Fondements mathématiques des probabilités Théorie de la mesure Correction des exercices
|
|
- Gilbert Rochette
- il y a 7 ans
- Total affichages :
Transcription
1 Fondemens mahémaiques des probabiliés héorie de la mesure Correcion des exercices N. Baradel 7 février 16 1 D Exercice 1 : Payoffs e sraégies Dessins au ableau. 1. Exercice : Prix de call e de pu Sous AOA, pour deux processus X e Y, nous avons avec les inégaliés prises au sens p.s. X Y =, X Y résula que nous uiliserons ou au long de l exercice. Quesion 1 Premièremen, on a C = S K + S p.s., par absence d opporunié d arbirage, il vien C S. Ensuie, C p.s. e S KB S K + = C d où C e S KB C ce qui donne Finalemen S KB + C. S KB + C S. 1
2 Quesion On effecue un raisonnemen analogue. Premièremen, on a P = K S + KB p.s., par absence d opporunié d arbirage, il vien P KB. Ensuie, P p.s. e KB S K S + = P d où P e KB S P ce qui donne Finalemen KB S + P. KB S + P KB. Quesion 3 Soien C K 1 un call de maurié de srike K 1 e C K un call de maurié e de srike K avec K 1 K. Puisque C K 1 = S K 1 + S K + = C K p.s., par absence d opporunié d arbirage, C K 1 = S K 1 + S K + = C K. On a donc K 1 K = C K 1 C K Soien mainenan C 1 un call de maurié 1 de srike K e C un call de maurié e de srike K avec 1. À la Quesion 1, pluô que de se concenrer sur la dae, on aurai pu en déduire qu à oue dae inférieure à la maurié, S KB + C p.s. ; or S K + S KB + p.s. d où S K + C : le prix du call es oujours supérieur à sa valeur inrinsèque. En pariculier, en = 1 avec le call C, on a C 1 = S 1 K + C 1 d arbirage, C C. On a donc = C C p.s., par absence d opporunié Quesion 4 De même, on monre que le prix du pu es décroissan avec le srike. Par conre, pour le sens de variaion face à la maurié, on ne peu pas uiliser la borne inférieur comme avec le call, le sens n es plus le bon. En fai, le prix du pu n es pas monoone avec la maurié. 1.3 Exercice 3 : Arbre binomial à une période Quesion 1 Ω = {ω d, ω u }, F = {, {ω d }, {ω u }, {ω d, ω u }}, P = 1 pδ ωd + pδ ωu, p =, 75.
3 Quesion La probabilié risque-neure es la mesure de probabilié Q équivalene à P qui rend les acifs réacualisés maringales. Une elle probabilié doi donc vérifier en = : S = E Q S F p.s. 1 + r où r =, 5 es le aux de l acif sans risque donné par l énoncé. Puisqu il n y a que deux éas de la naure, la probabilié Q s écri nécessairemen Q = 1 qδ ωd + qδ ωu. La précédene égalié se réécri, en = S = r 1 qs 1ω d + qs 1 ω u, q = S 1 + r S 1 ω d S 1 ω u S 1 ω d. Remarque : pour êre une probabilié, q doi êre compris enre e 1. Cela implique que Ce qui se réécri encore S 1 ω d S 1 + r S 1 ω u S 1 ω d 1 r S 1ω u 1 S S Puisqu on exige que Q P, e que chacun des deux éas de la naure a un poids posiif sous P, il en es de même pour Q. Les inégaliés ci-dessus son alors srices. Applicaion numérique : q = = 1. Quesion 3 La probabilié risque-neure es celle qui rend ous les acifs maringales. Le prix du call s écri comme une espérance condiionnelle : C = E Q C1 F 1 + r Pour le pu, on a P = E Q P1 F 1 + r Applicaion numérique : C = P = = 1 1 qs1 ω d K + + qs 1 ω u K r = 1 1 qk S1 ω d + + qk S 1 ω u r , ,
4 Quesion 4 La relaion de parié call-pu es : C + KB = P + S. En =, on a C + K 1+r 14, 76 e P + S 14, Exercice 4 : Conra forward sur devise Quesion 1 1 : L invesissemen de B f dollar en rappore B f = 1 dollar en. L emprun de F B d euros en coûe F B d euros en. Le porefeuille vau donc en : S B f F B d = S F. : En, je reçois 1 dollar conre F euros. Ce dollar, je l échange conre S euros. En somme, on récupère S F En, par absence d opporunié d arbirage, S B f F B d =, i.e. F = S B f B d Quesion En, je reçois 1 dollar conre F euros e je donne un dollar conre F euros. Au final, je reçois F F euros, monan non aléaoire. On en dédui donc qu en, le conra vau Puis, en foncion de S e S, F F B d S B f B d B f S B d B d = S B f B f S B d B d 1.5 Exercice 5 : Opion Américaine Quesion 1 Une opion européenne ne peu êre exercée qu à maurié. L opion américaine peu êre exercée à maurié ou avan. Puisque l ensemble des choix possibles de l opion américaine es plus grand que celui de l opion européenne, son prix es plus élevé, par absence d opporunié d arbirage. Si à une dae [, ], C e > C a, on achèe le call américain e on vend le call européen : on encaisse C e C a >. Puis on aend la dae erminale sans exercer e, puisque C e = Ca = S K +, le flux es nul en dae. Quesion Nous avons C e p.s., de plus PS > K > ce qui assure que PC e > >. Si Ce = il y a alors arbirage, on a C e > p.s.. De plus, S KB S K + = C e p.s. e PS > K < implique que PC e > S K >. Si C e = S KB il y a alors arbirage, on a S KB < C e. Combinan les deux inégaliés, on en dédui 4
5 C e > max, S KB. Quesion 3 On a C a C e > S KB + S K +. On en dédui qu il n es jamais inéressan d exercer un call américain avan sa maurié. Il es préférable de le revendre si nous souhaions nous en séparer. Ainsi, l exercice opimal du call américain es la maurié. Quesion 4 Supposons que nous vendions un call américain e acheions un call européen ; si la personne en face de nous exerce, nous lui devons la valeur inrinsèque e revendons le call européen don la valeur es plus élevée. S il ne l exerce pas avan maurié, le résula es nul. Ainsi, si le prix du call américain es supérieur au prix du call européen, il y a un arbirage. On a C a = C e p.s Exercice 6 : Duplicaion Quesion 1 Le prix se décompose en : γ = K 1 B + CK 1, CK,. Quesion Le prix se décompose comme sui : CO = max C K,, P K, = max C K,, C K, + Ke r S = C K, + Ke r S + = C K, + P Ke r, D où, par absence d opporunié d arbirage, en oue dae, CO = C K, + P Ke r, 5
