Modèles stochastiques et applications à la finance

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Modèles stochastiques et applications à la finance"

Transcription

1 1 Université Pierre et Marie Curie Master M1 de Mathématiques, Modèles stochastiques et applications à la finance Partiel 25 Février 2011, Durée 2 heures Exercice 1 (3 points) On considère une économie à n périodes, où le taux d intérêt composé pour la période [k-1, k] est r k (par exemple r k = 0.05). Quel est le prix à l instant 0 de M euros à recevoir à l instant n? Exercice 2 : AOA (6 points) On considère un marché (S n, B n ), n = 0,, N, défini sur (Ω, (F n ), m). Soit V n = α n S n + β n B n, 0 n N, un portefeuille autofinancé, avec (α n ), (β n ) prévisibles. 1. On suppose qu il y a AOA. Montrer que si V N = 0, m-p.s., alors pour tout n = 0, 1,, N, V n = 0, m-p.s. 2. On considère les conditions (C 1 ) et (C 2 ) suivantes : (C 1 ) α n (S n S n 1 ) + β n (B n B n 1 ) 0, m p.s (C 2 ) α n (S n S n 1 ) + β n (B n B n 1 ) = 0, m p.s Montrer que si il y a absence d opportunité d arbitrage (AOA), alors, pour tout n = 1,, N, (C 1 ) implique (C 2 ). 3. Quelle démonstration du cours montre que réciproquement, si (C 1 ) entraîne (C 2 ) pour tout n = 0, 1, N alors il y a AOA? Exercice 3: Une file d attente (8 points) Vous faites la queue à un guichet. Il y a donc des gens devant vous, en ligne. A chaque instant entier, vous avez le choix de quitter la file d attente ou de rester. Mais si vous restez vous devez alors payer à ce moment là, c euros. Une fois arrivé au guichet, vous gagnez R euros. A chaque unité de temps il y a une probabilité

2 2 p pour que le client en train d être servi s en aille et donc que la taille de la queue devant vous diminue de 1. Ces évènements sont indépendants. On note X n le nombre de clients devant vous à l instant n. On suppose qu à l instant 0, il y a x clients devant vous, donc que X 0 = x. On cherche à savoir à quel moment quitter la file de façon à réaliser un gain optimal. 1. Donner la probabilité de transition P de la chaîne de Markov X n à valeurs dans {0, 1,, K}. Par convention on posera P (0, 0) = Sachant que l on doit quitter la file au plus tard à l instant N, montrer que le problême revient à trouver V (N) (x) = max τ N E x(g τ (X τ )) où le maximum est prix sur l ensemble des temps d arrêt τ N et g n (x) = γ(x) cn où γ est une fonction simple que l on determinera. 3. Montrer que la suite V (N) (x) converge quand N +, On note V (x) sa limite. 4. Ecrire les équations de type Bellman permettant de déterminer V (N) (x). 5. On considère la suite définie par f 0 (x) = γ(x), et si n 1, Montrer que V (N) (x) = f N (x). f n (x) = max(γ(x), P f n 1 (x) c) 6. En déduire que V (x) = (V (x 1) c/p) + pour x 1 puis la valeur de V (x) pour tout x. 7*. Quelle stratégie conseillez vous, au moins au moins pour N grand?

3 3 Université Pierre et Marie Curie Master M1 de Mathématiques, Modèles stochastiques et applications à la finance Partiel 28 Février 2012, Durée 2 heures Exercice 1 (2 pts) Montrer qu en l absence d opportunité d arbitrage le prix C 0 d un call européen sur un sous jacent (S t ) de prix d exercice K vérifie C 0 S 0. Exercice 2 (4 pts) On considère un espace de probabilités (Ω, F, P) muni d une filtration F n, n = 0, 1 (attention que n ne prend que 2 valeurs). On considère une partition A k, k 1, de Ω telle que P(A k ) = 1/2 k, et une suite Z k, k 1 de variables aléatoires telle P(Z k = 1) = P(Z k = 1) = 1/2. On suppose que F 0 = σ(a k, k 1), que la suite (Z k ) est indépendante de F 0 et que Soit M 0 = 0 et F 1 = σ(a k, Z k, k 1). M 1 = + 1. Montrer que, pour tout entier k 1, 2 k Z k 1 Ak. τ k = k1 { 1 m k A m} est un temps d arrêt de la filtration {F n, n = 0, 1}. 2. Montrer que {M n, n = 0, 1} est une martingale locale. 3. Montrer que {M n, n = 0, 1} n est pas une martingale. Problème (10 pts)

