LE Age KHOURI Nadie M MMD PROJE DE MONE ARLO SUJE : LE PRIING Selim ZOUGHLAMI
QUESION : Supposos d abord que X est u mouvemet browie W t G([ 0, ]) Alors W0 G( 0 ) suit ue loi N(0,0) et doc W 0ps 0 Esuite, o fixe s>0 et o ote Hs l espace vectoriel egedré par (,0 r s), H ~ s l espace vectoriel egedré par ( W W, u 0) Alors W r Hs et H ~ sot orthogoaux puisque pour r [ 0, s], u 0 s E[ W ( W W )] E[ G([0, r]) G(] s, s u])] 0 r su s s u s d après les propriétés des mesures gaussiees omme Hs et H ~ s sot aussi coteus das u même espace gaussie, o e déduit grâce au théorème suivat: Soit H u espace gaussie et soit ( H i, i I) ue famille de sous espaces vectoriels de H Alors les sous espaces seulemet si les tribus ( H i H i ), i I sot idépedates, i I sot orthogoaux das L si et que H ) et H ~ ) sot idépedates E particulier Wt Ws est idépedate ( s ( s de ( H ) ( W, r s) De plus o a, W W G(] s, t]) suit la loi N( 0, t s) s r t s
QUESION : Ue optio d achat (ou call) doe à l operateur qui l achète le droit et o l obligatio d acheter u actif fiacier, à u prix d exercice spécifié K au momet de l achat et à ue date détermiée appelée date de maturité de l optio Expliquos maiteat pourquoi le payoff de l optio d achat s écrit: (,K,) (S K) max( S K,0) où K est le prix d exercice, l optio S le cours de l actio, et la date de maturité de Le risque de l acheteur est limité au motat de la prime qu il verse au vedeur au momet du cotrat lui doat le droit de se déclarer acheteur So gai est e revache, illimité Deux cas serot alors possibles: Soit S K: Das ce cas là, l acheteur a aucu itérêt à exercer so optio, car elle egedrerait ue perte So gai est alors ul Soit S K: Das ce cas là, l acheteur exerce so optio E effet, il achète l actif fiacier au prix K, esuite la reved au prix S pour bééficier de la hausse du cours Aisi so gai sera S K O voit bie que le bééfice potetiel d u acheteur d optio d achat de coaît pas de limite objective
O retrouve bie: (,K,) (S K) max( S K,0) e résultat est illustré par le graphique suivat:
QUESION 4 : Variables atithétiques : L objectif de cette méthode est de réduire la variace E effet, les variables atithétiques sot ue des techiques employées das la méthode Mote-arlo où l o utilise les propriétés de symétrie d ue distributio et de corrélatios égatives etre deux variables aléatoires Das le cadre de otre projet, c est-à-dire das le cadre des applicatios liées à la fiace, o doit souvet calculer M= E[ ( G)] où G est ue gaussiee cetrée gaussiees Or o sait que G loi G ela viet de la propriété de symétrie des Doc u estimateur de M= E[ ( G)] est : M ( ( G ) ( G ) ( G ) ( G )) Où G,,G sot réalisatios de la loi de G Si o ote M ( ( G ) ( G )) l estimateur Mote arlo classique, o obtiet G i d ep i Var ( M ) Var ( ( )) G i Var( ( Gi )) 4 i i G i a la même loi que Var( ( G )) Pour pouvoir comparer l efficacité des deux méthodes, o compare bie évidemmet la variace des deux estimateurs
La variace de l estimateur M est Var ( M ) Var( ( ( G ) ( G( i))) i 4 i Gidepi Var((G 4 i ) (G i )) G meme loi i G G i ( Var ( ( G )) Var ( ( G )) ov( ( G ), ( G ))) 4 ( Var( ( G )) cov( ( G ), ( G ))) O coclut que Var( M ) Var( M ) si et seulemet si cov( ( G ), ( G )) 0 Or, ous pouvos coclure grâce au théorème suivat : Soit G ue variable aléatoire, ue trasformatio décroissate de R telle que loi ) ( G G et ue foctio mootoe Aisi : ov( ( G), ( ( G))) 0 ette méthode accélère doc, pour u ombre de simulatios doé, la covergece vers le vrai prix de l optio O voit bie ce résultat sur otre fichier Excel Les fluctuatios du prix de l optio sot beaucoup mois importates das le cas des variables atithétiques Aisi, o voit bie, par le calcul, puis par l applicatio sur Excel, que la performace de la simulatio Mote-arlo peut être améliorée e ayat recours à cette techique
Exemple: et exemple a été trouvé sur wwwwikipediafr, ous avos choisi de l itégrer das otre répose car il explique bie, surtout grâce au tableau iséré par la suite, l amélioratio de la méthode de Mote-arlo par celle des variables atithétiques pour u simple calcul d itégrale O souhaite estimer : I dx 0 x La valeur exacte est I =l 0693478055995 O peut voir cette itégrale comme l espérace de f (U ), où f ( x) x Et U est distribuée selo ue loi uiforme sur [0,] O compare esuite l estimateur Mote arlo classique (par exemple ue échatillo de taille, 500, tiré selo la loi uiforme stadard) à l estimateur avec variable atithétique (échatillo de taille, complété par l échatillo trasformé -u j ) La variace se réduit comme suit : Estimatio Variace Méthode classique 0,69365 0,0005 Variable atithétique 0,69399 0,00063 O costate ue très ette réductio de la variace das le cas de l utilisatio d ue variable atithétique
