Calcul stochastique appliqué à la finance. Introduction aux modèles d actifs à sauts
|
|
- Véronique Gascon
- il y a 7 ans
- Total affichages :
Transcription
1 Calcul stochastique appliqué à la finance Ioane Muni Toke Draft version 1 Introduction aux processus à sauts On énonce ici quelques concepts et résultats sur les processus à sauts. Certaines démonstrations seront faites en amphi. Pour des développements plus amples de ces notions, on pourra se reporter aux références données en bibliographie. 1.1 Une formule d Itô pour les processus à sauts Soit (Ω,F,P) un espace de probabilité muni d une filtration (F t ) t T. On appelle processus à sauts un processus de la forme : X t = X + µ s ds+ σ s dw s +J(t), (1) avec µ et σ deux processusf t -adaptés, W un mouvement browniensous P et J t un processus adapté, continu à droite, purement discontinu (i.e. constant entre les sauts). On peut définir une intégrale stochastique par rapport à X t pour un processus φ t adapté : φ s dx s = φ s µ s ds+ φ s σ s dw s + <s t φ s J s, (2) avec J s = J(s) J(s ). Le théorème suivant permet donne des conditions suffisantes pour que cette intégrale soit une martingale. Théorème 1. Si le processus X défini en (1) est une martingale, alors pour tout processus ϕ F t -adapté, continu à gauche, et vérifiant la condition d intégrabilité [ t [,T, E σs 2 φ2 s ds < +, (3) 1
2 ECP - Option Mathématiques Appliquées - Majeure Finance ( ) le processus ϕ s dx s t est une F t -martingale. Notons Xt c = µ sds+ σ sdw s la partie continue duprocessusx défini en (1). De manière similaire au cas continu, on peut calculer la variation quadratique du processus à sauts X : X t = X c t + ( X(s)) 2, (4) <s t et la variation croisée de deux processus à sauts X 1 et X 2 : X 1,X 2 t = X c 1,X c 2 t + <s t X 1 (s) X 2 (s). (5) On peut finalement montrer une formule d Itô pour notre classe de processus à sauts. Théorème 2. Soit X un processus à sauts défini comme en (1) et f(t,x) une fontion de classe C 1,2 ([,T R). Alors : f(t,x t ) = f(,x )+ + d j=1 + <s t d 1 2 f t (s,x s )ds+ f ij (s,x s )d X i,c,x j,c s [f(s,x s ) f(s,x s ). 1.2 Rappels sur les processus de Poisson f i (s,x s )dx i,c s On rappelle ici quelques propriétés nécessaires à l étude de modèles financiers dans lesquels les sauts du sous-jacent sont modélisés par des processus de Poisson. Soit (Ω,F,P) un espace de probabilité. Soit N t un processus de Poisson d intensitéλadaptéàunefiltrationf t.ladistributiondepoissonestdonnée par : P(N t = k) = (λt)k e λt, (6) k! Proposition 1. N t est un processus à accroissements indépendants et stationnaires. Proposition 2. La fonction caractéristique de N t est : φ Nt (u) = E [ e iunt = exp { λt(e iu 1) }. (7) 2
3 Ioane Muni Toke Proposition 3. Le processus de Poisson compensé M t = N t λt est une F t -martingale sous P. Proposition 4. Soit (Y i ) une suite de variables aléatoires i.i.d. Le processus de Poisson composé Q t = N t Y i est à accroissements indépendants et stationnaires. Proposition 5. Le processus compensé Q t λe[y 1 t est une F t -martingale sous P. Proposition 6. Si W est un mouvement brownien défini sur (Ω,F,P) adapté à la filtration F t, alors W et N sont indépendants. 1.3 Théorème de changement de mesure d un processus de Poisson Un raisonnement comparable à celui utilisé pour montrer le théorème de Girsanov pour un mouvement brownien permet de définir un changement de probabilité dont la conséquence pour le processus de Poisson est un changement d intensité. Le processus de changement de mesure apparaît sous la forme suivante. Proposition 7. Soit X un processus à sauts défini comme en (1). Alors le processus { Z t = exp Xt c 1 } 2 Xc t (1+ X s ) (8) est solution de l EDS <s t dz t = Z t dx t, Z = 1 (9) On peut alors énoncer le théorème de changement de mesure pour un processus de Poisson : Théorème 3. Soit (Ω,F,P) un espace de probabilité et N t un processus de Poisson d intensité λ sous P. Soit λ R + et Z le processus définit par : Z t = e (λ λ)t ) Nt ( λ. (1) λ Alors Z est une martingale d espérance 1 et sous la probabilité P définie par A F, P(A) = Z T dp, (11) (N t ) est un processus de Poisson d intensité λ. A 3
