Options américaines. 1 Problèmes de borne libre Le problème de l obstacle Le problème de l obstacle : un problème de borne libre...

Dimension: px
Commencer à balayer dès la page:

Download "Options américaines. 1 Problèmes de borne libre 3. 1.1 Le problème de l obstacle... 3. 1.2 Le problème de l obstacle : un problème de borne libre..."

Transcription

1 Options américaines Table des matières 1 Problèmes de borne libre Le problème de l obstacle Le problème de l obstacle : un problème de borne libre Le problème de l obstacle en équations Problème d obstacle et formulation de complémentarité Le problème de l option de vente américaine Bornes libres, bornes mobiles Dérivation de la formulation de complémentarité pour l option de vente américaine Une première inégalité Une seconde inégalité Condition de complémentarité Formulation de complémentarité pour l option de vente américaine La valeur de l option et les bornes, graphiquement

2 3 Évaluation d une option américaine par différences finies L e.d.p. de Black-Scholes, discrétisée La formulation de P.C.L Évaluation par différences finies : Contrainte américaine et P.C.L Application de la contrainte américaine après-coup Application de la contrainte américaine pendant Autres façons de résoudre le PCL

3 Introduction La possibilité d exercer une option avant son échéance complique beaucoup son évaluation. On ne connaît d ailleurs, dans le cadre Black-Scholes, aucune solution analytique, même aux options américaines les plus simples. On étudiera dans ce document ce qui fait la particularité des options américaines, et des façons d évaluer ces options par les différences finies. 1 Problèmes de borne libre Afin de comprendre la formulation par e.d.p. du problème des options américaines, il est utile de considérer un exemple classique de problème de borne libre, le problème de l obstacle. 1.1 Le problème de l obstacle Situation : un élastique est ancré aux points A et B, et un objet lisse et concave pousse l élastique vers le haut entre A et B. On connait la forme exacte de l objet. Question : Quelle est la position verticale de l élastique entre A et B? La situation, plus précisément : L élastique repose sur l objet et en suit la forme, ou il est au-dessus de l objet, et suit alors la loi de mouvement appropriée (il est droit si on néglige la gravité) 3

4 L élastique est ancré aux points A et B, dont la hauteur est définie comme zéro. L objet est concave, de sorte que l élastique a une courbure nulle ou négative partout. L objet est lisse, de sorte que l élastique a une pente continue. L élastique est continu. Sous ces conditions, le problème de la position de l élastique a une solution unique. 1.2 Le problème de l obstacle : un problème de borne libre Nommons P = (x P,h(x P )) et Q = (x Q,h(x Q )) les deux points où l élastique commence à toucher à l objet. Ces points sont des bornes libres : on saurait leur hauteur (i.e. la condition à la borne) si on connaissait leur position horizontale (i.e. l emplacement de la borne), mais on ne connait pas leur position horizontale! Autrement dit, on sait quelle condition de borne appliquer, mais on ne sait pas où la borne en question est. En fait, trouver où sont P et Q suffit à résoudre le problème de l obstacle 1.3 Le problème de l obstacle en équations Soit s(x) : [A,B] R 4

5 la position verticale de l élastique au-dessus de 0, et h(x) : [A,B] R la fonction définissant l obstacle. Le problème de l obstacle est de trouver une fonction continue et continûment différentiable s(x) respectant : s (x) = 0 pour x A < x < x P et x Q < x < x B s(x) = h (x) pour x P x x Q s (x P ) = h (s P ) et s (x Q ) = h (s Q ) s(x A ) = 0 et s(x B ) = Problème d obstacle et formulation de complémentarité On peut récrire la formulation en équations de la section 1.3 en une formulation équivalente dite de de complémentarité linéaire : Trouver une fonction continue et continûment différentiable s(x) respectant s (x) (s(x) h(x) ) = 0 s (x) 0 s(x) h(x) 0 sur l intervalle [x A,x B ], de même que les conditions aux bornes s(x A ) = s(x B ) = 0 Linéaire : les deux termes s (x) et s(x) h(x) sont linéaires, dans le sens de la linéarité des é.d.p. Complémentarité : pour tout point x, l un ou l autre de s (x) et s(x) h(x) doit être 0. Il y a un gros avantage à faire ça : la formulation de complémentarité ne fait aucune référence aux bornes libres! 5

