Satchell Garman Klass Yang Zhang Days 3 Rappels 3.1 Propriétés des estimateurs Soit V un estimateur d un paramètre θ la vraie valeur du paramètre mesuré. Soit E(V ), l espérance de l estimateur. L espérance de l estimateur n est pas nécessairement égale à la vraie valeur θ. La différence est le biais de l estimateur : biais = E(V ) θ L estimateur peut être plus ou moins dispersé autour de son espérance. Soit var(v ) la Daniel Herlemont 11
12 3 RAPPELS variance de l estimateur. L efficacité des estimateurs est mesurée à l aide l erreur quadratique moyenne : ERQM = E(V θ) 2 On peut décomposer cette erreur quadratique moyenne en : En effet, ERQM = E(V θ) 2 ERQM = var(v ) + biais 2 (2) = E(V E(V ) + E(V ) θ) 2 = E(V E(V )) 2 + 2E[(V E(V ))(E(V ) θ)] + E(E(V ) θ) 2 il suffit de remarquer que le terme central est nul, ce qui démontre la relation 2. En fonction des propriétés du biais et de la variance de l estimateur, on dira de l estimateur qu il est : ˆ sans bais, si E(V ) = θ, baisé dans le cas contraire. ˆ convergent (ou consistant), si l erreur quadratique moyenne tend vers zéro lorsque la taille de l échantillon tend vers l infini, une condition nécessaire et suffisante est que le bais et la variance tendent aussi vers zéro. ˆ Asymptotiquement sans biais, si le biais tend vers 0 lorsque taille de l échantillon tend vers l infini, ˆ Asymptotiquement normal, si la distribution de l estimateur est une gaussienne (de moyenne E(V ) et variance var(v )) ˆ plus efficace qu un autre estimateur W si l erreur quadratique moyenne est plus faible. L efficacité comparée de V, à celle de W est définie par : ERQM(W ) ERQM(V ) Un estimateur sans bais n est pas nécessairement l estimateur le plus efficace. En général, on recherchera les estimateurs dont l erreur quadratique moyenne est la plus faible possible. Daniel Herlemont 12
13 3 RAPPELS 3.2 Propriétés relatives à la volatilité historique Considérons les rendements r i comme des variables iid gaussiennes de moyenne nulle et variance σ 2 (si l espérance est différent de zéro il suffit de considérer r i µ). Considérons l estimateur ˆσ 2 = 1 ri 2 n Sa variance est i=1,n var( ˆσ 2 ) = 1 var(r 2 n 2 i ) Les rendements étant indépendants, il en va de même pour toute fonction de ces rendements, en particulier les ri 2 sont également indépendants et la variance de la somme est la somme des variances. Pour une variable aléatoire X normalement distribuée, X 2 est distribuée suivant une loi de khi2 On peut retrouver la variance de X 2, en sachant que la kurtosis est égale à 3 : E[X 4 ]/var(x) 2 = 3 : i=1,n var(x 2 ) = E[X 4 ] (E[X 2 ]) 2 = 3var(X) 2 var(x) 2 = 2var(X) 2 d où var( ˆσ 2 ) = 2σ4 n Daniel Herlemont 13
Modèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailHedging delta et gamma neutre d un option digitale
Hedging delta et gamma neutre d un option digitale Daniel Herlemont 1 Introduction L objectif de ce projet est d examiner la couverture delta-gamma neutre d un portefeuille d options digitales Asset-Or-Nothing
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailKBC Securities Trader
KBC Securities Trader Bienvenue! Ce guide vous présente les principales fonctionnalités et possibilités de KBC Securities Trader. Afin d obtenir plus d informations sur chaque fenêtre, appuyez sur F1 pour
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailExamen Final. Indications
DANS LE SECTEUR BANQUE-ASSURANCE NOM : MATRICULE : PRENOM : Examen Final Problèmes Indications Veuillez respecter les indications suivantes: 1. Vous avez 3 heures à disposition 2. Veuillez vérifier que
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailTHE LAW SOCIETY OF UPPER CANADA BY-LAW 19 [HANDLING OF MONEY AND OTHER PROPERTY] MOTION TO BE MOVED AT THE MEETING OF CONVOCATION ON JANUARY 24, 2002
2-aes THE LAW SOCIETY OF UPPER CANADA BY-LAW 19 [HANDLING OF MONEY AND OTHER PROPERTY] MOTION TO BE MOVED AT THE MEETING OF CONVOCATION ON JANUARY 24, 2002 MOVED BY SECONDED BY THAT By-Law 19 [Handling
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailInstructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00
Instructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00 HFFv2 1. OBJET L accroissement de la taille de code sur la version 2.0.00 a nécessité une évolution du mapping de la flash. La conséquence de ce
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailL Elasticité Concept et Applications Chapitre 4
L Elasticité Concept et Applications Chapitre 4 L Elasticité...... est une mesure de la réaction des acheteurs et vendeurs aux changements dans les conditions du marché...... nous permet d analyser les
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailAPPENDIX 6 BONUS RING FORMAT