4 4 On considère une suite (Z n, n N) de variables aléatoires réelles indépendantes de loi uniforme sur [ 1, 1]. Pour tout N > 0 on associe aux réels x et U 0,, U N 1, la suite X n, 0 n N, définie par X 0 = x et On pose X n+1 = (X n + U n )Z n, n < N. V N (x) = min E ν x(x 2 N + N 1 où le minimum est pris sur les stratégies ν n, 0 n < N, U k parcourant R. k=0 U 2 k ) 1. Montrer qu il s agit d un système dynamique aléatoire contrôlé. 2. Ecrire l algorithme de Bellman permettant de trouver V N. Il fait apparaitre la suite J 0, J 1,, J N avec J N (x) = x 2 et J 0 = V N. 3. Montrer qu on peut écrire, pour tout N > 0, si 0 n N, J n (x) = x 2 γ n où (γ n ) est une suite de réels (dépendant de N) qui vérifie γ n = φ(γ n+1 ) où φ(t) = t b + t, t R+, pour une constante b R que l on déterminera. 4. Déterminer la limite de V N (x) lorsque N +.

5 5 Université Pierre et Marie Curie Master M1 de Mathématiques, Modèles stochastiques et applications à la finance Partiel. 1 Mars 2013, Durée 2 heures Exercice 1 (4 pts) Soit ε n, n 0, une suite de variables aléatoires indépendantes de meme loi telles que P(ε k = 1) = P(ε k = 1) = 1/2. On pose F n = σ(ε 1,, ε n ) et F 0 = {, Ω}. Soit C n, n N, une suite de variables aléatoires à valeurs dans R, prévisible par rapport à la filtration {F n, n 0}. On pose M 0 = 0, D 0 = 0 et pour n 1, M n = n C k ε k D n = n Ck, 2 G n = Mn 2 D n 1. Montrer que M n est une martingale locale. 2. Déterminer un processus prévisible N tel que G n = (N M) n. Est ce que G n est une martingale locale? Exercice 2 (7 pts) On considère le système dynamique aléatoire controlé, pour 0 n N, X 0 = x X n+1 = X n + U n X n ε n avec 0 U n 1 et ε n { 1, 1} représentant les fortunes successives d un joueur qui mise la proportion U n de sa fortune à l instant n, et qui perd ou gagne sa mise lorsque ε = 1 ou 1. On suppose les variables aléatoires ε n, n = 0,, N 1, indépendantes et de même loi telles que P(ε n = 1) = p, P(ε n = 1) = 1 p et que 1/4 < p < 1/2 (le jeu est donc peu favorable). Ayant le gout du risque, le joueur cherche à maximiser E(XN 2 ). Décrire explicitement la stratégie optimale. Exercice 3 (8 pts) On considère un modèle markovien controlé usuel P n (u) (x, A), n N, u C, x E, A E

6 6 d espace d état (E, E), d espace de contrôles (C, C), de fonction de cout c k (x, u), x E, u C et de cout final γ(x), x E et l on cherche à minimiser N 1 E (U) x ( c k (X k, U k ) + γ(x N )) k=0 On suppose l espace Ω associé fini. Soit f n, 0 n N, une suite de fonctions sur E ayant les trois propriétés suivantes: (i) f N (x) = γ(x) pour tout x E. (ii) Pour toute politique (U n ), M n = n 1 k=0 c k(x k, U k ) + f n (X n ) est une sous martingale sous P (U) x. (iii) Il existe une politique (U n) pour laquelle M n est une martingale sous P (U ) x. 1. On regarde d abord un modèle markovien controlé particulier pour lequel E = C = R et X n+1 = X n + U n + ε n+1 où les v.a. ε k forment une suite de carré intégrable telle que, si F n = σ(ε 1,, ε n ) alors E(ε n+1 F n ) = 0, E(ε 2 n+1 F n ) = 1 et on suppose que c k (x, u) = x 2 + u 2 et γ(x) = x Montrer que, si a 0, pour x, u R u 2 + a(x + u) 2 a 1 + a x2 1.2 Montrer qu il existe deux suites a n, b n, 0 n N, telles que les fonctions f n (x) = a n x 2 + b n satisfont aux propriétés (i), (ii) et (iii). (On ne demande pas de les calculer). 2. On se place maintenant dans le cas général d un modèle markovien controlé. Montrer qu avec les notations du cours, si (J n ) est la suite fournie par l algorithme de Bellmann, et si (f n ) vérifie les propriétés (i), (ii) et (iii), alors f n (X n ) = J n (X n ) p.s. sous P (U ) pour tout n = 0,, N.

