One pager Décembre 2012 Vol. 4 Num. 011 Copyright Laréq 2012
|
|
- Tristan Michel
- il y a 8 ans
- Total affichages :
Transcription
1 Monte Carlo, par Jean Paul Tsasa et Yves Togba One pager Décembre 2012 Vol. 4 Num. 011 Copyright Laréq 2012 Évaluation du prix d un actif à l aide du processus brownien géométrique Dérivation du Modèle de Black Scholes et Application de la Méthode Monte Carlo Jean Paul Kimbambu, Tsasa Vangu 1 & Yves Togba Boboy 2 So about five minutes into my defense, Friedman says, well Harry I ve read this. I don t find any mistakes in the math, but this is not a dissertation in economics, and we cannot give you a PhD in economics for a dissertation that is not in economics. He kept repeating that for the next hour and a half. My palms began to sweat. At one point he says, you have a problem. It s not economics, it s not mathematics, it s not business administration, and Professor Marschak said, It s not literature. So after about an hour and a half of that, they send me out to the hall, and about five minutes later Marschak came out and said congratulations Dr. Markowitz. Résumé La prévisibilité des prix des actifs financiers, contrairement aux agrégats macroéconomiques, demeure un défi majeur pour l économiste compte tenu de leurs caractères volatiles. De ce fait, scrutant l'évaluation du prix des actifs financiers, l objet de ce papier est de confronter les prédictions issues de la formule Black Scholes aux résultats numériques extraits de simulations aléatoires de type Monte Carlo. Les résultats suggèrent, en dépit de la simplicité des réponses que le modèle Black Scholes apporte à la question de l évaluation en finance, qu il faudrait un grand nombre de simulations pour se rapprocher du prix d'option issu de la formule Black Scholes. Mots clés : mouvement brownien, modèle et Formule Black Scholes, Méthode Monte Carlo. Abstract Predictability of asset prices, unlike macroeconomic aggregates, remains a key challenge for the economist due to their volatiles characters. Therefore, analyzing the evaluation of financial asset price, the subject of this paper is to confront the predictions from the Black Scholes formula with the numerical results extracted from simulations of random Monte Carlo. The results suggest it would require a large number of simulations to approximate the option price from the Black Scholes formula. I. Introduction En finance, il est courant de mobiliser les équations différentielles stochastiques afin de modéliser les trajectoires erratiques des variables financières. Ainsi, ce papier présente, à l aide d une application standard, l implication d une de ces équations le mouvement brownien dans l évaluation des prix d actifs financiers. A l origine, le mouvement brownien décrivait un processus qui fut mis en évidence par le botaniste écossais Robert Brown (1828) en observant, en 1927, l irrégularité des mouvements des particules dans le pollen du Clarkia pulchellai. 1 Ph.D. candidate (sciences économiques) à l Université de Montréal et Chercheur au Laboratoire d Analyse Recherche en Economie Quantitative [LAREQ]. Mail : jean-paul.tsasa.vangu@umontreal.ca. 2 Master 2 au Centre Congolais Allemand de Microfinance/UPC et Aspirant Chercheur au Laboratoire d Analyse Recherche en Economie Quantitative [LAREQ]. Mail : yvestogba.boboy@gmail.com. 71
2 Certes, il a fallu attendre, notamment, les travaux sémantiques de Bachelier (1900), Samuelson (1972), Merton (1973) ou Black et Scholes (1973), pour voir le concept du mouvement brownien dépasser le cadre microscopique, et être transposé en Sciences économiques, plus spécifiquement, en Finance mathématique, comme support d analyse dans le modèle d évaluation des prix. L intérêt de cette transposition trouve ses fondements dans le fait que le mouvement brownien décrit les trajectoires de processus soumis à une infinité de chocs en des instants de temps relativement courts. La présentation de l application retenue dans le cadre de ce papier se fait en