6 D.1 Exercice 1 : Duplicaion d un produi dérivé en modèle binomial à n périodes Voir cours.. Exercice : Convergence du modèle Binomial vers le modèle de Black Scholes Quesion Nous avons Puisque a R, R n = 1 + a n n n + ea 1 + r n n n + er Quesion 3 Nous avons vu que, dans le modèle binomial, pour que le marché vérifie l absence d opporunié d arbirage, il fau que e il suffi que n, d n < 1 + r n < u n Ce qui es éviden compe enu de la définiion de d n, r n e u n. Quesion 4 il vien Nous avons, par définiion, S n n i = S n n i 1 Xn i. Par récurrence immédiae, S n n i = S i k=1 X n k Quesion 5 On pose q n = Q n Xi+1 n = u n F i. S n E Qn n i r n F i = S n n i E Qn X n i+1 F i = 1 + rn 1 = r n 1 q n d n + q n u n q n = 1 + r n d n u n d n. 6
7 Quesion 6 Limie de q n q n = 1 + r n d n 1 + r = 1 + r n n e σ /n u n d n 1 + r n e σ /n 1 + r n e σ /n 1 e σ /n 1 1 σ + o 1 = e σ /n e σ = n n /n 1 + σ + o 1 n n 1 σ + o n σ + o 1 n n = = 1 + o1 σ + o 1 + o1 n n 1 n d où Limie de ne Q n logx n 1 q n n + 1 ne Q n logx1 n = nq n [σ n + log 1 + r n = n q n 1 σ n + n log ] [ + n 1 q n σ n + log 1 + r n Commençons par la deuxième parie n log 1 + r [ ] r 1 = n n n + o = r + o1 n r n r n Pour la première parie, reprenons le développemen de q n mais poussons à l ordre le numéraeur : n q n 1 σ n = σ σ + o 1 n n n 1 σ n σ + o 1 n n 1 σ + o 1 n n = 1 σ n 1 + o 1 ] d où, = σ + o1 1 + o 1 n + σ 7
8 ne Q n logx n 1 n + r σ Pour la limie de ne Q n logx n 1, remarquons que puisque ne Q n logx n 1 a une limie finie, E Q n logx n 1 end vers. E donc ne Q n logx1 n = ne Q n logx1 n E Q n logx1 n σ = La limie de nv ar Q n logx1 n es donc celle de ne Q n logx n 1 Nous avons nv ar Q n logx1 n = nq n [σ n + log [ = nq n + n 1 q n 1 + r n σ n + σ n log 1 + r n = σ + n q n 1 σ [σ n n σ log 1 + r n ] [ + n 1 q n σ n + log + log 1 + r ] n n log 1 + r n + log 1 + r n + n log 1 + r n ] 1 + r n Pour le dernier élémen, comme n log 1 + r n a une limie finie, comme ou à l heure, n log 1 + r n end vers. L élémen cenral es le double du calcul inermédiaire que nous avons eu pour le calcul de l espérance e muliplié par log 1 + r n qui end vers. Nous avions comme limie pour le calcul inermédiare σ, c es à dire une limie finie, de même, la parie cenrale end vers. Finalemen ] nv ar Q n logx n 1 n + σ Quesion 7 E Q n Nous avons exp i n logxk n = E Q n [exp i logx1 n ] n k=1 8
9 [ E Q n [exp i logx1 n ] = q n e i σ n +log1+ r n ] [ + 1 q n e i σ n +log1+ r n ] = e i log1+ r n [ q n e iσ n + 1 qn e iσ ] n = e i log1+ r n [q n 1 + iσ n σ n + o [ = e i log1+ r n 1 + q n 1iσ n σ n En reprenan le calcul de l espérance de la quesion précédene, on a q n 1iσ n = σ = σ i + o 1 n n 1 + o 1 n i + o 1 n = σ n i + o q n 1...] n + o ] 1 n o 1 n En combinan e en reprenan l expression de la foncion caracérisique, nous avons E Q n [exp i logx1 n ] n = e in log1+ r n [1 σ n i σ n Nous en déduisons la limie E Q n [exp i logx n 1 ] n n + eir e σ i σ = e i + o ] n 1 n r σ σ Nous reconnaissons la foncion caracérisque d une loi N r σ héorème de Levy perme de conclure. Quesion 8 Nous avons Nous avons monré que n S n = S exp log Xk n n log Xk n k=1 L n + k=1 D où le résula de convergence par coninuié. r σ + σw, σ. Le 9
10 .3 Exercice 3 : Opion lookback en modèle binomial à deux périodes Quesion Ω = {ω dd, ω du, ω ud, ω uu }, F = {, Ω}, F 1 = {, {ω dd, ω du }, {ω ud, ω uu }, Ω}, F = PΩ. Quesion 3 Dans le modèle binomial à deux périodes, la probabilié risque-neure es définie par q = 1 + r d = u d 3 La probabilié risque-neure du modèle es alors Q = 1 q δω d,d + q1 qδω d,u + q1 qδω u,d + q δω u,u Quesion 4 On applique une récurrence en arrière. L absence d opporunié d arbirage doi êre respecée à chaque nœud de l arbre. On a, pour ou s, {, 1, } avec s C s = E Q C 1 + r F s s En = 1, dans le nœud supérieur de l arbre, on obien C 1 {ω ud, ω uu } = 1 1 qs du K + + qs uu K + = r 63 e dans le nœud inférieur C 1 {ω dd, ω du } = 1 1 qs du K + + qs uu K + = 1 + r Puis on en dédui C 1, 16 C = E Q C1 1 + r F = r qc 1{ω ud, ω uu } + 1 qc 1 {ω dd, ω du } 6, 45. Quesion 5 On es ené de faire comme précédemmen. Cependan, ici, la valeur de l opion dépend de oue la rajecoire, on ne peu pas uiliser le fai que les nœds se rejoignen. L arbre n es pas recombinan. Vu qu on a écri expliciemen la probabilié Q sur ou Ω, il suffi de calculer direcemen C. On a 1
11 C = r EQ sups s K + F s 1 = 1 + r 1 q sups, S d, S d K + + q1 qsups, S d, S du K + + q1 qsups, S u, S du K + + q sups, S u, S uu K + = 1 1, , 95 1, , , , 39.4 Exercice 4 : ransformée de Maringale Quesion 1 e que Le processus M es une F-maringale si M es F-adapé, inégrable n N, E M n+1 F n = M n p.s. E M n+1 M n F n = Puisque H e S son adapés e que F j 1 F j, on a H j 1 S j S j 1 F j. Soi i N. Pour ou j i, F j F i. On a donc M i F i e M es F-adapé. M es un processus inégrable puisque, pour ou i, il es la somme de i produis de deux variables aléaoires, la première H j 1 es bornée e la seconde, S j S j 1 es inégrable. Il rese à monrer la relaion de maringale. Soi i N. On a E M i+1 M i F i = EH i S i+1 S i F i = H i ES i+1 S i F i = p.s. Nous avons uilisé successivemen H es F-adapé donc H i es F i -mesurable e S es une maringale donc ES i+1 S i F i = p.s. Quesion.5 Exercice 5 : Maringales de carré inégrable Quesion 1 Il suffi de développer le membre de droie e d appliquer la propriéé de maringale. E M M s F s = E M M s M + M F s = EM F s M s EM F s + M s = EM F s M s + M s = EM F s M s = EM M s F s. 11
