Méthodes de simulation exacte Application au pricing d options asiatiques. M. Sbai sous la direction de B. Jourdain
|
|
- Jérémie Bourgeois
- il y a 8 ans
- Total affichages :
Transcription
1 Méthodes de simulation exacte Application au pricing d options asiatiques M. Sbai sous la direction de B. Jourdain CERMICS-ENPC Colloque Jeunes Probabilistes et Statisticiens Aussois 28 M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 1 / 36
2 Plan 1 Méthodes de simulation exacte Algorithme de simulation exacte de Beskos et al. [1] Méthode de calcul exacte d espérances 2 Application : Pricing d options Asiatiques 3 Conclusion M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 2 / 36
3 En finance, pour calculer des prix d options ou des sensibilités, on peut se ramener au calcul de C = E(f (X T )) où X est la solution d une EDS. Si la loi de X T est inconnue ou difficilement simulable, on utilise des schémas de discrétisations (Euler, Milstein...). on fait de la simulation exacte (par exemple avec une méthode de rejet comme pour l algorithme de Beskos and al. [1]). Avantage d une méthode exacte : pas de biais de discrétisation M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 3 / 36
4 Plan 1 Méthodes de simulation exacte Algorithme de simulation exacte de Beskos et al. [1] Méthode de calcul exacte d espérances 2 Application : Pricing d options Asiatiques 3 Conclusion M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 4 / 36
5 Sans perte de généralité, on part de l EDS 1D suivante : { dxt = a(x t )dt + dw t X = x. (1) ( Si X a un coefficient de diffusion σ(.), faire le changement de variables Y t = η(x t ) avec η(x) = x 1. σ(u) du ). On note par (Wt x ) t [,T] le Brownien issu de x. Hypothèse 1 : [ t L t = exp a(wu)dw x u x 1 2 t ] a 2 (Wu)du x est une martingale. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 5 / 36
6 Donc QW x est a.c par rapport à Q X et dqx dqw x [ T = exp a(wu)dw x u x 1 T ] a 2 (W x 2 u)du Hypothèse 2 : a est continûment différentiable. Soit A une primitive du drift a. Grâce au lemme d Itô, on se débarrasse de l intégrale stochastique : dqx dqw x [ = exp A(WT) x A(x) 1 T ] a 2 (W x 2 u) + a (Wu)du x Hypothèse 3 : La fonction u exp(a(u) (u x)2 2T ) est intégrable. Soit h la densité définie par h(u) = Cexp(A(u) (u x)2 2T ). M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 6 / 36
7 On considère le processus Z qui a pour loi ( ) L (Wt x ) t [,T] WT x = y h(y)dy Alors dqx dqz QZ = R = dq X dqw x dqw x dqz où C est une constante de normalisation. [ = C exp 1 T ] a 2 (Z t ) + a (Z t )dt 2 Hypothèse 4 : La fonction φ : u a2 (u)+a (u) 2 est minorée. donc k R tel que dqx dqz T = Ce kt exp [ φ(z t ) k dt ]. } {{ } 1 M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 7 / 36
8 Principe de l algorithme Soit Z(ω) une réalisation du processus Z et soit M(ω) une borne supérieure de la fonction t φ(z t (ω)) k. Soient N P ( TM(ω) ) i.i.d et (U i, V i ) i=1...n U ( [, T] [, M(ω)] ) P (#{i N, V i φ(z Ui (ω)) k} = ) = exp [ T ] φ(z t (ω)) k dt M M T T Accept! Reject! M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 8 / 36
9 Hypothèse 5 : lim sup φ(u) < + ou lim sup φ(u) < +. u + u Par exemple, si on a lim sup φ(u) < + alors u + Algorithme de Beskos et al. [1] 1 Simuler Z T h. 2 Simuler m = min{z Z T }. 3 Fixer une borne supérieure M(m) = sup{φ(u) k; u m}. 4 Simuler N P ( TM(m) ) et (U i, V i ) i=1...n i.i.d U ( [, T] [, M(m)] ). 5 Simuler Z aux temps intermédiaires (U i ) i=1...n. 6 Calculer le nombre de points (V i ) i=1...n tel que V i φ(z Ui ) k. S il est égal à, accepter la trajectoire simulée Sinon, rejeter la trajectoire et recommencer. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 9 / 36
10 - Une trajectoire, une fois acceptée, peut être simulée à d autres temps intermédiaires sans de nouveaux tests d acceptation/rejet. - On peut remplacer le Brownien par n importe quel processus qui a une loi a.c par rapport à celle de X et qu on sait simuler de manière récursive. - L extension de l algorithme dans le cas de coefficients dépendant du temps ne pose pas de problèmes particuliers. - L hypothèse 5 peut être assez restrictive en pratique. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 1 / 36
11 Plan 1 Méthodes de simulation exacte Algorithme de simulation exacte de Beskos et al. [1] Méthode de calcul exacte d espérances 2 Application : Pricing d options Asiatiques 3 Conclusion M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