6 2 Le problème de l option de vente américaine On dérive ici une formulation de complémentarité pour l option américaine qui, comme dans le cas du problème d obstacle, permet de contourner la difficulté de l emplacement de la borne libre. 2.1 Bornes libres, bornes mobiles... On doit d abord distinguer deux types de bornes rencontrées dans des problèmes d e.d.p. paraboliques : la borne libre (free boundary) : borne dont on ne connaît pas l emplacement, bien qu on connaisse sa condition ; la borne mobile (moving boundary) : borne libre dont l emplacement (inconnu) bouge dans l espace avec le temps. 2.2 Dérivation de la formulation de complémentarité pour l option de vente américaine Les bornes libres et mobiles sont des concepts utiles pour appréhender un problème, mais les problèmes de borne libre, (free boundary problem en anglais) comme celui de la section 1.3 ne nous intéressent pas particulièrement : on leur préfère les formulations de complémentarité (section 1.4). Nous passons par conséquent directement à la formulation de complémentarité du problème de borne mobile que présente l option américaine. Pour plus de détails, consulter Wilmott, Dewynne et Howison ([4] ou [5]) Une première inégalité Soit Π un portefeuille delta-couvert P(S,t) P S S et r f le taux sans risque. Le rendement du portefeuille en surplus du rendement sans risque est : dπ rπdt 6

7 Des arguments de non-arbitrage nous assurent que dπ rπdt = 0 dans le cas d une option européenne (acheter le portefeuille en empruntant, ou vendre le portefeuille en prêtant). Cependant, le cas dπ rπdt < 0 ne peut être éliminé par arbitrage, dans le cas d une option américaine : le détenteur de l option de vente exercera simplement son droit, et obtiendra du comptant en échange, qu il investira au taux sans risque. En développant le terme dπ rπdt, on conclut donc que P(S,t) t σ2 S 2 2 P(S,t) S 2 + r f S P(S,t) S r f P Une seconde inégalité Le cas P(S,t) < max{e S, 0} entraine une opportunité d arbitrage : acheter l option, et l exercer en livrant le titre : P S + E = E S P > 0 Par conséquent, on observe toujours P(S,t) max{e S, 0} Note : le cas max{e S, 0} = 0 et P(S,t) < max{e S, 0} n a pas à être considéré, l option ne se transigeant pas à un prix négatif Condition de complémentarité Finalement, un dernier argument d arbitrage empêche d avoir à la fois dπ rπdt < 0 7

8 et P(S,t) max{e S, 0} > 0. En effet, la deuxième inéquation implique qu il est plus profitable de vendre l option plutôt que de l exercer ; on y voit aussi la contraposition de exercice implique P(S,t) = max{e S, 0}, i.e. la valeur de l option est son paiement. Par la première inéquation, la situation en est donc une d arbitrage, comme dans le cas européen Formulation de complémentarité pour l option de vente américaine Si on localise le problème d évaluation sur l espace [0,S max ], la formulation de complémentarité consiste à trouver une fonction continue, continûment différentiable P(S,t) telle que S,t : ( P(S,t) t σ2 S 2 2 P(S,t) S 2 ( P(S,t) t en plus de satisfaire les conditions + r f S P(S,t) S r f P ) (P (E S) ) = σ2 S 2 2 P(S,t) + r S 2 f S P(S,t) r f P ) 0 S (P (E S)) 0 P(S,T) = max(e S, 0) P(S max,t) = 0 P(0,t) = E P(S,t) P(S,t) est continue en S et est continu en S S 8

