Introduction lvaluation dactifs nanciers

par absence dopportunit darbitrage

Bruno Bouchard
1
Universit Paris-Dauphine, Ceremade,
et Ensae, Crest.
Cette version : Novembre 2010
2
1
bouchard@ceremade.dauphine.fr, http://www.ceremade.dauphine.fr/bouchard/
2
Premire version : Juillet 2006.
1
Introduction et notations
Ces notes de cours ont pour objectif de prsenter la thorie de lvaluation
par absence dopportunit darbitrage. Nous avons essay de travailler dans un
cadre gnral, la fois en temps discret et en temps continu, tout en restant
la port dun tudiant de M1 ou M2 ayant au pralable suivi un cours de calcul
stochastique et ayant des connaissances solides en probabilits.
La premire partie porte sur les marchs en temps discret. Bien que celle-ci soit
dun intrt pratique limit, sauf en ce qui concerne le modle de Cox-Ross-
Rubinstein qui sert couramment dapproximation au modle en temps continu
de Black et Scholes, elle permet dintroduire les notions importantes dans un
cadre technique abordable par un tudiant de M1. Dans cette partie, on se place
sur un espace de probabilit gnral. La seconde partie porte sur les marchs
nanciers en temps continu. On se restreint un espace de type Brownien dans
lequel les prix sont modliss par des processus dIt.
La lecture du livre [28], qui propose un traitement du mme sujet dans un
cadre plus restrictif, peut venir en complment de ces notes, notamment comme
introduction au calcul stochastique.
Ntant videmment pas possible de traiter tous les modles couramment utili-
ss en nance de march, nous renvoyons le lecteur intress [25] et [31] pour
ltude dtaille de nombreuses applications concrtes. Nous renvoyons gale-
ment lexcellent ouvrage [33] qui fait trs bien le lien entre mathmatiques et
techniques de couverture (mais est moins complet).
Notations gnrales : An dallger au maximum la rdaction, nous listons
ici un certain nombres de notations qui seront utilises tout au long de ce
document.
Tout lment x = (x
i
)
id
de R
d
sera identi un vecteur colonne de norme
2
euclydienne |x|. On note R
d
+
:= [0, )
d
, M
d
lensemble des matrices d d et
M
d
+
lorsque les composantes sont positives. La matrice diag [x] est llment de
M
d
dont la i-me composante diagonale est x
i
. La trace de M M
d
est not
Trace[M], |M| dsigne sa norme euclydienne comme lment de R
d
2
et M
t
sa
transpose.
On travaillera toujours sur un espace de probabilit (, T, P) muni dune l-
tration F = (T
t
)
tT
satisfaisant les conditions habituelles avec T
0
triviale. Ici
T dsignera lensemble 0, . . . , T ou [0, T], T > 0, selon que lon travaille en
temps discret ou en temps continu. On dsignera toujours par W un mouve-
ment brownien d-dimensionnel. Pour

P P, un sous-ensemble E de R
d
ou M
d
et ( T, on note L
p
(E; , (,

P) lespace des variables alatoires (-mesurables,

admettant un moment dordre p 0 pour

P, valeurs dans E. La norme asso-
cie est note | |
L
p
(

P)
. Le cas p = correspond aux variables essentiellement
bornes, le cas p = 0 correspond aux variables alatoires (-mesurables. On
omettra lun des arguments sil est clairement identi par le contexte. On uti-
lisera aussi la notation L
0
b
pour dsigner lensemble des variables alatoires de
L
0
dont la partie ngative appartient L

.
Pour une fonction rgulire : (t, x) [0, T] R
d
(t, x), on note
x
et

2
x
sa jacobienne et sa hessienne par rapport x.
3
Table des matires
A. Marchs nanciers en temps discret 12
1 Modlisation mathmatique 13
1 Les actifs nanciers . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.1 Cadre probabiliste . . . . . . . . . . . . . . . . . . . . . . 13
1.2 Actif sans risque . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Actifs risqus . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 Stratgies nancires et portefeuille . . . . . . . . . . . . . . . . . 14
2 Thormes fondamentaux 16
1 Absence dopportunit darbitrage et mesure risque neutre . . . . 16
1.1 (AOA) implique (AOA
t
) . . . . . . . . . . . . . . . . . . . 17
1.2 Proprit de fermeture sous (AOA
t
) . . . . . . . . . . . . 18
1.3 Existence dune mesure martingale sous ((AOA)
t
)
t<T
. . 19
1.4 Absence darbitrage sous /(

S) ,= . . . . . . . . . . . . 22
2 Couverture des options europennes . . . . . . . . . . . . . . . . 22
3 Marchs complets . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4 Extensions certains marchs imparfaits . . . . . . . . . . . . . . 31
4.1 Contraintes de portefeuille . . . . . . . . . . . . . . . . . . 31
4.2 Information imparfaite . . . . . . . . . . . . . . . . . . . . 33
4.3 Cots de transaction proportionnels (exercice) . . . . . . . 33
4.4 Cots de transaction xes (exercice) . . . . . . . . . . . . 34
3 Options amricaines en march complet 37
1 Sur-martingale et enveloppe de Snell . . . . . . . . . . . . . . . . 37
2 Enveloppe de Snell et arrt optimal . . . . . . . . . . . . . . . . . 39
3 Prix et stratgie de couverture . . . . . . . . . . . . . . . . . . . 40
4 Stratgie dexercice optimale . . . . . . . . . . . . . . . . . . . . . 42
4
4 Modle de Cox-Ross-Rubinstein 44
1 Le modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2 (AOA) et valuation doptions (exercice) . . . . . . . . . . . . . . 45
3 Passage la limite . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5 Complments (exercices) 48
1 Modle de taux de Ho et Lee . . . . . . . . . . . . . . . . . . . . 48
2 Minimisation du risque quadratique de couverture . . . . . . . . . 53
3 Thorme de Kreps-Yan, ni . . . . . . . . . . . . . . . . . . . 54
4 Option amricaine callable . . . . . . . . . . . . . . . . . . . . . . 54
5 Options swing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
B. Marchs nanciers en temps continu : Principes gn-
raux 60
6 AOA et valuation doptions dans un modle dIt 61
1 Actifs nanciers, stratgies et portefeuilles . . . . . . . . . . . . . 61
1.1 Actifs nanciers . . . . . . . . . . . . . . . . . . . . . . . . 61
1.2 Stratgies et portefeuilles . . . . . . . . . . . . . . . . . . 63
2 Absence dopportunit darbitrage . . . . . . . . . . . . . . . . . 64
2.1 Condition ncessaire . . . . . . . . . . . . . . . . . . . . . 64
2.2 Condition susante . . . . . . . . . . . . . . . . . . . . . 66
2.3 Condition ncessaire et susante . . . . . . . . . . . . . . 69
3 Evaluation doptions europennes . . . . . . . . . . . . . . . . . . 69
4 Caractrisation des marchs complets . . . . . . . . . . . . . . . . 70
4.1 Approche gnrale . . . . . . . . . . . . . . . . . . . . . . 71
4.2 Cas dune volatilit inversible . . . . . . . . . . . . . . . . 72
5 Options amricaines en marchs complets . . . . . . . . . . . . . 74
6 Gestion optimale de portefeuille en marchs complets . . . . . . . 77
6.1 Maximisation dutilit . . . . . . . . . . . . . . . . . . . . 78
6.2 Prix dindirence . . . . . . . . . . . . . . . . . . . . . . 81
6.3 Minimisation de lerreur de couverture . . . . . . . . . . . 82
6.4 Maximisation du ratio de succs . . . . . . . . . . . . . . 85
7 Remarque sur les modles avec dividendes . . . . . . . . . . . . . 85
5
7 Evaluation et gestion par EDP 87
1 Modle markovien . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2 Formule de Feynman-Kac et options europennes . . . . . . . . . 88
3 Inquations variationnelles et options amricaines . . . . . . . . . 91
4 Equations de H.-J.-B. et gestion optimale de portefeuille . . . . . 92
8 Modlisation de la volatilit 97
1 Modle de Black et Scholes . . . . . . . . . . . . . . . . . . . . . 97
1.1 Le modle . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
1.2 AOA et compltude . . . . . . . . . . . . . . . . . . . . . 98
1.3 Options europennes dans le cas complet . . . . . . . . . . 99
1.4 Erreur de couverture discrte : rebalancement pas constants101
1.5 Exemples dvaluation de produits drivs (exercices) . . . 103
2 Modles volatilit locale . . . . . . . . . . . . . . . . . . . . . . 107
2.1 Formule de Dupire et EDP dvaluation en strike et maturit108
2.2 Calibration de la nappe de volatilit partir dun nombre
ni de call . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3 Modles volatilit stochastique . . . . . . . . . . . . . . . . . . 115
3.1 Impact dune erreur sur la spcication de la volatilit . . 115
3.2 Sur-rplication lorsque la volatilit nest pas couvrable . . 116
3.3 Couverture laide doptions liquides et trading de la vo-
latilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.4 Couverture statique approche et semi-statique par calls
et puts, application aux swaps de variance . . . . . . . . . 118
4 Exemples de modles . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.1 Modle CEV et processus de Bessel . . . . . . . . . . . . . 123
4.2 Modle dHeston . . . . . . . . . . . . . . . . . . . . . . . 126
4.3 Modle dHeston sauts de Bates . . . . . . . . . . . . . 127
4.4 Modle SABR . . . . . . . . . . . . . . . . . . . . . . . . . 128
4.5 Autres modles de diusion volatilit stochastique... . . 128
4.6 Variance swap market models . . . . . . . . . . . . . . . . 128
5 Evaluation par FFT . . . . . . . . . . . . . . . . . . . . . . . . . 130
9 Modles de taux 133
1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
1.1 Zro-coupon et AOA . . . . . . . . . . . . . . . . . . . . . 133
6
1.2 Courbe des taux spot . . . . . . . . . . . . . . . . . . . . 135
1.3 Courbe de taux forward . . . . . . . . . . . . . . . . . . . 135
2 Modle de Vasicek . . . . . . . . . . . . . . . . . . . . . . . . . . 136
2.1 Le modle . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
2.2 Prix du zro-coupon et courbe des taux . . . . . . . . . . 137
3 Modle de Cox-Ingersoll-Ross (CIR) . . . . . . . . . . . . . . . . 138
3.1 Le modle . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3.2 Prix du zro-coupon et courbe des taux . . . . . . . . . . 140
3.3 Simulation exacte (exercice) . . . . . . . . . . . . . . . . . 141
4 Approche de Heath, Jarrow et Morton . . . . . . . . . . . . . . . 143
4.1 Dynamique du taux court forward et du zro-coupon . . . 143
4.2 Exemples de paramtrisation . . . . . . . . . . . . . . . . 146
5 Mesure forward neutre . . . . . . . . . . . . . . . . . . . . . . . . 148
5.1 Motivation et dnition de la mesure forward neutre . . . 148
5.2 Proprit de martingale du zro-coupon forward . . . . . . 149
5.3 Proprit de martingale du taux Libor forward . . . . . . 150
6 Quelques produits drivs de taux . . . . . . . . . . . . . . . . . . 151
6.1 Call sur obligation . . . . . . . . . . . . . . . . . . . . . . 151
6.2 Swap de taux . . . . . . . . . . . . . . . . . . . . . . . . . 152
6.3 Swaption . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.4 Cap et oor . . . . . . . . . . . . . . . . . . . . . . . . . . 153
10 Modles avec risque de dfaut 154
1 Modles de la rme (ou modles structurels) . . . . . . . . . . . . 154
1.1 Modle de Merton . . . . . . . . . . . . . . . . . . . . . . 154
1.2 Modle de Black and Cox . . . . . . . . . . . . . . . . . . 155
1.3 Remarques gnrales . . . . . . . . . . . . . . . . . . . . . 156
1.4 Rappels sur la loi du maximum dun brownien drift . . . 157
2 Approche (rduite) par fonction de hasard . . . . . . . . . . . . . 159
2.1 Cas du dfaut indpendant du taux sans risque . . . . . . 159
2.2 Dfaut non indpendant . . . . . . . . . . . . . . . . . . . 161
3 Approche par processus de Cox (franchissement de barrire) . . . 162
4 Modle de Heath-Jarrow-Morton avec dfaut . . . . . . . . . . . 163
4.1 Courbe de taux forward risqu . . . . . . . . . . . . . . . 163
4.2 Dynamique du zro-coupon risqu sous la mesure risque
neutre et intensit de dfaut . . . . . . . . . . . . . . . . . 164
7
5 Modles de migration du risque de crdit . . . . . . . . . . . . . . 165
6 Exemple de produits drivs . . . . . . . . . . . . . . . . . . . . . 166
6.1 Option sur dfaut . . . . . . . . . . . . . . . . . . . . . . . 166
6.2 Swap de dfaut (CDS) . . . . . . . . . . . . . . . . . . . . 167
6.3 Total Return Swap (TRS) . . . . . . . . . . . . . . . . . . 167
11 Autres exercices 168
1 Modle de Vasicek coecients constants et call sur zro-coupon 168
2 Option asiatique : moyenne gomtrique . . . . . . . . . . . . . . 171
3 Option asiatique : moyenne arithmtique . . . . . . . . . . . . . . 171
4 Gamma hedging et rebalancement discret . . . . . . . . . . . . . 174
5 Couverture sous contrainte de portefeuille . . . . . . . . . . . . . 176
8
Index
B
t
, 14
B
t
(), 127
B
t
(
1
,
2
), 129
I(t, ), 131
L
0
b
, 21
L
S
, 22
R
t
(), 129
R
t
(
1
,
2
), 129
V
x,
, 14, 54
/, 14, 55
H
K
b
(

S), 30
/(

S), 15, 57
/
b
(

S), 16
/
loc
(

S), 57
, 149
Q

, 142
T
t
, 36, 65
, 13

B
t
(), 128

S, 14, 53

V
x,
, 14, 54

t
, 17
1
d
, 89
f
t
(
1
), 129
esssup, 66
(AOA
t
), 16
Absence dopportunit darbitrage, 15,
55
Actif contingent, 21
Actualis, 14, 54
Adapt, 13
AOA, 15, 55
Arrt optimal, 37, 65
Atteignable, 25, 61
Autonance, 13, 54
Buy-and-hold, 107, 108
Call, 94
Call sur spread, 96
Call sur zro-coupon, 142
Cap, 147
Caplet, 147
Condition de non-banqueroute, 55
Condition de Novikov, 57
Conditions dInada, 69
Contrle markovien, 87
Contrainte de portefeuille, 29
Courbe des taux, 129
Courbe des taux forward, 129
Credit rating, 159
Dcomposition de Doob-Meyer, 35, 67
Dfaut, 148
Dividende, 76
Enveloppe de Snell, 35
Equation dHamilton-Jacobi-Belman, 85
Equation de Fokker-Planck, 100
9
Equation de Dupire, 101
Equation de Kolmogorov forward, 100
Exercice optimal, 39, 68
Famille ltrante, 67
Floor, 147
Floorlet, 147
Fonction dutilit, 69
Fonction de hazard, 153
Fonction de perte, 73
Formule de Dupire, 101
Gestion optimale, 68
Hahn Banach, 18
Information imparfaite, 31
Intensit de dfaut, 154
Lemme de Farkas, 56
Lemme de Neyman Pearson, 75
LIBOR, 144
March complet, 61
March parfait, 12
Martingale, 15, 57
Martingale locale, 21, 57
Maturit, 34
Mesure Forward-Neutre, 142
Mesures martingales quivalentes, 16,
57
Mesures martingales locales quivalentes,
57
Mesures risque neutre, 16, 57
Modle de Black et Schols, 88
NFLVR, 60
No free-lunch with vanishing risk, 60
Option Buttery, 95, 96
Option digitale, 95, 96
Option Straddle, 95, 96
Options amricaines, 34, 65
Parit call-put, 95
Payo, 91
Portefeuille sans risque, 56
Prvisible, 13, 52
Premier thorme fondamental, 15
Prime de risque, 55
Principe de programmation dynamique,
66, 80, 84
Prix dindirence, 72, 87
Prix de Davis, 72, 87
Prix de sur-rplication, 22, 61
Prix marginal dutilit, 72
Prix viable, 22, 38, 39, 61, 65
Processus arrt, 36, 58
Processus dactualisation, 13, 52
Processus dIt, 53
Put, 94
Rgion dexercice, 83
Rgion de continuation, 83
Rplicable, 25, 61
Recovery, 150, 153
Smile de volatilit, 98
Spread de taux, 149, 154
Spread de taux court, 158
Spread de taux forward, 158
Stratgie admissible, 55
Stratgie nancire, 13
Strike, 94
Sur-couvrir, 22
Surmartingale, 34, 57, 59
10
Swap, 96
Swap de taux, 146, 147
Swaption, 147
Taux court, 127
Taux court forward, 129
Taux de hasard, 154
Taux forward, 129
Taux forward instantan, 129
Taux forward risqu, 157
Taux sans risque, 13, 52
Taux swap, 96, 146
Temps darrt, 36, 38, 57
Temps darrt prvisible, 150
Temps de dfaut, 148
Thorme darrt born, 58
Thorme de Girsanov, 58
Thorme de reprsentation, 28
Thorme de reprsentation des mar-
tingales, 27, 62
Thorme de vrication, 81
Transformation de Fenchel, 69
Valeur dexercice, 39
Valeur de continuation, 39
Volatilit implicite, 98
Volatilit locale, 98
Zro-coupon, 127
Zro-coupon forward, 129
11
Premire partie
Marchs nanciers en temps
discret
12
Chapitre 1
Modlisation mathmatique
1 Les actifs nanciers
Les actifs nanciers peuvent tre classs en deux grandes catgories :
Lactif sans risque : il rapporte un rendement constant connu lavance, i.e.
le rendement du titre entre les dates t et t + 1 est connu la date t. Il sagit
en gnral dune obligation mise par ltat, i.e. sans risque de dfaut.
Les actifs risqus : ils rapportent un rendement non connu lavance. Il sagit
par exemple des actions, des obligations mises par des entreprises pouvant
faire dfaut,...
On appelle march parfait un march sur lequel on peut acheter et vendre les
dirents actifs sans restriction de quantit et sans payer de cot de transaction
ou taxes.
1.1 Cadre probabiliste
Dun point de vue mathmatique, on se place sur un espace de probabilit
complet (, T, P) muni dune ltration F = (T
t
)
tT
o T := 0, . . . , T, T > 0.
On suppose que T
0
= , et que T
T
= T. Par convention, on pose T
1
= T
0
.
La ltration F correspond linformation de lagent nancier.
1.2 Actif sans risque
On suppose quil existe un placement nancier (compte pargne par exemple)
qui rapport un rendement r
t
0 sur la priode [t, t +1]. Si on place un euro en
13
t, on obtient donc 1 +r
t
euros en t + 1. On note

t
:=
_
t1

s=0
(1 +r
s
)
_
1
1
t1
+1
t=0
la valeur actuelle en 0 de 1 euro vers en t. On suppose que r = (r
t
)
t<T
est
adapt, i.e. que r
t
est T
t
-mesurable quel que soit t < T. On parle de taux sans
risque car r
t
est connu la date t, i.e. on connat lavance le rendement du
placement.
On peut remarquer que = (
t
)
tT
est alors prvisible, i.e. que
t
est T
t1
-
mesurable pour tout t T. Il sagit du processus dactualisation.
1.3 Actifs risqus
Les actifs risqus sont modliss par un processus d-dimensionnel S = (S
1
t
, . . . ,
S
d
t
)
tT
. Il sagit typiquement dactions. On suppose que S est F-adapt, i.e. que
S
t
est T
t
-mesurable quel que soit t T. Autrement dit, on connat la valeur de
S la date t.
2 Stratgies nancires et portefeuille
Une stratgie nancire est un processus dinvestissement dans les actifs sans
risque et risqus. On la modlise comme un processus adapt (, ) valeurs
dans RR
d
. La quantit
t
reprsente la quantit deuros placs au taux sans
risque sur la priode [t, t+1]. La quantit
i
t
reprsente la quantit dactif risqu
S
i
qui sera dtenue sur cette mme priode.
Puisque (
t1
,
t1
) correspond aux placements entre t 1 et t, la valeur du
portefeuille la date t est :
V
t
=
t1
(1 +r
t1
) +
t1
, S
t
) .
On dit quune stratgie est autonance si ce montant est susant pour eectuer
le placement (
t
,
t
) entre t et t + 1, i.e.
V
t
=
t1
(1 +r
t1
) +
t1
, S
t
) =
t
+
t
, S
t
) . (1)
On dira donc quune stratgie de portefeuille (, ) est autonance si

t1
(1 +r
t1
) +
t1
, S
t
) =
t
+
t
, S
t
) pour tout t T . (2)
14
Ceci implique que le portefeuille actualis vrie

V
t
:=
t
V
t
=
t

t
+
t
,

S
t
)
avec

S
t
:=
t
S
t
.
Autrement dit, on doit avoir

t
= B
t
_

V
t

t
,

S
t
)
_
avec B
t
:=
1
t
ce qui implique, en utilisant (1),

V
t+1
=
t

t
+
t
,

S
t+1
) =

V
t
+
t
,

S
t+1


S
t
) (3)
soit

V
t
= V
0
+
t1

s=0

s
,

S
s+1


S
s
) (4)
ou encore
V
t
= B
t
_
V
0
+
t1

s=0

s
,

S
s+1


S
s
)
_
. (5)
Sous la condition dautonancement, on voit donc que la richesse V ne dpend
que de la stratgie dinvestissement en actifs risqus qui dtermine complte-
ment le montant plac au taux sans risque. Lensemble des stratgies / v-
riant la condition dautonancement peut donc tre dcrit comme lensemble
des processus adapts valeurs dans R
d
.
Par la suite, on notera V
x,
le portefeuille induit par la stratgie de valeur
initiale x, en 0, et on utilisera la notation

V
x,
:= V
x,
.
Remarque 1 On peut remarquer partir de (4) que

V
y,
=

V
x,
+y x ,
ce qui implique que
V
y,
= V
x,
+
1
(y x) .
15
Chapitre 2
Thormes fondamentaux
1 Absence dopportunit darbitrage et mesure risque
neutre
On appelle arbitrage une stratgie autonance telle que
V
0,
T
0 P p.s. et P
_
V
0,
T
> 0
_
> 0 .
Ceci correspond une situation o lon est en mesure de raliser un prot sans
prendre aucun risque. Bien videmment, on peut r-crire cette condition de
manire quivalente en remplaant V par

V .

V
0,
T
0 P p.s. et P
_

V
0,
T
> 0
_
> 0 .
On dira donc quil y a absence dopportunit darbitrage si la condition
(AOA) :

V
0,
T
0 P p.s.

V
0,
T
= 0 P p.s. pour tout /
est vrie.
Lobjet des sous-sections suivantes est de prouver le premier thorme fonda-
mentale qui est la base de toute la thorie mathmatique de lvaluation des
produits nanciers :
(AOA) est vrie /(

S) ,= ,
o /(

S) dsigne lensemble des mesures Q P telle que

S est une Q-martingale,
i.e.
16
1.

S
t+1
L
1
(Q) pour tout t < T
2. E
Q
_

S
t+1
[ T
t
_
=

S
t
Q-p.s. pour tout t < T.
On parle de lensemble des mesures martingales quivalentes ou mesures risque
neutre. On va en fait montrer que lhypothse (AOA) permet mme dexhiber
une mesure de /(

S) de densit dans L

.
On notera par la suite /
b
(

S) le sous-ensemble form par les lments de /(

S)
de densit dans L

.
An de simplier les preuves, on va se ramener un modle une priode et
considrer lhypothse dabsence dopportunit darbitrage locale
(AOA
t
) : ,

S
t+1

S
t
) 0 Pp.s. ,

S
t+1

S
t
) = 0 Pp.s. L
0
(R
d
, T
t
) .
Lhypothse (AOA
t
) signie que lon ne peut gagner de largent sans prendre
de risque en faisant une opration consistant simplement acheter des titres en
t puis les revendre en t + 1.
Thorme 1 Il y a quivalence entre
(i) (AOA) est vrie.
(ii) (AOA
t
) est vrie pour tout t = 0, . . . , T 1.
(ii) /
b
(

S) ,= .
Par la suite, on supposera toujours que

S
t
L
1
(P) pour tout t T . (1)
Cette hypothse nest pas restrictive. En eet, si ce nest pas le cas, il sut de
remplacer P par une nouvelle mesure quivalente de densit
e

P
tT
|

S
t
|
/E
_
e

P
tT
|

S
t
|
_
.
Comme cette mesure est quivalente, elle dnit les mmes ensembles de mesure
nulle que P et la condition (AOA) reste inchange si lon passe cette nouvelle
mesure.
Les sous-sections suivantes sont consacres la preuve du Thorme 1.
1.1 (AOA) implique (AOA
t
)
Cette implication est claire. En eet, sil existe t T 1 et L
0
(R
d
, T
t
) tels
que ,

S
t+1


S
t
) 0 P p.s. et ,

S
t+1


S
t
) ,= 0 alors on contredit (AOA)
en considrant la stratgie / dnie par
s
=
t
1
s=t
.
17
1.2 Proprit de fermeture sous (AOA
t
)
Dans cette sous-section, on montre que

t
:=
_
,

S
t+1


S
t
) r : L
0
(R
d
, T
t
), r L
0
(R
+
)
_
est ferm en probabilit sous lhypothse (AOA
t
) qui peut scrire de manire
quivalente

t
L
0
(R
+
) = 0 . (2)
Pour ce faire, on va utiliser le lemme suivant.
Lemme 2 Soit (
n
)
n1
une suite dans L
0
(R
d
, T
t
). On suppose que

0
:= liminf
n
|
n
| < P p.s.
Alors il existe une suite (k
n
)
n1
L
0
(N, T
t
) telle que k
n
P p.s. et

k
n

P p.s. pour une certaine variable alatoire

L
0
(R
d
, T
t
).
Preuve. On dnit la suite (k
0
n
)
n0
par k
0
0
= 0 et k
0
n+1
:= infj > k
0
n
: [ |
j
|

0
[ n
1
. Il est clair que (k
0
n
)
n0
est T
t
-mesurable et que sup
n1
|
k
0
n
| < .
Ceci implique que
1
:= liminf
n
[
1
n
[ < Pp.s. Soit
1
L
0
(T
t
) dni par
= 1 si cardn N : j 1 t.q. [
1
k
0
j

1
[ n
1
= et
1
= 1 sinon. On
dnit ensuite la suite (k
1
n
)
n0
par k
1
0
= 0 et k
1
n+1
:= infj > k
1
n
: [
1
k
0
j

1
[
n
1
. Il est clair que (k
1
n
)
n0
est T
t
-mesurable et que
1
k
n

1

1
P p.s. On
peut donc dnir
1

:=
1

1
. On construit ensuite la suite (k
2
n
)
n0
de manire
similaire partir de (
k
1
n
)
n1
an que (
2
k
2
n
)
n1
converge Pp.s. En itrant cette
procdure, on obtient la suite (k
d
n
)
n0
qui vrie lnonc du lemme. 2
Proposition 3 Si (AOA
t
) est vrie, alors

t
est ferm en probabilit.
Preuve. Comme la convergence en probabilit implique la convergence p.s.
le long dune sous-suite, il sut de montrer que si une suite (
n
, r
n
)
n1
de
L
0
(R
d
R
+
, T
t
) vrie
G
n
:=
n
,

S
t+1


S
t
) r
n
G

P p.s.
alors il existe (

, r

) L
0
(R
d
R
+
, T
t
) tel que

,

S
t+1


S
t
) r

= G

. (3)
18
Pour simplier la preuve, on se place en dimension 1, i.e. d = 1. Largument
suivant se gnralise au cas d quelconque par une simple itration, voir [22].
1. Soit A := liminf
n
|
n
| = . Comme A T
t
, on peut construire la
suite (

n
)
n1
de L
0
(R
d
, T
t
) dnie par

n
=
n
1
A
. On a alors

n
,

S
t+1


S
t
) r
n
1
A
G

1
A
P p.s.
ce qui implique que

n
,

S
t+1


S
t
) r
n
0 P p.s.
o (

n
, r
n
) = (
n
, r
n
)1
A
/(1 + |
n
|). Comme liminf
n
|

n
| = 1 < sur
A P p.s. par construction, le Lemme 2 implique que lon peut trouver une
suite (k
n
)
n1
de L
0
(N, T
t
) telle que

k
n
,

S
t+1


S
t
)

,

S
t+1


S
t
) o

L
0
(R, T
t
). Comme r
k
n
0 Pp.s., on a forcment

,

S
t+1

S
t
) 0. Du fait de
lhypothse (AOA
t
), qui scrit sous la forme (2), ceci implique que

,

S
t+1

S
t
)
= 0 et r
k
n
0 P p.s. Comme par construction [

[ = 1 sur A, ceci montre

que

S
t+1


S
t
= 0 sur A (on rappelle quici on suppose que d = 1). On peut
donc remplacer la suite initiale (
n
, r
n
)
n0
par la suite (

n
, r
n
)
n0
dnie par
(

n
, r
n
) = (
n
, r
n
)1
A
c et toujours avoir

n
,

S
t+1


S
t
) r
n
G

P p.s.
avec liminf
n
|

n
| = 1 < P p.s.
2. Daprs 1., on peut maintenant supposer que liminf
n
|
n
| < P p.s.
Le Lemme 2 nous permet alors de construire une suite (k
n
)
n1
de L
0
(N, T
t
)
telle que G
k
n
G

et
k
n
,

S
t+1

S
t
)

,

S
t+1

S
t
) o

L
0
(R, T
t
). On
en dduit que r
k
n
r

L
0
(R
+
) et que (3) est vrie. 2
1.3 Existence dune mesure martingale sous ((AOA)
t
)
t<T
On commence par montrer que (AOA
t
) implique lexistence dune mesure qui-
valente qui rend

S martingale entre t et t + 1.
Pour ce faire, on utilise la proprit de fermeture de la Proposition 3 et le
thorme de Hahn-Banach, voir par exemple Thorme 1.7 dans [5], que lon
rappelle ici.
19
Thorme 4 Soit E un espace vectoriel norm. A un convexe compact de E
et B un convexe ferm de E disjoints. Alors, il existe une application linaire
sur E telle que
sup
bB
(b) < inf
aA
(a) .
Proposition 5 Si (AOA
t
) est vrie, alors il existe H
t
L

tel que
E
_
H
t
(

S
t+1


S
t
) [ T
t
_
= 0 et H
t
> 0 P p.s.
Preuve. 1. Puisque

t
est ferm en probabilit, voir Proposition 3,

t
L
1
est
ferm dans L
1
. Par ailleurs, (AOA
t
) implique 1
A
/

t
pour tout A T
t
tel
que P[A] ,= 0. Lensemble

t
tant en outre convexe, on dduit du thorme de
Hahn-Banach, Thorme 4, que, pour un tel A, on peut trouver une variable
alatoire Y borne telle que
sup
G

t
L
1
E[Y G] < E[Y 1
A
] .
Comme

t
est un cne (qui contient ncessairement 0), ceci implique que E[Y 1
A
] >
0 et
sup
G

t
L
1
E[Y G] 0 . (4)
Par ailleurs, comme 1
Y <0

t
L
1
quel que soit 0, on a galement
Y 0 P p.s.
2. Soit ( lensemble des variables alatoires Y non nulles de L

(R
+
) vriant
(4). On note s(Y ) := Y ,= 0 le support de Y . On peut alors trouver

Y (
tel que
P
_
s(

Y )
_
= maxP[s(Y )] : Y ( .
En eet, si (Y
n
)
n1
est une suite maximisante pour P[s(Y )] : Y (, alors
on peut trouver une suite (a
n
)
n1
de rels strictement positifs telle que

Y :=

n1
a
n
Y
n
20
ait pour support
s(

Y ) =
_
n1
s(Y
n
) .
On conclut en remarquant que
P
_
_
_
nN
s(Y
n
)
_
_
P[s(Y
N
)] supP[s(Y )] : Y ( .
3. On montre maintenant que P
_
s(

Y )
_
= 1. Si ce ntait pas le cas, les argu-
ments de 1. nous permettraient dexhiber une variable alatoire

Y ( telle
que
sup
G

t
L
1
E
_

Y G

0 < E
_

Y 1
s(Y )
c

.
On aurait alors

Y ,= 0 s(

Y )
c
,= ce qui contredirait la dnition de

Y .
4. On conclut en remarquant que, pour tout i d,
1
E[H
t
(

S
i
t+1

S
i
t
) [ T
t]<0
et 1
E[H
t
(

S
i
t+1

S
i
t
) [ T
t]>0
appartiennent L
0
(T
t
) .
2
On peut maintenant montrer lexistence dune mesure martingale quivalente.
Proposition 6 Si (AOA) est vrie, alors il existe Q P de densit essen-
tiellement borne telle que

S est une Q-martingale.
Preuve. Pour tout t T, il existe H
t
vriant lnonc de la Proposition 5. On
pose alors
H :=

tT1
(E[H
t
[ T
t+1
] /E[H
t
[ T
t
]) ,
et on dnit la mesure Q par dQ/dP = H. Dire que

S est une Q-martingale
revient dire que

H

S est une P-martingale avec

H
t
:= E[H [ T
t
]. Ceci se vrie
facilement en remarquant que

H
t
:=

jt1
(E[H
j
[ T
j+1
] /E[H
j
[ T
j
]) ,
et en utilisant la Proposition 5. 2
21
1.4 Absence darbitrage sous /(

S) ,=
On conclut la preuve du Thorme 1 en montrant que (iii) implique (i).
On rappelle quun processus est une Q-martingale locale si E
Q
[
t+1
[ T
t
] a
un sens, i.e. lintgrale est Q-p.s. convergente, et E
Q
[
t+1
[ T
t
] =
t
pour tout
t < T. On note L
0
b
lensemble des variables alatoires essentiellement borne
infrieurement.
Proposition 7 Soit Q /(

S), suppos non vide, et /. Alors,

(i)

V
0,
est une Q-martingale locale.
(ii)

V
0,
T
G P p.s. o G L
0
b
, alors,

V
0,
t
E
Q
[G [ T
t
] P p.s. pour tout
t T.
(iii) Si (ii) est vrie avec G 0 P p.s. et P[G > 0] > 0, alors V
0,
0
> 0.
Preuve. Soit t T 1. Comme
t
est T
t
-mesurable, on a
E
Q
_

t
,

S
t+1


S
t
) [ T
t
_
=
t
, E
Q
_

S
t+1


S
t
[ T
t
_
) ,
ce qui implique la proprit (i) de martingale locale, voir (3) du Chapitre
1. Comme ceci implique que

V

t
E
Q
_

t+1
[ T
t
_
, pour tout t T 1,

V
0,
t+1
E
Q
[G [ T
t+1
] P p.s. implique

V
0,
t
E
Q
[G [ T
t
] P p.s. par pas-
sage lesprance conditionnelle. Comme

V

T
G = E
Q
[G [ T
T
] P p.s., une
rcurrence montre (ii). Lassertion (iii) est une consquence immdiate de (ii)
puisque G 0 P p.s. et P[G > 0] > 0 est quivalent G 0 P p.s. et
Q[G > 0] > 0, car Q P, ce qui implique E
Q
[G] > 0. 2
Remarque 8 Daprs la proposition prcdente, si

V
0,
T
G P p.s. avec
G L
1
(Q), alors

V
0,
est born infrieurement par la Q-martingale X dnie
par X
t
:= E
Q
[G [ T
t
]. Il est donc possible de dnir E
Q
_

V
0,
t
_
pour tout t T.
Par ailleurs, une simple rcurrence sur la proprit de martingale locale de

V
0,
montre que

V
0,
0
E
Q
_

V
0,
t
_
pour tout t T. Ceci montre que

V
0,
t
L
1
(Q)
pour tout t T, autrement dit,

V
0,
est une Q-martingale.
2 Couverture des options europennes
Dans cette section, on sintresse lvaluation et la couverture dune option
europenne, i.e. un produit nancier qui paie un montant alatoire G L
0
la
date T, appele maturit. On parle galement dactif contingent europen.
22
La question est de savoir quel prix, appel galement prime, doit tre vers la
date 0 par lacheteur.
Il est naturel de considrer les notions de prix suivantes :
1. On dit quun prix p est viable pour loption G si lachat ou la vente de cette
option ce prix nintroduit pas darbitrage sur le march, i.e. si
, / et 1, 1 t.q. V
p,
T
G L
0
(R
+
) 0 . (5)
2. On dit quun prix p permet de sur-couvrir G si
/ t.q. V
p,
T
G L
0
(R
+
) . (6)
3. Enn, on dit que p est le prix de sur-rplication de G si
p = p(G) := infx R : / t.q. V
x,
T
G L
0
(R
+
) . (7)
On commence par donner une caractrisation des options qui peuvent tre cou-
vertes en partant dune richesse ngative. Pour des raisons techniques, on se
restreint la classe des options G L
0
tel que
T
G

appartient lensemble
L
S
des variables alatoires Y L
0
vriant
[Y [ c
0
Y
+
d

i=1
c
i
Y

S
i
T
P p.s. (8)
pour certaines constantes relles c
0
Y
, . . . , c
d
Y
pouvant dpendre de Y .
Thorme 9 Si /(

S) ,= , alors les deux ensembles suivants

:=
_
G L
0
:
T
G

L
S
, / t.q. V
0,
T
G
_
:=
_
G L
0
:
T
G

L
S
, sup
Q/(

S)
E
Q
[
T
G] 0
_
sont gaux. Par ailleurs,
_
G L
0
: / t.q. V
0,
T
G
_
est ferm en probabilit.
23
Remarque 10 On dduit de la Remarque 1 du Chapitre 1 que p(G
1
T
x) 0
implique que, pour tout > 0, il existe /tel que V
,
T
(G
1
T
x) L
0
(R
+
)
o encore

V
,
T


G + x L
0
(R
+
), i.e.

