PROCESSUS ALEATOIRES :
|
|
- Julie Marie-Madeleine Laroche
- il y a 8 ans
- Total affichages :
Transcription
1 EcoledesMinesdeSaint Etienne PROCESSUSALEATOIRES: MARTINGALES,MOUVEMENTBROWNIEN,CALCULSTOCHASTIQUE Exercices Janvier2009 OlivierRoustant Processusaléatoires,calculstochastique:exercicesENSM SE2009
2 MOUVEMENTBROWNIEN 1) Montrerl équivalenceentreles2propriétéssuivantespourunprocessusb: a) B est un processus à accroissements indépendants et stationnaires (PAIS), et pourtoutt,btestdeloinormalen(0,t) b) Bestunprocessusgaussiencentré,aveccov(Bs,Bt)=min(s,t) Quefaut ilrajouterpourquebsoitunmouvementbrownien? 2) Soit B = (Bt)0 t 1 un mouvement brownien standard sur [0, 1] (on s arrête à 1). Montrer que le processus X = (B1 t B1)0 t 1 est aussi un mouvement brownien standardsur[0,1].faireundessin. 3) On appelle pont brownien le processus (Pt)0 t 1 obtenu à partir du mouvement brownienstandardenimposantlescontraintesd interpolationp0=p1=0. Formellement,si(Bt)t 0estunmouvementbrownienstandard,ona: Pt=Bt tb1,0 t 1 Montrer que (Pt) est un processus gaussien centré et calculer sa structure de covariance.endéduiredesbandesdeconfianceà95%.interpréter. Pt t Figure1.Quelquestrajectoiresdupontbrownienetlesbandesdeconfianceà95%. 4) SoientB=(B 1,B 2 )unmouvementbrownienbi dimensionnelstandard,c est à dire telqueb 1 etb 2 sontdeuxmouvementsbrowniensstandardindépendants. MontrerqueBestinvariantparrotationenloi,c est à direquepourtoutθ [0,2π],le processus W défini par Wt = R θ Bt est un mouvement brownien bi dimensionnel standard,avecr θ lamatrice(cos(θ)sin(θ); sin(θ)cos(θ)). Processusaléatoires,calculstochastique:exercicesENSM SE2009
3 VARIATIONQUADRATIQUE COVARIATION 1) SoientXetYdeuxprocessusàtrajectoiresdeclassesC 1. a. Montrerque<X>t=<Y>t=0,puisque<X,Y>t=0( t). b. Montrerque<X,Z>t=0,pourtoutprocessusZtelque<Z>t<+ ( t). 2) SoitBunmouvementbrownienstandard.Onrappelleque<B>t=t, t. a. SoitXunprocessusàtrajectoiresdeclassesC 1.Calculer<X,B>t b. SoitWunmouvementbrownienavecdériveWt=µt+Bt.Calculer<W>t 3) Onreprendlesnotationsdel exercice3)delasection«mouvementbrownien». a. Montrerque<B 1,B 2 >t=0. b. Exprimer<B 1,W 1 >tenfonctiondecor(b 1 t,w 1 t). MARTINGALES 1) Soit(Wt)t 0unmouvementbrownienstandard.Montrerque: a. (Wt 2 )t 0estunesous martingale,et(wt 2 t)t 0estunemartingale. b. (exp(wt))t 0 est une sous martingale, et (exp(αwt ½α 2 t))t 0 est une martingalepourtoutréelα. 2) [Gestiondeportefeuilleetmartingale] OnconsidèreKactifsfinanciers,dontlesprixàladatetsontnotés(X 1 t,,x K t).on supposequechaqueprocessus(x k )estunemartingale(1 k K). Notonsθt=(θ 1 t,,θ K t)lenombredepartsdétenudanschaqueactifentretett 1.La valeurduportefeuilleestalorsvt=θ 1 tx 1 t+ +θ K tx K t.onsupposenaturellement (pourquoi?)queθestunprocessusprévisibleborné. Onditqueleportefeuilleestautofinancési: θ 1 tx 1 t+ +θ K tx K t=θ 1 t+1x 1 t+ +θ K t+1x K t a. Interprétercetteégalité(prendreunexemplesimple). b. Montrer que si le portefeuille est autofinancé, alors V est une martingale. Interprétercerésultatentermedegestiondeportefeuille. 3) [Surlaruinedujoueur]. On considère le jeu de pile ou face équilibré (p=1/2), et on se pose la question suivante:quelleestlaprobabilitépourquelejoueurréaliseunepertesupérieureà unequantitéb>0(ruine)avantd avoirréaliséunbénéficesupérieurouégalàa>0? On note X1,, Xn le bénéfice réalisé à chaque partie, éventuellement négatif, et Sn=X1+ +Xn. Soit T = inf{n N, Sn a ou Sn b}, et pruine la probabilité cherchée. Danslasuite,onprendaetbentiers. Processusaléatoires,calculstochastique:exercicesENSM SE2009
