Plan de la présentation. Les mesures risque-neutre. Un exemple. Un exemple (suite). Posons, pour tout 0 t T,
|
|
- Simone Pruneau
- il y a 5 ans
- Total affichages :
Transcription
1 Plan de la présenaion Les mesures risque-neure Les méhodes sochasiques dans les sciences de la gesion Geneviève Gauhier Dernière mise à jour : 3 juin 3 Un exemple :l évoluion d un seul acif risqué La héorie Le héorème de Radon-Nikodym Le héorème de Cameron-Marin-Girsanov Un exemple mulidimensionnel : l évoluion simulanée d un acif risqué éranger ainsi que d un aux de change Le héorème de Cameron-Marin-Girsanov mulidimensionnel Un roisième exemple : non-unicié de la mesure maringale Un exemple Soi Ω, F, {F : T },P un espace probabilisé filré sur lequel es consrui un mouvemen brownien sandard W {W : T }. Le processus sochasique S {S : T } représene l évoluion du prix d un ire risqué e saisfai l équaion différenielle sochasique ds µs d + S dw. 1 Supposons aussi que le aux d inérê r es consan. Le faceur d acualisaion es donc β exp r ce qui implique que dβ r exp r d. Un exemple suie. Posons, pour ou T, Y β S 3 c es-à-dire que Y représene la valeur acualisée au emps du ire risqué. En uilisan le lemme d Iô plus pariculièremen la règle de muliplicaion, nous obenons dy µ r Y d + Y dw. 4 En effe, dy dβ S 5 β ds + S dβ + d β, S 6 β µs d + S dw +S rβ d 7 µ r β S d + β S dw. 8 Sous sa forme inégrale, cee équaion différenielle sochasique devien Y Y +µ r s ds + s dw s. 9 1
2 Rappel Les processus d Iô Définiion. SoiW un {F },P mouvemen brownien. On appelle processus d Iô, un processus X {X : T} àvaleurs dans R el que: X X + K s ds + H s dw s 1 avec K {K : T } e H {H : T } son des processus adapés àlafilraion{f }, P [ T K s ds < ] 1 P [ T H s ds < ] 1 Damien Lamberon e Bernard Lapeyre, Inroducion au calcul sochasique appliqué àla finance, Ellipses, page 53. Un exemple suie. Rappelons que W es un {F },P mouvemen brownien. Dans un monde neure au risque Ω, F, {F : },Q, le processus sochasique Y {Y : T } devrai êre une {F },Q maringale. Ainsi, sous la mesure neure au risque, la endance de Y devrai êre nulle, c es-à-dire que nous voulons que le coefficien de dérive soi. Y Y +µ r s ds + s dw s 11 Y +µ r γ Y s ds + Y s d W s + γs. 1 Puisque µ r γ γ µ r, 13 alors Y Y + s dws où W W + µ r. 14 Un exemple suie Rappelons que W es un {F },P mouvemen brownien, Y Y + Y s dws 15 où W W + µ r. 16 Noons que sous la mesure P, le processus W n es pas un mouvemen brownien sandard puisque la loi de W sous la mesure P es N µ r,. Par conséquen, le processus Y ne sera pas une {F },P maringale puisque l inégrale sochasique es consruie par rappor à W qui n es pas une {F },P maringale. En effe, E P [W ] µ r 17 variedansleemps. Un exemple suie Rappelons que W es un {F },P mouvemen brownien, Y Y + Y s dws 18 où W W + µ r. 19 Nous cherchons donc la mesure de probabilié Q à placer sur l espace Ω, F, {F } qui fera en sore que W soi un mouvemen brownien sandard. Donc en changean la probabilié sur l ensemble Ω, nous ransformons le coefficien de dérive afin que la endance soi nulle e nous inégrons par rappor à une {F },Q maringale. Il en résulera que le processus Y sera une {F },Q maringale.
3 Le héorème de Radon-Nikodym La mesure neure au risque Commen déerminons-nous cee mesure Q? Cela es nore prochain objecif. Une façon de consruire de nouvelles mesures de probabilié sur l espace probabilisable Ω, F lorsque nous avons déjà une mesure de probabilié P exisan sur ce espace es la suivane: Soi Y, une variable aléaoire consruie sur l espace probabilisé Ω, F,P elle que ω Ω, Y ω ee P [Y ]1. Pour ou événemen A F, δ A dénoe la foncion indicarice de l événemen: { 1 si ω A δ A ω 1 sinon. Pour ou événemen A F, posons Q A E P [Yδ A ]. Alors Q es une mesure de probabilié surω, F. Le héorème de Radon-Nikodym suie Démonsraion. Nous devons vérifier que P 1 Q Ω 1, P A F, Q A 1, P 3 A 1, A,... F els que A i A j si i j, Q i 1 A i i 1 Q A i. Vérificaion de P 1. Or, puisque pour ou ω, δ Ω ω 1eparceque nous avons supposé quee P [Y ]1, Vérificaion de P. La deuxième condiion es ou aussi aisée à démonrer car Y éan une variable aléaoire posiive, Yδ A l es aussi e Q A E P [Yδ A ]. D aure par, Q A E P [Yδ A ] 4 E P [Yδ Ω ] 5 E P [Y ] Q Ω E P [Yδ Ω ]E P [Y ]1, 3 ce qui éabli la condiion P 1. 3
4 Vérifions mainenan que la condiion P 3 es saisfaie. Comme nous l avons éabli au cours d un exercice du premier chapire, A 1,A,... F els que A i A j si i j, Par conséquen, δ i 1 A i i 1 δ Ai. 8 Q [ ] A i E P Yδ i 1 A i i 1 9 E P Y δ Ai i 1 3 [ ] E P YδAi i 1 31 i 1 Q A i. 3 Le héorème de Radon-Nikodym suie Définiion. Deux mesures de probabilié P e Q consruies sur le même espace probabilisable Ω, F son dies équivalenes si elles on le même ensemble d événemens impossibles, c es-à-dire que P A Q A,A F. 33 Quesion. Éan donné deux mesures de probabilié équivalenes P e Q, exise--il une variable aléaoire Y à valeurs non-négaives elle que Q A E P [Yδ A ]? 34 Noons bien la différence enre ce problème e le résula que nous venons de démonrer. Dans ce dernier, Y e P nous éaien données e nous avons consrui Q. Danscecas-ci,P e Q nous son données e nous cherchons Y, ce qui es moins aisé. C es l exisence de cee variable qui es éablie dans le prochain héorème qui es une version du fameux héorème de Radon-Nikodym. Le héorème de Radon-Nikodym suie Théorème de Radon-Nikodym. Éan donné deux mesures de probabilié équivalenes P e Q consruies sur l espace probabilisable Ω, F, il exise une variable aléaoire Y à valeurs posiives elle que Q A E P [Yδ A ]. 