Rapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs.
|
|
- Flavien Gauvin
- il y a 8 ans
- Total affichages :
Transcription
1 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, Risque de Défaut» à l ENPC, année 2007/2008 Projet soutenu devant : Vivien Brunel, Société Générale Asset Management
2 2
3 Table des matières Table des matières 2 Introduction 4 1 Description d un CDO Présentation du produit Le CDO standardisé Aspect théorique Modélisation Modélisation du marché du risque de crédit Les modèles structurels Les modèles à intensité de défaut Les copules La copule gaussienne Méthode de calcul de probabilités Le cas standard Méthode de Monte-Carlo Réduction de la variance : méthode des variables antithétiques Calcul du prix de CDOs Calcul des différentes espérances, en vue de calculer le spread CDO : espérance dans le cas standard CDO : variance dans le cas standard Résultats numériques Validité du modèle Tests des sensibilités Conclusion 17 A Tableaux et Figures 19 Bibliographie 23 3
4 4 TABLE DES MATIÈRES Introduction Dans le cadre du cours «Risque de Crédit, Risque de Défaut» suivi à l Ecole Nationale des Ponts et Chaussées au cours de l année 2007/2008, nous avons réalisé un projet, intitulé «Etude de l influence du taux de recouvrement sur le prix d un CDO», dont voici le rapport. Les CDOs (Collateralized Debt Obligations) sont des produits dérivés de crédit, permettant de diminuer le prix de la protection du risque de crédit pour la banque, et pour l entreprise qui y a recours. En fait, plutôt que de passer par le marché des CDS (Credit Default Swap) pour se couvrir des risques de défauts, la banque va regrouper les entreprises ayant recours à un prêt, ce qui permet de diminuer le risque et d abaisser le coût de la protection du risque de crédit. Cela permet aussi de maîtriser le risque de contagion de défauts par la corrélation entre les entreprises (la corrélation se déduit de la valeur du CDO sur le marché). Dans le cadre de ce projet, nous avons développé un pricer qui va nous permettre de faire une étude de sensibilité de prix pour chaque tranche de CDO. Ce pricer a été développé en VB. Net, et mis sous la forme d une dll appelée par une spreadsheet qui permet de conserver les facilités d utilisation d Excel tout en bénéficiant de la performance du langage VB. Net. Le fair spread d une tranche de CDO, est calculé à partir de la jambe de paiement et de la jambe de défaut, lesquelles sont calculées à partir des probabilités de défaut des entreprises à chaque échéance de paiement. La clé du pricer sera donc de calculer ces probabilités par une méthode de Monte Carlo, chaque itération étant simulée grâce à une copule gaussienne. L utilisation faite de ce pricer dans le cadre de ce projet visera à analyser la variation du prix du CDO en fonction du taux de recouvrement, mais aussi de la corrélation et du nombre d entreprises. Nous tenterons de croiser les résultats obtenus avec notre compréhension intuitive du produit. Le projet s est déroulé en plusieurs étapes : 1. Recherche bibliographique et lecture de différents articles, notamment [HW04], afin de bien comprendre le cadre de l évaluation du prix d un CDO ; 2. Implémentation en VB.Net d algorithmes permettant de calculer le prix de CDOs, avec une méthode de Monte-Carlo mais en accord avec l article [HW04] et ses résultats ; 3. Analyse des résultats.
5 Chapitre 1 Description d un CDO Dans ce chapitre, nous allons introduire le produit financier auquel nous allons nous intéresser dans le cadre de ce projet : le CDO standardisé. 1.1 Présentation du produit Le CDO permet à une partie, A (une banque ou un organisme préteur), d acheter une protection contre les défauts pouvant survenir parmi un panier de m entreprises. Pour cela, A paye de manière régulière un coupon fixe ou prime à une troisième partie, C (une autre banque, ou un investisseur sur le marché). Le coupon est proportionnel à la date écoulée depuis le dernier paiement, on l appelle également spread. Le paiement du coupon cesse si un défaut survient, et alors C doit payer à A le montant précisé par le contrat. Si A voulait se protéger des pertes de toutes les entreprises du panier, elle devrait alors émettre m CDS, chacun sur une entreprise differente(ou un numéro de défaut). Mais ceci peut coûter cher, et qui voudra acheter les n th to default CDS pour les premiers défauts, qui sont très risqués? L idée d un CDO repose sur le fait que la protection court sur une tranche de perte. Introduisons le processus de pertes L(t), avec