Modèle de Heston. Pricing d options européennes et calibration. G. BLANCHET, M. ELACHECHE, E. JEANGIRARD, K. SALEH Tuteur : Adel Ben Haj Yedder
|
|
- Sabine Chénier
- il y a 8 ans
- Total affichages :
Transcription
1 Modèle de Heston Pricing d options européennes et calibration G. BLANCHET, M. ELACHECHE, E. JEANGIRARD, K. SALEH Tuteur : Adel Ben Haj Yedder Projet de département IMI En partenariat avec Natexis 21 juin 2007
2 Motivation Mise en équation Pricing de vanilles Améliorations Le modèle de Black-Scholes est incapable de reproduire le aaaaaaaaa smile de marché
3 Motivation Mise en équation Pricing de vanilles Améliorations Le modèle de Black-Scholes est incapable de reproduire le aaaaaaaaa smile de marché Vol. implicite Strike
4 Motivation Mise en équation Pricing de vanilles Améliorations Le modèle de Black-Scholes est incapable de reproduire le aaaaaaaaa smile de marché Vol. implicite Strike Nouveaux modèles : Dupire, Heston...
5 Motivation Mise en équation Pricing de vanilles Améliorations Modèle de Heston (1993) ds(t) = µ(t)s(t)dt + v(t)s(t)dz 1 dv(t) = κ(θ v(t))dt + σ v(t)dz 2 avec dz 1, dz 2 = ρdt où S est le prix du stock, et v sa variance
6 Motivation Mise en équation Pricing de vanilles Améliorations Pour obtenir l EDP vérifiée par le prix d une option, on construit le portefeuille suivant : Π = V S 1 V 1
7 Motivation Mise en équation Pricing de vanilles Améliorations Pour obtenir l EDP vérifiée par le prix d une option, on construit le portefeuille suivant : Π = V S 1 V 1 En calculant dπ avec Itô, et en écrivant par AoA que dπ = rπdt, on obtient : = V V / v V S 1 V 1 / v S 1 = V / v V 1 / v
8 Motivation Mise en équation Pricing de vanilles Améliorations On obtient finalement l EDP : V t vs2 2 V S 2 + ρσvs 2 V v S σ2 v 2 V V + rs v 2 S rv V [ ] κ(θ v) λv = 0 v
9 Motivation Mise en équation Pricing de vanilles Améliorations Nous cherchons à présent à résoudre l EDP précédente dans le cas d un call européen de strike K et d échéance T. On cherche une solution de la forme C(S, v, t) = SP 1 Ke r(t t) P 2
10 Motivation Mise en équation Pricing de vanilles Améliorations Nous cherchons à présent à résoudre l EDP précédente dans le cas d un call européen de strike K et d échéance T. On cherche une solution de la forme C(S, v, t) = SP 1 Ke r(t t) P 2 En l injectant dans l EDP, en utilisant une méthode par transformée de Fourier, on obtient : P j = [ ] + e iφln(k ) f j Re dφ π iφ 0
11 Motivation Mise en équation Pricing de vanilles Améliorations Une amélioration classique du modèle de Heston consiste à ajouter des sauts sur la dynamique du sous-jacent : c est le modèle de Bates.
12 Motivation Mise en équation Pricing de vanilles Améliorations Une amélioration classique du modèle de Heston consiste à ajouter des sauts sur la dynamique du sous-jacent : c est le modèle de Bates. Le nombre de paramètres passe alors de 5 à 8.
13 Motivation Optimisation Le modèle de Heston donne la prime d une option d échéance T et de strike K à partir des paramètres p = (ρ, κ, θ, v 0, σ).
14 Motivation Optimisation Le modèle de Heston donne la prime d une option d échéance T et de strike K à partir des paramètres p = (ρ, κ, θ, v 0, σ). Or ces paramètres sont des donnnées du marché et la calibration consiste à déterminer de tels paramètres
15 Motivation Optimisation Le modèle de Heston donne la prime d une option d échéance T et de strike K à partir des paramètres p = (ρ, κ, θ, v 0, σ). Or ces paramètres sont des donnnées du marché et la calibration consiste à déterminer de tels paramètres But de la calibration Etre capable de pricer n importe quelle option exotique
16 Motivation Optimisation Problème de minimisation On cherche p R 5 tel que : p = arg inf p R 5 m i=1 (H(X i, p) C i ) 2 où H i et C i sont respectivement le prix simulé par le modèle de Heston et le prix observé sur le marché d une option i.