35 Cee variable aléaoire Y es souven noée dq dp. Ce héorème ne nous indique oujours pas commen rouver nore mesure neure au risque. En fai, c es le prochain résula qui nous fournira la recee pour consruire nore mesure e il fai inervenir la dérivée de Radon-Nikodym. Le héorème de Radon-Nikodym suie Quelques réflexions sur le cas discre Supposons que Ω ne conienne qu un nombre fini d élémens. Soi Y β T X la valeur acualisée du droi coningen accessible X. SiF {Ω, }, alors son prix au emps es E Q [Y ] ω Ω Y ω Q ω 36 Y ω Q ω P ω 37 ω Ω P ω [ E P Y Q ] 38 P 4
5 Le héorème de Radon-Nikodym suie Considérons le modèle de marché de ype binomial : S 1 représene l évoluion de l acif sans risque e S modélise un acif risqué. L unique mesure neure au risque es noée Q, P éan la mesure réelle. ω S1 ω S ω S1 1 ω S 1 ω S1 ω S ω P Q ω 1 1; 1, 1; 1, 1; 1 1 4, 36 1, 44 ω 1; 1, 1; 1, 1; 3 1 4, ω 3 1; 1, 1; 4 1, 1; 1 1 4, 15, 6 ω 4 1; 1, 1; 4 1, 1; , 34 La dérivée de Radon-Nykodym es un peu la mémoire du changemen de mesure. Pour chacune des rajecoires, elle se souvien du changemen de pondéraion que nous avons effecué. dq dp Le héorème de Cameron-Marin-Girsanov Nous nous concenrons sur un inervalle de emps borné : [,T]. Soi W {W : [,T]} représene un mouvemen brownien consrui sur un espace probabilisé filréω, F, {F },P el que la filraion {F } es celle engendrée par le mouvemen brownien, augmenée de ous les événemens de probabilié nulle, c es-à-dire que pour ou, F N e W s : s. Le héorème de Cameron-Marin-Girsanov suie Le héorème de Cameron-Marin-Girsanov suie Théorème de Cameron-Marin-Girsanov. Soi γ {γ : [,T]}, un processus {F } prévisible el que E P [exp ] 1 T γ d Il exise une mesure Q sur Ω, F elle que CMG1 Q es équivalene à P <. 39 Le prochain héorème nous permera de consruire nos mesures risqueneure. CMG CMG3 dq dp exp[ T γ dw 1 T γ d] Le processus W { W : [,T] } défini par W W + γ s ds es un {F },Q mouvemen brownien. réf. Baxer e Rennie, page 74; Lamberon e Lapeyre, page 84 La condiion E P [ exp 1 T γ d] < es une condiion suffisane mais non nécessaire. Elle es connue sous l appellaion de condiion de Novikov. 5
6 Le héorème de Cameron-Marin-Girsanov suie Le héorème de Cameron-Marin-Girsanov suie Allons-y! dx b X, d + a X, dw 41 Considérons l équaion différenielle sochasique dx b X, d + a X, dw 4 où W représene un mouvemen brownien sur l espace probabilisé filré Ω, F, {F },P. Nous supposons que les coefficiens de dériveedediffusion son els qu il exise une unique soluion à l équaion que nous noons X. Nous cherchons une mesure de probabilié Q qui fasse en sore que, sur l espace Ω, F, {F },Q, la dérive de X soi b X, au lieu de b X,. où b b X, b X, X, d + a X, a X, d + a X, dw en auan que a X, soi différen de. b X, d + a X, d W + b X s,s b X s,s ds 4 a X s,s b X, d + a X, d W 43 W W + γ s ds e γ b X, b X,. 44 a X, Le héorème de Cameron-Marin-Girsanov suie [ Si E P exp 1 T γ d] < alors par les héorèmes de Radon-Nikodym e de Cameron-Marin-Girsanov, [ T Q A E P [exp γ dw 1 ] ] T γ d δ A, A F e W { W : [,T] } es un F,Q mouvemen brownien. En praique, nous n avons pas besoin de déerminer la mesure Q. Il nous suffi de savoir qu elle exise e de connaîre l équaion différenielle sochasique du processus qui nous inéresse sur l espace Ω, F, {F },Q. Le héorème de Cameron-Marin-Girsanov suie Un exemple suie Reprenons le modèle de marché de Black e Scholes. Le processus sochasique Y {Y : T } consrui sur l espace Ω, F, {F },Payan servi à la consrucion du mouvemen brownien représene l évoluion du prix acualisé d un ire risqué où dy µ r Y d + Y dw. 45 6
7 Le héorème de Cameron-Marin-Girsanov suie Un exemple suie Or, dans un monde neure au risque Ω, F, {F },Q, la endance de Y devrai êre nulle, c es-à-dire que nous voulons que le coefficien de dérive soi zéro. Ainsi où Dans ce cas-ci, dy µ r Y d + Y dw 46 µ r Y d + Y dw 47 Y d W + µ r Y d W 48 W W + µ r W + s, γ s µ r µ r ds Le héorème de Cameron-Marin-Girsanov suie Un exemple suie Rappel du héorème de Cameron-Marin-Girsanov. Soi γ {γ : [,T]}, un processus {F } prévisible el que ] 1 T E P [exp γ d <. Il exise une mesure Q sur Ω, F elle que CMG1 CMG CMG3 Q es équivalene à P dq dp exp[ T γ dw 1 T γ d] Le processus W { W : [,T] } défini par W W + γ s ds es un {F },Q mouvemen brownien. réf. Baxer e Rennie, page 74; Lamberon e Lapeyre, page 84 Le héorème de Cameron-Marin-Girsanov suie Un exemple suie Vérifions que la condiion concernan le processus γ es bien saisfaie : ] 1 T 1 T ] µ r E P [exp γ d E P [exp d 51 1 µ r exp T 5 <. 53 Le héorème de Cameron-Marin-Girsanov suie Un exemple suie Appliquons le héorème de Girsanov : [ dq T dp exp dw 1 ] T γ d 54 [ T µ r exp dw 1 T ] µ r d 55 [ exp µ r W T 1 ] µ r T. 56 Ceci implique que Q [A] E P [exp µ r W T 1 ] µ r T δ A, A F. 7