N j le nominal de la j-ième entreprise, et L j le taux de perte (L j = 1 R) : m L(t) = N j L j 1 τj t (1.1) et posons L max = j=1 m N j L j, le montant maximal de pertes. j=1 Par exemple, si A veut se protéger des pertes du panier contenues dans [5%, 15%], alors elle achète un CDO sur la tranche [5%, 15%] à C, le vendeur de protection, qui la couvre du risque sur cette tranche. Ainsi, A va effectuer un paiement régulier à C, proportionnel au temps écoulé depuis le dernier paiement et à la proportion de perte dans la tranche considérée ; en échange C s engage à verser à A un montant prédéterminé pour tout défaut dans la tranche. Les paiements cessent quand la perte atteint la borne supérieure de la tranche. En somme, les pertes affectent d abord la première tranche (ou equity), puis la tranche suivante (mezzanine 1 )... jusqu à la dernière tranche, la tranche super senior. Pour la suite, nous noterons : T ou T I la durée du contrat, ou sa maturité ; T i une échéance du contrat, avec T i [0, T I ] ; α i le temps écoulé entre T i 1 et T i ; 5
6 6 CHAPITRE 1. DESCRIPTION D UN CDO R t le taux de recouvrement, que B donne à A si le défaut a lieu, avec R t [0, 1), que l on supposera déterministe dans certains cas ; D(0, T i ) le taux d actualisation zéro-coupon entre les temps 0 et T i ; τ j l instant du défaut de la j-ième entreprise ; X le spread du CDO, ou taux équitable du CDO, ce que nous chercherons à calculer afin d évaluer le prix du CDO pour une tranche donnée (c est ce qui est côté par le marché) ; N j le nominal de la j-ième entreprise ; L la somme que C verse à A si le défaut a lieu avant T, soit L = (1 R) N = 1 R. 1.2 Le CDO standardisé Sur le marché, les choses sont un peu plus simples, et ce sont des CDOs standardisés qui apparaissent. Typiquement, les échéances sont trimestrielles (α i = 1 4 ) ; les durée T = 3, 5, 7 ou 10 ans ; les paniers comptent un nombre fixé de noms (le panier de référence, l I-Traxx Europe, compte m = 125 noms) ; les pertes sont normalisées, les nominaux et taux de recouvrement identiques et déterministes, donc la perte maximale est égale à 1 R. Nous avons alors le processus de pertes suivant : L(t) = 1 R m 1 τj t (1.2) m Pour l I-Traxx Europe, nous avons les tranches suivantes : [0%, 3%] (tranche equity, la plus risquée), [3%, 6%], [6%, 9%], [9%, 12%] (tranches mezzanines), [12%, 22%] (tranche senior) et enfin [22%, 100%] (tranche super senior, la moins risquée). Comme précisé dans la section précédente, les pertes survenant à la suite de défauts dans le panier vont d abord affecter la première tranche, puis quand elles atteindront 3% elles affecteront la deuxième, etc. j=1 1.3 Aspect théorique Pour considérer les pertes dans une tranche donnée, par exemple la tranche [a, b] avec 0 a < b 1, nous avons besoin de définir la fonction x [0, 1], Ha(x) b = (x a) + (x b) +, soit 0 si x a Ha(x) b = x a si a x b b a si x b (1.3) (Voir la figure en annexe A.1) Nous pouvons maintenant écrire le flux de paiements de C sur le CDO standardisé de tranche [a, b] : F = m α i XD(0, T i )[b a Ha(L(T b i ))] + 1 τj T I XD(0, τ j )(τ j T β(τj ) 1)[Ha(L(τ b j )) Ha(L(τ b j ))] j=1 m 1 τj T I D(0, τ j )[Ha(L(τ b j )) Ha(L(τ b j ))] (1.4) j=1
7 1.3. ASPECT THÉORIQUE 7 et pour calculer le spread, de IE(F ) = 0 nous déduisons : m IE 1 τj T I D(0, τ j )[Ha(L(τ b j )) Ha(L(τ b j ))] j=1 X = IE α i D(0, T i )[b a Ha(L(T b i ))] + j=1 m 1 τj T I D(0, τ j )(τ j T β(τj ) 1)[Ha(L(τ b j )) Ha(L(τ b j ))] (1.5)
8 8 CHAPITRE 1. DESCRIPTION D UN CDO
9 Chapitre 2 Modélisation Maintenant que nous avons introduit le CDO, nous devons pouvoir évaluer son prix, dont la formule théorique est donnée. Ceci nécessite principalement deux choses : le choix d un modèle de marché, puis le calcul des probabilités de défauts. C est ce que nous verrons dans ce chapitre. 2.1 Modélisation du marché du risque de crédit Commençons tout d abord par modéliser le marché du risque de crédit. Il y a principalement deux types de modèles qui existent : des modèles structurels, et des modèles à intensité de défaut. En pratique, c est le modèle à intensités de défaut que nous allons retenir (cf. [HW04]). Ensuite, une fois ce modèle choisi, nous irons plus en avant dans la modélisation du risque de crédit, en introduisant les copules et particulièrement la copule que nous utiliserons dans le cadre de ce projet : la copule gaussienne Les modèles structurels Les modèles structurels sont des modèles cherchant à expliquer l événement de défaut à partir de variables économiques. Historiquement, ce