7 7 Université Pierre et Marie Curie Master M1 de Mathématiques, Modèles stochastiques et applications à la finance Partiel 28 Février 2014, Durée 2 heures Sans document ni téléphone portable Exercice 1 On considère un espace de probabilités (Ω, F, P) muni d une filtration F n, n N, contenue dans F. Pour tout processus X n, n 0, on pose pour n 1, X n = X n X n 1. Soit M n, n 0, une (F n ) martingale telle que M 0 = 0. On suppose que pour tout n 1, E(M 2 n F n 1 ) < +, p.s. On pose M 0 = 0 et pour n 1, M n = n E(( M k ) 2 F k 1 ). 1. Montrer que M 2 n M n, n 0, est une martingale locale. 2. Soit (H n ) un processus prévisible (fini p.s.). Montrer que H M n = n Hk M 2 k 3. On suppose que, pour tout n 0, E( H M n ) < +. Montrer que H M est une martingale. Exercice 2: Arrêt optimal avec certains arrêts interdits Soit N > 0 et X 0, X 1,, X N 1, X N des variables aléatoires indépendantes prenant deux valeurs 0 et 1 avec P(X n = 0) = p, P(X n = 1) = 1 p, 0 < p < 1. On cherche à s arrêter à l un des instants 0, 1,, N sachant qu on ne peut pas

8 8 s arrêter si n < N et X n = 1. S arrêter en n {0, 1,, N 1} (lorsqu on peut) p coûte N n. On peut toujours s arrêter en N, et le coût est alors de. Pour 1 p modéliser le fait qu on ne peut pas s arrêter quand X n = 1 et n < N, on associe à cet état le coût +. On emploie la notation a b = min(a, b). 1. Définir des applications f n : {0, 1} R + +, n = 0,, N, et une filtration (F n ) pour lesquels le problème se met sous la forme, pour Z n = f n (X n ), trouver inf{e(z τ ), τ temps d arrêt, τ N}. 2. On pose V N = Z N et, pour n < N, V n = min(z n, E(V n+1 F n ). a. Montrer que pour tout n = 1,, N, V n est indépendant de F n 1. b. Montrer qu un temps d arrêt optimal est donné par τ = inf{k 0; Z k E(V k+1 )} N. 3. A chaque entier r = 0, 1,, N on associe le temps d arrêt τ(r) = inf{k r; X k = 0} N où inf = +. Montrer qu il existe un entier r {0,, N} tel que τ = τ(r ) (on ne demande pas ici de calculer r, ce sera le but de la question 6). 4. On pose h(r) = E(Z τ(r) ). Montrer que si r < N, h(r) = (1 p)(n r) + ph(r + 1). 5. En déduire que, pour r = 0,, N, 6. Montrer que h(r) = N r pN r p r = max{r 0; p N r+1 < 1/2} N (on pourra calculer h(r 1) h(r)). Que dire si p 1/2? 7. (Hors barème) Vous partez en voiture dans une rue de longueur infinie. Les places sont numérotées 0, 1,. Vous allez chez des amis qui habitent devant la place N et cherchez à vous garer le plus près de chez eux. Vous ne pouvez pas faire demi tour, mais vous pouvez continuer à rouler et chercher une place après la place N. Marcher de la place au numero n à la place N coûte N n. Chaque place est occupée avec la probabilité p. Expliquez pourquoi les questions précédentes permettent de résoudre ce problème de façon optimale.

