Evaluation d actifs financier et Arbitrage
|
|
- Sylvain Lapierre
- il y a 8 ans
- Total affichages :
Transcription
1 TD M1 Evaluation d actifs financier et Arbitrage Université Paris-Dauphine 1
2 Arbitrage Exercice 1 : Payoffs et stratégies Donner et tracer les payoffs à maturité des stratégies suivantes. Interprétez l utilisation de chaque stratégie : 1. Straddle: Achat d un Call et d un Put de même Strike K et de même échéance T..???: Vente d une action et achat de deux Calls de prix d exercice K. Quel nom lui donneriez vous? 3. Strangle: Achat d un Call et d un Put de même échéance et de strike différent. 4. Strip: Achat d un Call et de deux Puts de même échéance et de même strike K. 5. Strap: Achat de deux Calls et d un Put de même échéance et de même strike K. 6. Bull Spread: Achat d un Call de strike K 1 et vente d un Call de strike K > K 1 de même échéance. 7. Bear Spread: Achat d un Put de strike K 1 et vente d un Put de strike K > K 1 de même échéance. 8. Butterfly: Achat de deux Calls de strikes K + δk et K δk et vente de deux Calls de strike K. 9. Condor: Achat de deux Calls de strikes K 1 et K 4 > K 1, vente de deux Calls de strikes K = K 1 + δk et K 3 = K 4 δk avec K 1 < K < K 3 < K 4.
3 Exercice : Prix de call et de put On suppose qu il y a absence d opportunité d arbitrage sur le marché (AOA). On note B le prix en de l actif sans risque rapportant 1 à la date T. On note de même C et P les prix en d un call et d un put sur le sous jacent S de maturité T et de strike K. 1. Montrer par un raisonnement d arbitrage que: (S K B ) + C S. En déduire: (K B S ) + P K B 3. Montrer que le prix du call est décroissant par rapport au strike mais croissant par rapport à la maturité. 4. Qu en est-t-il du prix du put? Exercice 3 : Option Américaine 1. Montrer qu une option Américaine est plus chère qu une option Européenne.. Soit t [, T [ et S t le prix de l actif S à cet instant. On suppose que P (S T < K) > et P (S T > K) >. Soit B t le prix de l actif sans risque rapportant 1 à la date de maturité. Soit Ct e le prix d un call Européen acheté en t de prix d exercice K et de maturité T. Montrer que Ct e > max(, S t KB t ). 3. Montrer qu à tout instant, il vaut mieux vendre un call américain à son prix de marché que de l exercer. 4. En déduire qu un call Américain a la même valeur qu un call Européen. 3
4 Exercice 4 : Contrat forward sur devise On étudie sur l intervalle de temps [, T ] le marché de devises entre l euro et le dollar américain. Ce marché peut être schématisé de la manière suivante: 1. Dans l économie européenne, il existe un actif sans risque domestique de taux d intérêt continu r d. Son prix est normalisé en T et vaut donc Bt d = e r d(t t) e pour tout t [, T ].. Dans l économie américaine, il existe aussi un actif sans risque, de taux d intérêt continu r f. Son prix, exprimé en dollars, est normalisé en T et vaut donc B f t = e r f (T t) $ pour tout t [, T ]. 3. Pour obtenir 1 dollar, il faut débourser S t euros à la date t. 4. Enfin, sur le marché il existe des contrats forwards pour toute date t [, T ]. Un contrat forward contracté à la date t est déterminé par l échange de flux suivant: - Aucun échange de flux à la date d entrée t dans le contrat. - A l échéance T, on reçoit 1 $ contre F t e, montant fixé à la date d entrée t du contrat. 1. Soit t [, T ]. Donner le pay-off à la date T, en euros, en fonction de la valeur du taux de change S T, des portefeuilles suivants, constitué à la date t (1) Achat de B f t dollars. Ce montant est alors placé dans l actif sans risque de l économie américaine. Emprunt de F t Bt d euros (grâce à l actif sans risque domestique). () Contrat forward contracté à l instant t. En déduire, par un raisonnement d arbitrage, le prix F t en fonction de la valeur du taux de change S t à l instant t.. Donner le pay-off en euros à la date T du portefeuille constitué à partir d un contrat de prix forward F et de la vente à découvert à la date t du contrat de prix forward F t. En déduire par un raisonnement d arbitrage, la valeur en euro ft à la date t du contrat forward contracté en en fonction de F t et F, puis en fonction de S t et S. 4
5 Arbres Exercice 5 : Arbre binomial à une période On considère un marché à dates avec un actif risqué et un actif sans risque de dynamique: Actif sans risque: 1 15 Actif risqué: L actif risqué a une probabilité.75 de monter et.5 de descendre. 1. Décrire (Ω, F, P).. Donner la définition de la probabilité risque neutre. La calculer. 3. Calculer le prix d un call et d un put de strike Retrouver la relation de parité call put. Exercice 6 : Option lookback en modèle binomial à deux périodes On se place dans le cadre d un modèle binomial à trois dates: t =, t = 1 et t = avec r =.5, u = 1.1 et d =.95 et S = Représentez l arbre d évolution de l actif risqué.. Décrire Ω, F, F 1 et F. 3. Déterminez la probabilité risque neutre. 4. Quel est le prix d un call de strike 15 d échéance T =? 5. Déterminez le prix d une option lookback de payoff final: (S 1) + avec S t = Sup s t S s 5