8 Le héorème de Cameron-Marin-Girsanov suie Un exemple suie De plus, sous la mesure Q, l évoluion du prix acualisé du ire risqué saisfai l équaion où W es un Q mouvemen brownien. dy Y d W 57 Nous pouvons aussi rerouver l équaion différenielle sochasique saisfaie par l évoluion S du prix du ire risqué : ds µs d + S dw 58 µs d + S d W µ r µs d + S d W S µ r puisque W W + µ r d 59 Un exemple suie Noons que nous n avons pas réellemen besoin de calculer Q, nous avons simplemen besoin de savoir qu elle exise puis d éablir quelle es l équaion saisfaie par le processus qui nous inéresse, à savoir l évoluion du prix d un ire risqué. En effe, sur Ω, F, {F },Q, ds rs d + S d W 61 où W es un Q mouvemen brownien. Or, l unique soluion de cee équaion es [ ] S S exp r + W. 6 rs d + S d W. 6 Un exemple suie Puisque le prix d une opion d acha don le prix d exercice es K e la maurié es T es donné par E Q [exp rtmaxs T K; ] 63 ] E Q [exp rtmax S exp r T + W T K; 64 ] E Q [max S exp T + W T K exp rt; 65 S exp T + z Ke rt ; f Z z dz. 66 où f Z représene la foncion de densié d une variable aléaoire normale d espérance nulle e de variance égale à T. Le rese du calcul ne fai qu inervenir des propriéés de la loi normale. Un exemple suie. Comme S exp T + z Ke rt T + z > ln ln S ln K + z> >Ke rt 67 S lnk rt ln S 68 T r α 69 8
9 Un exemple suie S exp T + z Ke rt ; f Z z dz 7 S exp α T + z Ke rt f Z z dz 71 exp α T + z f Z z dz α Ke rt f Z z dz 1 1 S α π 1/ exp z Tz + T dz 7 T 1/ T Ke rt 1 1 α π 1/ exp z dz 73 T 1/ T 1 1 z T S α π 1/ exp dz T 1/ T Ke rt 1 1 α π 1/ exp z dz 74 T 1/ T Posons u z T T 1/ e v z T 1/ 1 S exp u du α T 1/ T 1/ π Ke rt 1 exp v dv 75 α T 1/ π 1/ α T S 1 N T 1/ Ke rt α 1 N T 1/ 76 où N es la foncion de répariion d une variable aléaoire normale cenrée e réduie. Mais la symérie de N implique que 1 N x N x. Alors α T S 1 N T 1/ Ke rt α 1 N T 1/ α + T S N T 1/ Ke rt α N T 1/ ln S ln K + r + T S N T 1/ Ke rt ln S ln K + r T N T 1/ 79 Un deuxième exemple : cas mulidimensionnel Supposons que W e W représenen deux mouvemens browniens sandards consruis sur l espace probabilisé filréω, F, {F },P. Remarquons que { B : } où es un mouvemen brownien sandard el que B ρw + 1 ρ 1/ W 8 Corr P W, B ρ. 81 Exercice :démonrez-le. 9
10 Un deuxième exemple : cas mulidimensionnel suie Le aux de change insanané dc µ C C d + C C dw 8 nous perme de modéliser le nombre de dollars canadiens par unié monéaire érangère à chaque insan. Supposons aussi que l équaion différenielle sochasique ds µ S S d + S S d B 83 µ S S d + S ρs dw + S 1 ρ 1/ S d W 84 modélise l évoluion du prix d un acif risqué éranger. Enfin le aux d inérê insanané canadien r e le aux d inérê insanané éranger v son supposés consans. Par conséquen, le faceur d acualisaion es β exp r. 85 e la valeur en devise érangère d un invesissemen iniial d une unié monéaire érangère es B expv. Un deuxième exemple : cas mulidimensionnel suie Plaçons-nous dans la peau d un invesisseur canadien. C S nous donne la valeur en dollars canadiens de l acif risqué auemps, C B nous donne la valeur en dollars canadiens d un placemen d une unié de la devise érangère dans un compe bancaire éranger au emps, U β C S nous donne la valeur acualisée en dollars canadiens de l acif risqué au emps. V β C B nous donne la valeur acualisée en dollars canadiens d un placemen d une unié de la devise érangère dans un compe bancaire éranger au emps. Nous cherchons la mesure Q qui rendra les processus sochasiques U e V des {F },Q maringales. Un deuxième exemple : cas mulidimensionnel suie Rappel: dc µ C C d + C C dw, 86 db vb d 87 dβ rβ d 88 Premièremen, déerminons l équaion différenielle sochasique saisfaie par la valeur acualisée en dollars canadiens d un placemen d une unié de la devise érangère dans un compe bancaire éranger V βcb sous la mesure P. Le lemme d Iô nouspermed écrire dc B C db + B dc + d B, C 89 C vb d+b µ C C d + C C dw 9 Ainsi, dv dβ C B 9 β dc B + C B dβ + d β, CB 93 β v + µ C C B d + C C B dw +C B rβ d µ C + v r β C B d + C β C B dw 94 µ C + v r V d + C V dw. 95 v + µ C C B d + C C B dw. 91 1
11 Un deuxième exemple : cas mulidimensionnel suie Rappel: ds µ S S d + S ρs dw + S 1 ρ 1/ S d W, 96 dc µ C C d + C C dw, 97 db vb d, 98 dβ rβ d. 99 Deuxièmemen, déerminons l équaion différenielle sochasique saisfaie par U βcs sous la mesure P. Le lemme d Iô nouspermed écrire dc S C ds + S dc + d S, C 1 C µ S S d + S ρs dw + S 1 ρ 1/ S d W 11 +S µ C C d + C C dw + S ρs C C d µ S + µ C + S C ρ C S d 1 + S ρ + C C S dw + S 1 ρ 1/ C S d W. Réuilisan le lemme d Iô, nous obenons du dβ C S 13 β dc S + C S dβ + d β, CS 14 µ S + µ C + S C ρ C S d β + S ρ + C C S dw + S 1 ρ 1 C S d W 15 +C S rβ d µ S + µ C + S C ρ r β C S d 16 + S ρ + C β C S dw + S 1 ρ 1/ β C S d W µ S + µ C + S C ρ r U d 17 + S ρ + C U dw + S 1 ρ 1/ U d W. Un deuxième exemple : cas mulidimensionnel suie Nous avons dv µ C + v r V d + C V dw, 18 du µ S + µ C + S C ρ r U d 19 + S ρ + C U dw + S 1 ρ 1/ U d W cequinouspermed écrire dv µ C + v r C γ V d + C V d W + sds 11 µ S + µ C + S C ρ r du S ρ + C γ S 1 ρ 1/ U d 111 γ + S ρ + C U d W + sds + S 1 ρ 1/ U d W + sds. Un deuxième exemple : cas mulidimensionnel suie Nous voulons donc résoudre le sysème linéaire µ C + v r C γ µ S + µ C + S C ρ r S ρ + C γ S 1 ρ 1/ γ don les inconnues son γ e γ. Sous forme maricielle, nous écrivons C S ρ + C S 1 ρ 1 γ µ C + v r. γ µ S + µ C + S C ρ r La soluion es γ µ C + v r C 11 γ µ S v + S C ρ S 1 ρ 1 ρ µ C + v r C 1 ρ