9 2.3 La valeur de l option et les bornes, graphiquement 3 Évaluation d une option américaine par différences finies En discrétisant l é.d.p., on obtient une version à dimension finie de la formulation de complémentarité. Ce problème est communément appelé problème de complémentarité linéaire, P.C.L. (En anglais, on parle du L.C.P. : linear complementarity problem.) La formulation de complémentarité continue ( P(S,t) t σ2 S 2 2 P(S,t) S 2 ( P(S,t) t + r f S P(S,t) S r f P ) (P (E S) ) = σ2 S 2 2 P(S,t) + r S 2 f S P(S,t) r f P ) 0 S (P (E S)) 0 prend la forme, au point (m,n) de la grille : ( ) (EDP(m,n)) Pm n max(e m S, 0) = 0, 9

10 (EDP(m,n)) 0, (1) ( ) Pm n max(e m S, 0) 0, où EDP(m,n) P m n+1 t P n m σ2 (m S ) 2Pn m+1 2P n m + P n m 1 ( S ) 2 + r f (m S ) P n m+1 P n m 1 2( S ) r f P n m quand on utilise une approche implicite (fully implicit). Le problème de complémentarité consiste à résoudre, en même temps, l ensemble des équations et inéquations (1) pour tous les (m,n) de la grille. 3.1 L e.d.p. de Black-Scholes, discrétisée Le système (1) ci-dessus donne les conditions à satisfaire (une équation et deux inéquations) à chaque point (m,n) de la grille pour résoudre le problème d évaluation de l option. Comme toutes les conditions, à tous les points, doivent être satisfaites simultanément, il est utile de les regrouper ; évidemment, nous utilisons la notation matricielle. Nous démontrons ci-dessous l approche Crank-Nicolson appliquée à l e.d.p. brute, sans transformation aucune des variables. Pour un rappel des différences finies utilisées, voir la section 5.6 Utilisation des différences finies sur l équation de Black-Scholes des notes d introduction aux e.d.p. C est le cas le plus malpropre : l approche implicite (ci-dessus) aurait moins de termes que la C.-N., et une transformation des variables donnerait des termes plus simples. Donc à tout le moins, vous aurez vu le pire cas! La formulation discrète de l é.d.p. de Black-Scholes par la méthode de 10

11 Crank-Nicolson est la suivante : Pm n+1 t P n m σ2 (m S ) 2Pn+1 m+1 2P n+1 m + P n+1 m 1 ( S ) σ2 (m S ) 2Pn m+1 2Pm n + Pm 1 n + r ( S ) 2 f (m S ) P m+1 n+1 Pm 1 n+1 4( S ) +r f (m S ) P n m+1 P n m 1 4( S ) 1 2 r fp n+1 m 1 2 r fp n m 0. (2) On utilise donc trois points connus (Pm+1, n+1 Pm n+1 et Pm 1) n+1 pour calculer trois points inconnus (Pm+1, n Pm n et Pm 1). n Rappelons que la grille est discrétisée en N intervalles de temps (0 n N) et M intervalles du sousjacent (0 m M). t représente donc la longueur d un pas de temps et S celle d un pas du sous-jacent. Rassemblons toutes les équations (2) pour une valeur spécifique de n et toutes les valeurs de m sous forme matricielle : 11

12 = où A 1 1 B 1 C A 2 1 B B M 2 C M A M 1 1 B M 1 C M 1 A B 1 C A B B M 2 C M A M B M 1 C M 1 A m B m C m = 1 4 σ2 (m S ) 2 t 2 S = 1 2 σ2 (m S ) 2 t 2 S = 1 4 σ2 (m S ) 2 t 2 S 1r 4 f(m S ) t S 1r 2 f t P n 0 P n 1 P n M 1 P n M P n+1 0 P n+1 1 P n+1 M 1 P n+1 M = 1 4 σ2 m 2 t 1 4 r fm t = 1 2 σ2 m 2 t 1 2 r f t r f(m S ) t S = 1 4 σ2 m 2 t r fm t. En observant la forme matricielle du problème, on peut remarquer qu en plus de connaître entièrement la partie de droite, nous savons aussi que les termes situés aux extrémités du vecteur des prix d options sont dictés par les conditions aux bornes et donc connus d avance. Pour prendre avantage de ceci, décomposons la partie de gauche de la façon suivante 1 B 1 C 1 0 A 2 1 B B M 2 C M 2 0 A M 1 1 B M 1 P n 1 P n M 1 + A 1 P n C M 1 P n M où le dernier vecteur, qu on nommera r n, est composé entièrement de zéros sauf pour deux composantes. Suite à cette dernière transformation, le problème peut s abréger de la façon suivante M L v n + r n = M R 12 P n+1 0 v n+1 P n+1 M (3)