12 On cherche à calculer Sous les hypothèses 1 et 2, on a C = E C = E (f (X T )). ( [ f (WT) x exp A(WT) x A(x) 1 T ]) a 2 (Wt x ) + a (Wt x )dt. 2 Soient ρ une densité réelle et Z un processus qui a pour loi ( ) QZ = L (Wt x ) t [,T] WT x = y ρ(y)dy. R On a alors avec ψ : z C = E (z x) 2 ea(z) A(x) 2T 2πρ(z) ( [ T ]) f (Z T )ψ(z T ) exp φ(z t )dt et φ : z a2 (z)+a (z) 2. (2) M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
13 Un estimateur sans biais On se donne, conditionnellement à Z = (Z t ) t [,T], N p Z avec p Z une loi de probabilité sur N. (U i ) i N i.i.d q Z avec q Z une densité de probabilité sur [, T]. N et (U i ) i N indépendants et c Z R. ( [ ]) On suppose que (I.C) E f (Z T )ψ(z T ) e czt T exp c Z φ(z t ) dt < Lemma f (Z T )ψ(z T )e c ZT 1 p Z (N) N! est un estimateur sans biais de C. N i=1 c Z φ(z Ui ) q Z (U i ) M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
14 Preuve : ( ) (Z) = E f (Z T )ψ(z T )e c 1 N c ZT Z φ(z Ui ) Z p Z (N) N! q Z (U i ) ( i=1 ) T n + = f (Z T )ψ(z T )e c c Z φ(z t )dt ZT p Z (n) p Z (n) n! ( n= T ) = f (Z T )ψ(z T ) exp φ(z t )dt. - L idée remonte à Wagner [19] (début des années 9). - Indépendamment, Beskos et al. [2] et Fearnhead et al. [5] ont introduit deux versions particulières de cet estimateur : le Poisson estimator et le Generalized Poisson estimator. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
15 C est une extension de l algorithme de BPR : sous les hypothèses 3, 4 et 5, la condition d intégrabilité est vérifiée. Mieux encore, l estimateur est aussi de carré intégrable. Réduction de variance : Importance sampling : le choix du process Z est décisif. Le choix des paramètres p Z et q Z? Un cas simple : e ( T g(t)dt = 1 ) N g(u i ) E p(n) N! i=1 q(u i ) avec g : [, T] R. q opt (t) = g(t) T g(t) dt 1 [,T](t) et p opt (n) = Shifting : le paramètre c Z. ( T g(t) dt ) n n! e T g(t) dt M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
16 Plan 1 Méthodes de simulation exacte Algorithme de simulation exacte de Beskos et al. [1] Méthode de calcul exacte d espérances 2 Application : Pricing d options Asiatiques 3 Conclusion M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
17 Dans le modèle Black & Scholes, sous la probabilité risque neutre ds t S t = (r δ)dt + σdw t donc S t = S e σwt+γt avec γ = r δ σ2 2. Le prix d une option asiatique continue avec pour pay-off f : C = E ( e rt f ( 1 T T )) S u du Pas de formule fermée Numerical methods : Approximations analytiques (Turnbull et Wakeman [16], Vorst [18], Levy [12] et plus récemment Lord [13]). Méthodes d EDP (Vecer [17], Rogers et Shi [14], Ingersoll [8], Lelievre et Dubois [4]). Méthodes Monte Carlo (Kemna et Vorst [1], Broadie et Glasserman [3], Fu et al. [6], Lapeyre et Temam [11]). Méthode de transformée de Laplace (Geman et Yor [7]). M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
18 À priori, on a un problème bi-dimensionnel : avec S t = 1 t t S udu, on a { dst = S t ((r δ)dt + σdw t ) ds t = ( 1 t S t + St t )dt Mais, on peut faire un chgt de variables (Rogers et Shi [14]) pour se ramener à une dimension. On a besoin d un nouveau chgt de variables (problème en t = ) ξ t = S t e σ(wt Wu)+γ(t u) du t ξ = S. T T ξ T = 1 T S e σ(w T W T s )+γs ds et 1 S u du ont la même loi ( T C = E e rt f (ξ T ) ) (ξ t ) t [,T] est solution de { ( ) dξ t = ξ ξ t t dt + ξ t σdw t + (γ + σ2 2 )dt ξ = S. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
19 X t = log( ξ t ξ ) { dxt = σdw t + γdt + e X t 1 t dt X =. Difficulté : la singularité du drift en t = empêche X d avoir une loi a.c par rapport à la loi de W. On considère plutôt dz t = σdw t + γdt Z t t dt; Z = X =. (4) Lemma On a existence et unicité trajectorielle pour (3) et (4). De plus, (3) Z t = σ t t s dw s + γ t est solution de (4). 2 (Z t ) t [,T] est un processus Gaussian et Z T N ( γ σ2 2 T, 3 T). M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
20 Proposition [ t e Zs 1 + Z s L t = exp dw s 1 t ( e Z s ) Z s ds] σs 2 σs ( est une martingale. Par suite, C = E e rt f (S e Z ) T )L T Preuve : Par la L.L.I du mouvement Brownien, on montre que ɛ >, il existe un voisinage (aléatoire) de t = pour lequel Z t ct 1 2 ɛ et X t ct 1 2 ɛ. Donc, presque sûrement, t ( e Z s 1 + Z s ) 2 ds < and t σs ( e X s 1 + X s ) 2 ds <. σs On conclut grâce à l existence et l unicité trajectorielle des EDS (3) et (4). M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 2 / 36
21 Soit A(t, z) = 1 z + z2 2 e z σ 2. Par le lemme d Itô t T T e Zt 1 + Z t 1 Z t + Z2 t 2 A(T, Z T )= σ 2 dz t e Zt 1 e Zt t σ 2 t 2 dt + dt. 2t ( [ Enfin, C = E e rt f (S e Z T )e A(T,ZT) exp ]) T φ(t, Z t)dt avec φ(t, z) = e z 1 + z z2 2 σ 2 t 2 T + 1 ( e z + e z 1 + z e z 1 + z 2t σ 2 + γ z ). t 2t t t >, lim φ(t, z) = + et lim φ(t, z) = z z + M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