12 Quesion M es inégrable e F-adapée puisque M es de carré inégrable e F-adapée. De plus, en uilisan la Quesion 1, nous avons immédiaemen EM M s F s C es à dire que M es une sous-maringale. Nous aurions pu rerouver ce résula en uilisan l inégalié de Jensen condiionnelle à la foncion convexe x x..6 Exercice 6 : Limie L de variables aléaoires Gaussiennes La variable aléaoire X n de loi N µ n, σn adme la foncion caracérisique φ Xn : expiµ n σn/. Nous avons : R, φ Xn = exp iµ n σn iµ exp σ n + D où, par la caracérisaion de Lévy, il exise une variable aléaoire X elle que De plus X n L n + X EX n = µ n µ = EX n + V X n = σn n + σ = V X Ce qui, addiionné à la convergence en loi, équivau à la convergence dans L. 1
13 3 D Exercice 1 : Maringales Quesion 1 Rappelons la définiion du mouvemen brownien. Définiion 1 Mouvemen Brownien. B es un mouvemen brownien associé à la filraion F si B = s <, B B s F s s <, B B s N, s B es coninu p.s. Le processus B es F adapé e, pour ou, éan de loi normale, il es inégrable. De plus, pour ou s < EB F s = EB s + B B s F s = B s + EB B s F s = B s + EB B s = B s p.s. d où B es une maringale. Puisque, B es normal e qu une variable aléaoire normale adme ous les momens exponeniels, il n y aura pas de problème pour l inégrabilié des deux processus suivans. De même, les deux suivans éan des foncions mesurables du mouvemen brownien, ils son ous les deux adapés. Il rese à vérifier la propriéé de maringale. Pour le premier E le dernier EB F s = EB s + B B s F s = EB s + B s B B s + B B s F s = B s + B s EB B s F s + EB B s F s = B s + B s EB B s + EB B s = B s + s = B s s p.s. Ee σb σ Fs = e σ Ee σb s e σb Bs F s = e σbs σ Ee σb B s = e σbs σ σ e s = e σbs σ s p.s. 3. Exercice : Caracérisaion du mouvemen brownien Si B es un mouvemen brownien, on monre de manière analogue au roisième processus de l Exercice 1 que M λ es une maringale. Monrons la réciproque. Nous avons par hypohèse, pour ou s <, Ee iλb λ Fs = e iλbs λ s 13
14 On en dédui Ee iλb Bs F s = e λ s Puis en appliquan l opéraeur espérance, Ee iλb Bs = e λ s En uilisan la caracérisaion de Lévy e en reconnaissan la foncion caracérisique d une loi normale cenrée de variance s, on en dédui B B s N, s Pour l indépendance, muliplions par e iλbx, x s Ee iλbx+b Bs F s = e iλbx e λ s Puis en appliquan l opéraeur espérance Ee iλbx+b Bs F s = e λ x e λ s Vu que la foncion caracérisique de la somme es le produi des foncions caracérisques, les deux variables aléaoires son indépendanes. Puisque B x x s engendre F s, on a B B s F s Enfin, la coninuié es auomaique puisqu elle es supposée. 3.3 Exercice 3 : Mouvemens Browniens Uilisons une caracérisaion du mouvemen brownien. Un processus es un mouvemen brownien si c es un processus gaussien cenré, c es un processus coninu, sa foncion de covariance es s, mins,. Quesion 1 1 a B a, 1 a B a 1 1 a B a,..., 1 a B a n 1 a B a n 1 = 1 Ba a, B a 1 B a,..., B a n B a n 1 ransformaion linéaire d accroissemen d un mouvemen brownien, le veceur es gaussien. Le processus es la composée, à une consane près, d un mouvemen brownien coninu e de la foncion coninue x a x, il es donc coninu. Le processus es cenré, E 1 B a a = 1 EB a a =. 14
15 Enfin, sa foncion de covariance s écri 1 E a B 1 a a B a s = 1 a EB a B a s = 1 a mina, a s = min, s. Quesion De même, on regarde le veceur des accroissemens, les B se simplifien, B1 + B,..., B n+ B n 1+. Il s agi d accroissemen du mouvemen brownien mais pris à parir de, le veceur es donc gaussien. La coninuié es clair puisque le mouvemen brownien es coninu. Enfin, sa foncion de covariance es E B + B B s+ B = EB + B s+ EB + B EB s+ B + EB = mins +, + + = mins, Quesion 3 De même, on regarde le veceur des accroissemens, e il s agi bien d un veceur gaussien. La coninuié sur R + es claire. Pour la coninuié en, posons u = 1/ e regardons quand + i.e. quand u +. Nous reconnaissons un résula du cours sur le mouvemen brownien. B u u Ce qui assure la coninuié en. Enfin, sa foncion de covariance es n + E B 1/ sb 1/s = s min1/, 1/s = mins/, s/s = mins,. 3.4 Exercice 4 : Inégrale de Wiener Quesion 1 Voir D Exercice 6 c es la même chose en vecoriel. Quesion Par définiion, X k X k 1 = lim L sur [ k 1, k ],pas n i=1 f i 1W i W i 1 Puis on prend le veceur des X k X k 1. Comme f n es pas aléaoire, chaque élémen du veceur es la limie d une suie qui es à chaque fois une combinaison linéaire de lois normales indépendanes, i.e. gaussienne. E chaque composane du veceur es indépendane. Ainsi, par la quesion 1, la limie es encore gaussienne. 15
