Caractérisation des mesures de performance pertinentes en gestion alternative
|
|
- Thierry Lebeau
- il y a 8 ans
- Total affichages :
Transcription
1 Caractérisation des mesures de performance pertinentes en gestion alternative Alexis BONNET Isabelle NAGOT Methodology Group CERMSEM Université Paris1Panthéon-Sorbonne 2 avril 2004
2 Quelles sont les mesures de performance? Allocation optimale de risque dans un portefeuille Cas de la gestion alternative (vente àdécouvert, tous produits dérivés) Nécessité de combiner différents horizons de stratégie de trading
3 Variable pertinente = P&L net Variation de valeur liée à une prise de risque : trade dans lequel on investit + ou - nette des coûts de transaction et avec tous les cash-flo correctement actualisés. X =P&Lnet
4 Pourquoi P&L plutôt que rendement On regarde de la même manière (au travers de X): une stratégie de trade un sous-fonds un dérivé OTC (aussi complexe soit-il) un produit traité sur un marché ou un fonds classique On considérera toute distribution possible (ex : cat bond). Remarque : tendance des contreparties à faire des appels de marge basés sur le risque la distribution de X (global netting agreement, VaR à 3 jours).
5 Objectif allocation optimale de risque dans un portefeuille (sans contraintes comme dans Markowitz) mesure de la performance (espérée ou réalisée) de cette allocation
6 Existant Optimisation et mesure de la performance sont basées sur : essentiellement le ratio de Sharpe Sortino, VaR, CvaR, 3 ou 4 premiers moments,... Sharpe : basé sur deux 1ers moments, intuitif et simple Sh(X) = E(X) V (X) Allocation optimale : poids = E(X) V (X) (actifs indépendants) Ex : pour X gaussien, Sh =2 proba de gain = 97,5% (cf P (X > 1, 96) = 2, 5)
7 Problème : distributions non gaussiennes Exemple : si on autorise la vente de volatilité sur des actifs gaussiens Maximisation du Sharpe avec des options (Goetzmann, Ingersoll, Spiegel and Welch) : Sharpe passe de 2 à8(etde3à 90) pour le portefeuille optimal
8 Remèdes? 1. Stutzer 2. Hodges 3. Omega Ne répondent pas complètement à l objectif allocation + mesure Pour 1. et 2. (utilité CARA), choix validé par : mesure qui coïncide avec Sharpe pour les gaussiennes
9 Questions Comment caractériser toutes les bonnes mesures? Quelle représentation pour ces mesures (forme explicite) Quelles seront celles qui, en plus, vérifieront : la monotonie (par rapport à la dominance stochastique) l axiome d indépendance (pour une fonction d utilité)?
10 Quelles conditions pour la mesure, notée BN? BN(X) ne dépend que de la distribution de X Pour une famille d actifs indépendants : propriété d addivité : (Sharpe : Max Portef Sh 2 = Sh(X i ) 2 ) propriété d indépendance de l allocation optimale : (Sharpe : poids optimal pour l actif i = E(X i) V (X i ) propres) ne dépend que de ses caractéristiques propriété de régularité : 2 distributions voisines ont des BN voisins.
11 Résultat sur les gaussiennes Proposition : on suppose (A) :max λ BN( λ i X i )= BN(X i ) (B) :maxbn(αx + βy ) atteint en α = λ(x) etβ = λ(y ) où λ(z) nedépend que de la distribution de Z (sera noté λ Z ) (Rg) : BN(N (x, x)) borné sur un intervalle d intérieur non vide. Alors, pour X gaussienne, BN(X) =C ste Sh 2 (X) et poids optimal = C stee(x) V (X) (actifs indépendants) Ex : Sh 2 et les mesures de Stutzer-Hodges vérifient (A) (B) (Rg).