4 a. MontrerqueTestuntempsd arrêt,etexprimerpruineenfonctiondet. b. On admet que T est fini, i.e. P(T<+ )=1 (voir par ex. [Williams] pour une démonstration de ce résultat, utilisant aussi le th. d arrêt). En déduire que pruine = a/(a+b), par application du théorème d arrêt de Doob (Indication: utiliserlethéorème3,puislethéorèmedeconvergencedominéedelebesgue). Interpréter.Calculerpruinesiaetbnesontpasentiers. c. Que faut il modifier pour calculer la probabilité de ruine en temps continu, doncsi(st)estlemouvementbrownienstandard? 4) [SurladécompositiondeDoob]. a. Démontrer le théorème de décomposition de Doob. Justifier l interprétation de M comme l erreur de prévision cumulée, et A comme l espérance de gain cumulée. b. DonnerladécompositiondeDoobpourlejeudepileouface. c. DonnerladécompositiondeDoobd unprocessusar(1):xt=φxt 1+εt,avec (εt)unbruitblanccentré. 5) [Loidupremiertempsd atteinted unebarrièreparunmouvementbrownien]. Danscetexercice,onvacalculerde2façonslaloidupremiertempsd atteinted une barrièred unmouvementbrownienstandardb: Ta=inf{t>0,Bt=a},a>0 Pour cela, on va calculer la transformée de Laplace de Ta: E[exp( λta)], qui pourra ensuiteêtreinversée. a. JustifierqueTa=inf{t>0,Bt a}etquetaestuntempsd arrêt. b. On rappelle que les trajectoires du Brownien sont presque sûrement non bornées.qu endéduirepourta? c. Soits 0.PosonsMt s =exp(sbt s 2 t/2).montrerquee[mta t]=1(indication: utiliser l exercice 1). En déduire que E[MTa]=1, puis E[exp( λta)] = exp( a(2λ) 1/2 ). Par inversion de la transformée de Laplace, on montre que Ta admet la densité de probabilité: fa(t)=a(2πt 3 ) 1/2 exp( a 2 /2t) Onpeutretrouvercerésultatgrâceaufameux«principederéflexion». d. JustifiergrâceàunargumentdesymétriequeP(Ta t)=2p(bt a), t,a>0. e. RetrouveralorsladensitédeTa. Processusaléatoires,calculstochastique:exercicesENSM SE2009
5 CALCULSTOCHASTIQUE 1) [Formuled intégrationparparties] Danscetexercice,ons intéresseàlaformuled intégrationparpartiespourdessemimartingales continues: a. Démonstrationélémentaire.Démontrerlaformuledanslecasparticulieroù X=Y, en utilisant simplement une subdivision dyadique. Expliquer comment onpeutendéduirelerésultatdanslecasgénéral. b. Retrouverlaformuled intégrationparpartiesenutilisantlecalculd Itô. c. Soit φ une fonction de classe C 1. Justifier que φ est une semi martingale continue (déterministe). En déduire la formule d intégration par partie valablepourunesemi martingaleetunefonctiondeclassec 1 : Observerl analogieaveclaformuled intégrationparpartiesordinaire. 2) [Processusd Ornstein Uhlenbeck] Leprocessusd Ornstein Uhlenbeckestlasolutionuniquedel équation: avec W un mouvement brownien standard, c > 0, σ 0 deux constantes et x un nombre réel quelconque. Il s agit donc d une équation différentielle avec un terme d erreurmodéliséparunmouvementbrownien.enfinance,ilestutilisépourdécrire ladynamiquedestauxd intérêt. a. Résoudreleproblèmedanslecasdéterministe(σ=0). b. EnutilisantYt=Xte ct,montrerquextvérifie: c. Montrer que pour tout t, Xt est de loi normale. Plus généralement, montrer que X est un processus gaussien et vérifier que cov(xs,xt)= Processusaléatoires,calculstochastique:exercicesENSM SE2009.LestrajectoiresdeXsont ellescontinues? d. Justifier la terminologie de «processus de retour à la moyenne», qui est utiliséepourleprocessusd Ornstein Uhlenbeck.Interpréterleparamètrec.