16 Le processus X es gaussien : il suffi d écrire X 1, X X 1,..., X n X n 1 qui es un veceur gaussien, par indépendance des accroissemens. Il es caracérisé par sa foncion de covariance e sa foncion de moyenne ; le processus es clairemen cenré, calculons l espérance du produi. Remarquons que, pour u <, avec X = fsdw s, X X u = X u + X X u X u = X u + X X u X u En discréisan l espérance de la seconde parie, on obien immédiaemen car les accroissemens des browniens sur [, u] son indépendans de ceux sur [u, ]. Il ne rese que la première parie. n n E f i 1 W i W i 1 = E i=1 i=1 n f i 1 f j 1 W i W i 1 W j W j 1 j=1 n = E f i 1 W i W i 1 = n i=1 i=1 f i 1 i i 1 n + u f d Pour la version avec g, il suffi de faire la même preuve en calculan EX u Y avec Y = gsdw s. Quesion 3 Prenons X s e X X s. Nous avons vu que le premier es une limie d accroissemen de browniens sur [, s], le deuxième sur [s, ] qui son indépendans enre eux. La limie l es aussi e X es un processus à accroissemens indépendans. Quesion 4 Nous savons que c es une loi normale cenrée. Sa variance es 1 E fsdw s = 3.5 Exercice 7 : Pon Brownien 1 fs ds. Quesion 1 Remarquons que, [, 1], B 1, B B 1 es un veceur gaussien car B en es un. Une covariance nulle caracérise l indépendance. Remarquons de plus que le veceur es cenré. E Z B 1 = E B B 1 B 1 = min1, = 16
17 Quesion Nous avons e m = EZ = Ks, = EZ s Z = E B s sb 1 B B 1 = E B s B se B 1 B E B 1 B s + se B1 = mins, s min1, min1, s + s = mins, s Quesion 3 Z = Z 1 es encore un processus gaussien cenré coninue. Il suffi de calculer sa foncion de covariance, Ks, = K1 s, 1 = min1 s, 1 1 s1 = 1 + min s, 1 + s + s = mins, s Quesion 4 On pose u = /1. Nous avons 1 = 1/1+u. Lorsque 1, u +. D où, on en dédui Y = B u 1 + u = u B u p.s. u +. u + 1 u Ensuie, Y es un processus gaussien cenré, il es coninu sur R + mais égalemen en par la quesion précédene. Il rese à calculer sa foncion de covariance. s EZ s Z = E 1 sb s 1 B = 1 s1 min 1 s 1 1 s = min s1, 1 s = mins, s 1 17
18 4 D Exercice 3 : héorème de Girsanov Quesion A 1 Cours. Quesion A On pose V := 1 Z s E P Y Z F s On uilise la définiion de l espérance condiionnelle : V es l espérance condiionnelle sous Q de Y par rappor à F s, i.e. V = E Q Y F s si elle es F s -mesurable e si, pour ou X F s -mesurable bornée, E Q XY = E Q XV. Nous allons vérifier que V vérifie la définiion. Nous uiliserons la relaion de changemen de probabilié E Q X = E P Z X où X es une variable aléaoire F -mesurable. On a X E Q XV = E Q E P Y Z F s Z s = E P XE P Y Z F s On en dédui V = E Q Y F s. = E P XY Z = E Q XY Quesion B 1 Voir Exercice 1 du D 3. Quesion B On uilise la caracérisaion de l énoncé e la Quesion A e que B es un mouvemen brownien sous P. E Q e iθw Ws Fs = E P Z e iθw Ws Fs Z s = E P e σ+iθb Bs F s e σ s/+iθσ s = E P e σ+iθb Bs e σ /+iθσ s = e σ+iθ s σ s/+iθσ s = e σ / iθσ θ / s σ s/+iθσ s = e θ s 18
19 4. Exercice 4 : Momens de la soluion de l EDS de Black Scholes Quesion 1 Cee EDS es linéaire, elle adme une unique soluion. On applique Iô à la soluion proposée, S = x + µ σ S s ds + σs s dw s + 1 σ S s ds = x + µs s ds + σs s dw s Quesion Quesion 3 On sai que si Z N, 1, alors E e sz = e s /. On en dédui ES = xe Par la formule d Iô, µ σ E e σ W = xe µ. S α = x α + S α = x α + S α = x α + αs α 1 s ds s + 1 αµss α ds + αµ + αα 1σ αα 1S α s ασss α dw s + 1 Ss α ds + d < S > s αα 1σ S α s ds ασs α s dw s On remarque que S α sui la même EDS que S avec x = x α, µ = αµ + αα 1σ e σ = ασ. Quesion 4 On dédui de 3 que ES α = x e µ. On aurai pu rouver ce résula en prenan direcemen la soluion de S élevée à la puissance α puis en calculan l espérance comme à la quesion. 19
20 5 D Exercice : EDP Quesion 1 En appliquan la formule d Iô, M s = u, x+ s u v, x+b v dv+ s En uilisan l EDP vérifiée par u, M s = u, x + D où M es une maringale locale. s u x v, x+b v db v + 1 u x v, x + B v db v. s u xx v, x+b v dv. Quesion pariculier, Comme M es une maringale, elle es d espérance consane, en EM = EM. En uilisan la définiion de M, on en dédui Efx + B = u, x. 5. Exercice 3 : Le modèle de Vasicek pour le aux d inérê Quesion 1 Il suffi d appliquer la formule d Iô à X. dx = bx + e b dr = bx + e b [a br d + σdb ] = bx + ae b bx + σe b db = ae b + σe b db Quesion En écriure inégrale, cela donne X = X + ae bs ds + σ = r + a b eb 1 + σ Puis, en uilisan X = e b r, e bs db s e bs db s r = re b + a b 1 e b + σe b e bs db s
21 Quesion 3 La variable aléaoire r es la somme d une quanié non aléaoire e d une inégrale de Wiener. C es donc une variable aléaoire de loi normale. Sa moyenne es la consane, c es à dire Er = re b + a b 1 e b E la variance se calcule par l isomérie d Iô. V arr = E σ e b e bs db s = σ e b E e bs ds = σ e b e bs ds = σ e b b eb 1 = σ 1 e b b Quesion 6 Il nous fau rouver la loi de r u du. Dans un premier emps, réécrivons la diffusion de r enre e u. Nous avons d où r u = r e bu + a u b 1 e bu + σe bu e bs db s r u = r e bu + ab 1 e bu + σe bu e bs db s du = r e bu du + a b 1 e bu du + σ u u e bu e bs db s du On pose B, = 1 eb, nous avons b r u = r B, + a u b B, + σ e bu e bs db s du Inéressons-nous à la dernière inégrale, nommons-la I,. Nous appliquons Fubini sochasique. 1
22 I, = σ I, = σ I, = σ I, = σ u e bu e bs db s du 1s ue bu e bs db s du 1s ue bu e bs dudb s e bs e bu du db s s I, = σ b e bs e bs e b db s I, = σ b 1 e b s db s Nous en déduisons que r u sachan r sui une loi normale car c es la somme d une consane e d une inégrale de Wiener. La moyenne es donc cee consane. Calculons la variance de l inégrale de Wiener qui donnera celle de la loi normale. Nous uilisons l isomérie d Iô. EI, = σ b = σ b = σ b 1 e b s ds 1 e b s + e b s ds 1 e b B, + b Nous avons donc les deux momens de la loi normale. Rappelons que si X es une loi normale de moyenne µ e de variance σ, Nous avons donc E e X = e µ+σ / ab σ P, = exp r B, B, + B, + b P, = exp r B, + B, ab σ / σ B, b 4b 1 e b b
2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.
