OPTIMISATION DE PORTEFEUILLE ET TEMPS D ARRÊT OP



Documents pareils
Dérivées d ordres supérieurs. Application à l étude d extrema.

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

Amphi 3: Espaces complets - Applications linéaires continues

MATHS FINANCIERES. Projet OMEGA

M2 IAD UE MODE Notes de cours (3)

Exercice : la frontière des portefeuilles optimaux sans actif certain

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de

3. Caractéristiques et fonctions d une v.a.

Cours d Analyse. Fonctions de plusieurs variables

Chapitre 5 : Flot maximal dans un graphe

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

Programmation linéaire

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Cours Fonctions de deux variables

Le modèle de Black et Scholes

Commun à tous les candidats

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Correction du Baccalauréat S Amérique du Nord mai 2007

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Intégrales doubles et triples - M

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

3 Approximation de solutions d équations

Attitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014

Programmes des classes préparatoires aux Grandes Ecoles

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Finance, Navier-Stokes, et la calibration

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Dualité dans les espaces de Lebesgue et mesures de Radon finies

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

Continuité et dérivabilité d une fonction

Limites finies en un point

choisir H 1 quand H 0 est vraie - fausse alarme

Lagrange, où λ 1 est pour la contrainte sur µ p ).

EXERCICES - ANALYSE GÉNÉRALE

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Texte Agrégation limitée par diffusion interne

Probabilités sur un univers fini

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Espérance conditionnelle


Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Moments des variables aléatoires réelles

Rupture et plasticité

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Travaux dirigés d introduction aux Probabilités

Structures algébriques

Programmation linéaire et Optimisation. Didier Smets

Le théorème des deux fonds et la gestion indicielle

Probabilités sur un univers fini

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Chapitre 2. Matrices

Chapitre 1 : Évolution COURS

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

FIMA, 7 juillet 2005

CHAPITRE 5. Stratégies Mixtes

Programmation linéaire

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

C1 : Fonctions de plusieurs variables

Chapitre 7 : Intégration sur un intervalle quelconque

WEBINAIRE SUR LE SUIVI DE TENDANCES

PRIME D UNE OPTION D ACHAT OU DE VENTE

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Cours d analyse numérique SMI-S4

Chapitre 2 Le problème de l unicité des solutions

Résolution d équations non linéaires

Que faire lorsqu on considère plusieurs variables en même temps?

Les indices à surplus constant

Les travaux doivent être remis sous forme papier.

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Approximations variationelles des EDP Notes du Cours de M2

PLAN NOTATIONS UTILISÉES

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

Intégration et probabilités TD1 Espaces mesurés Corrigé

Licence MASS (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7

Etude de fonctions: procédure et exemple

Introduction à l étude des Corps Finis

Rappels sur les suites - Algorithme

Dérivation : cours. Dérivation dans R

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

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

Différentiabilité ; Fonctions de plusieurs variables réelles

I3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M

Processus aléatoires avec application en finance

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices

de calibration Master 2: Calibration de modèles: présentation et simulation d

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

Exercice 3 (5 points) A(x) = 1-e -0039' e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2

Approximation diophantienne uniforme et dimension de Hausdorff

Problème 1 : applications du plan affine

Transcription:

OPTIMISATION DE PORTEFEUILLE ET TEMPS D ARRÊT OPTIMAL ÉCOLE POLYTECHNIQUE CMAP March 7, 2007

Outline 1 Notations 2 Un Problème Classique Objectif. Optimisation de portefeuille. Résolution. 3 Un problème plus Général. Formulation Mathématique. Résolution. 4 Prix d indifférence et nouvelles perspectives.