13 où et M L = M R = 1 B 1 C 1 0 A 2 1 B B M 2 C M 2 0 A M 1 1 B M 1 r n = A 1 P n C M 1 P n M,, A B 1 C A B B M 2 C M A M B M 1 C M 1 v n+1 = P n+1 1 P n+1 M 1. Notons immédiatement que cette dernière formulation se simplifie facilement : Mv n = q n+1, (4) où M = M L q n+1 = M R P n+1 0 v n+1 P n+1 M r n. Trouver v n correspond donc bien à résoudre un système linéaire, soit (4). 13

14 Il est important de retenir qu on a une équation (4) à chacun des pas de temps w. Dans le cas européen (qui était celui de la section 5.6 Utilisation des différences finies sur l équation de Black-Scholes des notes d introduction aux e.d.p.), le point de départ est v N (valeur de l option à l échéance) et chacune des solutions trouvées est utilisée pour formuler le système linéaire à résoudre pour le prochain pas de temps. Le cas américain est traité à la section suivante. 3.2 La formulation de P.C.L. La notation matricielle introduite dans la dernière section nous permet d exprimer de façon concise le problème (2) de la section 3 du dernier ensemble de notes. En considérant toutes les valeurs du sous-jacent à la fois (i.e. m) on a le problème de complémentarité linéaire : ( Mv n q n+1) (v n v N) = 0, (5) ( Mv n q n+1) 0, ( v n v N) 0. À l intérieur de ce problème, seul v n représente des variables. On trouvera donc le prix de l option au temps 0, soit v 0, en résolvant séquentiellement tous les PCL (5) pour les valeurs n = N 1,N 2,...0. On résoud donc une suite de PCL, alors que dans le cas européen on résolvait une suite de systèmes d équations linéaires. 3.3 Évaluation par différences finies : Contrainte américaine et P.C.L. Les approches classiques de résolution procèdent en résolvant fondamentalement l équation aux dérivées partielles, et en faisant des ajustements pour respecter la contrainte américaine, de type P(S,T) max{e S, 0} par exemple pour l option de vente. Dans une approche implicite, les ajustements pour la contrainte américaine peuvent être imposés de deux façons, 14

15 décrites ci-dessous : pendant, ou après la résolution du système d équations linéaires. Dans une approche explicite, il n est évidemment pas question d appliquer la contrainte américaine pendant ou après la résolution du système d équations linéaires : il n y a pas de tel système à résoudre! Application de la contrainte américaine après-coup C est l approche de l article original des pionniers des différences finies en options américaines, Brennan et Schwartz [2]. La contrainte américaine, est appliquée après le calcul des valeurs de l option à un pas de temps. Autrement dit, à un pas de temps n, après avoir calculé P n m pour tous les m, on révise chacune des P n m (pour n et pour tous les m) et on la remplace par max{e mδs, 0} si P n m < max{e mδs, 0}. La résolution du système linéaire, quand on a choisit une approche implicite, peut se faire de la façon qu on désire. Attention : cette façon ne garantit pas qu on trouve une solution au problème de complémentarité, lorsqu on utilise une approche implicite. Pour des options américaines standard de vente et achat, Jaillet et al. [3] ont prouvé que l approche implicite (telle que décrite originellement par [2]) fonctionne correctement Application de la contrainte américaine pendant Pendant la résolution itérative du système d équations linéaires obtenu par une approche implicite, la contrainte américaine est appliquée à chaque itération. Évidemment, dans ce cas-ci, on ne peut pas utiliser une approche de résolution directe des systèmes linéaires, du genre décomposition LU. En finance, une méthode est privilégiée pour l application pendant : la variante du successive over-relaxation appelée Projected successive overrelaxation (PSOR). Cette approche garantit qu on obtienne une solution du problème de complémentarité L algorithm P.S.O.R. 15