V
x+,
T


G L
0
(R
+
). Ceci implique
que p(G) x. Caractriser revient donc caractriser lensemble des actifs
contingents sur-rplicables partir dune richesse x quelconque donne.
An de prouver ce thorme, on va utiliser le lemme suivant.
Lemme 11 Supposons que (AOA) soit vrie. Si / vrie
T1

s=t

s
,

S
s+1


S
s
) = 0 P p.s.
alors

t
,

S
t+1


S
t
) = 0 P p.s.
Preuve. Sur A :=
t
,

S
t+1


S
t
) > 0, on a
T1

s=t+1

s
,

S
s+1


S
s
) =
t
,

S
t+1


S
t
) < 0 .
Comme A T
t+1
,

dni par

s
=
s
1
A
1
st+1
appartient /. Or

V
0,

T
0 , P
_

V
0,

T
> 0
_
= P[A] ,
ce qui implique P[A] = 0 sous (AOA). On montre de mme que
t
,

S
t+1

S
t
) < 0 est de mesure nulle. 2
Preuve du Thorme 9. 1. On commence par montrer par induction que
est ferm en probabilit. Pour s < t, on note
s,t
lensemble des variables
alatoires G L
0
telles que
/ t.q. = 0 sur T [s, t[ et V
0,
T
G L
0
(R
+
) .
Daprs la Proposition 3 et le Thorme 1, on sait que
T1,T
est ferm en
probabilit. On suppose que
t,T
est ferm en probabilit pour 1 t T 1
et on montre qualors
t1,T
est galement ferm en probabilit. Soit (G
n
)
n
une suite dans
t1,T
qui converge en probabilit vers G

. Quitte passer une

24
sous-suite, on peut supposer que la convergence lieu au sens p.s. Soit (
n
, r
n
)
n
une suite dans /L
0
(R
+
) telle que
n
s
= 0 pour s < t 1 et

V
0,
n
T
r
n
=
T
G
n
P p.s.
Pour simplier, on continue la preuve dans le cas d = 1. On reprend les argu-
ments de la preuve de la Proposition 3. Soit A := liminf
n
|
n
t1
| = .
On note (

n
, r
n
,

G
n
) := ((
n
, r
n
, G
n
)1
A
/(1 + |
n
t1
|)
n
. Quitte passer une
sous-suite alatoire, on peut supposer que (

n
t1
)
n
converge p.s. vers un lment

t1
de L
0
(T
t
), voir Lemme 2. Ceci implique que

G
n

n
t1
,

S
t

S
t1
) converge
en probabilit vers

t1
,

S
t


S
t1
). Comme
T1

s=t

n
s
,

S
s+1


S
s
) r
n
=
T

G
n

n
t1
,

S
t


S
t1
) P p.s.
et que
t,T
est ferm par hypothse, on en dduit quil existe

/ et r

L
0
(R
+
) tel que
T1

s=t

s
,

S
s+1


S
s
) r

t1
,

S
t


S
t1
) P p.s.
Puisque (AOA) est vrie, voir Thorme 1, on a ncessairement r

= 0 Pp.s.
et donc
T1

s=t

s
,

S
s+1


S
s
) =

t1
,

S
t


S
t1
) P p.s.
Daprs le Lemme 11, on doit alors avoir

t1
,

S
t


S
t1
) = 0 P p.s. Par les
mmes arguments que ceux dj utiliss pour prouver la Proposition 3, on peut
alors se ramener au cas o P[A] = 0. La proprit de fermeture de
t1,T
est
alors obtenu utilisant le Lemme 2 et la proprit de fermeture de
t,T
comme
ci-dessus.
2. Le fait que dcoule de la Proposition 7. Il reste montrer linclusion
inverse par contradiction. Supposons quil existe

G . Alors

G
0,T
.
Daprs la condition (8),
T

G L
1
(Q) pour une mesure Q /(

S). Par ailleurs,

comme
0,T
tant ferm en probabilit, la restriction

1
L
1
(Q) de
T
G : G

0,T
est ferme dans L
1
(Q). Comme
0,T
est convexe, on dduit du Thorme
4 quil existe Y L

tel que
sup
G

1
E
Q
[Y G] < E
Q
_
Y
T

G
_
.
25
En notant H la densit de Q par rapport P, on obtient
sup
G

1
E[HY G] < E
_
HY
T

G
_
.
Par les mmes arguments que ceux dj employs dans la preuve de la Propo-
sition 5, on vrie que

H := HY/E[HY ] est la densit dune mesure

Q absolu-
ment continue par rapport P qui rend

S martingale. On remarque maintenant
que pour (0, 1) la densit H

:= (H+(1)

H) est celle dune mesure qui-
valent Q

/(

S). Daprs lingalit prcdente, on peut prendre (0, 1)

tel que
sup
G

1
E[H

G] < E
_
H

T

G
_
.
Comme 0

1
, ceci contredit le fait que

G . 2
Comme consquence immdiate du rsultat prcdent, on obtient la caractri-
sation suivante du prix de sur-rplication et de lensemble des prix viables.
Thorme 12 Soit G L
0
tel que
T
G

L
S
. Si /(

S) ,= , alors
p(G) := sup
Q/(

S)
E
Q
[
T
G] . (9)
Par ailleurs, si
T
[G[ L
S
alors :
(i) lensemble des prix viables est donn par lintrieur relatif de [p(G), p(G)].
(ii) p(G) = p(G) / t.q. V
p(G),
T
= G P p.s.
Remarque 13 Lorsquil existe (p, ) R / t.q. V
p,
T
= G P p.s., on dit
que loption G est atteignable ou rplicable.
Preuve du Thorme 12. La premire assertion est une consquence im-
mdiate du Thorme 9, de la Remarque 10 et de la Remarque 8. Lassertion
(i) dcoule de (ii) et de (9). Limplication p(G) = p(G) / t.q.
V
p(G),
T
= G P p.s. est vidente. On montre sa rciproque. On suppose donc
que p := p(G) = p(G). Alors, il existe
+
et

dans / tels que V

p,
+
T
G
et V
p,

T
G. Si lune de ces deux ingalits est stricte sur un ensemble
A de mesure non nulle, on a alors V
p,
+
T
+ V
p,

T
L
0
(R
+
) 0. Comme
V
p,
+
T
+V
p,

T
= V
0,
+
+

T
, ceci contredirait lhypothse dAOA. 2
26
On conclut cette section par une description de la stratgie de couverture dune
option dans le cas o p(G) = p(G).
Proposition 14 On suppose que /(

S) ,= , que

S
t
L
2
(P) pour tout t T et
que G L
0
vrie [G[ L
S
et p(G) = p(G). Soit Q un lment de /(

S)
densit borne. Alors, V
p(G),

T
= G P p.s. quel que soit

vriant linduction
rtrograde

V
t
:= E
Q
_

V
t+1
[ T
t
_
,

t
o
t
(

S, Q) t T 1
avec

V
T
=
T
G et o
t
(

S, Q) dni comme lensemble des variables alatoires

T
t
-mesurables pour lesquelles

t
, E
Q
__

S
t+1


S
t
__

S
i
t+1


S
i
t
_
[ T
t
_
) = E
Q
_

V
t+1
_

S
i
t+1


S
i
t
_
[ T
t
_
P p.s.
pour tout i = 1, . . . , d.
Preuve. Daprs le Thorme 12, il existe

/ tel que V
T
:= V
p(G),

T
= G.
On note

V =
T
V
p(G),

. On a

V
T
=
T
G et la Remarque 8 implique que la
rcurrence sur

V est bien vrie. En outre, comme

S est une martingale sous
Q,
E
Q
_

V
t+1
_

S
i
t+1


S
i
t
_
[ T
t
_
= E
Q
_

V
t
_

S
i
t+1


S
i
t
_
[ T
t
_
+ E
Q
_

t
,

S
t+1


S
t
)
_

S
i
t+1


S
i
t
_
[ T
t
_
=

t
, E
Q
__

S
t+1


S
t
__

S
i
t+1


S
i
t
_
[ T
t
_
)
pour tout i = 1, . . . , d. Par ailleurs, si

est un autre lment de / tel que

t
o
t
(

S, Q) pour tout t T 1, on a, pour tout t T 1,

E
Q
_

t
,

S
t+1


S
t
)

2
[ T
t
_
= (

t
)
t
E
Q
_
(

S
t+1


S
t
)(

S
t+1


S
t
)
t
[ T
t
_
(

t
)
= 0
car

t
t
E
Q
_
(

S
t+1


S
t
)(

S
t+1


S
t
)
t
[ T
t
_
=

t
t
E
Q
_
(

S
t+1


S
t
)(

S
t+1


S
t
)
t
[ T
t
_
= E
Q
_

V
t+1
_

S
t+1


S
t
_
t
[ T
t
_
.
Ceci implique que

t
,

S
t+1

S
t
) = 0 P p.s. On en dduit que V
p(G),

=
V
p(G),

P p.s. 2
27
3 Marchs complets
On dit que le march est un march complet si, pour tout G L
0
vriant
[G[ L
S
, il existe (p, ) R / tel que V
p,
T
= G P p.s. Dans le cas
contraire, on dit que le march est un march incomplet.
Le Thorme 12 nous permet de donner une caractrisation prcise de la com-
pltude du march en terme de /(

S).
Thorme 15 On suppose que /(

S) ,= . Alors, le march est complet si et

seulement si /(

S) est un singleton.
Preuve. Si /(

S) est un singleton la compltude est une consquence des

assertions (9) et (ii) du Thorme 12. On suppose maintenant que le march
est complet. On dduit alors de (9) et (ii) du Thorme 12 que
sup
Q/(

S)
E
Q
[
T
G] = inf
Q/(

S)
E
Q
[
T
G] G L
0
t.q. [G[ L
S
. (10)
Supposons que /(

S) contienne deux lments de densit H

1
et H
2
dirente.
On peut supposer que G = 1
H
1
>H
2 nest pas P p.s. nul. Alors,
E
_
H
1

T
G

> E
_
H
2

T
G

,
ce qui contredit (10). 2
Remarque 16 On dduit du Thorme 12 et du rsultat prcdent que lunique
prix viable sur un march complet est E
Q
[
T
G] o Q est lunique mesure qui-
valente qui rend martingale

S.
Comme corollaires du Thorme 15, on obtient les thormes de reprsentation
suivants.
Corollaire 17 (Thorme de reprsentation des martingales) On suppose que
/(

S) = Q. Alors, toute Q-martingale M admet une reprsentation sous la

forme :
M
t
= M
0
+
t1

s=0

s
,

S
s+1


S
s
)
pour un /.
28
Preuve. On commence par considrer le cas o [M
T
[ n, n 1, de sorte que
M
T
L
S
. Daprs le Thorme 15, il existe / et x R tel que
M
T
= x +
T1

s=0

s
,

S
s+1


S
s
) .
Supposons que
M
t+1
= x +
t

s=0

s
,

S
s+1


S
s
)
pour un t < T. Alors, par passage lesprance conditionnelle sous Q sachant
T
t
, on obtient
M
t
= x +
t1

s=0

s
,

S
s+1


S
s
) +
t
, E
Q
_

S
t+1


S
t
[ T
t
_
)
= x +
t1

s=0

s
,

S
s+1


S
s
) .
On dduit donc dune rcurrence que cette reprsentation est valable pour tout
t T. En particulier, M
0
= x.
On considre maintenant le cas gnral. Etant donn M, on pose M
n
t
:=
E
Q
[M
T
(n)n[T
t
], n 1. Daprs ce qui prcde, on sait quil existe
n
/
tel que

V
M
n
0
,
n
T
= M
n
T
. Comme M
T
L
1
(Q), le thorme de convergence domi-
ne implique que M
n
0
M
0
quand n . En particulier M
n
T
M
n
0

T
.
Comme ce dernier est ferm pour la convergence en probabilit (Thorme 9) et
que M
n
T
M
n
0
M
T
M
0
quand n , on en dduit que M
T
M
0

T
.
On a galement (M
n
T
M
n
0
)
T
, et les mmes arguments que ci-dessus
impliquent donc que (M
T
M
0
)
T
. On conclut en rptant les arguments
utiliss dans la preuve du Thorme 12. 2
Corollaire 18 (Thorme de reprsentation) On suppose que /(

S) = Q.
Alors, tout G L
1
(Q) admet une reprsentation sous la forme :
G = E
Q
[G] +
T1

s=0

s
,

S
s+1


S
s
)
pour un /.
29
Preuve. Il sut dappliquer le Corollaire 17 la martingale (E
Q
[G [ T
t
])
tT
.
2
On conclut cette section en montrant que si le march est complet, alors, pour
tout t < T, la loi de S
t+1
sachant T
t
est concentre sur au plus d + 1 points
(alatoires).
Proposition 19 Supposons que /(

S) = Q, alors, pour tout t < T, il existe

d + 1 vecteurs alatoires
1
, . . . ,
d+1
L
0
(R
d
; T
t
) tels que
d+1

j=1
P
_

S
t+1


S
t
=
j
[ T
t
_
= 1 , P p.s.
Preuve. Supposons que cette proprit ne soit pas vrie pour un t < T.
Alors, il existe un ensemble A T
t
tel que Q[A] > 0, d + 2 variables alatoires

1
, . . . ,
d+2
L
0
(R
d
; T
t
) et L
0
((0, ); T
t
) tels que
P[B
j
[ T
t
] > 0 j d + 2 sur A
o B
j
:= |(

S
t+1


S
t
)
j
| A et les B
j
sont disjoints. Les vecteurs
(Q[B
j
[ T
t
], E
Q
_
(

S
t+1


S
t
)
t
1
B
j
[ T
t
_
), j = 1, . . . , d + 2, ne pouvant tre li-
nairement indpendants, il existe d + 2 variables alatoires a
1
, . . . , a
d+2
de
L
0
(R; T
t
), non Q-p.s. nulles sur A, telles que
d+2

j=1
a
j
_
Q[B
j
[ T
t
] , E
Q
_
(

S
t+1


S
t
)1
B
j
[ T
t
__
= 0 Q-p.s.
Aprs avoir ventuellement normalis les a
j
, on peut supposer que chacun est
essentiellement born par 1/(2d + 4) Q-p.s. On dnit alors

H := 1 +1
A
d+2

j=1
a
j
1
B
j
.
On a alors E
Q
_

H [ T
t

= 1,

H > 0 Q-p.s. et, comme

S est une Q-martingale,
E
Q
_

H(

S
t+1


S
t
) [ T
t
_
= 0 .
Ceci implique que la mesure

Q de densit

H par rapport Q est galement un
lment de /(

S), ce qui contredit lhypothse de la Proposition. 2

30
4 Extensions certains marchs imparfaits
4.1 Contraintes de portefeuille
On considre maintenant un march sur lequel les agents nanciers ne peuvent
vendre et acheter librement nimporte quelle quantit dactifs. Plus prcisment,
on impose une contrainte de portefeuille de la forme

t
K P p.s. pour tout t T
o K est un cne convexe ferm de R
d
. On note /
K
lensemble des processus
de / vriant cette condition.
Exemple 20 1. K = R
d
: pas de contrainte
2. K = R
d
+
: aucun actif ne peut tre vendu dcouvert
3. K = R
d1
0 : lactif d ne peut tre chang.
Les arguments prcdents stendent pour lessentiel ce cadre sans la moindre
modication. En particulier le Thorme 1 scrit sous la forme suivante.
Thorme 21 Il y a quivalence entre
(i) (AOA
K
) est vrie.
(ii) (AOA
K
t
) est vrie pour tout t = 0, . . . , T 1.
(ii) H
K
b
(

S) ,= .
Ici, (AOA
K
) et (AOA
K
t
) sont dnis comme (AOA) et (AOA
t
) mais en rempla-
ant / par /
K
, et H
K
b
(

S) dsigne lensemble des variables alatoires H de L

desprance gale 1 vriant

sup
L

(K;T
t
)
E
_
H,

S
t+1


S
t
)
_
0 pour tout t < T .
Exemple 22 1. K = R
d
: H
K
b
(

S) est lensemble des densits des mesures de

/
b
(

S).
2. K = R
d
+
: H
K
b
(

S) est lensemble des densits des mesures Q P telles que

S est une Q-surmartingale et dQ/dP L

.
3. K = R
d1
0 : H
K
b
(

S) est lensemble des densits des mesures Q P

telles que (

S
1
, . . . ,

S
d1
) est une Q-martingale et dQ/dP L

.
31
Les rsultats de la Section 2 stendent de la mme manire. On peut dnir le
prix de sur-rplication comme
p
K
(G) := infx R : /
K
t.q. V
x,
T
G L
0
(R
+
)
et obtenir la caractrisation suivante.
Thorme 23 Si H
K
b
(

S) ,= , alors les deux ensembles suivants

K
:= G L

: p
K
(G) 0

K
:=
_
G L

: sup
H1
K
b
(

S)
E[H
T
G] 0
_
sont gaux et
_
G L
0
: p
K
(G) 0
_
est ferm en probabilit.
Corollaire 24 Soit G L

. Si H
K
b
(

S) ,= , alors
p
K
(G) = sup
H1
K
b
(

S)
E[H
T
G] .
Exemple (Exercice). On considre un march nancier une priode o sont
changs un actif sans risque et un actif risqu. On note par R = 1 + r le
rendement de lactif sans risque (i.e. 1 euro plac en dbut de priode rapporte
R euros la n de la priode). Lincertitude sur le rendement de lactif risqu
est dcrite par un arbre binomial : il y a deux tats du monde possibles
1
et

2
de probabilit strictement positive. Le rendement de lactif risqu est donn
par :
S
1
(
1
)
S
0
= u et
S
1
(
2
)
S
0
= d ,
o u > d > 0 sont deux rels donns.
On dit ici quil nexiste pas darbitrage si pour tout 0,
(S
1
RS
0
) (R
+
)
2
= (S
1
RS
0
) = 0 .
On dsigne par NA
+
cette condition dabsence darbitrage.
32
1. Donner linterprtation conomique de la condition NA
+
.
2. Montrer que si la condition NA
+
est vrie, alors d < R.
3. En dduire quil existe un rel tel que :
0 < < 1 et u + (1 ) d R .
4. Donner une interprtation de en terme de probabilit neutre au risque.
5. Rciproquement, supposons quil existe un rel vriant les conditions de
la question 3. Montrer que la condition NA
+
est alors vrie.
6. Donner un exemple de march nancier compatible avec NA
+
, dans lequel il
y aurait un arbitrage au sens de la dnition usuelle.
4.2 Information imparfaite
Dans certaines situations, les agents ne sont pas en mesure de passer leurs ordres
de manire instantane, il y a un dcalage entre le moment o la dcision est
prise et celui ou lordre est eectivement pass. Ceci implique que la stratgie de
lagent nest pas base sur toute linformation disponible au moment ou lordre
est pass. Dun point de vue mathmatique, cela revient considrer quelle est
adapte une ltration G = ((
t
)
tT
qui est plus petite que F.
On est alors amen supposer que est un lment de /
G
, lespace des pro-
cessus G-adapts valeurs dans R
d
.
Les arguments prcdents stendent immdiatement ce cadre. Il sut de
remplacer /(

S) par lespace /
G
(

S) des mesures de probabilit Q P telle

que

S
Q
:= (E
Q
_

S
t
[ (
t
_
)
tT
est une Q-martingale, voir [23] pour plus de dtails.
Puisque S est F-adapt, on retrouve les rsultats des sections prcdentes lorsque
G = F, o de manire plus gnrale F G.
4.3 Cots de transaction proportionnels (exercice)
On suppose quil ny a quun actif risqu S et que le taux sans risque est nul,
r 0. On suppose maintenant que les achats et ventes dactif risqu sont sou-
mis un cot de transaction proportionnel au montant transfr de coecient
0. Ces cots sont pays en numraire (argent). On modlise la richesse
comme un processus bi-dimensionnel V = (V
0
, V
1
), V
0
dsigne le montant de
numraire (resp. dactif risqu) dtenu. On note M
n
(resp. L
n
) le montant cu-
mul des achats (resp. des ventes) dactifs S contre du numraire entre 0 et n.
33
Ces processus doivent tre F-adapts. On suppose que S est strictement positif
P-p.s.
a. Ecrire le nombre dunits de S dtenues entre n et n + 1 en fonction de V
1
n
et S
n
.
b. En dduire la dynamique de la richesse.
c. Soit K lensemble des portefeuilles de la forme x = (x
1
, x
2
) tels que lon puisse
liquider la position x
2
en actif risqu S de sorte que le nouveau portefeuille ainsi
obtenu soit de la forme (y, 0) avec y 0. Dterminer K en fonction de . On
appelle cet ensemble la rgion de solvabilit.
d. On note Z lensemble des processus F-adapts Z = (Z
1
, Z
2
) valeurs dans
(0, )
2
tels que (Z
1
, Z
2
S) est une (F, P)-martingale valeurs dans K
o
=
(z
1
, z
2
) : x
1
z
1
+ x
2
z
2
0 (x
1
, x
2
) K (polaire positif de K au sens
de lanalyse convexe). Montrer que Z, V ) est une (F, P)-martingale.
e. Montrer que Z
1
V
1
+Z
2
V
2
est une sur-martingale.
f. On dit quil ny a pas darbitrage dans ce modle lhorizon N si on ne peut
pas trouver (L, M) F-adapt tel que la richesse V
N
obtenue en N en partant
dune dotation initiale nulle et en suivant la stratgie (L, M) vrie V
N
R
d
+
et P(V
N
,= 0) > 0. Montrer quil ny a pas dopportunit darbitrage si Z ,= .
g. Comment modliseriez-vous une option europenne de maturit N dans ce
modle ? Que devrait vrier une dotation initiale x permettant de couvrir une
telle option ?
4.4 Cots de transaction xes (exercice)
On considre un march nancier une priode, compos dun actif sans risque
B et dun actif risqu S. Lactif sans risque vaut B
0
= 1 en 0 et B
1
= (1 + r)
en 1 o r 0 est une constante, taux sans risque. Lactif risqu vaut S
0
= 1 en
0 et son prix en 1, S
1
, est une variable altoire pouvant prendre les valeurs uS
0
ou dS
0
, chacune avec probabilit 0.5, o u > d sont deux constantes.
Une stratgie de portefeuille consiste former en 0 un portefeuille contenant
R units de lactif risqu puis solder cette position en actif risqu la date
1. Si 0, il sagit dun achat en 0 puis dune revente en 1. Si 0, il sagit
dune vente puis dun rachat. Comme dhabitude le solde de la richesse initiale
non utilis dans lopration dachat ou vente de lactif risqu est emprunt ou
plac au taux sans risque.
On suppose que chaque transaction sur lactif risqu fait lobjet dun cot de
34
transaction xe c > 0 pay au moment de lopration, i.e. chaque opration
dachat ou vente de lactif risqu cote immdiatement c en plus du cot de
lachat ou de la vente [S[. On note V
x,
1
la valeur du portefeuille en 1 aprs
avoir sold la position en actif risqu associ la stratgie , et dont la valeur
initiale est x R en 0 avant toute opration dachat ou vente.
Dans ce modle, on dit quil ny a pas darbitrage si il nexiste pas R tel
que P
_
V
0,
1
0
_
= 1 et P
_
V
0,
1
> 0
_
> 0.
1. Montrer que V
x,
1
= S
1
+ (x S
0
c1
,=0
)(1 +r) c1
,=0
.
2. Montrer quil ny a pas darbitrage si 1 +r [d, u].
3. On veut maintenant montrer la rciproque, i.e. 1 +r [d, u] sil ny a pas
darbitrage.
On suppose que 1 +r < d. Montrer que lon peut trouver > 0 tel que
d 1 r > (2 +r)c/. En dduire quil existe un arbitrage.
On suppose que 1 +r > u. Montrer que lon peut trouver < 0 tel que
(u 1 r) > (2 +r)c. En dduire quil existe un arbitrage.
4. Donner une condition ncessaire et susante sur u, d et r pour labsence
dopportunit darbitrage.
On suppose partir de maintenant que 1 +r [d, u].
5. On cherche maintenant trouver une mesure de probabilit Q telle que
E
Q
[V
0,
1
/(1 +r)] 0 pour tout R.
(a) En utilisant la notation q := Q(S
1
= uS
0
) = 1 Q(S
1
= dS
0
), crire
E
Q
[V
0,
1
] pour R.
(b) En dduire que lon doit avoir S
0
(qu + (1 q)d (1 + r)) (2 +
r)c1
,=0
pour tout R.
(c) En dduire que qu + (1 q)d = 1 +r.
(d) En dduire quil nexiste quune mesure de probabilit Q telle que
E
Q
[V
0,
1
/(1 +r)] 0 pour R. Lexpliciter.
(e) A quelle condition cette mesure est-elle quivalente P?
6. Soit une option europenne payant le payo alatoire G dni par G =
G(u) R si S
1
= uS
0
et G = G(d) R si S
1
= dS
0
. On suppose que
G(u) ,= G(d).
(a) On pose p
+
:= E
Q
[G/(1 +r)] +c(1 +1/(1 +r)). Montrer quil existe
R tel que P
_
V
p
+
,
1
= G
_
= 1.
35
(b) On pose p

:= E
Q
[G/(1+r)] +c(1+1/(1+r)). Montrer quil existe
R tel que P
_
V
p

,
1
= G
_
= 1.
(c) Quelle est la fourchette de prix viables pour G dans ce modle ?
Justiez brivement.
36
Chapitre 3
Options amricaines en march
complet
Une option amricaine est un titre nancier permettant son acheteur de re-
cevoir un montant G
t
une date t quil choisit, date dexercice, avant une date
T xe lavance, appele maturit.
Du point de vue mathmatique, loption est modlise par un processus G =
(G
t
)
tT
F-adapt. Par la suite, on xe un tel processus et on suppose que
G
t
L
1
(P) pour tout t T .
Lobjet de cette section est de caractriser le prix dachat de loption amricaine
G quand le march est complet et sans arbitrage, i.e. /(

S) = Q. Pour cela,
on a besoin dintroduire la notion denveloppe de Snell.
1 Sur-martingale et enveloppe de Snell
On rappelle quun processus F-adapt est une Q-surmartingale si
1.

t+1
L
1
(Q)
2. E
Q
[
t+1
[ T
t
]
t
Q-p.s.
pour tout t < T.
Remarque 1 Si est une Q-martingale, alors, on montre facilement par r-
currence que
E
Q
[
t
[ T
s
]
s
Q-p.s. pour tout s t T .
37
On commence par donner une dcomposition gnrale des surmartingales, ap-
pele dcomposition de Doob-Meyer.
Thorme 2 (Dcomposition de Doob-Meyer) Si Y est une Q-surmartingale,
alors il existe une Q-martingale M et un processus croissant prvisible A nul en
0 tels que Y = M A Q-p.s. Cette dcomposition est unique.
Preuve. On pose (M
0
, A
0
) = (Y
0
, 0) puis on dnit (M
t
, A
t
)
1tT
par la r-
currence
M
t+1
= M
t
+Y
t+1
E
Q
[Y
t+1
[ T
t
] , A
t+1
= A
t
+Y
t
E
Q
[Y
t+1
[ T
t
] .
Ce couple vrie lnonc du thorme. 2
Par la suite, on va montrer que le prix de loption amricaine G correspond
simplement la valeur en 0 de lenveloppe de Snell de

G := (
t
G
t
)
tT
,
dont on rappelle la dnition.
Dnition 3 On appelle enveloppe de Snell de

G sous Q la plus petite Q-
surmartingale Y telle que Y

G Q-p.s.
Proposition 4 Lenveloppe de Snell de

G est lunique processus dni par la
proprit de programmation dynamique
Y
t
= max
_

G
t
, E
Q
[Y
t+1
[ T
t
]
_
t < T , (1)
et la condition terminale
Y
T
=

G
T
. (2)
Preuve. Daprs (1), on a bien Y
t
E
Q
[Y
t+1
[ T
t
] pour tout t < T. Par
ailleurs, une simple rcurrence base sur le fait que

G est un processus intgrable
montre que Y lest aussi. Donc, Y est une Q-surmartingale. En outre, (1)-(2)
implique que Y

G Q-p.s. Par dnition de lenveloppe de Snell

Y de

G, on
a donc Y

Y Q-p.s. On montre maintenant lingalit inverse. Tout dabord,
Y
T
=

G
T


Y
T
Q-p.s. Supposons maintenant que Y
t+1


Y
t+1
Q-p.s. pour un
t T 1. Daprs (1)
Y
t
= max
_

G
t
, E
Q
[Y
t+1
[ T
t
]
_
max
_

Y
t
, E
Q
_

Y
t+1
[ T
t

_
=

Y
t
car

Y est une Q-surmartingale. La preuve est complte par une simple rcur-
rence. 2
38
2 Enveloppe de Snell et arrt optimal
On montre maintenant que Y est associ un problme darrt optimal.
On rappelle quun (F, T)-temps darrt est une variable alatoire valeurs
dans T tel que = t T
t
pour tout t T.
Pour t T, on notera T
t
lensemble des (F, T)-temps darrt p.s. suprieurs ou
gaux t.
Remarque 5 Si T
0
alors il est clair que t T
t
pour tout t T.
Remarque 6 Soit une Q-martingale et T
0
. Alors le processus arrt

:= (
t
)
tT
est une Q-martingale. En eet,

t
=
t
1
t
+

s<t

s
1
=s
t T ,
ce qui montre que

est bien intgrable. En outre, en utilisant la Remarque 5

et la proprit de martingale de , ceci implique galement que
E
Q
_

t+1
[ T
t

= E
Q
_
_

t+1
1
>t
+

st

s
1
=s
[ T
t
_
_
= E
Q
[
t+1
[ T
t
] 1
>t
+

st

s
1
=s
=
t
1
>t
+

st

s
1
=s
=

t
t < T .
En particulier, ceci implique que
0
=

0
= E
Q
[
t
] = E
Q
[
T
] = E
Q
[

]
pour tout t T.
On montre de mme que si est une Q-surmartingale, alors

:= (
t
)
tT
est
une Q-surmartingale.
On commence par montrer que le processus Y devient une martingale sil est
correctement arrt.
Proposition 7 Soit
:= inft T : Y
t
=

G
t
. (3)
Le processus Y

:= (Y
t
)
tT
est une Q-martingale.
39
Preuve. On a dj remarqu que Y est bien intgrable. Par les mmes ar-
guments que ceux utiliss dans la Remarque 6, on en dduit que Y

est bien
intgrable. Soit t < T. On a alors
Y

t+1
Y

t
= (Y
t+1
Y
t
)1
t+1
et
Y
t
= E
Q
[Y
t+1
[ T
t
] sur t + 1 T
t
par dnition de Y . Ceci combin la Remarque 5 implique que
E
Q
_
Y

t+1
Y

t
[ T
t
_
= E
Q
[Y
t+1
Y
t
[ T
t
] 1
t+1
= 0 .
2
On donne maintenant la caractrisation de Y en terme de problme darrt
optimal.
Proposition 8 On a
Y
0
= sup
T
0
E
Q
_

_
= E
Q
_

G

_
.
Preuve. Comme Y est une surmartingale et domine

G, on dduit de la Propo-
sition 7 que
Y
0
= E
Q
_

G

_
sup
T
0
E
Q
[Y

] sup
T
0
E
Q
_

_
.
Puisque T
0
, le rsultat en dcoule. 2
3 Prix et stratgie de couverture
Puisque loption peut tre exerce tout moment, le prix de couverture sans
risque, ou prix de sur-rplication, est maintenant dni par
p
US
(G) := infx R : / t.q. V
x,
t
G
t
L
0
(R
+
) t T . (4)
On commence par caractriser ce prix en terme denveloppe de Snell de

G.
40
Thorme 9 Soit Y le processus dni dans la Proposition 4 et M la martin-
gale intervenant dans la dcomposition de Doob-Meyer de Y du Thorme 2.
On a alors : p
US
(G) = Y
0
. Par ailleurs, la stratgie de couverture optimale as-
socie p
US
(G) concide avec la stratgie de couverture de loption europenne
de payo
1
T
M
T
.
Preuve. On note p = Y
0
= M
0
pour allger les notations.
1. On montre tout dabord que p p
US
(G). Pour cela, on commence par dduire
du Thorme 15 et de la Remarque 8 du Chapitre 1 quil existe / tel que

V
p,
T
= M
T
Q-p.s. et

V
p,
est une Q-martingale. Comme M est galement
une Q-martingale, ceci implique que

V
p,
= M Y Q-p.s., voir Thorme
2. Comme Y

G Q-p.s., ceci implique que V
p,
G Q-p.s. et donc que
p p
US
(G).
2. On montre maintenant que p p
US
(G). Soit x > p
US
(G). On peut alors
trouver / tel que

V
x,

G Q-p.s. Daprs la Remarque 8 du Chapitre
1,

V
x,
est alors une Q-surmartingale. Comme elle domine

G, elle domine, par
dnition, lenveloppe de Snell Y de

G. En particulier, on doit donc avoir x > p.
Comme x > p
US
(G) est arbitraire, ceci montre le rsultat recherch.
3. Puisque 1. et 2. montrent que p = p
US
(G), la stratgie de sur-rplication se
dduit des arguments donns en 1. 2
Remarque 10 Puisque, daprs la Proposition 7, Y

est une Q-martingale,
elle concide ncessairement avec M

. Par ailleurs, la Remarque 8 du Chapitre
1 implique que si (p, ) R / est tel que

V
p,
T
= M
T
Q-p.s. alors

V
p,
est
une Q-martingale et donc

V
p,
= M Q-p.s. Ceci implique (

V
p,
)

= Y

= M

Q-p.s.
On caractrise maintenant lensemble des prix viables pour loption amricaine.
La dcision dexercice ou non de loption une date t donne par le vendeur
pouvant dpendre de toute linformation dont il dispose cette date, cest un
vnement T
t
-mesurable. Ceci conduit naturellement modliser cette dcision
dexercice comme un (F, T)-temps darrt.
On dit que le prix p est un prix viable pour loption amricaine si
1. , / t.q. V
x,

L
0
(R
+
) 0 pour tout T
0
2. , (, ) /T
0
t.q. V
x,

+G

L
0
(R
+
) 0.
41
La premire assertion implique quil ny a pas darbitrage possible pour le ven-
deur, la seconde quil ny a pas darbitrage possible pour lacheteur.
Corollaire 11 Lunique prix viable est p
US
(G).
Preuve. On pose x := p
US
(G) pour allger les notations.
1. On commence par montrer que p
US
(G) est viable.
1.a. On vrie tout dabord la condition 1. de la viabilit. Soit /. Si
V
x,
T
G
T
L
0
(R
+
), alors la Remarque 8 du Chapitre 1 implique que

V
x,
est
une martingale. Soit le temps darrt dni dans (3). Daprs la Remarque 6
et la Proposition 7, (

V
x,
t
Y
t
)
tT
est une Q-martingale. Comme Y

=

G

, la
Remarque 6 implique que 0 = E
Q
_

V
x,

Y

_
= E
Q
_

V
x,



G

_
. Ceci implique
que lon ne peut avoir V
x,

G

L
0
(R
+
) 0.
1.b. On vrie maintenant la condition 2. Supposons quil existe (, ) /T
0
t.q. V
x,

+G

L
0
(R
+
) 0. Alors, des arguments similaires ceux utiliss
ci-dessus implique que x +E
Q
[G

] > 0. Ceci contredit la Proposition 8.

