Le Modèle de Black-Scholes. DeriveXperts. 27 octobre 2010

Dimension: px
Commencer à balayer dès la page:

Download "Le Modèle de Black-Scholes. DeriveXperts. 27 octobre 2010"

Transcription

1 27 octobre 2010

2 Outline 1 Définitions Le modèle de diffusion de Black-Scholes Portefeuille auto-finançant Objectif de BS 2 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique du problème de BS Valorisation d une option - Formule de Black-Scholes 3 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Couverture d options Autres utilisations 4 Conclusion

3 Définitions Outline 1 Définitions Le modèle de diffusion de Black-Scholes Portefeuille auto-finançant Objectif de BS 2 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique du problème de BS Valorisation d une option - Formule de Black-Scholes 3 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Couverture d options Autres utilisations 4 Conclusion

4 Définitions Hypothèses Hypothèses Vente à découvert possible. Liquidité infinie : possibilité d acheter/vendre autant que souhaité. Pas de frais de transactions.

5 Définitions Le modèle de diffusion de Black-Scholes Définition - Diffusion de Black-Scholes Définition Soit {S t, t [0, T ]} un processus de prix. Il s agit d un processus de Black-Scholes de drift µ et de volatilité σ si : Les rendements log(s t ) log(s s ) suivent une loi gaussienne de moyenne (µ σ 2 /2)(t s) et de variance σ 2 (t s), Les rendements log(s t ) log(s s ) sont indépendants et de même loi.

6 Définitions Le modèle de diffusion de Black-Scholes Propriétés - Diffusion de Black-Scholes Propriétés Soit {S t, t [0, T ]} un processus de Black-Scholes. On a alors les propriétés suivantes : S t = S s e (µ σ2 /2)(t s)+σ(w t W s), E[S t ] = S 0 e µt, ds t S t = µdt + σdw t, où W t est un mouvement brownien, i.e. un processus suivant une loi gaussienne de moyenne 0 et de variance t.

7 Définitions Portefeuille auto-finançant Définition - Stratégie de portefeuille autofinançante Définition δ t, t [0, T ] est une stratégie de portefeuille autofinançante si, à chaque instant : la quantité d actifs risqués est égale à δ t, la quantité de cash est égale à V t δ t S t, avec V t la valeur du portefeuille à l instant t. En clair, le rebalancement de la position en actif risqué compense exactement celui de la position en cash.

8 Définitions Portefeuille auto-finançant Valeur du portefeuille autofinançant D après la définition suivante, aux instants t et t + dt, le portefeuille V est égal à : V t = δ t S t + (V t δ t S t ) } {{ } cash V t+dt = δ t S t+dt + (V t δ t S t )(1 + r t dt) } {{ } cash = dv t = δ t ds t + (V t δ t S t )r t dt

9 Définitions Objectif de BS Objectifs de BS Soit h(s T ) un flux final dépendant de la valeur de l actif risqué. L objectif de la modélisation Black-Scholes est de trouver une stratégie de portefeuille autofinançante δ t et une valeur de portefeuille initiale V 0 telles que V T = h(s T ). Dans ce cas, la valeur V 0 correspond exactement au prix du produit dérivé payant h(s T ) en T. En d autres termes, le prix d un produit est égal au coût de sa couverture.

10 Portefeuille auto-finançant et formule de Black-Scholes Outline 1 Définitions Le modèle de diffusion de Black-Scholes Portefeuille auto-finançant Objectif de BS 2 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique du problème de BS Valorisation d une option - Formule de Black-Scholes 3 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Couverture d options Autres utilisations 4 Conclusion

11 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique du problème de BS Formulation mathématique du problème de BS Le problème se réduit mathématiquement à trouver deux fonctions v(t, x) et δ(t, x) telles que : { dv(t, S t ) = δ(t, S t )ds t + (v(t, S t ) δ(t, S t )S t )r t dt v(t, S T ) = h(s T ) Il s agit d une équation à deux inconnues, avec une particularité : les inconnues sont des fonctions de deux paramètres.