sont les premiers modèles qui ont été introduits, notamment par Merton et Black-Cox dès le milieu des années Le modèle de Merton considère la valeur de l entreprise au cours du temps. Si elle demeure sous un certain seuil à l échéance, alors l entreprise ne peut pas rembourser ses créances et on dit qu elle fait défaut. En somme, la valeur de l entreprise peut être vue comme un call sur les actifs, évaluée par la formule de Black-Scholes. Le problème est que de cette manière, le défaut ne peut avoir lieu qu à une seule date connue à l avance, ce qui est très peu réaliste! Pour pallier à ce manque, Black et Cox vont considérer le premier passage de la valeur de l entreprise sous un certain seuil. Cela implique que la date de défaut n est plus connue à l avance : nous gagnons en réalisme. Cependant, nous ne rentrerons pas en détail, vous pouvez consulter [A06] pour de plus amples renseignements. Ce sont les agences de rating qui utilisent surtout des modèles structurels pour décrire la structure des entreprises, en s appuyant sur leurs comptes. Cela permet de leur mettre une note, ce qui va être côté sur le marché. Les traders également utilisent des models structurels le plus souvent. Mais le modèle que nous choisirons n est pas un modèle structurel, mais un modèle à intensité de défaut : c est le modèle communément adopté sur le marché aujourd hui. 9
10 10 CHAPITRE 2. MODÉLISATION Les modèles à intensité de défaut Les modèles à intensité de défaut sont les modèles actuellement les plus utilisés dans la littérature et sur le marché. Tous les détails théoriques sur les espaces dans lesquels on se place se trouvent dans [A06], ce n est pas le but de notre rapport de rentrer dans le détail ou de recopier une partie de document. Cependant, pour préciser rapidement le cadre, nous nous plaçons dans un espace de probabilité qui décrit les aléas du marché. Nous prenons ensuite une filtration contenant l ensemble des informations de tous les actifs sans risque de défaut. Nous prenons également une filtration engendrée par min t 0 (τ, t), avec τ un temps de défaut pour une entreprise. Alors, nous prenons comme filtration la filtration engendrée par les deux filtrations précédentes, puis nous pouvons calculer les différentes probabilités et espérances souhaitées 1. Considérons maintenant notre définition principale, celle du modèle à intensité de défaut : on dit que τ suit un modèle à intensité de défaut si il existe λ t tel que la probabilité de défaut de l entreprise avant t vaut IP(τ t) = 1 exp( t 0 λ udu). On a habituellement λ t donné par le marché des CDS, et on l appelle l intensité de défaut. C est une des clés de voûte de notre modèle! Les copules Les copules sont un des outils les plus importants pour modéliser les dépendances entre les entreprises. En effet, dans un panier de 125 entreprises comme l I-Traxx Europe, avoir l intensité de défaut de chaque entreprise ne suffit pas. Il faut savoir également s il existe une corrélation entre les différentes entreprises. La corrélation se comprend de la manière suivante. Dans le cas extrême où la corrélation entre les entreprises est nulle, elles agissent chacunes indépendemment les unes des autres : le défaut d une entreprise ne pourra avoir d influence sur le défaut d une autre entreprise. Plus la corrélation augmente, et plus le défaut d une ou plusieurs entreprises pourra en déclencher d autres. Le cas extrême est celui où la corrélation est égale à 1 : si une entreprise fait défaut, alors toutes les autres font également défaut. En pratique, nous éviterons les deux cas extrêmes qui ne traduisent pas la réalité du marché. On a une équivalence entre la loi jointe (de toutes les dates de défauts des entreprises) et leurs lois marginales adjointes aux copules. C est pour cela que le principe de copule est très intéressant : il est très souvent plus compliqué de connaître la loi jointe que de connaître les lois marginales et les copules. Pour une définition mathématique détaillée des copules, vous pouvez vous référer à [A06]. 2.2 La copule gaussienne Après avoir vu la nécessité des copules pour représenter fidèlement le risque de crédit, nous pouvons maintenant nous pencher la famille de copule que nous avons retenu pour notre projet : la copule gaussienne (à un facteur). Pour la suite, considérons : m le nombre d entreprises du panier ; 1 En effet, les espérances calculées dans le premier chapitre le sont par abus de language, il faut les calculer d après la filtration que l on vient de définir.