16 L algorithme Projected successive over-relaxation, auquel on a fait référence dans le dernier ensemble de notes, section 3.1.2, est une variante directe du S.O.R. rencontré durant les cours sur l algèbre linéaire numérique. Par exemple, si on veut résoudre Ax = b le S.O.R. en pseudo-code pour le cas à trois dimensions est for i = 1 : 3 end x (k+1) i = ω ( b i Σ i 1 j=1 a ijx (k+1) j ) Σ n j=i+1a ij x (k) j /a ii + (1 ω)x (k) i Mais si on veut plutôt résoudre le problème de complémentarité linéaire (Ax b) x = 0, (6) (Ax b) 0, alors on utilise le P.S.O.R., de pseudo-code for i = 1 : 3 end x (k+1) i = max { ( ω b i Σ i 1 j=1 a ijx (k+1) j x 0. ) } Σ n j=i+1a ij x (k) j /a ii + (1 ω)x (k) i ; 0 Quand il est appliqué à des problèmes à matrice définie positive, le PSOR converge à (l unique) solution du PCL (voir par ex. Wilmott, Howison et Dewynne p.171, qui vous référera en fait à un autre livre ou à l article original de Cryer (!)). Ce n est cependant pas une condition nécessaire ; voir le livre de Tavella et Randall, p.104, par exemple. Les matrices provenant d e.d.p. paraboliques, et donc celles qu on utilise en finance, ne causent habituellement aucun problème Autres façons de résoudre le PCL Il y a de très nombreuses autres façons de résoudre le problème de complémentarité linéaire (1), et on sait maintenant que des approches utilisant la structure du PCL d évaluation d option, peuvent être beaucoup plus efficaces que l approche PSOR, qui est générique. 16

17 Tab. 1 Temps de calculs moyens selon la méthode utilisée, 1000 options EDP EDPLT Arbre binomial PSOR Lemke PSOR Lemke Boriçi-Lüthi Secondes Prix d exercice : 10 Valeur du sous-jacent (min, max) : (1, 14.98) Volatilité du sous-jacent (min, max) : (0.1, 0.4) Taux sans risque (min, max) : (0.01, 0.1) Temps avant échéance (min, max) : (0.1, 4.99) Voici par exemple des temps de calcul pour différentes approches d e.d.p. Pour comparaison, on a inclu l approche d arbre binomial classique de Cox, Ross et Rubinstein telle que pré-programmée dans Matlab, qui met en moyenne secondes à fournir une solution. Tab. 2 Pentes des régressions pour le graphique bilogarithmique Lemke-EDP Lemke-EDPLT PSOR-EDP PSOR-EDPLT B.&L.-EDPLT Binomial 3,42 2,92 2,49 2,23 1,03 1,70 Références [1] A. Boriçi, H.-J. Luethi Pricing american put options by linear scaling algorithms. In Computational Methods in Decision-Making, Economics and Finance, E.J. Kontoghiorghes, B. Rustem and S. Siokos, eds., Kluwer Academic Publishers, December [2] M.J. Brennan, E.S. Schwartz, The Valuation of American Put Options, The Journal of Finance, Vol. 32, No. 2, Mai 1977, p.449. [3] P. Jaillet, D. Lamberton, B. Lapeyre, Variation Inequalities and the Pricing of American Options, Acta Applicandae Mathematicae 21 (1990), [4] P. Wilmott, J.N. Dewynne, S.D. Howison, Option Pricing : Mathematical Models and Computation (1993), Oxford Financial Press. 17

