Capital Structure Arbitrage : Theory and Practice of Structural Models

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Capital Structure Arbitrage : Theory and Practice of Structural Models"

Transcription

1 : Theory and Practice of Structural Models Pierre GARREAU University Paris-1 Panthéon Sorbonne 9 Juillet 2008 P. Garreau

2 Press Review Les Enjeux Mise en Bouche Définitions Press Review Volkswagen, Europe s biggest carmarker, and Gas natural, Spain s largest natural gaz provider, are among companies for which the increase in Credit Protection costs has been disproportionate relative to the move in their equity prices and stock volatility. ABN Amro Holding NV, 14 Février, 2008 Credit Default Swaps for Wolfsburg have increased 155% this year. The stock is down 4% in 2008 and the implied volatility has decreased to 26% from 32% at the start of the year. Bloomberg, 22 Février, 2008 Telecom Italia s stock price and Credit Default Swap seem to be increasingly correlated, suggesting arbitrage opportunities. Exane BNP Paribas - Equity Research, 31 Mars, 2008 P. Garreau

3 Press Review Les Enjeux Mise en Bouche Définitions Fig.: 5Y CDS spread on Volkswagen SNR (light blue) - Equity (light purple) - 6 months put implied volality (dark blue) P. Garreau

4 Press Review Les Enjeux Mise en Bouche Définitions : Stratégie exploitant les divergences de prix entre des produits dérivés basés sur la structure du Capital d une même entreprise. P. Garreau

5 Press Review Les Enjeux Mise en Bouche Définitions Mise en Bouche Différence de prix - Reproduction du comportement des marges de Crédit grâce aux informations du marché action Structure du Capital - Eclaircissement de la littérature existante sur les modèles structurels Stratégie - Developement d un algorithme de Capital Structure Arbitrage systématique P. Garreau

6 Press Review Les Enjeux Mise en Bouche Définitions Le risque de Crédit La valeur du contrat au pair est telle que les deux jambes soient égales, m(t, T) = (1 R) 1 T t e r(t t) dp(u) T t e r(t u) P(u)du P. Garreau

7 Merton s Framework Temps de Passage et Barrière Mobile Modèle d évaluation de l entreprise (Modigliani-Miller) Actif Valeur de l entreprise V t Passif Actions S t Valeur de la Dette B t La valeur de l entreprise à maturité Dette B T, remboursée au pro-rata si V T < B Dette B + Action S T si V T B P. Garreau

8 Merton s Framework Temps de Passage et Barrière Mobile Modèle d évaluation et Théorie des options V t = S t + [ B t S t = E Q e ] r u du (V T B) + F t [ B t = E Q e ] r u du (B (B V T ) + ) F t 12 Valeur de la dette (rouge) Valeur de l action (bleu) Valeur de l entreprise P. Garreau

9 Merton s Framework Temps de Passage et Barrière Mobile Modèle de Défaut de Black-Scholes-Merton La valeur de l entreprise est un processus d itô sous la probabilité risque neutre Puis la probabilité de défaut dv t V t = rdt + σ t dw t ( ) P(V T B V t ) = P(σW T t σ2 Be r(t t) (T t) ln V t ) 2 V t ( ) = Φ ln Be r(t t) V t σ2 (T t) σ T t On pourra introduire le ratio d endettement l t = Be r(t t) V t P. Garreau

10 Merton s Framework Temps de Passage et Barrière Mobile P. Garreau

11 Merton s Framework Temps de Passage et Barrière Mobile Modèle de Défaut de Black-Scholes-Merton Marge de Crédit Ecart de rendement entre la dette sans risque et la dette risquée de l entreprise. m(t, T) = 1 ( ) T t log B t e r(t t) B [ ( ) = 1 T t log 1 ln(lt ) 1 2 Φ σ2 (T t) l t σ T t ( )] ln(1/lt ) Φ σ2 (T t) σ T t l t 1 lim t T m(t, T) = 0. l t 1 lim t T m(t, T) =. P. Garreau

12 Merton s Framework Temps de Passage et Barrière Mobile P. Garreau

13 Merton s Framework Temps de Passage et Barrière Mobile Modèle de Temps de passage de Black-Cox Temps de défaut Temps d arrêt τ tel que le processus V t tombe en dessous de la barrière B τ B = inf{s t V s B} Relaxer l hypothèse de Merton selon laquelle le défaut n est possible qu à Maturité Modélisation des temps de passage P. Garreau

14 Merton s Framework Temps de Passage et Barrière Mobile Theorème Theorem Pour un processus X t = at + bw t, (a, b) R 2, et pour x t = min s [0,t] X s alors P(x t x) = Φ( at x b t ) 2Φ( at + x e2ax/b b t ) où Φ est la fonction de répartition d une loi normale La relation entre τ x et x t est ensuite donnée par P(x t x) = P(τ x t) P. Garreau

15 Merton s Framework Temps de Passage et Barrière Mobile Probabilité de survie On utilise le théorème précédent : Une dynamique de diffusion pure : dv t = V t σ dw t Une barrière fixe de valeur L D a = σ 2 /2 et b = σ x = lnd L où d L = V0 LD T t t D où l expression de la probabilité de survie P(τ > T τ > t, L) = Φ( σ t 2 + ln d L σ t ) d LΦ( σ t 2 lnd L σ t ) P. Garreau

16 Merton s Framework Temps de Passage et Barrière Mobile Barrière Mobile L incertitude sur la valeur finale de l entreprise porte sur le taux de recouvrement L, et le niveau de la barrière est fixé à L D. On spécifiera ensuite une distribution f L (l) telle que P(τ > T τ > t) = + P(τ > T τ > t, L)f L (l)dl P. Garreau