12 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique du problème de BS Résolution du problème de BS - Première étape A l aide d arguments techniques de calcul stochastique, le problème précédent peut se ramener aux équations suivantes : 1 2 σ2 x 2 2 v (t, x) + r x 2 t x v v(t, x) = h(x) δ(t, x) = v x x + v t r tv(t, x) = 0 La première équation est une EDP (Equation aux Dérivées Partielles), La seconde est une condition terminale.

13 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique du problème de BS Résolution du problème de BS - Remarques L EDP ne dépend pas du drift µ de l actif risqué S t, La solution en t = T est connue car v(t, x) = h(x), grâce à l EDP on peut calculer v(t, x) pour toutes les valeurs (t, x).

14 Portefeuille auto-finançant et formule de Black-Scholes Valorisation d une option - Formule de Black-Scholes Valorisation d une option Le prix d une option call (rsp. put) de strike K de maturité T dans ce cadre correspond au cas particulier v(t, x) = max(s T K, 0) (rsp. max(k S T, 0)). Dans ce cas, l EDP + condition finale a une solution appelée formule de Black-Scholes.

15 Portefeuille auto-finançant et formule de Black-Scholes Valorisation d une option - Formule de Black-Scholes Formule de Black-Scholes Théorème Le prix d un call (rsp. put) de maturité T et de strike K est donné par C(t, S t, K, T ) = S t N (d 1 ) KB(t, T )N (d 0 ) (P(t, S t, K, T ) = KB(t, T )N ( d 1 ) S 0 N ( d 0 )) avec B(t, T ) = e R T t r sds, d 0 = ln(s 0/K)+(r σ 2 /2)(T t) σ, T t d 1 = d 0 + σ T t, N est la fonction cumulative gaussienne.

16 Portefeuille auto-finançant et formule de Black-Scholes Valorisation d une option - Formule de Black-Scholes Formule de Black-Scholes : les sensibilités (grecques) Définition On définit les grandeurs suivantes (appelées grecques) : delta δ(σ, t, S t, K, T ) = C(σ, t, S t, K, T ) S t gamma γ(σ, t, S t, K, T ) = 2 C(σ, t, S t, K, T ) S 2 t vega ϑ(σ, t, S t, K, T ) = C(σ, t, S t, K, T ) σ

17 Portefeuille auto-finançant et formule de Black-Scholes Valorisation d une option - Formule de Black-Scholes Formule de Black-Scholes - Remarques Les formules sont assez simples, il est possible de calculer δ(t, x) = C S t (t, S t, K, T ) = quantité d actif risqué à détenir pour répliquer un call, Résultat très utilisé, souvent sans connaître les hypothèses de départ et le cadre de modélisation, Beaucoup d implications en finance de marché.

18 Utilisations pratiques du modèle de Black-Scholes Outline 1 Définitions Le modèle de diffusion de Black-Scholes Portefeuille auto-finançant Objectif de BS 2 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique du problème de BS Valorisation d une option - Formule de Black-Scholes 3 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Couverture d options Autres utilisations 4 Conclusion

19 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Calcul de volatilité implicite Prix théorique d un call C(σ, K, t, T ) : dépend de la volatilité σ du modèle. C market : prix de marché d un call de strike K market et de maturité T market. Définition On appelle volatilité implicite du call C(K market, t, T market ) la valeur σ telle que : C(σ, K market, t, T market ) = C market On a aussi la volatilité implicite des puts de la même manière.

20 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Calcul numérique de volatilité implicite Recherche par dichotomie. C market est le prix de marché, ɛ la précision souhaitée. On pose σ d = 0% et σ u = 100% et on suppose que la solution σ 100%. 1 Posons σ m = σu+σ d 2. 2 Deux possibilités : Si C(σ m ) C market < ɛ σ = σ m et on arrête. Sinon on continue. 3 Deux possibilités : Si C(σ m ) > C market σ u = σ m, Si C(σ m ) < C market σ d = σ m, 4 Retour en 1)

21 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Smile de volatilité Les volatilités implicites pour une maturité donnée dépendent du strike : c est le smile de volatilité! Skew : pente de la fonction K σ (K). Smile : convexité de la fonction K σ (K). Smile et skew plus marqués pour courtes maturités.

