Simulations des Grecques : Malliavin vs Différences finies
|
|
- Marie-Dominique Truchon
- il y a 8 ans
- Total affichages :
Transcription
1 0.1. LES GRECQUES 1 Simulations des Grecques : iavin vs Différences finies Christophe Chorro Ce petit document vise à illustrer de manière numérique les techniques présentées lors du mini cours sur le calcul de iavin dispensé dans le cadre du Master MMMEF de l Université Paris 1. Ce n est pas un rappel de cours!!! Nous nous bornerons au cadre très simple (et donc réducteur) de Black et Scholes, le but étant de donner une première approche intuitive des phénomènes. Les simulations proposées ici ont été réalisées en C++ ( vous pouvez aussi utiliser le logiciel gratuit scilab mais le temps de calcul n est vraiment pas le même). Dans le modèle de Black et Scholes, la dynamique de l actif risqué est donnée par l EDS suivante ds t = bs t dt + σs t db t (1) de condition initiale S 0 = x 0 > 0. Cette EDS a une unique solution donnée par le Brownien géométrique S t = x 0 e (b 1 2 σ2 )t+σb t. (2) Concernant l actif sans risque, nous le supposerons associé au taux d intérêt continu et constant r. Dans la suite du document nous nous placerons sous l unique probabilité risque neutre ce qui revient tout simplement à considérer que b = r. 0.1 Les Grecques Définition Les Grecques sont des indicateurs qui mesurent la sensibilité de la prime (i.e du prix) d une option par rapport à un paramètre donné (le cours du sous-jacent, le temps, la volatilité). Leur importance pratique est très grande. Si h est un actif contingent (caractérisé uniquement par son payoff), nous savons que son prix à t est de la forme F (t, S t ). Définition On appelle grecques les quantités suivantes : mesure la sensibilité du prix par rapport au sous jacent t (S t ) = F x (t, S t) (3)
2 2 Γ mesure la sensibilité du delta par rapport au sous jacent Γ t (S t ) = 2 F x 2 (t, S t) (4) Θ mesure la sensibilité du prix par rapport au temps Θ t (S t ) = F t (t, S t) (5) ρ mesure la sensibilité du prix par rapport au taux d intérêt ρ t (S t ) = F r (t, S t) (6) vega (qui n est pas une lettre grecque!!!) mesure la sensibilité du prix par rapport à la volatilité vega t (S t ) = F σ (t, S t). (7) Exemple Dans le cas du call et du put (de strike K et d échéance T ) les valeurs des grecques à t = 0 sont données par le tableau suivant : Call Put où N(d 1 ) > 0 N( d 1 ) < 0 Γ 1 xσ T N (d 1 ) > 0 1 xσ T N (d 1 ) > 0 Θ xσ 2 T N (d 1 ) Kre rt N(d 2 ) < 0 xσ 2 T N (d 1 ) + Kre rt (N(d 2 ) 1)?? ρ T Ke rt N(d 2 ) > 0 T Ke rt (N(d 2 ) 1) < 0 vega x T N (d 1 ) > 0 x T N (d 1 ) > 0 d 1 (x) = log( x σ2 ) + (r + )T K 2 σ T et où N est la fonction de répartition d une N (0, 1). et d 2 (x) = log( x σ2 ) + (r )T K 2 σ T (8) Notons que dans ce cas particulier, une fois que les paramètres du modèle sont calés, pour calculer explicitement les grecques il suffit de pouvoir calculer la fonction de répartition d une gaussienne N. Ceci ne peut se faire de manière exacte, il existe des approximations numériques bien connues pour ce problème. On peut, par ailleurs, utiliser la fonction cdfnor de scilab ou la fonction erf en C++. Nous nous limiterons dans la suite aux cas du delta et du gamma (et donc aussi du véga...).