11 2.3. MÉTHODE DE CALCUL DE PROBABILITÉS 11 τ j l instant de défaut de la j-ième entreprise ; Q j (t) la fonction de répartition risque neutre que la j-ième entreprise fasse défaut avant la date t, soit Q j (t) = IP(τ j t) ; S j (t) la fonction de répartition risque neutre que la j-ième entreprise fasse défaut après la date t, soit S j (t) = IP(τ j > t). La copule gaussienne à un facteur est la plus facile à utiliser en pratique, et c est pour cette raison celle communément adoptée par le marché. Pour générer cette copule pour les τ j, on définit les variables aléatoires X j (1 j m) : X j = a j M + 1 a 2 j Z j (2.1) avec les variables aléatoires M N (0, 1) et Z j N (0, 1) qui sont iid, et 1 a j 1. On a immédiatement la corrélation entre X i et X j qui est a i a j. Par la suite, nous considérerons que la corrélation est une constante fixée à la valeur cor, et que a j = cor. Notons H la fonction de répartition des X j, on a facilement X j N (0, 1), donc H est la fonction de répartition gaussienne.. Les temps de défauts sont modélisés par les X j. On a définit les variables aléatoires des temps de défauts τ j dont les lois marginales vérifient IP(τ j t) = Q j (t). Alors, on obtient les temps de défaut par la transformation suivante : τ j 1 λ ln (H(X j)), dans le cas où λ est une constante. Nous allons ensuite nous servir des τ j pour calculer le prix du CDO, par une méthode de Monte- Carlo. 2.3 Méthode de calcul de probabilités = Q 1 j [H(X j )] = Maintenant que nous avons détaillé la méthode d obtention des copules et des τ j, nous pouvons avancer d une étape supplémentaire pour le calcul du prix du CDO. Nous allons devoir, avant de pouvoir calculer ce prix, calculer la distribution de probabilité du nombre de défauts ou celle de la perte totale Le cas standard Avant d introduire la méthode, voilà une définition du cas standard. Nous avons les propriétés suivantes : Les taux de recouvrement sont déterministes et constants au cours du temps ; Les nominaux sont identiques pour toutes les entreprises du panier, et ils sont normalisés (leur somme est égale à 1) ; Les intensités de défaut sont déterministes et égales Méthode de Monte-Carlo Cette méthode permet de calculer une estimation de la distribution de probabilité du nombre de défauts, ceci à chaque instant de versement de coupon t i [0, T ]. Ces distributions seront notées, pour tous t i [0, T ] et pour tous k [0, m] : Π ti (k). La méthodologie est la suivante : Pour chaque simulation de Monte-Carlo n [1, N] : on génére les τ j, puis on les teste par rapport à T. Si τ j 5, alors l entreprise j a fait défaut avant maturité et on détermine t i [0, T ] tel que τ j [t i 1, t i ] 2. Une fois qu on a fait le test pour toutes les entreprises, on dispose d un vecteur qui nous donne le nombre de défauts pour chaque intervalle de 2 On utilise le fait que τ j = 1 ln (H(Xj)) λ
12 12 CHAPITRE 2. MODÉLISATION temps [t i 1, t i ]. On peut donc déterminer pour une simulation n donnée le vecteur des Π n t i (k) = 1I k defauts a ti. Après toutes les simulations, en sommant les Π n t i (k) on dispose d un vecteur Π ti (k) en divisant le nombre de cas par le nombre de simulations de Monte-Carlo N. On calcule ensuite le spread équitable avec la méthode explicitée dans la prochaine partie. On calcule la variance sur le spread du CDO avec la méthode explicitée dans la prochaine partie. Les points forts de cette méthode sont : elle est simple à implémenter ; elle est rapide ; elle nécessite peu de paramètres et de calibrage ; Les points faibles sont : elle ne fonctionne pas si les nominaux sont différents ; on ne peut pas introduire de taux de recouvrement différents ou stochastiques. En pratique, c est cette méthode que nous utiliserons puisque nous nous plaçons dans le cadre d un CDO standardisé Réduction de la variance : méthode des variables antithétiques Afin de réduire la variance et d accélerer l algorithme, nous utilisons la méthodes des variables antithétiques, la méthode de réduction de variance la plus simple à utiliser en pratique. Pour chaque simulation paire, nous générons les variables aléatoires gaussiennes iid (M, Z 1, Z 2,..., Z m ) qui vont servir à calculer les X j (1 j m). Pour chaque simulation impaire, nous prenons les variables aléatoires gaussiennes iid ( M, Z 1, Z 2,..., Z m qui vont servir à calculer les X j (1 j m). Ainsi, cela nous économise la moitié des générations de variables aléatoires, et permet de réduire la variance d un facteur 2 à nombre de simulations égales.