quatre sections. Nous montrons dans la première section l intérêt de la prévisibilité du prix d un actif financier. Dans la deuxième section, nous présentons le mouvement brownien et dérivons le modèle de Black Scholes. Dans la troisième section, nous expliquons succinctement les fondamentaux de la méthode Monte Carlo, avant de comparer, dans la dernière section, les résultats issus de simulations de Monte Carlo et de la formule de Black Scholes. Le programme de simulations sera réalisé avec le logiciel MatLab. II. Prévisibilité du prix d un actif financier L analyse économique, depuis notamment les incursions faites par Samuelson Merton (1969) et Samuelson (1972) et les travaux sémantiques de Black Scholes (1973) et Merton (1973), n a cessé d accorder une attention de plus en plus grande à la modélisation et à la compréhension de phénomènes caractérisant les marchés financiers. Bien que le lien entre Finance et les principaux secteurs économiques soit étroit, les différences caractéristiques entre variables financières et agrégats macroéconomiques, ont finalement conduit à l extraction de la Finance comme discipline spécifique et distincte de l économique. En effet, il suffit, par exemple, de constater que les prix des actifs financiers sont très sensibles à des intervalles de temps très réduits et généralement caractérisés par des mouvements densément volatiles, ce qui rend leur prévisibilité très délicate pour le modélisateur. Il s ensuit que la construction des modèles pouvant capter ces mouvements se fonde sur des considérations techniques spécifiques. Par exemple, pour le modèle classique considéré dans ce cadre d étude : (i) la modélisation de l aléa privilégie un mouvement brownien plutôt qu un processus gaussien ; (ii) l absence d opportunités d arbitrage est postulé en vue d obtenir de prix de non arbitrage car l on considère qu il n existerait pas de stratégies pouvant autoriser l acquisition de richesse certaine dans le futur avec un coût initial nul ; (iii) les marchés sont supposés complets mais on peut également modéliser un environnement caractérisé par de marchés imparfaits ; (iv) l existence et l unicité à équivalence près de la probabilité de risque neutre, découlant des (ii) et (iii), sont donc implicitement admises, c est à dire la prise de risque ne nécessite pas de primes compensatoires (probabilité martingale). Soit et un processus stochastique à deux instants t et t+1 et l information recueillie en date t. Le processus est une martingale lorsqu on a : Et par généralisation, on obtient : 72
3 Tous ces éléments du puzzle réunis permettent de procéder au calcul du prix futur et inconnu au temps t d un actif financier (évaluation des produits dérivés). La solution analytique à cette préoccupation a été fournie par le cas Black Scholes. III. Mouvement brownien et Dérivation du modèle Black Scholes Le mouvement brownien, caractérisant toutes trajectoires irrégulières, sert d input majeur dans la modélisation du prix des actifs financiers. La littérature distingue généralement deux types de mouvement brownien : standard et géométrique. Un mouvement brownien est standard, processus, lorsque : (i) est issu de l origine ; (ii) est une variable réelle de loi gaussienne centrée de variance ; (iii) les variables sont indépendantes ; (iv) la variable est indépendante de la tribu d passé avant t, Notons que l information connue à la date t, est croissante avec le temps et donc, apparait comme toute information qu on peut extraire de l observation des trajectoires de entre et t. Soit un mouvement brownien et sa filtration naturelle ou canonique 3, un mouvement brownien standard est donc : (i) un mouvement brownien par rapport à sa filtration naturelle ; (ii) une martingale et ses trajectoires sont continues et presque sûrement nulle part différentiables. Par ailleurs, remarquons que la filtration satisfait les conditions habituelles si elle est : (i) continue à droite, c est à dire ayant observé toute l information disponible