3 0.2. CALCUL PRATIQUE DES GRECQUES PAR SIMULATION MONTE CARLO3 0.2 Calcul pratique des grecques par simulation Monte Carlo Cas où le payoff est le la forme h = f(s T ) On veut évaluer de manière numérique F (t, x) = e r(t t) E [ f(st x t) ], t (x) = F x (t, x) et Γ t(x) = 2 F (t, x) x2 où (S x t ) est le MB géométrique vérifiant S x 0 = x. Pour le prix F (t, x), on utilise une méthode de Monte Carlo classique car on sait simuler très simplement (il suffit de simuler des gaussiennes indépendantes) un échantillon de (ST x t ). Pour les deux autres quantités qui sont les dérivés de la première, une méthode classique est d utiliser un schéma de différence finie i.e d utiliser les approximations suivantes t (x) F (t, x + h) F (t, x h) 2h F (t, x + h) + F (t, x h) 2F (t, x) Γ t (x) h 2 où h est suffisamment petit et où F (t, x + h), F (t, x h) et F (t, x) sont calculés par méthode de Monte Carlo. Problème pour les grecques (contrairement au prix) : Deux facteurs d approximation (MC + différence finie) et donc d erreur En pratique le choix de h n est pas si évident que cela : le prendre trop grand entraîne une mauvaise approximation des dérivées (i.e un grand biais), le prendre trop petit fait souvent exploser violemment la variance de l estimateur (i.e augmente sa volatilité) et donc la qualité des simulations Monte Carlo (cf remarque ci-dessous). Remarque Pour le cas du delta, deux choix s offrent à nous pour le calcul de l approximation par différence finie. Nous devons en effet évaluer par Monte Carlo les deux espérances F (t, x h) et F (t, x + h). Nous pouvons a) Utiliser deux N échantillons indépendants de ST x t et F (t, x + h), dans ce cas, on montre que pour évaluer F (t, x h)
4 4 V ar ( F (t,x+h) F (t,x h) 2h ) ( = 1 V ar(f(s x+h )) T t 4h 2 N + V ar(f(sx h)) T t N ) 1 2Nh 2 V ar ( f(s x T t )). b) Utiliser un seul N échantillon de ST x t pour simuler à la fois F (t, x h) et F (t, x + h), dans ce cas, on montre que lorsque f est régulière V ar ( F (t,x+h) F (t,x h) 2h ) = 1 N V ar ( f(s x+h T t ) f(sx h T t ) 2h 1 N V ar ( f (S x T t )). Une approche alternative pour le calcul des grecques est la méthode des poids. Sa mise en place technique dans le cadre d un modèle financier général nécessite les techniques du calcul de iavin qui ont été abordées en cours. Cependant, sous la dynamique Black-Scholes, la régularité de la densité gaussienne permet d obtenir ces résultats par une simple et classique IPP. Cette IPP n est plus possible pour les modèles plus complexes, on utilise alors les formules de type IPP induites par la dualité entre l opérateur de dérivation au sens de iavin et l intégrale de Skorohod. Dans Black et Scholes, nous savons que lorsque h = f(s T ), le prix F (t, S t ) est parfaitement déterminé par + F (t, x) = e r(t t) f(xe (r 1 2 σ2 )(T t)+σy T t 1 ) e y2 2 dy. 2π Nous avons alors le résultat suivant : ) Proposition On a [ t (x) = e r(t t) E W T t xσ(t t) f(sx T t) ] (9) et [( Γ t (x) = e r(t t) E WT t x 2 σ(t t) + W ) ] T 2 t (T t) f(s x (σ(t t)x) 2 T t) (10) où (S x t ) est (sous la proba risque neutre P ) le MB géométrique tel que S x 0 = x et (W t ) le MB standard. Preuve : On se limite à la démonstration de (9), la méthode étant identique pour (10). Nous allons supposer que f CK 1 (R, R), le cas général se traitant par approximation.