2. On montre maintenant que cest lunique prix viable. Soit p un prix.
2.a. Supposons que p > p
US
(G). Soit la stratgie de couverture de loption G
donne par le Thorme 9. Daprs lquation de la richesse (4), on a V
p,
=
V
x,
+
1
(p x). Comme, daprs le Thorme 9, V
x,
t
G
t
pour tout t T
Q-p.s., on en dduit V
p,

> G

Q-p.s. pour tout T

0
. Ceci montre que p
contredit 1. de la dnition de la viabilit.
2.b. Supposons que p < p
US
(G). Soit la stratgie de couverture de loption G
donne par le Thorme 9. Daprs lquation de la richesse (4), on a V
p,
=
V
x,

1
(p x) = V
x,
+
1
(x p). Par ailleurs, on dduit de la
Remarque 10 que

G

=

V
x,

ce qui implique que V
p,

+G

L
0
(R
+
) 0
ce qui contredit 2. de la dnition de la viabilit. 2
4 Stratgie dexercice optimale
Les argments prsents dans la section prcdente se gnralisent facilement au
cas dune vente de loption amriaine G un temps t T quelconque. Dans ce
cas, lunique prix viable est
1
t
Y
t
.
Lacheteur initial na donc aucun intrt exercer son option avant le temps
darrt dni dans (3) puisque dans ce cas il recevrait la valeur dexercice G
t
qui est strictement infrieure la valeur de continuation
1
t
Y
t
sur t < . Il
42
na pas non plus intrt lexercer aprs . En eet, on sait que M Y alors
que M

=

G

daprs la Remarque 10. La mme remarque montre que si lon
suit la stratgie de couverture

du Theorem 9 entre et T, on peut constituer
un portefeuille de valeur
1
M sur cet intervalle. Ce portefeuille ayant une plus
grande valeur que le prix de revente Y , il est toujours prfrable de le constituer
plutt que de conserver loption.
Ceci montre que, de manire rationnelle, le vendeur doit exercer son option au
temps .
Excercice 12 (Absence dexercice anticip pour le call amricain sans dividi-
dendes)
On considre un actif nancier S de prix S
t
la date t. Un call amricain est
un contrat par lequel le vendeur sengage livrer S un prix K (strike) x
lavance une date t infrieure T si lacheteur exerce son option en t. On
note C
t
le prix la date t du call europen de maturit T et de strike K et C
a
t
le prix du call amricain correspondant.
a. Montrer que C
a
t
C
t
.
b. On suppose que P[S
T
> K] > 0 et que P[S
T
< K] > 0. Montrer quen lab-
sence dopportunits darbitrage C
t
> [S
t
KB
t
]
+
.
c. Montrer quil vaut toujours mieux vendre une option amricaine plutt que
de lexercer.
d. En dduire que C
a
t
= C
t
.
43
Chapitre 4
Modle de Cox-Ross-Rubinstein
Le modle de Cox, Ross et Rubinstein est un modle darbre binomial un
seul actif risqu. A chaque priode, celui ne peut voluer que de deux manires
direntes. Bien que trs restrictif, ce modle sert souvent dapproximation au
modle en temps continu de Black et Schols qui sera prsent ci-aprs.
1 Le modle
Etant donns deux rels distincts d < u vriant ud = 1, on considre lespace
= = (
1
, . . . ,
T
) d, u
T
muni de la mesure de probabilit P dnie
par
P[] = p
N
T
()
(1 p)
TN
T
()
,
o p est un rel de (0, 1) et
N
t
() =
t

j=1
1
w
j
=u
, 1 t T ,
de sorte que N
T
() est le nombre de composantes de gales u. On utilisera
la convention N
0
= 0.
On suppose que le taux dintrt sans risque est constant et gal r > 0. Lactif
risqu est modlis par le processus S dni par
S
t
() := S
0
e
bt
u
N
t
()
d
tN
t
()
, t T
avec b R.
La ltration F est la ltration engendre par S, i.e. T
t
= (S
r
, r t).
44
2 (AOA) et valuation doptions (exercice)
1. Montrer que, dans ce modle, la condition dabsence dopportunit darbitrage
est quivalente
de
b
< 1 +r < ue
b
. (1)
2. Montrer que sous la condition (1) il existe une unique mesure Q dans /(

S)
et quelle est donne par
Q[] = q
N
T
()
(1 q)
TN
T
()
, (2)
avec
q :=
1 +r e
b
d
e
b
u e
b
d
. (3)
3. On se donne une option europenne G L
0
(T
T
). Donner lalgorithme de
calcul de son prix et de la stratgie de couverture.
4. Reprendre la question prcdente pour une option amricaine G = (G
t
)
tT

L
0
(F).
3 Passage la limite
Le modle de Cox-Ross-Rubinstein est souvent utilis comme approximation en
temps discret du modle de Black et Schols, modle en temps continu qui sera
prsent ci-aprs.
On xe un horizon de temps T et on considre une suite de modles n priodes,
n 1. Ceci revient considrer un pas de temps T/n qui tend vers 0. On
considre alors la suite de modles (/
n
)
n
dnis comme dans la Section 1 avec
(r, b, d, u) remplacs par
r
n
:= e
rT/n
1 , b
n
= b
T
n
, d
n
:= e

n
et u
n
:= e

n
o
n
:=
_
T/n, r, b R et > 0.
La condition (1) de la Section 2 est bien vrie pour n susamment grand,
de sorte que T/n devienne ngligeable par rapport
_
T/n. Pour chaque modle
45
/
n
, il existe donc une unique mesure risque neutre Q
n
dnie comme dans (2)
et (3). Sous cette mesure S
T
a la mme loi que
S
0
e
bT+
q
T
n
P
n
k=1
Z
n
k
sous P o (Z
n
k
)
k1
est une suite de variables alatoires indpendantes valeurs
dans 1, 1 vriant
P[Z
n
k
= 1] = q
n
:=
1 +r
n
e
b
n
d
n
e
b
n
u
n
e
b
n
d
n
.
Si G = g(S
T
) est une option europenne, son prix dans le modle /
n
scrit
donc
p
n
(G) = E
_
e
rT
g
_
S
0
e
bT+
q
T
n
P
n
k=1
Z
n
k
__
.
Le passage la limite lorsque n est justi par la proposition suivante.
Proposition 1 La suite
_
T
n

n
k=1
Z
n
k
tend en loi vers (r b

2
2
)T +W
T
o W
T
est une gaussienne centre de variance T.
Ceci implique immdiatement que
p
n
(G) E
_
e
rT
g
_
S
0
e
(r

2
2
)T+W
T
__
pour tout fonction g continue borne. On verra dans le Chapitre 8, que ce prix
concide avec celui de loption g(S
T
) dans le modle de Black et Schols associ
au taux sans risque r et la volatili .
Preuve de la Proposition 1. On note X
n
:=
_
T
n

n
k=1
Z
n
k
et
n
sa fonction
caractristique sous P. Par indpendance des Z
n
k
, on obtient que

n
(t) = (f
n
(t))
n
,
o
f
n
(t) := E
_
e
it
q
T
n
Z
n
1
_
= e
it
q
T
n
q
n
+e
it
q
T
n
(1 q
n
) .
Il sut alors de montrer que cette suite de fonctions caractristiques converge
vers celle dune gaussienne de moyenne m = (r b

2
2
)T et de variance
v =
2
T. Pour cela, on montre que
f
n
(t) = 1 +
1
n
_
imt vt
2
/2
_
+o(
1
n
) .
46
2
Nous renvoyons [18] et [27] pour une analyse de la convergence des options
barrires et amricaines. Pour une approche trs gnrale et pour plus de rf-
rences sur le sujet, nous renvoyons [35].
47
Chapitre 5
Complments (exercices)
1 Modle de taux de Ho et Lee
On considre un march nancier en temps discret construit sur un espace de
probabilit ni (, T, P) dans lequel les ux ne sont changs quaux dates
1, 2, . . . , T

o T

est un entier strictement positif. Par la suite, on notera T =

1, . . . , T

et on munit (, T) dune ltration F = (T

t
)
tT
suppose complte
et vriant T
0
= , , T
T
= T.
On suppose quil existe un processus adapt strictement positif r et un actif
nancier, appel actif sans risque, tel que 1 euro investi la date t rapporte
1 + r
t
euros la date t + 1. Par la suite, on considrera le processus B deni
par
B
t
:=
t1

j=0
(1 +r
j
) , t T

.
Un zro coupon de maturit T T

et de nominal 1 est un produit nancier

qui paie son acheteur un unique ux de 1 en T. On note P
t
(T) son prix la
date t T.
On suppose que, pour chaque T T

, il existe des processus adapts strictement

positifs u(T) et d(T) tels que
P
__
P
t+1
(T) = u
t
(T)
P
t
(T)
P
t
(t + 1)
_

_
P
t+1
(T) = d
t
(T)
P
t
(T)
P
t
(t + 1)
__
= 1
0 t < T,
u
t
(T) > d
t
(T) P p.s. , 0 t < T 1 .
48
On notera p le processus adapt dni par
p
t
:= P[P
t+1
(T) = u
t
(T)P
t
(T)/P
t
(t + 1) [ T
t
] ,
et on supposera quil est valeurs dans ]0, 1[ si t < T 1.
1. Que vaut P
T
(T) ? Montrer que ncessairement u
t
(t+1) = d
t
(t+1) = 1 Pp.s.
pour tout t < T

. Par convention, on notera maintenant P

t
(T) := B
t
/B
T
si
t > T.
2. On appelle stratgie nancire = ((1), . . . , (T

)) un processus adapt
valeurs dans R
T

. Ici,
t
(T) correspond au montant investi dans le zro coupon
de maturit T entre t et t +1. On note V
x,
la richesse associe une dotation
initiale x R et une stratgie dinvestissement . Donner la dynamique de la
richesse V
x,
sous la condition dautonancement.
3. Soit t < T T

.
a. Montrer que P
t
(t + 1) = B
t
/B
t+1
= (1 +r
t
)
1
.
b. Rappeler la notion dabsence dopportunit darbitrage.
c. Soit t < T1. Montrer que P[d
t
(T) > 1] = 1 implique P
t+1
(T) > P
t
(T)B
t+1
/B
t
Pp.s. En dduire quil existe alors un arbitrage (on exhibera la stratgie dar-
bitrage).
d. Reprendre la question prcdente en supposant seulement que P[d
t
(T) 1] >
0.
e. Montrer que lon ne peut pas non plus avoir P[u
t
(T) 1] > 0 pour t < T 1.
f. En dduire une condition sur u et d ncessaire labsence dopportunit
darbitrage.
4. On suppose maintenant que u
t
(T) > 1 > d
t
(T) Pp.s. pour tout t < T T

.
a. Montrer que, pour tout T T

, il existe un unique processus adapt q(T)

valeurs dans ]0, 1[ tel que
q
t
(T)u
t
(T)
1
P
t
(t + 1)
+ (1 q
t
(T))d
t
(T)
1
P
t
(t + 1)
=
B
t+1
B
t
P p.s. , t < T .
b. Soit H le processus dni sur T par
H
t
(T

) :=
t1

j=0
_
q
j
(T

)
p
j
(T

)
1
A
j
(T

)
+
(1 q
j
(T

))
1 p
j
(T

)
1
A
c
j
(T

)
_
o A
j
(T) := P
j+1
(T) = u
j
(T)P
j
(T)/P
j
(j + 1). Montrer que H(T

) est une
P-martingale sur T.
49
c. Soit Q la mesure de densit H
T
(T

) par rapport P. Montrer quil sagit

bien dune mesure de probabilit quivalente P.
d. Montrer que Q est lunique mesure de probabilit sous laquelle B
1
P(T

)
est une martingale.
e. En dduire quen labsence dopportunit darbitrage B
1
P(T) est une Q-
martingale pour tout T T

et que
q
t
(T

)u
t
(T) + (1 q
t
(T

))d
t
(T) = 1 P p.s. , t < T T

.
5. On suppose partir de maintenant que u
t
(T) = U(T t) et d
t
(T) = D(T t),
o U et D sont des fonctions dterministes, et on dnit la suite de variables
alatoires (
t
()) par

t+1
() := U()1
A
t
(t+)
+D()1
A
c
t
(t+)
, t < T

, T

t ,
de sorte que
P
t
(T) =
t
(T t + 1)
P
t1
(T)
P
t1
(t)
.
a. Montrer que
t1

j=0
P
j
(j + 1) = P
0
(t)
t1

j=1

j
(t + 1 j) , t T

b. En dduire que
P
t
(T) =
P
0
(T)
P
0
(t)

t
j=1

j
(T j + 1)

t1
j=1

j
(t j + 1)
, t T T

.
c. Que vaut r
t
en fonction de et P
0
?
Correction
1. P
T
(T) = 1 puisque cest le prix en T de lactif payant 1 immdiatement.
On a de mme P
t+1
(t + 1) = 1 = P
t
(t + 1)/P
t
(t + 1) ce qui implique que
u
t
(t + 1) = d
t
(t + 1) = 1 ncessairement.
2. Si V
x,
t
est la richesse en t, la condition dautonancement implique que
V
x,
t
=
t
, diag [P
t
]
1
P
t
) +
_
V
x,
t

t
, 1)
_
B
1
t
B
t
50
o , , ) est le produit scalaire sur R
T

et 1 = (1, . . . , 1), et
V
x,
t+1
=
t
, diag [P
t
]
1
P
t+1
) +
_
V
x,
t

t
, 1)
_
B
1
t
B
t+1
=
t
, diag [P
t
]
1
P
t+1
) +
_
V
x,
t

t
, 1)
_
(1 +r
t
) .
avec V
x,
0
= x.
3.a. Lachat en t du zro coupon de maturit t+1 cote P
t
(t+1) en t et rapporte
1 en t+1. Le placement au taux sans risque du montant (1+r
t
)
1
sur la priode
[t, t +1] cote (1 +r
t
)
1
en t et rapport 1 en t +1. En labsence darbitrage, on
doit donc avoir P
t
(t + 1) = (1 +r
t
)
1
o (1 +r
t
) = B
t+1
/B
t
.
3.b. Voir cours pour la dnition de labsence dopportunit darbitrage.
3.c. Soit t < T. Si d
t
(T) > 1 P p.s. alors u
t
(T) > d
t
(T) > 1 P p.s. ce qui
implique que P
t+1
(T) > P
t
(T)/P
t
(t + 1) = P
t
(T)B
t+1
/B
t
daprs la question
prcdente. On peut alors eectuer larbitrage suivant : on achte en t le zro-
coupon de maturit T et on le revend en t + 1. Lachat est nanc par un
emprunt en t au taux sans risque r
t
rembours en t + 1. Le cot net initial en
t est nul, le gain en t + 1 est P
t+1
(T) P
t
(T)(1 +r
t
) > 0.
3.d. La variable d
t
(T) est T
t
mesurable. On note A := d
t
(T) 1. Sur A, la
condition u
t
(T) > d
t
(T) Pp.s. implique que u
t
(T) > d
t
(T) 1. Si A se ralise
la date t, on peut reprendre la stratgie prcdente. Quelle que soit lvolution
du prix la stratgie rapporte un gain positif. Ce gain est strictement positif si
P
t+1
(T) = u
t
(T)
P
t
(T)
P
t+1
(t+1)
ce qui arrive avec probabilit strictement positive.
3.e. On utilise la stratgie oppose de celle utilise dans 3.d. sur lvnement
u
t
(T) 1.
3.f. Daprs les deux dernires questions, labsence dopportunit darbitrage
implique que P[u
t
1] +P[d
t
1] = 0 soit u
t
(T) > 1 > d
t
(T) P p.s.
4.a. Si u
t
(T) > 1 > d
t
(T), alors q
t
(T) := (1 d
t
(T))/(u
t
(T) d
t
(T)) (0, 1)
Pp.s. vrie u
t
(T)q
t
(T)+d
t
(T)(1q
t
(T)) = 1. Comme daprs 3.a., P
t
(t+1) =
B
t
/B
t+1
, on obtient le rsultat attendu.
4.b. On a pour t + 1 T

E[H
t+1
(T

) [ T
t
] = H
t
(T

)E
_
q
t
(T

)
p
t
(T

)
1
A
t
(T

)
+
1 q
t
(T

)
1 p
t
(T

)
1
A
c
t
(T

)
[ T
t
_
= H
t
(T

)
q
t
(T

)
p
t
(T

)
P[A
t
(T

) [ T
t
] +
1 q
t
(T

)
1 p
t
(T

)
P[A
c
t
(T

) [ T
t
]
= H
t
(T

)
q
t
(T

)
p
t
(T

)
p
t
(T

) +
1 q
t
(T

)
1 p
t
(T

)
(1 p
t
(T

))
= H
t
(T

) .
51
Une rcurrence donne le rsultat (lespace de probabilit tant ni, il ny a pas
de problme dintgrabilit).
4.c. Comme H
0
(T

) := E[H
1
(T

)] = 1 = E[H
T
(T

)] daprs la question pr-

cdente, et que H
T
(T

) > 0, il sagit bien dune mesure de probabilit quiva-

lente.
4.d. Daprs 1., pour t + 1 = T

, on a B
1
t+1
P
t+1
(T

) = B
1
t+1
P
t
(T

)/P
t
(T

) =
B
1
t+1
= B
1
t
P
t
(T

) daprs 3.a. La proprit de martingale est donc automatique

entre T

1 et T

.
Daprs la question 4.a., on a pour t + 1 < T

E
Q
_
B
1
t+1
P
t+1
(T

) [ T
t

(H
t
(T

)B
t+1
)
1
P
t
(T

)
P
t
(t + 1)
E
_
H
T
(T

)
_
u
t
(T

)1
A
t
(T

)
+d
t
(T

)1
A
c
t
(T

)
_
[ T
t
_
.
Comme H(T

) est une P-martingale, (u, d) est F-adapt et A

t
(T

) est T
t+1
-
mesurable, on en dduit
E
Q
_
B
1
t+1
P
t+1
(T

) [ T
t

= (H
t
(T

)B
t+1
)
1
P
t
(T

)
P
t
(t + 1)
E
_
H
t+1
(T

)
_
u
t
(T

)1
A
t
(T

)
+d
t
(T

)1
A
c
t
(T

)
_
[ T
t
_
= (H
t
(T

)B
t+1
)
1
P
t
(T

)
P
t
(t + 1)
H
t
(T

)
E
_
q
t
(T

)
p
t
(T

)
u
t
(T

)1
A
t
(T

)
+
1 q
t
(T

)
1 p
t
(T

)
d
t
(T

)1
A
c
t
(T

)
[ T
t
_
= B
1
t+1
P
t
(T

)
P
t
(t + 1)
(q
t
(T

)u
t
(T

) + (1 q
t
(T

))d
t
(T

))
et on conclut en utilisant 4.a. Lunicit provient de lunicit de la solution de
lquation de la question 4.a. et du raisonnement prcdent.
e. En labsence dopportunit darbitrage, il doit exister une mesure martingale
quivalente. Comme seule Qrend B
1
P(T

) martingale, cest forcment celle-ci.

Lquation se dduit des arguments de 4.d.
5.a. On a P
j
(j + 1) =
j
(t j)P
j
(t)/P
j+1
(t) do
t1

j=0
P
j
(j + 1) =
t1

j=0

j
(t j)P
j
(t)/P
j+1
(t) =
P
0
(t)
P
t
(t)
t1

j=1

j
(t + 1 j)
or P
t
(t) = 1. On peut changer les indices dans le produit car
t1
(1) = 1.
52
5.b. On dveloppe la formule de rcurrence
P
t
(T) =
t
(T t + 1)

t1
(T (t 1) + 1)P
t2
(T)/P
t2
(t 1)
P
t1
(t)
=
t
(T t + 1)

t1
(T (t 1) + 1)P
t2
(T)
P
t1
(t)P
t2
(t 1)
=
t
(T t + 1)
t1
(T (t 1) + 1)

t2
(T (t 2) + 1)P
t3
(T)
P
t1
(t)P
t2
(t 1)P
t3
(t 2)
= P
0
(T)
t

j=1

j
(T j + 1)
t

j=1
P
j1
(j)
et on conlut par la question prcdente.
5.c. On sait daprs 3.a. que r
t
= P
t
(t+1)
1
1. La question prcdente implique
que
r
t
=
P
0
(t)
P
0
(t + 1)
t

j=1

j
(t j + 1)
t

j=1

j
(t + 1 j + 1)
.
2 Minimisation du risque quadratique de couverture
On considre un march nancier en temps discret sur un espace de probabilit
ni (, T, P) muni dune ltration F := (T
t
)
t=1,...,T
complte telle que T
0
est
triviale et T
T
= T. On suppose quil y a un seul actif risqu S et que le taux sans
risque est r constant. On note
t
:= (1 + r)
t
. On note

S := S. On suppose
quil nexiste quune mesure martingale quivalente Q et on note H := dQ/dP.
On note / lensemble des processus adapts ( valeur relle). On note V
x,
la
valeur du portefeuille vriant V
x,
0
= x o / est tel que
t
reprsente le
nombre dunits de S dtenues entre t et t + 1.
Etant donne une variable alatoire G, on dnit, pour tout , la fonction
(, G()) : x R (x, G()) = ([G()x]
+
)
2
o [z]
+
:= maxz, 0 pour z
R. Etant donn p R, on dnit enn u : / u() := E
_
(V
p,
T
, G())
_
.
1. Rappeler la dynamique de la richesse actualise

V
x,
en terme de

S.
2. Peut-on faire des arbitrages sur ce march ?
53
3. Montrer que p E
Q
[
T
G] / tel que u() = 0.
4. On dnit maintenant, pour tout ,

(y, G()) := sup
xR
(yx (x, G())).
Montrer que si y 0 alors

(y, G) = I(y, G)y(I(y, G), G) o I(y, G()) :=
y/2 +G().
5. On note Y :=
T
H. Montrer que u() p E
_

(Y, G)
_
=: v() pour
tout / et 0.
6. On suppose quil existe

< 0 tel que v(

) = sup
<0
v(). Montrer que
E
Q
_

t
(

Y, G)
_
= p o

t
(y, G) :=

(y, G)/y = I(y, G).

7. En dduire quil existe

qui minimise u sur / et quil vrie V
p,

T
=
G[

[Y/2. Un tel

< 0 peut-il exister si p E
Q
[
T
G] ?
3 Thorme de Kreps-Yan, ni
On note x
j
la j-me composante dun vecteur x de R
d
. Soit C un ensemble
convexe ferm de R
d
tel que :
(i) x C si 0 et x C.
(ii) (, 0]
d
C.
(iii) C [0, )
d
= 0
On note e
i
le i-me vecteur de la base canonique de R
d
(i.e. sa i-me composante
vaut 1 et les autres 0).
1. Montrer que, pour tout i d, il existe Y
i
R
d
tel que sup
xC
x, Y
i
) <
e
i
, Y
i
).
2. En utilisant (i), montrer que sup
xC
x, Y
i
) = 0 < e
i
, Y
i
).
3. En dduire Y
i
i
> 0 et montrer que Y
i
[0, )
d
(utiliser (ii)).
4. En dduire quil existe Y (0, )
d
tel que x, Y ) 0 pour tout x C.
5. Interprter ce rsultat en nance (que reprsente C, Y ?).
4 Option amricaine callable
Pour viter tout problme dintgrabilit, on suppose ici que est ni. On
considre un march nancier compos dun actif sans risque, de rendement
par priode nul, r = 0, et dun actif risqu dont le prix S = (S
t
)
tT
est un
processus adapt. On suppose que S est une martingale sous P et que le march
54
est complet, i.e. toute variable alatoire X admet la reprsentation X = E[X] +

T1
t=0

t
(S
t+1
S
t
) pour une processus /, lespace des processus valeurs
relles adapts.
Par la suite, tant donns x R et /, on note V
x,
le processus de
portefeuille associ : V
x,
s
:= x +

s1
t=0

t
(S
t+1
S
t
), s T.
On note T lensemble des temps darrt valeurs dans 0, . . . , T. Etant donns
, T , on note G(, ) :=

+L

1
>
o , L sont deux processus adapts
valeurs relles vriant
t
L
t
P p.s. pour tout t T.
1. Etant donns , T , on dnit Y

et X

par
Y

T
= G(T, ) , Y

t
= maxG(t, ) , E
_
Y

t+1
[ T
t
_
t T 1 ,
X

T
= G(, T) , X

t
= minG(, t) , E
_
X

t+1
[ T
t

t T 1 .
(a) Caractriser Y

et X

en terme denveloppes de Snell de processus

prciser.
(b) Montrer quil existe deux martingales M

et N

, ainsi que deux

processus prvisibles croissants A

et B

vriant A

0
= B

0
= 0 tels
que Y

= M

et X

= N

+B

.
(c) Montrer que X

P p.s. et en dduire que X

t
Y

t
pour
tout t T, o := .
2. Soit loption amricaine callable de payo G. Ici, sinterprte comme la
date dexercice de loption par lacheteur, et comme la date de rachat de
loption par le vendeur. Si , lacheteur reoit du vendeur le montant

la date . Si > , i.e. le vendeur rachte loption avant quelle ne

soit exerce, lacheteur reoit du vendeur le montant L

la date . On
suppose que loption est vendue la date 0 au prix p.
(a) Montrer que si p > y
0
:= inf
T
Y

0
alors le vendeur peut raliser un
arbitrage (quelle que soit la stratgie dexercice de lacheteur).
(b) Montrer que si p < x
0
:= sup
T
X

0
alors lacheteur peut raliser
un arbitrage (quelle que soit la stratgie de rachat du vendeur).
3. On dnit maintenant le processus Z par
Z
T
=
T
, Z
t
= minL
t
, max
t
, E[Z
t+1
[ T
t
] t T 1 .
On note := inft 0 : Z
t
=
t
,

:= inft 0 : Z
t
= L
t
T et

:=

.
55
(a) Montrer que (Z
t

)
tT
est une sur-martingale minore par le proces-
sus (G(t,

))
tT
et que (Z
t
)
tT
est une sous-martingale majore
par le processus (G( , t))
tT
.
(b) En dduire que Y

= Z
t

= X

t

P p.s. pour tout t T.

4. On peut maintenant calculer le prix compatible avant labsence darbitrage
et les stratgies de couverture et dexercice.
(a) Montrer que si loption est change en 0 au prix Z
0
alors ni le
vendeur ni lacheteur ne peuvent raliser un arbitrage.
(b) Montrer quil existe une martingale

M et un processus prvisible

A,
nul en 0, tels que Z =

M +

A,

A
t
0 Pp.s. et

A
t

0 Pp.s.
pour tout t T.
(c) Montrer quil est rationnel pour le vendeur de racheter loption au
temps

(si elle na pas encore t exerce) et caractriser la strat-
gie de couverture de loption en fonction de la reprsentation de

M
comme intgrale stochastique par rapport S
(d) Quelle est la date dexercice optimale pour lacheteur ? (justier bri-
vement)
5 Options swing
On se place sur un espace de probabilit (, T, P) muni dune ltration F =
(T
t
)
t=0,...,T
satisfaisant les conditions habituelles, et telle que T
0
est triviale.
Ici, T N 0. Pour viter tout problme dintgrabilit, on suppose que
est ni. On considre un march nancier compos dun actif sans risque,
de rendement par priode nul (i.e. r = 0), et dun actif risqu dont le prix
S = (S
t
)
tT
est un processus adapt. On suppose que S est une martingale
sous P et que le march est complet, i.e. toute variable alatoire X admet la
reprsentation X = E[X] +

T1
t=0

t
(S
t+1
S
t
) pour une processus /,
lespace des processus valeurs relles adapts.
Par la suite, tant donns x R et /, on note V
x,
le processus de
portefeuille associ : V
x,
s
:= x +

s1
t=0

t
(S
t+1
S
t
), s T.
Soit G un processus adapt valeur positive. Une option swing de payo G
au plus N dates dexercice (2 N T) est une option de type amricain qui
peut tre exerce N fois avant T. A chaque date dexercice , lacheteur recoit
le payo G

. Il ne peut cependant pas exercer deux fois la mme date.