22 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Surface de volatilité implicite (1) A une date t, on dispose de plusieurs prix de marché calls et puts pour certaines maturités (T 1,...T N ) et certains strikes par maturité. On a donc pour chaque couple maturité/strike, une volatilité implicite (call ou put, peu importe). Définition A une date donnée t, on appelle surface de volatilité la fonction V t (K, T ) qui renvoie la volatilité implicite de strike K et de maturité T.

23 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Surface de volatilité implicite (2) Problèmes : nombre limité de prix de marché pour les options VS surface de volatilité pour tous les strikes/maturités. La surface de volatilité doit être calibrée sur ces prix d options. Exemple 1 : interpolation linéaire. Exemple 2 : Approximation paramètrique.

24 Utilisations pratiques du modèle de Black-Scholes Couverture d options Couverture delta-neutre Réplication d une option avec un portefeuille autofinançant V t : 1 Vente d un call au prix C market, calcul de la volatilité implicite σ. 2 En t 0 = t : achat de δ(σ, t 0, S t0 ) actifs risqués, placement de C market δ(σ, t 0, S t0 )S t0 en cash. 3 Rebalancement en t i+1 : achat de δ(σ, t i+1, S ti+1 ) δ(σ, t i, S ti ) actifs risqués, placement de (δ(σ, t i+1, S ti+1 ) δ(σ, t i, S ti ))S ti+1 en cash. 4 A maturité, V T max(s T K, 0).

25 Utilisations pratiques du modèle de Black-Scholes Couverture d options Couverture delta-neutre : Remarques Couverture à dates discrètes imparfaite (ex : -10% dans une journée). Volatilité réelle volatilité implicite mauvaise couverture. Traders : marge de liberté...

26 Utilisations pratiques du modèle de Black-Scholes Autres utilisations Autres utilisations Couverture d un portefeuille d options. Valorisation de produits plus complexes (par différences finies, Monte-Carlo). Calculs de sensibilités sur portefeuilles d options...

27 Conclusion Outline 1 Définitions Le modèle de diffusion de Black-Scholes Portefeuille auto-finançant Objectif de BS 2 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique du problème de BS Valorisation d une option - Formule de Black-Scholes 3 Utilisations pratiques du modèle de Black-Scholes Calcul de volatilité implicite Couverture d options Autres utilisations 4 Conclusion

28 Conclusion Conclusion Modèle le plus connu utilisé comme benchmark (volatilité implicite,...). Monde idéal ne respectant pas les limites de la réalité (couverture instantanée,...). Théorie compliquée mais utilisation simple erreurs courantes. Très peu utilisé pour valoriser les produits complexes, mais plutôt comme socle de vocabulaire commun.

29 Cocktail! Cocktail Champagne!

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

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

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

Calibration de Modèles et Couverture de Produits Dérivés

Calibration de Modèles et Couverture de Produits Dérivés Calibration de Modèles et Couverture de Produits Dérivés Peter TANKOV Université Paris VII tankov@math.jussieu.fr Edition 28, dernière m.à.j. le 1 mars 28 La dernière version de ce document est disponible

Plus en détail

Finance, Navier-Stokes, et la calibration

Finance, 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 détail

QUESTIONS D ENTRETIENS EN FINANCE DE MARCHE

QUESTIONS D ENTRETIENS EN FINANCE DE MARCHE QUESTIONS D ENTRETIENS EN FINANCE DE MARCHE Le présent document est un recueil de questions, la plupart techniques, posées à des candidats généralement jeunes diplômés, issus d école d ingénieurs, de commerce

Plus en 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

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

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

Résumé... 9... 10... 10... 10

Résumé... 9... 10... 10... 10 Bibliographie 1 Table des matières Table des matières.................................... 3 Résumé............................................ 9........................................ 10........................................