6 Exercice 7 : Convergence du modèle Binomial vers le modèle de Black Scholes Considérons un marché financier, constitué d un actif sans risque R normalisé en t = et d un actif risqué S, ouvert sur la période de temps [, T ]. Divisons l intervalle de temps [, T ] en n intervalles [t n i, tn i+1 ] avec tn i := it n et plaçons nous dans le cadre d un modèle binomial à n périodes. Notons r n le taux d intéret de l actif sans risque, la valeur Rt n de l actif sans risque aux instants t = t n i est alors donnée par: R n t n i = (1 + r n ) i On note Xi n le rendement de l actif risqué entre les instants t n i 1 et tn i. On a alors sous la probabilité historique P n : P(X n i = u n ) = p n et P(X n i = d n ) = 1 p n On rappelle que le vecteur (X n 1,..., Xn n) est un vecteur de variables aléatoires indépendantes. Soit r et σ deux constantes positives, r n, d n et u n ont la forme suivante: r n = rt ( d n = 1 + rt ) q ( e σ T n u n = 1 + rt ) n n n e σ q T n 1. Représentez l arbre d évolution de l actif risqué dans le modèle.. Montrez que R n T converge vers ert lorsque n tend vers l infini. 3. Le marché vérifie t il l hypothèse d absence d opportunités d arbitrage? 4. Exprimez la valeur S n t n i de l actif risqué en t n i en fonction de S et de (X 1,..., X i ). 5. Donnez la dynamique du processus X n sous la probabilité risque neutre Q n. La probabilité Q n (X n i = u n ) sera notée q n dans la suite. 6. Vérifiez que l on a: q n 1 n n E Q n[ln(x n 1 )] n ) (r σ T n V ar Q n[ln(x1 n )] σ T n 7. Montrez à l aide des fonctions caractéristiques la convergence en loi suivante: n ) ] lnxi n loi [(r N σ T, σ T. n 8. En déduire que: S n T i=1 loi n S e r σ T + σ W T avec WT N (, T ) La dynamique de la limite est, comme vous le verrez, celle que l on supposera dans le modèle de Black & Scholes. 6
7 9. Ecrire sous forme d espérance le prix d un put de strike K et de maturité T dans le modèle binomial à n périodes. 1. En déduire que le prix du put converge lorsque n tend vers l infini vers: P := K e rt N ( d ) S N ( d 1 ) Avec N la fonction de répartition d une loi normale N (, 1), d 1 et d donnés par: d 1 := ln( S σ K ) + (r + )T σ T et d := d 1 σ T 11. Conclure en obtenant la formule de Black & Scholes donnant le prix du call: C := S N (d 1 ) K e rt N (d ) Exercice 8 : Duplication d un produit dérivé en modèle binomial à n périodes Suivre la démonstration distribuée en cours sur ce sujet. 7
8 Martingales Exercice 9 : Tranformée de Martingale Soit (S i ) i n une F-martingale et (H i ) i n un processus discret borné F-adapté. On définit le processus (M i ) i n par: M i := i H j 1 (S j S j 1 ) j=1 1. Montrez que le processus P est également une F-martingale.. Dans un modèle binomial à n périodes, si l actif risqué réactualisé est martingale sous la probabilité risque neutre, qu en déduire sur les stratégies autofinancantes de portefeuille simples? Exercice 1 : Martingales de carré intégrable Soit (M t ) t T une F-martingale de carré intégrable, i.e. telle que pour tout t, E[M t ] < 1. Montrez que, pour s t, on a: E[M t M s /F s ] = E[(M t M s ) /F s ]. En déduire que M t est une F-sousmartingale. Aurait on pu obtenir ce résultat plus rapidement? Exercice 11 : Limite L de variables aléatoires Gaussiennes Soit X n une suite de variables aléatoires réelles admettant pour lois respectives les lois normales N (m n, σn). Montrer que si X n converge dans L vers X, alors X N (m, σ ) avec m et σ les limites respectives des suites m n et σ n. 8
9 Mouvement Brownien Exercice 1 : Calcul d espérances Soit B un processus continu et F sa filtration naturelle. Soit S t = S exp [ (µ σ ] /)t + σb t. Calculer l espérance et la variance de S t. Exercice 13 : Martingales Soit (B t ) t est un Mouvement Brownien et F sa filtration naturelle, montrer que les processus suivants sont des F-martingales: (B t ) t ( Bt t ) t ( ) e σbt σ t t appelé Brownien Exponentiel. Exercice 14 : Caractérisation du Mouvement Brownien Soit B un processus continu et F sa filtration naturelle. Montrer que B est un mouvement Brownien si et seulement si, pour tout λ R, le processus complexe M λ défini par: est une F-martingale. Mt λ := e iλbt+ λ t Exercice 15 : Mouvements Browniens Soit (B t ) t un Mouvement Brownien. Montrez que les processus suivants sont également des Mouvements Browniens: ( 1 a B ) a t t (B t+t B t ) t Le processus défini par tb 1/t pour t > et prolongé par en t =. 9
10 Exercice 16 : Limite á l infini du Brownien L objectif de cet exercice est de montrer que Wt t converge presque sûrement vers lorsque t tend vers l infini. 1. Pourquoi la suite ( W n n )n N converge-t-elle presque sûrement vers lorsque n tend vers l infini?. Vérifier que pour t [n, n + 1], W t t W n n + sup t [n,n+1] W t W n. n ) 3. Pourquoi les variables aléatoires (X n = sup t [n,n+1] (W t W n ) sont-elles identiquement distribuées? n N Vérifier que X (sup t [,1] W t ) + (sup t [,1] W t ) et en déduire que E(X ). 4. Montrer que E ( ) n N Xn n < +. presque sûrement vers et conclure En déduire que la suite ( Xn n )n N converge Exercice 17 : Mouvement brownien? Soit Z une variable aléatoire de loi normale centrée et réduite. Pour tout t on pose X t = tz. Le processus stochastique X = {X t ; t } a des trajectoires continues et X t suit une loi normale N (, t). Est-ce un mouvement brownien? Exercice 18 : Transformée de Laplace Soit X N (µ, σ ). Pour chaque réel u R, on pose: ϕ(u) = E [ e u(x µ)]. Pour chaque u, calculer ϕ(u), ϕ (u), ϕ () (u) et ϕ (4) (u). En déduire E[(X µ) 4 ] = 3σ 4. Exercice 19 : Propriété de Markov Soit B un processus continu et F sa filtration naturelle. Pour toute fonction mesurable bornée f et t > s, exprimer E[f(B t ) F s ] en fonction de B s. 1