#4 EN FRANÇAIS CI-DESSOUS Preamble and Justification This motion is being presented to the membership as an alternative format for clubs to use to encourage increased entries, both in areas where the exhibitor
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailINTRODUCTION INTRODUCTION
INTRODUCTION INTRODUCTION Les options sont des actifs financiers conditionnels qui donnent le droit mais pas l'obligation d'effectuer des transactions sur des actifs supports. Leur intérêt réside dans
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailDéfinition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3
8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant
Plus en détailCOMPTABILITÉ. PCG : provisions pour grosses réparations vs amortissements par composants. Cette étude a pour objet. reflexion. Résumé de l article
PCG : provisions pour grosses réparations vs amortissements par composants Eric DELESALLE Expert-comptable, Commissaire aux comptes Professeur agrégé CNAM-INTEC Président de la Commission de droit comptable
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailCORRECTION TP Multimètres - Mesures de résistances - I. Mesure directe de résistors avec ohmmètre - comparaison de deux instruments de mesure
Introduction CORRECTION TP Multimètres - Mesures de résistances - La mesure d une résistance s effectue à l aide d un multimètre. Utilisé en mode ohmmètre, il permet une mesure directe de résistances hors
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailBLUELINEA. 269.826,00 EUR composé de 1.349.130 actions de valeur nominale 0,20 EUR Date de création : 17/01/2006
CORPORATE EVENT NOTICE: Inscription par cotation directe BLUELINEA PLACE: Paris AVIS N : PAR_20120221_02921_MLI DATE: 21/02/2012 MARCHE: MARCHE LIBRE A l'initiative du membre de marché ARKEON Finance agissant
Plus en détailDoes it pay to improve Corporate Governance? An empirical analysis of European Equities
Does it pay to improve Corporate Governance? An empirical analysis of European Equities Joseph GAWER NATIXIS Asset Management Université Paris Dauphine joseph.gawer@am.natixis.com Association Française
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailPratique des options Grecs et stratégies de trading. F. Wellers
Pratique des options Grecs et stratégies de trading F. Wellers Plan de la conférence 0 Philosophie et structure du cours 1 Définitions des grecs 2 Propriétés des grecs 3 Qu est ce que la volatilité? 4
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailAméliorations du schéma de nuage et de EDKF dans AROME/MésoNH
Améliorations du schéma de nuage et de EDKF dans AROME/MésoNH Sébastien Riette Météo-France CNRM/GMME Réunion des utilisateurs de Méso-NH, 13 et 14 octobre 2011 Les composantes du schéma de nuage d'arome
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailDCG 6. Finance d entreprise. L essentiel en fiches
DCG 6 Finance d entreprise L essentiel en fiches DCG DSCG Collection «Express Expertise comptable» J.-F. Bocquillon, M. Mariage, Introduction au droit DCG 1 L. Siné, Droit des sociétés DCG 2 V. Roy, Droit
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailGestion de Portefeuille. Mesures de Performance Ajustées du Risque
Gestion de Portefeuille Mesures de Performance Ajustées du Risque Le Ratio de Sharpe La mesure de performance (ajustée du risque) la plus utilisée Rappel: Propriétés du ratio de Sharpe Mesure de la stratégie:
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailCommerzbank AG Certificats Factors
Commerzbank AG Certificats Factors Corporates & Markets Produits présentant un risque de perte en capital. Les instruments dérivés présentés sont soumis à des risques (voir les facteurs de risque sur la
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailI. Programmation I. 1 Ecrire un programme en Scilab traduisant l organigramme montré ci-après (on pourra utiliser les annexes):
Master Chimie Fondamentale et Appliquée : spécialité «Ingénierie Chimique» Examen «Programmation, Simulation des procédés» avril 2008a Nom : Prénom : groupe TD : I. Programmation I. 1 Ecrire un programme
Plus en détailModélisation des risques
2 Modélisation des risques 2. Introduction L objectif de ce chapitre est de présenter les modèles de base utilisés pour décrire le comportement aléatoire d un risque en actuariat pour une période xe. Les
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détail22/09/2014 sur la base de 55,03 euros par action
CORPORATE EVENT NOTICE: Amortissement d'orane Reprise de cotation PUBLICIS GROUPE S.A. PLACE: Paris AVIS N : PAR_20140902_06559_EUR DATE: 02/09/2014 MARCHE: EURONEXT PARIS Amortissement en titres et en
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
Plus en détailFOAD COURS D ECONOMETRIE 1 CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 2012.