Notations Les actifs risqués suivent la dynamique: dp i t = Pi t [bi t dt + L actif sans risque est tq: d i=1 σ i,j t dwj t ] dp 0 t = P0 t r0 t dt Le processus de la richesse évolue suivant la dynamique: dx x,π t = r t X x,π t dt + π t σ t(dw t + η t dt) X x,π 0 = x

Objectif L objectif est de résoudre: V(x) = sup π A E(U(X x,π T )) (1) On définit le processus H r,η t = e t 0 (r s+ 1 2 η2 s )ds t 0 η s dw s, H r,η On vérifie que (X x,π t t,s = Hr,η s H r,η t H r,η t ) t est une martingale. Par suite (1) est équivalent au problème avec multiplicateur de Lagrange. sup π A [E(U(X x,π T )) λ(e(xx,π T Hr,η T ) x)] (2)

Résolution La solution s écrit alors: V(x) = E(U(X x, T )) X x, T = I(λ(x, T)H r,η T ) Avec λ l unique réel solution de: E(H r,η T I(λ(x, T)Hr,η T )) = x

Questions: Si T est un temps d arrêt, peut-on appliquer le résultat précédent? Et si le gestionnaire de portefeuille choisit lui même son horizon?

Une gestion de type américain, i.e. une gestion dont le but n est plus de maximiser le flux à une maturité fixée mais celui à des temps variables. Le problème s écrit alors V(x) = sup t τ T sup π A(x) E(U(X x,π τ )) (3)

Résolution: Transformée de Legendre-Fenchel: U(y) = max x>0 (U(x) xy) = U(I(y)) yi(y) U (y) = I(y) U(x) = min y>0 (U(y) + xy)

Approche par Dualité à τ fixé: J(x, π, τ ) = E(U(X x,π τ (x,π) )) X τ (λ) = E(H r,η τ I(λHr,η τ )) (4) V τ (x) = sup π A(x) J(x, π, τ ) J(x, π, τ ) E(U(λH r,η τ )) + λx (5) Avec égalité si et seulement si X x,π τ = I(λH r,η τ ).

Sous les conditions de stricte monotonie et stricte convexité de la fonction d utilité, il est facile de voir que: λ X τ (λ), est continue strictement décroissante de (0, ) dans lui même, elle admet donc un inverse strictement décroissant qu on notera Y τ (x).

Proposition V τ (x) = inf λ>0 [J (λ, τ ) + λx] = J (Y(x), τ ) + Y(x)x V(x) = sup τ T V τ (x) Avec la notation = sup τ T inf λ>0 [J (λ, τ ) + λx] = sup τ T J (Y(x), τ ) + Y τ (x)x J (λ, τ ) = E(U(λH r,η τ ))

On définit l ensemble de finançiabilité: G = λ>0 G λ G λ = {X τ (λ), τ est optimal dans (4)} x G, x représente une richesse qui permet de financer un portefeuille X,x τ. Theorem x G, la valeur de V(x) est atteignable et on a: V(x) = inf λ>0 V(λ) (6) Inversement x (0, ), vérifiant (10) alors x G Avec V(λ) = sup τ T J (λ, τ )

Definition On suppose maintenant, que l agent doit livrer à l instant T un contingent claim, càd il doit payer à cette date une somme Y T, sa richesse est alors décrite par: X x,π T Y T, et sa fonction objective s écrit alors: V(x, Y) = sup π A E(U(X x,π T Y T)) (7) Il est facile de voir que V(x, Y) V(x, 0) = V(x).

Definition Pour un agent de richesse initiale x, on définit le prix d indifférence, comme la plus petite somme qu il investira en plus dans son portefeuille, pour réaliser la même utilité, càd: p(x, Y) = inf{y 0, V(x + y, Y) V(x, 0)

Questions: Peut-on définir un prix d indifférence dans le second problème (avec des temps d arrêts)? Si non, peut-on définir une nouvelle règle de pricing? Quelle dynamique suivra ce prix?

La réponse à la première question, et qui consistera à comparer les deux fonctions suivantes: V(x+p, Y) = sup τ T sup π A(x+p) E(U(X x+p,π τ Y τ )) V(x, 0) = sup τ T sup π A(x) E(U(X x,π τ )) est +/ négative, à cause du signe de la variable X x,π τ Y τ qui peut prendre des valeurs négatives, alors que la plus part des fonctions d utilités sont définies sur R +, sauf si on se permet de hedger uniquement la partie négative de cette variable.