22 Une première conjecture Afin de traiter à la fois les calls et les puts, on a besoin de la condition d intégrabilité suivante (I.C) Conjecture ( E e A(T,ZT) rt (e Z T T + 1)e φ(t,zt) dt) <. Pour un call, ça implique que ( C = E e A(T,Z T) rt (S e Z T K) + 1 p(n) N! avec des distributions p et q bien choisies. N i=1 ) φ(u i, Z Ui ) q(u i ) M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
23 Choix des distributions p et q Pour construire des I.C., l estimateur doit être de carré intégrable. E e 2A(T,Z T) 2rT f 2 (S e Z T ) ( T ) φ 2 N (t,zt) dt q(t) p(n) 2 (N!) 2 <? C est faux pour le choix naïf d une distribution uniforme pour q : Lemma ɛ >, on a φ(t, Z t ) 2Z3 t 3σ 2 t 2 + Zt 2t = O(t ɛ ) p.s. Par suite, on a T φ 2 (t,z t) t a dt < p.s. si et seulement si a <. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
24 Preuve : Par un développement de Taylor et la L.L.I du Brownien : φ(t, Z t ) 2Z3 t 3σ 2 t 2 + Z t 2t = O(t ɛ ) Z t = σ t B t γ 2 t avec B un mvt Brownien std, donc il faut que = T ( 1 2 t a 3σ 2 t 2 (σ t B t 3 ) t (σ t B t )) 3 dt < p.s. 3 Changement de variables u = t3 3 = T B (3u) a+3 u du avec la loi de 3 ( ) 2 B u := u 1 2σ 3 B 3 3(3u) 5 u σ B 3 2(3u) 2 u indépendante de u. 3 Un lemme de Jeulin [9] : < p.s. ssi T du < ssi a <. (3u) a+3 3 M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
25 Réduction de variance Avec p = P(c P T) et q(t) = 1 2 t T 1 [,T](t) (φ 1 t au voisinage de ), δ = 1 m m e A(T,Zj T ) rt (S e Zj T K)+ e cpt c Z j T j=1 N j i=1 2 U j i ( ) c Z j φ(u j i, Zj Ui) j c p T Conditionnement : pour chaque trajectoire simulée Z j, on calcule 1 n n k=1 2 N j k i=1 ( ) U j i,k c Z j φ(u j i,k,zj U j ) i,k c p T au lieu de ( ) 2 U j N j i c Z j φ(u j i,zj U j ) i i=1 c p T Variable de contrôle : on peut utiliser e rt ( S e Z T K ) + comme variable de contrôle puisque Z T N ( γ 2 T, σ2 T 3 ). M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
26 Résultats numériques 1 m m N j φ(u j e A(T,Zj T ) rt (S e Zj T + 1) e c pt 2 U j i, Zj Ui) j i (5) c p T j=1 i= FIG.: Evaluation of (5) with respect to the number m of simulations M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
27 Résultats numériques 1 m m j=1 Nj e 2A(T,Zj T ) 2rT (S e Zj T + 1) 2 2cpT e i=1 4U j i φ 2 (U j i, Zj U j i) c 2 pt (6) FIG.: Evaluation of (6) with respect to the number m of simulations M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
28 Comparaison avec une méthode de Monte Carlo standard Method Price L.C.I at 95% N CPU E.C.E std s E.C.E opt s MC std (Trap) s MC opt (Trap+KV) s TAB.: Prix d un call asiatique avec différentes méthodes MC. Pour E.C.E std(sans réduction de variance), on a pris c p = 1. Pour E.C.E opt, on a pris c p = c T = 1 2T et n = 5. Pour la méthode MC std, le nombre de pas de discrétisation est de 5. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
29 Plan 1 Méthodes de simulation exacte Algorithme de simulation exacte de Beskos et al. [1] Méthode de calcul exacte d espérances 2 Application : Pricing d options Asiatiques 3 Conclusion M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
30 Ce qui a été fait : Extension de la méthode BPR pour le calcul d espérances. Prix MC d une option asiatique sans biais de discrétisation (un benchmark fiable). Méthode E.C.E compétitive pour le pricing d options sur αs T + β T S udu. Ce qui reste à faire : Trouver d autres techniques de réduction de variance pour le pricing des asiatiques. Une justification théorique des conditions d intégrabilité. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois 28 3 / 36
31 Merci pour votre attention! M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
32 Références I A. Beskos, O. Papaspiliopoulos, and Gareth O. Roberts. Retrospective exact simulation of diffusion sample paths. Bernoulli, 12(6), December 26. A. Beskos, O. Papaspiliopoulos, Gareth O. Roberts, and Paul Fearnhead. Exact and computationally efficient likelihood-based estimation for discretely observed diffusion processes. To appear in the Journal of the Royal Statistical Society, Series B. M. Broadie and P. Glasserman. Estimating security price derivatives using simulation. Management Science, 42(2) : , F. Dubois and T. Lelievre. Efficient pricing of asian options by the pde approach. Journal of Computational Finance, 8(2), 24. M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