11 Exercice : Loi du logarithme itéré 1. Montrez que si X est une Normale centrée réduite, pour tout λ >, on a: P(X λ) 1 e λ πλ. En déduire que si W est un Mouvement brownien standard: W n lim 1 n log n n Pour information, un résultat dû à Paul Levy, nommé "loi du logarithme itéré" indique plus précisément que: W t lim = 1 t log t t Exercice 1 : Pont Brownien Soit (B t ) t R + un M.B.S. On définit un nouveau processus (Z t ) t 1 par : Z t = B t tb Montrer que (Z t ) t 1 est un processus gaussien indépendant de B 1.. Calculer la moyenne m t et la fonction de covariance K(Z s, Z t ) du processus (Z t ) t Montrer que Z t = Z 1 t a même loi que Z t. 4. Soit Y t = (1 t)b t 1 t défini pour t < 1. (a) Montrer que Y t tend vers presque sûrement lorsque t tend vers 1. (b) Montrer que le processus (Y t ) t 1 prolongé par en 1 a la même loi que (Z t ) t 1. 11
12 Exercice : Fourier Soient (Bt 1 ) t T et (Bt ) t T deux mouvements Browniens réels indépendants adaptés à la même filtration (F t ) t T. Soient (Ht 1 ) t T et (Ht ) t T deux processus (CADLAG) adaptés à F et vérifiant t [, T ], (Ht 1 ) + (Ht ) = Montrer que les intégrales stochastiques Hi sdb i s pour i = 1, sont bien définies pour tout t T.. On considère le processus (X t ) t T défini par t [, T ], X t = H 1 s db 1 s + H s db s. Montrer que (X t ) t T est une martingale pour la filtration F. Le processus X est-il continu? 3. On définit, pour tout u R, le processus (M u t ) t T par t [, T ], M u t = exp(iux t ) + u exp(iux s )ds. Montrer en utilisant la formule d Itô (on admettra sa validité sur les fonctions complexes) que (M u t ) est une martingale pour la filtration F. 4. En déduire la valeur de E[M u t ] pour t [, T ] puis une équation différentielle ordinaire vérifiée par f u : t E[e iuxt ] dont on explicitera une solution. 5. Soit t [, T ]. Quelle est la loi de la variable aléatoire X t? 6. On note, pour u R et s t T, Calculer φ u (s, s) et montrer que φ u (t, s) = E [ exp ( iu(x t X s ) ) F s ]. φ u (t, s) = 1 u s φ u (v, s)dv. Déterminer explicitement la fonction φ u. Remarquez que φ u n est pas aléatoire. 7. Montrer que le processus (X t ) t T est un mouvement Brownien. 1
13 Mouvement Brownien et Intégrale d Ito Dans tout ce qui suit, B désigne un mouvement brownien et F sa filtration naturelle. Exercice 3 : Zéros du mouvement brownien. Soient < t < t 1. On désigne par α la probabilité que B admette au moins un zéro dans l intervalle [t, t 1 ]: α = P( t ]t ; t 1 [, B t = ). Le but est de calculer explicitement la valeur de α. 1. Soit a R et X = (a + B t ) t. En utilisant la densité f T a du premier temps d atteinte de a par un mouvement brownien standard calculer P(inf s t X s ). f T a (x) = a πx 3 e a /(x) 1 {x>}. Soit a R. Montrer que la probabilité pour que B admette au moins un zéro dans [t ; t 1 ], sachant que B t = a, est donnée par: a π 1 t 1 x 3/ e a /(x) dx. 3. En déduire que: α = π arctan t1 t 1. Exercice 4 : Fonction caractéristique de l intégrale de Wiener. Soit σ(t) une fonction détérministe du temps telle que σ(s) ds < pour tout t > et soit X t = σ(s)db s. En utilisant la formule d Itô, montrer que la fonction caractéristique de X t (t fixé) est donnée par Que peut-on en déduire? E[e iuxt ] = exp{ u σ(s) ds}, u R. 13
14 Exercice 5 : Intégrale de Wiener Soit f telle que 1 f (t) dt est finie. On considère le processus (X t ) t [,1] défini par : X t = f(u) db u, où (B t ) t est un Mvt Brownien Standard et (F t ) sa filtration naturelle. 1. Montrer qu une limite dans L (Ω) d une suite de variable aléatoires Gaussienne est nécessairement Gaussienne.. En déduire que le processus (X t ) t [,1] est un processus Gaussien caractérisé par: ( cov f(s)db s, u g(s)db s ) = u 3. Montrer que X t est un processus à accroissements indépendants. 4. Quelle est la loi de X 1? f(s)g(s)ds Exercice 6 : Calcul de T B s db s On cherche à calculer T B s db s avec (B t ) t T un Mouvement Brownien standard. Pour tout entier n, considérons le processus défini sur [, T ] par: B n s := B i T n 1 ]i T n,(i+1) T n [(s) 1. Montrer que B est la limite dans L (Ω, [, T ]) du processus élémentaire B n.. En déduire que le processus T B s db s s écrit comme limite dans L (Ω) de: n 1 i= B i T n 3. Quelle est la limite dans L (Ω) de : 4. En déduire la valeur de: i= ( ) B (i+1) T B n i T n n 1 ( ) B (i+1) T B n i T n T B s db s Remarquez que le processus obtenu est, comme attendu, une martingale. 14