5 0.2. CALCUL PRATIQUE DES GRECQUES PAR SIMULATION MONTE CARLO5 D après le théorème de dérivation sous le signe somme, on a + t (x) = e r(t t) 1 x f(xe(r 2 σ2 )(T t)+σy T t 1 ) e y2 2 dy. } {{ } 2π g(x,y) Or Ainsi par IPP, t (x) = t) e r(t xσ T t g x (x, y) = 1 xσ T t + g (x, y). y f(xe (r 1 2 σ2 )(T t)+σy T t y ) e y2 2 dy. 2π Sous P, ds x t = rs x t dt + σs x t dw t donc ainsi, S x t = xe (r 1 2 σ2 )t+σw t, [ ] t (x) = e r(t t) E W T t xσ(t t) f(sx T t). Ainsi, dans Black et Scholes les grecques peuvent être calculées sans recours au schéma de différence finie. Avantages : Un seul facteur d approximation (MC) et donc d erreur Technique qui ne dépend pas du Payoff (le poids est indépendant de f) Cas du delta pour les options asiatiques simples Contrairement aux options simples (call, put, digitale, corridor) où des formules fermées sont disponibles et où les procédures numériques servent donc uniquement à contrôler les méthodes, le calcul numérique des grecques pour les options asiatiques est d une nécessité absolue (pas de formulation explicite) même dans Black et Scholes. ( ) T On considère ici que le payoff est donné par f. 0 Sx s ds La proposition suivante (dont le démonstration a été donnée en cours) fait intervenir le calcul de iavin :
6 6 Proposition On a [ ( T 0 (x) = e rt x E f 0 ) ( T [ T Ss x 0 ds Sx s ds W T T 0 ssx s ds σ + 0 s2 S x s ds T 0 ssx s ds ] 1 )] (11) où (S x t ) est (sous la proba risque neutre P ) le MB géométrique tel que S x 0 = x et (W t ) le MB standard. Remarque Pour calculer 0 (x) à partir de la formule précédente, il faut simuler des intégrales du type T 0 sn Ss x ds. Ne connaissant pas la loi de T 0 sn Ss x ds, on peut utiliser pour cela l approximation suivante qui fait intervenir les sommes de Riemann : 1 0 s n S x s ds 1 M M k=1 avec M grand (mais pas trop). Reste à simuler le vecteur (xe (r 1 2 σ2 ) k M +σb km ) ( ) n k S x k M M 0<k<M+1 et donc le vecteur gaussien centré (B k ) dont la matrice de covariance est parfaitement M spécifiée. 0.3 Simulations Cas d un call et d un put européen On prend x = 100, K = 100, σ = 0, 15, r = 0, 05, T = 1.
7 0.3. SIMULATIONS 7 Delta Call 0,67 0,665 0,66 delta 0,655 Valeur Theo:0, ,65 0,645 0,64 Nbre de Simulations (10E4) Gamma Call 0,0255 0,025 0,0245 Gamma 0,024 Valeur theo 0, ,0235 0,023 0,0225 Nbre simulations(10e4)
8 8 Delta Put -0,334-0,337 delta -0,34-0,343 Valeur Theo -0, ,346-0,349 Nbre simulations (10E4) Gamma Put 0,026 0,0255 0,025 gamma 0,0245 0,024 Valeur Theo 0, ,0235 0,023 0,0225 Nbre simulations (10E4)
9 0.3. SIMULATIONS 9 Il n est pas très étonnant de voir que dans le cas du call la méthode des différence finie est sensiblement plus précise que la méthode des poids. Ceci est dû au fait que dans la cas du call le payoff est une fonction régulière. Pour comparer les vitesses de de convergence des estimateurs nous introduisons la définition suivante (penser au TCL...) Définition On dit q un estimateur E 1 converge x fois plus vite que E 2 si la variance empirique de E 2 est égale à x fois celle de E 1 (on se base ici sur simulations). Pour le call et le put on obtient les résultats suivants : Call Ratio des Variances (/ iavin) Γ Put Ratio des Variances (/ iavin) 0.30 Γ 1.32 Les choses se passent un peu mieux pour le put que pour le call. Ceci s explique par le fait que dans le cas du call (et non du put) la taille du poids peut exploser Cas d une option digitale Une option digitale est caractérisée par son payoff 1 S x T >K min irrégulier en K min. Il est facile (exo) de montrer que dans ce cas F (0, x) = e rt KN(d), 0 (x) = e rt xσ T n(d) et Γ 0 (x) = ( e rt x 2 σ 2 T n(d) d + σ ) T où n est la densité d une N (0, 1) et où d = log( x )+(r σ2 K min 2 )(T ) On prend x = 100, K = 100, σ = 0, 15, r = 0, 05, T = 1, K min = 95. σ T.