4 ECP - Option Mathématiques Appliquées - Majeure Finance 1.4 Décomposition d un processus de Poisson composé Soit (Ω,F,P) un espace deprobabilité. Soient (W t ) t T un mouvement brownien, Nt 1,...,Nt M M processus de Poisson indépendants d intensité λ m > et 1 < y 1 < y 2 <... < y M M réels non nuls. On pose N t = Nt m, Q t = M m=1 y mnt m. On a alors les résultats m=1 suivants (par calcul direct des fonctions caractéristiques). Proposition 8. N t est un processus de Poisson d intensité λ = Proposition 9. Q t est un processus de Poisson composé et s écrit λ m. m=1 N t Q t = Y i, (12) avec (Y i ) une suite de variables aléatoires i.i.d. et P(Y i = y m ) = λ m λ, m. Par conséquent, Q t λβt, où β = E[Y 1, est martingale sous P. 2 Un modèle brownien-poisson composé Cette section présente sous forme de TD une étude d un modèle d actif financier dont la variation du prix est due à un mouvement brownien et à un processus de Poisson composé défini comme à la section 1.4. Ce type de modèle a été étudié pour la première fois par Merton (1976), qui obtient la formule (16) (parfois dite formule de Merton). Pour des compléments de calcul stochastique sur ces modèles, on pourra consulter les ouvrages classiques (Lamberton 1998, Shreve 24). Gatheral (26) propose quelques résultats théoriques et empiriques pour une approche combinant les processus à sauts et la volatilité stochastique. 2.1 Modèle d actifs On pose la dynamique de prix du sous-jacent S : ds t = αs t dt+σs t dw t +S t d(q t βλt) = (α βλ)s t dt+σs t dw t +S t dq t (13) Evaluation d un call européen 1. Montrer par une méthode heuristique que : S t = S e (α βλ σ2 2 )t+σwt N t (1+Y i ) (14) 4
5 Ioane Muni Toke 2. Prouver ce résultat avec le lemme d Itô pour les processus discontinus. 3. Montrer qu il existe une probabilité risque-neutre P si et seulement si il existe θ R et λ 1,..., λ M des constantes positives telles que : P est-elle unique? α r = σθ + (λ m λ m )y m (15) 4. On note C BS t (x,k,t) le prix dans le modèle Black & Scholes standard du call européen de strike K et de maturité T à la date t, sachant S t = x. Montrer que dans le modèle d actif à saut, le prix du call européen s écrit (en posant β = Ẽ[Y 1) : C(t,x) = + j= [ λ j (T t) j λ(t t) e j! Ẽ C BS (xe λ β(t t) Approche EDP et couverture en delta j (1+Y i ),K,T). 1. Donner une équation aux dérivées partielles vérifiée par C(t, x). (16) 2. Pour essayer de couvrir la vente d un call, on construit un portefeuille de capital initial X = C(,S ) et contenant une quantité t de l actif S. Montrer que d(e rt X t ) = e [σ rt t S t d W t + t S t d(q t β λt). 3. Calculer d(e rt C(t,S t )) d(e rt X t ). En déduire le comportement de la couverture si on utilise la couverture en delta classique t = C x (t,x). Références Gatheral, J. (26), The Volatility Surface : A Practitioner s Guide, Wiley. Lamberton, D. (1998), Introduction au calcul stochastique appliqué à la finance, 2e edn, Ellipses Marketing. Merton, R. C. (1976), Option pricing when underlying stock returns are discontinuous, Journal of Financial Economics 3(1-2), Shreve, S. E. (24), Stochastic Calculus for Finance II : Continuous- Time Models (Springer Finance), 1st ed. 24. corr. 2nd printing edn, Springer. 5
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 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 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 détailDIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002
Département d économie politique DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS Semestre d hiver 2001-2002 Professeurs Marc Chesney et François Quittard-Pinon Séance
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 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 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 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 détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailManuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO
Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour
Plus en détailMéthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique
Méthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique Najed Ksouri To cite this version: Najed Ksouri. Méthodes d approximation
Plus en détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
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 détailEvaluation des options parlatransformée de Fourier
Evaluation des options parlatransformée de Fourier Bogdan Negrea Juin 00 y Abstract Le modèle de Black et Scholes a pour hypothèse la constance de la volatilité associée à la distribution risque-neutre.