17 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités P. Garreau

18 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités Distribution de la barrière de Défaut On suppose une loi log-normale pour L L = Le λz λ2 /2 i.e. L = E[L] et λ 2 = Var(ln L), Z N(0, 1). Attention, c est une variable aléatoire, pas un processus. On rappelle que la barrière vaut B = LD = LDe λz λ2 /2 La condition de survie s exprime comme σ2 σwt V 0 e 2 t > Le λz λ2 /2 P. Garreau

19 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités La condition de survie est équivalente à σ2 ) (t + λ2 + σ (W t λσ ) Z } 2 σ 2 {{ } X t On cherche alors la quantité Deux possibilités ln ( LD ) } V 0 e λ2 2 {{ } B P(τ > T τ > t) = P(X T > B τ > t) Une approximation X t - Finger (2002) Une formule exacte qui n est pas celle publiée par CreditGrades P. Garreau

20 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités Approximation de Finger (2002) L idée est d approximer X t par un processus de même moyenne et de même écart type ) X t = (t σ2 + λ2 2 σ 2 + σ (W t λσ ) Z t 0 ) X t = (t σ2 + λ2 2 σ 2 + σw t+ λ 2 t λ2 σ 2 σ 2 Cette approximation implique donc que l aléa de la barrière est réduit à un décalage temporel. P. Garreau

21 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités Selon cette approximation, on obtient la probabilité de survie P(τ > T τ > t) = Φ( A t 2 + ln(d) A t ) d.φ( A t 2 ln(d) A t ) A t = σ 2 t + λ 2 et d = V 0e λ 2 2 LD Notons que la probabilité d obtenir un défaut pour t < 0 est non nulle. P. Garreau

22 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités Probabilité de Survie exacte On utilise la probabilité conditionnelle sur la barrière de défaut. Reprenons la condition de survie σw t σ2 2 t } {{ } La probabilité de survie est donc ( LD ln V 0 ) λ2 2 + λz } {{ } ln d+λz P(τ > T τ > t) = { Φ ( ln d λz σ 2 2 t ) σ t ( lnd + λz σ 2 de λz Φ σ t 2 t )} f Z (z)dz P. Garreau

23 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités Conclusion sur les deux approches L approximation de Finger (2002) conduit à une probabilité de défaut non nulle pour t ( λ2 σ 2, 0] La probabilité de défaut exacte n est pas celle donnée dans Finger (2002) La différence entre ces deux probabilités est marginale Utilisation de la formule approximée pour le calcul des Grecs P. Garreau

24 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités La sensibilité au cours du sous-jacent δ(t, T) = m(t, T)/ S t Fig.: Delta CreditGrades for different Volatilities - The x-axis displays S/D and corresponds to the «moneyness» P. Garreau

25 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités La sensibilité à la volatilité du sous-jacent ν(t, T) = m(t, T)/ σ t Fig.: Vega CreditGrades for different Volatilities - The x-axis displays S/D and corresponds to the «moneyness» P. Garreau

26 Dynamique de la Barrière Probabilité de Survie Etude des sensibilités Check point + Input : Marché Asset V t Volatilité σ t Taux d intérêt r t + Input : Bilan Dette D t Taux recouvrement L = Output Proba défaut P(τ > T τ > t) Spread m(t, T) Grecs δ et ν P. Garreau

27 Conditions Limites Choix des inputs Arbitrage et Théorie des inputs Soit η la distance au défaut, en nombre de déviations standard η = 1 ( ) σ ln Vt = 1 ( ) S V LD σ s V S ln Vt LD On condidère deux cas extrêmes V V t LD V t LD + S t S η 1 σ s V t S t η 1 σ s ln ( S t ) LD D où V t { }} { η = S t + LD ln S t + LD σ } {{ s LD } 1/σ t P. Garreau

28 Conditions Limites Choix des inputs Arbitrage et Théorie Fig.: Alcatel 5Y CDS Spread : Market (blue) vs 6-months put-implied CreditGrades (orange) vs Historical volatility CreditGrades (light purple) - L = 0.5, λ = 0.3, S ref = 8.93 P. Garreau

29 Conditions Limites Choix des inputs Arbitrage et Théorie Comparaison des Erreurs sur Volatilité Soit θ i le vecteur de paramètres au temps t i, θ i = ( L, λ, r i, D i, S i, S ref ) L erreur quadratique Se(θ i, σ i ) = ( m mkt i m cg i mi mkt L erreur moyenne quadratique comme indicateur de l erreur réalisée sur tout la période MSe(θ, σ) = N Se(θ i, σ i ) Le ratio d erreur quadratique, pour élément de comparaison i=1 ) 2 RMSe(θ, σ T, σ T ) = MSe(θ, σ T) MSe(θ, σ T ) P. Garreau

30 Conditions Limites Choix des inputs Arbitrage et Théorie Comparaison des Erreurs sur Volatilité 3y 5y 7y 10y 1m 0,797 0,747 0,733 0,697 3m 0,928 0,892 0,877 0,846 6m 0,990 0,958 0,934 0,908 1y 0,988 0,977 0,953 0,936 Tab.: Comparison of Model (CreditGrades) errors by Ratio Mean Squared Errors - The Table presents the windows / options maturity versus Cds Maturity P. Garreau

31 Conditions Limites Choix des inputs Arbitrage et Théorie Volatilité Implicite CDS La Volatilité implicite CreditGrades est la quantité : σ i = arg min σ m mkt i m cg i On (re)définit l erreur moyenne quadratique et le ratio de correlation entre Cds-implied-to-option-implied et Cds-implied-to-historical ( Se(θ i, mi mkt σi σ ref ) 2 i ) = ˆΣ = 1 σ i N N i=1 ρ(σ i, σ implied i ) ρ(σ i, σ histo i ) (1) Distance to Volatility - RMSe Correlation - ˆΣ 0,93 0,86 Tab.: Comparison of Cds-implied volatility to reference (historical / option-implied) volatility errors by Ratio Mean Squared Errors and Correlation P. Garreau