12 Idée de la preuve (A) (B) pour X, X 1,..., X n iid, on a Conséquence : BN(X X n )=nbn(x) x 0, r IQ +, BN(N (rx, rx)) = rbn(n (x, x)) Extension à r IR + grâce à (Rg). α IR, BN(αX) =maxbn(βαx +0)=BN(X) donc pour m, σ IR, β BN(N (m, σ 2 )) = BN( σ2 m N (m2 σ 2, m2 σ 2 )) = Sh2 (X)BN(N (1, 1))
13 Caractérisation : basée sur la transformée de Laplace Définition : H X (λ) = ln E(e λx ) (-LogLaplace) Domaine de H X : D X, intervalle contenant 0 Si D X {0}, la distribution de X est déterminée par H X, donc BN(X) peutêtre considéré comme une fonction de H X. H X est concave, analytique sur int(d X ). Intérêt: additivité Les distributions X et Y seront proches ssi H X et H Y proches : Famille de semi-normes sur C : pour K compact IR, p IN, et H, H C : H H K,p =max 0 k p max K k H k H
14 Résultat de représentation Th 1 : si BN vérifie (A) et (B), ie max BN(αX + βy )=BN(X)+BN(Y ) atteint en α = λ(x) etβ = λ(y ) et (R) : condition de Lipschitz au voisinage des gaussiennes Alors, il existe une application linéaire et continue J telle que BN(X) =max J (H λx) et max atteint en un unique point : λ X λ J =Note,BN =BestNote
15 Idée de la preuve (1) : dérivée de BN X infiniment divisible Z n N(2n, 2n) BN(Z n )=n et λ Zn =1. X = X X n iid, alors n 1 H X = H ξ1,etn 1 H Z n = H Z1 donc BN(H Z1 + n 1 H X)= n 1 BN(H Z n + H X ) Donc lim n + BN(H Z1 + 1 n H X) BN(H Z1 ) 1 n = lim n + [BN(Z n + X) n]. X quelconque : J (H X ) = lim [BN(Z n + X) n] n + candidat pour la dérivée au sens de Fréchet en Z 1, dans la direction de H X. On cherche une condition sur BN pour que J soit linéaire continue: c est (R).
16 Idée de la preuve (2) : BN =BestNote BN(Z n )=n et λ Zn = 1, donc BN(Z n + λ X X)=max α,β BN(αZ x + βx) =BN(Z n )+BN(X) donc J(λ X X) = lim [BN(Z n + λ X X) n] =BN(X), n + et pour tout λ IR, BN(Z n + λx) BN(Z n )+BN(X), donc J(λX) BN(X) alors BN(X) =max λ J(λX) =J(λ XX) (1)
17 Résultat sur J Déf: BN admissible si vérifie hypothèses du th1 + (F) : exclusion de v.a. centrée de BN arbitrairement grand, Th 2 : Si BN est admissible, J est une distribution d ordre 2 qui s écrit: J (H X )=E(X)+ 1 2 < Γ,H X > avec < Γ, 1 >= 1 et Γ mesure 0. Corollaire: E(X) =0 BN(X) =0 E(X) etλ X ont même signe (λ X éventuellement nul) Remarque : H X 0 donc < Γ,H X > est négatif et < Γ,H X > s interprète comme une mesure de risque (moyenne pondérée de variances d Esscher).
18 Propriétés de Γ Exemples: pour Γ = δ 0,onaJ(X) =E(X)+ 1 2 H X (0) et BN(X) =sup λ Stutzer: Γ(x) =2(1 x)1i [0,1]. [λe(x) λ2 2 V (X)], ie Sharpe ratio. Prop : BN est monotone (parmi les v.a. d espérance 0) par rapport à la dominance stochastique d ordre 1 ssi J (H X )=E(X)+ 1 2 < Γ,H X > avec < Γ, 1 >= 1 g = µ + + l avec µ + mesure positive de support IR + et l distribution de support {0}, d ordre 1. ( supp Γ IR + )
19 Relation de préférences associée à J Dans J, la partie mesure de risque vérifie les axiomes d une mesure cohérente sauf la positivité homogène. Axiome d indépendance
20 Exemple sur un ens d actifs Un future, gaussien, + call et put standards Portefeuille optimal : 1. Selon Sharpe: 2. Selon CARA: 3. Selon BN:
21 blabla Résumé
22 Travaux en cours Actifs corrélés CAPM Choix de Γ (selon activité)
23 ... Hypothèse (R)
Gestion 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 détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
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 détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailPropriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailun environnement économique et politique
Vision d un économiste sur le risque agricole et sa gestion un sol un climat un environnement économique et politique Jean Cordier Professeur Agrocampus Ouest Séminaire GIS GC HP2E Prise en compte du risque
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
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 détailTable des matières. l a r c i e r
Chapitre 1 Introduction... 1 1.1. Objectifs et structure du livre.... 1 1.2. Qu est-ce que la gestion de portefeuille?.... 2 1.3. Qu est-ce que «investir»?.... 3 1.4. Canalisation des flux d épargne et
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailModélisation et étude d un système de trading directionnel diversifié sur 28 marchés à terme
Modélisation et étude d un système de trading directionnel diversifié sur 28 marchés à terme Trading system : Trend following Breakout Janvier 1996 - Janvier 2009 Etude de la performance du système Le
Plus en détailThéorie Financière 8 P. rod i u t its dé dérivés
Théorie Financière 8P 8. Produits dit dérivés déié Objectifsdelasession session 1. Définir les produits dérivés (forward, futures et options (calls et puts) 2. Analyser les flux financiers terminaux 3.