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

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

Surface de volatilité

Surface de volatilité Surface de volatilité Peter TANKOV Université Paris-Diderot(ParisVII) tankov@math.univ-paris-diderot.fr Dernière m.à.j. February 15, 15 Ce document est mis à disposition sous un contrat Creative Commons

Plus en détail

Calculating Greeks by Monte Carlo simulation

Calculating Greeks by Monte Carlo simulation Calculating Greeks by Monte Carlo simulation Filière mathématiques financières Projet de spécialité Basile Voisin, Xavier Milhaud Encadré par Mme Ying Jiao ENSIMAG - Mai-Juin 27 able des matières 1 Remerciements

Plus en détail

2- Comment les traders gèrent les risques

2- Comment les traders gèrent les risques 2- Comment les traders gèrent les risques front office middle office back office trading échange d'actifs financiers contrôle des risques, calcul du capital requis enregistrement des opérations traitement

Plus en 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

Estimation du coût de l incessibilité des BSA

Estimation 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 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

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

Liste 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... Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................

Plus en détail

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1 Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs

Plus en 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

Calibration de modèles et couverture de produits dérivés

Calibration de modèles et couverture de produits dérivés Calibration de modèles et couverture de produits dérivés Peter Tankov To cite this version: Peter Tankov. Calibration de modèles et couverture de produits dérivés. DEA. Calibration de modèles et couverture

Plus en détail

Master 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. 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 détail

Pratique des options Grecs et stratégies de trading. F. Wellers

Pratique des options Grecs et stratégies de trading. F. Wellers Pratique des options Grecs et stratégies de trading F. Wellers Plan de la conférence 0 Philosophie et structure du cours 1 Définitions des grecs 2 Propriétés des grecs 3 Qu est ce que la volatilité? 4

Plus en détail

Génération de scénarios économiques

Génération de scénarios économiques Modélisation des taux d intérêt Pierre-E. Thérond ptherond@galea-associes.eu pierre@therond.fr Galea & Associés ISFA - Université Lyon 1 22 novembre 2013 Motivation La modélisation des taux d intérêt est

Plus en détail

Introduction à la théorie des options financières

Introduction à la théorie des options financières Introduction à la théorie des options financières Christophe Chorro (christophe.chorro@gmail.com) ESC REIMS Le 16 Janvier 2008 hristophe Chorro (christophe.chorro@gmail.com) (ESC REIMS) Théorie des options

Plus en 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

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

INTRODUCTION INTRODUCTION

INTRODUCTION 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 détail

Value at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061

Value at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061 Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain

Plus en détail

Couverture des risques dans les marchés financiers

Couverture des risques dans les marchés financiers énéral2.6.137 1 2 Couverture des risques dans les marchés financiers Nicole El Karoui Ecole Polytechnique,CMAP, 91128 Palaiseau Cedex email : elkaroui@cmapx.polytechnique.fr Année 23-24 2 Table des matières

Plus en 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

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage 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 détail

un environnement économique et politique

un 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

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

Chapitre 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. 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 détail

ERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+

ERRATA 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 détail

Produits structurés. Sacha Duparc, Développement & Trading Produits Structurés 20.12.2013

Produits structurés. Sacha Duparc, Développement & Trading Produits Structurés 20.12.2013 Produits structurés Sacha Duparc, Développement & Trading Produits Structurés 20.12.2013 Importance du marché des produits structurés en Suisse Les produits structurés constituent une catégorie d investissement

Plus en détail

Calcul Stochastique pour la finance. Romuald ELIE

Calcul Stochastique pour la finance. Romuald ELIE Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis

Plus en détail

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48 Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation

Plus en détail

Problèmes de crédit et coûts de financement

Problèmes de crédit et coûts de financement Chapitre 9 Problèmes de crédit et coûts de financement Ce chapitre aborde un ensemble de préoccupations devenues essentielles sur les marchés dedérivésdecréditdepuislacriseducréditde2007.lapremièredecespréoccupations

Plus en détail

Options exotiques. April 18, 2000

Options exotiques. April 18, 2000 Options exotiques Nicole El Karoui, Monique Jeanblanc April 18, 2000 1 Introduction Les options exotiques sont des produits complexes, qui constituent un marché d une réelle importance depuis les années

Plus en détail

NOTICE MÉTHODOLOGIQUE SUR LES OPTIONS DE CHANGE

NOTICE MÉTHODOLOGIQUE SUR LES OPTIONS DE CHANGE NOTICE MÉTHODOLOGIQUE SUR LES OPTIONS DE CHANGE Avec le développement des produits dérivés, le marché des options de change exerce une influence croissante sur le marché du change au comptant. Cette étude,