33 Références II Paul Fearnhead, O. Papaspiliopoulos, and Gareth O. Roberts. Particle filters for partially observed diffusions. Working paper. Lancaster University., 26. M. Fu, D. Madan, and T. Wang. Pricing continuous asian options : a comparison of monte carlo and laplace transform inversion methods. Journal of Computational Finance, 2(2), H. Geman and M. Yor. Bessel processes, asian option and perpetuities. Mathematical Finance, 3(4), J.E. Ingersoll. Theory of Financial Decision Making. Rowman & Littlefield, M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
34 Références III T. Jeulin. Sur la convergence absolue de certaines intégrales. In Seminar on Probability, XVI, volume 92 of Lecture Notes in Math., pages Springer, Berlin, A. Kemna and A. Vorst. A pricing method for options based on average asset values. Journal of Banking and Finance, 14(1) : , 199. B. Lapeyre and E. Temam. Competitive Monte Carlo methods for pricing asian options. Journal of Computational Finance, 5(1), 21. E. Levy. Pricing european average rate currency options. Journal of International Money and Finance, 11(5) : , October M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
35 Références IV R. Lord. Partially exact and bounded approximations for arithmetic Asian options. Journal of Computational Finance, 1(2), 26. L. C. G. Rogers and Z. Shi. The value of an Asian option. J. Appl. Probab., 32(4) : , T. H. Rydberg. A note on the existence of unique equivalent martingale measures in a markovian setting. Finance and Stochastics, 1(3) : , S. Turnball and L. Wakeman. A quick algorithm for pricing european average options. Journal of Financial and Quantitative Analysis, 16 : , M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
36 Références V J. Vecer. A new pde approach for pricing arithmetic asian options. Journal of Computational Finance, 4(4), 21. T. Vorst. Prices and hedge ratios of average exchange rate options. International Review of Financial Analysis, 1(3) : , W. Wagner. Unbiased Monte Carlo evaluation of certain functional integrals. J. Comput. Phys., 71(1) :21 33, M. Sbai (CERMICS-ENPC) Simulation exacte et pricing d options asiatiques Aussois / 36
Probabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en 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 détailDIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002
Département d économie politique DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS Semestre d hiver 2001-2002 Professeurs Marc Chesney et François Quittard-Pinon Séance
Plus en 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 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 détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en 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 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 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 détailMéthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique
Méthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique Najed Ksouri To cite this version: Najed Ksouri. Méthodes d approximation
Plus en détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en 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 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 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 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 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 détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
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 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 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 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 détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
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 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 détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
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 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 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 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 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 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 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 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 détailRésumé... 9... 10... 10... 10
Bibliographie 1 Table des matières Table des matières.................................... 3 Résumé............................................ 9........................................ 10........................................