6 3) [Mouvementbrownienintégré Applicationàl évaluationd uneoptionasiatique] Uneoptionasiatiqueestuneoptiondontlepayoffdépendd unemoyenneduprixde l actifsous jacent.danscetexerciceonconsidèrelecasd unemoyennegéométrique, et on va donner le principe du calcul du prix de l option d achat asiatique sur une action.lepayoffdecetteoptionest: max(g(t) K;0) aveckleprixd exerciceetg(t)= où: t0estladateinitiale,testl échéance(oumaturité). Stleprixàladatetdusous jacent. Vousverrezaumodule2quesousdiverseshypothèses,dontceluidel existenced un tauxsansrisquer,lavaleurdel optionestdonnéeparlaformulesuivante: oùq est une probabilité sous laquelle l espérance actualisée du rendement de tous lesactifsestégaleautauxsansrisque(probabilitérisque neutre). Onsupposequelecoursdusous jacentestdonnéparlemodèledeblacketscholes: avecbunmouvementbrownienstandard.onmontrealors(voirpolycopié, 6)que dansl espacedeprobabilitérisque neutre,lecoursdel actifestdonnépar: où W est un autre mouvement brownien standard. Il en résulte(cf polycopié 5.2) quepourtoutt: Pourobtenirl expressionanalytiqueduprixdel option,laprincipaledifficultéestde vérifierquegestunevariablealéatoiredeloilog normalesouslaprobabilitéq,et d encalculerlesparamètres.lasuiteendécouleimmédiatementcaronpeutcalculer defaçonélémentairedesquantitésdutypee[max(x K;0)]lorsqueXestdeloilognormale. a. JustifierqueGcorrespondbienàunemoyennegéométrique. b. Montrerque: c. Montrerque estunevariablealéatoiredeloin(0,(t t0) 3 /3): Processusaléatoires,calculstochastique:exercicesENSM SE2009
7 i. Directement, en écrivant l intégrale comme une limite de sommes de Riemann. ii. Avec le calcul stochastique, en faisant intervenir une intégrale de Wiener. d. Donner enfin la loi de G. Le prix de l option s en déduit, on trouvera une formuledans(hull,2004). e. Considérons maintenant une option asiatique dont le payoff dépend d une moyenne arithmétique. Expliquer où est la difficulté pour obtenir la loi du payoff. Quelle méthode numérique peut permettre d obtenir une valeur approchée du prix de l option. Comment accélérer (de façon drastique!) la vitessedeconvergencedelaméthode? Processusaléatoires,calculstochastique:exercicesENSM SE2009
8 Bibliographie Doob J.L. (1994), Measure Theory, Springer-Verlag. Karatzas I., Shreve S. E. (1991), Brownian Motion and Stochastic Calculus, 2 nd edition, Springer. Revuz D., Yor M. (1999), Continuous Martingales and Brownian Motion, 3 rd Springer. edition, Roger P. (2004), Probabilités, statistique et processus stochastiques, Collection synthex, Pearson Education. Williams D. (1991), Probability with Martingales, Cambridge Mathematical Textbooks. Processusaléatoires,calculstochastique:exercicesENSM SE2009
DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002
Département d économie politique DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS Semestre d hiver 2001-2002 Professeurs Marc Chesney et François Quittard-Pinon Séance
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailCalcul 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 détailMARTINGALES POUR LA FINANCE
MARTINGALES POUR LA FINANCE une introduction aux mathématiques financières Christophe Giraud Cours et Exercices corrigés. Table des matières I Le Cours 7 0 Introduction 8 0.1 Les produits dérivés...............................