13 Chapitre 3 Calcul du prix de CDOs 3.1 Calcul des différentes espérances, en vue de calculer le spread Maintenant que les probabilités de défauts et de pertes sont calculées, nous pouvons passer au calcul des espérances décrites dans le premier chapitre! CDO : espérance dans le cas standard Dans cette première partie, nous allons aborder le calcul des espérances dans le cas standard, grâce à la méthode de Monte-Carlo (calcul de la distribution de la probabilité du nombre de défauts). Le calcul revient au calcul de la distribution de la probabilité du nombre de défauts. La méthode de calcul du spread est en partie celle proposée par [G04]. Considérons la tranche [a, b]. Pour tout t i [T 1, T ], il faut calculer l espérance de la perte contenue dans le panier considéré (expected loss, notée EL i ). On note Π ti (j) la probabilité qu il y ait j défauts à t i, et H b a(j N j (1 R)) la proportion des défauts dans la tranche [a, b] (voir la définition de la fonction H b a avec la fonction (1.3)) : EL i = m Π ti (j)ha(j b N j (1 R)) (3.1) j=0 Ceci signifie que l on somme pour tous les nombres de défauts, la probabilité que l on ait ce nombre de défaut multiplié par la proportion de défauts de la tranche (si on n a pas assez de défauts, alors ce terme est nul, puis quand le numéro de défaut entre dans la tranche considérée, ce terme croît,... voir la figure A.1 pour une meilleure compréhension). A partir de cela, nous pouvons calculer l espérance de la jambe des défauts (ou default leg notée DL), qui est l espérance des paiements de C à A suite à des défauts 1 : m DL = IE 1 τj T I D(0, τ j )[Ha(L(τ b j )) Ha(L(τ b j ))] = j=1 D ( 0, T i + T i 1 2 ) (EL i EL i 1 ) (3.2) 1 Nous supposons par la suite qu un défaut a toujours lieu au milieu de la période [T i, T i 1] soit en pour plus de simplicité! Ti + Ti 1, 2 13
14 14 CHAPITRE 3. CALCUL DU PRIX DE CDOS Nous pouvons également calculer l espérance de la jambe des paiements de A à C (ou payment leg, notée PL), avec la partie régulière P et la partie des coupons courus CC : [ ] P = IE X α i D(0, T i )[b a Ha(L(T b i ))] CC = IE X = X = X α i D(0, T i )((b a) EL i ) (3.3) m 1 τj T I D(0, τ j )(τ j T β(τj ) 1)[Ha(L(τ b j )) Ha(L(τ b j ))] j=1 α i 2 D ( 0, T ) i + T i 1 (EL i EL i 1 ) (3.4) 2 P L = P + CC (3.5) De l égalité DL = P L qui traduit le fait que le CDO est équitable, on obtient le spread X : X = α i D(0, T i )((b a) EL i ) + D(0, T i + T i 1 )(EL i EL i 1 ) 2 En pratique, on calcule d abord les EL i puis DL, P X maintenant nous avons abouti! CDO : variance dans le cas standard α i 2 D(0, T i + T i 1 )(EL i EL i 1 ) 2 CC et, et ensuite X = DL X P X + CC X (3.6). Voilà, Une donnée importante dans les simulations de Monte-Carlo est le calcul de la variance, qui permet ensuite de calculer un intervalle de confiance. Ce qui nous intéresse ici est le calcul de la variance de X, le spread équitable du CDO. Or, cette variance n est pas aisée à calculer : on calcule la variance d un quotient de variables aléatoires! Appelons DL la jambe des défauts, P L la jambe des paiements, alors d après [Muk] : V ar(x) = V ar ( DL P L ) = ( IE(DL) IE(P L) ) 2 [ V ar(dl) IE(P L) ] V ar(p L) 2Covar(DL, P L) + 2 IE(P L) 2 IE(P L)IE(DL) Pour calculer la variance du spread équitable, nous devons donc calculer la variance de la jambe de défauts, la variance de la jambe des paiements ainsi que la covariance des deux jambes. Pour ceci, il nous faut donc garder en mémoire les résultats de toutes les simulations. Introduisons la notation suivante, avec pour chaque simulation n l indicateur Π n t i (k), indicateur du nombre de défauts à l instant t i : m EL n i = Π n t i (j)ha(j b N j (1 R)) (3.7) j=0 De manière similaire à la partie précédente, notons pour chaque simulation de Monte-Carlo n : DL n = ( D 0, T ) i + T i 1 (EL n i EL n ) i 1 2
15 3.2. RÉSULTATS NUMÉRIQUES 15 De même : P L n = α i D(0, T i )((b a) EL n i ) + ( α i 2 D 0, T ) i + T i 1 (EL n i EL n 2 i 1) Alors, en notant pour N grand : IE(DL) = 1 N IE(P L) = 1 N V ar(dl) = V ar(p L) = Covar(DL, P L) = N DL n n=1 N P L n n=1 1 N 1 1 N 1 1 N 1 N (DL n IE(DL)) 2 n=1 N (P L n IE(P L)) 2 n=1 N (DL n IE(DL)) (P L n IE(P L)) n=1 on peut calculer la variance de X. On peut noter que ceci est assez coûteux en temps de calcul, car il faut calculer les jambes de défauts et de paiements pour toutes les simulations de Monte-Carlo. Cette étape double le temps de calcul de l algorithme de simulation. 