12 Un deuxième exemple : cas mulidimensionnel suie Posons donc W W + γ s ds où γ s µ C + v r C e W W + γ s ds où γ s µ S v + S C ρ S 1 ρ 1 ρ µ C + v r C 1 ρ 1. Nous pouvons alors écrire dv C V dw 114 du S ρ + C U dw + S 1 ρ 1/ U d W. 115 Le héorème de Cameron-Marin-Girsanov cas mulidimensionnel Soi W W 1,..., W n un mouvemen brownien de dimension n, c es-à-dire que ses composanes son des mouvemens browniens sandards indépendans sur l espace probabilisé filréω, F, {F },P. Es-il possible de rouver une mesure Q elle que W e W son des {F },Q mouvemens browniens simulanémen? Théorème de Cameron-Marin-Girsanov. Pour ou i {1,..., n}, γ i γ i : T es un processus {F } prévisible el que 1 T E P [exp γ i ] d <. Il exise une mesure Q sur Ω, F elle que CMG1 CMG CMG3 Q es équivalene à P [ dq dp exp n T i1 γ i dw i 1 T ni1 γ i ] d W i Pour ou i {1,..., n}, le processus W i W i : T défini par W i réf. Baxer e Rennie, page γ i s ds es un {F },Q mouv. brownien. Un deuxième exemple : cas mulidimensionnel suie Comme les foncions γ e γ son consanes, la condiion de Novikov es saisfaie e le héorème de Girsanov version mulidimensionnelle nous perme de conclure qu il exise une mesure maringale Q elle que W e W son des {F },Q mouvemens browniens. 1
13 Un deuxième exemple : cas mulidimensionnel suie Un deuxième exemple : cas mulidimensionnel suie Fai inéressan, sur l espace Ω, F, {F },Q, nous avons l équaion différenielle sochasique saisfaie par le aux de change insanané dc µ C C d + C C dw 116 µ C C d + C C d W µ C + v r C 117 r v C d + C C dw. 118 On rerouve dans le coefficien de dérive la différence enre les aux d inérê insananés local e éranger. Toujours sur l espace Ω, F, {F },Q, l équaion différenielle sochasique de l évoluion du prix de l acif risqué en dollars canadiens es dc S µ S + µ C + S C ρ C S d S ρ + C C S dw + S 1 ρ 1/ C S d W µ S + µ C + S C ρ C S d 1 + S ρ + C C S d W µ C + v r C + S 1 ρ 1/ C S d W µ S v + S C ρ S 1 ρ 1 ρ µ C + v r C 1 ρ 1 rc S d + S ρ + C C S dw + S 1 ρ 1/ C S d W 11 Un deuxième exemple : cas mulidimensionnel suie où la dernière égalié s obien de la simplificaion du coefficien de dérive µ S + µ C + S C ρ S ρ + C µ C + v r C S 1 ρ 1/ µ S v + S C ρ S 1 ρ 1 ρ µ C + v r C 1 ρ 1. Toujours sous la mesure neure au risque Q, la valeur en dollars canadiens d un placemen d une unié de la devise érangère dans un compe bancaire éranger saisfai dc B v + µ C C B d + C C B dw 1 v + µ C C B d + C C B d v + µ C C µ C + v r C W µ C + v r C 13 C B d + C C B dw 14 rc B d + C C B dw
14 Un deuxième exemple : cas mulidimensionnel suie En résumé, dc µ C C d + C C dw 16 dc r v C d + C C dw 17 dc S µ S + µ C + S C ρ C S d 18 + S ρ + C C S dw + S 1 ρ 1/ C S d W dc S rc S d 19 + S ρ + C C S dw + S 1 ρ 1/ C S d W dc B v + µ C C B d + C C B dw 13 dc B rc B d + C C B dw 131 Un deuxième exemple : cas mulidimensionnel suie Pour ce qui es des ires en devise érangère, nous avons l équaion, sous la probabilié Q, qui caracérise l évoluion du prix de l acif risqué en devise érangère : ds 13 µ S S d + S ρs dw + S 1 ρ 1/ S d W 133 ds µ S S d + S ρs d W µ C + v r 134 C + S 1 ρ 1/ S d W µ S v + S C ρ S 1 ρ 1 ρ µ C + v r C 1 ρ 1 v S C ρ S d + S ρs dw + S 1 ρ 1/ S d W 135 e celle de l évoluion d un compe bancaire en devise érangère db vb d. 136 Un roisième exemple : non-unicié delamesuremaringale Soi W e W deux mouvemens browniens sandards indépendans consruis sur l espace probabilisé filréω, F, {F },P. Supposons que le prix d un acif risqué évolue selon l ÉDS ds µs d + S dw + S d W 137 e que le aux d inérê insanané r es consan. Un roisième exemple : non-unicié de la mesure maringale Posons, pour ou T, Y β S 138 c es-à-dire que Y représene la valeur acualisée au emps du ire risqué. En uilisan le lemme d Iô plus pariculièremen la règle de muliplicaion, nous obenons En effe, dy µ r Y d + Y dw + Y d W. 139 dy dβ S 14 β ds + S dβ + d β, S 141 β µs d + S dw + S d W + S rβ d 14 µ r β S d + β S dw + β S d W
15 Un roisième exemple : non-unicié de la mesure maringale Un roisième exemple : non-unicié de la mesure maringale dy µ r Y d + Y dw + Y d W 144 µ r γ γ Y d 145 +Y d W + γ sds + Y d W + γ sds. Forçons le coefficien de dérive à s annuler : µ r γ γ γ µ r γ. 146 Il y a donc une infinié de soluions. Rappel : γ µ r γ. 147 Si l on décide que le processus {γ : T } ne dépend pas du emps, alorsilenserademême pour γ. Commeγ e γ son déerminises e consans, la condiion de Novikov es saisfaie. Par conséquen, pour ou γ R, il exise une mesure maringale Q γ elle que W γ W + γ 148 e W γ W + γ W µ r + γ 149 son des {F },Q γ mouvemens browniens. Pour ou γ R, le processus Y, es une {F },Q γ maringale. dy Y dw γ + Y d W γ 15 Conséquences Le marché es incomple Cerains drois coningens ne pourron pas êre répliqués. Dans ce cas, l espérance, sous une mesure neure au risque, de la valeur acualisée du droi coningen nous donnera UN prix mais pas LE prix. Commen déermine--on si un droi coningen es accessible? La réponse se rouve dans la prochaine série de diaposiives! Références Marin Baxer e Andrew Rennie Financial Calculus, an inroducion o derivaive pricing, Cambridge universiy press. Chrisophe Bisière La srucure par erme des aux d inérê, Presses universiaires de France. Damien Lamberon e Bernard Lapeyre sochasique appliqué àlafinance, Ellipses. Inroducion au calcul 15
2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.