18 Secondes PSOR EDP Lemke EDP PSOR EDPLT Lemke EDPLT Borici Luethi Binomial Fig. 1 Temps de calcul moyens pour les différentes méthodes 18

19 Lemke, EDP Lemke, EDPLT PSOR, EDP PSOR, EDPLT Borici et Luethi Arbre binomial Secondes de calcul Discrétisation du temps N Fig. 2 Temps moyens de calcul vs. discrétisation du temps 19

20 [5] P. Wilmott, S. Howison, J. Dewynne, The Mathematics of Financial Derivatives. A Student Introduction. (1995), Cambridge University Press. 20

Valorisation d es des options Novembre 2007

Valorisation 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 détail

Le modèle de Black et Scholes

Le modèle de Black et Scholes Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

TRAVAIL D ETUDE ET DE RECHERCHE. Utilisation des arbres binomiaux pour le pricing des options américaines

TRAVAIL 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 détail

Probabilités III Introduction à l évaluation d options

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 détail

1 Introduction et modèle mathématique

1 Introduction et modèle mathématique Optimisation parallèle et mathématiques financières Optimisation parallèle et mathématiques financières Pierre Spiteri 1 IRIT ENSEEIHT, UMR CNRS 5505 2 rue Charles Camichel, B.P. 7122 F-31 071 Toulouse,

Plus en détail

Prix et couverture d une option d achat

Prix 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 détail

Théorie Financière 8 P. rod i u t its dé dérivés

Théorie 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 détail

Introduction au pricing d option en finance

Introduction 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 détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - 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 détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

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

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème. I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous

Plus en détail

Les 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 détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution 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 détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité

Plus en détail

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html

Plus en détail

Introduction à MATLAB R

Introduction à MATLAB R Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Équations non linéaires

Équations non linéaires Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option

Plus en détail

Problème 1 : applications du plan affine

Problème 1 : applications du plan affine Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce

Plus en détail

La fonction exponentielle

La 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 détail

Théorèmes de Point Fixe et Applications 1

Théorèmes 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 détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Options et Volatilité (introduction)

Options 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 détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

Fonction inverse Fonctions homographiques

Fonction inverse Fonctions homographiques Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................

Plus en détail

Résumé des communications des Intervenants

Résumé 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 détail

CHAPITRE VIII : Les circuits avec résistances ohmiques

CHAPITRE VIII : Les circuits avec résistances ohmiques CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

Pour l épreuve d algèbre, les calculatrices sont interdites.

Pour l épreuve d algèbre, les calculatrices sont interdites. Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Cours 02 : Problème général de la programmation linéaire

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

Plus en détail

ÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.

ÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives. L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.

Plus en détail

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME 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 détail

Hedging delta et gamma neutre d un option digitale

Hedging 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 détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices Corrigés Premières notions sur les espaces vectoriels Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3

Plus en détail

Etude de fonctions: procédure et exemple

Etude de fonctions: procédure et exemple Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons

Plus en détail

La tarification d options

La 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 détail

Correction de l examen de la première session

Correction de l examen de la première session de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi

Plus en détail

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples, Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Notion de fonction. Résolution graphique. Fonction affine.

Notion de fonction. Résolution graphique. Fonction affine. TABLE DES MATIÈRES 1 Notion de fonction. Résolution graphique. Fonction affine. Paul Milan LMA Seconde le 12 décembre 2011 Table des matières 1 Fonction numérique 2 1.1 Introduction.................................

Plus en détail

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H

Plus en détail

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

Cours 9. Régimes du transistor MOS

Cours 9. Régimes du transistor MOS Cours 9. Régimes du transistor MOS Par Dimitri galayko Unité d enseignement Élec-info pour master ACSI à l UPMC Octobre-décembre 005 Dans ce document le transistor MOS est traité comme un composant électronique.