56
An de modliser la stratgie dexercice de lacheteur, on dnit lensemble T
N
des N-uplets de temps darrt (
N
, . . . ,
1
) valeur dans 0, . . . , T tels que

i+1
<
i
P p.s. et
i+1
T i pour tout i < N.
Ceci signie que lcart entre deux temps darrt est dau moins 1. On interprte

1
comme le dernier exercice,
2
comme lavant dernier, etc.... Lindice i signie
quil reste i exercices y compris celui en question. Par ailleurs, le payo tant
positif, il est vident quil est sous-optimal davoir plus de i exercices restant
aprs T i.
1. Soit Y
1
le processus dnit par
Y
1
T
= G
T
Y
1
t
= max
_
G
t
, E
_
Y
1
t+1
[ T
t
_
si t < T .
(a) Quelle est linterprtation nancire de Y
1
t
?
(b) Quelle est linterprtation nancire de
1
:= inft 0 [ Y
1
t
= G
t
?
On dnit maintenant la suite (Y
n
)
1nN
comme suit : Y
1
est dnit comme
dans la question prcdente et, pour 1 n N,
Y
n+1
t
= Y
n
t
si T n < t T (1)
Y
n+1
t
= max
_
G
t
+E
_
Y
n
t+1
[ T
t

, E
_
Y
n+1
t+1
[ T
t
_
si t T n . (2)
2. On tudie maintenant la proprit de sur-martingale des Y
n
.
(a) Montrer que Y
n
est processus positif, pour tout n N.
(b) Montrer que (Y
n+1
t(Tn+1)
)
tT
est une surmartingale pour tout 0
n N (aide : crire la dirence entre t et t + 1 et distinguer le cas
t T n de son complmentaire).
(c) En utilisant (1) et la question prcdente, montrer que
Y
n+1
Tn+1
= Y
n
Tn+1
E
_
Y
n
Tn+2
[ T
Tn+1

= E
_
Y
n+1
Tn+2
[ T
Tn+1

pour 2 n N.
(d) Utiliser une rcurrence pour en dduire que Y
n
est une surmartingale
sur [0, T] pour tout 1 n N.
57
3. Etant donn := (
N
, . . . ,
1
) T
N
, on dnit
C

s
:=
1

i=N
G

i
1

i
s
s T .
(a) Donner une interprtation nancire de V
x,
C

, pour x R, /
et T
N
.
(b) Montrer quil existe / tel V
Y
N
0
,

N
C

N
E
_
Y
N1

N
+1
[ T

N
_
quel
que soit := (
N
, . . . ,
1
) T
N
(aide : se rappeler que
N
TN+1
par dnition).
(c) En dduire quil existe

/tel V
Y
N
0
,

N
+1
C

N
+1
Y
N1

N
+1
G

N1
1

N1
=
N
+1
et V
Y
N
0
,

N1
C

N1
E
_
Y
N2

N1
+1
[ T

N1
_
, quel que soit := (
N
, . . . ,
1
)
T
N
.
(d) Montrer par rcurrence quil existe

/ tel V
Y
N
0
,

k+1
C

k+1

E
_
Y
k

k+1
+1
[ T

k+1
_
pour tout k < N, quel que soit := (
N
, . . . ,
1
)
T
N
.
(e) En dduire que
Y
N
0
p
N
:= infx 0 : / t.q. V
x,
s
C

s
0 s T , T
N
.
4. Soit := (
N
, . . . ,
1
) le N-uplets de temps darrt dnit par

1
:= inft >
2
[ Y
1
t
= G
t

n
:= inft >
n+1
[ Y
n
t
= G
t
+E
_
Y
n1
t+1
[ T
t

1
t<T
si 2 n N

N+1
:= 1 ,
avec la convention inf = +.
(a) En utilisant le fait que G 0, montrer que
n
T n+1 pour tout
1 n N.
(b) Montrer que (Y
n
t
n
)
tT
est une martingale, pour tout 1 n N.
(c) Soit / et x R tels que V
x,
s
C

s
pour tout s T.
i. Montrer que
V
x,

1
C


1
= C


1
1
+G

1
= C


2
+Y
1

1
58
ii. En dduire que
V
x,

2
C


2
+E
_
Y
1

2
+1
[ T

2

C


3
+Y
2

2
.
iii. Dduire dune rcurrence que V
x,
0
Y
N
0
.
5. En utilisant les questions prcdentes, montrer que Y
N
0
= p
N
.
6. Dcrire la stratgie de couverture en fonction des reprsentions des parties
martingales des Y
n
.
7. Quelle est votre avis la stratgie dexercice optimale pour lacheteur de
loption swing ? Expliquer brivement pourquoi.
59
Deuxime partie
Marchs nanciers en temps
continu : Principes gnraux
60
Chapitre 6
AOA et valuation doptions
dans un modle dIt
A partir de maintenant, on travaille sur un espace de probabilit complet
(, T, P) supportant un mouvement brownien standard n-dimensionnel W =
(W
1
, . . . , W
n
). On note F = (T
t
)
tT
la ltration naturelle engendre par W,
complte. Ici, T = [0, T] o T > 0. On suppose que T
T
= T, i.e. tout lala est
gnr par W.
1 Actifs nanciers, stratgies et portefeuilles
1.1 Actifs nanciers
Le taux sans risque est modlis par un processus F-prvisible r = (r
t
)
tT
, i.e. r
t
est T
t
-mesurable pour tout t T. Un euro plac sur une intervalle dt rapporte
un rendement r
t
dt. Autrement dit, un euro plac la date s rapporte la date
t > s la somme e
R
t
s
r
u
du
. Ceci conduit introduire le processus dactualisation
dni par

t
:= e

R
t
0
r
u
du
, t T .
On supposera par la suite que
sup
tT
[r
t
[ < P p.s.
On suppose que lon dispose en outre de d actifs risqus modliss par un
61
processus S = (S
1
, . . . , S
d
) vriant
S
t
= S
0
+
_
t
0
b
s
ds +
_
t
0

s
dW
s
, t T . (1)
Ici, S
0
R
d
+
est x, (b, ) est un processus prvisible valeurs dans R
d
M
d,n
.
Un tel processus est bien dni ds que
_
T
0
_
|b
t
| +|
t
|
2
_
dt < P p.s. (2)
On parle de processus dIt . On rappelle que la reprsentation prcdente est
unique (voir [24]).
Proposition 1 Soient (b
i
,
i
), i = 1, 2, deux processus prvisibles valeurs
dans R
d
M
d,n
vriant chacun
_
T
0
_
|b
i
t
| +|
i
t
|
2
_
dt < P p.s.
Si P p.s. pour tout t T
_
t
0
b
1
s
ds +
_
t
0

1
s
dW
s
=
_
t
0
b
2
s
ds +
_
t
0

2
s
dW
s
alors
(b
1
,
1
) = (b
2
,
2
) dt dPp.p.
Par la suite, on utilisera la notation

S = S
pour dsigner le processus de prix des actifs risqus actualis. On peut remarquer
quune simple application du Lemme dIt implique que

S
t
= S
0
+
_
t
0
(

b
s
r
s

S
s
)ds +
_
t
0

s
dW
s
, t T (3)
o (

b, ) = (b, ).
62
1.2 Stratgies et portefeuilles
Une stratgie nancire est un processus F-prvisible (, ) valeurs dans R
R
d
. Pour chaque i d et t T,
i
t
reprsente la quantit dactifs risqus S
i
dtenus dans le portefeuille et
t
la somme place au taux sans risque.
La somme
t
place au taux sans risque rapporte un rendement instantan

t
r
t
dt. La somme
i
t
S
i
t
place en actif S
i
induit un gain li la variation du
cours de lactif gal
i
t
dS
i
t
.
Par similitude avec les modles en temps discret, on dira que la stratgie est
autonance si la variation instantane de la richesse V ne dpend que de la
variation de cours des actifs risqus et du rendement du montant
t
plac au
taux sans risque :
dV
t
= r
t

t
dt +
t
t
dS
t
Comme la valeur du portefeuille scrit
V
t
=
t
+
t
, S
t
)
on doit avoir

t
= V
t

t
, S
t
) ,
ce qui implique que
dV
t
= (r
t
V
t
+
t
, b
t
r
t
S
t
)) dt +
t
t

t
dW
t
. (4)
Par ailleurs, on dduit du Lemme dIt que la richesse actualise

V = V volue
alors selon lquation
d

V
t
=
t
,

b
t
r
t

S
t
)dt +
t
t

t
dW
t
=
t
t
d

S
t
. (5)
Par la suite, on notera V
x,
(resp.

V
x,
) le portefeuille (resp. actualis) associ
une stratgie et valant x en 0.
De manire pouvoir donner un sens aux quations (4) et (5), on se restreindra
aux processus tels que
_
T
0
_
|
t
, b
t
)| +|
t
, S
t
)| +|
t
t

t
|
2
_
dt < P p.s. ,
63
on rappelle que r est P p.s. born. Enn, an dviter des stratgies de type
doubling strategies qui peuvent conduire des arbitrages si lon est prt sen-
detter inniment, nous imposons une condition dadmissibilit de type condi-
tion de non-banqueroute :

V
0,
t
c
0

i=1
c
i

S
i
t
P p.s. pour tout t T (6)
o c
0

, . . . , c
d

sont des constantes pouvant dpendre de .

On dira quune stratgie est admissible si elle vrie les deux conditions pr-
cdentes et on notera / lensemble des stratgies admissibles.
Remarque 2 La condition (6) implique que
P
_
q Q T :

V
0,
q
c
0

i=1
c
i

S
i
q
_
= 1 .
Comme

V
0,
et

S sont des processus P p.s. continus, voir le Corollaire du
Thorme 30 du Chapitre IV de [36], elle est donc quivalente

V
0,
t
c
0

i=1
c
i

S
i
t
pour tout t T P p.s.
2 Absence dopportunit darbitrage
On dira quil y a absence dopportunit darbitrage si la condition
(AOA) : /, V
0,
T
0 P p.s. V
0,
T
= 0 P p.s.
est vrie.
2.1 Condition ncessaire
On commence par tudier une condition ncessaire qui caractrise labsence
dopportunit darbitrage par lexistence dune prime de risque.
Thorme 3 Si (AOA) est vrie, alors il existe un processus F-prvisible
tel que
= b rS dt dPp.p.
Ce processus est appel prime de risque.
64
La preuve de ce thorme repose sur la proprit selon laquelle le rendement
instantan dun portefeuille sans risque, i.e. tel que
t
= 0, est ncessairement
gal r.
Proposition 4 Si (AOA) est vrie, alors il nexiste pas de processus /
tel que

t
= 0 dt dPp.p. et P
__
T
0
1

t
(b
t
r
t
S
t
)>0
dt > 0
_
> 0 .
Preuve. Supposons au contraire quil existe un processus / tel que

t
= 0 dt dPp.p. et P
__
T
0
1

t
(b
t
r
t
S
t
)>0
dt > 0
_
> 0 .
On pose alors

= 1

t
(b
t
r
t
S
t
)>0
. Daprs (5),

V
0,

t
=
_
t
0

t
t
(

b
t
r
t

S
t
)1

t
(b
t
r
t
S
t
)>0
ds 0
et P
_

V
0,
T
> 0
_
. Comme

/, ceci contredit lhypothse (AOA). 2
An de complter la preuve du Thorme 3 on fait maintenant appel au Lemme
de Farkas.
Lemme 5 (Lemme de Farkas) Soit (a, A) R
d
M
d,n
. Sil nexiste pas x R
d
tel que x
t
A = 0 et x
t
a > 0, alors il existe y R
n
tel que a = Ay. Par ailleurs,
y peut tre choisi de manire mesurable par rapport (a, A).
Preuve. Soit
1
, . . . ,
n
les vecteurs colonne de A. Lhypothse signie que
Vect
1
, . . . ,
n

Vecta

ce qui implique que a Vect

1
, . . . ,
n
. Il
existe donc y R
n
tel que a = Ay. Quitte se ramener une base orthogonale
de Vect
1
, . . . ,
n
par une procdure de Gram-Schmidt, on peut supposer que
les
i
sont dj orthogonaux. On obtient alors y
i
= a,
i
)/|
i
|
2
si
i
,= 0, y
i
= 0
sinon. 2
Preuve du Thorme 3. Daprs la Proposition 4, on a dt dP-p.p. x
t

t
=
0 implique x
t
(b
t
r
t
S
t
) = 0. Daprs le Lemme 5, ceci implique quil existe

t
tel que (b
t
r
t
S
t
) =
t

t
dt dP-p.p. Comme peut tre contruit de
manire mesurable par rapport (b rS, ), il peut tre choisi de manire
tre prvisible. 2
Remarque 6 1. Si n = d et
t
est inversible alors
t
=
1
t
(b
t
r
t
S
t
).
2. Si
t
t

t
est inversible alors
t
= (
t
t

t
)
1

t
t
(b
t
r
t
S
t
).
65
2.2 Condition susante
On donne maintenant une condition susante qui repose sur lexistence dune
prime de risque susamment intgrable, voir la dnition dans le Thorme
3.
Contrairement ce que nous avons vu en temps discret, il nest pas toujours
possible dexhiber un lment de /(

S), lensemble des mesures Q P telles

que

S est une Q-martingale
1
. Autrement dit, il nexiste pas toujours une mesure
martingale quivalente et on est en gnral amen considrer un ensemble de
mesures plus gros : lensemble /
loc
(

S) des mesures Q P telles que

S est une
Q-martingale locale, , i.e. il existe une suite de F-temps darrt
2
(
k
)
k1
telle
que
k
Q-p.s et (

S
t
k
)
tT
est une Q-martingale, pour tout k 1.
On parle de lensemble des mesures martingales locales quivalentes.
Thorme 7 Sil existe une prime de risque telle que la solution H de lqua-
tion
H
t
= 1
_
t
0
H
s

t
s
dW
s
soit une P-martingale, alors la mesure quivalente Q de densit H
T
appartient
/
loc
(

S).
Si

V
x,
est born infrieurement par une Q-martingale, alors

V
x,
est une Q-
surmartingale, (x, ) R/. Cest le cas en particulier si Q /(

S) et (AOA)
est alors vrie.
Remarque 8 En appliquant le Lemme dIt, on vrie que le processus H du
Thorme 7 est donn par
H
t
= e

1
2
R
t
0
|
s
|
2
ds
R
t
0

s
dW
s
.
Dire que H est une martingale est alors quivalent dire que E[H
T
] = 1. Une
condition susante assurant ce rsultat est la condition de Novikov
E
_
e
1
2
R
t
0
|
s
|
2
ds
_
< ,
1
On rappelle que X est une P-surmartingale si pour tout s t T : X

t
L
1
(P)
et E[X
t
| F
s
] X
s
P p.s. Le processus X est une P-martingale si X et X sont des
surmartingales.
2
On rappelle quun F-temps darrt est une variable alatoire positive telle que {
t} F
t
pour tout t T.
66
voir Proposition 5.12 dans [24]. Elle est en particulier vrie si est essentiel-
lement born.
La preuve du Thorme 7 repose sur le Thorme de Girsanov et quelques
lemmes techniques.
Thorme 9 (Thorme de Girsanov) Soit un processus adapt P p.s. de
carr intgrable tel que la solution H de lquation
H
t
= 1
_
t
0
H
s

t
s
dW
s
soit une P-martingale, alors le processus W

Q
dni par
W

Q
= W +
_

0

s
ds
est un mouvement Brownien sous la mesure

Q de densit H
T
.
Preuve. Voir Thorme 5.1 dans [24]. 2
On nonce maintenant deux rsultats techniques.
Lemme 10 Si est Pp.s. de carr intgrable et

W est un mouvement brow-
nien n-dimensionnel sous une mesure

Q P, alors le processus X dni par
X
t
=
_
t
0

t
s
d

W
s
, t T ,
est une

Q-martingale locale.
Preuve. Voir la Proposition 2.24 dans [24]. 2
Thorme 11 (Arrt born) Soient

Q P et X une

Q-surmartingale. Si
1
et

2
sont deux temps darrts essentiellement borns tels que
1

2

Q-p.s., alors
E

Q
[X

2
[ T

1
] X

1
.
En particulier, si est un temps darrt, alors le processus arrt (X
t
)
tT
est
une

Q-surmartingale.
Preuve. Comme la ltration est browienne, toute les martingales sont conti-
nues, voir Corollaire 1 du chapitre IV dans [36]. La premire assertion provient
alors du Thorme 16 du chapitre I de [36]. La seconde en est une consquence
immdiate. 2
67
Remarque 12 Le rsultat prcdent sapplique galement aux martingales
puisque X est une martingale si et seulement si X et X sont des surmar-
tingales.
Lemme 13 Soient

Q P, X une

Q-martingale locale et M une

Q-martingale
telle que X M t T P-p.p. Alors, X est une

Q-surmartingale.
Preuve. Soit (
k
)
k1
une suite de temps darrt telle que
k
Q-p.s et
(X
t
k
)
tT
est une

Q-martingale, pour tout k 1. Pour tout k 1, on a,
daprs le Thorme 11,
E

Q
[X
t
k
M
t
k
[ T
s
] = X
s
k
M
s
k
.
Comme X M 0 et (X, M)

k
(X, M)

Q-p.s., on dduit du Lemme de
Fatou que
E

Q
[X
t
M
t
[ T
s
] X
s
M
s
.
On conclut en rappelant que M est une

Q-martingale. 2
Preuve du Thorme 7. Le Thorme 9 implique que W
Q
dni par
W
Q
= W +
_

0

s
ds
est un mouvement Brownien sous la mesure quivalente Q de densit H
T
.
Daprs (3), on a

S
t
= S
0
+
_
t
0

s
dW
Q
s
, t T
et la condition (2) impliquent que

S est une Q-martingale locale. Daprs (5),
la dynamique de la richesse actualis scrit alors

V
0,
t
=
_
t
0

t
s

s
dW
Q
s
.
Les Lemmes 10 et 13 implique que la richesse actualise est une Q-surmartingale
si elle est borne infrieurement par une Q-martingale. Etant donne la condi-
tion dadmissibilit (6) et la Remarque 2, cest le cas si Q /(

S). Ceci implique

que E
Q
_

V
0,
T
_
0 et donc que

V
0,
T
= 0 Pp.s. si

V
0,
T
0 Pp.s. La condition
(AOA) et donc vrie. 2
68
2.3 Condition ncessaire et susante
En gnral la condition (AOA) nest pas susante pour obtenir lexistence dune
mesure de /(

S) et il est ncessaire de considrer une condition plus forte,

portant sur une notion darbitrage plus faible. La condition la plus naturelle est
celle du no free-lunch with vanishing risk propose par [13].
On dit que la condition (NFLVR) est vrie sil nexiste pas de suite (
n
)
n1
de / telle que
1. (V
0,
n
T
)

0 en norme L

2. V
0,
n
T
f P p.s. o f L
0
(R
+
) 0.
Cette hypothse signie quil nest pas possible de construire une suite de por-
tefeuilles dont la valeur terminale tend uniformment vers 0 et qui la limite
conduit un arbitrage. Autrement dit, il nest pas possible de sapprocher aussi
prs que lont veut dune situation darbitrage.
Thorme 14 ([13]) (NFLVR) /
loc
(

S) ,= .
Remarque 15 Il est clair que (NFLVR) implique quil ny a pas darbitrage
si lon se restreint aux stratgies / telles que

V

est born inferieurement

par une constante c

. On appellera par la suite /

b
cet ensemble de stratgies et
(AOAb) la condition dabsence dopportunit darbitrage dans cette classe. En
particulier, si /
b
alors

V
0,
est une sur-martingale sous Q quelle que soit
Q /
loc
(

S).
La proposition suivante permet de faire le lien entre /
loc
(

S) et /(

S).
Proposition 16 Soit Q /
loc
(

S) telle que E
Q
_
sup
tT
|

S
t
|
_
< , alors Q
/(

S).
Preuve. Comme chaque composante de

S (resp.

S) est borne infrieure-

ment par la martingale (E
Q
_
sup
sT
|

S
s
| [ T
t
)
tT
_
, le Lemme 13 implique
que chaque composante de

S (resp.

S) est une Q-surmartingale. 2

3 Evaluation doptions europennes
Comme dans la section prcdente, on se restreint aux stratgies dans /
b
.
Comme dans les modles temps discret, il existe deux notions de prix na-
turelles :
69
1. On dit quun prix p est viable pour loption G si lachat ou la vente de cette
option ce prix nintroduit pas darbitrage sur le march, i.e. si
, /
b
et 1, 1 t.q. V
p,
T
G L
0
(R
+
) 0 . (7)
2. On dit que p est le prix de sur-rplication de G si
p = p(G) := infx R : /
b
t.q. V
x,
T
G L
0
(R
+
) . (8)
Contrairement au temps discret, il est dicile ici de travailler avec la classe
des actifs contingents dans L
S
. Par la suite, on se restreint donc la classe des
options G L
0
tel que

G

appartient lensemble L

des variables alatoires

essentiellement bornes.
Thorme 17 ([16]) Supposons que /
loc
(

S) ,= alors, pour tout G L

0
tel
que

G

,
p(G) = sup
Q/
loc
(

S)
E
Q
[
T
G] .
Par ailleurs, il existe / tel que V
p(G),
T
G P p.s. si p(G) < .
Ce thorme permet de dcrire lensemble des prix viables.
Corollaire 18 Supposons que /
loc
(

S) ,= alors, pour tout G L

, len-
semble des prix viables est donn par lintrieure relatif de [p(G), p(G)].
En outre, il existe /
b
tel que V
p(G),
T
= G P p.s. si et seulement si
p(G) = p(G).
Preuve. Ce rsultat dcoule du Thorme 17 par des arguments similaires
ceux utiliss pour prouver le Thorme 12 du Chapitre 1. 2
4 Caractrisation des marchs complets
On dira que le march est un march complet si pour tout G L
0
tel que
[G[ L

, il existe un couple (p, ) R/

b
tel que V
p,
T
= G Pp.s. Dans ce
cas, on dit que G est atteignable ou rplicable.
70
4.1 Approche gnrale
Comme pour les marchs en temps discret, la compltude est caractrise par
lunicit dune mesure martingale (locale).
Thorme 19 Supposons que /
loc
(

S) ,= . Alors le march est complet si et

seulement si /
loc
(

S) est rduit un singleton.

Preuve. Cest une consquence immdiate du Thorme 17 et du Corollaire
18. 2
Le thorme prcdent permet de montrer que, si Q est lunique mesure martin-
gale locale et si

S est une vraie Q-martingale, alors les Q-martingales admettent
une reprsentation en terme de

S. Pour le montrer, on fait appel au Thorme
de reprsentation des martingales.
Thorme 20 (Reprsentation des martingales) Si M est une P-martingale,
alors il existe prvisible et P p.s. de carr intgrable tel que
M = M
0

_

0

t
s
dW
s
.
Si H L
1
(P) vrie H > 0 P p.s., alors il existe prvisible et P p.s. de
carr intgrable tel que
H = E[H] e

1
2
R

0
|
s
|
2
ds
R

s
dW
s
.
Preuve. Voir Corollaires 3 et 4 p156 du Chapitre IV de [36]. 2
Corollaire 21 On suppose que /
loc
(

S) = /(

S) = Q. Alors,
(i) il existe une prime de risque associe Q vriant les conditions du Tho-
rme 7,
(ii) toute Q-martingale M vriant [M
T
[ L
S
admet la reprsentation M =

V
M
0
,
pour un /,
(iii)

V
M
0
,
est une Q-martingale pour tout pour / et p R tels que
[

V
p,
T
[ L
S
.
Preuve. (i) On pose H
T
la densit de Q par rapport P. Soit le processus pr-
visible intervenant dans la reprsentation de H
T
donne par le Thorme (20).
71
Alors, H := (H
t
)
tT
dni par H
t
= E[H
T
[ T
t
] est une martingale (martingale
locale positive telle que E[H
T
] = H
0
= 1) vriant
H
t
= 1
_
t
0
H
s

t
s
dW
s
.
Dire que

S est une Q-martingale est quivalent dire que H

S est une P-
martingale. Or le Lemme dIt et (3) impliquent que
(H

S)
t
= S
0
+
_
t
0
H
s
(

b
s
r
s

S
s

s

s
)ds +
_
t
0
(H
s

s
H
s

S
t

t
s
)dW
s
.
On dduit alors de la Proposition 1 et du Thorme 20 que est bien une prime
de risque associe Q vriant les conditions du Thorme 7.
(ii) Daprs le Thorme 19, le Thorme 17 et le Corollaire 18 , il existe
/ tel que M
T
=

V
M
0
,
T
. Comme daprs le Thorme 7,

V
M
0
,
est une
Q-surmartingale, on en dduit que M
t
= E
Q
[M
T
[ T
t
] = E
Q
_

V
M
0
,
T
[ T
t
_

V
M
0
,
t
Pp.s. Mais comme E
Q
_
M
t


V
M
0
,
t
_
M
0
M
0
= 0, ceci montre que
M
t
=

V
M
0
,
t
P p.s. pour tout t T. Cest donc P p.s. vrai pour tout les
rationnels de T. Or, V
M
0
,
est continu et M aussi, de part la reprsentation du
Thorme 20. Lgalit est donc P p.s. vraie pour tout t T.
(iii) La dernire assertion se montre de la mme manire. 2
4.2 Cas dune volatilit inversible
On donne maintenant une condition susante qui porte plus explicitement sur
les processus r, b et et qui est en gnral facilement vriable en pratique. Le
cadre prsent ci-dessous permet galement dtendre la proprit de reprsen-
tation du Corollaire 21 une plus large classe de martingales.
On suppose dans cette sous-section quil existe une prime de risque telle que
la solution H de lquation
H
t
= 1
_
t
0
H
s

t
s
dW
s
soit une P-martingale.
On note Q la mesure quivalente de densit H
T
. Daprs le Thorme 9, le
processus
W
Q
= W +
_

0

s
ds
72
est un mouvement Brownien sous Q /
loc
(

S), voir le Thorme 7.

Rappelons que la dynamique de la richesse actualise scrit en terme de W
Q

V
0,
t
=
_
t
0

t
s

s
dW
Q
s
. (9)
On suppose en outre que
S0. Q /(

S),
S1.
t
est inversible pour tout t T P p.s.,
S2. Son inverse (
t
)
1
est borne uniformment sur [0, T] P p.s.
Remarque 22 Si vrie la condition de Novikov, voir Remark 8, alors H
est bien une P-martingale. Cest en partuclier le cas si est borne. Si en
outre, E
Q
_
_
T
0
|
t
|
2
dt
_
< alors S0 est vri. Cest le cas si H
T
L
2
et
E
_
_
T
0
|
t
|
4
dt
_
< .
Proposition 23 Sous les conditions S0, S1 et S2, le march. Tout G tel que

L
S
scrit comme la valuer terminale dun portefeuille issu de 0 et associ
une stratgie de /. En outre, si M est une Q-martingale vriant
M
t
c
0
M

d

i=1
c
i
M

S
i
t
P p.s. pour tout t T
pour certaines constantes relles c
0
M
, , c
d
M
, alors il existe / tel que

V
M
0
,
= M P p.s.
Preuve. Soit G tel que [

G[ L
S
. Comme

S est une martingale sous Q,

G
L
1
(Q). Le processus M := (E
Q
_

G [ T
t
_
)
tT
est donc une Q-martingale qui
en outre vrie
M
t
c
0
G

d

i=1
c
i
G

S
i
t
P p.s. pour tout t T
pour certaines constantes relles c
0
G
, , c
d
G
. Par ailleurs, le Thorme 20 im-
plique quil est possible dcrire M sous la forme
M = E
Q
_

G
_
+
_

0

t
s
dW
Q
s
73
pour un certain processus prvisible P p.s. de carr intgrable. On dduit
alors de (9) que le processus := (
t
( )
1
)
t
vrie

V
E
Q
[

G],
= E
Q
_

G
T
_
+
_

0

t
s

s
dW
Q
s
= E
Q
_

G
T
_
+
_

0

t
s
dW
Q
s
= M
ainsi que la condition dadmissibilit pour /. Enn, comme est P p.s. de
carr intgrable et ( )
1
est borne uniformment sur [0, T] P p.s., on vrie
bien que est P p.s. de carr intgrable. 2
5 Options amricaines en marchs complets
On donne ici la formulation duale du prix de couverture des options amri-
caines en marchs complets. Cest la contre-partie en temps continu du rsultat
dmontr en temps discret dans le Chapitre 3.
On suppose que
S0. Q = /(

S) = /
loc
(

S),
S1.
t
est inversible pour tout t T P p.s.,
S2. Son inverse (
t
)
1
est borne uniformment sur [0, T] P p.s.
de sorte quil existe une prime de risque associe Q vriant les conditions du
Thorme 7, voir Corollaire 21.
Une option amricaine est modlise par un processus G = (G
t
)
tT
. Pour sim-
plier, on le supposera continu. On suppose galement que
E
Q
_
sup
tT
[

G
t
[
_
< , [

G[ c
0
G
+
d

i=1
c
i
G

S
i
P p.s. (10)
o

G = G et c
0
G
, . . . , c
d
G
sont des constantes relles.
Comme dans le Chapitre 3, on dit que le prix p est un prix viable pour loption
amricaine si
1. , / t.q. V
x,

L
0
(R
+
) 0 pour tout T
0
2. , (, ) /T
0
t.q. V
x,

+G

L
0
(R
+
) 0.
o T
t
dsigne lensemble des temps darrt valeurs dans [t, T], t T.
Comme dans les marchs en temps discret, il ny a quun prix viable en march
complet et il admet une reprsentation en terme de problme darrt optimal.
74
Thorme 24 Sous S0, S1 et S2, lunique prix viable est donn par
p(G) := inf
_
p R : / t.q. V
p,
t
G
t
t T , P p.s.
_
= sup
T
0
E
Q
_

_
=: Y
0
.
La preuve est sensiblement plus technique que celle prsente en temps discret
dans le Chapitre 3 mais suit essentiellement les mmes ides. On la dcoupe
en plusieurs propositions. Certains rsultats techniques intermdiaires, qui d-
passent largement le cadre de ces notes, seront admis. Par la suite on travaille
toujours sous S0, S1 et S2.
On montre tout dabord que p(G) Y
0
.
Proposition 25 On a p(G) Y
0
.
Preuve. Si p R et / sont tels que V
p,
G P p.s., alors on dduit
de S0, (10), du Thorme 7 et du Thorme 11 que p E
Q
_

V
p,

_
E
Q
_

_
pour tout T
0
. Ceci implique que p(G) Y
0
. 2
A T
0
x, on dnit maintenant

Y

par
3

:= ess sup
T

E
Q
_

[ T

_
,
o T

est lensemble des temps darrt de T

0
P p.s. plus grands que .
On commence par montrer que (

, T
0
) vrie le principe de programmation
dynamique.
Proposition 26 (Programmation dynamique) Pour tout T
0
et T

, on
a P p.s.

= ess sup
T

E
Q
_

1
>
+

G

[ T

_
.
Par ailleurs,

Y

P p.s.
3
Lessentiel sup (esssup ) dune famille de variables alatoires relles est la plus petite va-
riable alatoire Pp.s. plus grande que chaque lment de la famille. Si on prenait simplement
le sup, la fonction ainsi dnie pourrait ne pas tre mesurable, et donc ne pas tre une variable
alatoire.
75
Preuve. Tout dabord, il est clair que T

, ce qui implique que

Y

E
Q
_

[ T

_
=

G

et que

=

G

1
>
+

G

1
>
+

G

do

ess sup
T

E
Q
_

1
>
+

G

[ T

_
.
Il faut maintenant montrer lingalit oppose. On remarque tout dabord que
la famille F := J

:= E
Q
_

[ T

_
: T

est ltrante dans le sens o, si

1
,
2
T

, alors il existe
3
T

tel que J

3
maxJ

1
,J

2
P p.s. Il sut
de prendre
3
=
1
1
A
+
2
1
A
c o A := J

1
J

2
T

. Ceci implique quil

existe une suite (
n
)
n
de T

telle que
lim
n
J

n
= ess sup
T

P p.s. ,
voir [32]. Par convergence monotone, on obtient alors
E
Q
_

1
>
+

G

[ T

_
= E
Q
_
lim
n
E
Q
[G

n
[ T

] 1
>
+

G

[ T

_
= lim
n
E
Q
_
E
Q
[G

n
[ T

] 1
>
+

G

[ T

_
= lim
n
E
Q
_

n
1
>
+

G

[ T

_
.
Comme
n
1
>
+1

, ceci implique lingalit recherche. 2

Il reste montrer que p(G) Y
0
. Pour cela, on admet, voir [26], quil existe une
Q-surmartingale Y continue droite qui aggrge

Y au sens o Y

=

Y

Pp.s.
pour tout T
0
, et on utilise le thorme de dcomposition des surmartingales.
Thorme 27 (Dcomposition de Doob-Meyer) Soit X une Q-surmartingale
continue droite telle que la famille X

, T
0
soit uniformment intgrable.
Alors, il existe une Q-martingale M et un processus croissant A nul en 0 tels
que X = M A.
Corollaire 28 On a p(G) Y
0
.
Preuve. Cest une consquence immdiate de la Proposition 23, de la Pro-
position 26 et du Thorme 27. En eet, la condition (10) et le Thorme 11
76
impliquent que Y c
0
G

d
i=1
c
i
G

S
i
P p.s. Il sut alors de reprsenter par
un processus de portefeuille

V
M
0
,
la martingale M Y intervenant dans la
dcomposition de Doob-Meyer de Y et dutiliser le fait que Y = M A

G ce
qui implique que M

G puisque A est croissant et nul en 0. Ceci montre que
p(G) M
0
= Y
0
. 2
Lunicit du prix viable dcoule des rsultats prcdents et des arguments dj
utiliss dans les modles en temps discret.
Remarque 29 On peut montrer que
:= inf
_
t T : Y
t
=

G
t
_
est optimal au sens o
p(G) = Y
0
= E
Q
_

G

_
,
voir [26]. Ceci implique en particulier que (Y
t
)
tT
est une Q-martingale.
Comme en temps discret, on peut galement montrer que la seule stratgie
dexercice rationnelle pour lacheteur consiste exercer loption au temps .
6 Gestion optimale de portefeuille en marchs com-
plets
On aborde dans cette section le problme de gestion optimale de portefeuille
dans le cadre dun march complet. On suppose quil existe une prime de risque
vriant les conditions du Thorme 7. On note
H
t
= e

1
2
R
t
0
|
s
|
2
ds
R
t
0

s
dW
s
de sorte que le processus W
Q
dni par
W
Q
= W +
_

0

s
ds
est un mouvement Brownien sous la mesure Q /
loc
(

S) de densit H
T
, voir
la Remarque 8.
77
6.1 Maximisation dutilit
On considre un agent nancier dont les prfrences sont modlises par une
fonction dutilit U, i.e. une fonction concave et croissante. On suppose que
U1. la fermeture de dom(U) = R
+
,
U2. U est C
2
, strictement croissante et strictement concave,
U3. lim
x0
U(x) = + et lim
x,
U(x) = 0 (Conditions dInada).
Lobjectif de lagent est de maximiser lesprance sous P de lutilit de sa richesse
terminale, i.e. tant donne sa richesse initial x > 0, xe, rsoudre le problme
doptimisation :
u(x) := sup
,
U
E
_
U(V
x,
T
)
_
(11)
o
/
U
:=
_
/ : V
x,
0 P p.s. et U(V
x,
T
)

L
1
(P)
_
.
On montre dans cette section, comment lutilisation de techniques de dualit
permet une rsolution rapide et explicite de ce problme.
Pour ce faire, nous aurons besoin de rsultat sur la transformation de Fenchel
dune fonction concave.
Exercice (Transforme de Fenchel
4
) Soit f une fonction convexe semi-continue
infrieurement de R dans R . On note f

sa transforme de Fenchel :
f

(y) := sup
xR
(xy f(x)) , y R .
Soit C := (x, y) R (R ) : y f(x) . Etant donn (, p, q) R
3
,
on dnit
F
(,p,q)
:= (x, y) R (R ) : px +qy
et D := (, p, q) R
3
: C F
(,p,q)
.
Montrer que C est convexe et ferm.
En utilisant le thorme de sparation de Hahn-Banach, montrer que C :=

(,p,q)D
F
(,p,q)
.
Montrer que C F
(,p,q)
ssi px+qy
C
(x, y) o
C
(x, y) = 01
(x,y)C
+
1
(x,y)/ C
4
Voir [38]
78
En dduire que C F
(,p,q)
ssi

C
(p, q) .
En dduire que C =

(p,q)R
2(x, y) R(R) : px+qy

C
(p, q)
Calculer

C
(p, q) en fonction de f

.
En dduire que (x, y) R (R ) : y (f

(x) = C et que
(f

= f.
Exercice (Transformation de Fenchel pour une fonction concave)
Soit U une fonction de R
+
dans R , strictement concave, croissante et
C
1
sur son domaine. On note

U(y) := sup
xR
(U(x) xy) , y R .
On suppose que U vrie les conditions U1, U2 et U3 ci-dessus.
Montrer que

U est la transforme de Fenchel dune fonction convexe dter-
miner en fonction de U.
Monter que le domaine de

U contient (0, ). A quelle condition contient-il
galement le point 0 ?
Montrer que

U est convexe.
Montrer que inf
yR
(

U(y) +xy) = U(x).

Calculer

U en fonction de U et I := (U
t
)
1
.
En utilisant le rsultat prcdent et la concavit de U montrer que

U est C
1
sur lintrieur de son domaine et que

U
t
= I
Caculer les transformes de Fenchel associes aux fonctions concaves : ln(x)
et x

pour (0, 1).