1 Examen. 1.1 Prime d une opion sur un fuure On considère une opion à 85 jours sur un fuure de nominal 18 francs, e don le prix d exercice es 175 francs. Le aux d inérê (coninu) du marché monéaire es 6%
Plus en détailTexte Ruine d une compagnie d assurance
Page n 1. Texe Ruine d une compagnie d assurance Une nouvelle compagnie d assurance veu enrer sur le marché. Elle souhaie évaluer sa probabilié de faillie en foncion du capial iniial invesi. On suppose
Plus en détailFinance 1 Université d Evry Val d Essonne. Séance 2. Philippe PRIAULET
Finance 1 Universié d Evry Val d Essonne éance 2 Philippe PRIAULET Plan du cours Les opions Définiion e Caracérisiques Terminologie, convenion e coaion Les différens payoffs Le levier implicie Exemple
Plus en détailLes circuits électriques en régime transitoire
Les circuis élecriques en régime ransioire 1 Inroducion 1.1 Définiions 1.1.1 égime saionnaire Un régime saionnaire es caracérisé par des grandeurs indépendanes du emps. Un circui en couran coninu es donc
Plus en détailExemples de résolutions d équations différentielles
Exemples de résoluions d équaions différenielles Table des maières 1 Définiions 1 Sans second membre 1.1 Exemple.................................................. 1 3 Avec second membre 3.1 Exemple..................................................
Plus en détailTD/TP : Taux d un emprunt (méthode de Newton)
TD/TP : Taux d un emprun (méhode de Newon) 1 On s inéresse à des calculs relaifs à des remboursemens d empruns 1. On noera C 0 la somme emprunée, M la somme remboursée chaque mois (mensualié), le aux mensuel
Plus en détailMATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES LES ANNUITES INTRODUCTION : Exemple 1 : Une personne veu acquérir une maison pour 60000000 DH, pour cela, elle place annuellemen au CIH une de 5000000 DH. Bu : Consiuer un capial
Plus en détailCalcul Stochastique 2 Annie Millet
M - Mahémaiques Appliquées à l Économie e à la Finance Universié Paris 1 Spécialié : Modélisaion e Méhodes Mahémaiques en Économie e Finance Calcul Sochasique Annie Mille 15 14 13 1 11 1 9 8 7 6 5 4 3
Plus en détailMathématiques financières. Peter Tankov
Mahémaiques financières Peer ankov Maser ISIFAR Ediion 13-14 Preface Objecifs du cours L obje de ce cours es la modélisaion financière en emps coninu. L objecif es d un coé de comprendre les bases de
Plus en détailF 2 = - T p K 0. ... F T = - T p K 0 - K 0
Correcion de l exercice 2 de l assisana pré-quiz final du cours Gesion financière : «chéancier e aux de renabilié inerne d empruns à long erme» Quesion : rappeler la formule donnan les flux à chaque échéance
Plus en détailCaractéristiques des signaux électriques
Sie Inerne : www.gecif.ne Discipline : Génie Elecrique Caracérisiques des signaux élecriques Sommaire I Définiion d un signal analogique page 1 II Caracérisiques d un signal analogique page 2 II 1 Forme
Plus en détailRappels théoriques. -TP- Modulations digitales ASK - FSK. Première partie 1 INTRODUCTION
2 IUT Blois Déparemen GTR J.M. Giraul, O. Bou Maar, D. Ceron M. Richard, P. Sevesre e M. Leberre. -TP- Modulaions digiales ASK - FSK IUT Blois Déparemen du Génie des Télécommunicaions e des Réseaux. Le
Plus en détailCHAPITRE I : Cinématique du point matériel
I. 1 CHAPITRE I : Cinémaique du poin maériel I.1 : Inroducion La plupar des objes éudiés par les physiciens son en mouvemen : depuis les paricules élémenaires elles que les élecrons, les proons e les neurons
Plus en détailVA(1+r) = C 1. VA = C 1 v 1
Universié Libre de Bruxelles Solvay Business School La valeur acuelle André Farber Novembre 2005. Inroducion Supposons d abord que le emps soi limié à une période e que les cash flows fuurs (les flux monéaires)
Plus en détailAnnuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t
Annuiés I Définiion : On appelle annuiés des sommes payables à inervalles de emps déerminés e fixes. Les annuiés peuven servir à : - consiuer un capial ( annuiés de placemen ) - rembourser une dee ( annuiés
Plus en détailChapitre 2 L investissement. . Les principales caractéristiques de l investissement
Chapire 2 L invesissemen. Les principales caracérisiques de l invesissemen.. Définiion de l invesissemen Définiion générale : ensemble des B&S acheés par les agens économiques au cours d une période donnée
Plus en détailTB 352 TB 352. Entrée 1. Entrée 2
enrées série TB logiciel d applicaion 2 enrées à émission périodique famille : Inpu ype : Binary inpu, 2-fold TB 352 Environnemen Bouon-poussoir TB 352 Enrée 1 sories 230 V Inerrupeur Enrée 2 Câblage sur
Plus en détailLe mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»
Plus en détailRecueil d'exercices de logique séquentielle
Recueil d'exercices de logique séquenielle Les bascules: / : Bascule JK Bascule D. Expliquez commen on peu modifier une bascule JK pour obenir une bascule D. 2/ Eude d un circui D Q Q Sorie A l aide d
Plus en détailFonction dont la variable est borne d intégration
[hp://mp.cpgedpydelome.fr] édié le 1 jille 14 Enoncés 1 Foncion don la variable es borne d inégraion Eercice 1 [ 1987 ] [correcion] Soi f : R R ne foncion conine. Jsifier qe les foncions g : R R sivanes
Plus en détailLa rentabilité des investissements
La renabilié des invesissemens Inroducion Difficulé d évaluer des invesissemens TI : problème de l idenificaion des bénéfices, des coûs (absence de saisiques empiriques) problème des bénéfices Inangibles
Plus en détailCARACTERISTIQUES STATIQUES D'UN SYSTEME
CARACTERISTIQUES STATIQUES D'UN SYSTEE 1 SYSTEE STABLE, SYSTEE INSTABLE 1.1 Exemple 1: Soi un sysème composé d une cuve pour laquelle l écoulemen (perurbaion) es naurel au ravers d une vanne d ouverure
Plus en détailFiles d attente (1) F. Sur - ENSMN. Introduction. 1 Introduction. Vocabulaire Caractéristiques Notations de Kendall Loi de Little.