3.2 Résultats numériques Validité du modèle Tout d abord, nous avons testé la validité du modèle que nous avons implémenté en reproduisant une des simulations de [HW04], décrite dans A.2. Nous trouvons des résultats quasiment identiques, ce qui valide notre modèle. Nous avons fait la simulation pour N= , mais nous avons une bonne convergence à partir de N= Pour informations sur les résultats que donnent le modèle, avec la variance des différentes tranches, l écart type et l intervalle de confiance du spread équitable, vous pouvez vous référer au tableau A.1 qui contient un résultat dans le cas standard, avec 100 noms et des tailles tranches similaires à l indice Itraxx. Nous pouvons nous rendre compte empiriquement que X V ar(x) Tests des sensibilités Nous avons effectué de nombreux tests de sensibilités afin de mieux comprendre l influence des différents paramètres du modèle, avec comme paramètres de base : N= , T=5 ans, 50 entreprises, spread des CDS=100bps, Corrélation de 30%, Recovery Rate de 40%, taux d intérêt r=5%, tranches Itraxx. Nous donnerons ci-après des résultats sur le spread, les résultats sur la variance pouvant s en déduire, car on peut remarquer empiriquement que X V ar(x) dans le cas d un CDO. 1. L influence du nombre d entreprises : cf tableau A.3 et graphique A.2. En faisant varier le nombre d entreprises de 10 à 100, on se rend compte que le prix de la tranche junior augmente, mais que toutes les tranches supérieures diminuent. Ceci est du au fait que la tranche junior a plus de chance d être impactée par des défauts si le nombre d entreprises est
16 16 CHAPITRE 3. CALCUL DU PRIX DE CDOS plus important, alors que les tranches supérieures bénéficient d une meilleure diversification, donc d un risque plus faible. 2. L influence de la corrélation : cf tableau A.4 et graphique A.3. En faisant varier la corrélation de 10% à 50%, on se rend compte que qu une augmentation de la corrélation diminue le prix des tranches basses, mais augmente celui des tranches hautes. Ceci est du au fait que les défauts ont tendance à être plus indépendants avec une corrélation basse, donc la probabilité qu il y ait de nombreux défauts dans une simulation est beaucoup plus faible que lorsque la corrélation est importante. De même, la probabilité qu il y ait peu de défauts augmente, ce qui renchérit la tranche basse. 3. L influence du taux de recouvrement : cf tableau A.5 et graphique A.4. En faisant varier la recovery de 0% à 50%, on se rend compte que l augmentation du taux de recouvrement augmente le prix des tranches basses, tout en faisant diminuer celui des tranches hautes. L augmentation du taux de recouvrement augmente le taux de défaut des entreprises, puisqu on suppose que le spread du marché est constant. Cependant, l augmentation du taux de recouvrement diminue les pertes quand une entreprise fait défaut, ce qui va avoir tendance à diminuer les pertes des tranches supérieures (50% de taux de recouvrement indique qu on ne peut pas perdre plus de 50% du portefeuille!). Donc sur ces deux influences (augmentation du taux de défaut mais diminution des pertes en cas de défaut), c est l effet d augmentation du taux de défaut qui prédomine sur les tranches basses en faisant augmenter le spread, alors que sur les tranches supérieures c est l effet de diminution du montant des pertes en cas de défaut qui prédomine, en faisant diminuer le spread. A la limite pour un taux de recouvrement proche de 100%, on aurait un effet de diminution des pertes prépondérant, puisqu on aurait un montant de pertes maximal faible, et uniquement la tranche junior touchée, donc des pertes nulles pour les tranches senior. Le taux de recouvrement est donc un paramètre de calibration du modèle important, au même titre que la corrélation par exemple. Historiquement, le taux de recouvrement est corrélé négativement avec le taux de défaut : dans une période où les défauts sont importants, le taux de recouvrement a tendance à être faible, alors que dans les périodes où il y a peu de défauts, le taux de recouvrement a tendance à être plus élevé. Ceci va être implicitement utilisé par le marché comme paramètre pour pricer le CDO. De même, le taux de recouvrement sera différent en fonction du secteur auquel appartiennent les entreprises (plus élevé dans l industrie que dans les services). Ainsi, les pricers vont utiliser cette diversité pour calculer le prix.
17 3.2. RÉSULTATS NUMÉRIQUES 17 Conclusion Nous avons donc remarqué l importance des CDOs, produits dérivés de crédit très courants, qui sont sous le feu de la rampe depuis cet été. Le taux de recouvrement est un paramètre clé du modèle, qu il faut anticiper en fonction des données du marché et de la situation économique globale. Ce projet nous a permi de mettre en pratique les outils de pricing de CDOs, ainsi que de se confronter à des problématiques diverses. Il nous a donné la possibilité d allier théorie, pratique, algorithmie, implémentation : un projet complet!