Plus en détailOptions exotiques. April 18, 2000
Options exotiques Nicole El Karoui, Monique Jeanblanc April 18, 2000 1 Introduction Les options exotiques sont des produits complexes, qui constituent un marché d une réelle importance depuis les années
Plus en détailFinance, 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 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 détailDécomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin
Décomposition de Föllmer-Schweizer explicite d un passif d assurance vie au moyen du calcul de Malliavin Mémoire présenté par Sébastien de Valeriola en vue de l obtention du master en sciences actuarielles
Plus en détailCalibration de Modèles et Couverture de Produits Dérivés
Calibration de Modèles et Couverture de Produits Dérivés Peter TANKOV Université Paris VII tankov@math.jussieu.fr Edition 28, dernière m.à.j. le 1 mars 28 La dernière version de ce document est disponible
Plus en détailQUESTIONS D ENTRETIENS EN FINANCE DE MARCHE
QUESTIONS D ENTRETIENS EN FINANCE DE MARCHE Le présent document est un recueil de questions, la plupart techniques, posées à des candidats généralement jeunes diplômés, issus d école d ingénieurs, de commerce
Plus en détailL ÉVALUATION DES OPTIONS AVEC PRIME DE LIQUIDITÉ
L ÉVALUATION DES OPTIONS AVEC PRIME DE LIQUIDITÉ L ÉVALUATION DES OPTIONS AVEC PRIME DE LIQUIDITÉ Mondher Bellalah (Université du Maine) et Jean-Luc Prigent (Université de Cergy-Pontoise) 1 Résumé. Les
Plus en détailPrix et couverture d une option d achat
Chapitre 1 Prix et couverture d une option d achat Dans cette première leçon, on explique comment on peut calculer le prix d un contrat d option en évaluant celui d un portefeuille de couverture de cette
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailCalibration de modèles et couverture de produits dérivés
Calibration de modèles et couverture de produits dérivés Peter Tankov To cite this version: Peter Tankov. Calibration de modèles et couverture de produits dérivés. DEA. Calibration de modèles et couverture
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
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 détailRésumé... 9... 10... 10... 10
Bibliographie 1 Table des matières Table des matières.................................... 3 Résumé............................................ 9........................................ 10........................................