Cours de Tronc Commun Scienifique Recherche Opéraionnelle Les files d aene () Les files d aene () Frédéric Sur École des Mines de Nancy www.loria.fr/ sur/enseignemen/ro/ 5 /8 /8 Exemples de files d aene
Plus en détailCHAPITRE 13. EXERCICES 13.2 1.a) 20,32 ± 0,055 b) 97,75 ± 0,4535 c) 1953,125 ± 23,4375. 2.±0,36π cm 3
Chapire Eercices de snhèse 6 CHAPITRE EXERCICES..a), ±,55 b) 97,75 ±,455 c) 95,5 ±,475.±,6π cm.a) 44,, erreur absolue de,5 e erreur relaive de, % b) 5,56, erreur absolue de,5 e erreur relaive de,9 % 4.a)
Plus en détailSurface de Volatilité et Introduction au Risque de Crédit
Modèles de Taux, Surface de Volailié e Inroducion au Risque de Crédi Alexis Fauh Universié Lille I Maser 2 Mahémaiques e Finance Spécialiés Mahémaiques du Risque & Finance Compuaionelle 214/215 spread
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 détailNed s Expat L assurance des Néerlandais en France
[ LA MOBILITÉ ] PARTICULIERS Ned s Expa L assurance des Néerlandais en France 2015 Découvrez en vidéo pourquoi les expariés en France choisissen APRIL Inernaional pour leur assurance sané : Suivez-nous
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 détailDESSd ingéniérie mathématique Université d Evry Val d Essone Evaluations des produits nanciers
DESSd ingéniérie mahémaique Universié d Evry Val d Essone Evaluaions des produis nanciers Véronique Berger Cours Janvier-Mars 2003 version du 27 mars 2003 Conens I Présenaion du plan de cours 3 II Insrumens
Plus en détailAMPLIFICATEUR OPERATIONNEL EN REGIME NON LINEAIRE
AMPLIFICATEUR OPERATIONNEL EN REGIME NON LINEAIRE Dans e hapire l'amplifiaeur différeniel inégré sera oujours onsidéré omme parfai, mais la ension de sorie ne pourra prendre que deux valeurs : V sa e V
Plus en détailOscillations forcées en régime sinusoïdal.
Conrôle des prérequis : Oscillaions forcées en régime sinusoïdal. - a- Rappeler l expression de la période en foncion de la pulsaion b- Donner l expression de la période propre d un circui RLC série -
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 détailLes solutions solides et les diagrammes d équilibre binaires. sssp1. sssp1 ssss1 ssss2 ssss3 sssp2
Les soluions solides e les diagrammes d équilibre binaires 1. Les soluions solides a. Descripion On peu mélanger des liquides par exemple l eau e l alcool en oue proporion, on peu solubiliser un solide
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 détailCours d électrocinétique :
Universié de Franche-Comé UFR des Sciences e Techniques STARTER 005-006 Cours d élecrocinéique : Régimes coninu e ransioire Elecrocinéique en régimes coninu e ransioire 1. INTRODUCTION 5 1.1. DÉFINITIONS
Plus en détailFiltrage optimal. par Mohamed NAJIM Professeur à l École nationale supérieure d électronique et de radioélectricité de Bordeaux (ENSERB)
Filrage opimal par Mohamed NAJIM Professeur à l École naionale supérieure d élecronique e de radioélecricié de Bordeaux (ENSERB) Filre adapé Définiions Filre adapé dans le cas de brui blanc 3 3 Cas d un
Plus en détailUn modèle de projection pour des contrats de retraite dans le cadre de l ORSA
Un modèle de proecion pour des conras de reraie dans le cadre de l ORSA - François Bonnin (Hiram Finance) - Floren Combes (MNRA) - Frédéric lanche (Universié Lyon 1, Laboraoire SAF) - Monassar Tammar (rim
Plus en détailDE L'ÉVALUATION DU RISQUE DE CRÉDIT
DE L'ÉALUAION DU RISQUE DE CRÉDI François-Éric Racico * Déparemen des sciences adminisraives Universié du Québec, Ouaouais Raymond héore Déparemen Sraégie des Affaires Universié du Québec, Monréal RePAd
Plus en détailSommaire de la séquence 12
Sommaire de la séquence 12 Séance 1........................................................................................................ Je prends un bon dépar.......................................................................................