jusqu à l instant t inclus, toute observation infinitésimale dans le futur n apporte rien de plus au contenu informatif actuel ; (ii) complète, en ce que l impossibilité de tour événement est connue à la date 0. En considérant un mouvement brownien, noté et deux constantes et le processus suivant : est dit brownien géométrique. Il est log normale, puisque par linéarisation, on a : Soit l espérance de la fonction avec un brownien issu de, on note : En notant par G, une variable aléatoire de la loi normale centrée réduite de moyenne nulle et variance unitaire, le calcul de donne : 3 Une filtration sur un espace probabilisé est une famille croissante de sous tribus de Si est un processus stochastique, la filtration naturelle est donc Pour les détails sur l espace probabilisé et la terminologie, lire Tsasa (2012, vol. 4, num. 002), disponible sur 73
4 Ainsi, on parvient à extraire le processus qui sert de support dans la modélisation du prix d un actif financier : il s agit du modèle de Black Scholes dont la résolution serait facilitée par l application du lemme de Kiyoshi Itô (1940). Remarquons que le rendement de l actif entre deux dates est donné par la différence des logarithmes des cours et obtenu par la variable gaussienne Techniquement, pour manipuler le mouvement brownien, on recourt généralement au processus d Itô, outil important, avec la formule d Itô, dans le traitement de processus stochastique. Un processus à valeurs dans l espace vectoriel est un processus d Itô (semi martingale) si l on peut le décomposer, pout tout instant du temps t, presque sûrement comme suit : A l effet d appliquer ce modèle dans l évaluation du prix des actifs financiers : (i) nous supposons que et sont constants, décrivant ainsi, respectivement, le taux de dérive du prix de l action et la volatilité du prix de l action ; (ii) nous posons le prix de l action sous jacente et le différentiel de la valeur et (iii) nous considérons comme un mouvement brownien géométrique et une variation temporelle continue. Ainsi, on obtient : Le problème, tel que présenté, est un problème continu ou exact. Sa résolution numérique à la section cinquième nécessitera donc, préalablement, une transformation permettant de déboucher à un problème discret ou approché. IV. Méthode Monte Carlo La méthode Monte-Carlo, introduite initialement par Nicholas C. Metropolis 4 en 1947, puis développée par Nicholas C. Metropolis et Stanislas M. Ulam 5 (1949), désigne les techniques et procédés stochastiques de calcul d une valeur numérique, à l aide d une classe d'algorithmes consistant à simuler, un grand nombre de fois, un échantillonnage aléatoire. On trouve également d autres noms associés au développement de cette méthode, notamment le physicien italien Enrico Fermi (prix Nobel de la physique en 1938) et le mathématicien américano hongrois John von Neumann. Cependant, il a fallu attendre 4 Physicien greco américain. En son honneur, le Prix Nicholas Metropolis est décerné chaque année par l American Physical Society. Le but de ce prix est de reconnaître une thèse de doctorat de recherche d'une qualité exceptionnelle et les réalisations en physique numérique et de favoriser de bonnes présentations écrites et oralse des résultats de recherche. 5 Mathématicien américain d'origine polonaise qui contribua au développement de la théorie qui a conduit à l invention de la bombe à hydrogène. 74