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailScénarios économiques en assurance
Motivation et plan du cours Galea & Associés ISFA - Université Lyon 1 ptherond@galea-associes.eu pierre@therond.fr 18 octobre 2013 Motivation Les nouveaux référentiels prudentiel et d'information nancière
Plus en détailPetite introduction aux mathématiques des dérivés financiers (notes de cours, version provisoire)
Petite introduction aux mathématiques des dérivés financiers notes de cours, version provisoire Michel Miniconi Département de Mathématiques Laboratoire Jean-Alexandre Dieudonné Université de Nice Sophia-Antipolis
Plus en détailMathématiques et finance
Mathématiques et finance Emmanuel Gobet (1) Gilles Pagès (2) Marc Yor (3) (1) Ensimag-INP Grenoble Laboratoire de Modélisation et Calcul UMR 5523. E-mail :emmanuel.gobet@imag.fr (2) Laboratoire de Probabilités
Plus en détailTRAVAIL D ETUDE ET DE RECHERCHE. Utilisation des arbres binomiaux pour le pricing des options américaines
Ensimag - 2éme année Mai 2010 TRAVAIL D ETUDE ET DE RECHERCHE Utilisation des arbres binomiaux pour le pricing des options américaines Anne-Victoire AURIAULT 1/48 2/48 Cadre de l Étude Cette étude a été
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailRisque de défaut - Risque de crédit. Ecole Nationale des Ponts et Chausses
1 Risque de défaut - Risque de crédit Ecole Nationale des Ponts et Chausses Vivien BRUNEL - Benoît ROGER This version: September 23, 2009 2 Introduction Ces notes de cours représentent le support de cours
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 détailMATHÉMATIQUES ET APPLICATIONS
MASTER 2 ème ANNÉE MATHÉMATIQUES ET APPLICATIONS Parcours Mathématiques du Risque et Actuariat ANNÉE UNIVERSITAIRE 2015 2016 1 PRESENTATION Le Master 2 Mathématiques du Risque et Actuariat a pour objectif
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailOptions et Volatilité (introduction)
SECONDE PARTIE Options et Volatilité (introduction) Avril 2013 Licence Paris Dauphine 2013 SECONDE PARTIE Philippe GIORDAN Head of Investment Consulting +377 92 16 55 65 philippe.giordan@kblmonaco.com
Plus en détailMesure et gestion des risques d assurance
Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr
Plus en détailSurface de volatilité
Surface de volatilité Peter TANKOV Université Paris-Diderot(ParisVII) tankov@math.univ-paris-diderot.fr Dernière m.à.j. February 15, 15 Ce document est mis à disposition sous un contrat Creative Commons
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
Plus en détailIntroduction aux Mathématiques Financières. Ecole Centrale Paris. Lionel Gabet, Frédéric Abergel, Ioane Muni Toke
Introduction aux Mathématiques Financières Ecole Centrale Paris Deuxième année, S3 Lionel Gabet, Frédéric Abergel, Ioane Muni Toke Version 2010 Introduction aux mathématiques financières 2 Table des matières
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailExercice 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 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détail1. Prolongements de la théorie des options i. Rappel de la théorie de la valorisation des actifs contingents
1 Plan du cours de Théorie financière III 1. Prolongements de la théorie des options i. Rappel de la théorie de la valorisation des actifs contingents ii. Modèles de structure par terme des taux d intérêt
Plus en détailGénération de scénarios économiques
Modélisation des taux d intérêt Pierre-E. Thérond ptherond@galea-associes.eu pierre@therond.fr Galea & Associés ISFA - Université Lyon 1 22 novembre 2013 Motivation La modélisation des taux d intérêt est
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en 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 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 détailINTRODUCTION INTRODUCTION
INTRODUCTION INTRODUCTION Les options sont des actifs financiers conditionnels qui donnent le droit mais pas l'obligation d'effectuer des transactions sur des actifs supports. Leur intérêt réside dans
Plus en détailHedging delta et gamma neutre d un option digitale
Hedging delta et gamma neutre d un option digitale Daniel Herlemont 1 Introduction L objectif de ce projet est d examiner la couverture delta-gamma neutre d un portefeuille d options digitales Asset-Or-Nothing
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailApproximations comonotones pour le prix d une option d achat Européenne en présence de dividendes discrets
Approximations comonotones pour le prix d une option d achat Européenne en présence de dividendes discrets - Pierre-Alain PATARD (Université Lyon 1, Laboratoire SAF, CMCIC, Asset Management) - Jean Claude
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailMathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012
Mathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012 Pierre Andreoletti pierre.andreoletti@univ-orleans.fr Bureau E15 1 / 20 Objectifs du cours Définition
Plus en 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 - 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 détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailجامعة باجي مختار عنابة
6Bوزارة التعليم العالي والبحث العلمي Université Badji Mokhtar Annaba Badji Mokhtar University - Annaba 4BFaculté des Sciences 0BDépartement de Mathématiques جامعة باجي مختار عنابة 5BAnnée : 2012/2013 1BTHÈSE
Plus en détailGestion de contrats d Assurance-vie en Unités de Compte : une approche non-gaussienne.