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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
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 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 détailBMO Société d assurance-vie. Glossaire d aide juin 2009
BMO Société d assurance-vie Glossaire d aide juin 2009 TABLE DES MATIÈRES Utiliser Recherche rapide pour les comptes indiciels gérés 3 Utiliser Recherche avancée pour les comptes indiciels gérés 4 Trier
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailLe théorème des deux fonds et la gestion indicielle
Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par
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 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 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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
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 détailProcessus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus.
JF WALHIN* J PARIS* * Université Catholique de Louvain, Belgique Le Mans Assurances, Belgique RÉSUMÉ Nous proposons une méthodologie générale pour construire un système bonus-malus équilibré basé sur une
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
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 détailValorisation d es des options Novembre 2007
Valorisation des options Novembre 2007 Plan Rappels Relations de prix Le modèle binomial Le modèle de Black-Scholes Les grecques Page 2 Rappels (1) Définition Une option est un contrat financier qui confère
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 détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailLes mesures de performance ajustée au risque
Chapitre chapitre 1 6 Les mesures de performance ajustée au risque Les mesures de performance traditionnelles développées au chapitre 5 offrent l avantage d être simples d utilisation et d interprétation
Plus en détailRisque de contrepartie sur opérations de marché. Marwan Moubachir
JJ Mois Année Risque de contrepartie sur opérations de marché Marwan Moubachir RISQ/CMC/MOD Le contenu de cette présentation ne représente que le point de vue de son auteur et n'engage en rien la Société
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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailMathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012
Mathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012 Pierre Andreoletti pierre.andreoletti@univ-orleans.fr Bureau E15 1 / 20 Objectifs du cours Définition
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
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 détail2- Comment les traders gèrent les risques
2- Comment les traders gèrent les risques front office middle office back office trading échange d'actifs financiers contrôle des risques, calcul du capital requis enregistrement des opérations traitement
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
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 détailAttitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014
Attitude des ménages face au risque - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Plan du cours 1. Introduction : demande de couverture et comportements induits pa 2. Représentations
Plus en détailWEBINAIRE SUR LE SUIVI DE TENDANCES
WEBINAIRE SUR LE SUIVI DE TENDANCES Le 16/02/2012 à 21H Présenté par Gilles SANTACREU (Boursikoter.com) En partenariat avec CMC Markets 1 Gilles SANTACREU, 43 ans - Webmaster et fondateur du site Boursikoter.com
Plus en détailFORMATIONS FINANCIÈRES RÉALISÉES
FORMATIONS FINANCIÈRES RÉALISÉES l'ensemble de ces sujets de formations ont été construits sur mesure à la demande de nos clients SOMMAIRE LES MARCHÉS 3 LES MARCHÉS FINANCIERS NIVEAU 1 4 LES MARCHÉS FINANCIERS
Plus en détailDérivés Financiers Options
Stratégies à base d options Dérivés Financiers Options 1) Supposons que vous vendiez un put avec un prix d exercice de 40 et une date d expiration dans 3 mois. Le prix actuel de l action est 41 et le contrat
Plus en détailCouplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites
Couplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites Benoît Beghin Pierre Baqué André Cabarbaye Centre National d Etudes
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
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 détailDynAmiser vos investissements
DynAmiser vos investissements Aequam en quelques mots Jeune entreprise indépendante et innovante Agréée AMF n GP-10000038 Incubée par le Pôle Sponsorisée par Fondatrice de Savoir-faire / Innovation 5 associés
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailDérivés Financiers Contrats à terme
Dérivés Financiers Contrats à terme Mécanique des marchés à terme 1) Supposons que vous prenez une position courte sur un contrat à terme, pour vendre de l argent en juillet à 10,20 par once, sur le New
Plus en détailProcessus 6 : Gestion de la trésorerie et du financement
1 / 10 Processus 6 : Gestion de la trésorerie et du financement Le P6 regroupe 3 parties : - Le suivi et l optimisation de la trésorerie à court terme (au jour le jour) ; - La détermination des besoins
Plus en détailFaire croître votre chiffre d affaires PLACEMENTS PLANIFICATION FINANCIÈRE ASSURANCE
Faire croître votre chiffre d affaires PLACEMENTS PLANIFICATION FINANCIÈRE ASSURANCE 2 Table des matières 1. Survol de ÉlémentsPatrimoine 2. Modules renseignements du client 3. Modules planifications financière
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
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 détailThéorie de la mesure. S. Nicolay
Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................