An de rsoudre le problme de gestion optimale, on commence donc par intro-
duire la transforme de Fenchel

U associe la fonction concave U :

U(y) := sup
xdom(U)
(U(x) xy) . (12)
La condition U3 implique que cette fonction est bien dnie sur (0, ) et nie
en 0 si et seulement si U est borne. Par ailleurs, les conditions U2 et U3
impliquent que loptimum dans le problme (12) est atteint en lunique point
x(y) > 0 vriant U( x(y)) = y. On a donc

U(y) := U(I(y)) I(y)y o I(y) := (U)

1
(y) . (13)
Soit y > 0 et /
U
. Daprs (12), on a
U(V
x,
T
)

U(y
T
H
T
) +V
x,
T
y
T
H
T
,
79
ce qui, daprs la dernire assertion du Thorme 7, implique
E
_
U(V
x,
T
)
_
E
_

U(y
T
H
T
)

+xy .
On en conclut que
sup
,
U
E
_
U(V
x,
T
)
_
inf
y>0
_
E
_

U(y
T
H
T
)

+xy
_
. (14)
En utilisant le Lemme suivant, on va montrer quon a en fait galit.
Lemme 30 Si E
Q
[
T
I(y
T
H
T
)] < pour tout y (0, ), alors il existe un
unique y > 0 tel que
E
Q
[
T
I( y
T
H
T
)] = x . (15)
Preuve. Les conditions U2 et U3 impliquent que Pp.s. limage de (0, ) par
y I(y
T
H
T
) contient (0, ) et que cette application est P p.s. continue
et strictement dcroissante. En utilisant le thorme de convergence monotone,
on vrie alors que y (0, ) E
Q
[
T
I(y
T
H
T
)] est continue, strictement
dcroissante et que limage de (0, ) par cette application contient (0, ). 2
Daprs le Lemme prcdent et (13), on a
E
_
U(

V )
_
= E
_

U( y
T
H
T
)

+x y avec

V := I( y
T
H
T
) .
Or, (15) et le Thorme 17 impliquent quil existe

/ tel que V
x,

T
=

V .
Linquation (14) permet alors de conclure que

est une stratgie optimale.
On vrie bien que

/
U
en utilisant lingalit

U(y) U(1) y et (13). On
peut donc noncer le thorme dexistence suivant.
Thorme 31 Sous les conditions du Lemme 30, il existe une stratgie de ges-
tion optimale

et la valeur terminale du portefeuille optimal vrie
V
x,

T
= I( y
T
H
T
)
o y est lunique solution de
E
Q
[
T
I( y
T
H
T
)] = x .
80
Par ailleurs, daprs (5), on doit avoir

V
x,

T
= x +
_
T
0

t
t

t
dW
Q
t
et la condition E
Q
_

V
x,

T
_
= x implique que la Q-surmartingale

V
x,

est une
Q-martingale.
Excercice 32 Calculer la stratgie de gestion optimale quand est inversible
dt dP-p.p. et :
1. U(x) = ln(x) (Utilit logarithmique).
2. U(x) = x

, (0, 1), (Utilit puissance).

6.2 Prix dindirence
Lorsque le march est incomplet, le prix dune option G L
0
(T
T
) nest plus
dni de manire unique. Une faon de slectionner un prix dans la fourchette
de prix viables est de considrer le prix dindirence qui a t introduit pour
la premire fois par Hodges et Neuberger. Lide est la suivante. On considre
tout dabord le problme de maximisation dutilit prcdent :
u(x; 0) := sup

E
_
U(V
x,
T
)
_
.
Puis, on considre le mme problme lorsque lagent vend loption G au prix
p. Dans ce cas, sa richesse est augmente de p en 0 et diminue de G en T. Il
rsout alors le problme :
u(x +p; 1) := sup

E
_
U(V
x+p,
T
G)
_
.
Le prix dindirence p
I
est dni par
p
I
:= infp R : u(x +p; 1) u(x; 0) .
Il est facile de vrier que p
I
= p(G) = p(G) si le march est complet et
[G[ L
S
. Dune manire gnrale, on a toujours p
I
p(G) si G

L
S
.
On peut galement dnir une notion de prix marginal dutilit ou prix de Davis
comme le prix p
D
auquel lagent est indirent entre ne pas vendre loption et
en vendre une quantit innitsimale :

q
u(x +qp
D
; q) = 0
81
o
u(x +p; q) := sup

E
_
U(V
x+p,
T
qG)
_
.
La thorie gnrale de la dualit en marchs incomplets est trop complique
pour tre traite ici, et de peu dutilit pratique. Toutefois, les problmes de
gestion optimale en marchs incomplets peuvent tre abords travers leur lien
avec les quations aux drives partielles dans les modles markoviens, voir la
Section 4 du Chapitre 7.
6.3 Minimisation de lerreur de couverture
On suppose maintenant que lon veut couvrir une option de payo alatoire
G L
0
(R
+
) 0 partir dune richesse initial x > 0 strictement infrieure
au prix de couverture p := E
Q
[
T
G]. On utilise un critre de perte de la forme
((GV
x,
T
)
+
) dont on cherche minimiser lesprance :
inf
,
+
(x)
E
_
((GV
x,
T
)
+
)
_
(16)
o /
+
(x) est la restriction de /aux lments tels que V
x,
T
0. Ici, la fonction
de perte est C
1
strictement convexe croissante dnie sur R
+
, nulle en 0 et
telle que
t
(+) = ,
t
(0+) = 0. Comme dans la sous-section prcdente, on
notera I := ()
1
.
Thorme 33 Il existe une solution optimale

au problme (16) qui vrie
V
x,

T
=
o
:= 1
G>0
_
1
I( c
T
H
T
)
G
1
_
avec c > 0 tel que
E
Q
_

T
V
x,

T
_
= x .
Preuve. 1. Tout dabord, on peut remarquer que
E
_
((GV
x,
T
)
+
)
_
= E
_
(G(1

))
_
82
o

:= [(V
x,
T
/G) 1]1
G>0
vrie ncessairement E
Q
_

x. Rci-
proquement, si L
0
([0, 1]) vrie la contrainte prcdente, alors G peut
tre atteint par un portefeuille nancier admissible partant de la richesse ini-
tiale x, voir les sections prcdentes. Le problme initial est donc quivalent au
problme
inf
L
0
([0,1])
E[((1 )G)] (17)
sous la contrainte E
Q
[
T
G] x.
2. On vrie maintenant quil existe une solution ce problme en utilisant
le lemme technique suivant.
Lemme 34 Soit (X
n
)
n
une suite de variable alatoires uniformment bornes
dans L
1
(P). Alors, il existe une suite (

X
n
)
n
et

X de L
1
(P) tels que

X
n


X
P-p.s. et

X
n
conv (X
k
, k n) P-p.s.
pour tout n 1.
Comme E[(G(1 ))] est convexe, on dduit du Lemme prcdent quil
existe une suite minimisante (
n
)
n
qui converge P-p.s. vers un lment de
L
0
([0, 1]). On conclut alors en utilisant le Lemme de Fatou et le fait que 0.
3. A L
0
([0, 1]) et [0, 1], on associe

:= + (1 )
et on dnit
F

() := E[((1

)G)] .
Il est facile de vrier par des arguments de convergence monotone que la drive
droite en 0 de F

existe et vrie
F

(0+) = E[((1 )G)( )G] .

Comme F

est bien videmment convexe, dire que est optimal, revient dire
que F

(0+) 0 quel que soit L

0
([0, 1]). Ceci revient dire que vrie
E
Q

[ ] E
Q

[] (18)
83
quel que soit L
0
([0, 1]) tel que
E
Q
G
[] := E
Q
G
[ ] (19)
o Q

et Q
G
sont les mesures associes aux densits
dQ

dP
= ((1 )G)G/E[((1 )G)G]
dQ
G
dQ
=
T
G/E
Q
[
T
G]
Mais ceci peut sinterprter en terme de test alatoire : il sagit de tester lhy-
pothse Q

contre lhypothse Q
G
au niveau . Daprs le Lemme de Ney-
man et Pearson
5
, le test optimal vaut 0 si dQ

/dP < c dQ
G
/dP et 1 si
dQ

/dP > c dQ
G
/dP, pour une certaine constante c calculer partir du ni-
veau du test. Sur G = 0, aucune des deux conditions ci-dessus nest vrie,
on peut donc choisir = 0. Par ailleurs, on doit avoir < 1 si G > 0 car
(0) = 0 et le contraire impliquerait une contradiction. Ceci implique que lon
se trouve toujours dans la rgion dQ

/dQ
G
c sur G > 0. Ceci conduit la
dnition de donne dans lnonc du thorme. Il reste montrer que lon
peut trouver c > 0 vriant (19) mais ceci se fait en reprenant des arguments de
convergence monotone dj utiliss dans la preuve du Lemme 30 et en utilisant
le fait que x < p. 2
5
Lemme de Neyman et Pearson Si P
0
et P
1
sont deux mesures de probabilit absolument
continues par rapport une mesure de rfrence Q et si ]0, 1[, alors une solution au
problme
sup
n
E
P
1
[] : L
0
([0, 1]), E
P
0
[]
o
,
est donne par

:= 1dP
1
dQ
> a
dP
0
dQ
+ 1dP
1
dQ
= a
dP
0
dQ
o
a := inf

a > 0 : P
0

dP
1
dQ
> a
dP
0
dQ

et [0, 1] est tel que E

P
0
h

i
= .
Ici est un test alatoire de lhypothse Hyp
0
: P
0
contre Hyp
1
: P
1
. Pour la ralisation
() = p, on accepte Hyp
0
avec probabilit 1p. E
P
0
[] correspond la probabilit de rejeter
Hyp
0
alors que Hyp
0
est vrai (risque de premire espce), et E
P
1
[] correspond la probabilit
de rejeter Hyp
0
alors que Hyp
0
est eectivement faux (puissance du test).

est un test UPP
au seuil .
84
6.4 Maximisation du ratio de succs
On cherche maintenant maximiser le ratio de succs dni par
R
x,
:=
V
x,
T
G
1
V
x,
T
<G
+1
V
x,
T
G
avec 0 x < x := E
Q
[
T
G] o Q = /(

S). Montrez que le probme

sup
,
+
(x)
E
_
R
x,
_
est quivalent (mme valeur et lien entre les optima sils existent)
sup
_
E[] : L
0
([0, 1]), E
Q
G
[] x/ x
_
,
o Q
G
est la mesure absolument continue par rapport Qdnie par dQ
G
/dQ =

T
G/ x. En utilisant le Lemme de Neyman et Pearson (ci-dessus), trouvez la
solution

du second problme et en dduire la stratgie optimale

du premier.
7 Remarque sur les modles avec dividendes
Dans certains modles, on suppose que les actifs S paient un dividende dont la
valeur cumule est modlise par un processus prvisible cadlag C. Dans ce cas,
la dynamique des actifs risqus scrit
S
t
= S
0
+
_
t
0
b
s
ds +
_
t
0

s
dW
s
C
t
, t T ,
car la valeur du dividende pay doit venir diminuer la valeur de lactif sous peine
darbitrage.
Si lon dtient une quantit
i
t
dactif i linstant t, on reoit alors un dividende
gal
i
t
dC
i
t
sur la priode [t, t +dt]. La dynamique de la richesse scrit donc
dV
t
= [r
t
(V
t

t
, S
t
))] dt +
t
t
dC
t
+
t
t
dS
t
,
voir la Section 1.2. Ceci implique que
dV
t
= (r
t
V
t
+
t
, b
t
r
t
S
t
)) dt +
t
t

t
dW
t
.
Autrement dit, la prsence du dividende ne change pas la dynamique de la
richesse. Si lon note

Z :=

S +

C, on a alors

Z
t
= S
0
+
_
t
0
(

b
s
r
s

S
s
)ds +
_
t
0

s
dW
s
, t T ,
85
et
d

V
t
=
_

t
,

b
t
r
t

S
t
)
_
dt +
t
t

t
dW
t
=
t
t
d

Z
t
.
Tout se passe donc comme si lon investissait dans lactif

Z et non dans

S. Les
rsultats prsents prcdemment restent donc valables si lon remplace /(

S)
(resp. /
loc
(

S)) par lensemble des mesures quivalentes sous lesquelles

Z est
une martingale (resp. locale). Dans ce cas, il faut galement remplacer

S par

Z
dans la dnition de L
S
, etc...
86
Chapitre 7
Evaluation et gestion par EDP
Lobjectif de ce chapitre est de prsenter le lien entre les problmes dvaluation
dactifs contingents ou de gestion de portefeuille et les Equations aux Drives
Partielles (EDP).
1 Modle markovien
On travaille toujours sur un espace de probabilit complet (, T, P) supportant
un mouvement brownien standard n-dimensionnel W = (W
1
, . . . , W
n
). On note
F = (T
t
)
tT
la ltration naturelle engendre par W, complte, T := [0, T] o
T > 0, et T
T
= T.
On considre un march o le taux court sans risque r et les actifs risqus S =
(S
1
, . . . , S
d
) voluent sur [0, T] selon la dynamique
r
t
= r
0
+
_
t
0
b(r
u
, S
u
)du +
_
t
0
a(r
u
, S
u
)dW
u
S
t
= s
0
+
_
t
0
diag [S
u
] (r
u
, S
u
)du +
_
t
0
diag [S
u
] (r
u
, S
u
)dW
u
. (1)
Ici, (b, a, , ) est une fonction de R
1+d
dans R M
1,n
R
d
M
d,n
continue,
s
0
(0, )
d
et r
0
> 0.
Dans ce chapitre, on supposera toujours que (3) admet une solution forte unique
quelle que soit la condition initiale
0
= (t
0
, r
0
, s
0
) [0, T) (0, )
1+d
. Sous
ces conditions, le modle est markovien. Ce processus vrie mme la proprit
de Markov forte. Par ailleurs, sa loi conditionnelle admet une version rgulire,
voir Thorme 3.19 p 307 dans [24]
87
Pour simplier la prsentation, on supposera galement que r > 0 P p.s. quel
que soit sa condition initiale r
0
> 0.
On peut remarquer que le processus de prix actualis

S volue alors selon la
dynamique :

S
t
= s
0
+
_
t
0
diag
_

S
u
_
((r
u
, S
u
) r
u
) du +
_
t
0
diag
_

S
u
_
(r
u
, S
u
)dW
u
, (2)
voir (3) du Chapitre 6.
2 Formule de Feynman-Kac et options europennes
On suppose dans cette section quil existe une mesure martingale quivalente
Q /
loc
(

S) et un Q-mouvement brownien W
Q
tel que
W
Q
= W +
_

0
(r
u
, S
u
)du
o est une application de R
1+d
dans R
n
telle que
(r, S) r = (r, S)(r, S) .
On a alors
r
t
= r
0
+
_
t
0
(b a)(r
u
, S
u
)du +
_
t
0
a(r
u
, S
u
)dW
Q
u
S
t
= s
0
+
_
t
0
r
u
S
u
du +
_
t
0
diag [S
u
] (r
u
, S
u
)dW
Q
u
, t T . (3)
Daprs les rsultats du Chapitre 6, le march nadmet pas darbitrage.
Soit g une application de R
1+d
dans R
+
. Daprs les rsultats du Chapitre 6,
p(0, r
0
, s
0
) := E
Q
_
e

R
T
0
r
u
ds
g(r
T
, S
T
)
_
(4)
est un prix viable la date 0 pour loption de payo g(r
T
, S
T
) en T. Comme
(r, S) est un processus de Markov fort, le prix linstant T
0
est donn par
E
Q
_
e

R
T

r
s
ds
g(r
T
, S
T
) [ T

_
= E
Q
_
e

R
T

r
s
ds
g(r
T
, S
T
) [ (r

, S

)
_
P p.s.
Comme on peut trouver une version rgulire de la loi conditionnelle de (r
s
, S
s
)
st
sachant (r
t
, S
t
), cela implique quil existe une fonction mesurable p sur TR
1+d
telle que
p(, r

, S

) = E
Q
_
e

R
T

r
u
du
g(r
T
, S
T
) [ (r

, S

)
_
P p.s.
88
On a alors, pour tout temps darrt T
0
,
p(0, r
0
, s
0
) := E
Q
_
e

0
r
u
du
E
Q
_
e

R
T

r
u
du
g(r
T
, S
T
) [ T

__
= E
Q
_
e

0
r
u
du
p(, r

, S

)
_
. (5)
Cest ce que lon appelle le principe de programmation dynamique.
Cest ce principe qui est la base de la caractrisation suivante de p en terme
dEDP.
Thorme 1 (Feynman-Kac) Supposons que p soit C
1,2
([0, T) (0, )
1+d
)
C
0,0
((0, T] (0, )
1+d
). Alors, p est solution sur [0, T) (0, )
1+d
de
rp Lp = 0 (6)
o
Lp :=
t
p + (
(r,s)
p) +
1
2
Trace
_

t
(
2
(r,s)
p)
_
avec
(r, s) :=
_
(b a)(r, s)
sr
_
, (r, s) :=
_
a(r, s)
diag [s] (r, s)
_
,
avec condition terminale
p(T, ) = g() sur (0, )
1+d
. (7)
Preuve. La condition terminale est vidente puisque p est continue. Soient

0
:= (t
0
, r
0
, s
0
) (0, T) (0, )
1+d
et (r

0
, S

0
) la solution de (3) partant de
la condition initiale (r
0
, s
0
) en t
0
. Soit le premier temps de sortie du processus
(t, r

0
, S

0
)
t
dun voisinage ouvert de
0
contenu dans (0, T) (0, )
1+d
sur
lequel les drives spcies dans lnonc du Thorme sont bornes. Soit h > 0.
Le Lemme dIt combin (5) et (3) implique alors que
p(t
0
, r
0
, s
0
)
= E
Q
_
p(t
0
, r
0
, s
0
) +
_
(t
0
+h)
t
0
e

R
u
t
0
r

0
v
dv
(r

0
u
p +Lp)(u, r

0
u
, S

0
u
)du
_
+E
Q
_
_
(t
0
+h)
t
0
e

R
u
t
0
r

0
v
dv

r
p(u, r

0
u
, S

0
u
)a(r

0
u
, S

0
u
)dW
Q
u
_
+E
Q
_
_
(t
0
+h)
t
0
e

R
u
t
0
r

0
v
dv

s
p(u, r

0
u
, S

0
u
)diag [S

0
u
] (r

0
u
, S

0
u
)dW
Q
u
_
.
89
De part notre localisation, les deux intgrales stochastiques sont des Q-martingales.
On a donc
0 = E
Q
_
_
(t
0
+h)
t
0
e

R
u
t
0
r

0
v
dv
(r

0
u
p +Lp)p(u, r

0
u
, S

0
u
)du
_
. (8)
Par ailleurs, comme est strictement positif et le processus (u, r

0
u
, S

0
u
)
u
est
continu, on dduit du thorme des valeurs intermdiaires que
lim
h0
1
h
_
(t
0
+h)
t
0
e

R
u
t
0
r

0
v
dv
(r

0
u
p +Lp)p(u, r

0
u
, S

0
u
)du
= (r
0
p +Lp)p(t
0
, r
0
, s
0
) , P p.s.
En outre, comme (t
0
+ h) t
0
h et Lp est born sur le voisinage consi-
dr, par continuit des fonctionnelles impliques, on dduit du Thorme de
convergence domine et du rsultat prcdent quen divisant (8) par h puis en
faisant tendre h vers 0 on obtient (r
0
p +Lp)(t
0
, r
0
, s
0
) = 0. 2
Rciproquement, si w est solution rgulire de (6)-(7), alors on peut montrer
que w = p. Cest ce quon appelle un thorme de vrication.
Thorme 2 (Vrication) Supposons que w soit une solution C
1,2
([0, T)
(0, )
1+d
) C
0,0
((0, T] (0, )
1+d
) de (6)-(7). Si, quelle que soit la condition
initiale
0
= (t
0
, r
0
, s
0
) [0, T) (0, )
1+d
,
E
Q
_
sup
t[t
0
,T]
e

R
t
t
0
r

0
v
dv
[w(t, r

0
t
, S

0
t
)[
_
< , (9)
alors, w = p sur [0, T] (0, )
1+d
.
Preuve. Soient
0
:= (t
0
, r
0
, s
0
) (0, T) (0, )
1+d
et (r

0
, S

0
) la solution
de (3) partant de la condition initiale (r
0
, s
0
) en t
0
. Soit
n
le temps de sortie
du processus (t, r

0
, S

0
)
t
de la boule de centre (t
0
, r
0
, s
0
) et de rayon n, n 1.
Le Lemme dIt combin (3) et (6) implique que
w(t
0
, r
0
, s
0
) = e

R
T
n
t
0
r

0
v
dv
w
_
T
n
, r

0
T
n
, S

0
T
n
_
+
_
T
n
t
0
e

R
u
t
0
r

0
v
dv

r
w(u, r

0
u
, S

0
u
)a(r

0
u
, S

0
u
)dW
Q
u
+
_
T
n
t
0
e

R
u
t
0
r

0
v
dv

s
w(u, r

0
u
, S

0
u
)diag [S

0
u
] (r

0
u
, S

0
u
)dW
Q
u
.
90
Du fait de notre localisation, les termes intervenant dans les deux intgrales
stochastiques sont borns. On en dduit que
w(t
0
, r
0
, s
0
) = E
Q
_
e

R
T
n
t
0
r

0
v
dv
w
_
T
n
, r

0
T
n
, S

0
T
n
_
_
.
Par continuit des processus, il est clair que
n
P p.s. En utilisant la
condition (9) et de nouveau la continuit des processus, on dduit du Thorme
de convergence domine que
E
Q
_
e

R
T
n
t
0
r

0
v
dv
w
_
T
n
, r

0
T
n
, S

0
T
n
_
_
E
Q
_
e

R
T
t
0
r

0
v
dv
w
_
T, r

0
T
, S

0
T
_
_
.
Etant donne la condition au bord (7) et lquation prcdente, ceci implique
que
w(t
0
, r
0
, s
0
) = E
Q
_
e

R
T
t
0
r

0
v
dv
g
_
r

0
T
, S

0
T
_
_
= p(t
0
, r
0
, s
0
) .
2
3 Inquations variationnelles et options amricaines
On se place sous les conditions de la Section 2. Loption amricaine associe
g est le produit nancier qui paie g(r

, S

) au temps T
0
dexercice. Daprs
la Section 5 du Chapitre 6, le prix est li la quantit
sup
T
0
E
Q
_
e

0
r
s
ds
g(r

, S

)
_
.
On va procder par thorme de vrication et montrer que cette quantit (et
donc le prix) est lie lquation aux drives partielles sous forme variationnelle
Hw := minrw Lw , w g = 0 , (10)
o L est dni comme dans le Thorme 1.
Etant donne une fonction w, on note (
w
lensemble
(
w
:= (t, r, s) T (0, )
1+d
: w(t, r, s) > g(r, s) .
Si w est le prix de loption, il dcoule des arguments dvelopps dans la Section
5 du Chapitre 6 que loption nest pas exerce tant que (s, r
s
, S
s
) appartient
91
(
w
. On appelle cet ensemble la rgion de continuation et son complmentaire
la rgion dexercice.
An de simplier la prsentation, on va supposer quil existe une solution
C
1,2
((0, T) (0, )
1+d
) au problme variationnel. Cette hypothse est rareme-
ment vrie mais le rsultat suivant peut tre gnralis sous des hypothses
moins restrictives.
Thorme 3 (Vrication) Supposons que w soit une solution C
1,2
((0, T)
(0, )
1+d
) C
0,0
((0, T] (0, )
1+d
) de (10)-(7). Si
E
Q
_
sup
t[0,T]
e

R
t
0
r
v
dv
[w(t, r
t
, S
t
)[
_
< , (11)
alors
w(0, r
0
, s
0
) = sup
T
0
E
Q
_
e

0
r
s
ds
g(r

, S

)
_
o (r, S) est la solution de (1) partant de (r
0
, s
0
) en 0.
Preuve. Soit le temps de sortie du domaine (
w
. Par construction, ce temps
est born par T. Par les mmes arguments que ceux employs pour dmontrer
le Thorme 2, on a
w(0, r
0
, s
0
) = E
Q
_
e

R

0
r
s
ds
g(r

, S

)
_
,
alors que pour tout T
0
w(0, r
0
, s
0
) E
Q
_
e

0
r
s
ds
g(r

, S

)
_
.
2
4 Equations de H.-J.-B. et gestion optimale de por-
tefeuille
On se place dans le cadre de la Section 6 du Chapitre 6. Toutefois, on remplace
lensemble des stratgies de portefeuille /
U
par le sous-ensemble /
K
des l-
ments de /
U
valeurs dans K R
d
. Cet ensemble permet de tenir compte
de contraintes de portefeuille ou de certaines incompltudes du march, voir la
Section 4.1 du Chapitre 1.
92
Comme /
K
peut dpendre des conditions initiales du modle,
0
:= (t
0
, r
0
, s
0
)
T (0, )
d
, et de la richesse initiale v
0
, on le notera /

0
,v
0
K
par la suite.
On dnit
u(t
0
, r
0
, s
0
, v
0
) := sup
,

0
,v
0
K
E
_
U(V

0
,v
0
,
T
)
_
o V

0
,v
0
,
est le processus de portefeuille associ la stratgie dbutant en
t
0
pour le march (r

0
, S

0
) et vriant V

0
,v
0
,
t
0
= v
0
.
On commence par noncer un principe de programmation dynamique.
Proposition 4 (Programmation dynamique) Si u est continue, alors pour tout
T
t
0
,
u(t
0
, r
0
, s
0
, v
0
) = sup
,

0
,v
0
K
E
_
u
_
, r

, S

, V

0
,v
0
,

__
.
Preuve. On note
J(t
0
, r
0
, s
0
, v
0
; ) := E
_
U(V

0
,v
0
,
T
)
_
pour /

0
,v
0
K
. Soient (
n
)
n
= (t
n
, r
n
, s
n
, v
n
)
n
une suite de points et (B
n
)
n
une suite de partitions de dom(u) telle que (t
n
, r
n
, s
n
, v
n
) soit le centre de la
boule B
n
. Soit > 0. Comme u est continue, on peut dnir la suite de sorte
que
[u u(t
n
, r
n
, s
n
, v
n
)[ sur B
n
n . (12)
Par ailleurs, on peut toujours trouver
n
/

n
,v
n
K
tel que
[J(t
n
, r
n
, s
n
, v
n
;
n
) u(t
n
, r
n
, s
n
, v
n
)[ sur B
n
n . (13)
Etant donn /

0
,v
0
K
, on dnit

par

t
:=
t
1
t<
+1
t

n
t
1
A
n
o A
n
:=
_
, r

, S

, V

0
,v
0
,

_
B
n
. On vrie facilement que

/

0
,v
0
K
. Le
modle tant markovien et les processus continus, on a alors, pour /

0
,v
0
K
,
u(t
0
, r
0
, s
0
, v
0
) E
_
U(V

0
,v
0
,

T
)
_
= E
_
E
_
U(V

0
,v
0
,

T
) [ T

__
= E
_
J
_
, r

, S

, V

0
,v
0
,

__
E
_
u
_
, r

, S

, V

0
,v
0
,

__
2 .
93
Ceci implique que
u(t
0
, r
0
, s
0
, v
0
) sup
,

0
,v
0
K
E
_
u
_
, r

, S

, V

0
,v
0
,

__
2 .
Comme est arbitraire, on a donc
u(t
0
, r
0
, s
0
, v
0
) sup
,

0
,v
0
K
E
_
u
_
, r

, S

, V

0
,v
0
,

__
.
Lingalit rciproque provient de lquation
u(t
0
, r
0
, s
0
, v
0
) = sup
,

0
,v
0
K
E
_
J
_
, r

, S

, V

0
,v
0
,

;
__
que lon obtient en utilisant le caractre markovien du modle. 2
Ce principe de programmation dynamique permet de caractriser u comme
solution de lquation dHamilton-Jacobi-Belman
Lw sup
qK
H
q
w = 0 (14)
o
Lw :=
t
w + (
(r,s)
w) +
1
2
Trace
_

t
(
2
(r,s)
w)
_
avec
(r, s) :=
_
b(r, s)
s(r, s)
_
, (r, s) :=
_
a(r, s)
diag [s] (r, s)
_
,
et
H
q
w = (rv +q
t
(s rs))(
v
w) +
1
2
(
2
v
w)|q
t
|
2
+ (
r

v
w) a
t
q
+ (
s

v
w) diag [s]
t
q .
Pour simplier, on se restreint au cas o K est compact.
Thorme 5 On suppose que K est compact. Si u est continue et u C
1,2
([0, T)
(0, )
2+d
) alors u est solution sur [0, T)(0, )
1+d
de (14) avec pour condition
au bord u(T, r, s, v) = U(v) sur (0, )
2+d
.
94
Preuve. On montre tout dabord que
Lu sup
qK
H
q
u 0 .
Soit le processus constant gal q K et le temps de sortie de (t, r

0
t
, S

0
t
,
V

0
,v
0
,
t
)
t
dun voisinage de (
0
, v
0
) contenu dans [0, T) (0, )
2+d
. Daprs la
Proposition 4, on a, pour h > 0,
u(t
0
, r
0
, s
0
, v
0
) E
_
u
_
, r

0
t+h
, S

0
t+h
, V

0
,v
0
,
t+h
__
.
Par les mmes arguments que ceux employs dans la preuve du Thorme 1, on
obtient alors
Lu H
q
u 0 .
Le rsultat recherch provient alors du caractre arbitraire de q K.
On montre maintenant lautre ingalit. Si en (t
0
, r
0
, s
0
, v
0
)
Lu sup
qK
H
q
u > 0
alors, daprs nos hypothses de continuit et de compacit, ceci reste vrai pour
la fonction
w(t, r, s, v) = u(t, r, s, v) +|(t, r, s, v) (t
0
, r
0
, s
0
, v
0
)|
2
sur un voisinage ouvert V de (t
0
, r
0
, s
0
, v
0
) de rayon > 0. Soit /

0
,v
0
K
et
le temps de sortie de
_
t, r

0
t
, S

0
t
, V

0
,v
0
,
t
_
de ce voisinage. En appliquant le
lemme dIt w, on obtient alors
u(t
0
, r
0
, s
0
, v
0
) = w(t
0
, r
0
, s
0
, v
0
)
E
_
w
_
, r

, S

, V

0
,v
0
,

__
E
_
u
_
, r

, S

, V

0
,v
0
,

__
+
ce qui contredit la Proposition 4 puisque /

0
,v
0
K
est arbitraire. 2
Remarque 6 Comme dans les Sections 2 et 3, on peut noncer un tho-
rme de vrication pour ce type de problme. Il faut alors supposer quil
existe une solution rgulire w lquation (14) vriant la condition termi-
nale w(T, ) = U() et telle que lon puisse trouver une fonction mesurable q
95
vriant H
q
w = sup
qK
H
q
w. Sous certaines hypothses supplmentaires sur

et w (par exemple que lon puisse dnir une stratgie admissible partir de
q, etc..), on peut montrer que w = u. Dans ce cas le contrle optimal est tel
que

= q(, r

0
, S

0
, V

0
,v
0
,

). On parle de contrle markovien. Ceci est laiss

en exercice.
Remarque 7 On peut traiter de la mme manire les problmes du type
sup

E
_
U(V

0
,v
0
,
T
g(S
T
))
_
o g(S
T
) est le payo dune option europenne. Ceci permet une estimation
numrique des prix dindirence et de Davis, voir la Section 6.2 du Chapitre
6.
96
Chapitre 8
Modlisation de la volatilit
1 Modle de Black et Scholes
1.1 Le modle
Le modle de Black et Schols correspond, dans sa version multidimentionnelle,
au modle prsent dans le Chapitre 6 dans le cas o (1) scrit
S
t
= S
0
+
_
t
0
diag [S
s
] ds +
_
t
0
diag [S
s
] dW
s
, t T (1)
o R
d
et M
d,n
sont des constantes xes.
On vrie alors facilement que
sup
tT
E[|S
t
|
p
] < p 1 ,
de sorte que la condition (2) du Chapitre 6 est bien vrie.
On suppose en outre que le taux sans risque r est une constante positive.
En appliquant le Lemme dIt, on vrie que chaque composante S
i
de S est
donne par
S
i
t
= S
i
0
e
(
i

1
2
|
i
|
2
)t+
i
,W
t
)
, t T (2)
o
i
dsigne la i-me ligne de la matrice . Ceci implique que

S
i
t
= S
i
0
e
(
i
r
1
2
|
i
|
2
)t+
i
,W
t
)
(3)
97
1.2 AOA et compltude
Le rsultat suivant montre que lon peut toujours supposer que n d ds que
lhypothse (AOA) est vrie.
Proposition 1 Si (AOA) est vrie alors
z R
d
t.q. z
t
= 0 z, r1
d
) = 0
o 1
d
= (1, . . . , 1) R
d
.
Preuve. Cest une consquence immdiate de la Proposition 4 du Chapitre 6.
2
En eet, si d > n, quitte changer lordre de numrotation des actifs risqus, la
matrice forme par les dn dernires lignes de peut scrire comme = A
o A est une matrice de M
dn,n
et est la matrice forme par les n premires
lignes de . La proposition prcdente implique alors que r1
nd
= A( r1
d
)
o est le vecteur de R
dn
form des n d dernires composantes de et
est le vecteur de R
n
form de ses n premires composantes. Si /, on vrie
alors que

=
_
I
n
A
t
0 0
_

est un lment de / tel que

i
= 0 pour tout i > n et tel que V
x,
= V
x,

quel
que soit x R. Autrement dit, il y a au moins d n actifs qui sont redondants.
A partir de maintenant, on supposera donc que d n . Daprs les arguments
dj utiliss prcdemment, on peut supposer que z R
d
: z
t
= 0 = 0.
Ceci implique que
t
est inversible. On pose alors :=
t
(
t
)
1
( r1
d
) et
vrie que sous la mesure Q P de densit
H = e

1
2
||
2
TW
T

S est une martingale et le processus W

Q
dni par
W
Q
t
= W
t
+t , t T
est un Q-mouvement Brownien, voir les Thormes 7 et 9 du Chapitre 6. Ceci
conduit noncer la rciproque de la Proposition 1.
98
Proposition 2 Si d n et
z R
d
t.q. z
t
= 0 z, r1
d
) = 0
alors (AOA) est vrie.
Enn, on peut montrer que le march est complet seulement dans le cas o
d = n.
Proposition 3 Supposons que d n et que
t
soit inversible. Alors le march
est complet si et seulement si d = n.
Preuve. Si d = n, la compltude du march se montre en suivant la preuve de
Proposition 23 du Chapitre 6. Si d < n, alors il existe z R
n
tel que |z| = 1
et z = 0. Tout R
n
de la forme :=
t
(
t
)
1
( r1
d
) + z avec R
dnit alors une prime de risque vriant les conditions du Thorme 7. Ceci
montre que /(

S) ne peut tre rduit un singleton. On conclut en utilisant le

Thorme 19. 2
1.3 Options europennes dans le cas complet
Dans cette section, on suppose que
1. d = n,
2. est inversible.
Il rsulte alors des rsultats de la Section 1.2 que le march est complet et sans
arbitrage. On note Q lunique lment de /(

S). Sa densit est donne par

H = e

1
2
||
2
TW
T
.
On rappelle que le processus W
Q
dni par
W
Q
t
= W
t
+t , t T
est un Q-mouvement Brownien. On remarque que S peut scrire en terme de
W
Q
sous la forme

S
t
= S
0
+
_
t
0
diag
_

S
s
_
dW
Q
s
, t T . (4)
Daprs le Thorme 17 et le Corollaire 18 du Chapitre 6, lunique prix viable
pour une option G L
2
b
(P) est donn par le prix de sur-rplication
p(G) = E
Q
_
e
rT
G