5 les travaux de Cox Ross (1976) et Boyle (1977) pour voir la méthode de simulation Monte Carlo être appliquée dans le calcul d évaluation du prix d actif et surtout, être incorporée dans la panoplie des outils de la finance computationnelle. Plus spécifiquement, en finance, la méthode de simulation de Monte Carlo a facilité l intégration, dans les prédictions et décision financières, d une approche statistique du risque. En effet, cela a été rendu possible puisqu elle parvient, par une pré affectation de distribution de probabilités, à isoler quelques variables d intérêt dans la prise de décision. En mobilisant les méthodes de Monte-Carlo, leurs inventeurs cherchaient à calculer notamment et plus facilement les intégrales à plusieurs dimensions. Il y a donc lieu d établir un lien entre Méthode Monte Carlo et prédiction de prix d une option. En effet, nous avons vu précédemment que le calcul du prix d une option correspond à la solution d une équation différentielle. Or le théorème de représentation de Feynman Kac établit une équivalence entre une équation différentielle et une espérance mathématique, et donc entre une équation différentielle et une intégrale 6. Il s ensuit donc que : En temps discret, la relation (10) donne une moyenne, notée Ainsi, l application de simulation de Monte Carlo consiste à la construction d un estimateur de On procède comme suit : (i) générer au hasard des réalisations de ; (ii) Dériver la valeur ; (iii) Déterminer l estimation de l intégrale ; (iv) évaluer la précision de cette estimation en déterminant l écart type non biaisé : D après la théorie de grands nombres, il vient que : et donc, l intervalle de confiance de l estimateur est : Dans la section suivante, nous nous proposons d exécuter un programme qui nous permettra de confronter les prédictions du prix issues des simulations et les prédictions obtenues à l aide de la formule fermée de Black Scholes. 6 Le lecteur intéréssé peut se rapporter à Tsasa (2012, vol. 4, num. 003) pour voir le procedé du calcul de l intégrale d une variable aléatoire et d une fonction de variable aléatoire. Voir dans 75
6 V. Evaluation du prix d un actif financier : Simulations de Monte Carlo et Formule de Black Scholes Nous proposons deux programmes exécutables sur MatLab pour réaliser notre évaluation. Le premier programme permet de vérifier, qu au fur et à mesure qu on accroit le nombre de simulations, la méthode de Monte Carlo fournit des résultats asymptotiques à ceux obtenus avec la formule de Black Scholes. Les données utilisées pour les applications sont reprises à l annexe. Le programme proposé se résume comme suit. %Importation des données et traitements primitifs s=importdata( C:\Users\HP 630\Desktop\Lareq\Data.xlsx'); n_lignes = size(donnees, 1); n_colonnes = size(donnees, 2); %Calcul des rendements MatriceRendements = log(donnees(2:end, :))-log(donnees(1:end-1, :)); MoyenneRendements = mean(matricerendements) Ecart_Rendements = std(matricerendements) var_covar = cov(matricerendements) %Simulation : Evaluation à l européenne function SimulationMatrice = data(s0, r, vol, T, nsim, K) ; RendementsSimules = (r - (vol^2)/2)*t+vol*sqrt(t)*randn(nsim, 1); SimulationMatrice = S0*exp(RendementsSimules); %Test pour prouver que le prix d'une option est le même selon Black-Scholes PrixBS = blsprice(s0, K, r, T, vol, 0) Payoff = max(simulationmatrice - K, 0); PrixSimule = exp(-r*t)*mean(payoff) Le deuxième programme propose une évaluation pas à pas. % Simulation pas à pas function MatriceSimulation = data2v2(s0, r, vol, T, nsim, npas) dt = T/npas; MatriceSimulation = zeros(nsim, npas+1); MatriceSimulation(:, 1) = S0; for k = 1:npas for j = 1:nsim rendementkj = (r - (vol^2)/2)*dt + vol*sqrt(dt)*randn; MatriceSimulation(j, k+1) = MatriceSimulation(j, k)*exp(rendementkj); end end Procédons à présent aux simulations de Monte Carlo en supposant respectivement : Après avoir exécuté le programme, la visualisation graphique des simulations passe par la commande : Remarquons, la commande contient une apostrophe dans la parenthèse. 76
7 Avant de procéder aux simulations, illustrons la remarque faite précédemment. En supposant nsim=20 et npas=0, on obtient, la figure suivante. Figure 1 : Visualisation de simulation avec l apostrophe 220 plot(maticesimulation') Avec le même nombre de simulations et le même nombre de pas, mais en omettant l apostrophe, il vient qu on obtienne la figure suivante. Figure 2 : Visualisation de simulation sans l apostrophe 220 plot(matricesimulation) Les simulations seront rangées dans deux blocs. Dans le premier bloc, nous supposons : et dans le deuxième bloc, nous avons : En effet, il advient qu en augmentant sensiblement le nombre de simulations, les résultats obtenus à l aide de simulations de Monte Carlo s approche asymptotiquement du résultat obtenu avec la formule de Black Scholes. 77