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailProduits de crédit en portefeuille
Chapitre 6 Produits de crédit en portefeuille et défauts corrélés Dans ce chapitre, on étudie des produits financiers de crédit en portfeuille, notamment k th -to-default swap et CDOs (voir 1.2 pour une
Plus en détail0 h(s)ds et h [t = 1 [t, [ h, t IR +. Φ L 2 (IR + ) Φ sur U par
Probabilités) Calculus on Fock space and a non-adapted quantum Itô formula Nicolas Privault Abstract - The aim of this note is to introduce a calculus on Fock space with its probabilistic interpretations,
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailPrix et couverture d une option d achat
Chapitre 1 Prix et couverture d une option d achat Dans cette première leçon, on explique comment on peut calculer le prix d un contrat d option en évaluant celui d un portefeuille de couverture de cette
Plus en détailPetite introduction aux mathématiques des dérivés financiers (notes de cours, version provisoire)
Petite introduction aux mathématiques des dérivés financiers notes de cours, version provisoire Michel Miniconi Département de Mathématiques Laboratoire Jean-Alexandre Dieudonné Université de Nice Sophia-Antipolis
Plus en détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
Plus en détail3 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 détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détailValorisation d es des options Novembre 2007
Valorisation des options Novembre 2007 Plan Rappels Relations de prix Le modèle binomial Le modèle de Black-Scholes Les grecques Page 2 Rappels (1) Définition Une option est un contrat financier qui confère
Plus en détailIncertitude financière, mesures de risque et préférences robustes
Incertitude financière, mesures de risque et préférences robustes Hans Föllmer Institut für Mathematik Humboldt-Universität zu Berlin Unter den Linden 6 10099 Berlin, Allemagne 1 Le rôle des mathématiques
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailDécomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin
Décomposition de Föllmer-Schweizer explicite d un passif d assurance vie au moyen du calcul de Malliavin Mémoire présenté par Sébastien de Valeriola en vue de l obtention du master en sciences actuarielles
Plus en détailOptions exotiques. April 18, 2000
Options exotiques Nicole El Karoui, Monique Jeanblanc April 18, 2000 1 Introduction Les options exotiques sont des produits complexes, qui constituent un marché d une réelle importance depuis les années
Plus en détailGénération de scénarios économiques
Modélisation des taux d intérêt Pierre-E. Thérond ptherond@galea-associes.eu pierre@therond.fr Galea & Associés ISFA - Université Lyon 1 22 novembre 2013 Motivation La modélisation des taux d intérêt est
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailMathématiques et finance
Mathématiques et finance Emmanuel Gobet (1) Gilles Pagès (2) Marc Yor (3) (1) Ensimag-INP Grenoble Laboratoire de Modélisation et Calcul UMR 5523. E-mail :emmanuel.gobet@imag.fr (2) Laboratoire de Probabilités
Plus en détail108y= 1 où x et y sont des entiers
Polynésie Juin 202 Série S Exercice Partie A On considère l équation ( ) relatifs E :x y= où x et y sont des entiers Vérifier que le couple ( ;3 ) est solution de cette équation 2 Déterminer l ensemble
Plus en détailCours de Calcul stochastique Master 2IF EVRY. Monique Jeanblanc
Cours de Calcul stochastique Master 2IF EVRY Monique Jeanblanc Septembre 26 2 Contents 1 Généralités 7 1.1 Tribu............................................... 7 1.1.1 Définition d une tribu.................................
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailCHAPITRE 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 détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailMATHÉMATIQUES ET APPLICATIONS
MASTER 2 ème ANNÉE MATHÉMATIQUES ET APPLICATIONS Parcours Mathématiques du Risque et Actuariat ANNÉE UNIVERSITAIRE 2015 2016 1 PRESENTATION Le Master 2 Mathématiques du Risque et Actuariat a pour objectif
Plus en détailChap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R.
Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R. Démonstration : Soit la fonction %:& %&!= &!, elle est dérivable sur R et & R, %. &!= &! = &! = %&! gaelle.buffet@ac-montpellier.fr
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailThéorème 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 détailCurriculum Vitae Ismaël Bailleul
Curriculum Vitae Ismaël Bailleul Date de naissance 2 décembre 1979 Nationalité Français Adresse Administrative Institut de Recherche Mathématiques de Rennes 263 Avenue du Général Leclerc, 35042 RENNES
Plus en détailMATHÉMATIQUES ET APPLICATIONS Année universitaire 2015-2016
Université Paris-Est Marne-la-Vallée Université Paris-Est Créteil École des Ponts ParisTech Master MATHÉMATIQUES ET APPLICATIONS Année universitaire 2015-2016 Le master recherche Mathématiques et applications
Plus en détailQUESTIONS D ENTRETIENS EN FINANCE DE MARCHE
QUESTIONS D ENTRETIENS EN FINANCE DE MARCHE Le présent document est un recueil de questions, la plupart techniques, posées à des candidats généralement jeunes diplômés, issus d école d ingénieurs, de commerce
Plus en détailModélisation de séries financières par un modèle multifractal. Céline Azizieh
Modélisation de séries financières par un modèle multifractal Céline Azizieh Mémoire présenté à l Université Libre de Bruxelles en vue d obtenir le diplôme d actuaire Supervision: W. Breymann (RiskLab,
Plus en détailF411 - 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 détailFinance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailChapitre 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 détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailMesure et gestion des risques d assurance
Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailCorps des nombres complexes, J Paul Tsasa
Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailGestion stratégique d un fonds de pension en temps continu
Gestion stratégique d un fonds de pension en temps continu - Mohamed TALFI (Université Lyon 1, Laboratoire SAF) 2008.4 (WP 2048) Laboratoire SAF 50 Avenue Tony Garnier - 69366 Lyon cedex 07 http://www.isfa.fr/la_recherche
Plus en détailMATHÉMATIQUES ET APPLICATIONS Année universitaire 2014-2015
Université Paris-Est Marne-la-Vallée Université Paris-Est Créteil École des Ponts ParisTech Master MATHÉMATIQUES ET APPLICATIONS Année universitaire 2014-2015 Le master recherche Mathématiques et applications
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailRésumé... 9... 10... 10... 10
Bibliographie 1 Table des matières Table des matières.................................... 3 Résumé............................................ 9........................................ 10........................................