32 Conditions Limites Choix des inputs Arbitrage et Théorie Fig.: Alcatel 5Y CDS Spread Implied Volatility (light blue) vs 6-months put-implied volatility (dark blue) vs Historical volatility (light purple) - L = 0.5, λ = 0.3, S ref = 8.93 P. Garreau

33 Conditions Limites Choix des inputs Arbitrage et Théorie Validation des Sensibilité On cherche à comparer les variations du spread théorique avec les variations de ses deux paramètres principaux : Sous-jacent et volatilité δ t (S t+ t S t ) γ t(s t+ t S t ) 2 m(t + t, T + t; S t+ t ) m(t, T; S t ) σs ν t (σ t+ t σ t ) m(t + t, T + t; σ t+ t ) m(t, T; σ t ) St P. Garreau

34 Conditions Limites Choix des inputs Arbitrage et Théorie Fig.: 5Y CDS Spread variations vs Equity variations- L = 0.5, λ = 0.3, T = 5 yrs, σ s = 50% - Delta effect (blue), Gamma effect (red) and both (purple) P. Garreau

35 Conditions Limites Choix des inputs Arbitrage et Théorie Fig.: 5Y CDS Spread variations vs Equity variations - L = 0.5, λ = 0.3, T = 5 yrs - Vega effect for S/D = 1 (dark blue) and S/D = 2 (light blue) P. Garreau

36 Conditions Limites Choix des inputs Arbitrage et Théorie Fig.: Alcatel 5Y CDS Spread : Market (light blue) vs 6-months put-implied CreditGrades (dark blue) vs Historical volatility CreditGrades (light purple) - L = 0.5, λ = 0.3, S ref = 8.93 P. Garreau

37 Cadre Théorique Le cas de Telecom Italia Signaux d entrée et de Sortie L arbitragiste joue la convergence du modèle et du marché. On introduit donc naturellement le «tracking error» ε t = m mkt t m cg t En particulier sa moyenne et son écart type µ t = 1 t t 0 ε u du et σ t = 1 t Soient les signaux d entrée et de sortie : t 0 (ε u µ t ) 2 du ε t µ t + α ent σ t ε t µ t + α out σ t Précisions : stop-loss, distance au défaut, durée moyenne de l arbitrage, corrélation equity-cds-volatilité, anxiété de l investisseur... P. Garreau

38 Cadre Théorique Le cas de Telecom Italia Instruments de réplication Instrument de départ : Credit Default Swap. T MtM t = (m(t, T) m(0, T)) e r(t u) P(u)du t Idée : Réplication du spread théorique CreditGrades par un portefeuille synthétique. où MtM th t T = (α t π t m cg (0, T)) e r(t u) P(u)du t π t = m(t, T)/ σs t P t / σ s t m(t, T) P t + ( m(t, T)/ σs t P t S t P t / σt s )S t S t P. Garreau

39 Cadre Théorique Le cas de Telecom Italia Paramétrage Bloomberg : volatilité 6-mois imp, S t, D t L = λ = S ref = α ent = 0, 25 - α out = 0, 25 Rebalancement quotidien, Stop-loss / Profit taking, réajustement si varitions quotidiennes > 15% On prend des positions long (s = 1)/short(s = 0) sur les des «jambes»π t = ( 1) [ ] s (π t m cg (0, T))A(t, T) MtMt th On introduit l indice de la stratégie I s T = 100 T i=1 m(0, T)A(t, T) + ik=1 Π k m(0, T)A(t, T) + i 1 k=1 Π k P. Garreau

40 Cadre Théorique Le cas de Telecom Italia Fig.: Telecom Italia 5Y CDS Spread (light blue) vs corresponding 5Y CreditGrades (dark blue) - L = 0.5, λ = 0.3, S ref = 2.03, α ent = 0,25, α out = 0,25 P. Garreau

41 Cadre Théorique Le cas de Telecom Italia Fig.: Telecom Italia 5Y CreditGrades (orange) vs Replication portfolio (dark blue), weekly weights rebalancing - L = 0.5, λ = 0.3, S ref = 2.03, α ent = 0, 25, α out = 0,25 P. Garreau

42 Cadre Théorique Le cas de Telecom Italia Fig.: Alcatel 5Y CDS Spread (light blue) vs corresponding 5Y CreditGrades (dark blue) - L = 0.5, λ = 0.3, S ref = 8,93, α ent = 0, 5, α out = 0,25 P. Garreau

43 Breaking the Bell Curve Cadre théorique Le cas de General Motors The Ludic Fallacy (N. N. Taleb) The misuse of games to model real-life situations Assymétrie et Evenements extrêmes Risque et aléa Continuité du cours des actions Fig.: Evolution du cours de d Ericsson entre Septembre et Mars 2008 P. Garreau

44 Breaking the Bell Curve Cadre théorique Le cas de General Motors Double Exponential Jump Process L idée est de perturber la dynamique Gaussienne en introduisant une exponentielle Lévy : où V t = V 0 e Lt N t L t = µt + σw t + ln Y i La densité des sauts est ensuite spécifiée : i=1 f Y (y) = p+ η + e y η + 1 y 0 + p η e y η 1 y<0 P. Garreau

45 Breaking the Bell Curve Cadre théorique Le cas de General Motors Condition de Martingale E Q [e iult ] = 1 Formule de Lévy-Khintchine E Q [e iult ] = e F(iu)t Formule d Itô-Lévy P(t, V) = E Q [g(v T τ ) V t = V] avec g(v t ) = 1 {Vt> ln d} Changement de variable P(t, V) F(τ, y) et transformée de Laplace U(p, y) = L[F(τ, y)] U(p, y) = Ae φy + Be ψy + 1 p P. Garreau

46 Breaking the Bell Curve Cadre théorique Le cas de General Motors Fig.: GM 5Y CDS on Senior Debt - market (orange) - Double exponential (light blue) - CreditGrades (dark blue) - λ p = , q + = 0.48, η + = 0.046, η = 0.11, D = 65, L = 0.5, λ = 30% P. Garreau