8 Figure 3 : Illustration des simulations du Bloc I 105 Data(, 0.05, 0.2, 1, 1, 20) *Simulation from LAREQ File Data(, 0.05, 0.2, 1, 5, 20) *Simulation from LAREQ File Data(, 0.05, 0.2, 1,10, 20) *Simulation from LAREQ File Data(, 0.05, 0.2, 1, 50, 20) *Simulation from LAREQ File Figure 4 : Illustration des simulations du Bloc II 200 Data(, 0.05, 0.2, 1,, 20) *Simulation from LAREQ File 1 Data(, 0.05, 0.2, 1, 500, 20) *Simulation from LAREQ File Data(, 0.05, 0.2, 1, 0, 20) *Simulation from LAREQ File 220 Data(, 0.05, 0.2, 1, 5000, 20) *Simulation from LAREQ File En conclusion, nous notons que le recours aux procédés aléatoires permet d obtenir des résultats assez probants. Ainsi, ce papier introductif annonce certainement d autres, dans l avenir, qui traiterons de manière plus élargie et plus approfondie les questions liées aux méthodes de simulations stochastiques. 78
9 Bibliographie BACHELIER Louis, 1900, "Théorie de la spéculation", Annales Scientifiques de l Ecole Normale Supérieure, 3ème série, tome 17, BLACK Fischer et Myrlon SCHOLES, 1973, «The pricing of options and corporate liabilities», The Journal of Political Economy, vol. 81, num. 3, BLACK Fischer, "The Pricing of Commodity Contracts", Journal of Financial Economics, 3, BOYLE Phelim P., 1977, "Options: A Monte Carlo Approach", Journal of Financial Economics, 4: BROWN Robert, 1928, A Brief Account of Microscopical Observations Made in the Months of June, July and August, 1827, on the Particles Contained in the Pollen of Plants; and on the General Existence of active molecules in Organic and Inorganic Bodies, Edinburgh New Phil. J.,5, 358, COX John C. and Stephen A. ROSS, 1976, "The Valuation of Options for Alternative Stochastic Processes", Journal of Financial Economics, 3: FAMA Eugene F., "Random Walks in Stock Maket Prices", Financial Ana- lysts Journal, Sept-Oct 1965, vol 21, n_5; FAMA Eugene F., 1965, "The Behavior of Stock-Market Prices", Journal of Business, 38, FAMA Eugene F., 1970, "Efficient Capital Markets: A Review of Theory and Empirical Work", Journal of Finance, 25, HARRISON Michael J. and David M. KREPS, 1979, "Martingales and Arbitrage in Multiperiod Securities Markets", Journal of Economic Theory, 20, HARRISON Michael J. and Stanley R. PLISKA, 1981, "Martingales and Stochastic Integrals in the Theory of Continuous Trading", Stochastic Processes and Their Applications, 11: KREPS David M., 1981, "Arbitrage and equilibrium in economies with infinitely many commodities", Journal of Mathematical Economics, 8, MERTON Robert C., 1973, "Theory of Rational Option Pricing", Bell Journal of Economics and Management Science, vol. 4, num. 001, METROPOLIS Nicholas C. and Stanislas M. ULAM, 1949, The Monte Carlo method, Journal of the American Statistical Association, 44: MIGNON Valérie, 2008, «Les ambiguïtés de la théorie de l efficience informationnelle des marchés financiers», CAIRN, 3, SAMUELSON Paul A. and Robert C. Merton, 1969, "A Complete Model of Warrant Pricing that Maximizes Utility", Industrial Management Review, Winter 1969, vol. 10, num. 002, SAMUELSON Paul A., 1969, "Rational Theory of Warrant Pricing", Industrial Management Review, Spring 1965, vol. 6, num. 002, SAMUELSON Paul A., 1972, "Mathematics of Speculative Price", in R.H. Day and S.M. Robinson, eds., Mathematical Topics in Economic Theory and Computation, Philadelphia, PA: Society for Industrial and Applied Mathematics, Reprinted in SIAM review, January 1973, vol., num. 1, SHARPE William F., "Capital Asset Prices: a Theory of Market Equilibrium under conditions of risk", Journal of Finance 1964, 19: TSASA Jean Paul, (novembre) 2012, "Espérance et Variance Conditionnelles en Analyse Économétrique : Une Application Implicite de la Version Continue des Moindres Carrés Linéaires", One Pager Laréq, vol. 4, num. 003, TSASA Jean Paul, (octobre) 2012, «Un Regard Plus Attentif sur la Mesure de Probabilité en Statistique et Econométrie : Espace Probabilisable, Mesure de Probabilité et Espace Probabilisé», One Pager Laréq, vol. 4, num. 002,