Plus en détailRisque associé au contrat d assurance-vie pour la compagnie d assurance. par Christophe BERTHELOT, Mireille BOSSY et Nathalie PISTRE
Ce aricle es disponible en ligne à l adresse : hp://www.cairn.info/aricle.php?id_revue=ecop&id_numpublie=ecop_149&id_article=ecop_149_0073 Risque associé au conra d assurance-vie pour la compagnie d assurance
Plus en détailIntégration de Net2 avec un système d alarme intrusion
Ne2 AN35-F Inégraion de Ne2 avec un sysème d alarme inrusion Vue d'ensemble En uilisan l'inégraion d'alarme Ne2, Ne2 surveillera si l'alarme inrusion es armée ou désarmée. Si l'alarme es armée, Ne2 permera
Plus en détailDocumentation Technique de Référence Chapitre 8 Trames types Article 8.14-1
Documenaion Technique de Référence Chapire 8 Trames ypes Aricle 8.14-1 Trame de Rappor de conrôle de conformié des performances d une insallaion de producion Documen valide pour la période du 18 novembre
Plus en détail2009-01 EFFICIENCE INFORMATIONNELLE DES 1948-2008 UNE VERIFICATION ECONOMETRIQUE MARCHES DE L OR A PARIS ET A LONDRES, DE LA FORME FAIBLE
009-01 EFFICIENCE INFORMATIONNELLE DES MARCHES DE L OR A PARIS ET A LONDRES, 1948-008 UNE VERIFICATION ECONOMETRIQUE DE LA FORME FAIBLE Thi Hong Van HOANG Efficience informaionnelle des marchés de l or
Plus en détailTHÈSE. Pour l obtention du grade de Docteur de l Université de Paris I Panthéon-Sorbonne Discipline : Sciences Économiques
Universié de Paris I Panhéon Sorbonne U.F.R. de Sciences Économiques Année 2011 Numéro aribué par la bibliohèque 2 0 1 1 P A 0 1 0 0 5 7 THÈSE Pour l obenion du grade de Doceur de l Universié de Paris
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 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 détailCOURS GESTION FINANCIERE A COURT TERME SEANCE 3 PLANS DE TRESORERIE. François LONGIN www.longin.fr
COURS GESTION FINANCIERE A COURT TERME SEANCE 3 PLANS DE TRESORERIE SEANCE 3 PLANS DE TRESORERIE Obje de la séance 3 : dans la séance 2, nous avons monré commen le besoin de financemen éai couver par des
Plus en détailEvaluation des Options avec Prime de Risque Variable
Evaluaion des Opions avec Prime de Risque Variable Lahouel NOUREDDINE Correspondance : LEGI-Ecole Polyechnique de Tunisie, BP : 743,078 La Marsa, Tunisie, Insiu Supérieur de Finance e de Fiscalié de Sousse.
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 détailTRAVAUX PRATIQUES N 5 INSTALLATION ELECTRIQUE DE LA CAGE D'ESCALIER DU BATIMENT A
UIMBERTEAU UIMBERTEAU TRAVAUX PRATIQUES 5 ISTALLATIO ELECTRIQUE DE LA CAE D'ESCALIER DU BATIMET A ELECTROTECHIQUE Seconde B.E.P. méiers de l'elecroechnique ELECTROTECHIQUE HABITAT Ver.. UIMBERTEAU TRAVAUX
Plus en détailSciences Industrielles pour l Ingénieur
Sciences Indusrielles pour l Ingénieur Cenre d Inérê 6 : CONVERTIR l'énergie Compéences : MODELISER, RESOUDRE CONVERSION ELECTROMECANIQUE - Machine à couran coninu en régime dynamique Procédés de piloage
Plus en détailSéquence 2. Pourcentages. Sommaire
Séquence 2 Pourcenages Sommaire Pré-requis Évoluions e pourcenages Évoluions successives, évoluion réciproque Complémen sur calcularices e ableur Synhèse du cours Exercices d approfondissemen 1 1 Pré-requis
Plus en détailLE PARADOXE DES DEUX TRAINS
LE PARADOXE DES DEUX TRAINS Énoné du paradoxe Déaillons ou d abord le problème dans les ermes où il es souen présené On dispose de deux oies de hemins de fer parallèles e infinimen longues Enre les deux
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 détailProgrammation, organisation et optimisation de son processus Achat (Ref : M64) Découvrez le programme
Programmaion, organisaion e opimisaion de son processus Acha (Ref : M64) OBJECTIFS LES PLUS DE LA FORMATION Appréhender la foncion achas e son environnemen Opimiser son processus achas Développer un acha
Plus en détailRelation entre la Volatilité Implicite et la Volatilité Réalisée.
Relaion enre la Volailié Implicie e la Volailié Réalisée. Le cas des séries avec la coinégraion fracionnaire. Rappor de Recherche Présené par : Mario Vázquez Velasco Direceur de Recherche : Benoî Perron
Plus en détailLe mécanisme du multiplicateur (dit "multiplicateur keynésien") revisité
Le mécanisme du muliplicaeur (di "muliplicaeur kenésien") revisié Gabriel Galand (Ocobre 202) Résumé Le muliplicaeur kenésien remone à Kenes lui-même mais il es encore uilisé de nos jours, au moins par
Plus en détail3 POLITIQUE D'ÉPARGNE
3 POLITIQUE D'ÉPARGNE 3. L épargne exogène e l'inefficience dynamique 3. Le modèle de Ramsey 3.3 L épargne opimale dans le modèle AK L'épargne des sociéés dépend largemen des goûs des agens, de faceurs
Plus en détailChapitre 9. Contrôle des risques immobiliers et marchés financiers
Capire 9 Conrôle des risques immobiliers e marcés financiers Les indices de prix immobiliers ne son pas uniquemen des indicaeurs consruis dans un bu descripif, mais peuven servir de référence pour le conrôle
Plus en détailMIDI F-35. Canal MIDI 1 Mélodie Canal MIDI 2 Basse Canal MIDI 10 Batterie MIDI IN. Réception du canal MIDI = 1 Reproduit la mélodie.
/ VARIATION/ ACCOMP PLAY/PAUSE REW TUNE/MIDI 3- LESSON 1 2 3 MIDI Qu es-ce que MIDI? MIDI es l acronyme de Musical Insrumen Digial Inerface, une norme inernaionale pour l échange de données musicales enre
Plus en détailImpact des futures normes IFRS sur la tarification et le provisionnement des contrats d assurance vie : mise en oeuvre de méthodes par simulation
Impac des fuures normes IFRS sur la arificaion e le provisionnemen des conras d assurance vie : mise en oeuvre de méhodes par simulaion Pierre-Emmanuel Thérond To cie his version: Pierre-Emmanuel Thérond.