I.S.F.A. École Doctorale Sciences Économiques et de Gestion Gestion de contrats d Assurance-vie en Unités de Compte : une approche non-gaussienne. THÈSE Numéro d ordre 264-2012 présentée et soutenue publiquement
Plus en détailClassification non supervisée
AgroParisTech Classification non supervisée E. Lebarbier, T. Mary-Huard Table des matières 1 Introduction 4 2 Méthodes de partitionnement 5 2.1 Mesures de similarité et de dissimilarité, distances.................
Plus en détailMéthode de Monte Carlo pour le calcul d'options
Méthode de Monte Carlo pour le calcul d'options LADIAS Elie, WANG Shuai 7 juin 2013 1 Table des matières 1 Méthode de Monte-Carlo et Calcul d'intégrales 4 1.1 Description de la méthode....................
Plus en détailCalculating Greeks by Monte Carlo simulation
Calculating Greeks by Monte Carlo simulation Filière mathématiques financières Projet de spécialité Basile Voisin, Xavier Milhaud Encadré par Mme Ying Jiao ENSIMAG - Mai-Juin 27 able des matières 1 Remerciements
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailCours de Calcul stochastique Master 2IF EVRY. Monique Jeanblanc
Cours de Calcul stochastique Master 2IF EVRY Monique Jeanblanc Septembre 26 2 Contents 1 Généralités 7 1.1 Tribu............................................... 7 1.1.1 Définition d une tribu.................................
Plus en détail1 Introduction et modèle mathématique
Optimisation parallèle et mathématiques financières Optimisation parallèle et mathématiques financières Pierre Spiteri 1 IRIT ENSEEIHT, UMR CNRS 5505 2 rue Charles Camichel, B.P. 7122 F-31 071 Toulouse,
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailModélisation de séries financières par un modèle multifractal. Céline Azizieh
Modélisation de séries financières par un modèle multifractal Céline Azizieh Mémoire présenté à l Université Libre de Bruxelles en vue d obtenir le diplôme d actuaire Supervision: W. Breymann (RiskLab,
Plus en détailIntroduction à la théorie des options financières
Introduction à la théorie des options financières Christophe Chorro (christophe.chorro@gmail.com) ESC REIMS Le 16 Janvier 2008 hristophe Chorro (christophe.chorro@gmail.com) (ESC REIMS) Théorie des options
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailThéorie Financière 8 P. rod i u t its dé dérivés
Théorie Financière 8P 8. Produits dit dérivés déié Objectifsdelasession session 1. Définir les produits dérivés (forward, futures et options (calls et puts) 2. Analyser les flux financiers terminaux 3.
Plus en détailCarl-Louis-Ferdinand von Lindemann (1852-1939)
Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailModule 7: Chaînes de Markov à temps continu
Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R
Plus en détailProduits structurés. Sacha Duparc, Développement & Trading Produits Structurés 20.12.2013
Produits structurés Sacha Duparc, Développement & Trading Produits Structurés 20.12.2013 Importance du marché des produits structurés en Suisse Les produits structurés constituent une catégorie d investissement
Plus en détailRO04/TI07 - Optimisation non-linéaire
RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels
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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailFair Value et Risque de Défaut en Assurance Vie
Université Catholique de Louvain Institut des Sciences Actuarielles Fair Value et Risque de Défaut en Assurance Vie Mémoire présenté en vue de l obtention du Diplôme d Etudes Spécialisées en Sciences Actuarielles
Plus en détailMATHÉMATIQUES ET APPLICATIONS
MASTER 2 ème ANNÉE MATHÉMATIQUES ET APPLICATIONS Parcours Finance Computationnelle ANNÉE UNIVERSITAIRE 2015 2016 1 PRESENTATION Le master Finance Computationnelle spécialise les étudiants sur l ingénierie
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
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 détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détail