1 Examen. 1.1 Prime d une opion sur un fuure On considère une opion à 85 jours sur un fuure de nominal 18 francs, e don le prix d exercice es 175 francs. Le aux d inérê (coninu) du marché monéaire es 6%
Plus en détailTexte Ruine d une compagnie d assurance
Page n 1. Texe Ruine d une compagnie d assurance Une nouvelle compagnie d assurance veu enrer sur le marché. Elle souhaie évaluer sa probabilié de faillie en foncion du capial iniial invesi. On suppose
Plus en détailLes circuits électriques en régime transitoire
Les circuis élecriques en régime ransioire 1 Inroducion 1.1 Définiions 1.1.1 égime saionnaire Un régime saionnaire es caracérisé par des grandeurs indépendanes du emps. Un circui en couran coninu es donc
Plus en détailFinance 1 Université d Evry Val d Essonne. Séance 2. Philippe PRIAULET
Finance 1 Universié d Evry Val d Essonne éance 2 Philippe PRIAULET Plan du cours Les opions Définiion e Caracérisiques Terminologie, convenion e coaion Les différens payoffs Le levier implicie Exemple
Plus en détailExemples de résolutions d équations différentielles
Exemples de résoluions d équaions différenielles Table des maières 1 Définiions 1 Sans second membre 1.1 Exemple.................................................. 1 3 Avec second membre 3.1 Exemple..................................................
Plus en détailMathématiques financières. Peter Tankov
Mahémaiques financières Peer ankov Maser ISIFAR Ediion 13-14 Preface Objecifs du cours L obje de ce cours es la modélisaion financière en emps coninu. L objecif es d un coé de comprendre les bases de
Plus en détailVA(1+r) = C 1. VA = C 1 v 1
Universié Libre de Bruxelles Solvay Business School La valeur acuelle André Farber Novembre 2005. Inroducion Supposons d abord que le emps soi limié à une période e que les cash flows fuurs (les flux monéaires)
Plus en détailF 2 = - T p K 0. ... F T = - T p K 0 - K 0
Correcion de l exercice 2 de l assisana pré-quiz final du cours Gesion financière : «chéancier e aux de renabilié inerne d empruns à long erme» Quesion : rappeler la formule donnan les flux à chaque échéance
Plus en détailCHAPITRE I : Cinématique du point matériel
I. 1 CHAPITRE I : Cinémaique du poin maériel I.1 : Inroducion La plupar des objes éudiés par les physiciens son en mouvemen : depuis les paricules élémenaires elles que les élecrons, les proons e les neurons
Plus en détailCalcul Stochastique 2 Annie Millet
M - Mahémaiques Appliquées à l Économie e à la Finance Universié Paris 1 Spécialié : Modélisaion e Méhodes Mahémaiques en Économie e Finance Calcul Sochasique Annie Mille 15 14 13 1 11 1 9 8 7 6 5 4 3
Plus en détailTD/TP : Taux d un emprunt (méthode de Newton)
TD/TP : Taux d un emprun (méhode de Newon) 1 On s inéresse à des calculs relaifs à des remboursemens d empruns 1. On noera C 0 la somme emprunée, M la somme remboursée chaque mois (mensualié), le aux mensuel
Plus en détailRecueil d'exercices de logique séquentielle
Recueil d'exercices de logique séquenielle Les bascules: / : Bascule JK Bascule D. Expliquez commen on peu modifier une bascule JK pour obenir une bascule D. 2/ Eude d un circui D Q Q Sorie A l aide d
Plus en détailCours d électrocinétique :
Universié de Franche-Comé UFR des Sciences e Techniques STARTER 005-006 Cours d élecrocinéique : Régimes coninu e ransioire Elecrocinéique en régimes coninu e ransioire 1. INTRODUCTION 5 1.1. DÉFINITIONS
Plus en détailRappels théoriques. -TP- Modulations digitales ASK - FSK. Première partie 1 INTRODUCTION
2 IUT Blois Déparemen GTR J.M. Giraul, O. Bou Maar, D. Ceron M. Richard, P. Sevesre e M. Leberre. -TP- Modulaions digiales ASK - FSK IUT Blois Déparemen du Génie des Télécommunicaions e des Réseaux. Le
Plus en détailMATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES LES ANNUITES INTRODUCTION : Exemple 1 : Une personne veu acquérir une maison pour 60000000 DH, pour cela, elle place annuellemen au CIH une de 5000000 DH. Bu : Consiuer un capial
Plus en détailLa rentabilité des investissements
La renabilié des invesissemens Inroducion Difficulé d évaluer des invesissemens TI : problème de l idenificaion des bénéfices, des coûs (absence de saisiques empiriques) problème des bénéfices Inangibles
Plus en détailCaractéristiques des signaux électriques
Sie Inerne : www.gecif.ne Discipline : Génie Elecrique Caracérisiques des signaux élecriques Sommaire I Définiion d un signal analogique page 1 II Caracérisiques d un signal analogique page 2 II 1 Forme
Plus en détailUn modèle de projection pour des contrats de retraite dans le cadre de l ORSA
Un modèle de proecion pour des conras de reraie dans le cadre de l ORSA - François Bonnin (Hiram Finance) - Floren Combes (MNRA) - Frédéric lanche (Universié Lyon 1, Laboraoire SAF) - Monassar Tammar (rim
Plus en détailLe mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»
Plus en détailSurface de Volatilité et Introduction au Risque de Crédit
Modèles de Taux, Surface de Volailié e Inroducion au Risque de Crédi Alexis Fauh Universié Lille I Maser 2 Mahémaiques e Finance Spécialiés Mahémaiques du Risque & Finance Compuaionelle 214/215 spread
Plus en détailChapitre 2 L investissement. . Les principales caractéristiques de l investissement
Chapire 2 L invesissemen. Les principales caracérisiques de l invesissemen.. Définiion de l invesissemen Définiion générale : ensemble des B&S acheés par les agens économiques au cours d une période donnée
Plus en détailImpact des futures normes IFRS sur la tarification et le provisionnement des contrats d assurance vie : mise en oeuvre de méthodes par simulation
Impac des fuures normes IFRS sur la arificaion e le provisionnemen des conras d assurance vie : mise en oeuvre de méhodes par simulaion Pierre-Emmanuel Thérond To cie his version: Pierre-Emmanuel Thérond.