17 Motivation Optimisation Problème de minimisation On cherche p R 5 tel que : p = arg inf p R 5 m ω i (H(X i, p) C i ) 2 i=1 où H i et C i sont respectivement le prix simulé par le modèle de Heston et le prix observé sur le marché d une option i. On prend pour ω i le vega de l option i
18 Motivation Optimisation Etant donné un certain nombre de paires de données (t i, y i ), on cherche le paramètre p de la fonction f (t, p) qui minimise la somme des carrés des déviations : ou encore, m S(p) = [y i f (t i, p)] 2 i=1 S(p) = (f (t, p) y) 2
19 Motivation Optimisation Etant donné un certain nombre de paires de données (t i, y i ), on cherche le paramètre p de la fonction f (t, p) qui minimise la somme des carrés des déviations : ou encore, m S(p) = [y i f (t i, p)] 2 i=1 S(p) = (f (t, p) y) 2 Algorithme de Levenberg-Marquardt L algorithme de Levenberg Marquardt est un mélange entre l algorithme de Gauss-Newton et l algorithme de descente de gradient.
20 Motivation Optimisation L algorithme de Gauss-Newton p n = p n 1 H 1.d avec d = (f (t, p n 1 ) y)( f (t, p n 1 )) H = ( f (t, p n 1 ))( f (t, p n 1 )) T approx de la hessienne de S en p n 1
21 Motivation Optimisation L algorithme de Gauss-Newton p n = p n 1 H 1.d avec d = (f (t, p n 1 ) y)( f (t, p n 1 )) H = ( f (t, p n 1 ))( f (t, p n 1 )) T approx de la hessienne de S en p n 1 Algorithme qui fonctionne bien si S est quasi-quadratique i.e. si f est quasi-linéaire
22 Motivation Optimisation L algorithme de descente de gradient p n = p n 1 θ n 1 S(p n 1 ) ( ) θ n 1 = argmin S p n 1 θ S(p n 1 ) θ
23 Motivation Optimisation Algorithme de Levenberg-Marquardt ( 1.d p n = p n 1 H + λi)
24 Motivation Optimisation Algorithme de Levenberg-Marquardt ( 1.d p n = p n 1 H + λi) Lorsque λ est petit, cette équaton est équivalente à p n = p n 1 H 1.d
25 Motivation Optimisation Algorithme de Levenberg-Marquardt ( 1.d p n = p n 1 H + λi) Lorsque λ est petit, cette équaton est équivalente à p n = p n 1 H 1.d Lorsque λ est grand, cette équation est équivalente à p n = p n 1 1 2λ S(t, p n 1)
26 Les objectifs du quant Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss Le travail du quant Trouver le "bon" prix de l option Fournir aux traders la façon optimale de se couvrir contre le risque Mettre en place l outil informatique de calcul
27 Cahier des charges Le modèle de Heston Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss Trois mots d ordre Précision Rapidité Ergonomie
28 Structure du projet Un module pour calculer les prix Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss Classe Option Classe BS Classe Heston Classe Bates
29 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss Paramètres d entrée Paramètres initiaux pour l optimisation Fichier contenant les données du marché Nombre maximal d itérations Paramètres de sortie Le module renvoie les paramètres ρ, κ, θ, v 0 et σ calibrés
30 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss On cherche à approcher l intégrale I(g) = 1 1 g(t)dt
31 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss On cherche à approcher l intégrale I(g) = par une expression de la forme J(g) = 1 1 g(t)dt N ω k g(t k ) k=1 où les (t k ) 1 k N [ 1, 1] sont appélés points de Gauss et les (ω k ) 1 k N sont appelés poids de Gauss.