Plus en détailEquation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailMathématiques et finance
Mathématiques et finance Emmanuel Gobet (1) Gilles Pagès (2) Marc Yor (3) (1) Ensimag-INP Grenoble Laboratoire de Modélisation et Calcul UMR 5523. E-mail :emmanuel.gobet@imag.fr (2) Laboratoire de Probabilités
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
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 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 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 détail0 h(s)ds et h [t = 1 [t, [ h, t IR +. Φ L 2 (IR + ) Φ sur U par
Probabilités) Calculus on Fock space and a non-adapted quantum Itô formula Nicolas Privault Abstract - The aim of this note is to introduce a calculus on Fock space with its probabilistic interpretations,
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailUn modèle stochastique du taux d intérêt implicite en microcrédit
Un modèle stochastique du taux d intérêt implicite en microcrédit PHEAKDEI MAUK, MARC DIENER LABORATOIRE J.A. DIEUDONNÉ Dixième colloque des jeunes probabilistes et statisticiens CIRM Marseille 16-20 avril
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 détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
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 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 détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
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 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 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 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 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 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 détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailRapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs.
Rapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs. Auteurs : Hecht Frédéric, Porzier Rémi, Font Guillaume Cours «Risque de Crédit,
Plus en détailModèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
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 détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
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 détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
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 détailModélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr
Modélisation prédictive et incertitudes P. Pernot Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr Le concept de Mesure Virtuelle mesure virtuelle résultat d un modèle visant
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 détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailIncertitude financière, mesures de risque et préférences robustes
Incertitude financière, mesures de risque et préférences robustes Hans Föllmer Institut für Mathematik Humboldt-Universität zu Berlin Unter den Linden 6 10099 Berlin, Allemagne 1 Le rôle des mathématiques
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 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 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 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 détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
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 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 détailDécomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin
Décomposition de Föllmer-Schweizer explicite d un passif d assurance vie au moyen du calcul de Malliavin Mémoire présenté par Sébastien de Valeriola en vue de l obtention du master en sciences actuarielles
Plus en détailMesure et gestion des risques d assurance
Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailLicence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas.
Licence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas. M. Granger Table des matières 1 Rappels sur le cours d équations différentielles 2 1.1 Généralités..........................................
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 détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailOutilsMathematiques-L1-2004/2005-D.Brito.&G.Legaut.
OutilsMathematiques-L1-2004/2005-DBrito&GLegaut lapremiereseancedutp,soitlasemainedu22novembre2004 Lesreponsesauxquestions1a7sontarendresurpapierlorsde TPinformatiquen5 d'uneequationdierentielle: Resolutionnumerique
Plus en détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
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 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 détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailSéminaire RGE REIMS 17 février 2011
Séminaire RGE REIMS 17 février 2011 ADACSYS Présentation des FPGA Agenda Spécificité et différences par rapport aux autres accélérateurs Nos atouts Applications Approche innovante Document confidentiel
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
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 détailProcessus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus.
JF WALHIN* J PARIS* * Université Catholique de Louvain, Belgique Le Mans Assurances, Belgique RÉSUMÉ Nous proposons une méthodologie générale pour construire un système bonus-malus équilibré basé sur une
Plus en détailLe signal GPS. Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz
Le signal GPS Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz Deux signaux en sont dérivés: L1 (fo x 154) = 1.57542 GHz, longueur d onde = 19.0 cm
Plus en détailCapital Structure Arbitrage : Theory and Practice of Structural Models
: Theory and Practice of Structural Models Pierre GARREAU University Paris-1 Panthéon Sorbonne 9 Juillet 2008 P. Garreau Press Review Les Enjeux Mise en Bouche Définitions Press Review Volkswagen, Europe
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 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 détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détail