Plus en détailComment évaluer une banque?
Comment évaluer une banque? L évaluation d une banque est basée sur les mêmes principes généraux que n importe quelle autre entreprise : une banque vaut les flux qu elle est susceptible de rapporter dans
Plus en détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détail2008/03. La concentration des portefeuilles : perspective générale et illustration
2008/03 La concentration des portefeuilles : perspective générale et illustration Olivier Le Courtois Professeur de finance et d assurance UPR Economie, Finance et Gestion EMLYON Christian Walter Actuaire
Plus en détailUn guide du trading des Options Binaires, étape par étape. www.cedarfinance.com
Un guide du trading des Options Binaires, étape par étape www.cedarfinance.com Index 3 Les meilleures raisons pour commencer le trading d Options Binaires 4 Les Options Binaires: Histoire 5 Comment réaliser
Plus en détailCours débutants Partie 1 : LES BASES DU FOREX
Définition du FOREX : FOREX est l abréviation de Foreign Exchange market et désigne le marché sur lequel sont échangées les devises l une contre l autre. C est un des marchés les plus liquides qui soient.
Plus en détailTravail de projet sur VBA
Travail de projet sur VBA Calcul du Ratio de Sharpe Page 1 sur 25 Table des matières : 1. Introduction 3 2. Démarche générale 3 2.1 Récolte de données 3 2.2 Calculs de rendements 4 2.3 Calculs de volatilités
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
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 détailModèle 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 détailRisque de contrepartie sur opérations de marché Olivier D COHEN
16 Jan 2013 JJ Mois Année Risque de contrepartie sur opérations de marché Olivier D COHEN RISQ/MAR/MRC Plan 1. Le pilotage des activités de la banque/le contrôle du secteur bancaire 2. Mesures du risque
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
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 détailwww.styleanalytics.com
www.styleanalytics.com Style Analytics EuroPerformance a le plaisir de vous présenter Style Analytics, outil de mesure des risques et de la performance des fonds d investissement. Style Analytics offre
Plus en détailCalcul Stochastique pour la finance. Romuald ELIE
Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
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 détailQUESTIONS D ENTRETIENS EN FINANCE DE MARCHE
QUESTIONS D ENTRETIENS EN FINANCE DE MARCHE Le présent document est un recueil de questions, la plupart techniques, posées à des candidats généralement jeunes diplômés, issus d école d ingénieurs, de commerce
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailAsk : Back office : Bar-chart : Bear : Bid : Blue chip : Bond/Junk Bond : Bull : Call : Call warrant/put warrant :
Parlons Trading Ask : prix d offre ; c est le prix auquel un «market maker» vend un titre et le prix auquel l investisseur achète le titre. Le prix du marché correspond au prix le plus intéressant parmi
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailDérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES
Capitre 4 Dérivation Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Dérivation Nombre dérivé d une fonction en un point. Tangente à la courbe représentative d une fonction dérivable
Plus en détailSECTION 5 : OPERATIONS SUR PRODUITS DERIVES
SECTION 5 : OPERATIONS SUR PRODUITS DERIVES 1 - DEFINITION DES PRODUITS DERIVES 2 - DEFINITIONS DES MARCHES 3 - USAGE DES CONTRATS 4 - COMPTABILISATION DES OPERATIONS SUR PRODUITS DERIVES 51 SECTION 5
Plus en détailApproximation diophantienne uniforme et dimension de Hausdorff
Approximation diophantienne uniforme et dimension de Hausdorff Lingmin LIAO Travaux en collaboration avec Yann Bugeaud, Dong Han Kim et Micha l Rams Université Paris-Est Créteil Séminaire de Probabilités
Plus en détailTURBOS JOUR : DES EFFETS DE LEVIER DE x20, x50, x100 jusqu à x300!
TURBOS Jour TURBOS JOUR : DES EFFETS DE LEVIER DE x20, x50, x100 jusqu à x300! PRODUITS À EFFET DE LEVIER PRéSENTANT UN RISQUE DE PERTE DU CAPITAL Société Générale propose une nouvelle génération de Turbos,
Plus en détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détail