Plus en détailCHAPITRE 13. EXERCICES 13.2 1.a) 20,32 ± 0,055 b) 97,75 ± 0,4535 c) 1953,125 ± 23,4375. 2.±0,36π cm 3
Chapire Eercices de snhèse 6 CHAPITRE EXERCICES..a), ±,55 b) 97,75 ±,455 c) 95,5 ±,475.±,6π cm.a) 44,, erreur absolue de,5 e erreur relaive de, % b) 5,56, erreur absolue de,5 e erreur relaive de,9 % 4.a)
Plus en détail2009-01 EFFICIENCE INFORMATIONNELLE DES 1948-2008 UNE VERIFICATION ECONOMETRIQUE MARCHES DE L OR A PARIS ET A LONDRES, DE LA FORME FAIBLE
009-01 EFFICIENCE INFORMATIONNELLE DES MARCHES DE L OR A PARIS ET A LONDRES, 1948-008 UNE VERIFICATION ECONOMETRIQUE DE LA FORME FAIBLE Thi Hong Van HOANG Efficience informaionnelle des marchés de l or
Plus en détailFiltrage optimal. par Mohamed NAJIM Professeur à l École nationale supérieure d électronique et de radioélectricité de Bordeaux (ENSERB)
Filrage opimal par Mohamed NAJIM Professeur à l École naionale supérieure d élecronique e de radioélecricié de Bordeaux (ENSERB) Filre adapé Définiions Filre adapé dans le cas de brui blanc 3 3 Cas d un
Plus en détailDE L'ÉVALUATION DU RISQUE DE CRÉDIT
DE L'ÉALUAION DU RISQUE DE CRÉDI François-Éric Racico * Déparemen des sciences adminisraives Universié du Québec, Ouaouais Raymond héore Déparemen Sraégie des Affaires Universié du Québec, Monréal RePAd
Plus en détailCARACTERISTIQUES STATIQUES D'UN SYSTEME
CARACTERISTIQUES STATIQUES D'UN SYSTEE 1 SYSTEE STABLE, SYSTEE INSTABLE 1.1 Exemple 1: Soi un sysème composé d une cuve pour laquelle l écoulemen (perurbaion) es naurel au ravers d une vanne d ouverure
Plus en détailRisque associé au contrat d assurance-vie pour la compagnie d assurance. par Christophe BERTHELOT, Mireille BOSSY et Nathalie PISTRE
Ce aricle es disponible en ligne à l adresse : hp://www.cairn.info/aricle.php?id_revue=ecop&id_numpublie=ecop_149&id_article=ecop_149_0073 Risque associé au conra d assurance-vie pour la compagnie d assurance
Plus en détailDESSd ingéniérie mathématique Université d Evry Val d Essone Evaluations des produits nanciers
DESSd ingéniérie mahémaique Universié d Evry Val d Essone Evaluaions des produis nanciers Véronique Berger Cours Janvier-Mars 2003 version du 27 mars 2003 Conens I Présenaion du plan de cours 3 II Insrumens
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 détailCOURS GESTION FINANCIERE A COURT TERME SEANCE 3 PLANS DE TRESORERIE. François LONGIN www.longin.fr
COURS GESTION FINANCIERE A COURT TERME SEANCE 3 PLANS DE TRESORERIE SEANCE 3 PLANS DE TRESORERIE Obje de la séance 3 : dans la séance 2, nous avons monré commen le besoin de financemen éai couver par des
Plus en détailTHÈSE. Pour l obtention du grade de Docteur de l Université de Paris I Panthéon-Sorbonne Discipline : Sciences Économiques
Universié de Paris I Panhéon Sorbonne U.F.R. de Sciences Économiques Année 2011 Numéro aribué par la bibliohèque 2 0 1 1 P A 0 1 0 0 5 7 THÈSE Pour l obenion du grade de Doceur de l Universié de Paris
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 détailSciences Industrielles pour l Ingénieur
Sciences Indusrielles pour l Ingénieur Cenre d Inérê 6 : CONVERTIR l'énergie Compéences : MODELISER, RESOUDRE CONVERSION ELECTROMECANIQUE - Machine à couran coninu en régime dynamique Procédés de piloage
Plus en détailLe mécanisme du multiplicateur (dit "multiplicateur keynésien") revisité
Le mécanisme du muliplicaeur (di "muliplicaeur kenésien") revisié Gabriel Galand (Ocobre 202) Résumé Le muliplicaeur kenésien remone à Kenes lui-même mais il es encore uilisé de nos jours, au moins par
Plus en détailIntégration de Net2 avec un système d alarme intrusion
Ne2 AN35-F Inégraion de Ne2 avec un sysème d alarme inrusion Vue d'ensemble En uilisan l'inégraion d'alarme Ne2, Ne2 surveillera si l'alarme inrusion es armée ou désarmée. Si l'alarme es armée, Ne2 permera
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en 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 détailFonction dont la variable est borne d intégration
[hp://mp.cpgedpydelome.fr] édié le 1 jille 14 Enoncés 1 Foncion don la variable es borne d inégraion Eercice 1 [ 1987 ] [correcion] Soi f : R R ne foncion conine. Jsifier qe les foncions g : R R sivanes
Plus en détail3 POLITIQUE D'ÉPARGNE
3 POLITIQUE D'ÉPARGNE 3. L épargne exogène e l'inefficience dynamique 3. Le modèle de Ramsey 3.3 L épargne opimale dans le modèle AK L'épargne des sociéés dépend largemen des goûs des agens, de faceurs
Plus en détailImpact du vieillissement démographique sur l impôt prélevé sur les retraits des régimes privés de retraite
DOCUMENT DE TRAVAIL 2003-12 Impac du vieillissemen démographique sur l impô prélevé sur les rerais des régimes privés de reraie Séphane Girard Direcion de l analyse e du suivi des finances publiques Ce
Plus en détailEvaluation des Options avec Prime de Risque Variable
Evaluaion des Opions avec Prime de Risque Variable Lahouel NOUREDDINE Correspondance : LEGI-Ecole Polyechnique de Tunisie, BP : 743,078 La Marsa, Tunisie, Insiu Supérieur de Finance e de Fiscalié de Sousse.
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 détailLes solutions solides et les diagrammes d équilibre binaires. sssp1. sssp1 ssss1 ssss2 ssss3 sssp2
Les soluions solides e les diagrammes d équilibre binaires 1. Les soluions solides a. Descripion On peu mélanger des liquides par exemple l eau e l alcool en oue proporion, on peu solubiliser un solide
Plus en détailRelation entre la Volatilité Implicite et la Volatilité Réalisée.
Relaion enre la Volailié Implicie e la Volailié Réalisée. Le cas des séries avec la coinégraion fracionnaire. Rappor de Recherche Présené par : Mario Vázquez Velasco Direceur de Recherche : Benoî Perron
Plus en détailEcole des HEC Université de Lausanne FINANCE EMPIRIQUE. Eric Jondeau
Ecole des HEC Universié de Lausanne FINANCE EMPIRIQUE Eric Jondeau FINANCE EMPIRIQUE La prévisibilié des rendemens Eric Jondeau L hypohèse d efficience des marchés Moivaion L idée de base de l hypohèse
Plus en détailOscillations forcées en régime sinusoïdal.