. (5)
99
Si G = g(S
T
)
1
pour une fonction mesurable g de R
d
dans R, on a alors
p(G) = E
Q
_
e
rT
g(S
T
)

= E
_
e
rT
g
_
_
S
0
e
(r|
i
|
2
)T+
i
,N
T
)
_
i=1,...,d
__
o
i
est la i-me ligne de et N dsigne une gaussienne de loi ^(0, TI
d
) sous
P.
Le problme dvaluation se ramne donc au calcul de lesprance dune fonction
dterministe dun vecteur gaussien quil est trs souvent possible de calculer en
pratique, voir la Section 1.5.
On passe maintenant au problme de la couverture.
Proposition 4 Supposons que la fonction relle u dnie sur [0, T] R
d
+
par
u(t, x) = E
Q
_
e
r(Tt)
g(S
T
) [ S
t
= x
_
soit C
1,2
b
. Alors, la stratgie de couverture de loption g(S
T
) est donne par

t
= u(t, S
t
)
t
, t T . (6)
Preuve. La formule dIt applique (e
rt
u(t, S
t
))
tT
implique que
e
rT
g(S(T)) = e
rT
u(T, S
T
)
= u(0, S
0
) +
_
T
0
v
s
ds
+
_
T
0
e
rs
u(s, S
s
)diag [S
s
] dW
Q
s
P p.s.
o v est un processus prvisible. Comme (e
rt
u(t, S
t
))
tT
est par construction
une martingale, on dduit de la Proposition 1 et du Thorme 20 du Chapitre
6 que v = 0 dt dP-p.p. Donc,
e
rT
g(S(T)) = E
Q
_
e
rT
g(S
T
)

+
_
T
0
u(s, S
s
)diag
_

S
s
_
dW
Q
s
P p.s.
Or, en notant p := E
Q
_
e
rT
g(S
T
)

et en dsignant par le processus dni

dans (6), on a

V
p,
T
= p +
_
T
0

t
s
diag
_

S
s
_
dW
Q
s
= p +
_
T
0
u(s, S
s
)diag
_

S
s
_
dW
Q
s
1
On dit que g est le payo de loption.
100
daprs (4) et (5) du Chapitre 6. 2
1.4 Erreur de couverture discrte : rebalancement pas constants
En pratique, il est videmment impossible de rebalancer le portefeuille en temps
continu, ce qui engendre une erreur de couverture. Dans cette section, nous ana-
lysons lerreur L
2
engendre par un rebalancement pas de temps rgulirement
espacs t
i
:= iT/n, i = 0, . . . , N.
On suppose donc que le trader veut couvrir une option de payo g (suppose
lipschitz et presque partout drivable) dans le modle de Black et Scholes, en
suivant une stratgie de delta-hedging discrte, i.e. sa tratgie de couverture est
donne par

t
= u(t
i
, S
t
i
)
t
pour t [t
i
, t
i+1
) .
La valeur de son portefeuille en T est
V
p,

T
= e
rT
_
p +
_
T
0

t
s
diag
_

S
s
_
dW
Q
s
_
.
Daprs la section prcdente et lisomtrie dIt, lerreur de couverture L
2
(Q)
scrit donc
Err
N
:= e
rT
_
_
_e
rT
g(S
T
)

V
p,

T
_
_
_
L
2
(Q)
= e
rT
_
_
_
_
_
T
0
(
s

s
)
t
diag
_

S
s
_
dW
Q
s
_
_
_
_
L
2
(Q)
= e
rT
E
Q
__
T
0
_
_
_(
s

s
)
t
diag
_

S
s
_

_
_
_
2
ds
_
1
2
.
Soit
e
2rT
Err
2
N
2
N1

i=0
E
Q
__
t
i+1
t
i
_
_
_(
t
s
diag
_

S
s
_

t
t
i
diag
_

S
t
i
_
)
_
_
_
2
ds
_
+ 2B
N
2
N1

i=0
E
Q
__
t
i+1
t
i
|
s

t
i
|
2
ds
_
+ 2B
N
o
s
:=
t
s
diag
_

S
s
_
et
B
N
:=
N1

i=0
E
Q
__
t
i+1
t
i
_
_
_
t
t
i
(diag
_

S
t
i
_
diag
_

S
s
_
)
_
_
_
2
ds
_
101
On remarque maintenant que
u(t, S
t
) = E
Q
_
e
r(Tt)
g(S
T
) [ T
t
_
implique (en drivant de part et dautre par rapport la valeur initiale de S et
en inversant drivation et esprance) que
e
rt
u(t, S
t
)diag [S
t
] diag [S
0
]
1
= E
Q
_
e
rT
g(S
T
)diag [S
T
] diag [S
0
]
1
[ T
t
_
.
On en dduit que le processus donn par le terme de droite est une martin-
gale de carr intgrable. Autrement dit (
t
)
tT
est une Q-martingale de carr
intgrable. En particulier, il existe de carr intgrable tel que

t
=
0
+
_
t
0

t
s
dW
Q
s
, t T ,
ce qui a pour consquence que
E
Q
__
t
i+1
t
i
|
s

t
i
|
2
ds
_
= E
Q
__
t
i+1
t
i
_
s
t
i
|
v
|
2
dvds
_

T
N
E
Q
__
t
i+1
t
i
|
v
|
2
dv
_
.
On en dduit que
e
2rT
Err
2
N

2T
N
E
Q
__
T
0
|
v
|
2
dv
_
+ 2B
N
.
Il reste tudier le terme B
N
. On a
B
N
C max
iN1
E
Q
_
|
t
i
[
4
_1
2
E
Q
_
sup
s[t
i
,t
i+1
]
_
_
_

S
t
i
diag
_

S
s
_

4
_1
2
o C > 0 est une constante indpendante de N. On vrie facilement par les ar-
guments dj utiliss prcdemment que max
iN1
E
Q
_
|
t
i
[
4
_1
2
< . Il est par
ailleurs standard de montrer que max
iN1
E
Q
_
sup
s[t
i
,t
i+1
]
_
_
_

S
t
i
diag
_

S
s
_

4
_1
2

C/N o

C > 0 est une constante indpendante de N.
On obtient nalement,
Err
2
N


C/

N ,
o

C > 0 est une constante indpendante de N.
102
Autrement dit, lerreur Err
n
est de lordre de
1

N
. Toutefois, elle dpend de la
rgularit de travers E
Q
_
_
T
0
|
v
|
2
dv
_1
2
. Ce dernier terme est intimement
li au gamma
2
u du prix de loption (appliquer It sur u).
On peut en dduire une borne similaire sur lerreur calcule sous P, mais cest
un peu plus technique.
Par ailleurs, ce rsultat se gnralise des modles de diusion plus gnraux
en utilisant des arguments trs similaire, mais qui font intervenir le processus
tangent de S.
Enn, cette erreur de couverture peut tre amliore en mettant en place une
stratgie de type gamma neutre.
1.5 Exemples dvaluation de produits drivs (exercices)
On utilise dans cette section, les notations de la section prcdente. Nous ren-
voyons [28] pour de nombreux autres exercices, voir galement [24] et [31].
Excercice 5 (Call et put europens). On suppose que d = 1 et on considre
loption de payo g(x) = [x K]
+
o K > 0 est appel strike. Cette option est
appele call europen. Montrer que le prix p
call
de loption scrit
p
call
= e
rT
_

[S
0
e
(r
1
2

2
)T+

Tx
K]
+
f(x)dx
=
_

d
2
_
S
0
e

1
2

2
T+

Tx
e
rT
K
_
f(x)dx
o f est la densit de la loi ^(0, 1) et
d
2
:=
ln(S
0
/K) + (r
1
2

2
)T

T
.
En dduire que
p
call
= S
0
F(d
1
) e
rT
KF(d
2
)
o F est la fonction de rpartition de ^(0, 1) et
d
1
= d
2
+

T .
On considre maintenant le payo g(x) = [K x]
+
. On parle alors de put
europen. Soit p
put
le prix du put. Montrer que
p
put
= p
call
+e
rT
K S
0
.
103
Cette relation est appele parit call-put.
Excercice 6 (EDP de Black et Scholes). On se place dans le cadre de lexercice
prcdent. On note p(t, x) le prix du call la date t si S
t
= x. Vrier que p
est solution de

t
p(t, x) +rx
x
p(t, x) +
1
2

2
x
2

2
x
p(t, x) = rp(t, x)
p(T, x) = [x K]
+
.
Excercice 7 On suppose que d = 1. Calculer le prix et la couverture des options
de payo :
1. Option digitale : g(x) = 1
xK
, K > 0.
2. Option Buttery : g(x) = (x K + a)1
Kax<K
+ (a + K x)1
K<xK+a
,
K > a > 0.
3. Option Straddle : g(x) = (K x)1
xK+a
+ (x K 2a)1
K+a<x
, K, a > 0.
Excercice 8 (Option barrire). On veut calculer le prix p dune option de
payo [S
T
K]
+
1
>T
o := inft 0 : S
t
< B avec K, B > 0 deux
constantes.
1. Introduire la mesure martingale associe au modle de Black et Scholes. On
notera W
Q
le mouvement brownien associ.
2. Trouver une mesure

Q Q telle que

W dni par

W
t
:= W
Q
t
+t(r
2
/2)/
soit un mouvement brownien sous

Q.
3. Ecrire S et H := d

Q/dQ en fonction de

W. Montrer que
p = e
rT
E

Q
_
H
1
[S
T
K]
+
1
>T

.
4. Montrer que > T , S
T
K = min
t[0,T]

W
t


B ,

W
T


K o

B,

K
sont des rels dnir.
5. On calcule maintenant la loi jointe de min
t[0,T]

W
t
et

W
T
sous

Q. Par la
suite, on se donne a, b R.
Soit
a
:= inft 0 :

W
t
= a le temps datteinte de a < 0. Montrer que

Q
_
min
t[0,T]

W
t
a ,

W
T
b
_
=

Q
_

a
T ,

W
T
b

=

Q
_

a
T ,

W
T


W

a
b a

.
104
En utilisant le fait que
a
est T

a
mesurable et que

W
T
a


W

a
est ind-
pendant de T

a
et de mme loi que

W

a


W
T
a
, montrer que

Q
_
min
t[0,T]

W
t
a ,

W
T
b
_
=

Q
_

a
T ,

W
T
2a b

En dduire que, si a < 0 et b a, alors

Q
_
min
t[0,T]

W
t
a ,

W
T
b
_
=

Q
_

W
T
2a b

.
En dduire

Q
_
min
t[0,T]

W
t
a [

W
T
= b

ainsi que la densit f de (min

t[0,T]

W
t
,

W
T
)
quand b a.
Que peut-on dire si a 0 ?
Que peut-on dire si b < a ?
6. Dduire de la question 3 que le prix de loption barrire est donn par
_
R
_
R
(a, b)f(a, b)dadb
pour une certaine fonction dterminer.
7. Faire le calcul.
Excercice 9 On suppose que d = 1. Calculer le prix et la couverture des options
de payo :
1. Option digitale : g(x) = 1
xK
, K > 0.
2. Option Buttery : g(x) = (x K + a)1
Kax<K
+ (a + K x)1
K<xK+a
,
K > a > 0.
3. Option Straddle : g(x) = (K x)1
xK+a
+ (x K 2a)1
K+a<x
, K, a > 0.
Excercice 10 (Swap) On suppose que d = 1. Un swap est un produit par lequel
deux personnes, A et B, changent des ux (appels jambes). A paie un ux xe
(jambe xe) et B paie en change un ux variable V (jambe variable). Au
moment de la signature du contrat les valeurs des deux jambes sont gales. Il
faut donc calculer , appel taux swap, tel que la valeur en 0 de la jambe xe
soit gale celle de la jambe variable. On suppose que les dates de paiement
sont 0 < t
1
< . . . < t
k
= T et que le ux de la jambe variable la date t
i
est
V
t
i
= [S
t
i
K]
+
, o K > 0. Calculer le taux swap .
Excercice 11 (Option spread). On se place dans le modle de Black et Scholes
de dimension 2 et on considre loption de payo g(S
T
) = [S
1
T
S
2
T
]
+
. On parle
de call sur spread . Soit

H :=

S
2
T
/S
2
0
.
105
Montrer que E
Q
[H] = 1. Soit

Q la mesure quivalente Q de densit

H par
rapport Q. Montrer que le prix de loption est
p := S
2
0
E

Q
_
_
S
1
T
/S
2
T
1

+
_
.
En utilisant le thorme de Girsanov, exhiber un

Q-mouvement Brownien et
crire S
1
T
/S
2
T
en fonction de celui-ci. Dduire de lExercice 5 une formule ferme
pour la valeur du call spread.
Excercice 12 (Contrat forward sur taux de change). On considre un modle
dans lequel deux marchs co-existent. Le taux sans risque sur le march domes-
tique est r. On note r le taux sans risque (constant) sur le march domestique.
Le taux sans risque sur le march tranger est r
f
. On suppose quune unit de
monnaie trangre vaut S units de monnaie domestique, o S suit lquation
(1) correspondant d = n = 1 et > 0. On suppose quil ny a pas pas darbi-
trage. On considre un contrat qui paie en T une unit de monnaie trangre.
Que vaut se contrat en monnaie domestique la date 0 si la prime est paye en
0 ? Si la prime est paye en 0, en T ? Quelle relation existe-t-il entre r, r
f
et
S
0
en labsence darbitrage.
Excercice 13 (Dcomposition de payo) On considre un march form dun
actif risqu de prix S
t
la date t T et dun actif sans risque voluant selon la
dynamique B
t
= e
rt
, t T, o r R
+
. On suppose quil ny a pas darbitrage.
1. Soit linstrument nancier de ux nal :
min(max(S
T
, K
1
), K
2
) avec K
1
< K
2
R .
Tracer le payo de cet instrument. Dcomposer son prix laide de zro-coupons
et de calls bien choisis.
2. Une chooser option est une option qui donne le droit son dtenteur de
choisir en T
0
entre un call et un put sur S de prix dexercice K et de maturit
T > T
0
. Montrer que cette option est une combinaison approprie dun call et
dun put.
Excercice 14 (Call sur Forward) Dans le cadre du modle de Black-Scholes
(taux dintrt constant r, actif risqu de processus de prix dni par dS
t
=
S
t
(rdt + dW
t
), W tant un mouvement brownien sous la probabilit neutre
au risque Q), on note par F
t
, t [0, T] le prix du contrat forward sur S de
106
maturit > 0 donne, i.e. qui paie S

m en . Sachant que sa valeur est nulle

en t = 0, que vaut m? Utiliser la formule de Black et Scholes pour donner le
prix dun call europen sur F de maturit donne T [0, ] et de prix dexercice
K > 0 (i.e. dni par le paiement (F
T
K)
+
la maturit T).
2 Modles volatilit locale
Si le modle de Black et Scholes prsent dans le paragraphe prcdent est
si populaire cest quil permet de calculer un grand nombre de prix doptions
europennes classiques. Cependant, lhypothse de volatilit constante nest pas
cohrente avec les prix observs sur le march.
Plus prcisment, supposons que le taux sans risque r soit xe et que lon observe
les prix C
i
de call europens de maturit T
i
et de strike K
i
, i = 1, . . . , I, crits
sur le mme sous-jacent S de prix spot S
0
aujourdhui. On doit alors avoir
C
i
= BS(0, S
0
, K
i
, T
i
, ) pour tout i = 1, . . . , I
o est la volatilit et BS(t, x, K, T, ) est le prix dans le modle de Black et
Scholes dune option dachat sur S la date t de maturit T et de strike K si
S
t
= x.
En particulier, on peut retrouver le paramtre de volatilit en inversant par
rapport cette variable la formule de Black et Scholes, voir lExercice 5 du
Chapitre 8, i.e. chercher tel que
C
i
= BS(0, S
0
, K
i
, T
i
, ) .
On appelle volatilit implicite la solution
imp
(T
i
, K
i
) de cette quation. Dans
le modle de Black et Scholes, la volatilit implicite ne doit videmment pas
dpendre de i. Or, ceci nest pas vri en pratique. Typiquement, on observe
que, pour une mme maturit, la volatil implicite est non constante en fonction
du strike. Elle a souvent une forme en U que lon appelle smile.
Une premire solution pour rsoudre ce problme est de considrer des modles
volatilit locale. On suppose alors que dpend de t et de S
t
, i.e.
dS
t
/S
t
= rdt +(t, S
t
)dW
t
o W est un mouvement brownien sous une mesure risque neutre Q.
107
Dans ce cas, il est ncessaire de calibrer la volatilit, i.e. chercher la fonction
de volatilit locale telle que les prix thoriques V
g
des options cotes sur le
march concident avec les prix observs. En gnral, on se base sur les prix de
produits trs liquides comme les calls.
2.1 Formule de Dupire et EDP dvaluation en strike et matu-
rit
On admet partir de maintenant que la loi de S

sachant S
t
= x > 0 admet
une densit rgulire f(, y; s, x) sous Q pour t < T.
Equation de Fokker-Planck
On montre le rsultat par un argument formel (mais que lon peut rendre
rigoureux...). Soit g C

b
support compact contenu dans (0, ). Alors
(v(s, S
s
) := E
Q
[g(S
T
) [ T
s
])
sT
est une martingale. Ceci implique que, pour
tout t < + T,
E
Q
[v( +, S
+
) v(, S

) [ S
t
= x] = 0 .
Comme f est rgulire et g C

b
, v est rgulire. Le Lemme dIt implique
alors que
_
+

_
Lv(s, y)f(s, y; t, x)dyds = 0 ,
o
Lv :=
t
v +r
s
v +
1
2
(t, s)
2
s
2

2
s
v .
Si on suppose que est born, on vrie que
lim
y0
v(s, y) = lim
x0
g(x) = 0 et lim
y
v(s, y) = lim
x
g(x) = 0
puisque le support de g est compact et contenu dans (0, ). En intgrant par
parties, on obtient alors
0 =
_ _
[v(s, y)f(s, y; t, x)]
+

_
+

v(s, y)

f(s, y; t, x)ds
_
dy

_
+

_
(v(s, y)
y
(ryf(s, y; t, x))) dyds
+
_
+

_ _
1
2
v(s, y)
2
y
(
2
(s, y)y
2
f(s, y; t, x))
_
dyds .
108
On remarque maintenant que
_
[v(s, y)f(s, y; t, x)]
+

dy =
_
(v( +, y)f( +, y; t, x) v(, y)f(, y; t, x)) dy
= v(t, x) v(t, x) = 0 .
On obtient alors en divisant par lquation prcdente et en faisant tendre ce
paramtre vers 0 que :
0 =
_
v(, y)
_

f(, y; t, x) +
y
(ryf(, y; t, x))
1
2

2
y
(
2
(, y)y
2
f(, y; t, x))
_
dy .
En faisant maintenant tendre T, on obient que v(, y) g(y), et donc,
avec un peu de rgularit,
0 =
_
g(y)
_

f(T, y; t, x) +
y
(ryf(T, y; t, x))
1
2

2
y
(
2
(T, y)y
2
f(T, y; t, x))
_
dy .
Comme g est quelconque, ceci implique que f est solution de lquation de
Fokker-Planck (7) ci-dessous, encore appele quation de Kolmogorov forward.
Proposition 15 Soient (t, x) [0, )(0, ). Si (, f(; t, x)) C
1,2
((t, )
(0, )) alors f(; t, x) vrie

f(T, y; t, x) =
y
(ryf(T, y; t, x)) +
1
2

2
y
(
2
(T, y)y
2
f(T, y; t, x)) (7)
sur (t, ) (0, ).
Equation et formule de Dupire
Si g est maintenant le payo dun call europenne de maturit , strike K et
de prix
C
(0, x; , K), on doit avoir

C
(0, x; , K) = e
r
_

K
(y K)f(, y; 0, x)dy .
Si
C
est rgulire en ses deux dernires variables, on a alors, en drivant puis
en utilisant (7),

C
(0, x; , K) = r
C
(0, x; , K) +e
r
_

0
(y K)
+

f(, y; 0, x)dy
= r
C
(0, x; , K)
+ e
r
_

0
(y K)
+
(
y
(ryf(, y; 0, x))) dy
+ e
r
_

0
(y K)
+
_
1
2

2
y
(
2
(, y)y
2
f(, y; 0, x))
_
dy .
109
En intgrant par parties, on obtient alors

C
(0, x; , K) = re
r
_

0
(y K)1
yK
f(, y; 0, x)dy
+ e
r
_

0
ry1
yK
f(, y; 0, x)dy
+ e
r
__

0

K
(y)
1
2

2
(, y)y
2
f(, y; 0, x)
_
dy
= rK
K

C
(0, x; , K) +
1
2

2
(, K)K
2

2
K

C
(0, x; , K)
car

C
(0, x; , K) =
_
1
yK
f(, y; 0, x)dy

2
K

C
(0, x; , K) =
_

K
(y)f(, y; 0, x))dy .
Si le prix
C
(0, x; , K) est susamment rgulier en (, K), il vrie donc
lquation de Dupire.
Proposition 16 Sous les conditions de la Proposition 15,
C
(0, x; ) vrie

C
(0, x; , K) = rK
K

C
(0, x; , K) +
1
2

2
(, K)K
2

2
K

C
(0, x; , K)
(8)
pour (, K) (0, T] (0, ) avec condition initiale
C
(0, x; 0, K) = [x K]
+
en = 0 et condition au bord
C
(0, x; , 0) = x pour tout [0, T].
Cette quation deux consquence importantes :
1. On peut calculer en rsolvant (8) les prix des calls pour toutes les maturits
et strike K dun seul coup. Ceci est trs important dun point de vue numrique
pour la calibration !
2. La volatilit locale doit ncessairement satisfaire la formule de Dupire :

2
(, K) = 2

C
(0, x; , K) +rK
K

C
(0, x; , K)
K
2

2
K

C
(0, x; , K)
. (9)
Si lon disposait des prix des calls pour toutes les valeurs de (, K) sur (0, T]
(0, ), on pourrait donc calculer la fonction de volatilit locale permettant
de rendre compte de ces prix. En pratique, on ne connait les prix des calls
que pour certaines maturits et strikes. Il nest donc pas possible destimer
110
les drives intervenant dans la formule prcdente. La seule manire dutiliser
celle-ci consiste interpoler les prix observs par rapport aux maturits et
strikes, par des splines, puis en dduire les drives associes. Le problme est
que bien videmment la nappe de volatilit locale ainsi obtenue, i.e. la fonction
(t, x) (t, x), dpend largement du mode dinterpolation retenu. En gnral,
elle se rvle trs instable.
Remarque 17 (Extensions possibles)Une preuve purement probabiliste de
(8) peut tre trouve dans [21]. La preuve est base sur des techniques din-
version de temps pour les EDS. Ce papier traite en outre des diusions avec
sauts pour lesquelles un rsultat similaire est valable. On y trouvera galement
deux extensions (options digitales sur deux sous-jacents et option barrire). Voir
galement [34].
2.2 Calibration de la nappe de volatilit partir dun nombre
ni de call
Une autre approche consiste rechercher une nappe de volatilit (t, x) (t, x)
pour laquelle

i
() := e
rT
i
E
Q
_
[S
T
i
K
i
]
+

= C
i
pour tout i = 1, . . . , I .
En pratique, on est amen considrer une forme paramtrique particulire de
: (a), a A R
M
. Dans ce cas, le problme prcdent peut ne pas avoir de
solution. On cherche alors trouver la solution de
min
I

i=1

i
[
i
((a)) C
i
[
2
,
o
i
est un poids strictement positif et C
i
est un proxy du prix de march
(moyenne de la fourchette bid/ask ou prix de la dernire transaction en gnral).
Il existe plusieurs choix naturels de poids :
1. Les poids peuvent tre utiliss pour donner plus dimportance aux options
liquides.
2. Ils peuvent galement servir donner autant dimportance aux options hors
de la monnaie pour lesquelles C
i
est petit qu celles dans la monnaie pour
lesquelles C
i
est grand. Une faon de procder consiste par exemple choisir

i
= 1/C
i
, ce qui revient calculer une erreur relative.
111
3. Ils peuvent tenir compte du niveau de prcision recherch sur chaque couple
maturit/strike en fonction de la fourchette bid/ask. Si on note C
b
i
et C
a
i
les prix
la vente et lachat de loption, il est important que lerreur de calibration
ne dpasse pas lcart C
a
i
C
b
i
. Il est alors naturel dutiliser les poids
i
=
1/(C
a
i
C
b
i
).
4. Une autre approche consiste poser
i
= 1/(1ega(K
i
, T
i
,
imp
(T
i
, K
i
)))
2
o 1ega est la drive du prix de Black et Scholes par rapport la volatilit.
Un dveloppement lordre 1 montre alors que ceci revient essentiellement
regarder lerreur en terme de volatilits implicite.
Toutefois, cette approche seule conduit des rsultats instables par rapport aux
donnes initiales et en gnral des nappes de volatilits trs irrgulires. An
de corriger ces problmes, il est ncessaire dimposer un terme de pnalit dont
lobjectif est de stabiliser la solution et den assurer une certaine rgularit.
Rgularisation de Tikhonov
Dans [11], voir galement les rfrences donnes dans ce papier, il est propos
dutiliser une pnalisation de Tikhonov
min
_
I

i=1

i
[
i
((a)) C
i
[
2
_
+
1
|(a) (a
0
)|
2
H
+
2
|(a) (a
0
)|
2
H
o
i
est un poids strictement positif,
1
,
2
> 0 sont xs et
|h|
2
H
:=
_
T
0
_

0
[h(t, x)[
2
dxdt .
Le premier terme de pnalisation permet de stabiliser la solution, le second en
assure la rgularit.
An de minimiser cette quantit, il est naturel dutiliser une mthode de gra-
dient. Le calcul du gradient du terme de pnalisation dpend de la param-
trisation retenue et nest pas dicile en gnral. Le problme est destimer le
gradient du terme

I
i=1

i
[
i
((a)) C
i
[
2
, i.e.
2
I

i=1

i
((a)) (
i
((a)) C
i
) . (10)
Dirences nies
112
A a A x, on peut calculer tous les
i
((a)) en rsolvant (8). Ceci permet
destimer
a

i
((a)) numriquement et ainsi dobtenir une estimation num-
rique du gradient (10).
Approche par arbre
Dans [11], lauteur propose destimer (
i
((a)))
iI
en utilisant un schma de
discrtisation de (8) par arbre trinomial et de calculer (
a

i
((a)))
iI
en
drivant la solution du schma numrique par rapport au paramtre a, i.e.
(
i
((a)))
iI
est estim par (

i
((a)))
iI
et (
a

i
((a)))
iI
par (
a

i
((a)))
iI
qui est obtenu en drivant les coecients dans le schma de discrtisation asso-
ci (

i
((a)))
iI
. Ici a reprsente lensemble des volatilits locales chaque
noeud de larbre. Ceci permet de mettre en oeuvre un mthode de gradient pour
rsoudre le problme approch
min
_
I

i=1

i
[

i
((a)) C
i
[
2
_
+
1
|(a) (a
0
)|
2
H
+
2
|(a) (a
0
)|
2
H
.
Les volatilits locales chaque noeud sont ensuite interpoles par des splines
pour donner une nappe de volatilit sur tout lespace.
Rgularisation par entropie
Dans [2], les auteurs proposent de chercher les paramtres a vriant

i
((a)) = C
i
i I
qui minimizent
E
a
__
T
0
((a)
2
s

2
0
)ds
_
o E
a
est lesprance sous la loi de S si sa volatilit est donne par (a),
0
est une constante, et est une fonction positive, coercive, strictement convexe,
atteignant son minimum 0. Typiquement, (y) = y
2
. Ceci conduit optimiser,
sous R
I
et a A, le Lagrangien
V (0, S
0
; , (a)) := E
a
_

_
T
0
((a)
2
s

2
0
)ds
_
+
I

i=1

i
(
i
((a)) C
i
) .
On cherche alors la solution du problme
inf
R
I
sup
aA
V (0, S
0
; , (a)) . (11)
113
Lorsque (a), a A est lensemble des processus de la forme (t, S
t
) valeur
dans un ensemble de la forme [
min
,
max
], on peut justier par un argument de
type programmation dynamique, voir Chapitre 7, que le max est atteint dans
W(0, S
0
; ) := sup
aA
V (0, S
0
; , (a))
et que la fonction W, tendue des conditions initiales quelconques, est solution
sur [0, T) (0, ) de

t
W +r
x
xW + sup

min
z
max
_
1
2
z
2
x
2

2
x
W e
rt
(z
2

2
0
)
_
= rW
I

i=1

T
i
(t)([x K
i
]
+
e
rT
i
C
i
) (12)
avec condition terminale W(T, ) = 0 si T
i
< T pour tout i I.
Si

atteint le minimum de W, la solution (a) du problme initial est donc
formellement donne par
(t, x) := arg max

min
z
max
_
1
2
z
2
x
2

2
x
W(,

) e
rt
(z
2

2
0
)
_
que lon calcule en fonction de x
2

2
x
W, et
2
0
.
Pour trouver la solution

au problme de minimisation de W, on montre que
W est continument direntiable en et que sa drive W
i
par rapport
i
est solution de

t
W
i
+r
x
xW
i
+
1
2
(t, x)
2
x
2

2
x
W
i
= rW
i

T
i
(t)([x K
i
]
+
e
rT
i
C
i
) (13)
avec condition terminale W(T, ) = 0 si T
i
< T.
La rsolution du problme (11) peut donc tre mene en itrant les deux tapes
suivantes :
- Calcul de par rsolution de (12)
- Estimation du gradient de W par rsolution de (13) et utilisation dun pas de
descente de gradient pour minimiser W.
Cette approche donne de bons rsultats en terme de calibration. Malheureuse-
ment, aucun critre nimpose de rgularit sur et les nappes de volatilit ainsi
obtenues sont gnralement trs irrgulires.
114
3 Modles volatilit stochastique
3.1 Impact dune erreur sur la spcication de la volatilit
On suppose ici que la vraie volatilit est un processus prvisible de carr
intgrable :
S
t
= S
0
+
_
t
0
S
s
rds +
_
t
0
S
s

s
dW
s
, t T . (14)
Supposons que le trader value le prix v dune option de payo g et de maturit
T en xant
t
= (t, S
t
), une fonction de volatilit locale. Daprs les rsultats
du Chapitre 7, si v est susamment rgulire, elle vrie

t
v(t, x) +rx
x
v(t, x) +
1
2
(t, x)
2
x
2

2
x
v(t, x) = rv(t, x)
v(T, x) = g .
Par ailleurs, la stratgie de couverture consiste alors dtenir un nombre dac-
tions
t
=
x
v(t, S
t
) la date t. On note V = V
v(0,S
0
),
. Daprs le Lemme
dIt et lquation prcdente, la dynamique de Z := V v(, S) est donne
par :
dZ
t
= rV
t
dt
_

t
v(t, S
t
) +rS
t

x
v(t, S
t
) +
1
2

2
t
S
2
t

2
x
v(t, S
t
)
_
dt
= rV
t
dt
_
rv(t, S
t
) +
1
2
(
2
t
(t, S
t
)
2
)S
2
t

2
x
v(t, S
t
)
_
dt
=
_
rZ
t
+
1
2
( (t, S
t
)
2

2
t
)S
2
t

2
x
v(t, S
t
)
_
dt .
Comme v(T, S
T
) = g(S
T
), lerreur de couverture est donc donne par
Z
T
= V
T
v(T, S
T
) =
1
2
_
T
0
e
r(Tt)
( (t, S
t
)
2

2
t
)S
2
t

2
x
v(t, S
t
)dt .
Autrement dit :
1. si
2
x
v 0, une sur-estimation de la volatilit assure un gain, une sous-
estimation assure une perte.
2. le contraire est videmment vrai si
2
x
v 0.
3. si
2
x
v(t, S
t
) 0, la couverture est peu sensible la volatilit ralise. Cest
ce quon appelle une couverture en gamma neutre.
115
3.2 Sur-rplication lorsque la volatilit nest pas couvrable
Daprs la sous-section prcdente, on ne peut tre sr de couvrir loption que
si v est convexe quand (t, S
t
)
2

2
t
0 et concave autrement.
Intuitivement, le prix de sur-rplication p devrait donc tre solution de lqua-
tion de Black-Scholes-Barenblatt

t
p(t, x) +rx
x
p(t, x) +
1
2
(t, x)
2
x
2

2
x
p(t, x) = rp(t, x)
p(T, x) = g (15)
o (t, x)
2
= sup
t,

2
t
si
2
x
p(t, x) 0 et (t, x)
2
= inf
t,

2
t
sinon.
Lorsque = (Y ) 0 o Y est un processus dIt de la forme
dY
t
= b
t
dt +a
1
t
dW
1
t
+a
2
t
dW
2
t
avec a
2
t
> 0 dt dP-a.e. et S est de la forme
dS
t
= S
s
rdt +S
t
(Y
t
)dW
1
t
on peut eectivement montrer que le prix de sur-rplication vrie (15), au
moins dans un sens faible, avec
(t, x)
2
= sup
y
(y)1

2
x
p(t,x)0
+ inf
y
(y)1

2
x
p(t,x)<0
lorsque la fermeture de (y); y R est contenue dans (0, ).
Lorsque la fermeture de (y); y R est R
+
, on obtient juste une
proprit de sur-solution dont on dduit cependant que
2
x
p(t, x) 0, i.e. le
prix est concave en x, et que
rp(t, x)
t
p(t, x) rx
x
p(t, x) 0 , p(T, ) g .
La proprit de concavit implique que p(T, ) G o G dnote lenveloppe
concave de g. Linquation implique que t e
rt
p(t, xe
rt
) est dcroissante en
t, do
p(t, xe
rt
) e
r(Tt)
p(T, x
rT
) e
r(Tt)
G(x
rT
) .
Ceci implique que p(t, x) e
r(Tt)
G(xe
r(Tt)
). Comme G est concave et au-
dessus de g, il est alors facile de vrier quune stratgie buy-and-hold consistant
116
dtenir exactement une quantit (G(xe
r(Tt)
)) dactifs risqus per-
met de couvrir loption
2
e
r(Tt)
_
e
r(Tt)
G(xe
r(Tt)
) x
_
+ S
T
= G(xe
r(Tt)
) e
r(Tt)
x + S
T
G(S
T
) g(S
T
) .
Il en rsulte que
p(t, x) = e
r(Tt)
G(xe
r(Tt)
)
et que la stratgie de couverture est de type buy-and-hold, i.e. le nombre dac-
tions dtenues dans le portefeuille de couverture est constant.
3.3 Couverture laide doptions liquides et trading de la vo-
latilit
Une manire naturelle de se couvrir contre les volutions de la volatilit consiste
acheter ou vendre de manire dynamique des options liquides (typiquement
des calls ou des puts).
Pour simplier, supposons que lon veuille couvrir une option europnne de
payo G, de maturit T et telle que G est (W
s
, s T)-mesurable o W est
un mouvement brownien de dimension 2. On suppose que lon ne dispose que
dun sous-jacent S de dynamique (on suppose le taux sans risque r nul pour
simplier)
dS
t
= (S
t
, Y
t
)dW
t
(16)
dY
t
= (S
t
, Y
t
)dt +(S
t
, Y
t
)dW
t
o les fonctions , et sont mesurables et telles quune solution forte existe
pour le systme prcdent, quelles que soient les conditions initiales.
Ici, le processus Y ne correspond pas a-priori un actif ngociable, ce qui rend
le march a-priori incomplet, et impossible une couverture parfaite de G, en
gnral.
On suppose maintenant que lon peut galement traiter une option vanille de
payo g(S
T
) o T
t
T. On note p(t, s, y) le prix de cette option la date t si
(S
t
, Y
t
) = (s, y) et on suppose p C
1,2
.
2
Pour une fonction convexe f, on note f(y) son sous-gradient en y, i.e. lensemble des
q R tels que f(x) f(y) + q(x y) pour tout x R
117
On peut alors former un portefeuille V
x,
o
1
t
(resp.
2
t
) denote le nombre
dunits de S (resp. de p) dtenues en t. Sa dynamique est donne par
dV
x,
t
=
1
t
dS
t
+
2
t
dp(t, S
t
, Y
t
) .
Si la dynamique (16) correspond la mesure risque neutre Q sous laquelle p est
calcul (i.e. W est un Q-mouvement brownien), on obtient alors :
dV
x,
t
=
_

1
t
(S
t
, Y
t
) +
2
t
(
s
p(t, S
t
, Y
t
)(S
t
, Y
t
) +
y
p(t, S
t
, Y
t
)(S
t
, Y
t
))
_
dW
t
puisque p(t, S
t
, Y
t
) doit tre une Q-martingale (locale).
Par ailleurs, si G est Q-intgrable, il admet une reprsentation de la forme
G = E
Q
[g] +
_
T
0

s
dW
s
.
Pour couvrir cette option, il sut alors de trouver = (
1
,
2
) / tel que,
dt dP a.e.,

1
t
(S
t
, Y
t
) +
2
t
(
s
p(t, S
t
, Y
t
)(S
t
, Y
t
) +
y
p(t, S
t
, Y
t
)(S
t
, Y
t
)) =
t
sur [0, T]. La question principale est donc de savoir si lon est ou non capable
dinverser ce systme. En pratique, cest gnralement le cas partir du moment
o les atifs ne sont pas redondants.
Tout se passe comme si lon pouvait traiter indirectement Y travers une
combinaison doptions liquides et de sous-jacent. Une telle stratgie permet donc
galement de prendre des positions indirectes sur le processus de volatilit.
On pourra consulter [12] pour des rsultats gnraux et une condition susante
facile vrier sur le modle.
3.4 Couverture statique approche et semi-statique par calls et
puts, application aux swaps de variance
Lobjet de cette section est de montrer comment lon peut couvrir une option
vanille partir de positions statiques sur des calls et puts de mme maturit.
Dcomposition de payo sur une base de calls et puts
Soit une option vanille de payo g(S
T
) o S
T
est une variable alatoire relle
positive quelconque reprsentant la valeur terminale dun actif sous-jacent. On
a alors le rsultat suivant :
118
Lemme 18 Si g admet des drives au sens des distributions jusqu lordre 2,
alors, pour tout 0 tel que g est drivable en , on a
g(S
T
) = g() +g
t
()
_
(S
T
)
+
( S
T
)
+

+
_

0
g

(K)(K S
T
)
+
dK +
_

(K)(S
T
K)
+
dK .
Preuve. On note la masse de Dirac en 0. On
g(S
T
) =
_

0
g(K)(S
T
K)dK +
_

g(K)(S
T
K)dK .
En intgrant par parties, on obtient alors
_

0
g(K)(S
T
K)dK = g()1
S
T
<

_

0
g
t
(K)1
S
T
<K
dK
o
_

0
g
t
(K)1
S
T
<K
dK = g
t
()( S
T
)
+

_

0
g

(K)(K S
T
)
+
dK .
On procde de la mme manire pour le second terme dans la premire qua-
tion. 2
Cette formule sinterprte facilement. Le terme g() correspond une position
en cash. Le second terme est une position position sur le sous-jacent et en cash,
de part la parit call-put. Les deux derniers termes correspondent des positions
dun niveau g

(K)dK sur des calls et puts de strike K.