18 18 CHAPITRE 3. CALCUL DU PRIX DE CDOS
19 Annexe A Tableaux et Figures Tranche/ Prix Variance Ecart-Type Largeur demi-intervalle de confiance à 95% [0%,3%] [3%,6%] [6%,9%] [9%,12%] [12%,22%] [22%,100%] Tab. A.1 Résultat d une simulation de Monte-Carlo, 100 noms, N= , R=40%, r=5%, corrélation = 30%, λ = , T=5ans Intensité λ = 0.01 λ = 0.01 λ = 0.01 λ = 0.01 Corrélation cor = 0.3 cor = 0.3 cor = 0.1 cor = 0.1 Tranche / nous [HW04] nous [HW04] [0%, 3%] [3%, 6%] [6%, 10%] [10%, 100%] Tab. A.2 Spreads CDO de [HW04], 100 noms, copule gaussienne, N= simulations Tranche / Nombre entreprises [0%, 3%] [3%, 6%] [6%, 9%] [9%, 12%] [12%, 22%] [22%, 100%] Tab. A.3 Influence du nombre d entreprises pour le spread de CDO 19
20 20 ANNEXE A. TABLEAUX ET FIGURES Tranche / Corrélation 10% 30% 50% [0%, 3%] [3%, 6%] [6%, 9%] [9%, 12%] [12%, 22%] [22%, 100%] Tab. A.4 Influence de la corrélation pour le spread de CDO Tranche / Corrélation 0% 10% 20% 30% 40% 50% [0%, 3%] [3%, 6%] [6%, 9%] [9%, 12%] [12%, 22%] [22%, 100%] Tab. A.5 Influence du taux de recouvrement pour le spread de CDO y x Fig. A.1 Exemple de fonction H b a(x), pour a = 10 et b = 20.
21 21 Fig. A.2 Influence du nombre de loans sur le spread des différentes tranches.. Fig. A.3 Influence de la corrélation sur le spread des différentes tranches..
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 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 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 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 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 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 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 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 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 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 détailChapitre 2 : l évaluation des obligations
Chapitre 2 : l évaluation des obligations 11.10.2013 Plan du cours Flux monétaires, prix et rentabilité Bibliographie: caractéristiques générales Berk, DeMarzo: ch. 8 obligations zéro-coupon obligations
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 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 détailANALYSE DU RISQUE DE CRÉDIT
ANALYSE DU RISQUE DE CRÉDIT Banque & Marchés Cécile Kharoubi Professeur de Finance ESCP Europe Philippe Thomas Professeur de Finance ESCP Europe TABLE DES MATIÈRES Introduction... 15 Chapitre 1 Le risque
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 détailThéorie Financière 2. Valeur actuelle Evaluation d obligations
Théorie Financière 2. Valeur actuelle Evaluation d obligations Objectifs de la session. Comprendre les calculs de Valeur Actuelle (VA, Present Value, PV) Formule générale, facteur d actualisation (discount
Plus en détailProblèmes 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 détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailTable 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 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 détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en 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 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 détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en 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 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 détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
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 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 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 détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
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 détailMathématiques 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 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 détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en 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 détailNombres, 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 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 détailLe calcul du barème d impôt à Genève
Le calcul du barème d impôt à Genève Plan : 1. Historique Passage d un système en escalier à une formule mathématique 2. Principe de l imposition Progressivité, impôt marginal / moyen ; barème couple/marié
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 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 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 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 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 détailSimulation d application des règles CNAV AGIRC ARRCO sur des carrières type de fonctionnaires d Etat
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 10 avril 2014 à 9 h 30 «Carrières salariales et retraites dans les secteurs et public» Document N 9 Document de travail, n engage pas le Conseil Simulation
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 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 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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
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 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 détailGestion 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 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 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 détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailLe risque de crédit dans le prix des obligations convertibles
Finance de marché Le risque de crédit dans le prix des obligations convertibles Nicolas Singer Comment donner un prix au risque de crédit d une entreprise en l absence de CDS ou d obligations classiques?