Idée l idée est de regarder le quotient Xx,π T Y T au lieu de X x,π T Y T, ce qui nous permet de garder un signe constant. Remarques & Questions Peut-on utiliser la technique précédente? Si l ensemble des portefeuilles admissibles est linéaire, et si Y est un portefeuille, càd Y = X y,πy alors X x,π T Y T = X x,π T Xy,πY T = X x y,π πy T Dans le premier cas, d après la remarque précédente on est toujours sur le même marché, donc il n est pas question de changer d utilité.

Remarques & Questions 1 Si on considère Xx,π T Y T alors on quelque sorte ça correspond à un changement de numéraire, on n est plus sur le même marché. Doit-on changer d utilité? 2 Quelle est la dimension d une utilité? Exemples: utilité puissance U(x) = x1 α 1 α utilité exponentielle U(x) = 1 1 γ e γx

Réponse à la première question On se donne une fonction d utilité U et on regarde le Pb: V(x, Y) = sup τ T sup π A(x) E(U( Xx,π τ )) Y τ Dans ce cas, la richesse optimale s écrit : X x, τ = Y τ I(λ(x, τ )H r,η τ Y τ )

On définit comme précédemment: J(x, Y, π, τ ) = E(U( Xx,π τ )) Y τ X τ (Y, λ) = E(H r,η τ Y τ I(λH r,η τ Y τ )) (8) V τ (x, Y) = sup π A(x) J(x, Y, π, τ ) J(x, Y, π, τ ) E(U(λH r,η τ Y τ )) + λx (9) Avec égalité si et seulement si Xτ x, = Y τ I(λ(x, τ )H r,η τ Y τ ).

Proposition V τ (x, Y) = inf λ>0 [J (Y, λ, τ ) + λx] = J (Y(x, Y), Y, τ ) + Y(x, Y)x V(x) = sup τ T V τ (x, Y) = sup τ T inf λ>0 [J (Y, λ, τ ) + λx] = sup τ T J (Y(x, Y), Y, τ ) + Y τ (x, Y)x Avec la notation J (Y, λ, τ ) = E(U(λH r,η τ Y τ ))

G Y = λ>0 G Y λ G Y λ = {X τ (Y, λ), τ est optimal dans (8)} Theorem x G Y,la valeur de V(x) est atteignable et on a: V(x) = inf λ>0 V(Y, λ) (10) Inversement x (0, ), vérifiant (10) alors x G Avec V(Y, λ) = sup τ T J (Y, λ, τ )

Pour répondre à la deuxième question, on n a pas grand chose. On est obligé de revenir à la première définition d utilité. Comment un agent définit son utilité, et qu est ce qu il espère de cette fonction? Comment cette utilité décrit-elle son comportement et l ensemble de ses croyances? C est quoi le rôle du risque? Risque absolu ou relatif? C est quoi la relation entre probabilité et utilité?

Quelques notions de base Une fonction d utilité est la valeur associée par un agent à un couple (gain,probabilité), elle décrit en général sa satisfaction au gain, ou encore la sensation de plaisir associée à la consommation d un bien. L utilité est une mesure de bien-être ou de la satisfaction obtenue par la consommation, ou du moins l obtention, d un bien ou d un service. Elle est liée à la notion de besoin.

Quelques notions de base Aversion au risque absolu: ARa(x) = U xx(x) U x (x) Aversion au risque relatif: AR(x) = xu xx(x) U x (x)

On se place dans le cas d un agent de richesse initiale x et une fonction d utilité U, l équivalent de cette même richesse dans un nouveau marché de numéraire y est x y. Supposons que son utilité est notée par U Y dans ce nouveau marché, alors il existe K et C, deux fonctions (aléatoires) tq: x (0, ), U Y ( x y ) = K(y) y U(x) + C(y) y