Plus en détailEcole des HEC Université de Lausanne FINANCE EMPIRIQUE. Eric Jondeau
Ecole des HEC Universié de Lausanne FINANCE EMPIRIQUE Eric Jondeau FINANCE EMPIRIQUE La prévisibilié des rendemens Eric Jondeau L hypohèse d efficience des marchés Moivaion L idée de base de l hypohèse
Plus en détailMémoire présenté et soutenu en vue de l obtention
République du Cameroun Paix - Travail - Parie Universié de Yaoundé I Faculé des sciences Déparemen de Mahémaiques Maser de saisique Appliquée Republic of Cameroon Peace Wor Faherland The Universiy of Yaoundé
Plus en détailImpact du vieillissement démographique sur l impôt prélevé sur les retraits des régimes privés de retraite
DOCUMENT DE TRAVAIL 2003-12 Impac du vieillissemen démographique sur l impô prélevé sur les rerais des régimes privés de reraie Séphane Girard Direcion de l analyse e du suivi des finances publiques Ce
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailExercices de révision
Exercices de révisio Exercice U ivesisseur souscri à l émissio d u bille de résorerie do les caracérisiques so les suivaes : - Nomial : 5 M - Taux facial : 3,2% - Durée de vie : 9 mois L ivesisseur doi
Plus en détailS euls les flux de fonds (dépenses et recettes) définis s ent l investissement.
Choix d ives i s s eme e cer iude 1 Chapire 1 Choix d ivesissemes e ceriude. Défiiio L es décisios d ivesissemes fo parie des décisios sraégiques de l erepris e. Le choix ere différes projes d ivesisseme
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailCahier technique n 141
Collecion Technique... Cahier echnique n 141 Les perurbaions élecriques en BT R. Calvas Les Cahiers Techniques consiuen une collecion d une cenaine de ires édiés à l inenion des ingénieurs e echniciens
Plus en détailGroupe International Fiduciaire. pour l Expertise comptable et le Commissariat aux comptes
Groupe Inernaional Fiduciaire pour l Experise compable e le Commissaria aux compes L imporan es de ne jamais arrêer de se poser des quesions Alber EINSTEIN QUI SOMMES-NOUS? DES HOMMES > Une ÉQUIPE solidaire
Plus en détailCopules et dépendances : application pratique à la détermination du besoin en fonds propres d un assureur non vie
Copules e dépendances : applicaion praique à la déerminaion du besoin en fonds propres d un assureur non vie David Cadoux Insiu des Acuaires (IA) GE Insurance Soluions 07 rue Sain-Lazare, 75009 Paris FRANCE
Plus en détailArticle. «Les effets à long terme des fonds de pension» Pascal Belan, Philippe Michel et Bertrand Wigniolle
Aricle «Les effes à long erme des fonds de pension» Pascal Belan, Philippe Michel e Berrand Wigniolle L'Acualié économique, vol 79, n 4, 003, p 457-480 Pour cier ce aricle, uiliser l'informaion suivane
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
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 détailN d ordre Année 2008 THESE. présentée. devant l UNIVERSITE CLAUDE BERNARD - LYON 1. pour l obtention. du DIPLOME DE DOCTORAT. (arrêté du 7 août 2006)
N d ordre Année 28 HESE présenée devan l UNIVERSIE CLAUDE BERNARD - LYON pour l obenion du DILOME DE DOCORA (arrêé du 7 aoû 26) présenée e souenue publiquemen le par M. Mohamed HOUKARI IRE : Mesure du
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
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 détailCANAUX DE TRANSMISSION BRUITES
Canaux de ransmissions bruiés Ocobre 03 CUX DE TRSISSIO RUITES CORRECTIO TRVUX DIRIGES. oyer Canaux de ransmissions bruiés Ocobre 03. RUIT DE FOD Calculer le niveau absolu de brui hermique obenu pour une
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 détailCahier technique n 114
Collecion Technique... Cahier echnique n 114 Les proecions différenielles en basse ension J. Schonek Building a ew Elecric World * Les Cahiers Techniques consiuen une collecion d une cenaine de ires édiés
Plus en détailMODÈLE BAYÉSIEN DE TARIFICATION DE L ASSURANCE DES FLOTTES DE VÉHICULES
Cahier de recherche 03-06 Sepembre 003 MODÈLE BAYÉSEN DE TARFCATON DE L ASSURANCE DES FLOTTES DE VÉHCULES Jean-François Angers, Universié de Monréal Denise Desardins, Universié de Monréal Georges Dionne,
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailNon-résonance entre les deux premières valeurs propres d un problème quasi-linéaire
Non-résonance enre les deux premières valeurs propres d un problème quasi-linéaire AREl Amrouss MMoussaoui Absrac We consider he quasilinear Dirichle boundary value problem (φ p (u )) = f(u)+h(x),u(a)=u(b)=0,
Plus en détailSURVOL DE LA LITTÉRATURE SUR LES MODÈLES DE TAUX DE CHANGE D ÉQUILIBRE: ASPECTS THÉORIQUES ET DISCUSSIONS COMPARATIVES
Ankara Üniversiesi SBF Dergisi, Cil 66, No. 4, 2011, s. 125-152 SURVOL DE LA LITTÉRATURE SUR LES MODÈLES DE TAUX DE CHANGE D ÉQUILIBRE: ASPECTS THÉORIQUES ET DISCUSSIONS COMPARATIVES Dr. Akın Usupbeyli
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailMARTINGALES POUR LA FINANCE
MARTINGALES POUR LA FINANCE une introduction aux mathématiques financières Christophe Giraud Cours et Exercices corrigés. Table des matières I Le Cours 7 0 Introduction 8 0.1 Les produits dérivés...............................
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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
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 détailCoaching - accompagnement personnalisé (Ref : MEF29) Accompagner les agents et les cadres dans le développement de leur potentiel OBJECTIFS
Coaching - accompagnemen personnalisé (Ref : MEF29) Accompagner les agens e les cadres dans le développemen de leur poeniel OBJECTIFS LES PLUS DE LA FORMATION Le coaching es une démarche s'inscrivan dans
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
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 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 détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailSYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE
SYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE Le seul ballon hybride solaire-hermodynamique cerifié NF Elecricié Performance Ballon hermodynamique 223 lires inox 316L Plaque évaporarice
Plus en détailRéseau de coachs. Vous êtes formés dans les métiers du sport et/ou de la préparation physique (Brevet d état, Licence, Master STAPS)
Réseau de coachs Vous êes formés dans les méiers du spor e/ou de la préparaion physique (Breve d éa, Licence, Maser STAPS) Vous connaissez la course à pied Vous souhaiez créer e/ou animer des acions de
Plus en détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailEPARGNE RETRAITE ET REDISTRIBUTION *
EPARGNE RETRAITE ET REDISTRIBUTION * Alexis Direr (1) Version février 2008 Docweb no 0804 Alexis Direr (1) : Universié de Grenoble e LEA (INRA, PSE). Adresse : LEA, 48 bd Jourdan 75014 Paris. Téléphone
Plus en détail