47 Idées clefs Pour étoffer Wrapping up Cadre mathématiques qui revient aux fondamentaux Structure entreprise Barrière et Temps de défaut Introduction d aléa méticuleuse Validation théorique Illustration Empirique Extensions possibles P. Garreau

48 Idées clefs Pour étoffer Raffiner la connaissance de la Dette et sa dynamique Condition de défaut : EDS Améliorations algorythmiques et Calibrage Identification des risques (risque modèle!) Volatilité Stochastique, Correlation, Processus de Lévy Généralisés... Tous les modèles sont faux. Certains modèles sont utiles. P. Garreau

Modèles structurels. Chapitre 4. 4.1 Modèle de Merton

Modèles structurels. Chapitre 4. 4.1 Modèle de Merton Chapitre 4 Modèles structurels 4.1 Modèle de Merton L idée principale de modèles structurels est basée sur l article fondateur de Merton [?], où un défaut est provoqué quand une entreprise n arrive pas

Plus en détail

Le Modèle de Black-Scholes. DeriveXperts. 27 octobre 2010

Le Modèle de Black-Scholes. DeriveXperts. 27 octobre 2010 27 octobre 2010 Outline 1 Définitions Le modèle de diffusion de Black-Scholes Portefeuille auto-finançant Objectif de BS 2 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique

Plus en détail

Gestion des Risques Financiers

Gestion des Risques Financiers Gestion des Risques Financiers Thierry Roncalli 9 janvier 2008 Merci de rédiger entièrement vos réponses. 1 La réglementation Bâle II 1. Quelles sont les principales diérences entre l'accord originel de

Plus en détail

Couverture dynamique des produits dérivés de crédit dans les modèles à copules

Couverture dynamique des produits dérivés de crédit dans les modèles à copules Couverture dynamique des produits dérivés de crédit dans les modèles à copules David Kurtz, Groupe de Recherche Opérationnelle Workshop Copula in Finance, 14 mai 2004, ENS Cachan Sommaire 1 Le marché des

Plus en détail

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le modèle de Merton

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le modèle de Merton ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le modèle de Merton Les hypothèses du modèle Dérivation du modèle Les extensions du modèle Le modèle de Merton Les hypothèses du modèle Marché

Plus en détail

Examen de Gestion des Risques Financiers

Examen de Gestion des Risques Financiers Examen de Gestion des Risques Financiers Thierry Roncalli 4 janvier 2012 Merci de rédiger entièrement vos réponses. 1 Les réglementations Bâle II et Bâle III 1. Quelles sont les principales différences

Plus en détail

Analyse du Risque et Couverture des Tranches de CDO Synthétique

Analyse du Risque et Couverture des Tranches de CDO Synthétique Analyse du Risque et Couverture des Tranches de CDO Synthétique Areski Cousin Laboratoire de Sciences Actuarielle et Financière ISFA, Université Lyon 1 Soutenance de Thèse, Lyon, 17 Octobre 2008 Directeur

Plus en détail

Modèles en temps continu pour la Finance

Modèles en temps continu pour la Finance Modèles en temps continu pour la Finance ENSTA ParisTech/Laboratoire de Mathématiques Appliquées 23 avril 2014 Evaluation et couverture pour les options européennes de la forme H = h(s 1 T ) Proposition

Plus en détail

Le risque de crédit. DeriveXperts. 23 juillet 2010

Le risque de crédit. DeriveXperts. 23 juillet 2010 23 juillet 2010 Définitions Exemples - Interactions Obligations Credit Default Swap (CDS) First To Default Collateralized Debt Obligation (CDO) Probabilité de défaut Le modèle exponentiel dynamique - Introduction

Plus en détail

Liste 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... Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................

Plus en détail

Dérivés de crédit : Situation et évolution du marché

Dérivés de crédit : Situation et évolution du marché Dérivés de crédit : Situation et évolution du marché Parallèle entre dérivés de crédit et produits d assurance Déjeuner débat FFA Jean-Paul LAURENT Professeur à l'isfa, Université de Lyon, Conseiller scientifique

Plus en détail

Spécialistes de pricing des dérivées actions et crédit complexes et de l obligation convertible.

Spécialistes de pricing des dérivées actions et crédit complexes et de l obligation convertible. Spécialistes de pricing des dérivées actions et crédit complexes et de l obligation convertible. Pedro Ferreira : Présentation de ITO33 27 novembre 2007 1 La société 2 Equity to Credit 3 Le problème de

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université de Franche-Comté)

Plus en détail

3. Evaluer la valeur d une option. 1. Arbres binomiaux 2. Modèle de Black, Scholes et Merton

3. Evaluer la valeur d une option. 1. Arbres binomiaux 2. Modèle de Black, Scholes et Merton 3. Evaluer la valeur d une option 1. Arbres binomiaux. Modèle de Black, choles et Merton 1 Les arbres binomiaux ; évaluation des options sur actions Cox, Ross, Rubinstein 1979 Hypothèse absence opportunité

Plus en détail

Théorie Financière 8 P. rod i u t its dé dérivés

Théorie 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 détail

Chapitre 15 Options et actifs conditionnels. Plan

Chapitre 15 Options et actifs conditionnels. Plan Chapitre 15 Options et actifs conditionnels Plan Fonctionnement des options Utilisation des options La parité put-call Volatilité et valeur des options Les modèles de détermination de prix d option Modèle

Plus en détail

Options et Volatilité (introduction)

Options 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 détail

Les 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 détail

Chapitre 17 Le modèle de Black et Scholes

Chapitre 17 Le modèle de Black et Scholes Chapitre 17 Le modèle de Black et Scholes Introduction Au début des 70 s, Black, Scholes et Merton ont opéré une avancée majeure en matière d évaluation d options Ces contributions et leurs développements