10 Annexe Date APPLE Date APPLE Date APPLE Date APPLE Date APPLE 8/19/ /01/ /16/ /28/ /10/ /20/ /02/ /17/ /29/ /11/ /23/ /03/ /18/ /30/ /12/ /24/ /06/ /21/ /01/ /13/ /25/ /07/ /22/ /05/ /14/ /26/ /08/ /23/ /06/ /17/ /27/ /09/ /24/ /07/ /18/ /30/ /10/ /28/ /08/ /19/ /31/ /13/ /29/ /11/ /20/ /01/ /14/ /30/ /12/ /21/ /02/ /15/ /31/ /13/ /24/ /03/ /16/ /01/ /14/ /25/ /07/ /17/ /04/ /15/ /26/ /08/ /20/ /05/ /18/ /27/ /09/ /21/ /06/ /19/ /28/ /10/ /22/ /07/ /20/ /31/ /13/ /23/ /08/ /21/ /01/ /14/ /27/ /11/ /22/ /02/ /15/ /28/ /12/ /25/ /03/ /16/ /29/ /13/ /26/ /04/ /17/ /30/ /14/ /27/ /07/ /20/ /31/ /15/ /28/ /08/ /21/ /03/ /18/ /29/ /09/ /22/ /04/ /19/ /01/ /10/ /23/ /05/ /20/ /02/ /11/ /24/ /06/ /21/ /03/ /14/ /27/ /07/ /22/ /04/ /15/ /28/ /10/ /25/ /05/ /16/ /29/ /11/ /26/ /08/ /17/ /30/ /12/ /27/ /09/ /18/ /01/ /13/ /28/ /10/ /21/ /04/ /14/ /29/ /11/ /22/ /05/ /18/ /02/ /12/ /23/ /06/ /19/ /03/ /15/ /25/ /07/ /20/ /04/ /16/ /28/ /08/ /21/ /05/ /17/ /29/ /11/ /24/ /06/ /18/ /30/ /12/ /25/ /09/ /19/ /01/ /13/ /26/ /10/ /22/ /02/ /14/ /27/ /11/ /23/ /05/ /15/ /28/ /12/ /24/ /06/ /18/ /31/ /13/ /25/ /07/ /19/ /01/ /16/ /26/ /08/ /20/ /02/ /17/ /29/ /09/ /21/ /03/ /18/ /30/ /12/ /22/ /04/ /19/ /31/ /13/ /25/ /07/ /20/ /01/ /14/ /26/ /08/ /23/ /02/ /15/ /27/ /09/ /24/ /06/ /16/ /28/ /10/ /25/ /07/ /19/ /29/ /11/ /26/ /08/ /20/ /01/ /14/ /27/ /09/ /21/ /02/ /15/ /31/ /12/ /22/ /03/ /16/ /01/ /13/ /23/ /04/ /17/ /02/ /14/ /27/ /05/ /18/ /03/ /15/ /28/ /08/ /22/ /06/ /16/ /29/ /09/ /23/ /07/ /19/ /30/ /10/ /24/ /08/ /20/ /03/ /11/ /25/ /09/ /21/ /04/ /12/ /28/ /10/ /22/ /05/ /15/ /01/ /13/ /23/ /06/ /16/ /02/ /14/ /26/ /09/ /17/ /03/ /15/ /27/ /10/ /18/ /04/ /16/ /28/ /11/ /19/ /07/ /17/ /29/ /12/ /22/ /08/ /20/ /30/ /13/ /23/ /09/ /21/ /03/ /17/ /24/ /10/ /22/ /04/ /18/ /26/ /11/ /23/ /05/ /19/ /29/ /14/ /24/ /06/ /20/ /30/ /15/ /27/ /07/ /23/
11 Date APPLE Date APPLE Date APPLE Date APPLE 1/24/ /08/ /18/ /30/ /25/ /09/ /21/ /01/ /26/ /10/ /22/ /04/ /27/ /11/ /23/ /05/ /30/ /12/ /24/ /06/ /31/ /15/ /25/ /07/ /01/ /16/ /28/ /08/ /02/ /17/ /29/ /11/ /03/ /18/ /30/ /12/ /06/ /19/ /31/ /13/ /07/ /22/ /01/ /14/ /08/ /23/ /05/ /15/ /09/ /24/ /06/ /18/ /10/ /25/ /07/ /19/ /13/ /26/ /08/ /20/ /14/ /30/ /11/ /21/ /15/ /31/ /12/ /22/ /16/ /01/ /13/ /26/ /17/ /02/ /14/ /27/ /21/ /05/ /15/ /28/ /22/ /06/ /18/ /29/ /23/ /07/ /19/ /03/ /24/ /08/ /20/ /04/ /27/ /09/ /21/ /05/ /28/ /12/ /22/ /08/ /01/ /13/ /25/ /09/ /02/ /14/ /26/ /10/ /03/ /15/ /27/ /11/ /06/ /16/ /28/ /12/ /07/ /19/ /29/ /16/ /08/ /20/ /02/ /17/ /09/ /21/ /03/ /18/ /10/ /22/ /04/ /19/ /13/ /23/ /05/ /22/ /14/ /26/ /06/ /15/ /27/ /09/ /16/ /28/ /10/ /17/ /29/ /11/ /20/ /30/ /12/ /21/ /03/ /13/ /22/ /05/ /16/ /23/ /06/ /17/ /24/ /07/ /18/ /27/ /10/ /19/ /28/ /11/ /20/ /29/ /12/ /23/ /30/ /13/ /24/ /31/ /14/ /25/ /03/ /17/ /26/ /04/ /18/ /27/ /05/ /19/ /30/ /06/ /20/ /31/ /07/ /21/ /01/ /10/ /24/ /02/ /11/ /25/ /03/ /12/ /26/ /06/ /13/ /27/ /07/ /17/ /28/ /08/ /18/ /31/ /09/ /19/ /01/ /10/ /20/ /02/ /13/ /21/ /03/ /14/ /24/ /04/ /15/ /25/ /07/ /16/ /26/ /08/ /17/ /27/ /09/ /20/ /28/ /10/ /21/ /01/ /11/ /22/ /02/ /14/ /24/ /03/ /15/ /27/ /04/ /16/ /28/ /05/ /17/ /29/
DIPLOME 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 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 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 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 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 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 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 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 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 détailCorps des nombres complexes, J Paul Tsasa
Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots
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 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 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 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 détailDébouchés professionnels
Master Domaine Droit, Economie, Gestion Mention : Monnaie, Banque, Finance, Assurance Spécialité : Risque, Assurance, Décision Année universitaire 2014/2015 DIRECTEUR de la spécialité : Monsieur Kouroche
Plus en détailScénarios économiques en assurance
Motivation et plan du cours Galea & Associés ISFA - Université Lyon 1 ptherond@galea-associes.eu pierre@therond.fr 18 octobre 2013 Motivation Les nouveaux référentiels prudentiel et d'information nancière
Plus en 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 détailMAÎTRISE ÈS SCIENCES EN GESTION. MICROPROGRAMMES Exploitation de données en intelligence d affaires Analytique d affaires - Énergie 2014 ANNUAIRE
MAÎTRISE ÈS SCIENCES EN GESTION MICROPROGRAMMES Exploitation de données en intelligence d affaires Analytique d affaires - Énergie 2014 2015 ANNUAIRE Dépôt légal IMPORTANT En complément de cet annuaire,
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 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 détailMATHÉMATIQUES ET APPLICATIONS
MASTER 2 ème ANNÉE MATHÉMATIQUES ET APPLICATIONS Parcours Finance Computationnelle ANNÉE UNIVERSITAIRE 2015 2016 1 PRESENTATION Le master Finance Computationnelle spécialise les étudiants sur l ingénierie
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 détailRésumé... 9... 10... 10... 10
Bibliographie 1 Table des matières Table des matières.................................... 3 Résumé............................................ 9........................................ 10........................................
Plus en détailProfesseur de Mathématiques à l Université de Toulouse 1 depuis septembre 2000.
Jean-Paul DÉCAMPS Adresse Professionnelle Toulouse School of Economics (CRM-IDEI) Université de Toulouse 1 Manufacture des Tabacs - Aile J.J Laffont 21, Allée de Brienne Tel.: (33) 05.61.12.85.99 e-mail
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 détailNathalie REY DIPLOMES UNIVERSITAIRES
Nathalie REY Fonction (depuis septembre 1999) : Maître de Conférences en Sciences Economiques Université Paris 13, Sorbonne Paris Cité CEPN, UMR 7234 U.F.R. Sciences Économiques et de Gestion, Bureau J308
Plus en détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en détailLe théorème des deux fonds et la gestion indicielle
Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par
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 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 détailAttitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014
Attitude des ménages face au risque - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Plan du cours 1. Introduction : demande de couverture et comportements induits pa 2. Représentations
Plus en détailExamen Final. Indications
DANS LE SECTEUR BANQUE-ASSURANCE NOM : MATRICULE : PRENOM : Examen Final Problèmes Indications Veuillez respecter les indications suivantes: 1. Vous avez 3 heures à disposition 2. Veuillez vérifier que
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 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 détailLes mathématiques du XXe siècle
Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition
Plus en détailMarchés Financiers, Mouvement Brownien, Arbitrage et Martingales: naissance d un corpus de Finance Mathématique à partir de 1973
Marchés Financiers, Mouvement Brownien, Arbitrage et Martingales: naissance d un corpus de Finance Mathématique à partir de 1973 Ghislaine IDABOUK, doctorante y Octobre 2008 1 Introduction, enjeux En 1973,
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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailCURRICULUM VITAE. CHAMP DE SPÉCIALISATION Économie financière. Économétrie financière. Économétrie.