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

Le Modèle de taux de Ho-Lee - Pricing d obligation

Le Modèle de taux de Ho-Lee - Pricing d obligation Le Modèle de taux de Ho-Lee - Pricing d obligation Le modèle de Thomas S. Y. Ho et Sang-bin Lee [1] est un modèle simple de fluctuation de taux d intérêts. Il est utilisé sous l hypothèse d absence d opportunité

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous StatEnAction 2009/0/30 :26 page #27 CHAPITRE 0 Machines à sous Résumé. On étudie un problème lié aux jeux de hasard. Il concerne les machines à sous et est appelé problème de prédiction de bandits à deux

Plus en détail

Introduction aux modèles financiers

Introduction aux modèles financiers Notes pour le module spécifique Introduction aux modèles financiers Ecole Centrale de Lyon Option Mathématiques 1 2 Introduction Quelques références Pour comprendre les marchés financiers, avoir un apreçu

Plus en détail

Portefeuille - Probabilité risque neutre

Portefeuille - Probabilité risque neutre Portefeuille - Probabilité risque neutre Marché complet sans opportunité d arbitrage ½/ Actifs risqué et non risqué Constitution du portefeuille On notera F n l information dont on dispose à l instant

Plus en détail

IAE Master 2 Gestion de Portefeuille Année 2011 2012. Feuille 3 Pricing et couverture Modèles discret

IAE Master 2 Gestion de Portefeuille Année 2011 2012. Feuille 3 Pricing et couverture Modèles discret Université de Paris Est Créteil Mathématiques financières IAE Master 2 Gestion de Portefeuille Année 2011 2012 1. Le problème des partis 1 Feuille 3 Pricing et couverture Modèles discret Le chevalier de

Plus en détail

3.8 Introduction aux files d attente

3.8 Introduction aux files d attente 3.8 Introduction aux files d attente 70 3.8 Introduction aux files d attente On va étudier un modèle très général de problème de gestion : stocks, temps de service, travail partagé...pour cela on considère

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

Épreuve de mathématiques Terminale ES 200 minutes

Épreuve de mathématiques Terminale ES 200 minutes Examen 2 Épreuve de mathématiques Terminale ES 200 minutes L usage de la calculatrice programmable est autorisé. La bonne présentation de la copie est de rigueur. Cet examen comporte 7 pages et 5 exercices.

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

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

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

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Propriétés des options sur actions

Propriétés des options sur actions Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,

Plus en détail

5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre

5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre 5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre 0 et l échéance N. Définition 5.1. Une option américaine est définie par une suite (h n ) n=0..n,

Plus en détail

Problème de contrôle optimal pour une chaîne de Markov

Problème de contrôle optimal pour une chaîne de Markov Problème de contrôle optimal pour une chaîne de Markov cours ENSTA MA206 Il s agit de résoudre un problème d arrêt optimal pour une chaîne de Markov à temps discret. Soit X n une chaîne de Markov à valeurs

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

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage 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 détail

Exercices : VAR discrètes

Exercices : VAR discrètes Exercices : VAR discrètes Exercice 1: Une urne contient 2 boules blanches et 4 boules noires. On tire les boules une à une sans les remettre jusqu à ce qu il ne reste que des boules d une seule couleur

Plus en détail

L3-2014/2015 Mercredi 14 janvier Mathématiques Discrètes. Examen. Exercice 1.

L3-2014/2015 Mercredi 14 janvier Mathématiques Discrètes. Examen. Exercice 1. Examen Exercice 1. Soit N un entier naturel 2. On dispose de trois jeux de N cartes (numérotées de 1 à N), chaque jeu étant d une couleur différente : rouge, bleue et verte. On se propose de distribuer

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

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

TD 4 : HEC 2001 épreuve II

TD 4 : HEC 2001 épreuve II TD 4 : HEC 200 épreuve II Dans tout le problème, n désigne un entier supérieur ou égal à 2 On dispose de n jetons numérotés de à n On tire, au hasard et sans remise, les jetons un à un La suite (a, a 2,,

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 Le sujet est numéroté de 1 à 5. L annexe 1 est à rendre avec la copie. L exercice Vrai-Faux est

Plus en détail

Prix d options européennes

Prix d options européennes Page n 1. Prix d options européennes Une société française tient sa comptabilité en euros et signe un contrat avec une entreprise américaine qu elle devra payer en dollars à la livraison. Entre aujourd

Plus en détail

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

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

12/06/2012 INTRODUCTION

12/06/2012 INTRODUCTION Université Abdelmalek Essàadi Ecole Supérieure Normale - Martil - Réalisée par : - Noura ZEKKARI - Laila KARIM INTRODUCTION Une file d attente est le résultat d un système lorsque la demande pour un bien