Plus en détail

Introduction à la simulation de Monte Carlo

Introduction à la simulation de Monte Carlo Introduction à la simulation de 6-601-09 Simulation Geneviève Gauthier HEC Montréal e 1 d une I Soit X 1, X,..., X n des variables aléatoires indépendantes et identiquement distribuées. Elles sont obtenues

Plus en détail

Valorisation d es des options Novembre 2007

Valorisation 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 détail

Simulations des Grecques : Malliavin vs Différences finies

Simulations des Grecques : Malliavin vs Différences finies 0.1. LES GRECQUES 1 Simulations des Grecques : iavin vs Différences finies Christophe Chorro Ce petit document vise à illustrer de manière numérique les techniques présentées lors du mini cours sur le

Plus en détail

La Volatilité Locale

La Volatilité Locale La Volatilité Locale Bertrand TAVIN Université Paris 1 - Panthéon Sorbonne 26 mai 2010 Résumé Dans cette courte note nous introduisons le concept de volatilité locale et les modèles de pricing basés sur

Plus en détail

Principes de Finance

Principes de Finance Principes de Finance 13. Théorie des options II Daniel Andrei Semestre de printemps 2011 Principes de Finance 13. Théorie des options II Printemps 2011 1 / 34 Plan I Stratégie de réplication dynamique

Plus en détail

B&S Pratique et limites

B&S Pratique et limites B&S Pratique et limites Christophe Chorro (christophe.chorro@univ-paris1.fr) Université Paris 1 Décembre 2008 hristophe Chorro (christophe.chorro@univ-paris1.fr) (Université Paris BS 1) Pratique et limites

Plus en détail

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1 Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1 1. a. On considère un modèle de marché (B, S) à une étape. On suppose que S = 5 C et qu à la date t = 1 on a (S u 1 = 51, S d 1 = 48).

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités 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 détail

1.1 Prime d une option d achat dans le modèle de Cox, Ross et Rubinstein

1.1 Prime d une option d achat dans le modèle de Cox, Ross et Rubinstein 1 Examen 1.1 Prime d une option d achat dans le modèle de Cox, Ross et Rubinstein On considère une option à 90 jours sur un actif ne distribuant pas de dividende de nominal 100 francs, et dont le prix

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université

Plus en détail

ANALYSE DU RISQUE DE CRÉDIT

ANALYSE DU RISQUE DE CRÉDIT ANALYSE DU RISQUE DE CRÉDIT Banque & Marchés Cécile Kharoubi Professeur de Finance ESCP Europe Philippe Thomas Professeur de Finance ESCP Europe TABLE DES MATIÈRES Introduction... 15 Chapitre 1 Le risque

Plus en détail

Les options : Lien entre les paramètres de pricing et les grecs

Les options : Lien entre les paramètres de pricing et les grecs Cette page est soutenue par ALGOFI Cabinet de conseil, d ingénierie financière et dépositaire de systèmes d information financiers. Par Ingefi, le Pôle Métier Ingénierie Financière d Algofi. ---------------------------------------------------------------------------------------------------------------------

Plus en détail

Le modèle de Black et Scholes

Le 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 détail

Finance, Navier-Stokes, et la calibration

Finance, Navier-Stokes, et la calibration Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck

Plus en détail

Le risque Idiosyncrasique

Le risque Idiosyncrasique Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes

Plus en détail

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA

MATHS 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 détail

Introduction aux produits de taux d intérêts

Introduction aux produits de taux d intérêts Introduction aux produits de taux d intérêts R&D Banque CPR 8 avril 2002 Plan 1. Notations et préliminaires 2. Euribor, caplets, caps 3. Swaps, swaptions 4. Constant Maturity Swap (CMS) 5. Quelques produits

Plus en détail

Modélisation du risque de crédit et asymétrie d information

Modélisation du risque de crédit et asymétrie d information Modélisation du risque de crédit et asymétrie d information David Kurtz, Groupe de Recherche Opérationnelle 10 juin 2004, Université de Poitiers Introduction [1] (1) Le risque de crédit (2) Modèles structurels

Plus en détail

La méthode Monte-Carlo. DeriveXperts. 19 mai 2011

La méthode Monte-Carlo. DeriveXperts. 19 mai 2011 19 mai 2011 Outline 1 Introduction Définition Générale Génération de nombre aléatoires Domaines d application 2 Cadre d application Méthodologie générale Remarques Utilisation pratique Introduction Outline

Plus en détail

INTRODUCTION : EDP ET FINANCE.

INTRODUCTION : EDP ET FINANCE. INTRODUCTION : EDP ET FINANCE. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) EDP et finance. 1 / 16 PLAN DU COURS 1 MODÈLE ET ÉQUATION DE BLACK SCHOLES 2 QUELQUES EXTENSIONS A. Popier

Plus en détail

EVALUATION DES CDS ET CDO

EVALUATION DES CDS ET CDO EVALUATION DES CDS ET CDO ARMAND NGOUPEYOU 15 novembre 2007 Credit Default Swap Le Credit Default Swap de maturité T est un contrat de protection qui porte sur le défaut d un emprunteur("single Name").L

Plus en détail

Hedging delta et gamma neutre d un option digitale

Hedging 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 détail

Séminaire Valorisation des Instruments Complexes 09/03/2012

Séminaire Valorisation des Instruments Complexes 09/03/2012 Du Bon Usage de la Valorisation Eric Benhamou Séminaire Valorisation des Instruments Complexes 09/03/2012 Plan Méthode de valorisation Problématiques actuelles Analyse de Cas Réconciliation avec d autres

Plus en détail

Examen Mesures de Risque de Marché

Examen Mesures de Risque de Marché ESILV 2012 D. Herlemont Mesures de Risque de Marché I Examen Mesures de Risque de Marché Durée: 2 heures. Documents non autorisés et calculatrices simples autorisées. 2 pt 1. On se propose d effectuer