Plus en détail

MODELES DE LA COURBE DES TAUX D INTERET. UNIVERSITE d EVRY Séance 1. Philippe PRIAULET

MODELES DE LA COURBE DES TAUX D INTERET. UNIVERSITE d EVRY Séance 1. Philippe PRIAULET MODELES DE LA COURBE DES TAUX D INTERET UNIVERSITE d EVRY Séance 1 Philippe PRIAULET Plan du Cours Introduction Définition de la courbe des taux La multitude de courbes des taux Pourquoi utiliser un modèle

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

ANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique

ANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique 1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis

Plus en détail

Capital Structure Arbitrage : Theory and Practice of Structural Models

Capital Structure Arbitrage : Theory and Practice of Structural Models : Theory and Practice of Structural Models Pierre GARREAU University Paris-1 Panthéon Sorbonne 9 Juillet 2008 P. Garreau Press Review Les Enjeux Mise en Bouche Définitions Press Review Volkswagen, Europe

Plus en détail

Gestion obligataire passive

Gestion obligataire passive Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage

Plus en détail

TURBOS WARRANTS CERTIFICATS. Les Turbos Produits à effet de levier avec barrière désactivante. Produits non garantis en capital.

TURBOS WARRANTS CERTIFICATS. Les Turbos Produits à effet de levier avec barrière désactivante. Produits non garantis en capital. TURBOS WARRANTS CERTIFICATS Les Turbos Produits à effet de levier avec barrière désactivante. Produits non garantis en capital. 2 LES TURBOS 1. Introduction Que sont les Turbos? Les Turbos sont des produits

Plus en détail

Le call 6 mois strike 35 coûte 6 EUR ; le call 6 mois strike 40 coûte 4 EUR. L action sous-jacente cote 37.50 EUR.

Le call 6 mois strike 35 coûte 6 EUR ; le call 6 mois strike 40 coûte 4 EUR. L action sous-jacente cote 37.50 EUR. Exercice 09/02 #3 Le call 6 mois strike 35 coûte 6 EUR ; le call 6 mois strike 40 coûte 4 EUR. L action sous-jacente cote 37.50 EUR. a) Comment créer un bull spread avec ces calls? b) Quel est le gain,

Plus en détail

PROJET MODELE DE TAUX

PROJET 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 détail

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.

Mémoire 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 détail

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques

Plus en détail

Le théorème des deux fonds et la gestion indicielle

Le 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 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

4 Distributions particulières de probabilités

4 Distributions particulières de probabilités 4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli

Plus en détail

Evaluation des options parlatransformée de Fourier

Evaluation des options parlatransformée de Fourier Evaluation des options parlatransformée de Fourier Bogdan Negrea Juin 00 y Abstract Le modèle de Black et Scholes a pour hypothèse la constance de la volatilité associée à la distribution risque-neutre.

Plus en détail

De la mesure à l analyse des risques

De la mesure à l analyse des risques De la mesure à l analyse des risques Séminaire FFA Jean-Paul LAURENT Professeur à l'isfa jean-paul.laurent@univ-lyon1.fr http://laurent.jeanpaul.free.fr/ 0 De la la mesure à l analyse des risques! Intégrer

Plus en détail

Tests 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 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

Capital économique en assurance vie : utilisation des «replicating portfolios»

Capital 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 détail

Circuits RL et RC. Chapitre 5. 5.1 Inductance

Circuits RL et RC. Chapitre 5. 5.1 Inductance Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite

Plus en détail

Ask : Back office : Bar-chart : Bear : Bid : Blue chip : Bond/Junk Bond : Bull : Call : Call warrant/put warrant :

Ask : Back office : Bar-chart : Bear : Bid : Blue chip : Bond/Junk Bond : Bull : Call : Call warrant/put warrant : Parlons Trading Ask : prix d offre ; c est le prix auquel un «market maker» vend un titre et le prix auquel l investisseur achète le titre. Le prix du marché correspond au prix le plus intéressant parmi

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

Produits de crédit en portefeuille

Produits de crédit en portefeuille Chapitre 6 Produits de crédit en portefeuille et défauts corrélés Dans ce chapitre, on étudie des produits financiers de crédit en portfeuille, notamment k th -to-default swap et CDOs (voir 1.2 pour une

Plus en détail

Table des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...