FOAD COURS D ECONOMETRIE CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 202. Christine Maurel Maître de conférences en Sciences Economiques Université de Toulouse - Capitole Toulouse School of Economics-ARQADE
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailBases de programmation. Cours 5. Structurer les données
Bases de programmation. Cours 5. Structurer les données Pierre Boudes 1 er décembre 2014 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License. Types char et
Plus en détailOptions et Volatilité (introduction)
SECONDE PARTIE Options et Volatilité (introduction) Avril 2013 Licence Paris Dauphine 2013 SECONDE PARTIE Philippe GIORDAN Head of Investment Consulting +377 92 16 55 65 philippe.giordan@kblmonaco.com
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailExercices sur SQL server 2000
Exercices sur SQL server 2000 La diagramme de classe : Exercices sur SQL server 2000 Le modèle relationnel correspondant : 1 Créer les tables Clic-droit on Tables et choisir «New Table» Créer la table
Plus en détailAu-delà du coalescent : quels modèles pour expliquer la di
Au-delà du coalescent : quels modèles pour expliquer la diversité génétique? LPMA, Université Paris 6, CMAP Polytechnique 13 octobre 2009 A partir de travaux conjoints avec N. Berestycki, V. Limic, J.
Plus en détailModifications dans l état des fonds propres pour les risques de marché : informations techniques préalables
CH-3003 Berne À - Toutes les banques et tous les négociants en valeurs mobilières - Toutes les sociétés d audit bancaires et boursières Référence: 00089/1041081 Contact: Graf Barbara Téléphone direct:
Plus en détailUMANIS. Actions UMANIS(code ISIN FR0010949388 /mnémo UMS)
CORPORATE EVENT NOTICE: Offre publique de rachat PLACE: Paris AVIS N : PAR_20131212_09018_EUR DATE: 12/12/2013 MARCHE: EURONEXT PARIS Le 12/12/2013, l'autorité des marchés financiers (l'"amf") a fait connaître
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailHow to Login to Career Page
How to Login to Career Page BASF Canada July 2013 To view this instruction manual in French, please scroll down to page 16 1 Job Postings How to Login/Create your Profile/Sign Up for Job Posting Notifications
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détail1741 SWITZERLAND EQUAL WEIGHTED INDEX. Règlement
1741 SWITZERLAND EQUAL WEIGHTED INDEX Règlement Version du 01.07.2015 SOMMAIRE 1 Introduction 3 2 Spécifications de l indice 4 3 Univers de l indice 5 4 Adaptations périodiques ordinaire 6 5 Adaptations
Plus en détailWARRANTS TURBOS CERTIFICATS. Les Warrants. Découvrir et apprendre à maîtriser l effet de levier
WARRANTS TURBOS CERTIFICATS Les Warrants Découvrir et apprendre à maîtriser l effet de levier 2 WARRANTS Qu est-ce qu un Warrant? Un warrant est une option cotée en Bourse. Emis par des établissements
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailCours d analyse technique. Henri Janssen INVESTA
Cours d analyse technique Henri Janssen INVESTA hj@benetis.be www.geocities.com/easylink2000 Moyennes mobiles, sommaire Définitions et calcul des moyennes mobiles SMA, EMA, WMA Les moyennes mobiles et
Plus en détailGarage Door Monitor Model 829LM
Garage Door Monitor Model 829LM To prevent possible SERIOUS INJURY or DEATH from a closing garage door: NEVER permit children to operate or play with door control push buttons or remote control transmitters.
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCapital Structure Arbitrage : Theory and Practice of Structural Models
: Theory and Practice of Structural Models Pierre GARREAU University Paris-1 Panthéon Sorbonne 9 Juillet 2008 P. Garreau Press Review Les Enjeux Mise en Bouche Définitions Press Review Volkswagen, Europe
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailCarl-Louis-Ferdinand von Lindemann (1852-1939)
Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailÉtude nationale sur les besoins des clients
Étude nationale sur les besoins des clients Rapport sommaire Canadian Legal Information Institute Institut canadien d information juridique Octobre 2012 CorbinPartners Inc. 2012 Contexte et méthodologie
Plus en détailFirst Nations Assessment Inspection Regulations. Règlement sur l inspection aux fins d évaluation foncière des premières nations CONSOLIDATION
CANADA CONSOLIDATION CODIFICATION First Nations Assessment Inspection Regulations Règlement sur l inspection aux fins d évaluation foncière des premières nations SOR/2007-242 DORS/2007-242 Current to September
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailPROJET DE GESTION PORTEFEUILLE. Evaluation d une Stratégie de Trading
PROJET DE GESTION PORTEFEUILLE Evaluation d une Stratégie de Trading Encadré par M. Philippe Bernard Master 1 Economie Appliquée-Ingénierie Economique et Financière Taylan Kunal 2011-2012 Sommaire 1) Introduction
Plus en détail