Plus en détail

Delta couverture de produits dérivés en Finance. ESILV Ingénierie Financière S8 Cours du 24 avril 2012 Partie 2 Marie Bernhart

Delta couverture de produits dérivés en Finance. ESILV Ingénierie Financière S8 Cours du 24 avril 2012 Partie 2 Marie Bernhart Delta couverture de produits dérivés en Finance ESILV Ingénierie Financière S8 Cours du 24 avril 2012 Partie 2 Marie Bernhart Plan de la présentation Couverture de produits dérivés en Finance Principe

Plus en détail

Pricing de CDS forward

Pricing de CDS forward Pricing de CDS forward SOFYAE THABET HASSA HAJISADEGHIA YASSIE HADDAOUI 4 mars 2008 Le but de ce rapport est de présenter une méthode de pricing des CDS forward. Le marché des Credit Default Swap a connu

Plus en détail

Contrat didactique Finance stochastique

Contrat didactique Finance stochastique Contrat didactique Finance stochastique Les compétences de ce cours sont à placer dans le contexte général de l appropriation de la notion de modèle mathématique et de son utilisation pratique en gestion

Plus en détail

Formation ESSEC Gestion de patrimoine

Formation ESSEC Gestion de patrimoine Formation ESSEC Gestion de patrimoine Séminaire «Savoir vendre les nouvelles classes d actifs financiers» Les options Plan Les options standards (options de 1 ère génération) Les produits de base: calls

Plus en détail

relatif aux règles de comptabilisation des instruments financiers à terme par les entreprises régies par le code des assurances

relatif aux règles de comptabilisation des instruments financiers à terme par les entreprises régies par le code des assurances CONSEIL NATIONAL DE LA COMPTABILITÉ ANNEXE A LA NOTE DE PRESENTATION DU REGLEMENT N 2002-09 du 12 DECEMBRE 2002 du CRC relatif aux règles de comptabilisation des instruments financiers à terme par les

Plus en détail

Correction de l exercice 2 du cours Gestion de patrimoine : «Analyse d un produit structuré à capital garanti»

Correction de l exercice 2 du cours Gestion de patrimoine : «Analyse d un produit structuré à capital garanti» Correction de l exercice 2 du cours Gestion de patrimoine : «Analyse d un produit structuré à capital garanti» Question 1 : représenter graphiquement le taux de rentabilité du produit à capital garanti

Plus en détail

Probabilités 5. Simulation de variables aléatoires

Probabilités 5. Simulation de variables aléatoires Probabilités 5. Simulation de variables aléatoires Céline Lacaux École des Mines de Nancy IECL 27 avril 2015 1 / 25 Plan 1 Méthodes de Monte-Carlo 2 3 4 2 / 25 Estimation d intégrales Fiabilité d un système

Plus en détail

Impact du calibrage d un GSE sur le Best Estimate

Impact du calibrage d un GSE sur le Best Estimate Impact du calibrage d un GSE sur le Best Estimate Journée d études de l Institut des Actuaires et du SACEI 25 Septembre 2015 Michael Donio Directeur Tel: : +33(0) 7 63 30 22 70 Mail: michael.donio@sia-partners.com

Plus en détail

Ecole Supérieure d Ingénieurs Léonard de Vinci

Ecole Supérieure d Ingénieurs Léonard de Vinci Ecole Supérieure d Ingénieurs Léonard de Vinci «Pricing d options Monte Carlo dans le modèle Black-Scholes» Etudiant : / Partie A : Prix de Call et Put Européens Partie B : Pricing par Monte Carlo et réduction

Plus en détail

Les Variable Annuities sous la directive Solvabilité II

Les Variable Annuities sous la directive Solvabilité II Les Variable Annuities sous la directive Solvabilité II Mémoire présenté le vendredi 10 juin 2011 par Clément Schmitt clement.schmitt@fixage.com Introduction Solvabilité II impose des fonds propres réglementaires

Plus en détail

Modélisation mathématique et finance des produits dérivés

Modélisation mathématique et finance des produits dérivés Modélisation mathématique et finance des produits dérivés Ecole Polytechnique Paris Académie Européenne Interdisciplinaire des Sciences Paris, 28 novembre 2011 Outline Introduction 1 Introduction 2 3 Qu

Plus en détail

Dérivés Financiers Evaluation des options sur action

Dérivés Financiers Evaluation des options sur action Dérivés Financiers Evaluation des options sur action Owen Williams Grenoble Ecole de Management > 2 Définitions : options sur actions Option : un contrat négociable donnant le droit d acheter ou vendre

Plus en détail

Projet de modélisation en présence de risque de défaut : Article sur la valorisation des CDS - Dominik O Kane Stuart Turnbull -

Projet de modélisation en présence de risque de défaut : Article sur la valorisation des CDS - Dominik O Kane Stuart Turnbull - T. Moudiki, X. Milhaud - M2R SAF Projet de modélisation en présence de risque de défaut : Article sur la valorisation des CDS - Dominik O Kane Stuart Turnbull - Sous la direction de M. Tchapda ISFA - Mai

Plus en détail

6- Valorisation de la dette risquée

6- Valorisation de la dette risquée 6- Valorisation de la dette risquée Objectif : Présenter : 1.Évaluation de dette risquée 2.Évaluation d obligations convertibles Jean-Baptiste Desquilbet 1 Université Lille 1 1- ÉVALUATION DE DETTE RISQUÉE

Plus en détail

Les Obligations Convertibles (introduction)

Les Obligations Convertibles (introduction) TROISIEME PARTIE Les Obligations Convertibles (introduction) Avril 2011 Licence Paris Dauphine 2011 Sommaire LES OBLIGATIONS CONVERTIBLES Sect 1 Présentation, définitions Sect 2 Eléments d analyse et typologie

Plus en détail

Calcul stochastique appliqué à la finance. Volatilités stochastique, locale et implicite