15 Exercice 7 : Théorème de Girsanov simplifié Soit (B t ) t T un mouvement brownien standard de filtration associée F = (F t ) t T. Soit θ R. On pose ( L t = exp θb t 1 ) θ t. a) Montrer que L est une (F, P)-martingale et que E[L t ] = 1 pour tout t T. b) Pour A F T, on pose P L T (A) := E P [L T 1 A ]. Pour tout t [, T ], montrer que P Lt est une probabilité. c) Montrer que pour tout A F t, P L T (A) = P Lt (A). d) Montrer la formule de Bayes suivante: pour toute v.a. Y L (P). E P L T [Y F t ] = E P[L T Y F t ] L t, t [, T ], e) On pose B t = B t θt pour tout t [, T ]. Montrer que pour tout s t, on a E P L T [ e iu(b t B s ) F s ] = E P L T [ e iu(b t B s ) ] = e u (t s). f) En déduire que B est un P L T -mouvement brownien standard de filtration F. Exercice 8 : EDS et brownien géométrique On s intéresse à la solution X t de l EDS: X t = On pose S t = exp ( (µ σ /)t + σb t ). (µx r + µ ) dr + (σx r + σ ) db r. 1. Ecrire l EDS dont S 1 t est solution.. Démontrer que: d(x t S 1 t ) = S 1 ( (µ σσ )dt + σ ) db t. t 3. En déduire une expression pour X t. 15
16 Exercice 9 : Sous-martingale Soit X t un processus adapté tel que X t = µ(r)dr + σ(r)db r, où on suppose que µ(t) p.s. pour tout t et que σ = (σ(t)) est adapté et tel que E[ σ(s) ds] < pour tout t >. Montrer que X est une sous-martingale. Exercice 3 : Mouvement brownien changé de temps. Considérons le processus X t = e t W e t 1, t. 1. Montrer que X est un processus gaussien centré. Calculer sa fonction covariance.. Justifier que que X t converge en loi vers une variable gaussienne dont on précisera les paramètres. 3. On souhaite montrer que X suit l équation différentielle stochastique X t = X s ds + B t, (1) pour un certain mouvement brownien B (construit à partir de W ). d abord montrer qu on peut écrire Nous allons W e t 1 = e t B t e s B s ds, t. () En fait, au lieu de construire B à partir de W (ce qui sera faisable plus tard dans le cours), nous allons construire W à partir de B. Pour cela, posons Y t = e t B t es B s ds, à identifier avec W e t 1 pour un certain W. (a) Prouver qu il suffit d établir que (Y t ) t et (W e t 1 ) t ont même fonction de covariance. (b) Établir l égalité des fonctions de covariance. (c) De (), déduire (1) (on calculera X t + X sds). Nous verrons dans la suite du cours que le processus X est un processus d Ornstein- Uhlenbeck, dont le rôle est central dans certains modèles de taux d intérêt (Vasicek, 1977). 16
17 Exercice 31 : Loi du sup du mouvement brownien. calculer la loi du couple (B t, sup s t B s ). Le but de cet exercice est de 1. Soit T un temps d arrêt borné. En utilisant le théorème d arrêt de Doob, montrer que pour z réel et u v E[e iz(b v+t B u+t ) F u+t ] = e z (v u)/.. En déduire que Bu T = B u+t B T est un F u+t -mouvement brownien indépendant de la tribu F T. 3. Soit (Y t ) t un processus aléatoire continu indépendant de la tribu F tel que E[sup s K Y s ] < +. Soit S une variable aléatoire bornée par K. Montrer que: E[Y S F] = E[Y t ] t=s. 4. On pose τ λ = inf{s ; B s > λ}. Démontrer que si f est une fonction borélienne bornée E [ [ f(b t )1 {τ t}] λ = E φ(t τ λ )1 {τ t}] λ, où φ(u) = E[f(B u + λ)]. En déduire que E [ [ f(b t )1 {τ t}] λ = E f(λ Bt )1 {τ t}] λ. 5. Montrer que si Bt = sup s t B s et si λ > : P(B t λ, Bt λ) = P(B t λ, Bt λ) = P(B t λ). En déduire que Bt suit la même loi que B t. 6. Démontrer que pour λ µ et λ : P(B t µ, Bt λ) = P(B t λ µ, Bt λ) = P(B t λ µ) et que si λ µ et λ : P(B t µ, Bt λ) = P(B t λ) P(B t µ). 7. Vérifier que la loi du couple (B t, B t ) est donnée par: 1 { y} 1 {x y} (y x) πt 3 exp ( (y x) ) dxdy. t 17
18 Formule d Ito Dans tout ce qui suit, B désigne un mouvement brownien et F sa filtration naturelle. Exercice 3 : Covariation quadratique & Formule d Intégration par partie La covariation quadratique entre processus X et Y est par définition: X, Y := 1 ( X + Y X Y ) 4 1. Montrer que l application (X, Y ) X, Y est bilinéaire.. Soient X 1 et X deux processus d Ito de la forme dxt i = ϕ i t dt + θt i dw t Montrer que la covariation quadratique entre X 1 et X est donnée par X 1, X t = θ 1 s θ s ds 3. Soient X et Y deux processus d Ito, démontrer la formule d intégration par partie: d(xy ) t = X s dy s + Y s dx s + d X, Y s Exercice 33 : Formule d Itô Soit (B t ) t, un M.B.S. Donner l équation différentielle stochastique vérifiée par les processus suivants: X t = exp(ct + αb t ) X t = Bt 1+t (X 1 t, X t ) = (cosh B t, sinh B t ) X t = e R t YsdBs 1 R t Y s ds Z t = ln ( Xt 1 X t ) avec X t satisfaisant dx t = X t (1 X t )db t Exercice 34 : Mouvement brownien géométrique Soit X = (X t ) t l unique solution de l EDS X t = X + α X r dr + σx r db r, c-à-d X est un mouvement Brownien géométrique (MBG). En outre, soit β une constante. Montrer que Y β aussi est un MBG dont on précisera le drift et le coefficient de diffusion. 18
19 Exercice 35 : Comparaison de Processus On suppose connue la fonction φ(a, T ) := P(W t at, t T ) avec W un Mouvement Brownien. Soient W 1 et W deux mouvements Browniens indépendants et dxt 1 = Xt 1 (µ 1 t dt + σt 1 dwt 1 ), dxt = Xt (µ t dt + σt dwt ). Calculer, en fonction de Φ, la quantité P(X 1 t X t, t T ). Exercice 36 : Processus d Ornstein-Ulhenbeck. Le processus d Ornstein-Ulhenbeck est l unique solution de l équation différentielle stochastique suivante dx t = cx t dt + σdw t ; On suppose que X est une variable aléatoire gaussienne indépendante de W. 1. En posant Y t = X t exp(ct), donner la forme explicite du processus (X t ).. Donner la loi de X t. Que vaut Cov(X s, X t )? 3. Trouver la loi de X telle que t, la loi de X t ne dépend pas de t (loi stationnaire). 4. Quelle est la loi limite de X t lorsque t +? 5. Montrer que Z t = exp(a X sdw s a t X s ds) est une martingale locale. 6. Soit U t = X t. Ecrire du t. 7. En déduire que X sdw s = 1 σ (X t X σ t) + c σ X s ds. 19