10 10 Delta Digitale 0,0221 0,0218 0,0215 Delta 0,0212 0,0209 Valeur Theo 0, ,0206 0,0203 0,02 Nbre simulations (10E4) Gamma Digitale -0,0005-0,0006-0,0007-0,0008 Gamma -0,0009-0,001-0,0011 Valeur Theo 0, ,0012-0,0013-0,0014-0,0015 Nbre Simulations (10E4)
11 0.3. SIMULATIONS 11 Digitale Ratio des Variances (/ iavin) 5.31 Γ Cas d une option corridor Une option corridor e est caractérisée par son payoff 1 Kmax>S T x >K min fait la différence de deux digitales). (c est en On prend x = 100, K = 100, σ = 0, 15, r = 0, 05, T = 1, K min = 95, K max = 105. Delta Corridor -0,0032-0,0037 Delta -0,0042 Valeur Théo: -0, ,0047-0,0052 Nbre de simulation (10E4)
12 12 Gamma Corridor -0,0005 Gamma -0,001 Valeur Theo: -0, ,0015-0,002 Nbre de simulations (10E4) Corridor Ratio des Variances (/ iavin) 134 Γ Quelques remarques La méthode des poids donne de bien meilleurs résultats que les lorsque l irrégularité du payoff ou l ordre de dérivation augmente. En pratique les poids que nous trouvons sont des polynômes en W T. Ainsi la méthode des poids sera d autant meilleure que la maturité de l option est petite (petit poids). De plus La méthode des poids sera plus efficace dans le cas d un call que dans celui d un put. La méthode des poids est en fait une technique de réduction de variance. Elle se révélera encore plus efficace couplée aux techniques classiques (contrôle antithétique, variables de contrôle ou fonction d importance...).
13 0.3. SIMULATIONS 13 Technique de localisation : un exemple dans le cas du call Dans le cas du call, la technique des poids est peu efficace car le payoff est trop régulier et le poids trop gros. Une manière de l améliorer est de décomposer en une partie locale irrégulière et une partie régulière : f(s x T ) = Φ loc (S x T ) + Φ reg (S x T ). Pour le calcul des grecques, on appliquera la technique des poids sur la partie locale et sur la partie régullière une simple dérivation sous le signe somme (DSS) (ou la méthode si la DSS n est pas justifiée). Dans la cas du call, une manière de procéder est d écrire : (S x T K) + = (S x T K)1 K<S x T <K+d + (S x T K)1 S x T K+d et donc d obtenir en utilisant la méthode des poids pour le premier terme et une DSS justifiée pour le second la formule suivante [ ] 0 (x) = e rt E WT xσt (Sx T K)1 K<S x T <K+d + 1 [ x E ST x 1 S x T K+d]. On obtient alors les résultas numériques suivants qui ne sont pas spectaculaires car le choix de la fonction de localisation est ici très grossier. (Vous pouvez en exercice trouver d autres fonctions de régularisation et comparer les résultats numériques obtenus). Call Ratio des Variances (/ Loc (d = 2)) 1,79
14 14 Delta Call 0,67 0,665 0,66 delta 0,655 Valeur Theo:0, loc (d=5) Loc (d=2) Loc (d=55) 0,65 0,645 0,64 Nbre de Simulations (10E4) Le générateur de nombre aléatoire utilisé pour les simulations est un générateur congruentiel classique. Vous pouvez en exercice comparer dans un cas simple l impact d un tel choix en comparant les résultats avec ceux obtenus en utilisant la suite à discrépence faible de Van der Corput Cas d une option asiatique simple Le faire en exercice en utilisant la proposition 0.2.2
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 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 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 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 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 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 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 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 détailHedging delta et gamma neutre d un option digitale
Hedging delta et gamma neutre d un option digitale Daniel Herlemont 1 Introduction L objectif de ce projet est d examiner la couverture delta-gamma neutre d un portefeuille d options digitales Asset-Or-Nothing
Plus en détailEstimation du coût de l incessibilité des BSA
Estimation du coût de l incessibilité des BSA Jean-Michel Moinade Oddo Corporate Finance 22 Juin 2012 Incessibilité des BSA Pas de méthode académique reconnue Plusieurs méthodes «pratiques», dont une usuelle
Plus en détailThéorie Financière 8 P. rod i u t its dé dérivés
Théorie Financière 8P 8. Produits dit dérivés déié Objectifsdelasession session 1. Définir les produits dérivés (forward, futures et options (calls et puts) 2. Analyser les flux financiers terminaux 3.
Plus en détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en 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 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 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 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 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 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 détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailDérivés 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 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 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 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 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 détailManuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO
Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour
Plus en 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 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 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 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 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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailNOTICE 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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en 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 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 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 détailCalibration de modèles et couverture de produits dérivés
Calibration de modèles et couverture de produits dérivés Peter Tankov To cite this version: Peter Tankov. Calibration de modèles et couverture de produits dérivés. DEA. Calibration de modèles et couverture
Plus en 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 détailOptions et Volatilité (introduction)
SECONDE PARTIE Options et Volatilité (introduction) Avril 2013 Licence Paris Dauphine 2013 SECONDE PARTIE Philippe GIORDAN Head of Investment Consulting +377 92 16 55 65 philippe.giordan@kblmonaco.com
Plus en détailProduits 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 détailRapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs.
Rapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs. Auteurs : Hecht Frédéric, Porzier Rémi, Font Guillaume Cours «Risque de Crédit,
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en 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 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 détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en 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 détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailRésumé... 9... 10... 10... 10
Bibliographie 1 Table des matières Table des matières.................................... 3 Résumé............................................ 9........................................ 10........................................
Plus en détailPratique 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 détailIntroduction 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 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 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 détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
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 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 détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailNotes 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 détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailLES OPTIONS DE CHANGE DE SECONDE GÉNÉRATION : UN APERÇU
LES OPTIONS DE CHANGE DE SECONDE GÉNÉRATION : UN APERÇU En forte croissance depuis le début des années quatre-vingt, le marché des options sur devises s est enrichi, au début des années quatre-vingt-dix,
Plus en détailTP de risque management Risque Forex
TP de risque management Risque Forex Exercice 1 Partie 1. Le but de cette exercice est voir quel sont les options qui permettent de gérer le risque du au taux de change. En effet, dans notre cas, une société
Plus en détailLes techniques des marchés financiers
Les techniques des marchés financiers Corrigé des exercices supplémentaires Christine Lambert éditions Ellipses Exercice 1 : le suivi d une position de change... 2 Exercice 2 : les titres de taux... 3
Plus en détailL'assurance de portefeuille. Simulations en Visual Basic de portefeuilles visant à reproduire les flux monétaires de stratégies d'options
L'assurance de portefeuille Simulations en Visual Basic de portefeuilles visant à reproduire les flux monétaires de stratégies d'options François-Éric Racicot * Département des sciences administratives
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailINTRODUCTION INTRODUCTION
INTRODUCTION INTRODUCTION Les options sont des actifs financiers conditionnels qui donnent le droit mais pas l'obligation d'effectuer des transactions sur des actifs supports. Leur intérêt réside dans
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailSouad 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 détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
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 détailLe 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 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 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 détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailConstruction d un algorithme d accélération de la méthode des simulations dans les simulations pour le calcul du capital économique Solvabilité II
Construction d un algorithme d accélération de la méthode des simulations dans les simulations pour le calcul du capital économique Solvabilité II Laurent Devineau, Stéphane Loisel To cite this version:
Plus en détailModélisation et étude d un système de trading directionnel diversifié sur 28 marchés à terme
Modélisation et étude d un système de trading directionnel diversifié sur 28 marchés à terme Trading system : Trend following Breakout Janvier 1996 - Janvier 2009 Etude de la performance du système Le
Plus en détailRenforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.