Calcul stochastique appliqué à la finance. Volatilités stochastique, locale et implicite Calcul stochastique appliqué à la finance Ioane Muni Toke Draft version Ce document rassemble de brèves notes de cours. Les résultats sont proposés sans démonstration, les preuves ayant été données en

Plus en détail

3- Valorisation d'options

3- Valorisation d'options 3- Valorisation d'options Valorisation des options classiques : options d'achat (call) options de vente (put) Une pierre angulaire de la finance moderne : décisions d'investissement (options réelles) conditions

Plus en détail

Prise en compte de la liquidité dans les algorithmes de trading

Prise en compte de la liquidité dans les algorithmes de trading Prise en compte de la liquidité dans les algorithmes de trading clehalle@cheuvreux.com Resp. de la Recherche Quant., Atelier Trading & Micro Structure 10 décembre 2008 Contenu La liquidité en Europe Les

Plus en détail

BNP Paribas, CIB, Global Equity and Commodity Derivatives Research.

BNP Paribas, CIB, Global Equity and Commodity Derivatives Research. BNP Paribas, CIB, Global Equity and Commodity Derivatives Research. BNP PARIBAS jouit d une dimension internationale sur le marché des produits dérivés sur actions. Notre équipe de Recherche et Développement

Plus en détail

Introduction aux Produits Structurés

Introduction aux Produits Structurés QUATRIEME PARTIE Introduction aux Produits Structurés Mai 2012 Sommaire Sect 1 Le concept de Produit Structuré Définition Historique Les clients et leur problématique d investissement Sect 2 Introduction

Plus en détail

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Plan de la séance 3 : Le risque de crédit (1) Les opérations de crédit Définition d un crédit La décision de crédit Les crédits aux petites

Plus en détail

Question 1: Analyse et évaluation des obligations

Question 1: Analyse et évaluation des obligations Question 1: Analyse et évaluation des obligations (56 points) Vous travaillez pour le département de trésorerie d une banque internationale. L établissement bénéficie d une très bonne réputation et peut

Plus en détail

Master ISIFAR 2ème année Exercices pour le cours Mathématiques Financières

Master ISIFAR 2ème année Exercices pour le cours Mathématiques Financières Master ISIFAR 2ème année Exercices pour le cours Mathématiques Financières Chapitre 1 Exercice 1. * Calculer le prix à terme d échéance T d une obligation de nominal N, qui verse un coupon C à la date

Plus en détail

CDO-Squared : Modèle et Simulation de Risque

CDO-Squared : Modèle et Simulation de Risque : Modèle et Simulation de Risque ZHOU Gang ZHANG Yan ER Di LI Jia 27 mars 2006 Table des matières 1 Introduction 1 1.1 CDO et CDO-Squared............................. 1 1.2 Pricing et les Risques de CDO-Squared...................

Plus en détail

Finance, Navier-Stokes, et la calibration

Finance, Navier-Stokes, et la calibration Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Juin 2013 Lignes directrices Transport Optimal - Rappels 1 Transport Optimal - Rappels 2 3 4 Transport Optimal

Plus en détail

Modélisation des transports

Modélisation des transports Modélisation des transports Cinzia Cirillo, Eric Cornelis & Philippe TOINT D.E.S. interuniversitaire en gestion des transports Les Modèles de choix discrets Dr. CINZIA CIRILLO Facultés Universitaires Notre-Dame

Plus en détail

Simulations et Estimations de la volatilité

Simulations et Estimations de la volatilité Simulations et Estimations de la volatilité Daniel Herlemont 5 novembre 2012 Table des matières 1 Introduction 1 2 A faire... 3 3 Rappels 10 3.1 Propriétés des estimateurs............................ 10

Plus en détail

g e gamme 2 Les Turbos d investissements in mme d investissements intellig d i ti t i t lli t Que sont les Turbos?

g e gamme 2 Les Turbos d investissements in mme d investissements intellig d i ti t i t lli t Que sont les Turbos? Equity First une gamme d invest First une gamme d investisseme une gamme d investissements in ga d investissements intelligents Eq intelligents Equity First une gam Equity First une gamme d invest First

Plus en détail

Problèmes de fiabilité dépendant du temps

Problèmes de fiabilité dépendant du temps Problèmes de fiabilité dépendant du temps Bruno Sudret Dépt. Matériaux et Mécanique des Composants Pourquoi la dimension temporelle? Rappel Résistance g( RS, ) = R S Sollicitation g( Rt (), St (),) t =

Plus en détail

Provisionnement face au risque de défaut des emprunteurs

Provisionnement face au risque de défaut des emprunteurs Provisionnement face au risque de défaut des emprunteurs Geoffrey Nichil et Pierre Vallois Institut Elie Cartan de Lorraine. 6-11 Avril 2014 1/12 Geoffrey Nichil et Pierre Vallois Provisionnement face

Plus en détail

Stratégies sur options et Pricer d'options

Stratégies sur options et Pricer d'options Stratégies sur options et Pricer d'options Définition Une option (ou Warrant) est un contrat qui confère à son porteur le droit d acheter ou de vendre un sous-jacent (action, obligation, indice synthétique,

Plus en détail

Principes de Finance

Principes de Finance Principes de Finance 12. Théorie des options I Daniel Andrei Semestre de printemps 211 Principes de Finance 12. Théorie des options I Printemps 211 1 / 43 Plan I Introduction II Comprendre les options

Plus en détail

1 La formule de Black et Scholes en t discret

1 La formule de Black et Scholes en t discret Université de Provence Préparation Agrégation Epreuve de Modélisation, Option Proba. Texte : La formule de Black Scholes en Finance Étienne Pardoux 1 La formule de Black et Scholes en t discret On suppose

Plus en détail

Utilisation des arbres binomiaux pour le pricing des options américaines

Utilisation des arbres binomiaux pour le pricing des options américaines Utilisation des arbres binomiaux pour le pricing des options américaines Anne-Victoire Auriault Plan de la présentation Introduction. Le problème des options 2. Le modèle de Cox-Ross-Rubinstein 3. Les