32 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss Méthode de Gauss à N points : on choisit pour les (t k ) 1 k N, les N racines du polynôme de Legendre de degré N, d N L N = 1 2 N N! dt N (t2 1) N
33 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss Méthode de Gauss à N points : on choisit pour les (t k ) 1 k N, les N racines du polynôme de Legendre de degré N, d N L N = 1 2 N N! dt N (t2 1) N Et pour les (ω k ) 1 k N, on choisit ω k = 1 1 φ k (t)dt, k = 1...N où (φ k ) 1 k N est la base de Lagrange de P N 1 associée aux points (t k ) 1 k N.
34 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss On considère maintenant l intégration sur un segment [a, b] quelquonque avec un pas de discrétisation égal à h = b a n
35 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss On considère maintenant l intégration sur un segment [a, b] quelquonque avec un pas de discrétisation égal à h = b a n Précision des méthodes Méthode des rectangles précision en h
36 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss On considère maintenant l intégration sur un segment [a, b] quelquonque avec un pas de discrétisation égal à h = b a n Précision des méthodes Méthode des rectangles précision en h Méthode des trapèzes précision en h 2
37 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss On considère maintenant l intégration sur un segment [a, b] quelquonque avec un pas de discrétisation égal à h = b a n Précision des méthodes Méthode des rectangles précision en h Méthode des trapèzes précision en h 2 Méthode de Simpson précision en h 4
38 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss On considère maintenant l intégration sur un segment [a, b] quelquonque avec un pas de discrétisation égal à h = b a n Précision des méthodes Méthode des rectangles précision en h Méthode des trapèzes précision en h 2 Méthode de Simpson précision en h 4 Méthode de Gauss-Legendre à N points précision en h 2N
39 Influence de σ Le modèle de Heston Influence des paramètres Efficacité de la calibration Conclusion Influence de!!=0.2!=0.5!= Vol. implicite Strike
40 Influence des paramètres Efficacité de la calibration Conclusion Influence de v Influence de v 0 v 0 = v 0 =0.04 v 0 = Vol. implicite Strike
41 Influence de θ Le modèle de Heston Influence des paramètres Efficacité de la calibration Conclusion Influence de!!=0.01!=0.1!= Vol. implicite Strike
42 Influence de κ Le modèle de Heston Influence des paramètres Efficacité de la calibration Conclusion Influence de!!=0.1!=1!= Vol. implicite Strike
43 Influence de ρ Le modèle de Heston Influence des paramètres Efficacité de la calibration Conclusion Influence de!!=-0.5!=0!= Vol. implicite Strike
44 Influence des paramètres Efficacité de la calibration Conclusion Nombre d itérations nécessaires soit un temps de calcul d environ 30 min 700 Evolution de l erreur en fonction du nb. d itérations 600 Valeur de la fonction à minimiser Nb d itérations
45 Influence des paramètres Efficacité de la calibration Conclusion Nombre d itérations nécessaires soit un temps de calcul d environ 30 min En pratique, il est possible de le faire tomber à 3 min 700 Evolution de l erreur en fonction du nb. d itérations 600 Valeur de la fonction à minimiser Nb d itérations
46 Influence des paramètres Efficacité de la calibration Conclusion Nappe de volatilité Nappe simulée après calibration Nappe de marché Strike Echéance 2 0
47 Influence des paramètres Efficacité de la calibration Conclusion Nappe de volatilité Nappe de volatilité Nappe simulée après calibration Nappe de marché Nappe simulée après calibration Nappe de marché Strike Strike Echéance Echéance 2 0
48 Influence des paramètres Efficacité de la calibration Conclusion Superposition smile réel/smile calibré pour T = 3 mois Smile pour T = 3 mois Smile calibré Smile réel Strike
49 Influence des paramètres Efficacité de la calibration Conclusion Superposition smile réel/smile calibré pour T = 1 ans 0.4 Smile pour T = 1 Smile calibré Smile réel Strike
50 Influence des paramètres Efficacité de la calibration Conclusion Superposition smile réel/smile calibré pour T = 5 ans Smile pour T = 5 Smile calibré Smile réel Strike
51 Influence des paramètres Efficacité de la calibration Conclusion Superposition smile réel/smile calibré pour T = 15 ans Smile pour T = 15 Smile calibré Smile réel Strike
52 Influence des paramètres Efficacité de la calibration Conclusion Conclusion Une formule close pour les vanilla Nécessité de calibrer le modèle (implémentation) Bons résultats sur le smile à moyenne et longue échéance Améliorations à faire pour répliquer le smile court terme
53 Remerciements Nous tenons particulièrement à remercier Notre tuteur Adel BEN HAJ YEDDER, quant à Natixis Mohamed SBAI, doctorant au CERMICS Jean-Philippe PONS, chercheur au CERTIS
54 Nous sommes prêts à répondre à vos questions. 1 Le modèle de Heston Motivation Mise en équation Pricing de vanilles Améliorations 2 Motivation Optimisation 3 Les objectifs du quant Cahier des charges Structure du projet L intégration numérique par la méthode de Gauss 4 Influence des paramètres Efficacité de la calibration Conclusion
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 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 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 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 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 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 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 détailRésumé... 9... 10... 10... 10
Bibliographie 1 Table des matières Table des matières.................................... 3 Résumé............................................ 9........................................ 10........................................