CURRICULUM VITAE Nom: Bruno Feunou Citoyenneté: Canadien Langues: Bangam, Bandjoun, Français, Anglais Adresse: Duke University Department of Economics 213 Social Sciences Building Durham, NC 27708, US
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 détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en 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 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 détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
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 détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
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 détailSupport Orders and Support Provisions (Banks and Authorized Foreign Banks) Regulations
CANADA CONSOLIDATION CODIFICATION Support Orders and Support Provisions (Banks and Authorized Foreign Banks) Regulations Règlement sur les ordonnances alimentaires et les dispositions alimentaires (banques
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 détailMonnaie, Banque et Marchés Financiers
Collection FlNANCE dirigée par Yves Simon, Professeur à l'université Paris-Dauphine, et Delphine Lautier, Professeur à l'université Paris-Dauphine Monnaie, Banque et Marchés Financiers Didier MARTEAU C
Plus en détailEfficience des marchés et finance comportementale
Efficience des marchés et finance comportementale Martin Vlcek, Quantitative Investment Manager (BCV) 06.12.2013 Contenu 1. Introduction 2. Théorie de l efficience du marché 3. Finance comportementale
Plus en détailMaîtrise universitaire ès sciences en mathématiques 2012-2013
1 / 6 Remarques liminaires : Ce master à (3 semestres) permet 2 orientations distinctes : - Un master général : "Mathématiques, Systèmes dynamiques et phénomènes d'évolution" - Un master qui permet de
Plus en détailContribution sur le thème relatif au point de vue et au rôle des actuaires vis-à-vis des nouvelles normes comptables
Valorisation du risque IARD et nouvelles normes comptables Mathieu Gatumel et Guillaume Gorge Axa Group Risk Management 9 avenue de Messine 75008 Paris Tel. : +33 1 56 43 78 27 Fax : +33 1 56 43 78 70
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 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 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 détail«Il n y a pas de bonheur sans liberté, ni de liberté sans vaillance», Thucydide. NUMÉRO 146 / ÉTÉ 2014 La science économique et le contrôle du risque macroéconomique : une illusion dangereuse 116, rue
Plus en détailLe modèle de régression linéaire
Chapitre 2 Le modèle de régression linéaire 2.1 Introduction L économétrie traite de la construction de modèles. Le premier point de l analyse consiste à se poser la question : «Quel est le modèle?». Le
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 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 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 détailun environnement économique et politique
Vision d un économiste sur le risque agricole et sa gestion un sol un climat un environnement économique et politique Jean Cordier Professeur Agrocampus Ouest Séminaire GIS GC HP2E Prise en compte du risque
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailChristian BONTEMPS né le 08 juillet 1969
Curriculum Vitae Christian BONTEMPS né le 08 juillet 1969 Situation actuelle : Ingénieur en Chef des Ponts et Chaussées, Chercheur IDEI Professeur Sciences Économiques, GREMAQ - Université Toulouse I.
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 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 détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
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 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 détailCURRICULUM VITAE. Joseph ABDOU
CURRICULUM VITAE Joseph ABDOU Section du CNU 26 Nationalité française Adresse professionnelle: Centre d Economie de la Sorbonne Université de Paris 1, CNRS 106-112 boulevard de l'hôpital 75647 Paris Cedex
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
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 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 détailUNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS
UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES
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 détailMaster of Science en mathématiques 2013-2014
Remarques liminaires : 1 Ce master à (3 semestres) permet 2 orientations distinctes : 1) Un master général en mathématiques 2) Un master qui permet de choisir des mineurs en finance, statistique, informatique
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 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 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 détail«La crise : banques, entreprises et gestion des risques»
Isabelle CADORET Doyen de la Faculté des Sciences Economiques Alain PINEAU Directeur Régional dans le cadre du Cycle de Conférences Banque de France - Master Banque Finance, ont le plaisir de vous inviter
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 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 détailSolvabilité II et rentabilité ajustée au risque des produits en assurance-vie
Solvabilité II et rentabilité ajustée au risque des produits en assurance-vie Vladislav GRIGOROV, CRO SwissLife France Journées d études de l IA, Deauville, 21 septembre 2012 Introduction Solvency II représente
Plus en détailMaster in Economics and Business
Master in Economics and Business Préambule Le département d Economie de Sciences Po se développe à l image d une école, il est structuré par une faculté disciplinaire permanente, un portefeuille de masters
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 détail