Conrôle des prérequis : Oscillaions forcées en régime sinusoïdal. - a- Rappeler l expression de la période en foncion de la pulsaion b- Donner l expression de la période propre d un circui RLC série -
Plus en détailN d ordre Année 2008 THESE. présentée. devant l UNIVERSITE CLAUDE BERNARD - LYON 1. pour l obtention. du DIPLOME DE DOCTORAT. (arrêté du 7 août 2006)
N d ordre Année 28 HESE présenée devan l UNIVERSIE CLAUDE BERNARD - LYON pour l obenion du DILOME DE DOCORA (arrêé du 7 aoû 26) présenée e souenue publiquemen le par M. Mohamed HOUKARI IRE : Mesure du
Plus en détailSéquence 2. Pourcentages. Sommaire
Séquence 2 Pourcenages Sommaire Pré-requis Évoluions e pourcenages Évoluions successives, évoluion réciproque Complémen sur calcularices e ableur Synhèse du cours Exercices d approfondissemen 1 1 Pré-requis
Plus en détailCopules et dépendances : application pratique à la détermination du besoin en fonds propres d un assureur non vie
Copules e dépendances : applicaion praique à la déerminaion du besoin en fonds propres d un assureur non vie David Cadoux Insiu des Acuaires (IA) GE Insurance Soluions 07 rue Sain-Lazare, 75009 Paris FRANCE
Plus en détailNed s Expat L assurance des Néerlandais en France
[ LA MOBILITÉ ] PARTICULIERS Ned s Expa L assurance des Néerlandais en France 2015 Découvrez en vidéo pourquoi les expariés en France choisissen APRIL Inernaional pour leur assurance sané : Suivez-nous
Plus en détailAnnuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t
Annuiés I Définiion : On appelle annuiés des sommes payables à inervalles de emps déerminés e fixes. Les annuiés peuven servir à : - consiuer un capial ( annuiés de placemen ) - rembourser une dee ( annuiés
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 détailThème : Electricité Fiche 5 : Dipôle RC et dipôle RL
Fiche ors Thème : Elecricié Fiche 5 : Dipôle e dipôle Plan de la fiche Définiions ègles 3 Méhodologie I - Définiions oran élecriqe : déplacemen de charges élecriqes q a mesre d débi de charges donne l
Plus en détailCANAUX DE TRANSMISSION BRUITES
Canaux de ransmissions bruiés Ocobre 03 CUX DE TRSISSIO RUITES CORRECTIO TRVUX DIRIGES. oyer Canaux de ransmissions bruiés Ocobre 03. RUIT DE FOD Calculer le niveau absolu de brui hermique obenu pour une
Plus en détailAMPLIFICATEUR OPERATIONNEL EN REGIME NON LINEAIRE
AMPLIFICATEUR OPERATIONNEL EN REGIME NON LINEAIRE Dans e hapire l'amplifiaeur différeniel inégré sera oujours onsidéré omme parfai, mais la ension de sorie ne pourra prendre que deux valeurs : V sa e V
Plus en détailSYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE
SYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE Le seul ballon hybride solaire-hermodynamique cerifié NF Elecricié Performance Ballon hermodynamique 223 lires inox 316L Plaque évaporarice
Plus en détailSURVOL DE LA LITTÉRATURE SUR LES MODÈLES DE TAUX DE CHANGE D ÉQUILIBRE: ASPECTS THÉORIQUES ET DISCUSSIONS COMPARATIVES
Ankara Üniversiesi SBF Dergisi, Cil 66, No. 4, 2011, s. 125-152 SURVOL DE LA LITTÉRATURE SUR LES MODÈLES DE TAUX DE CHANGE D ÉQUILIBRE: ASPECTS THÉORIQUES ET DISCUSSIONS COMPARATIVES Dr. Akın Usupbeyli
Plus en détailArticle. «Les effets à long terme des fonds de pension» Pascal Belan, Philippe Michel et Bertrand Wigniolle
Aricle «Les effes à long erme des fonds de pension» Pascal Belan, Philippe Michel e Berrand Wigniolle L'Acualié économique, vol 79, n 4, 003, p 457-480 Pour cier ce aricle, uiliser l'informaion suivane
Plus en détailSéminaire d Économie Publique
Séminaire d Économie Publique Les niveaux de dépenses d'infrasrucure son-ils opimaux dans les pays en développemen? Sonia Bassi, LAEP Discuan : Evans Salies, MATISSE & ADIS, U. Paris 11 Mardi 8 février
Plus en détailS euls les flux de fonds (dépenses et recettes) définis s ent l investissement.
Choix d ives i s s eme e cer iude 1 Chapire 1 Choix d ivesissemes e ceriude. Défiiio L es décisios d ivesissemes fo parie des décisios sraégiques de l erepris e. Le choix ere différes projes d ivesisseme
Plus en détailMémoire présenté et soutenu en vue de l obtention
République du Cameroun Paix - Travail - Parie Universié de Yaoundé I Faculé des sciences Déparemen de Mahémaiques Maser de saisique Appliquée Republic of Cameroon Peace Wor Faherland The Universiy of Yaoundé
Plus en détailTB 352 TB 352. Entrée 1. Entrée 2
enrées série TB logiciel d applicaion 2 enrées à émission périodique famille : Inpu ype : Binary inpu, 2-fold TB 352 Environnemen Bouon-poussoir TB 352 Enrée 1 sories 230 V Inerrupeur Enrée 2 Câblage sur
Plus en détailDocumentation Technique de Référence Chapitre 8 Trames types Article 8.14-1
Documenaion Technique de Référence Chapire 8 Trames ypes Aricle 8.14-1 Trame de Rappor de conrôle de conformié des performances d une insallaion de producion Documen valide pour la période du 18 novembre
Plus en détailNo 1996 13 Décembre. La coordination interne et externe des politiques économiques : une analyse dynamique. Fabrice Capoën Pierre Villa
No 996 3 Décembre La coordinaion inerne e exerne des poliiques économiques : une analyse dynamique Fabrice Capoën Pierre Villa CEPII, documen de ravail n 96-3 SOMMAIRE Résumé...5 Summary...7. La problémaique...9
Plus en détailChapitre 9. Contrôle des risques immobiliers et marchés financiers
Capire 9 Conrôle des risques immobiliers e marcés financiers Les indices de prix immobiliers ne son pas uniquemen des indicaeurs consruis dans un bu descripif, mais peuven servir de référence pour le conrôle
Plus en détailFiles d attente (1) F. Sur - ENSMN. Introduction. 1 Introduction. Vocabulaire Caractéristiques Notations de Kendall Loi de Little.
Cours de Tronc Commun Scienifique Recherche Opéraionnelle Les files d aene () Les files d aene () Frédéric Sur École des Mines de Nancy www.loria.fr/ sur/enseignemen/ro/ 5 /8 /8 Exemples de files d aene
Plus en détailNon-résonance entre les deux premières valeurs propres d un problème quasi-linéaire
Non-résonance enre les deux premières valeurs propres d un problème quasi-linéaire AREl Amrouss MMoussaoui Absrac We consider he quasilinear Dirichle boundary value problem (φ p (u )) = f(u)+h(x),u(a)=u(b)=0,
Plus en détailCHELEM Commerce International
CHELEM Commerce Inernaional Méhodes de consrucion de la base de données du CEPII Alix de SAINT VAULRY Novembre 2013 1 Conenu de la base de données Flux croisés de commerce inernaional (exporaeur, imporaeur,
Plus en détailMIDI F-35. Canal MIDI 1 Mélodie Canal MIDI 2 Basse Canal MIDI 10 Batterie MIDI IN. Réception du canal MIDI = 1 Reproduit la mélodie.