20 Exercice 37 : Etude d EDS. Soit l EDS dx t = bx t dt + db t, X = x. 1. On pose Y t = e t X t. Quelle est l EDS vérifiée par Y t? Exprimer Y t sous la forme Y t = y + f(r) db r où l on explicitera la fonction f.. Calculer E(Y t ) et E(Y t ). 3. Justifier que Y s ds est un processus gaussien. Calculer E[exp( Y u db u )]. 4. Exprimer Y t pour t > s sous la forme Y t = Y s + s g(u) db u où l on précisera la fonction g. Calculer E[Y t F s ] et Var(Y t F s ). 5. Calculer E[X t F s ] et Var(X t F s ). Exercice 38 : EDP Soit f une fonction bornée sur R. On désire résoudre le problème suivant : u t = 1 u x pour t > u(, x) = f(x) où u est une fonction de deux variables u(t, x), de classe C 1 en t et C en x. Cette équation modélise l évolution de la chaleur d un fil au cours du temps avec une condition initiale f à t =. Soit (B t ) t un M.B.S. 1. Soit u une solution du problème précédent et t >. Montrer, en utilisant la formule d Itô que M dèfini sur [, t] par M s = u(t s, x + B s ) est une martingale locale.. Montrer que M est une martingale. En déduire que pour tout t >, on a: u(t, x) = E[f(B t + x)]
21 Black Scholes Dans tout ce qui suit, B désigne un mouvement brownien et F sa filtration naturelle. Exercice 39 : Modèle de Black Scholes. On considére un actif risqué S obéissant à la dynamique suivante ds t = S t (µ dt + σ db t ) où µ, σ(> ) sont des constantes. 1. Ecrire la formule d Itô pour une fonction du type f(t, S t ). En déduire que S T suit une loi log-normale dont on précisera la moyenne et la variance.. Donner la moyenne et la variance de l actif S T sous la probabilité risque neutre. 3. Le payoff d un actif contingent de type européen est donné à la date T par la quantité 1/S T. Utiliser la probabilité risque neutre pour montrer que le prix à la date t < T de ce produit est donné par 1 S t exp ( (σ r)(t t) ). 4. Utiliser la formule d Itô et un argument d arbitrage pour déterminer l équation satisfaite par la valeur V (t, S t ) d une option européenne (ie de payoff de type P = g(s T )). 5. On suppose que les actifs distribuent des dividendes selon un taux continu q. r désigne le taux d intérêt continu de l actif sans risque. Montrer que la valeur V (t, S t ) d une option européenne satisfait l équation 1 σ S V V + (r q)s S S + V t = rv dont on précisera les conditions initiales. Exprimer le prix du call européen dans ce modèle. 1
22 Exercice 4 : Formule de Black Scholes Soit l équation différentielle stochastique : ds t = µs t dt + σs t db t, (3) où (B t ) t est un M.B.S. 1. Soit un réel r. On pose S t = e rt S t. (a) Montrer que S t vérifie une nouvelle équation différentielle stochastique. (b) Soit W t = B t + µ r σ t. Montrer qu il existe une probabilité P équivalente à la probabilité de départ P sous laquelle (W t ) t est un M.B.S. (c) Écrire que : d S t = σ S t dw t. En déduire que ( S t ) t est une martingale sous P et que : S t = S σ σwt e t.. On pose (x) + = max (x, ) et on désigne par E l espérance sous P. Soit K > et soit C = E ( e rt (S T K) + ). Montrer que : C = Ke rt Φ(d ) + S Φ(d 1 ), où Φ est la fonction de répartition de la loi normale centrée réduite, d 1 = et d = d 1 σ T. ln ( S K ) ) + (r + σ T σ T Exercice 41 : Symétrie Call Put Soit M une F- martingale telle que dm t = σm t dw t avec σ donné et M = Vérifier que M est strictement positive.. Déterminer la dynamique de Y défini par Y t = (M t ) Soit Q la probabilité définie par dq/dp = M. Déterminer la loi de Y sous Q. 4. Etant donné un strike K, montrer que l on a la relation ) + ] E P [ (M T K) +] = K E P [ ( 1 K M T
23 Exercice 4 : Changement de numéraire Soient S 1 et S deux processus d Itô donnés par { dst 1 = Yt 1 dt + Zt 1 db t dst = Yt dt + Zt db t avec B un mouvement Brownien de filtration naturelle F et Y 1, Y, Z 1 et Z des processus F-adaptés de L (Ω, [, T ]). Soient ϕ 1 et ϕ deux processus adaptés bornés. Considérons le processus: et supposons qu il satisfait la condition: X t = ϕ 1 t S 1 t + ϕ t S t dx t = ϕ 1 t ds 1 t + ϕ t ds t Montrer que pour tout processus d Itô U F-adapté, on a la relation: d(u X) t = ϕ 1 t d(u S 1 ) t + ϕ t d(u S ) t Comment traduire cette propriété en terme de stratégie de portefeuille? Exercice 43 : Moments de la solution de l EDS de Black Scholes Soit B un Mouvement Brownien Standard. Black Scholes: On considère l équation différentielle de ds t = S t (µdt + σdw t ) et S = x 1. Montrer que l unique solution de cette équation est : S t = x e µ σ t + σ W t. Calculer E[S t ]. 3. Pour α, déterminez l EDS vérifiée par S α t. 4. En déduire E[S α t ] pour α. 3