Table des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement... III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................

Plus en détail

Qu est-ce-qu un Warrant?

Qu 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 détail

L essentiel des marchés financiers

L essentiel des marchés financiers Éric Chardoillet Marc Salvat Henri Tournyol du Clos L essentiel des marchés financiers Front office, post-marché et gestion des risques, 2010 ISBN : 978-2-212-54674-3 Table des matières Introduction...

Plus en détail

CGB Contrats à terme sur obligations du gouvernement. OGB Options sur contrats à terme sur obligations du gouvernement

CGB Contrats à terme sur obligations du gouvernement. OGB Options sur contrats à terme sur obligations du gouvernement CGZ Contrats à terme sur obligations du gouvernement du Canada de deux ans CGF Contrats à terme sur obligations du gouvernement du Canada de cinq ans CGB Contrats à terme sur obligations du gouvernement

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse de la variance Comparaison de plusieurs moyennes Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction

Plus en détail

Chapitre 1 Régime transitoire dans les systèmes physiques

Chapitre 1 Régime transitoire dans les systèmes physiques Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer

Plus en détail

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES. CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires

Plus en détail

CONCOURS 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) 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 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

MARTINGALES POUR LA FINANCE

MARTINGALES 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 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

Monnaie, Banque et Marchés Financiers

Monnaie, 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 détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

La 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 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 détail

Gestion des risques et institutions financières

Gestion des risques et institutions financières Gestion des risques et institutions financières John Hull université de Toronto, Canada Édition française réalisée et adaptée par Christophe Godlewski et Maxime Merli université Louis Pasteur Strasbourg

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

Manuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO

Manuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour

Plus en détail

Méthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique

Méthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique Méthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique Najed Ksouri To cite this version: Najed Ksouri. Méthodes d approximation

Plus en 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

Méthodologie du calcul de la VaR de marché : revue de l approche basée sur des simulations historiques

Méthodologie du calcul de la VaR de marché : revue de l approche basée sur des simulations historiques Méthodologie du calcul de la VaR de marché : revue de l approche basée sur des simulations historiques Asshvin Gajadharsingh Mesure et analyse quantitative du risque Caisse de dépôt et placement du Québec

Plus en détail

De la mesure à l analyse des risques

De la mesure à l analyse des risques De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De

Plus en détail

GUIDE DES WARRANTS. Donnez du levier à votre portefeuille!

GUIDE DES WARRANTS. Donnez du levier à votre portefeuille! GUIDE DES WARRANTS Donnez du levier à votre portefeuille! Instrument dérivé au sens du Règlement Européen 809/2004 du 29 avril 2004 Produits non garantis en capital à effet de levier EN SAVOIR PLUS? www.listedproducts.cib.bnpparibas.be

Plus en détail

Exercice 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» 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 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

Le Comité de Bâle vous souhaite une belle et heureuse année 2013 Adoption du ratio de liquidité LCR

Le Comité de Bâle vous souhaite une belle et heureuse année 2013 Adoption du ratio de liquidité LCR David Benamou +33 1 84 16 03 61 david.benamou@axiom-ai.com Philip Hall +33 1 44 69 43 91 p.hall@axiom-ai.com Adrian Paturle +33 1 44 69 43 92 adrian.paturle@axiom-ai.com Le Comité de Bâle vous souhaite

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

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

Examen Final. Indications

Examen 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 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

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

Qu est-ce qu une banque?

Qu est-ce qu une banque? Qu est-ce qu une banque? Nathalie Janson 1 Financement de l Activité économique Développement des entreprises nécessite apport de fonds Les entreprises peuvent se financer de façon interne ou externe Les

Plus en détail

Plan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.

Plan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes. Plan Intérêts 1 Intérêts 2 3 4 5 6 7 Retour au menu général Intérêts On place un capital C 0 à intérêts simples de t% par an : chaque année une somme fixe s ajoute au capital ; cette somme est calculée

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