/ VARIATION/ ACCOMP PLAY/PAUSE REW TUNE/MIDI 3- LESSON 1 2 3 MIDI Qu es-ce que MIDI? MIDI es l acronyme de Musical Insrumen Digial Inerface, une norme inernaionale pour l échange de données musicales enre
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 détailSommaire de la séquence 12
Sommaire de la séquence 12 Séance 1........................................................................................................ Je prends un bon dépar.......................................................................................
Plus en détailGUIDE DES INDICES BOURSIERS
GUIDE DES INDICES BOURSIERS SOMMAIRE LA GAMME D INDICES.2 LA GESTION DES INDICES : LE COMITE DES INDICES BOURSIERS.4 METHODOLOGIE ET CALCUL DE L INDICE TUNINDEX ET DES INDICES SECTORIELS..5 I. COMPOSITION
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 détailThème : Essai de Modélisation du comportement du taux de change du dinar algérien 1999-2007 par la méthode ARFIMA
République Algérienne Démocraique e Populaire Minisère de l enseignemen Supérieur e de la Recherche Scienifique Universié Abou-Bakr BELKAID Tlemcen- Faculé des Sciences Economique, de Gesion e des Sciences
Plus en détailMODÈLE BAYÉSIEN DE TARIFICATION DE L ASSURANCE DES FLOTTES DE VÉHICULES
Cahier de recherche 03-06 Sepembre 003 MODÈLE BAYÉSEN DE TARFCATON DE L ASSURANCE DES FLOTTES DE VÉHCULES Jean-François Angers, Universié de Monréal Denise Desardins, Universié de Monréal Georges Dionne,
Plus en détailTRAVAUX PRATIQUES N 5 INSTALLATION ELECTRIQUE DE LA CAGE D'ESCALIER DU BATIMENT A
UIMBERTEAU UIMBERTEAU TRAVAUX PRATIQUES 5 ISTALLATIO ELECTRIQUE DE LA CAE D'ESCALIER DU BATIMET A ELECTROTECHIQUE Seconde B.E.P. méiers de l'elecroechnique ELECTROTECHIQUE HABITAT Ver.. UIMBERTEAU TRAVAUX
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 détailGESTION DU RÉSULTAT : MESURE ET DÉMESURE 1 2 ème version révisée, août 2003
GESTION DU RÉSULTAT : MESURE ET DÉMESURE 1 2 ème version révisée, aoû 2003 Thomas JEANJEAN 2 Cahier de recherche du CEREG n 2003-13 Résumé : Depuis une vingaine d années, la noion d accruals discréionnaires
Plus en détailCHAPITRE 10. Jacobien, changement de coordonnées.
CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,
Plus en détailLes deux déficits, budgétaire et du compte courant, sont-ils jumeaux? Une étude empirique dans le cas d une petite économie en développement
Les deux déficis, budgéaire e du compe couran, sonils jumeaux? Une éude empirique dans le cas d une peie économie en développemen (Version préliminaire) Aueur: Wissem AJILI Docorane CREFED Universié Paris
Plus en détailTrading de Volatilité
M émoire moire d Eude d Approfodisseme Tradig de Volailié Chrisia DIDION & Thomas JANNAUD Valdo DURRLEMAN Ecole Polyechique Sommaire Iroducio. Modèle de Blac-Scholes. Iroducio 44. Modèle de Blac & Scholes..5
Plus en détailLes Comptes Nationaux Trimestriels
REPUBLIQUE DU CAMEROUN Paix - Travail Parie ---------- INSTITUT NATIONAL DE LA STATISTIQUE ---------- REPUBLIC OF CAMEROON Peace - Work Faherland ---------- NATIONAL INSTITUTE OF STATISTICS ----------
Plus en détailL impact de l activisme des fonds de pension américains : l exemple du Conseil des Investisseurs Institutionnels.
L impac de l acivisme des fonds de pension américains : l exemple du Conseil des Invesisseurs Insiuionnels. Fabrice HERVE * Docoran * Je iens à remercier ou pariculièremen Anne Lavigne e Consanin Mellios
Plus en détailEPARGNE RETRAITE ET REDISTRIBUTION *
EPARGNE RETRAITE ET REDISTRIBUTION * Alexis Direr (1) Version février 2008 Docweb no 0804 Alexis Direr (1) : Universié de Grenoble e LEA (INRA, PSE). Adresse : LEA, 48 bd Jourdan 75014 Paris. Téléphone
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 détailEvaluation des options parlatransformée de Fourier
Evaluation des options parlatransformée de Fourier Bogdan Negrea Juin 00 y Abstract Le modèle de Black et Scholes a pour hypothèse la constance de la volatilité associée à la distribution risque-neutre.
Plus en 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 détailCAHIER 13-2000 ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS LA ZONE CFA : UNE MÉTHODE STRUCTURELLE D'AUTORÉGRESSION VECTORIELLE
CAHIER 13- ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS LA ZONE CFA : UNE MÉTHODE STRUCTURELLE D'AUTORÉGRESSION VECTORIELLE Jean-Michel BOSCO N'GOMA CAHIER 13- ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS
Plus en détailLE PARADOXE DES DEUX TRAINS
LE PARADOXE DES DEUX TRAINS Énoné du paradoxe Déaillons ou d abord le problème dans les ermes où il es souen présené On dispose de deux oies de hemins de fer parallèles e infinimen longues Enre les deux
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 détailCahier technique n 141
Collecion Technique... Cahier echnique n 141 Les perurbaions élecriques en BT R. Calvas Les Cahiers Techniques consiuen une collecion d une cenaine de ires édiés à l inenion des ingénieurs e echniciens
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détailCONTRIBUTION A L ANALYSE DE LA GESTION DU RESULTAT DES SOCIETES COTEES
CONTRIBUTION A L ANALYSE DE LA GESTION DU RESULTAT DES SOCIETES COTEES Thomas Jeanjean To cie his version: Thomas Jeanjean. CONTRIBUTION A L ANALYSE DE LA GESTION DU RESULTAT DES SOCIETES COTEES. 22ÈME
Plus en détailCahier technique n 114
Collecion Technique... Cahier echnique n 114 Les proecions différenielles en basse ension J. Schonek Building a ew Elecric World * Les Cahiers Techniques consiuen une collecion d une cenaine de ires édiés
Plus en détailB34 - Modulation & Modems
G. Pinson - Physique Appliquée Modulaion - B34 / Caracérisiques d'un canal de communicaion B34 - Modulaion & Modems - Définiions * Half Duplex ou simplex : ransmission un sens à la fois ; exemple : alky-walky
Plus en détailExercices de révision
Exercices de révisio Exercice U ivesisseur souscri à l émissio d u bille de résorerie do les caracérisiques so les suivaes : - Nomial : 5 M - Taux facial : 3,2% - Durée de vie : 9 mois L ivesisseur doi
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 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détail