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 détailHedging delta et gamma neutre d un option digitale
Hedging delta et gamma neutre d un option digitale Daniel Herlemont 1 Introduction L objectif de ce projet est d examiner la couverture delta-gamma neutre d un portefeuille d options digitales Asset-Or-Nothing
Plus en 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 détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en 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 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 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 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 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 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 détailEstimation du coût de l incessibilité des BSA
Estimation du coût de l incessibilité des BSA Jean-Michel Moinade Oddo Corporate Finance 22 Juin 2012 Incessibilité des BSA Pas de méthode académique reconnue Plusieurs méthodes «pratiques», dont une usuelle
Plus en 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 détailPratique des options Grecs et stratégies de trading. F. Wellers
Pratique des options Grecs et stratégies de trading F. Wellers Plan de la conférence 0 Philosophie et structure du cours 1 Définitions des grecs 2 Propriétés des grecs 3 Qu est ce que la volatilité? 4
Plus en détailEvaluation des options parlatransformée de Fourier
Evaluation des options parlatransformée de Fourier Bogdan Negrea Juin 00 y Abstract Le modèle de Black et Scholes a pour hypothèse la constance de la volatilité associée à la distribution risque-neutre.
Plus en 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 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 détailSwaps de volatilité et modélisation GARCH : Evaluation et application à l indice TMP du marché financier marocain
Swaps de volatilité et modélisation GARCH : Evaluation et application à l indice TMP du marché financier marocain Mohammed MRAOUA Ingénieur financier, actuaire Groupe OCP, Casablanca Décembre 2003 Résumé
Plus en détailPrésentation Salle des marchés. Centrale Lille Octobre 2007. Contacts: Matthieu MONLUN Responsable de la salle des marchés
Présentation Salle des marchés Centrale Lille Octobre 2007 Contacts: Matthieu MONLUN Responsable de la salle des marchés Jérôme CHANE Sales Fixed Income Tel: 03.20.57.50.00 Email: prenom.nom@calyon.com
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 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 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 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 détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
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 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 détailCampus. Les formations Finance active
Campus Les formations Finance active Gestion du risque de change 1. Négocier et traiter au mieux spots et termes S approprier les fondamentaux du risque de change - Déterminer sa position et son risque
Plus en détailCARACTERISTIQUES ET EVALUATION DES CONTRATS D OPTION. Finance internationale, 9ème éd. Y. Simon & D. Lautier
CARACTERISTIQUES ET EVALUATION DES CONTRATS D OPTION 1 Section 1. La définition et les caractéristiques d une option Section 2. Les déterminants de la valeur d une option Section 3. Les quatre opérations
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailL ÉVALUATION DES OPTIONS AVEC PRIME DE LIQUIDITÉ
L ÉVALUATION DES OPTIONS AVEC PRIME DE LIQUIDITÉ L ÉVALUATION DES OPTIONS AVEC PRIME DE LIQUIDITÉ Mondher Bellalah (Université du Maine) et Jean-Luc Prigent (Université de Cergy-Pontoise) 1 Résumé. Les
Plus en détail1 Introduction et modèle mathématique
Optimisation parallèle et mathématiques financières Optimisation parallèle et mathématiques financières Pierre Spiteri 1 IRIT ENSEEIHT, UMR CNRS 5505 2 rue Charles Camichel, B.P. 7122 F-31 071 Toulouse,
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
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 détailINTRODUCTION INTRODUCTION
INTRODUCTION INTRODUCTION Les options sont des actifs financiers conditionnels qui donnent le droit mais pas l'obligation d'effectuer des transactions sur des actifs supports. Leur intérêt réside dans
Plus en 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 détailMATHÉMATIQUES ET APPLICATIONS
MASTER 2 ème ANNÉE MATHÉMATIQUES ET APPLICATIONS Parcours Mathématiques du Risque et Actuariat ANNÉE UNIVERSITAIRE 2015 2016 1 PRESENTATION Le Master 2 Mathématiques du Risque et Actuariat a pour objectif