Plus en détail

Processus aléatoires avec application en finance

Processus 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 détail

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

I. 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 détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail

Fiche de révision sur les lois continues

Fiche de révision sur les lois continues Exercice 1 Voir la correction Le laboratoire de physique d un lycée dispose d un parc d oscilloscopes identiques. La durée de vie en années d un oscilloscope est une variable aléatoire notée X qui suit

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles 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 détail

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Chapitre 3. Mesures stationnaires. et théorèmes de convergence Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée

Plus en détail

Espérances et variances

Espérances et variances [http://mp.cpgedupuydelome.fr] édité le 29 décembre 201 Enoncés 1 Espérances et variances Exercice 1 [ 04018 ] [Correction] Soit X une variable aléatoire discrète à valeurs dans [a ; b]. a Montrer que

Plus en détail

Baccalauréat L Amérique du Nord juin 2002

Baccalauréat L Amérique du Nord juin 2002 Baccalauréat L Amérique du Nord juin 2002 Durée : 3 heures LE CANDIDAT TRAITERA OBLIGATOIREMENT L EXERCICE ET L EXERCICE 2 ET AU CHOIX SOIT L EXERCICE 3 SOIT L EXERCICE 4. Une feuille de papier millimétré

Plus en détail

LA THÉORIE DES FILES D ATTENTE

LA THÉORIE DES FILES D ATTENTE LA THÉORIE DES FILES D ATTENTE Origine de la théorie de la fille d attente Cette théorie est une approche mathématique permettant d analyser les files d attente. Elle est basée sur l étude des équipements

Plus en détail

EXAMEN 14 janvier 2009 Finance 1

EXAMEN 14 janvier 2009 Finance 1 EXAMEN 14 janvier 2009 Durée 2h30 heures Exercice 1 On considère un modèle de marché de type arbre binomial à trois étapes avec un actif risqué S et un actif non risqué. On suppose S 0 = 1000$ et à chaque

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROBABILITÉS ONDITIONNELLES Exercice 01 On considère une roue partagée en 15 secteurs angulaires numérotés de 1 à 15. es secteurs sont de différentes couleurs. On fait tourner la roue qui s'arrête sur

Plus en détail

Mathématiques appliquées à la finance J. Printems Année 2008 09

Mathématiques appliquées à la finance J. Printems Année 2008 09 IAE Gustave Eiffel Master 2 Gestion de Portefeuille Université Paris xii Val de Marne Mathématiques appliquées à la finance J. Printems Année 2008 09 Épreuve du 15 juillet 2009 Durée : 1 heure 30 Calculatrices

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Jeffrey S. Rosenthal

Jeffrey S. Rosenthal Les marches aléatoires et les algorithmes MCMC Jeffrey S. Rosenthal University of Toronto jeff@math.toronto.edu http ://probability.ca/jeff/ (CRM, Montréal, Jan 12, 2007) Un processus stochastique Qu est-ce

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

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 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 détail

Canevas théoriques du projet sur le poker Partie A

Canevas théoriques du projet sur le poker Partie A Partie A Dans une partie de poker, particulièrement au Texas Hold em Limit, il est possible d effectuer certains calculs permettant de prendre la meilleure décision. Quelques-uns de ces calculs sont basés

Plus en détail

Mathématiques financières

Mathématiques financières Mathématiques financières Arnaud Triay Table des matières 1 Introduction Position du problème.1 Pricing des options........................................... Formalisme..............................................

Plus en détail

Sujet de Bac 2013 Maths ES Obligatoire & Spécialité - Pondichéry

Sujet de Bac 2013 Maths ES Obligatoire & Spécialité - Pondichéry Sujet de Bac 2013 Maths ES Obligatoire & Spécialité - Pondichéry Exercice 1 : 4 points Commun à tous les candidats Cet exercice est un questionnaire à choix multiples. Une réponse exacte rapporte 1 point.