Plus en détail

de calibration Master 2: Calibration de modèles: présentation et simulation d

de 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 détail

Intégrale stochastique

Intégrale stochastique Intégrale stochastique Plan L intégrale stochastique générale Intégrale de Wiener Exemples Processus d Itô Formule d Itô Formule de Black & Scholes Le processus B est un mouvement Brownien et { Ft B,t

Plus en détail

MARCHES FINANCIERS Licence 3 Monnaie Finance Université Panthéon-Assas Paris 2 2014 2015

MARCHES FINANCIERS Licence 3 Monnaie Finance Université Panthéon-Assas Paris 2 2014 2015 MARCHES FINANCIERS Licence 3 Monnaie Finance Université Panthéon-Assas Paris 2 2014 2015 Christophe CHOUARD et Sébastien LOTZ Informations financières omniprésentes: Indices boursiers - CAC 40, DJIA, Euro

Plus en détail

Estimation ultra haute fréquence de la volatilité et de la co-volatilité

Estimation ultra haute fréquence de la volatilité et de la co-volatilité Estimation ultra haute fréquence de la volatilité et de la co-volatilité Christian Y. Robert 1 et Mathieu Rosenbaum 2 1 CREST-ENSAE Paris Tech, 2 CMAP-École Polytechnique Paris Christian Y. Robert et Mathieu

Plus en détail

QUELLE «JUSTE VALEUR»? Philippe MARTINET

QUELLE «JUSTE VALEUR»? Philippe MARTINET QUELLE «JUSTE VALEUR»? Philippe MARTINET Workshop Agenda Perceptions et concepts de JV Les Normes internationales Approche des IFRS 7 - IFRS 9 - IFRS 13 Guide de Juste Valeur Exemple d application Confrontation

Plus en détail

Formation «Initiation aux produits de rive s : caracte ristiques, me canismes et utilisations»

Formation «Initiation aux produits de rive s : caracte ristiques, me canismes et utilisations» Formation «Initiation aux produits de rive s : caracte ristiques, me canismes et utilisations» REFERENCE : 1005 1. Objectif général Comprendre les mécanismes et caractéristiques des marchés dérivés. Identifier

Plus en détail

Les nouveaux instruments financiers

Les nouveaux instruments financiers Les nouveaux instruments financiers 8 février 2005 Jean-Paul Laurent Professeur à l ISFA, Université Lyon 1 «Imaginons que nous puissions introduire dans le système économique toutes les institutions possibles

Plus en détail

Master 2 IMOI - Mathématiques Financières

Master 2 IMOI - Mathématiques Financières Master 2 IMOI - Mathématiques Financières Exercices - Liste 1 1 Comportement d un investisseur face au risque Exercice 1 Soit K la matrice définie par 1 2 [ 3 1 1 3 1.1 Montrer que K est la matrice de

Plus en détail

Présentation des formations à l étranger

Présentation des formations à l étranger NEK-Math App Présentation des formations à l étranger Présentation des formations à l étranger Mardi 11 Octobre 2005 deux séances aux horaires de petites classes Le lieu sera précisé par mail 1 NEK-Math

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 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 détail

Table des matières. l a r c i e r

Table 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 détail

Estimation du coût de l incessibilité des BSA

Estimation du coût de l incessibilité des BSA Estimation du coût de l incessibilité des BSA Jean-Michel Moinade Oddo Corporate Finance 22 Juin 2012 Incessibilité des BSA Pas de méthode académique reconnue Plusieurs méthodes «pratiques», dont une usuelle

Plus en détail

Méthodes numériques pour le pricing d options

Méthodes numériques pour le pricing d options Méthodes numériques pour le pricing d options Mohamed Ben Alaya 6 février 013 Nous allons tester les différentes méthodes de différence finies vu dans le cours en l appliquant au calcul du call ou le put

Plus en détail

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Université Paris VII. Préparation à l Agrégation. (François Delarue) COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Ce texte vise à l étude du temps d attente d un client à la caisse d un

Plus en détail

Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»

Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.

Plus en détail

Chapitre 2 : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale.

Chapitre 2 : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale. Aix Marseille Université. Algorithmes Stochastiques. M MIS. Fabienne Castell... Chapitre : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale. Le but de ce chapitre

Plus en détail

5- Valorisation de la dette et structures des taux d'intérêt

5- Valorisation de la dette et structures des taux d'intérêt 5- Valorisation de la dette et structures des taux d'intérêt Objectif : Présenter : 1.Évaluation d'obligation 2.Rendement actuariel (rendement à l'échéance) 3.Risque de taux 4.Structure par termes des

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Etude Quantitative d un Plan d Epargne Retraite Collectif Piloté

Etude Quantitative d un Plan d Epargne Retraite Collectif Piloté INSTITUT DE SCIENCE FINANCIERE ET D ASSURANCES Etude Quantitative d un Plan d Epargne Retraite Collectif Piloté Mémoire présenté devant l Institut de Science Financière et d Assurances pour l obtention

Plus en détail

Chapitre 4 : construction de portefeuille (I)

Chapitre 4 : construction de portefeuille (I) Chapitre 4 : construction de portefeuille (I) 25.10.2013 Plan du cours Risque et rentabilité : un premier aperçu Mesures traditionnelles du risque et rentabilité Rentabilité historique des actifs financiers

Plus en détail

Les mathématiques appliquées de la finance

Les mathématiques appliquées de la finance Les mathématiques appliquées de la finance Utiliser le hasard pour annuler le risque Emmanuel Temam Université Paris 7 19 mars 2007 Emmanuel Temam (Université Paris 7) Les mathématiques appliquées de la

Plus en détail

La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise

La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise Conférence PRMIA Revue Fondamentale du Trading Book Quel trading pour les années à venir Paris,

Plus en détail