Plus en détailGuide WHS FX options. Commencer à trader les options FX. Prevoyez la tendance sur les marchés des devises ou couvrez vos positions avec les options FX
Commencer à trader les options FX Guide WHS FX options Prevoyez la tendance sur les marchés des devises ou couvrez vos positions avec les options FX Affinez votre style de trading et vos perspectives de
Plus en détailQuelques tests de primalité
Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars
Plus en détailTable des matières. l a r c i e r
Chapitre 1 Introduction... 1 1.1. Objectifs et structure du livre.... 1 1.2. Qu est-ce que la gestion de portefeuille?.... 2 1.3. Qu est-ce que «investir»?.... 3 1.4. Canalisation des flux d épargne et
Plus en 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 détailCalculer avec Sage. Revision : 417 du 1 er juillet 2010
Calculer avec Sage Alexandre Casamayou Guillaume Connan Thierry Dumont Laurent Fousse François Maltey Matthias Meulien Marc Mezzarobba Clément Pernet Nicolas Thiéry Paul Zimmermann Revision : 417 du 1
Plus en détailLES OPTIONS DE CHANGE DE SECONDE GÉNÉRATION : UN APERÇU
LES OPTIONS DE CHANGE DE SECONDE GÉNÉRATION : UN APERÇU En forte croissance depuis le début des années quatre-vingt, le marché des options sur devises s est enrichi, au début des années quatre-vingt-dix,
Plus en détailLa tarification d options
La tarification d options Proposition pour une approche déterministe Pierre Bernhard 1 Stéphane Thiery 2 Marc Deschamps 3 Nous proposons ici une théorie de la tarification d options sur la base d un modèle
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
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 I. Modélisation de processus et estimation des paramètres d un modèle
CHAPITRE I Modélisation de processus et estimation des paramètres d un modèle I. INTRODUCTION. Dans la première partie de ce chapitre, nous rappelons les notions de processus et de modèle, ainsi que divers
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 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 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 détailL essentiel des marchés financiers
Éric Chardoillet Marc Salvat Henri Tournyol du Clos L essentiel des marchés financiers Front office, post-marché et gestion des risques, 2010 ISBN : 978-2-212-54674-3 Table des matières Introduction...
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailProduits structurés. Sacha Duparc, Développement & Trading Produits Structurés 20.12.2013
Produits structurés Sacha Duparc, Développement & Trading Produits Structurés 20.12.2013 Importance du marché des produits structurés en Suisse Les produits structurés constituent une catégorie d investissement
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en détailCapital économique en assurance vie : utilisation des «replicating portfolios»
Capital économique en assurance vie : utilisation des «replicating portfolios» Anne LARPIN, CFO SL France Stéphane CAMON, CRO SL France 1 Executive summary Le bouleversement de la réglementation financière
Plus en détailManuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO
Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour
Plus en 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 détailLes techniques des marchés financiers
Les techniques des marchés financiers Corrigé des exercices supplémentaires Christine Lambert éditions Ellipses Exercice 1 : le suivi d une position de change... 2 Exercice 2 : les titres de taux... 3
Plus en détail2- Comment les traders gèrent les risques
2- Comment les traders gèrent les risques front office middle office back office trading échange d'actifs financiers contrôle des risques, calcul du capital requis enregistrement des opérations traitement
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailAssociation Française des Trésoriers d Entreprise
Association Française des Trésoriers d Entreprise La société et l équipe «LORE Finance» est une structure dédiée, spécialisée dans la gestion de Trésorerie pour les PME, PMI et Grandes Entreprises. Gestion
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailجامعة باجي مختار عنابة
6Bوزارة التعليم العالي والبحث العلمي Université Badji Mokhtar Annaba Badji Mokhtar University - Annaba 4BFaculté des Sciences 0BDépartement de Mathématiques جامعة باجي مختار عنابة 5BAnnée : 2012/2013 1BTHÈSE
Plus en 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 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 détailNote:... Q1 :... Q2 :... Q3 :... Q4 :... Bonus :... Total :...