Master Mathématiques et Applications Spécialité : Ingénierie mathématique et modélisation Parcours : Mathématique et Informatique : Statistique, Signal, Santé (MI3S) 2015-2016 RÉSUMÉ DES COURS : (dernière
Plus en détailMéthode de Monte Carlo pour le calcul d'options
Méthode de Monte Carlo pour le calcul d'options LADIAS Elie, WANG Shuai 7 juin 2013 1 Table des matières 1 Méthode de Monte-Carlo et Calcul d'intégrales 4 1.1 Description de la méthode....................
Plus en détailCAPTEURS - 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 détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailApproximations comonotones pour le prix d une option d achat Européenne en présence de dividendes discrets
Approximations comonotones pour le prix d une option d achat Européenne en présence de dividendes discrets - Pierre-Alain PATARD (Université Lyon 1, Laboratoire SAF, CMCIC, Asset Management) - Jean Claude
Plus en détailMéthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique
Méthodes d approximation numérique pour le pricing des options vanilles et asiatiques dans le modèle de Heston de volatilité stochastique Najed Ksouri To cite this version: Najed Ksouri. Méthodes d approximation
Plus en détailNote:... Q1 :... Q2 :... Q3 :... Q4 :... Bonus :... Total :...
FACUL S HAUS US COMMRCIALS L'UNIVRSI LAUSANN Professeurs :. Andrei C. Bobtcheff Matière : Principes généraux de finance Session : té Informations générales: o ocumentation autorisée. o Calculatrices autorisées
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 détailImage 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 détailManuel 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 détailCORRIGES DES CAS TRANSVERSAUX. Corrigés des cas : Emprunts
CORRIGES DES CAS TRANSVERSAUX Corrigés des cas : Emprunts Remboursement par versements périodiques constants - Cas E1 Objectifs : Construire un échéancier et en changer la périodicité, Renégocier un emprunt.
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailOptions, Futures, Parité call put
Département de Mathématiques TD Finance / Mathématiques Financières Options, Futures, Parité call put Exercice 1 Quelle est la différence entre (a) prendre une position longue sur un forward avec un prix
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailQu est-ce-qu un Warrant?
Qu est-ce-qu un Warrant? L epargne est investi dans une multitude d instruments financiers Comptes d epargne Titres Conditionnel= le detenteur à un droit Inconditionnel= le detenteur a une obligation Obligations
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailLISTE D EXERCICES 2 (à la maison)
Université de Lorraine Faculté des Sciences et Technologies MASTER 2 IMOI, parcours AD et MF Année 2013/2014 Ecole des Mines de Nancy LISTE D EXERCICES 2 (à la maison) 2.1 Un particulier place 500 euros
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
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 détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailSurface de volatilité
Surface de volatilité Peter TANKOV Université Paris-Diderot(ParisVII) tankov@math.univ-paris-diderot.fr Dernière m.à.j. February 15, 15 Ce document est mis à disposition sous un contrat Creative Commons
Plus en détailLes 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 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 détail