24 Pricing d Options Exercice 44 : Option sur moyenne Soit S le processus donné par ds t = S t (rdt + σdb t ),, S = 1, avec r, σ deux constantes et[ B un mouvement Brownien. On souhaite calculer C = E [(Z T S T ) + ] avec Z T := E 1 ] T T ln(s t)dt. Soit Q la probabilité définie par dq dp = e σb T σ T/. T 1. Montrer que e rt E P [ [ (ZT (Z T S T ) +] ) ] + = E Q 1 S T. Soit B t := B t σt. Ecrire Z T /S T sous la forme e αt R T β(t)d B t. 3. Déterminer K pour que le calcul de C se réduise au calcul de E [( S ] T K) + avec S un mouvement Brownien géométrique dont on précisera la dynamique. Exercice 45 : Produit forward-start On suppose que la dynamique du prix (en dollars) de l action américaine FAD, qui ne verse pas de dividendes, est donnée par: ( ) ds t = S t µ(t, St ) dt + σ(t) db t, où σ est une fonction déterministe du temps. Soit un call européen de date T écrit sur une action FAD et de type "forward-start", c est-à-dire que son strike n est pas connu à sa date de création (t = ) mais sera fixé égal à sa valeur S(T 1 ) de l action FAD observée à la date T 1 (< T ). Il sera donc à la monnaie en T 1 et vaudra en T (en dollars) (S T S T1 ) Dériver la formule (du type Black-Scholes) donnant le prix du call en T 1 tel que côté à New-York, en utilisant la notation τ = T T 1.. Calculer le prix du call en t = tel que côté à New-York. Pour ce faire, utiliser la propriété d homogénéité (de degré 1 en prix du support et en prix d exercice) de la valeur d une option, c est-à-dire C(S T1, S T1, τ) = S T1 C(1, 1, τ). 3. Donner l interprétation financière du résultat précédent. 4. Supposer que le prix d exercice fixé en T 1 est égal à ks T1 où k est une constante positive différente de 1 et recalculer le prix du call. 4
25 Exercice 46 : Options asiatiques Soit S t la solution de l EDS les paramètres r et σ étant constants. ds t = S t (r dt + σ db t ) ( 1. Soit K une constante. Montrer que le processus M t = E ( 1 ) T T S r dr K) + F t une martingale. est. Montrer que si l on pose Q t = St 1 ( K 1 t T S r dr ), on a ( M t = S t E ( 1 T S ) r dr Q t ) + F t. T S t ( 3. Soit u(t, x) = E ( 1 ( T S r T t S t dr x) + ). Montrer que u(t, x) = E et que M t = S t u(t, Q t ). t ( 1 T T t ) S r S t dr x) + F t 4. Ecrire la formule d Itô pour M et en déduire une équation aux dérivées partielles vérifiée par u. Exercice 47 : Réduction de variance par échantillonnage préférentiel. Soit G une gaussienne centrée réduite. 1. Pour f : R R une fonction bornée, vérifier que ( ) θ R, E f(g + θ)e θg θ = E(f(G)) (4). Vérifier que ( ) Var f(g + θ)e θg θ ( ) = v(θ) (E(f(G))) où v(θ) = E f (G)e θg+ θ. 3. On suppose désormais que P(f (G) > ) >. Montrer que pour a > suffisamment grand, P(f (G) > 1/a, G > a) > et en déduire que lim θ v(θ) = +. Montrer également que lim θ + v(θ) = +. Calculer v (θ) par dérivation sous le( signe espérance et) conclure à l existence d un unique θ R qui minimise θ Var f(g + θ)e θg θ. Soit (G i ) i 1 une suite de gaussiennes centrées réduites indépendantes. Proposer un estimateur de E(f(G)) préférable à 1 n n i=1 f(g i). 4. On( suppose que la fonction) f est C 1 à dérivée bornée. Quelle est la limite de f(g + θ)e θg θ f(g) lorsque θ tend vers? 1 θ En déduire que E(f (G)) = E(Gf(G)). Retrouver ce résultat directement. 5
26 Exercice 48 : Les options barrière: l EDP et l interprétation comme espérance. On suppose maintenant que les taux d intérêt sont constants et égaux à r, que l actif risqué suit une dynamique de type brownien géométrique décrite par S t = S exp((µ 1 σ )t + σw t ). Les options considérées ont pour échéance T. On considère le problème de la valorisation de l option barrière Down-In-Call (resp. Down- Out-Call) promettant à l échéance 1 τh T (S T K) + (resp. 1 τh >T (S T K) + ), avec τ H = inf{t : S t H}. Son prix à l instant sera noté simplement DIC(x, K, H) (resp. DOC(x, K, H)). 1. Par un raisonnement d arbitrage, montrer que les prix des différentes options sont reliés par la relation DIC(x, K, H) + DOC(x, K, H) = Call(, x, K).. Pour couvrir le DOC, nous cherchons un portefeuille autofinançant dont la valeur s écrit V t = v(t τ H, S t τh ) pour une certaine fonction régulière v. Déterminer l EDP satisfaite par v (attention aux conditions aux limites qui prennent en compte la barrière) ainsi que la couverture associée. 3. Calculer E(e rt τ H v(t τ H, S T τh )) et montrer que DOC(x, K, H) = E ( e rt 1 τh >T ( S ) T K) +, (5) où τ H = inf{t : S t H} et S t = S exp((r 1 σ )t + σw t ). 4. En déduire que DIC(x, K, H) = E ( e rt 1 τh T ( S T K) + ), (6) 6
27 Exercice 49 : Les options barrière: des formules explicites pour les prix. L objectif de cet exercice est de calculer explicitement DIC(x, K, H) à partir de l égalité (6), en exploitant simplement des relations de symétrie. Nous nous restreignons au cas regular (à savoir K > H) (à l opposé du cas reverse lorsque K H). 1. Que vaut DIC(x, K, H) lorsque x H? On suppose maintenant x > H.. Montrer la relation de symétrie Call-Put Call(t, Ke r(t t), x) = Put(t, xe r(t t), K) et d homogénéité (λ ) Call(t, λx, λk) = λcall(t, x, K), Put(t, λx, λk) = λput(t, x, K). 3. On suppose dans cette question que r =. (a) Justifier que ( S t ) t est une martingale et les prix des options pour ce cas-là seront notés Call M, DIC M, etc. (b) Montrer que DIC M (x, K, H) = Put M (x, H K )K H = CallM (H, K x H ). (c) En déduire une stratégie statique de couverture de l option DIC dans le cas r =. 4. Introduisons γ = 1 r σ. Supposons d abord que γ >. (a) Prouver qu on a S t = (M t ) 1/γ pour une certaine martingale log-normale M. (b) Considérons l option Binary DIC (resp. Binary Call) promettant à l échéance 1 τh T 1 ST K (resp. 1 ST K). Son prix vaut BinDIC(x, H, K) = E ( e rt ) 1 τh T 1 ST K (resp. BinCall(x, K) = E ( e rt 1 ST K) ). En passant par l intermédiaire de la martingale M, montrer ( x ) γ x K H BinDIC(x, H, K) = BinCall(H, K H H ). (c) En déduire que le prix de l option DIC est donné par la formule ( x DIC(x, H, K) = H ) γ 1 Call(H, K x H ). 5. Généraliser la formule précédente à toutes les valeurs de γ. 7