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

Introduction à l analyse numérique : exemple du cloud computing

Introduction à l analyse numérique : exemple du cloud computing Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation

Plus en détail

SINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases

SINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout

Plus en détail

Dérivés Financiers Options

Dérivés Financiers Options Stratégies à base d options Dérivés Financiers Options 1) Supposons que vous vendiez un put avec un prix d exercice de 40 et une date d expiration dans 3 mois. Le prix actuel de l action est 41 et le contrat

Plus en détail

Optimisation des fonctions de plusieurs variables

Optimisation des fonctions de plusieurs variables Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables

Plus en détail

Sujet 4: Programmation stochastique propriétés de fonction de recours

Sujet 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 détail

Lecture graphique. Table des matières

Lecture graphique. Table des matières Lecture graphique Table des matières 1 Lecture d une courbe 2 1.1 Définition d une fonction.......................... 2 1.2 Exemple d une courbe........................... 2 1.3 Coût, recette et bénéfice...........................

Plus en détail

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

F411 - Courbes Paramétrées, Polaires

F411 - Courbes Paramétrées, Polaires 1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013

Plus en détail

Calcul différentiel sur R n Première partie

Calcul différentiel sur R n Première partie Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité

Plus en détail

Optimisation, traitement d image et éclipse de Soleil

Optimisation, traitement d image et éclipse de Soleil Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement

Plus en détail

I. Polynômes de Tchebychev

I. 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 détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

Plus en détail

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières

Plus en détail

= constante et cette constante est a.

= constante et cette constante est a. Le problème Lorsqu on sait que f(x 1 ) = y 1 et que f(x 2 ) = y 2, comment trouver l expression de f(x 1 )? On sait qu une fonction affine a une expression de la forme f(x) = ax + b, le problème est donc

Plus en détail

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

Introduction à l approche bootstrap

Introduction 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 détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

de calibration Master 2: Calibration de modèles: présentation et simulation d

de calibration Master 2: Calibration de modèles: présentation et simulation d Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe

Plus en détail

IV- Equations, inéquations dans R, Systèmes d équations

IV- Equations, inéquations dans R, Systèmes d équations IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,

Plus en détail

Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite.

Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Introduction : Avant de commencer, il est nécessaire de prendre connaissance des trois types de

Plus en détail

LES MÉTHODES DE POINT INTÉRIEUR 1

LES MÉTHODES DE POINT INTÉRIEUR 1 Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences

Plus en détail

LES MARCHÉS DÉRIVÉS DE CHANGE. Finance internationale 9éme ed. Y. Simon & D. Lautier

LES MARCHÉS DÉRIVÉS DE CHANGE. Finance internationale 9éme ed. Y. Simon & D. Lautier LES MARCHÉS DÉRIVÉS DE CHANGE 1 Section 1. Les instruments dérivés de change négociés sur le marché interbancaire Section 2. Les instruments dérivés de change négociés sur les marchés boursiers organisés

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

Sur certaines séries entières particulières

Sur certaines séries entières particulières ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Optimisation 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 détail

Propriétés des options sur actions

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

Plus en détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

Le risque de crédit dans le prix des obligations convertibles

Le risque de crédit dans le prix des obligations convertibles Finance de marché Le risque de crédit dans le prix des obligations convertibles Nicolas Singer Comment donner un prix au risque de crédit d une entreprise en l absence de CDS ou d obligations classiques?

Plus en détail

Manuel de référence Options sur actions

Manuel de référence Options sur actions Manuel de référence Options sur actions Groupe TMX Actions Bourse de Toronto Bourse de croissance TSX Equicom Produits dérivés Bourse de Montréal CDCC Marché climatique de Montréal Titres à revenu fixe

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet

Plus en détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques

Plus en détail

Mathématique 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 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 détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Mathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012

Mathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012 Mathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012 Pierre Andreoletti pierre.andreoletti@univ-orleans.fr Bureau E15 1 / 20 Objectifs du cours Définition

Plus en détail