FACUL S HAUS US COMMRCIALS L'UNIVRSI LAUSANN Professeurs :. Andrei C. Bobtcheff Matière : Principes généraux de finance Session : té Informations générales: o ocumentation autorisée. o Calculatrices autorisées
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 détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
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 détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en détailSimulation numérique d un stockage de déchets nucléaires en site géologique profond
Simulation numérique d un stockage de déchets nucléaires en site géologique profond Page 1 de 12 G. Allaire, M. Briane, R. Brizzi and Y. Capdeboscq CMAP, UMR-CNRS 7641, Ecole Polytechnique 14 juin 2006
Plus en détailH Soumaré : Rapport de stage Page 1
H Soumaré : Rapport de stage Page 1 Contents 1. Introduction :... 3 Remerciements :... 3 Présentation de l entreprise :... 5 2. Valorisation de l option asiatique... 9 2.1 Démarche :... 11 2.2 Complexité
Plus en détailLicence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB)
Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB) FICHE D IDENTITE DE LA FORMATION Domaine de formation : Sciences, Technologies, Santé Intitulé : Licence Sciences, Technologies,
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
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 détailNOMBRES COMPLEXES. Exercice 1 :
Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1
Plus en détailRenforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.
Master Mathématiques et Applications Spécialité : Ingénierie mathématique et modélisation Parcours : Mathématique et Informatique : Statistique, Signal, Santé (MI3S) 2015-2016 RÉSUMÉ DES COURS : (dernière
Plus en détailMonitoring continu et gestion optimale des performances énergétiques des bâtiments
Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL ESTIMATION ET PRÉVISION DE LA VOLATILITÉ DE L'INDICE S&P 500
UNIVERSITÉ DU QUÉBEC À MONTRÉAL ESTIMATION ET PRÉVISION DE LA VOLATILITÉ DE L'INDICE S&P 500 MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ADMINISTRATION DES AFFAIRES PROFIL RECHERCHE PAR
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailCOLLOQUE SUR LA RETRAITE ET LES PLACEMENTS AU QUÉBEC L INVESTISSEMENT GUIDÉ PAR LE PASSIF
COLLOQUE SUR LA RETRAITE ET LES PLACEMENTS AU QUÉBEC L INVESTISSEMENT GUIDÉ PAR LE PASSIF LE 20 NOVEMBRE 2014 Sébastien Naud, CFA, M.Sc. Conseiller principal L investissement guidé par le passif Conférenciers
Plus en détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détailGestion des Clés Publiques (PKI)
Chapitre 3 Gestion des Clés Publiques (PKI) L infrastructure de gestion de clés publiques (PKI : Public Key Infrastructure) représente l ensemble des moyens matériels et logiciels assurant la gestion des
Plus en détailRisque de défaut - Risque de crédit. Ecole Nationale des Ponts et Chausses
1 Risque de défaut - Risque de crédit Ecole Nationale des Ponts et Chausses Vivien BRUNEL - Benoît ROGER This version: September 23, 2009 2 Introduction Ces notes de cours représentent le support de cours
Plus en détailQu est-ce-qu un Warrant?
Qu est-ce-qu un Warrant? L epargne est investi dans une multitude d instruments financiers Comptes d epargne Titres Conditionnel= le detenteur à un droit Inconditionnel= le detenteur a une obligation Obligations
Plus en détailMesures de dépendance pour la séparation aveugle de sources. Application aux mélanges post non linéaires
Mesures de dépendance pour la séparation aveugle de sources. Application aux mélanges post non linéaires Sophie Achard To cite this version: Sophie Achard. Mesures de dépendance pour la séparation aveugle
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
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 détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détail