28 Modeles de Taux Exercice 5 : Le modèle de Vasiček pour le taux d intérêt On considère un marché financier où il existe une unique probabilité risque neutre Q qui rende tout actif réactualisé martingale. Sous cette probabilité neutre au risque Q, le taux d intérêt spot est décrit par la dynamique suivante dr t = (a br t ) dt + σdb t, (7) r = r où (B t ) t est un mouvement brownien standard, et où a, b, σ et r sont des constantes strictement positives. 1. Déterminez l EDS satisfaite par le processus X t = e bt r t.. Déterminez la solution X t, puis déduisez la solution r t de l EDS (7) 3. Vérifiez que la variable aléatoire r t suit une loi normale. Calculez sa moyenne et sa variance. On considère, dans ce marché, un zéro-coupon de maturité T. C est à dire une obligation qui verse à la personne qui la détient 1 unité monétaire à la maturité T. 4. Déduisez que le zéro-coupon est un produit dérivé particulier et donnez son pay-off à la date T. 5. En utilisant l évaluation neutre au risque, montrez que le prix à la date t du zérocoupon, noté P (t, T ), est égal à 6. Calculez explicitement P (t, T ). ( T ) ] P (t, T ) = E [exp Q r s ds F t t (8) 8
29 Exercice 51 : Stratégies autofinancées de zéro coupons. On considère le modèle de Heath Jarrow Morton : pour tout T > le taux instantané forward de maturité T est décrit par f(t, T ) = f(, T ) + µ f (s, T )ds + σ f (s, T )dw s, où σ f (, T ) est une fonction continue bornée. La fonction µ f (s, T ) est définie par T µ f (s, T ) = σ f (s, T )σf (s, T ), avec σ f (s, T ) := σ f (s, u)du. On admet que le prix au temps t T d un zéro coupon de maturité T est donné par Soit r t le taux instantané f(t, t) : r t = f(, t) + ( T ) B(t, T ) = exp f(t, s)ds. (9) t s σ f (s, t)σf (s, t)ds + σ f (s, t)dw s. (1) De (9) et (1) on peut déduire (l admettre... ) que, pour tout T, le processus (B(t, T ), t T ) résout l équation différentielle stochastique db(t, T ) = r t B(t, T )dt σf (t, T )B(t, T )dw t, B(T, T ) = 1. On se donne deux maturités T O et T avec T O < T. À chaque date t T O, une stratégie autofinancée consiste à acheter ou vendre une quantité Ht O de zéro coupons de maturité T O et une quantité H t de zéro coupons de maturité T telles que: (11) (i) Le portefeuille est autofinancé, c est à dire : si on note V t := Ht O B(t, T O ) + H t B(t, T ) la valeur au temps t du portefeuille, alors V t = V + H O θ db(θ, T O ) + H θ db(θ, T ). (ii) Les processus (Ht O ) et (H t ) sont tels que les intégrales stochastiques qui apparaîtront dans les calculs sont bien définies et sont des martingales. 9
30 1. L objectif est de caractériser les stratégies autofinancées. Pour t T O on définit le prix Forward B F (t, T ) du zéro coupon de maturité T par B F (t, T ) := B(t, T ) B(t, T O ). Montrer ( ) 1 1 d B(t, T O = ) B(t, T O ) (r tdt σf (t, T O 1 )dw t ) + B(t, T O ) σ f (t, T O ) dt, puis db F (t, T ) = B F (t, T )σ f (t, T O )(σ f (t, T O ) σ f (t, T ))dt+bf (t, T )(σ f (t, T O ) σ f (t, T ))dw t.. Soit V F t la valeur Forward du portefeuille définie par V F t := En appliquant la formule d Itô, montrer V t B(t, T O ). dv F t = H t db F (t, T ). Montrer que cette égalité s obtient aussi (et plus rapidement) par la technique du changement de numéraire. 3
31 Exercice 5 : Stratégie de couverture d options sur zéro coupon. On considère une option de maturité T O et de flux à l échéance égal à Φ(B(T O, T )), où Φ est une fonction donnée. 1. À l aide de (11) montrer que les processus ( ( B(t, T O ) exp et ( ( B(, T O ) exp 1 σ f (θ, T O ) dθ ) ) r θ dθ, t T O sont solutions de la même équation différentielle stochastique. σ f (θ, T O ) dw θ ), t T O ). Montrer que le processus défini pour t T O par est une martingale exponentielle. L t := B(t, T O ) exp( r θdθ)b(, T O ) 3. Considérer la probabilité forward risque neutre P F sur (Ω, F T O) définie par dp F dp = L T O. Montrer que, sous P F, les processus (B F (, T )) et (Vt F ) sont des martingales. 4. On suppose qu il existe une solution régulière π σf au problème parabolique π σf t (t, x) + 1 x (σf (t, T ) σ f (t, T O )) π σf (t, x) =, x π σf (T O, x) = Φ(x). Montrer V F t = π σf (t, B F (t, T )). Indication : on pourra commencer par vérifier V F t = E F [φ(b F (T O, T )) F t ] p.s. 5. Montrer que la stratégie de couverture de l option est H t = π σ f x (t, BF (t, T )), Ht O = π σf (t, B F (t, T )) H t B F (t, T ). 31
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 détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en 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 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 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 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 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 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 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 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 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 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 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 détailLISTE D EXERCICES 2 (à la maison)