Par absence dopportunit darbitrage (et en supposant un peu dintgrabilit
sur les direntes quantits...), ceci implique en particulier que la valeur v
0
du
contrat de payo g(S
T
) est donne par
v
0
= g() +g
t
() [S
0
] +
_

0
g

(K)P
0
(K, T)dK +
_

(K)C
0
(K, T)dK
o P
0
(K, T) et C
0
(K, T) sont les prix des puts et calls de strike K et de maturit
T sur S. Si lon dispose dj dun pricer ecace pour ces quantits, il sut donc
de lutiliser pour estimer les deux intgrales.
En pratique, cette formule nest videmment pas applicable telle quelle pour
la couverture puisque tous les strikes ne sont pas liquides, mais elle suggre
dapproximer le payo g par une somme pondre de calls et puts liquides et
qui lapprochent au mieux.
119
Supposons par exemple que les calls de strike K
i
, i = 1, . . . , I, soient liquides.
On cherche les poids c,
0
, := (
i
)
iI
qui minimisent
E[ ((c,
0
, , S
T
))]
o est une fonction de perte choisie (par exemple (x) = x
2
ou (x) = (x
+
)
2
),
et
(c,
0
, , S
T
) := g(S
T
) V (c,
0
, , S
T
)
est lerreur de couverture si
V (c,
0
, , S
T
) := c +
0
S
T
+
I

i=1

i
(S
T
K
i
)
+
est la valeur terminale du portefeuille de couverture statique. Ici, on utilise
la parit call-put pour se ramener ne considrer que des calls, du cash c et
une position sur le sous-jacent. Evidemment, si v
0
est le prix de loption g(S
T
),
loptimisation se fait sous la contrainte que le cot de la couverture soit infrieur
v
0
.
Lintrt de cette approche est double : 1. elle ne dpend pas de la dynamique
de S, seul le problme doptimisation dpend de la loi de S
T
; 2. Lorsque lon
connat la dynamique de S, on peut complter cette approche par une cou-
verture partielle de lerreur rsiduelle (c,
0
, , S
T
). Mme pour des modles
simples, cette dernire approche de couverture semi-statique peut savrer trs
performante. En eet, toute couverture dynamique est en pratique approche
puisque le rebalancement du portefeuille en temps continu est impossible. Par
ailleurs, ceci est coteux cause des frictions (cots de transaction). Plus la po-
sition couvrir est petite et plus le cot de couverture, et lerreur associe, est
faible. On a donc tout intrt couvrir la majeur partie du payo de manire
statique.
Application aux swaps de variance
Un swap de variance sur un sous-jacent S est un produit dchange dun jambe
variable de la forme
J
n
T
:=
1
T
n

k=1
_
ln
S
t
k
S
t
k1
_
2
120
contre une prime xe . Ici les t
k
forment une suite strictement croissance de
[0, T] et t
n
= T.
Ce genre de produit est actuellement trs la mode car il permet de sexposer
(ou se couvrir) directement sur les variations de la variance ralise, sans avoir
se positionner sur le march des options, voir Section 3.3.
Si la dynamique de S est de la forme (sous une mesure risque neutre Q donne
et en supposant le taux sans risque nul pour simplier)
dS
t
= S
t

t
dW
t
alors le Lemme dIt implique que
J
n
T
=
1
T
n

k=1
_

1
2
_
t
k
t
k1

2
t
dt +
_
t
k
t
k1

t
dW
t
_
2
=
1
T
n

k=1
_

_
t
k
t
k1
(Z
k
t

2
t

2
t
)dt + 2
_
t
k
t
k1
Z
k
t

t
dW
t
_
avec
Z
k
t
:=
1
2
_
t
t
k1

2
s
ds +
_
t
t
k1

s
dW
s
sur [t
k1
, t
k
] .
Si on fait tendre le pas de temps vers 0, i.e. n , on obtient alors
J
n
T
J
T
:=
1
T
_
T
0

2
t
dt .
En eet, si par exemple
_
T
0

4
t
dt L
2
alors (en notant C > 0 une constante
gnrique indpendante de n)
_
_
_
_
_
n

k=1
_
t
k
t
k1
Z
k
t

2
t
dt
_
_
_
_
_
L
1
C max
k
sup
t[t
k1
,t
k
]
_
_
_Z
k
t
_
_
_
L
2
o
_
_
_Z
k
t
_
_
_
2
L
2
C
_
_
t
k
t
k1
+t
k
t
k1
_
.
De la mme manire, on montre facilement que cette hypothse implique que
_
_
_
_
_
n

k=1
_
t
k
t
k1
Z
k
t

t
dW
t
_
_
_
_
_
L
2
0 .
121
A partir de maintenant, on supposera donc que le payo de la jambe variable
est J
T
au lieu de J
n
T
. A la vue de la discussion prcdente, lerreur de couverture
J
T
J
n
T
est faible pour une division susamment ne de [0, T].
On observe maintenant que
ln
_
S
T
S
0
_
=
1
2
_
T
0

2
t
dt +
_
T
0

t
dW
t
,
do
J
T
=
2
T
ln
_
S
T
S
0
_
+
_
T
0
2
TS
t
dS
t
.
Au dernier terme prs (portefeuille dynamique sur S), la jambe variable est
donc essentiellement une position short sur un log-contract de payo ln
_
S
T
S
0
_
sur S. Comme un tel contrat nexiste pas, il faut le couvrir dynamiquement ou
en utilisant lapproche par couverture semi-statique de la Section 3.4, cest ce
qui est fait en pratique.
Lapproche de la Section 3.4 permet aussi dans certain cas dvaluer rapidement
la jambe variable. En eet, on a daprs le Lemme 18 applique = S
0
ln
_
S
T
S
0
_
=
1
S
0
_
(S
T
S
0
)
+
(S
0
S
T
)
+

_
S
0
0
1
K
2
(K S
T
)
+
dK
_

S
0
1
K
2
(S
T
K)
+
dK
=
S
T
S
0
S
0

_
S
0
0
1
K
2
(K S
T
)
+
dK
_

S
0
1
K
2
(S
T
K)
+
dK .
Sous de bonnes hypothses dintgrabilit, ceci implique que la valeur v
0
du
contrat de payo ln
_
S
T
S
0
_
est donne par
v
0
=
_
S
0
0
1
K
2
P
0
(K, T)dK
_

S
0
1
K
2
C
0
(K, T)dK
o P
0
(K, T) et C
0
(K, T) sont les prix des puts et calls de strike K et de maturit
T sur S. Si lon dispose dj dun pricer ecace pour ces quantits, il sut donc
de lutiliser pour estimer les deux intgrales.
Nous renvoyons [33] pour une analyse dtaille de ce type de produits et
dautres produits lis.
122
4 Exemples de modles
4.1 Modle CEV et processus de Bessel
Le modle CEV (appel galement modle de Cox) est un modle volatilit
locale de la forme
t
= S

t
, i.e.
dS
t
= S
t
dt +S

t
dW
t
(17)
o > 0 et 0 < 1 sont des paramtres xes. Le terme CEV signie
Constant Elasticity Variance et ce nom provient de la proprit
(S

t
/S
t
)S
t
/S

t
= .
Autrement dit, llasticit de la volatilit en terme de S est constante, gale
/. Dans ce modle,
t
/S
t
= S
1
t
est dcroissant en fonction de S
t
: la
variance conditionnelle du taux de rendement est dcroissante en fonction du
sous-jacent, ce qui semble correspondre un certains nombre dtudes portant
sur la dynamique des prix des actions.
Lexistence dun tel processus a notamment t

tudie par [15]. Comme pour le
modle CIR, voir Section 3 du Chapitre 9, il sagit essentiellement dun processus
de Bessel carr correctement transform. On rappelle quun Bessel carr de
dimension d N correspond au carr de la norme euclidienne dun mouvement
brownien d-dimensionnel, voir ci-dessous. Ici, on a besoin de considrer des
processus de Bessel carr X

de dimension R non entire dnis comme

suit :
Dnition 19 Soit R et x > 0. On appelle processus de Bessel carr de
dimension issu de x, lunique solution forte X
,x
de lquation :
Z
t
= x + 2
_
t
0
_
[Z
s
[d

W
s
+t , t 0 , (18)
o

W est un mouvement Brownien de dimension 1.
On remarque que, pour N, si W est mouvement Brownien de dimension
alors := |W| vrie

2
t
= 2

i=1
_
t
0
W
i
s
dW
i
s
+t .
123
Pour 1, on vrie que > 0 dtdP-a.e. ce qui permet de dnir le processus

W :=

i=1
_

0
(W
i
s
/
s
)dW
i
s
qui est un mouvement Brownien (calculer le crochet). Par ailleurs,
2
est solution
de

2
t
= 2
_
t
0

s
d

W
s
+t .
On retrouve bien la dnition prcdente.
En ce qui concerne lunicit dune solution, on utilise le rsultat suivant (voir
Thorme 3.5 du Chapitre IX de [37])
Thorme 20 Soit b et a deux fonctions borliennes de R dans R telle que b
est Lipschitz et
[a(x) a(y)[
2
([x y[)
o vrie
_

0+
dz/(z) = . Soit W un mouvement brownien de dimension
1. Alors, lEDS
Z
t
= Z
0
+
_
t
0
b(Z
s
)ds +
_
t
0
a(Z
s
)dW
s
a au plus une solution.
Pour conclure sur lexistence dune solution forte (18), i.e. un processus Z
vriant (18) W x :
1. On a montr lexistence dune solution faible, i.e. lexistence dun couple
(Z,

W) vriant (18).
2. On a montrer qu W x, cette quation admet au plus une solution. On
parle dunicit trajectorielle.
3. On utilise alors le rsultat bien connu : sil existe une solution faible et sil y
a unicit trajectorielle, alors il y a existence forte.
Le cas gnral dcoule des rsultats dexistence dune solution faible que lon
peut trouver dans [37].
Remarque 21 Il est clair que si = 0 alors le point 0 est un point dabsorption.
Pour 0 < < 2, on peut montrer quil sagit dun point de reection, et que 0
nest jamais atteint ssi 2. Voir [37].
124
On peut maintenant construire le processus S. Tout dabord, on considre le
processus X := X
,x
avec x := S
2
2
0
et on appelle le premier temps de passage
de X en 0. Etant donns > 0 et < 2, on considre le changement de temps

(,)
t
:=

2
2(2 )
(1 e
2t/(2)
) .
On dnit Y
,
par
Y
t
:= e
t
_
X

(,)
t

_
1/2
. (19)
Pour poursuivre, on a besoin de la formule de changement de temps (voir [37]).
Thorme 22 Soit W un mouvement Brownien de dimension 1. Soit un
processus positif adapt strictement croissant et absolument continu tel que
0
=
0 et E[
t
] < pour tout t 0. Alors, pour tout processus prvisible, Pp.s.
de carr intgrable,
_

t
0

s
dW
s
=
_
t
0

s
_

s
d

W
s
o

est la densit de ,

W est dni par

W
t
=
_

t
0

c
s
dW
s
et c est dni par c

t
:= (

t
)
1
.
En utilisant la formule dIt ainsi que la formule de changement de temps pr-
cdente, on obtient alors que Y
,
vrie
dY
,
t
=
_
_
_
Y
,
t
dt +
_
Y
,
t
_1
2
dW
(,)
t
sur
(,)
t

0 sur
(,)
t
>
o W
(,)
est le mouvement Brownien dni par
W
(,)
t
=
_

(,)
t
0
2
_

2
2(2 )s
dW
s
.
Si maintenant on pose

:= (1 2)/(1 ), on peut vrier que Y

,

est so-
lution faible de (17). Daprs le Thorme 20 et les commentaires qui le suivent,
il existe donc une solution forte (17).
125
On note que

< 1, ce qui implique que la probabilit que S touche 0 nest pas

nulle, voir Remarque 21. Cest un dfaut de ce modle.
La reprsentation (19) permet dobtenir la loi du processus comme transfor-
mation de la loi dun chi-2 dcentr. Ceci permet en particulier dobtenir des
formules dvaluation quasi-explicites pour certains payos simples comme le
call ou le put, voir [15].
4.2 Modle dHeston
Le modle dHeston ([20]) est un modle volatilit stochastique de la forme
dS
t
= S
t
dt +
t
S
t
dW
1
t
d
2
t
= a(b
2
t
)dt +
t
dZ
t
o Z =

W
1
+

1 W
2
avec [0, 1], a, b > 0. Autrement dit,
2
est un
processus CIR, voir Section 3 du Chapitre 9. On peut noter que e
abt

2
t
suit une
dynamique similaire au processus S du modle CEV de la section prcdente.
Il est donc galement li un processus de Bessel carr.
Ce modle (trs populaire) permet de rendre compte de dirents types de
corrlation entre le sous-jacent et sa volatilit, selon la valeur de et le signe
de . Ce dernier paramtre permet galement de contrler la volatilit de la
volatilit (Vo-Vol).
Ici a est appel vitesse de retour la moyenne et b la volatilit de long terme. Ce
modle produit un smile symtrique lorsque le paramtre de corrlation est
nul. La volatilit de la volatilit contrle la pente du skew (plus grande quand
augmente). Une corrlation ngative produit un skew ngatif (pente ngative
du smile) et dplace le centre de gravit du skew vers la droite. Le phnomne
inverse apparait pour une corrlation positive. On peut noter que la probabilit
que la volatilit sannule est positive si 2ab <
2
.
Dans ce modle, on peut obtenir des formes quasi-explicites pour le prix dun
call et autres options simples qui peuvent tre calculs par mthode dinversion
de transforme de Fourrier rapide. Le calcul de la transforme de Fourier se fait
comme suit :
On pose = 0, ce qui revient travailler sous la mesure risque neutre. On
fait ensuite le changement de variable X = ln(S). On calcule (t, x, v; ) :=
126
E
_
e
iX
T
[ (X
t
,
2
t
) = (x, v)

. Pour ce faire, on utilise le thorme de Feynman-

Kac (Thorme 1 du Chapitre 7) pour crire que (si elle est rgulire) doit
vrier :

t
+L = 0
o L est le gnrateur de la diusion (X,
2
), avec la condition terminale
(T, x, v; ) := e
ix
. On cherche ensuite une forme particulire de solution sous
la forme
(t, x, v; ) = e
C(t,T;)+D(t,T;)v+ix
pour des fonctions valeurs complexes dnir. En remplaant dans lEDP
prcdente, on obtient une formule explicite pour C et D. Un argument de
vrication, voir Chapitre 7, permet de conclure. Nous renvoyons [20] pour la
forme explicite.
4.3 Modle dHeston sauts de Bates
Le modle dHeston sauts de [3] reprend le modle dHeston mais ajoute un
processus de saut pur J, indpendant de W, dans la dynamique dS/S :
dS
t
= S
t
dt +
t
S
t
dW
1
t
+S
t
dJ
t
Le processus de saut J est un processus de Poisson compos dont lintensit
est constante et dont la taille des sauts est gaussienne. Lavantage de cette
approche est que, conditionnellement au processus de saut, on connait dj
la fonction caractristique de S
T
. Il sut donc den faire le produit avec la
partie correspondant aux sauts. On gagne donc en exibilit sans perdre en
tractabilit.
Ce modle corrige un dfaut du modle dHeston qui permet de rendre compte
du skew pour les grandes maturits mais pas pour les petites. Lintroduction
de sauts permet daugmenter le risque sur une petite chelle de temps et ainsi
daugmenter le skew des petites maturits. Par contre, le phnomne de moyen-
nisation des sauts sur le long terme rend leur impact faible sur les options de
maturi

te grande. On peut donc calibrer sparment le skew court terme (par

les sauts) et celui long terme (par la corrlation entre les deux mouvements
browniens).
127
4.4 Modle SABR
Le modle SABR introduit par [19] est de la forme
dS
t
=
t
S

t
dW
1
t
d
t
=
t
dZ
t
avec Z = W
1
+
_
1
2
W
2
, [0, 1], [
1
2
, 1].
Un premier avantage de ce modle est quil est possible dobtenir une bonne
approximation de la volatilit implicite directement partir des paramtres,
voir [19] pour la formule (complique). Ceci permet une calibration rapide. Il
est par ailleurs facile de reproduire des smiles trs prononcs.
Sur cette mme formule, on peut noter que la volatilit implicite se dplace
(au premier ordre) dans le mme sens que lactif S, ce qui correspond ce que
lon observe sur le march. Ce modle a dailleurs t introduit pour palier
un dfaut des modles volatilit locale qui ont tendance reproduire leet
inverse, voir de nouveau [19] pour le cas o la volatilit locale ne dpend pas
du temps.
Par contre, la probabilit que S touche 0 nest pas nulle ds que < 1.
4.5 Autres modles de diusion volatilit stochastique...
Evidemment, on peut raner et mlanger tous ces modles ( condition que le
processus associ existe...). Il ne faut cependant pas perdre de vue quil faut
tout de mme tre capable de le calibrer facilement et que plus le nombre de
paramtres est grand et plus la calibration risque dtre instable.
4.6 Variance swap market models
Comme pour les modles de taux, voir Section 4 du Chapitre 9, lobjectif de
ce type de modle est de rendre compte de la stucture par terme des swaps
de variance en la modlisant directement, puis den dduire une dynamique
du sous-jacent, cette dernire pouvant par ailleurs tre utilise pour valuer et
couvrir tout autre produit un peu labor.
Comme dans le modle HJM, voir Section 4 du Chapitre 9, on modlise di-
rectement les processus de prix V (T) := (V
t
(T))
tT
des variances swap de
128
payo
_
T
0

2
t
dt de direntes maturits T T

(on oublie la division par T). En

pratique, on modlise la variance forward v(T) := (v
t
(T))
tT
dnie comme
v
t
(T) :=

T
V
t
(T)
de sorte que
V
t
(T) =
_
T
t
v
t
(s)ds (20)
puisque par contruction V
t
(t) = 0.
Notons que, si les V (T) sont ngociables, il en est essentiellement de mme des
v(T) (au moins en tant que limites de dirences de produits ngociables). Il
est donc raisonnable de supposer quil sagit de martingales sous une mesure
risque neutre Q donne.
On passe ensuite une paramtrisation en temps maturit
u
t
(x) := v
t
(t +x) .
La modlisation de type HJM consiste alors supposer une dynamique de la
forme
du
t
(x) = b
t
(x)dt +a
t
(x)dW
t
o W est de dimension d et b(x) et a(x) sont prvisibles et de carr intgrable.
Ceci implique, en supposant ci-dessous toutes les quantits bien dnies, que
dv
t
(T) = du
t
(T t) = (b
t
(T t)
x
u
t
(T t)) dt +a
t
(T t)dW
t
en suivant les arguments de la preuve de la Proposition 6 du Chapitre 9. Puisque
les v(T) doivent tre des martingales, on en dduit la condition de drift de type
HJM
b
t
(T t) =
x
u
t
(T t) dt dP a.e.
Autrement dit, u doit vrier
du
t
(x) =
x
u
t
(x)dt +a
t
(x)dW
t
et la modlisation ne porte que sur la volatilit a.
129
Pour reconstituer un processus de prix, on peut choisir un processus prvisible
valeurs dans [1, 1]
d
telle que |
t
| = 1 pour tout t T

. On dni ensuite
le Q-mouvement brownien B par
B
t
:=
_
t
0

s
dW
s
et on dni S par
dS
t
= S
t
_
u
t
(0)dB
t
. (21)
Dans ce modle, la volatilit est
_
u(0) et on a bien
E
Q
__
T
t
u
s
(0)ds [ T
t
_
= E
Q
__
T
t
v
s
(s)ds [ T
t
_
=
_
T
t
v
t
(s)ds = V
t
(T)
puisque v(s) est un martingale pour tout s T

et en utilisant (20). Autrement

dit le modle de prix (21) est automatiquement compatible avec les prix des
swaps de variance.
5 Evaluation par FFT
On a vu dans les sections prcdente quil est souvent possible de calculer la
transforme de Fourier de S
T
. Il reste utiliser cette transforme de Fourier
pour calculer le prix doption.
On utilise ici les ides proposes dans [7] qui permettent den dduire la trans-
forme de Fourier du call.
Premire approche
Soit C
T
(k) le prix dun call de maturit T et de strike e
k
. On note q
T
la densit
de ln(S
T
) et
T
sa transforme de Fourier. On a alors

T
() =
_
e
ix
q
T
(x)dx et C
T
(k) =
_
k
(e
x
e
k
)q
T
(x)dx .
Comme C
T
nest pas intgrable (constante quand k ), on va plutt
travailler avec c
T
(k) := e
k
C
T
(k) pour un > 0. Ceci permet de rendre C
T
intgrable sur lorthant positif.
130
On note alors que la transforme de Fourier de c
T
vrie

T
() :=
_
e
ik
c
T
(k)dk
=
_
e
ik
_
k
e
k
(e
x
e
k
)q
T
(x)dxdk
=
_
e
ik
q
T
(x)
_
x

(e
x+k
e
(1+)k
)dkdx
=

T
( ( + 1)i)

2
+
2
+i(2 + 1)
.
An de sassurer que
T
est bien dni, il faut maintenant sassurer que c
T
est
bien intgrable sur lorthant ngatif. Ceci revient supposer que
T
(0) < ,
i.e.
T
((+1)i) < ou encore E
_
S
1+
T

< . Ceci impose videmment une

restriction sur en fonction des paramtres du modle, mais celle-ci peut tre
calcule explicitement puisque
T
est connue.
Pour retrouver le prix du call, il sut maintenant dinverser la transformation
C
T
(k) =
e
k

_

0
e
ik

T
()d .
An dassurer une certaine stabilit au voisinage de 0, il faut choisir le plus
grand possible (sous la contrainte indique ci-dessus). Il est galement possible
de contrler lerreur de troncature de lintgrale en remarquant que
T
() se
comporte en 1/
2
pour grand ce qui implique que C
T
(k)
e
k

0
e
ik

T
()d
est au plus de lordre de 1/

.
En pratique, on utilise une technique de type Fast Fourier Transform pour
calculer lintgrale en dirents point k dun seul coup et rapidement. Ceci
est trs avantageux lors de procdures de calibration au cours desquelles il est
ncessaire de recalculer des prix thoriques pour direntes valeurs de strike.
La mthode consiste dans un premier temps discrtiser lintgrale
C
T
(k)
e
k

n=1
e
i
n
k

T
(
n
)

:=

/N, N > 1 et
n
:= (n 1)

.
On procde ensuite une discrtisation en strike autours 0, en posant k

:=

k + ( 1)
k
pour 1 N, avec

k > 0 et
k
:= 2

k/(N 1) de sorte que

k
0
=

k et k
N
=

k.
131
Ceci implique que
C
T
(k

)
e
k

n=1
e
i(n1)(1)

k
e
i

k
n

T
(
n
)

.
On choisit enn les paramtres de sorte que

k
= 2/N, ce qui donne
C
T
(k

)
e
k

n=1
e
i
2
N
(n1)(1)
e
i

k
n

T
(
n
)

.
On est ainsi ramen un calcul du type
f

=
N

n=1
e
i
2
N
(n1)(1)
g
n
, = 1, . . . , N .
Pour ce type de problmes il existe des algorithmes permettant le calcul de tous
les f

en O(N lnN), voir [9].

Autres pnalisations possibles
On peut noter que la multiplication par e
k
na servit qu assurer lintgra-
bilit de la fonction intgrer et quen pratique, le choix de est assez dicile.
On peut cependant utiliser dautres approches. Par exemple, on peut considrer
la transformation c

0
T
(k) = C
T
(k) BS

0
T
(k) o BS

0
T
(k) est le prix du call de
maturit T et de strike e
k
calcul pour un niveau de volatilit
0
correspondant
la volatilit implicite la monnaie.
Il est facile de vrier que c

0
T
(k) est bien de carr intgrable ds quil existe
> 0 tel que E
_
S
1+
T

< . Enn, on obtient par un calcul analogue celui

dvelopp ci-dessus que
1
2
_
e
ik
c

0
T
(k)dk =

T
( i)

0
T
( i)

2
+i
o

0
T
(k) :=
1
2
_
e
ik
BS

0
T
(k)d = e

2
T
2
(
2
+i)
.
Dans presque tous les modles utiliss en pratique, lexpression ci-dessus dcroit
plus vite que toute puissance de quand sa partie relle tend vers linni. La
convergence de lintgrale est donc rapide.
132
Chapitre 9
Modles de taux
On prsente dans ce chapitre les principaux modles de taux en temps continu.
Lobjectif nal est de donner un prix aux obligations zro-coupon ou dvaluer
des options sur actions dans des modles taux dintrt stochastiques.
Comme dans le Chapitre 6, on travaille sur un espace de probabilit complet
(, T, P) supportant un mouvement brownien standard n-dimensionnel W =
(W
1
, . . . , W
n
). On note F = (T
t
)
tT
la ltration naturelle engendre par W,
complte. Ici, T = [0, T] o T > 0. On suppose que T
T
= T.
1 Gnralits
Comme dans le Chapitre 6, on considre un march comportant un placement
sans risque au taux sans risque r, qui est suppos F-adapt et Pp.s. born, et
on note le processus dactualisation. Comme il sagit dun taux de rendement
instantan, on parle galement de taux court .
1.1 Zro-coupon et AOA
On suppose que lon dispose en outre de zro-coupons de maturits T, i.e.
de produits nanciers qui permettent leur acheteur de recevoir 1 euro en .
On notera B
t
() le prix du zro-coupon de maturit en t T. Par convention,
on posera
B
t
() :=

/
t
= e
R
t

r
s
ds
si t . (1)
133
Ceci revient dire quune fois le paiement de 1 euro reu en , ce montant est
plac au taux sans risque. On notera

B() := B() .
On supposera par la suite quil existe un processus (b(), ()) = (b
t
(),
t
())
tT
F-prvisible valeurs dans lespace des fonctions mesurables dnies sur [0, T]
et valeurs dans R M
1,n
tel que, pour tout T, B() vrie
dB
t
() = B
t
()b
t
()dt +B
t
()
t
()dW
t
.
Daprs les rsultats du Chapitre 6, nous savons quan dassurer labsence
dopportunit darbitrage, obtenu en investissant dans un nombre ni de zro-
coupons, il est ncessaire que, pour chaque N-uplet U := (
1
, . . . ,
N
) [0, T]
N
,
il existe une mesure quivalente Q
U
qui rende martingale (locale) les prix actua-
liss des zro-coupons correspondant

B(
1
), . . . ,

B(
N
), N 1. Si lon suppose
en outre que, pour N susamment grand (plus grand que d), la matrice de vo-
latilit des actifs est de rang d, alors la prime de risque associe ce N-uplet
est unique. Le fait dajouter des lments au N-uplet ne peut pas la modier.
Cela revient dire quil existe une mesure quivalente Q qui rend simultan-
ment martingale (locale) tous les prix actualiss des zro-coupons. Par la suite,
on fera donc lhypothse suivante :
Q P :

B() est une Q-martingale quel que soit T. (2)
Comme B

() = 1, un prix viable pour B() est alors donn par

B
t
() = E
Q
_
e

t
r
s
ds
[ T
t
_
, t T . (3)
On supposera en outre que
un Q-mouvement brownien W
Q
t.q. d

B
t
() =

B
t
()
t
()dW
Q
t
t (4)
pour tout T. On peut noter que la convention (1) implique que
() = 0 sur [, T] dt dPp.p. (5)
134
1.2 Courbe des taux spot
On appelle taux sans risque de maturit la date t le taux de rendement
R
t
() composition continue x la date t qui correspond une opration
sans risque rapportant 1 euro en . Comme acheter une unit de B() la date
t rapporte 1 euro en , il doit vrier
B
t
() = e
R
t
()(t)
. (6)
On appelle courbe des taux linstant t, la fonction
[t, T] R
t
() .
1.3 Courbe de taux forward
On appelle zro-coupon forward x la date t dchance
1
t et de maturit

2

1
, un produit dont le prix est x en t, qui est eectivement livr en
1
et
qui livrera son acheteur 1 euro en
2
. En labsence dopportunit darbitrage,
son prix B
t
(
1
,
2
) est donn par
B
t
(
1
,
2
) = B
t
(
2
)/B
t
(
1
) . (7)
En, particulier, il est clair que B
t
(t,
2
) = B
t
(
2
).
On appelle taux forward x la date t dchance
1
t et de maturit

2

1
le taux de rendement R
t
(
1
,
2
) composition continue x la date
t qui correspond une opration sans risque consistant placer une certaine
somme dargent en
1
de manire recevoir 1 euro en
2
. Comme acheter une
unit de B
t
(
1
,
2
) la date t correspond cette opration, il doit vrier
B
t
(
1
,
2
) = e
R
t
(
1
,
2
)(
2

1
)
. (8)
On appelle courbe des taux forward linstant t dchance
1
, la fonction

2
[
1
, T] R
t
(
1
,
2
) .
Le taux court forward, ou taux forward instantan, f
t
(
1
) est la limite du taux
forward quand la maturit
2
tend vers lchance
1
, i.e.
f
t
(
1
) := lim

1
R
t
(
1
,
2
) = lim

1
_

ln(B
t
(
1
,
2
))
(
2

1
)
_
,
135
en supposant que cette limite est bien dnie. Si cest le cas, on a alors, daprs
(7),
f
t
() =

ln(B
t
()) , (9)
de sorte que
B
t
() = e

t
f
t
(u)du
et R
t
() =
1

_

t
f
t
(u)du . (10)
Par ailleurs, il est naturel didentier le taux court comme un taux forward dont
lchance est immdiate, i.e.
r
t
= f
t
(t) = lim
t
f
t
() . (11)
2 Modle de Vasicek
2.1 Le modle
On considre un premier modle dans lequel le taux court r est de la forme
r
t
= r
0
+
_
t
0
a
s
(b
s
r
s
)ds +
_
t
0

s
dW
Q
s
, t T (12)
o (a, b, ) est une fonction dterministe positive borne valeur dans R
+

R
+
(M
1,n
0), inf
t0
a
t
> 0.
Le coecient b sinterprte comme une tendance alors que le coecient a est
une force de rappel. Plus a est grand et plus r aura tendance se rapprocher
rapidement de b sil sen loigne du fait de chocs lis la partie brownienne

s
dW
s
.
On vrie facilement que
r
t
= r
0
e

R
t
0
a
u
du
+
_
t
0
e

R
t
s
a
u
du
a
s
b
s
ds +
_
t
0
e

R
t
s
a
u
du

s
dW
s
, t T (13)
en appliquant le Lemme dIt et la Proposition 1 du Chapitre 6.
En particulier, si a et b sont constants, on a
r
t
= r
0
e
at
+b
_
1 e
at
_
+
_
t
0
e
a(ts)

s
dW
s
, t T . (14)
Dans tous les cas, il est clair que r est un processus gaussien sous Q et que
r
t
^(m
r
t
, v
r
t
) sous Q
136
avec
m
r
t
:= r
0
e