Plus en détailFormules et Approches Utilisées dans le Calcul du Coût Réel
Formules et Approches Utilisées dans le Calcul du Coût Réel Objectifs du Taux Annuel Effectif Global (TAEG) et du Taux d Intérêt Effectif (TIE) Le coût réel d un crédit inclut non seulement l intérêt,
Plus en détailDe 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 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 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 détailTURBOS 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 détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailRisque de défaut - Risque de crédit. Ecole Nationale des Ponts et Chausses
1 Risque de défaut - Risque de crédit Ecole Nationale des Ponts et Chausses Vivien BRUNEL - Benoît ROGER This version: September 23, 2009 2 Introduction Ces notes de cours représentent le support de cours
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 détailLes obligations. S. Chermak infomaths.com
Les obligations S. Chermak Infomaths.com Saïd Chermak infomaths.com 1 Le marché des obligations est un marché moins médiatique mais tout aussi important que celui des actions, en terme de volumes. A cela
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 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 détailMathématiques financières
Mathématique financière à court terme I) Les Intérêts : Intérêts simples Mathématiques financières - Intérêts terme échu et terme à échoir - Taux terme échu i u équivalent à un taux terme à échoir i r
Plus en détailChapitre 16. ABS, CDO et crise financière de 2007. 16.1 Le marché immobilier américain
Chapitre 16 ABS, CDO et crise financière de 2007 La crise financière qui a débuté en 2007 a été la plus importante vécue par les États-Unis depuis les années 1930. Cette crise s est très vite répandue
Plus en détailLe théorème des deux fonds et la gestion indicielle
Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par
Plus en détailLE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE.
LE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE. Synthèse des travaux réalisés 1. Problématique La question D7 du plan d exécution du Programme National de Recherches
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailContribution sur le thème relatif au point de vue et au rôle des actuaires vis-à-vis des nouvelles normes comptables
Valorisation du risque IARD et nouvelles normes comptables Mathieu Gatumel et Guillaume Gorge Axa Group Risk Management 9 avenue de Messine 75008 Paris Tel. : +33 1 56 43 78 27 Fax : +33 1 56 43 78 70
Plus en détailLA COMPTABILITE DE COUVERTURE EN IFRS DEMYSTIFIEE **** IMA France 5 février 2008 Xavier Paper et Patrick Grinspan. Paper Audit & Conseil 1
LA COMPTABILITE DE COUVERTURE EN IFRS DEMYSTIFIEE **** IMA France 5 février 2008 Xavier Paper et Patrick Grinspan Paper Audit & Conseil 1 Sommaire 1. Définition de la relation de couverture 2. Le swap
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
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 détailI. Risques généraux s appliquant à l ensemble des instruments financiers
I. Risques généraux s appliquant à l ensemble des instruments financiers 1. Risque de liquidité Le risque de liquidité est le risque de ne pas pouvoir acheter ou vendre son actif rapidement. La liquidité
Plus en détailMéthodes de la gestion indicielle
Méthodes de la gestion indicielle La gestion répliquante : Ce type de gestion indicielle peut être mis en œuvre par trois manières, soit par une réplication pure, une réplication synthétique, ou une réplication
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 détailMATHÉMATIQUES ET APPLICATIONS
MASTER 2 ème ANNÉE MATHÉMATIQUES ET APPLICATIONS Parcours Finance Computationnelle ANNÉE UNIVERSITAIRE 2015 2016 1 PRESENTATION Le master Finance Computationnelle spécialise les étudiants sur l ingénierie
Plus en détailLes Turbos. Guide Pédagogique. Produits à effet de levier avec barrière désactivante. Produits présentant un risque de perte en capital
Les Turbos Guide Pédagogique Produits à effet de levier avec barrière désactivante Produits présentant un risque de perte en capital Les Turbos 2 Sommaire Introduction : Que sont les Turbos? 1. Les caractéristiques
Plus en détailFair Value et Risque de Défaut en Assurance Vie
Université Catholique de Louvain Institut des Sciences Actuarielles Fair Value et Risque de Défaut en Assurance Vie Mémoire présenté en vue de l obtention du Diplôme d Etudes Spécialisées en Sciences Actuarielles
Plus en détailCalcul et gestion de taux
Calcul et gestion de taux Chapitre 1 : la gestion du risque obligataire... 2 1. Caractéristique d une obligation (Bond/ Bund / Gilt)... 2 2. Typologie... 4 3. Cotation d une obligation à taux fixe... 4
Plus en détailalpha sélection est une alternative à un placement risqué en actions et présente un risque de perte en capital, en cours de vie et à l échéance.
alpha sélection alpha sélection est une alternative à un placement risqué en actions et présente un risque de perte en capital, en cours de vie et à l échéance. Instrument financier émis par Natixis (Moody
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailPratique des produits dérivés P3 : futures, forwards
Pratique des produits dérivés P3 : futures, forwards Olivier Brandouy Université de Bordeaux 2014 2015 Diapo 1/60 Olivier Brandouy Master 2 Métiers de la Banque (CPA) Plan 1 Introduction Futures et Forwards
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 détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailLicence 2 Mathématiques- Semestre 3 Introduction aux mathématiques
Licence 2 Mathématiques- Semestre 3 Introduction aux mathématiques financières Année universitaire 2010-11 1 Version Septembre 2010 1 Responsable du cours: Marie-Amélie Morlais 2 0.1 Plan sommaire du cours
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 détailMODELES 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 détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détail