Université de Lorraine Faculté des Sciences et Technologies MASTER 2 IMOI, parcours AD et MF Année 2013/2014 Ecole des Mines de Nancy LISTE D EXERCICES 2 (à la maison) 2.1 Un particulier place 500 euros
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 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 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 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 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 détailDérivés Financiers Options
Stratégies à base d options Dérivés Financiers Options 1) Supposons que vous vendiez un put avec un prix d exercice de 40 et une date d expiration dans 3 mois. Le prix actuel de l action est 41 et le contrat
Plus en détailOptions, 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 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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en 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 détailPropriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
Plus en 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 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 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 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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailCONCOURS 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 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 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 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 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 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 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 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 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 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 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 détailValorisation d es des options Novembre 2007
Valorisation des options Novembre 2007 Plan Rappels Relations de prix Le modèle binomial Le modèle de Black-Scholes Les grecques Page 2 Rappels (1) Définition Une option est un contrat financier qui confère
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailCours 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 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 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 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 détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
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 détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
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 détailIntroduction à la finance quantitative présenté par N. Champagnat IECL et INRIA
Introduction à la finance quantitative présenté par N. Champagnat IECL et INRIA Contents 1 Introduction aux marchés financiers 2 1.1 Rôle des marchés financiers......................... 2 1.2 Les différents
Plus en détailCouverture des risques dans les marchés financiers
énéral2.6.137 1 2 Couverture des risques dans les marchés financiers Nicole El Karoui Ecole Polytechnique,CMAP, 91128 Palaiseau Cedex email : elkaroui@cmapx.polytechnique.fr Année 23-24 2 Table des matières
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 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 détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
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 détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
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 détailThéorie Financière 2. Valeur actuelle Evaluation d obligations
Théorie Financière 2. Valeur actuelle Evaluation d obligations Objectifs de la session. Comprendre les calculs de Valeur Actuelle (VA, Present Value, PV) Formule générale, facteur d actualisation (discount
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 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 détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en 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 détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
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 détailProduits de crédit en portefeuille
Chapitre 6 Produits de crédit en portefeuille et défauts corrélés Dans ce chapitre, on étudie des produits financiers de crédit en portfeuille, notamment k th -to-default swap et CDOs (voir 1.2 pour une
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 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 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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en 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 détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
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 détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détail