Plus en détailCalibration de Modèles et Couverture de Produits Dérivés
Calibration de Modèles et Couverture de Produits Dérivés Peter TANKOV Université Paris VII tankov@math.jussieu.fr Edition 28, dernière m.à.j. le 1 mars 28 La dernière version de ce document est disponible
Plus en détailTRAVAIL D ETUDE ET DE RECHERCHE. Utilisation des arbres binomiaux pour le pricing des options américaines
Ensimag - 2éme année Mai 2010 TRAVAIL D ETUDE ET DE RECHERCHE Utilisation des arbres binomiaux pour le pricing des options américaines Anne-Victoire AURIAULT 1/48 2/48 Cadre de l Étude Cette étude a été
Plus en détailPropriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailHealth Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation
Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailChapitre 14 Cours à terme et futures. Plan
hapitre 14 ours à terme et futures Plan Différences entre contrat à terme et contrat de future Fonction économique des marchés de futures Rôle des spéculateurs Futures de matières premières Relation entre
Plus en détailCouverture des risques dans les marchés financiers
énéral2.6.137 1 2 Couverture des risques dans les marchés financiers Nicole El Karoui Ecole Polytechnique,CMAP, 91128 Palaiseau Cedex email : elkaroui@cmapx.polytechnique.fr Année 23-24 2 Table des matières
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailEvaluation des options parlatransformée de Fourier
Evaluation des options parlatransformée de Fourier Bogdan Negrea Juin 00 y Abstract Le modèle de Black et Scholes a pour hypothèse la constance de la volatilité associée à la distribution risque-neutre.
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailCalculating Greeks by Monte Carlo simulation
Calculating Greeks by Monte Carlo simulation Filière mathématiques financières Projet de spécialité Basile Voisin, Xavier Milhaud Encadré par Mme Ying Jiao ENSIMAG - Mai-Juin 27 able des matières 1 Remerciements
Plus en détailCalcul 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailMaster de Recherche première année. Programme de cours 2008-2011
Master de Recherche première année Mention : Mathématiques et Applications Spécialité : Mathématiques fondamentales et appliquées Responsable : Xue Ping WANG Programme de cours 2008-2011 Module M1 : Analyse
Plus en détailUNIVERSITE DE TECHNOLOGIE DE COMPIEGNE. Le Traitement du Signal aléatoire
UNIVERSITE DE TECHNOLOGIE DE COMPIEGNE Le Traitement du Signal aléatoire SY06 partie II - Printemps 2009 P.Simard 12 mai 2009 2 Table des matières 1 Besoins de modèles aléatoires pour les signaux 5 2 Principaux
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détail2 TABLE DES MATIÈRES. I.8.2 Exemple... 38
Table des matières I Séries chronologiques 3 I.1 Introduction................................... 3 I.1.1 Motivations et objectifs......................... 3 I.1.2 Exemples de séries temporelles.....................
Plus en détailQuand le bruit est à l origine de comportements périodiques
1/17 Quand le bruit est à l origine de comportements périodiques Christophe Poquet Université Paris Dauphine, CEREMADE 28 juin 2014 En collaboration avec G.Giacomin, K.Pakdaman et X.Pellegrin (Paris 7).
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailNOTICE DOUBLE DIPLÔME
NOTICE DOUBLE DIPLÔME MINES ParisTech / HEC MINES ParisTech/ AgroParisTech Diplômes obtenus : Diplôme d ingénieur de l Ecole des Mines de Paris Diplôme de HEC Paris Ou Diplôme d ingénieur de l Ecole des
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailW i r e l e s s B o d y S c a l e - i B F 5 T h a n k y o u f o r p u r c h a s i n g t h e W i r e l e s s B o d y S c a l e i B F 5. B e f o r e u s i n g t h i s u n i t f o r t h e f i r s t t i m
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailAxiomatique de N, construction de Z
Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................
Plus en détail