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

TD 15-16-17 : Martingales et portefeuilles, modèles de Ho et Lee

TD 15-16-17 : Martingales et portefeuilles, modèles de Ho et Lee Université Paris VI Master 1 : Modèles stochastiques pour la finance (4M065) 2013/2014 TD 15-16-17 : Martingales et portefeuilles, modèles de Ho et Lee Dans toute cette feuille (sauf dans l exercice sur

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

Options, Futures, Parité call put

Options, Futures, Parité call put Département de Mathématiques TD Finance / Mathématiques Financières Options, Futures, Parité call put Exercice 1 Quelle est la différence entre (a) prendre une position longue sur un forward avec un prix

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE Mardi 26 juin 2012 MATHEMATIQUES durée de l épreuve : 4h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE Mardi 26 juin 2012 MATHEMATIQUES durée de l épreuve : 4h Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE Mardi 26 juin 2012 MATHEMATIQUES durée de l épreuve : 4h A. P. M. E. P. Le problème se compose de 4 parties. La dernière page sera à rendre avec

Plus en détail

Corrigé du baccalauréat STMG Métropole 18 juin 2015

Corrigé du baccalauréat STMG Métropole 18 juin 2015 orrigé du baccalauréat STMG Métropole 18 juin 215 Durée : 3 heures EXERIE 1 4 points Tous les ans, en août, Maïlys reçoit l échéancier (document indiquant le montant de sa cotisation annuelle) de sa mutuelle

Plus en détail

Autour de Perron, Frobenius et Markov

Autour de Perron, Frobenius et Markov Université Claude Bernard Lyon 1-2007/2008 Préparation Capes - Algèbre et Géométrie - Devoir à rendre le 12 février 2008 - Autour de Perron Frobenius et Markov Rappels et notations On note M mn (K) le

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

Lagrange, où λ 1 est pour la contrainte sur µ p ).

Lagrange, où λ 1 est pour la contrainte sur µ p ). Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i

Plus en détail

Absence d arbitrage et martingales

Absence d arbitrage et martingales ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Travail de diplôme Absence d arbitrage et martingales par Lionel Gomez Sanchez Sous la responsabilité du professeur Robert C. Dalang assisté du Dr. Benjamin Bergé

Plus en détail

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz Master Modélisation Statistique M2 Finance - chapitre 1 Gestion optimale de portefeuille, l approche de Markowitz Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté.

Plus en détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires Chapitre I Probabilités Bcpst 1 2 novembre 2015 I Exemples d expériences aléatoires Une expérience aléatoire est une expérience dont on ne peut pas prédire le résultat avant de l avoir réalisée... ce qui

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

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la

Plus en détail

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction

Plus en détail

Baccalauréat ES Polynésie 7 juin 2013

Baccalauréat ES Polynésie 7 juin 2013 Baccalauréat ES Polnésie 7 juin 2013 EXERCICE 1 Cet exercice est un questionnaire à choix multiples. Pour chaque question, une seule des quatre réponses proposées est correcte. Une réponse juste rapporte

Plus en détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire Variables aléatoires. Exemple 1. (Jeu d argent) Exemple 2. Loi de

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

TD 3 : Problème géométrique dual et méthode des moindres carrés

TD 3 : Problème géométrique dual et méthode des moindres carrés Semestre, ENSIIE Optimisation mathématique 4 mars 04 TD 3 : Problème géométrique dual et méthode des moindres carrés lionel.rieg@ensiie.fr Exercice On considère le programme géométrique suivant : min x>0,y>0

Plus en détail

Chapitre 9 Le modèle Cox-Ross-Rubinstein

Chapitre 9 Le modèle Cox-Ross-Rubinstein Chapitre 9 Le modèle Cox-Ross-Rubinstein Considérons un actif valant S 0 à la période initiale et qui, à chaque période, peut être haussier (et avoir un rendement u) avec une probabilité p ou baissier

Plus en détail

Dénombrement, opérations sur les ensembles.