QUESION 5 : Motros que le prix de cette optio admet ue formule fermée qui s écrit (0,K,) S 0 N(d ) Kexp(r)N(d ) avec: l S 0 r K d d d O ote la probabilité risque-eutre P, le spot S 0, le strike K, le taux d itérêt sas risque r, la volatilité la maturité et la barrière B O pose par la suite: r k K S 0 b B S 0 es variables ous serot utiles pour la démostratio Le cours de l actio sous P est modélisé par: t [0,] S t S 0 e r t W t où (W t ) est u mouvemet Browie sous P
Aisi le prix (S 0,K,r,,,B) vérifie: e r E P ((S K) (sup0t S ) t )B} S 0 e r (e w k) {m () l b (w,m)dwdm } S 0 e r S 0 e r S 0e r (e w k){m l b } {w m l b l b [ w l k l b w l k e (mw) (e (w w) (m w) } ] (e w k) e w dw m w e l b ( l b w) ) (ew k) (mw) e w e dwdm e w dw O remarque que, pour tout réel x, x x x S 0e r l b (e w w l k O pose v w ( l b w) e ) (ew k) e w dw S 0e r l b v l k (e v e ( l b v) )(e v k)e v dv () O itroduit alors la foctio f défiie par f (a,b,,) e (N( a) N( b)) () O a alors : f (a,b,,) e (N( a) N( b)) (3)
E utilisat (), (), et (3), o obtiet: S 0 e r l k kf l k f l k kf f, lb, lb, lb l k, l b,0,( ),0, l b,,( ) l b,, Après simplificatio, e remarquat que obtiet: r et que r, o l S 0 (S 0,K,r,,,B) S 0 N K (r ) l S 0 N B (r ) Ke r B B S 0 l S 0 N K (r ) l S 0 N B (r ) r S 0Ke r B N B S 0 S 0 K (r ) l B (r S N 0 ) l B r l B S N 0 K r l B r S N 0
Or o sait bie que : x 0 N(x) x N(x) N(x) et aussi que: N(x) ~ x e x x O vérifie bie que si l o fait tedre B vers l ifii, o a l (S 0,K,r,,,B) S N 0 B S 0 K r l S 0 K r Ke r N qui est bie la formule das call europée simple das le cadre du modèle de Black-Scholes
QUESION 8 : F Das le cas où K=0, cherchos à trouver ue formule pour ( 0,,,0) Nous cherchos à calculer E (( S S ) ) out d abord, écrivos S e foctio de S S S exp( ( ) ( W W )) avec r Doc : E(( S S ) ) E(( S (exp( ( ) ( W W )) ) ) car S 0 Nous pouvos dire maiteat, que S est ue foctio de W, et comme W et ( W W ) sot idépedats (propriété d u Mouvemet Browie), S va être idépedat de ce qui reste das l espérace ie (exp( ( ) ( W W )) ) Aisi, l espérace du produit va simplemet être le produit des espéraces : E(( S S ) ) E( S ) E(exp(( ( ) ( W W )) ) ) O a : E( S ) S0 et E((exp( ( ) ( W W )) ) ) est le prix d u call émis e et de maturité, pour u actif qui vérifie S 0 O a alors la formule : E (( S S ) ) = (0,, ) S ( N( d ) Kexp( r ) N( )) S à 0 d
E effet, das la fomule du ( 0,, ) o a, K S 0 Aisi, o se retrouve avec la formule suivate : E(( S S ) ) = r ry r S0 N e N
QUESION 0 : Rappelos tout d abord la défiitio de la discrépace : Soiet : x ( x ) ue suite de poits de 0,, la mesure de Lebesgue sur 0,, A u sous pavé quelcoque de 0,, P l esemble des sous pavés de 0, La discrépace d ordre k de la suite x est la quatité : D k ( x) Sup D ( A, x) tqa P k La suite x est à discrépace faible si : D k (l k) ( x) O k k Les géérateurs les plus cous sot les géérateurs pseudo-aléatoires (géérateur où la suite des ombres qui sera simulée est prévisible sous certaies coditios) Les algorithmes utilisat les suites à discrépace faible sot asymptotiquemet meilleurs que les algorithmes pseudo-aléatoires E effet, ces deriers sot utilisés das les méthodes de Mote-arlo, d où l applicatio à ce projet Les géérateurs quasi-aléatoires se baset sur la costructio de suites à discrépace faible Les suites de Va Der orput sot u exemple de suite quasi-aléatoire E effet, elles géèret des suites de ombres distribués selo ue loi uiforme «Elles sot basées sur la coversio d etiers das la base d u ombre premier, puis iversio par rapport à la virgule décimale»
Explicitos la méthode de costructio de cette suite E effet, o est e dimesio Soit p u ombre premier Pour tout etier, o s itéresse à l écriture de ce ombre etier e base p : r i0 a i p i Esuite o pose où 0,, p a i x r i0 a p i i La suite ( x ) que ous veos de défiir, est la suite de Va Der orput E effet, c est ue suite équirépartie sur 0, à discrépace faible Voici les quelques premiers termes de la suite : 0, 0, 03, 04, 05, 06, 07, 08, 09, 00, 0, 0, 03, 04, 05, 06, 07, 08, 09, 00, 0, 0, 03, Le résultat que ous trouvos sur otre page Excel viet cofirmer ce que ous avios précisé das les paragraphes précédets E effet, la méthode utilisat la suite de Va Der orput améliore celle de Mote-arlo e augmetat la rapidité de covergece vers le vrai prix de l optio