Dénombrement, opérations sur les ensembles. Université Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 1 (du 16 au 20 septembre 2013) Dénombrement, opérations sur les ensembles 1 Combien de façons y a-t-il de classer

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite) Modèles de Markov et bases de données Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale

Plus en détail

BREVET BLANC DE MAI 2012

BREVET BLANC DE MAI 2012 COLLEGE GASPARD DES MONTAGNES BREVET BLANC DE MAI 2012 Ce sujet comporte 8 pages numérotées de 1/8 à 8/8, dont une feuille annexe à remettre avec la copie. L usage de la calculatrice est autorisé. Notation

Plus en détail

Baccalauréat ES Amérique du Nord 4 juin 2008

Baccalauréat ES Amérique du Nord 4 juin 2008 Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation

Plus en détail

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé Baccalauréat ES Centres étrangers 1 juin 14 - Corrigé A. P. M. E. P. Exercice 1 5 points Commun à tous les candidats 1. On prend un candidat au hasard et on note : l évènement «le candidat a un dossier

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

COUPLES DE VARIABLES ALÉATOIRES

COUPLES DE VARIABLES ALÉATOIRES CHAPITRE 13 COUPLES DE VARIABLES ALÉATOIRES Dans tout le chapitre, (Ω, P) désignera un espace probabilisé fini. 1 Couple de variables aléatoires Définition 13.1 On appelle couple de variables aléatoires

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12 Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Contrôle de statistiques Sujet 2 Corrigé

Contrôle de statistiques Sujet 2 Corrigé Contrôle de statistiques Sujet 2 Corrigé L2 d économie - Université Paris 1 Panthéon-Sorbonne Nom : Prénom : Les exercices sont indépendants. Le barème est indicatif. L utilisation de documents, calculatrices,

Plus en détail

BREVET BLANC *** MATHEMATIQUES *** Année 2015

BREVET BLANC *** MATHEMATIQUES *** Année 2015 BREVET BLANC *** MATHEMATIQUES *** Année 2015 L orthographe, le soin, la qualité, la clarté et la précision des raisonnements seront pris en compte à hauteur de 4 points sur 40 dans l appréciation de la

Plus en détail

Capacité 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 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 détail

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

Plus en détail

Chaînes de Markov. Mireille de Granrut

Chaînes de Markov. Mireille de Granrut Chaînes de Markov Mireille de Granrut Quelques précisions à propos de ce cours : Préambule 1. Tel que je l ai conçu, le cours sur les chaînes de Markov interviendra dès la rentrée, pour faire un peu de

Plus en détail

Recherche Opérationnelle:

Recherche Opérationnelle: Recherche Opérationnelle: Programmation dynamique, chaînes de Markov, files d attente Cours de Tronc Commun Scientifique FICM 2A Notes de cours et exercices corrigés Frédéric SUR sur@loria.fr http://www.loria.fr/

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

Exercice 1 Métropole juin 2014 5 points

Exercice 1 Métropole juin 2014 5 points Le sujet comporte 6 pages. Seule l annexe est à rendre avec la copie. BAC BLANC MATHÉMATIQUES TERMINALE STMG Durée de l épreuve : 3 heures Les calculs doivent être détaillés. Les calculatrices sont autorisées,

Plus en détail

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux - - Facteurs agissant sur les flux Les modèles pour les SP Les réseaux de files d attente 1 Facteurs agissant sur les flux Au niveau physique : L implantation Le nombre de machines Automatisation (robots,

Plus en détail

Martingales, arbitrage et complétude

Martingales, arbitrage et complétude Chapitre 5 Martingales, arbitrage et complétude La notion de martingale joue aujourd hui un rôle central en finance mathématique 1 ; elle était déja présente dans la thèse de Louis Bachelier en 1900 mais

Plus en détail

Calcul stochastique appliqué à la finance. Romuald ELIE & Idris KHARROUBI

Calcul stochastique appliqué à la finance. Romuald ELIE & Idris KHARROUBI Calcul stochastique appliqué à la finance Romuald ELIE & Idris KHARROUBI . Table des matières 1 Notion d arbitrage 5 1.1 Hypothèses sur le marché............................ 5 1.2 Arbitrage....................................

Plus en détail

Le marché boursier. Tour d horizon sur les thèmes théoriques.

Le marché boursier. Tour d horizon sur les thèmes théoriques. Le marché boursier Tour d horizon sur les thèmes théoriques. 1 Introduction : objectifs Têtes de chapitres : A - Coordination inter-temporelle et valorisation des actions: Aa - Valeur fondamentale : Fluctuations

Plus en détail

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65 Sommaire Chapitre 1 Variables et vecteurs aléatoires............... 5 A. Généralités sur les variables aléatoires réelles.................... 6 B. Séries doubles..................................... 9

Plus en détail

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) L attention des candidats est attirée sur le fait que la qualité de la rédaction, la clarté et la précision des raisonnements

Plus en détail