R
t
0
a
u
du
+
_
t
0
e

R
t
s
a
u
du
a
s
b
s
ds
v
r
t
:=
_
t
0
e
2
R
t
s
a
u
du

2
s
ds .
2.2 Prix du zro-coupon et courbe des taux
La formule dintgration par parties pour les intgrales stochastiques, voir [36],
implique que
I(t, ) :=
_

t
r
s
ds
= r
t
_

t
e

R
s
t
a
u
du
ds +
_

t
_

u
e

R
s
u
a
v
dv
b
u
dsdu +
_

t
_

u
e

R
s
u
a
v
dv

u
dsdW
Q
u
.
Conditionnellement T
t
, I(t, ) est donc une variable alatoire gaussienne
I(t, ) [ T
t
^(m(t, ), v(t, )) sous Q
avec
m(t, ) := r
t
_

t
e

R
s
t
a
u
du
ds +
_

t
_

u
e

R
s
u
a
v
dv
b
u
dsdu
v(t, ) :=
_

t
(
_

u
e

R
s
u
a
v
dv
ds)
2

2
u
du .
Connaissant la transfome de Laplace dune gaussienne, on en dduit que le
prix du zro-coupon dans ce modle peut scrire
B
t
() = E
Q
_
e

t
r
s
ds
[ T
t
_
= e
m(t,)+
1
2
v(t,)
, t T . (15)
Lorsque a, b et sont constants, on obtient alors une formule explicite.
Proposition 1 Si a, b et sont constants alors pour tout t T :
B
t
() = e
R

(t)+(R

r
t
)
1e
a(t)
a


2
4a
3
(1e
a(t)
)
2
o
R

= b

2
2a
2
.
137
Par ailleurs, pour tout t T la fonction est donne par

t
() =
1 e
a(t)
a
,
et la courbe des taux vrie
R
t
() = R

(R

r
t
)
1 e
a(t)
a( t)
+

2
4a
3
( t)
(1 e
a(t)
)
2
. (16)
Preuve. La formule obtenue pour B se dduit de (15) par un calcul direct.
La fonction sobtient en applicant le Lemme dIt B et en utilisant (1). La
forme de la courbe des taux se dduit de (6). 2
On peut remarquer que R
t
() R

quand . La quantit R

peut donc
sinterprter comme un taux long.
Cest le caractre explicite de ce modle qui le rend populaire. Cependant il a
plusieurs dfauts :
(a) Tout dabord, les taux sont gaussiens et peuvent donc prendre des valeurs
ngatives avec probabilit non nulle.
(b) Par ailleurs, dun point de vue pratique, il est naturel de xer le taux court
spot r
0
et le taux long R

en fonction des donnes de march. Ceci implique

quil ne reste que deux paramtres pour expliquer toute la courbe de taux, ce qui
est peu. En particulier, comme a > 0, (16) implique que ce modle ne permet
pas de reproduire des courbes des taux de type invers o le taux court spot r
0
est plus grand que le taux long R

et il existe > 0 tel que R

0
() (R

, r
0
).
An de palier ce dfaut, il est ncessaire de considrer des paramtres non-
constants.
(c) Le seul paramtre alatoire expliquant lvolution de la courbe des taux est r
et la dformation induite par lvolution de r est essentiellement une translation.
3 Modle de Cox-Ingersoll-Ross (CIR)
3.1 Le modle
Dans ce modle, le taux de rendement instantan est modlis par un processus
racine carr de la forme
r
t
= r
0
+
_
t
0
a(b r
s
)ds +
_
t
0

r
s
dW
Q
s
(17)
138
o a, r
0
, b > 0 et M
1,n
0.
On peut noter que la fonction x

x ntant pas Lipschitzienne, lexistence
dune solution (17) ne se dduit pas des rsultats classiques dexistence. Il
est toutefois possible de montrer que r est bien dni, quitte changer de
mouvement brownien. Pour b susamment grand, on vrie galement que r
est toujours strictement positif.
Proposition 2 Soit X
0
> 0. Alors, il existe un mouvement brownien

W
Q
sous
Q pour lequel il existe une solution lquation
X
t
= X
0
+
_
t
0
a(b X
s
)ds +
_
t
0
_
X
s
d

W
Q
s
, t T . (18)
En outre, X > 0 sur [0, T] P p.s. si b
1
2a
Trace(
t
) > 0.
Preuve. On se restreint au cas b =
2
/(4a), le cas gnral fait lobjet de
lexercice ci-dessous. Soit Y la solution de lquation
Y
t
=
_
X
0

_
t
0
1
2
aY
s
ds +
_
t
0
1
2
dW
Q
s
. (19)
Le processus

W
Q
dni par

W
Q
t
=
_
t
0
_
1
Y
s
0
1
Y
s
<0
_
dW
Q
s
est alors galement un mouvement brownien sous Q et on vrie que le processus
X dni par X
t
:= Y
2
t
est solution de lquation (18) pour b =
2
/(4a). On
suppose maintenant :=
2ab

> 1 et on pose
x > 0, s(x) =
_
x
1
y

e
y/b
dy .
Pour k, n N

tels que 1/n x

0
k, on pose

k
n
= inft 0, X
t
/ ]1/n, k[ ,
k
= inft 0, X
t
k .
On peut vrier en utilisant (19), qui implique que Y est un processus gaus-
sien, et le lien entre X et Y que Q
_

k
n
< +

= 1 pour tout 1/n x

0
k.
Un calcul direct montre galement que s
tt
(x) =
(bx)
bx
s
t
(x). En appliquant
le Lemme dIt s(X), on en dduit que E
Q
_
s
_
X

k
n
__
= s(x
0
). En calcu-
lant lim
n+
s(1/n), on vrie alors que lim
n+
Q
_
X

k
n
= 1/n
_
= 0 et que
Q[t
k
, X
t
> 0] = 1 en utilisant le lemme de Borel Cantelli. Ceci permet de
conclure que Q[t 0, X
t
> 0] = 1. 2
139
Excercice 3 Lobjet de cet exercice est de montrer lexistence dun processus
vriant (17) dans le cas o b ,=
2
/(4a). Soit Y un processus de Bessel carr
de dimension := 4ab/
2
, voir Dnition 19 du Chapitre 8. En utilisant le
Thorme 22 du Chapitre 8, trouver Y
0
tel que

Y dni par

Y
t
:= e
at
Y

2
4a
(e
at
1)
vrie (17) pour un mouvement brownien bien choisi.
3.2 Prix du zro-coupon et courbe des taux
Comme dans le modle prcdent, il est possible de calculer explicitement le
prix dun zro-coupon.
Proposition 4 On pose :=
t
et on suppose que b >
1
2a
> 0. Pour tout
t T, la transforme de Laplace de r
t
sous Q est donne par

r
t
() = (2L(t) + 1)
2ab/
e

L(t)(t,r
0
)
2L(t)+1
o L(t) = (/4a)(1 e
at
) et (t, x) = 4xae
at
/((1 e
at
)).
Par ailleurs, on a pour t T
B
t
() = A
t
()e
r
t
C
t
()
o
A
t
() :=
_
2e
+a
2
(t)
( +a)(e
(t)
1) + 2
_2ab

C
t
() :=
2(e
(t)
1)
( +a)(e
(t)
1) + 2
:=
_
a
2
+ 2 .
Preuve. En appliquant le Lemme dIt (F(t s, r
s
))
st
o
F(t, x) := (2L(t) + 1)
2ab/
e

L(t)(t,x)
2L(t)+1
on vrie quil sagit dune Q-martingale. Comme F(0, r
t
) = e
r
t
, on a bien
E
Q
_
e
r
t

= F(t, r
0
). La formule pour B() se vrie de la mme manire, on
vrie que (

B
t
())
t
est bien une Q-martingale satisfaisant B

() = 1 et on
conclut en utilisant (15). 2
On en dduit la forme de la courbe des taux :
140
Proposition 5 On pose :=
t
et on suppose que b >
1
2a
> 0. Alors, pour
tout t < T,
R
t
() = ln(B
t
())/( t) =
ln(A
t
())
t
+r
t
C
t
()
t
= R
t
() +r
t
C
t
()
t
+G
t
() (20)
o
G
t
() :=
2ab
( t)
_
ln(2) + ln(( +a)(1 e
(t)
) + 2e
(t)
)
_
R
t
() := lim

R
t
() =
ab( a)

.
Ce modle savre plus exible que le modle de Vasicek. Daprs (20), le taux
dpend dune fonctionnelle du taux court et du taux long, ce dernier pouvant
tre cal sur les donnes de march.
Toutefois, le taux instantan nest plus gaussien ce qui rend son implmentation
plus dicile (on pourra consulter [1] et [17] pour des techniques de simulation
du taux r). En outre, comme dans le modle de Vasicek, seul r explique les
dformations alatoires de la courbe des taux et ces dformations sont essen-
tiellement des translations.
3.3 Simulation exacte (exercice)
On considre le processus de Cox Ingersoll Ross (CIR) X
x
de dimension 1 dni
sur [0, T] par
X
x
t
= x +
_
t
0
a(b X
x
s
)ds +
_
t
0
_
X
x
s
dW
s
o x, a, b, > 0. On suppose que ab
2
/2 ce qui implique que X
x
> 0 Pp.s.
Par la suite on se donne := 0 = t
0
< t
1
< . . . < t
i
< . . . < t
n
= T une
partition de [0, T].
1. On utilise les notations de la Proposition 4. Quelle est la transforme de
Laplace
Y
x
t
de Y
x
t
:= X
x
t
/L(t) ?
2. On suppose que 4ab/
2
=: k N.
2.1. Soit N une gaussienne de variance 1 et de moyenne m. Calculer la densit
f
N
2 de N
2
et sa transforme de Laplace
N
2.
141
2.2. En dduire une mthode de simulation des accroissements (X
x
t
i+1
X
x
t
i
)
i<n
lorsque 4ab/
2
est un entier.
3. On considre maintenant le cas o 4ab/
2
est un rel strictement positif
quelconque.
3.1. Soient > 0, > 0 et
f
,
(x) =

()
x
1
e
x
1
x>0
,
la densit de la loi Gamma G(, ), o est la fonction Gamma. Comment simu-
ler une variable alatoire (U, V ) de loi uniforme sur D := (u, v) (0, )
2
: 0
u
_
f
,
(v/u) quand > 1 ? On commencera par montrer que D est contenu
dans un rectangle .
3.2. On suppose > 1. Soit (U, V ) une variable alatoire uniformment distri-
bue sur D. Quelle est la loi de V/U ?
3.3. Dduire des questions prcdentes une mthode de simulation de copies
i.i.d. de loi G(, ) quand > 1. Donner le cot moyen dun tirage en fonction
du volume [D[ de D.
3.4. Que faire quand = 1 ?
3.5. On rappelle que, pour tout > 0 et > 0, la transforme de Laplace de
la loi G(, ) est donne par

,
(y) = (1 +y/)

y 0 .
Soit > 0, M une variables alatoire de loi de Poisson de paramtre p > 0 et
(
+i
)
i0
une suite de variables alatoires indpendantes (et indpendantes de
M) telle que
+i
G((+i)/2, 1/2) pour chaque i 0. Calculer la transforme
de Laplace
+M
de
+M
:=

i0

+i
1
i=M
.
3.6. Comment simuler des copies i.i.d. de
+M
?
3.7. Dduire des questions prcdentes un mode de simulation des accroisse-
ments (X
x
t
i+1
X
x
t
i
)
i<n
.
Remarque : En pratique cette mthode est assez coteuse numriquement.
Lorsque le pas de temps est petit, on prfrera discrtiser lEDS associe X
x
en adaptant lapproche par schma dEuler (voir ce sujet les travaux rcents
de [1]).
142
4 Approche de Heath, Jarrow et Morton
Lapproche de Heath, Jarrow et Morton consiste modliser directement la
courbe de taux forward instantans.
4.1 Dynamique du taux court forward et du zro-coupon
Dans le modle de Heath, Jarrow et Morton, on suppose que la courbe des taux
courts forward vrie
f
t
() = f
0
() +
_
t
0

u
()du +
_
t
0

u
()dW
Q
u
pour tout T , (21)
o ((), ()) = (
t
(),
t
())
tT
est un processus F-prvisible valeurs dans
lespace des fonctions mesurables dnies sur [0, T] et valeurs dans R M
1,n
tel que
_
t
0
[
u
()[du +
_
t
0
|
u
()|
2
du < P p.s. pour tout T .
Le gros avantage de ce modle est quil repose sur la donne de la courbe de
taux courts forward linstant initial, f
0
(). Il est donc facile de calibrer
parfaitement cette courbe.
On caractrise maintenant la dynamique des prix des zro-coupons dans ce
modle.
Proposition 6 Pour tout T, la dynamique de B() est donne sur [0, ]
par
dB
t
() = B
t
()
_
r
t

t
() +
1
2
|
t
()|
2
_
dt B
t
()
t
()dW
Q
t
o
(
t
(),
t
()) =
_

t
(
t
(u),
t
(u))du .
Preuve. Daprs (10), (21) et le Lemme dIt, on a
ln(B
t
()) =
_

t
f
t
(u)du
=
_

t
f
0
(u)du +
_

t
__
t
0

v
(u)dv +
_
t
0

v
(u)dW
Q
v
_
du .
143
En utilisant deux fois la version stochastique du Thorme de Fubini, voir [36]
Thorme IV.45, on obtient
ln(B
t
()) =
_

0
f
0
(u)du +
_
t
0

v
()dv +
_
t
0

v
()dW
Q
v

_
t
0
f
0
(u)du
_
t
0
_
t
v

v
(u)dudv +
_
t
0
__
t
v

v
(u)du
_
dW
Q
v
=
_

0
f
0
(u)du +
_
t
0

v
()dv +
_
t
0

v
()dW
Q
v

_
t
0
f
0
(u)du
_
t
0
__
u
0

v
(u)dv +
_
u
0

v
(u)dW
Q
v
_
du .
On dduit alors de (10), (11) et (21) que
ln(B
t
()) = ln(B
0
())
_
t
0
r
u
du +
_
t
0

v
()dv +
_
t
0

v
()dW
Q
v
. (22)
On conclut en utilisant le Lemme dIt. 2
Sous lhypothse (4), on dduit de la proposition prcdente une condition sur
(, ) :

t
() =
1
2
|
t
()|
2
dt dP-p.p. sur [0, ] T .
Ceci, combin (9) et (22) et la version stochastique du Thorme de Fubini,
conduit la caractrisation suivant de la dynamique de B et f.
Proposition 7 Sous lhypothse (4), on a ncessairement :
B
t
() = B
0
()e
R
t
0
(r
s

1
2
|
s
()|
2
)ds
R
t
0

s
()dW
Q
s
f
t
() = f
0
() +
_
t
0

s
()
s
()
t
ds +
_
t
0

s
()dW
Q
s
r
t
= f
0
(t) +
_
t
0

s
(t)
s
(t)
t
ds +
_
t
0

s
(t)dW
Q
s
sur [0, ], pour tout T.
Corollaire 8 Sous lhypothse (4), on a pour tout 0
dB
t
(t +) = (B
t
(t +)r
t
+

B
t
(t +)) dt B
t
(t +)
t
(t +)dW
Q
t
dR
t
(t +) =
_
1
2
|
t
(t +)|
2
+

R
t
(t +, t +)
[
=0
_
dt +
1

t
(t +)dW
Q
t
df
t
(t +) =
_

f
t
(t +) +
t
(t +)
t
(t +)
t
_
dt +
t
(t +)dW
Q
t
dr
t
=

f
t
(t +)
[
=0
dt +
t
(t)dW
Q
t
144
sur [0, T ].
Preuve. On remarque tout dabord que pour s t
B
t
(t +) = B
t
(s +) +
_
t
s

B
t
(u +)du
= B
t
(s +) +
_
t
s

_
B
u
(u +) +
_
t
u
dB
v
(u +)
_
du .
En utilisant la version stochastique du Thorme de Fubini, on vrie ensuite
que
A
t
s
:=
_
t
s

_
t
u
dB
v
(u +)du
=
_
t
s
__
t
u

(B
v
(u +)r
v
)dv
_
t
u

(B
v
(u +)
v
(u +))dW
Q
v
_
du
=
_
t
s
_
v
s

(B
v
(u +)r
v
)du dv
_
t
s
_
v
s

(B
v
(u +)
v
(u +))du dW
Q
v
=
_
t
s
(B
v
(v +)r
v
B
v
(s +)r
v
) dv

_
t
s
(B
v
(v +)
v
(v +) B
v
(s +)
v
(s +)) dW
Q
v
=
_
t
s
B
v
(v +)r
v
dv
_
t
s
B
v
(v +)
v
(v +)dW
Q
v
+ B
s
(s +) B
t
(s +)
ce qui, tant donne lquation prcdente, conduit au premier rsultat recher-
ch. On procde de la mme manire pour obtenir la dynamique de f
t
(t +).
Comme R
t
(t + ) = ln(B
t
(t + )), on dduit de la dynamique de B
t
(t + )
que
dR
t
(t +) =
1

_
r
t
+
1
2
|
t
(t +)|
2

ln(B
t
(t +))
_
dt +
1

t
(t +)dW
Q
t
.
Or

ln(B
t
(t +)) =

_
t+
t
f
t
(u)du
_
= f
t
(t +)
et
f
t
(t +) r
t
= lim
0
(

ln(B
t
(t + +))

ln(B
t
(t +)))
= lim
0

ln(B
t
(t +, t + +))
=

R
t
(t +, t +)
[
=0
.
145
2
On observe que, si est dterministe, alors B
t
() est lognormal. Il est alors
facile de calculer des drivs simples sur B (call, put, etc...). Par ailleurs, une
dpendance non triviale de en permet de reproduire des dformations (non
triviales) de la courbe des taux si n > 1. De mme, la dynamique de r est
gaussienne et on peut facilement calculer la prime de swaps et autres produits
drivs simples ayant r comme sous-jacent. Bien entendu, laspect gaussien de
r est une limite au modle, puisque les taux peuvent alors tre ngatifs. Pour
remdier cela, on peut supposer que dpend de f. Toutefois, comme f
t
est de
dimension inni, lexistence dune solution (21) est plus problmatique dans
ce cas, si la dpendance nest pas triviale. On renvoie au Chapitre 13.1 de [31]
pour des rfrences sur ce sujet.
4.2 Exemples de paramtrisation
Volatilit constante
Si est constante alors, daprs la Proposition 7,
r
t
= f
0
(t) +
t
2
2
||
2
ds +W
Q
t
et lgalit B
t
() = E
Q
_
e

t
r
s
ds
_
implique que
B
t
() =
B
0
()
B
0
(t)
e
(t)(r
t
f
0
(t)+
1
2
||
2
t(t))
.
Dans ce cas, la dynamique du prix du zro coupon est entirement donne par
celle du taux court r et des constantes correspondants ltat du march en 0.
Modles facteurs
On suppose maintenant que
f
t
() = b(t, ) +a( t)
t
F
t
o b, a sont des processus dterministes valeurs dans R et R

, 1, rguliers
par rapport leur premire variable, et F est adapt valeurs dans R

donn
par
F
t
= F
0
+
_
t
0
D
s
ds +
_
t
0
V
s
dW
Q
s
146
o D et sont prvisibles vriant les conditions usuelles.
Dans ce cas, la dynamique de f est donne par
df
t
() =
_

t
b(t, )
t
a( t)
t
F
t
+a( t)
t
D
t
_
dt +a( t)
t
V
t
dW
Q
t
.
Daprs la Proposition 7, on doit avoir

t
b(t, )
t
a( t)
t
F
t
+a( t)
t
D
t
=
t
()
t
()
t
a( t)
t
V
t
=
t
() . (23)
A partir de maintenant, on suppose que
t
() scrit (F
t
, t) et on pose
A( t) =
_
t
0
a(s)ds, ce qui implique que
(F
t
, t) = A( t)
t
V
t
.
En utilisant (23), on obtient alors

t
b(t, )
t
a( t)
t
F
t
+a( t)
t
D
t
= a( t)
t
V
t
V
t
t
A( t) . (24)
Comme cette quation doit tre vrie pour tout t T, en considrant un
nombre susamment grand de maturits direntes , on obtient un systme
dquations dinconnues D
t
et V
t
V
t
t
que lon peut sattendre pouvoir inverser.
Si cest le cas, ces deux quantits sont ncessairement des fonctions anes de
F
t
. Les coecients obtenus ne peuvent alors pas dpendre de .
On suppose que cest le cas et quils admettent une criture de la forme :
V
t
V
t
t
= F
t
+
t
D
t
=
t
F
t
o les matrices et sont ncessairement symtriques par symtrie de V
t
V
t
t
.
En utilisant (24), on obtient alors
a( t)
t

t
A( t) =
t
b(t, )
_

t
a( t)
t
+a( t)
t

_
F
t
a( t)
t
F
t
A( t) +a( t)
t

t
.
Comme seul F est alatoire, on a ncessairement
_

t
a( t)
t
+a( t)
t

_
F
t
+a( t)
t
F
t
A( t) = 0
ce qui implique que
A(x) = A(0)
t
A(x)
1
2
Trace[A(x)A(x)
t
] .
Cest une quation de Riccati de dimension . En gnral, on ne peut pas
rsoudre cette quation analytiquement, sauf dans le cas = 1.
147
5 Mesure forward neutre
5.1 Motivation et dnition de la mesure forward neutre
Supposons que lon veuille calculer le prix dun call de maturit
1
sur un zro-
coupon de maturit
2

1
:
p := E
Q
_
e

1
0
r
s
ds
[B

1
(
2
) K]
+
_
.
Lide du passage la mesure forward neutre est de considrer Q

1
Q dnie
par
dQ

1
dQ
:=
e

1
0
r
s
ds
E
Q
_
e

1
0
r
s
ds
_ =

1
B
0
(
1
)
.
On peut alors r-crire p comme
p = B
0
(
1
)E
Q

1
_
[B

1
(
2
) K]
+

.
Comme
dQ

1
dQ
est une variable alatoire strictement positive et intgrable, on
dduit du thorme de reprsentation des martingales quil existe un processus
prvisible p.s. de carr intgrable tel que
dQ

1
dQ
= e

1
2
R

1
0
|
s
|
2
ds+
R

1
0

s
dW
Q
s
et le thorme de Girsanov implique que
W
Q

1
:= W
Q

_

0

s
ds
est un Q

1
mouvement brownien. Une fois le explicit, on peut alors r-crire
B

1
(
2
) en fonction de W
Q

1
.
Par exemple, dans le modle de Vasicek, si a, b et sont constants, les calculs
de la Section 2.2 conduisent
_

1
0
r
s
ds = r
0
_

1
0
e
sa
ds +
_

1
0
_

1
u
e
(su)a
bdsdu
+
_

1
0
1
a
_
1 e
(
1
u)a
_
dW
Q
u
.
148
Par identication, on en dduit que
t
u
=
1
a
_
1 e
(
1
u)a

, ce qui implique
que
r
t
= r
0
e
at
+b[e
at
1] +
_
t
0
e
a(ts)
dW
Q
s
= r
0
e
at
+b[e
at
1]
1
a
_
t
0
e
a(ts)

t
_
1 e
(
1
s)a
_
ds
+
_
t
0
e
a(ts)
dW
Q

1
s
.
Dans le modle de HJM, le Corollaire 8 et la Proposition 7 impliquent que

t
u
=
u
(
1
).
De manire plus gnrale, on remarque que
1 = B

1
(
1
) = B
0
(
1
)e
R

1
0
r
s
ds
e

1
2
R

1
0
|
s
(
1
)|
2
ds+
R

1
0

s
(
1
)dW
Q
s
ce qui implique que
t
= (
1
).
5.2 Proprit de martingale du zro-coupon forward
En utilisant le fait que

B(
2
) est une Q-martingale et que
B(
1
)B(
1
,
2
) = B(
2
) , (25)
on observe que
E
Q

1
[B
t
(
1
,
2
) [ T
s
] =
E
Q
[

1
B
t
(
1
,
2
) [ T
s
]
E
Q
[

1
[ T
s
]
=
E
Q
[
t
B
t
(
1
)B
t
(
1
,
2
) [ T
s
]

s
B
s
(
1
)
=
E
Q
[
t
B
t
(
2
) [ T
s
]

s
B
s
(
1
)
=

s
B
s
(
2
)

s
B
s
(
1
)
= B
s
(
1
,
2
) .
Proposition 9 Pour tout
1

2
, B(
1
,
2
) est une Q

1
-martingale.
Ceci combin (25) permet de trouver la dynamique de B(
1
,
2
) sous Q

1
. Par
exemple, dans le modle HJM, on dduit de la Proposition 6 que
dB
t
(
1
,
2
) = B
t
(
1
,
2
) (
t
(
1
)
t
(
2
)) dW
Q

1
t
(26)
149
5.3 Proprit de martingale du taux Libor forward
Le taux LIBOR (London Interbak Oer Rate) est un taux intrts simples
pay en n de priode. On note L
t
() le taux demprunt la date t pour un
remboursement en . Pour un emprunt dun euro la date t, on rembourse
donc 1 + ( t)L
t
() euros en . Si B
t
() est le prix dun zro coupon en t de
maturit sur ce taux, on doit donc avoir
B
t
() = (1 + ( t)L
t
())
1
.
Par la suite, on notera L
t
(
1
,
2
) la valeur la date t du taux LIBOR forward
pour un emprunt en
1
de maturit
2
. On a galement
B
t
(
1
,
2
) = (1 + (
2

1
)L
t
(
1
,
2
))
1
. (27)
En particulier,
(
2

1
)L
t
(
1
,
2
)B
t
(
2
) = B
t
(
1
) B
t
(
2
) ,
ce qui implique que L(
1
,
2
)B(
2
) doit tre une Q-martingale. On en dduit
que
E
Q

2
[L
t
(
1
,
2
) [ T
s
] =
E
Q
[

2
L
t
(
1
,
2
) [ T
s
]
E
Q
[

2
[ T
s
]
=
E
Q
[
t
B
t
(
2
)L
t
(
1
,
2
) [ T
s
]

s
B
s
(
2
)
=

s
B
s
(
2
)L
s
(
1
,
2
)

s
B
s
(
2
)
= L
s
(
1
,
2
) .
Proposition 10 Pour tout
1

2
, L(
1
,
2
) est une Q

2
-martingale.
Ceci combin (27) permet de trouver la dynamique de L(
1
,
2
) sous Q

2
. Par
exemple, dans le modle HJM, on dduit de (26) que
dL
t
(
1
,
2
) =

t
(
2
)
t
(
1
)
(
2

1
)B
t
(
1
,
2
)
dW
Q

2
t
o encore
d

L
t
(
1
,
2
) =

L
t
(
1
,
2
) (
t
(
2
)
t
(
1
)) dW
Q

2
t
avec

L(
1
,
2
) := 1 + (
2

1
)L(
1
,
2
).
150
6 Quelques produits drivs de taux
6.1 Call sur obligation
On considre une obligation payant un coupon c
i
(connu lavance) aux dates
t
i
, i = 1, . . . , , de maturit t

. Le dernier ux c

comprend la fois le coupon

pay en t

et le remboursement du nominal. La valeur de lobligation en t < t

est donne par

O
t
=

t
i
t
B
t
(t
i
)c
i
.
La valeur en 0 dun call de date dexercice t sur lobligation et de strike K est
C
0
= E
Q
_
e

R
t
0
r
s
ds
[O
t
K]
+
_
.
Dans de nombreux modles, O
t
est de type lognormal lorsquil ny a quune date
de paiement de coupon = 1, ce qui revient en fait supposer que lobligation
est un zro-coupon. Dans ce cas, on obtient de manire classique une formule
explicite pour C
0
.
On suppose maintenant que le prix du zro coupon B
t
(s), s t, est dcroissant
par rapport au taux spot r
t
. On met en vidence cette dpendance en notant
B
t
(s) = b(t, r
t
, s) o on suppose que b est une fonction dterministe. Ce type
dcriture est valable dans la pluspart des modles simples (voir les section pr-
cdentes). De mme, on note O
t
= o(t, r
t
) et on suppose quil existe r tel que
o(t, r) = K. Dans ce cas, on dnit les constantes
K
i
:= b(t, r, t
i
)
de sorte que
K =

t
i
t
K
i
c
i
et
[O
t
K]
+
=

t
i
t
c
i
[B
t
(t
i
) K
i
]
+
.
Sous les hypothses prcdentes, on est donc ramen valuer une somme de
calls sur zro-coupons.
151
6.2 Swap de taux
Un swap de taux est compos de deux jambes associes des ux pays des
dates t
1
< . . . < t

xes lavance (on note t

0
:= 0) :
- la jambe xe est paye par lacheteur. A chaque date t
i+1
celui-ci paie un
montant N(t
i+1
t
i
). N est le nominal et un taux x lavance, appel
taux swap.
- la jambe variable est reue par lacheteur. A chaque date t
i+1
celui-ci reoit
un montant NL
t
i
(t
i+1
)((t
i+1
t
i
), o L
t
i
(t
i+1
) est un taux variable intrts
simples pour la priode [t
i
, t
i+1
], connu en t
i
.
Au moment de la cration du swap, le taux swap est choisi de manire ce que
les deux jambes aient la mme valeur, i.e.
0 =
1

i=0
E
Q
_
e

R t
i+1
0
r
s
ds
(t
i+1
t
i
) ( L
t
i
(t
i+1
))
_
=
1

i=0
B
0
(t
i+1
)(t
i+1
t
i
) E
Q
_
e

R t
i+1
0
r
s
ds
(t
i+1
t
i
)L
t
i
(t
i+1
)
_
.
En utilisant lidentit
(t
i+1
t
i
)L
t
i
(t
i+1
) = B
t
i
(t
i+1
)
1
1 ,
on remarque, en prenant lesprance conditionnelle T
t
i
dans la partie de droite
de lquation prcdente, que
E
Q
_
e

R t
i+1
0
r
s
ds
(t
i+1
t
i
)L
t
i
(t
i+1
)
_
= E
Q
_
B
t
i
(t
i+1
)e

R
t
i
0
r
s
ds
_
B
t
i
(t
i+1
)
1
1
_
_
= E
Q
_
e

R
t
i
0
r
s
ds
_
E
Q
_
e

R
t
i
0
r
s
ds
B
t
i
(t
i+1
)
_
= B
0
(t
i
) B
0
(t
i+1
) ,
ce qui implique que
=
1 B
0
(t

1
i=0
B
0
(t
i+1
)(t
i+1
t
i
)
.
152
6.3 Swaption
Un swaption est une option permettant de rentrer dans un swap de taux une
date t xe un taux swap x lavance. Sa valeur en 0 est donc
V
0
= E
Q
_
_
e

R
t
0
r
s
ds
_
_

t
i+1
t
E
Q
_
e

R t
i+1
t
r
s
ds
N(t
i+1
t
i
)(L
t
i
(t
i+1
) ) [ T
t
_
_
_
+
_
_
.
Ceci scrit galement, voir les calculs de la Section 6.2,
V
0
= NE
Q
_
_
e

R
t
0
r
s
ds
_
_

t
i+1
t
(B
t
(t
i
) (1 +(t
i+1
t
i
))B
t
(t
i+1
))
_
_
+
_
_
,
et nous ramne caculer le prix dun call sur obligation versant des coupons.
6.4 Cap et oor
Un cap est un produit qui paie la dirence positive entre les intrts simples
lis un taux variable et un taux x lavance. Si N est le nominal, L
t
i
(t
i+1
)
le taux variable pour la priode [t
i
, t
i+1
] et le taux xe, le paiement la date
t
i+1
est
N(t
i+1
t
i
)[L
t
i
(t
i+1
) ]
+
.
Ce paiement est eectu aux dates t
1
< . . . < t

. Le prix la date t
0
:= 0 est
donc donn par
1

i=0
E
Q
_
e

R t
i+1
0
r
s
ds
N(t
i+1
t
i
)[L
t
i
(t
i+1
) ]
+
_
.
On parle de caplet lorsquil ny a quune date de paiement, i.e. un cap est une
somme de caplets. On parle de oor (resp. de oorlet) lorsque le paiement en
t
i+1
est N(t
i+1
t
i
)[ L
t
i
(t
i+1
)]
+
.
Lorsque L
t
i
(t
i+1
) est gaussien ou lognormal sous Q
t
i+1
, le prix est explicite
(mme type de formules que pour les calls et puts dans le modle de Black et
Scholes).
On peut remarquer quacheter un cap et vendre un oor de taux xe revient
acheter un swap.
153
Chapitre 10
Modles avec risque de dfaut
Dans ce chapitre, on sintresse lvaluation de produits de taux en prsence
de risque de dfaut
1
. Plus prcisment, on cherche valuer des titres nanciers,
typiquement un zro-coupon, mis par une rme qui peut faire dfaut, i.e. ne
pas tre en mesure dhonorer ses engagements.
Le temps alatoire partir duquel la rme fait dfaut est appel temps de
dfaut. Par convention, on posera toujours = si ce temps est plus grand
que T.
Par la suite, on supposera quil existe une mesure risque neutre Q P sous
laquelle les actifs nanciers actualiss au taux sans risque r sont des martingales,
voir le Chapitre 6. On notera W
Q
un mouvement brownien sous Q.
1 Modles de la rme (ou modles structurels)
1.1 Modle de Merton
Lobjectif de ce modle est dvaluer un zro-coupon de maturit T, i.e. qui paie
1 en T.
Dans ce modle, on suppose que la rme fait dfaut quand la valeur de la rme
en T, F
T
, passe sous le niveau de la dette, ici 1, en T. Autrement dit
= T1
F
T
<1
+1
F
T
1
.
Si la rme fait dfaut en T, lacheteur de lobligation reoit la valeur de la rme
F
T
en T au lieu de 1. Il reoit donc : X := F
T
1.
1
Nous renvoyons [4] pour de nombreux dveloppements sur le sujet.
154
Le prix du titre est donc, voir Chapitre 6,
B
d
0
(T) = E
Q
_
e

R
T
0
r
s
ds
(F
T
1)
_
.
Dans ce modle, on suppose en outre que r est constant et que la valeur de la
rme volue selon la dynamique
F
t
= F
0
+
_
t
0
F
s
(r )ds +
_
t
0
F
s
dW
Q
s
, t T ,
o F
0
, > 0 et 0 est un taux de dividende xe. On a alors
B
d
0
(T) = e
rT
__

F
0
e
(r
2
/2)T+

Tx
1

2
e
x
2
/2
dx +
_

2
e
x
2
/2
dx
_
o
=
ln(1/F
0
) (r
2
/2)T

T
,
qui se calcule explicitement en fonction de la fonction de rpartition de la loi
^(0, 1).
On peut en dduire une valeur du spread de taux implicite, i.e. de lcart entre
le taux de rendement constant r
d
de cette obligation si lentreprise ne faisait
pas dfaut et le taux sans risque. En eet, le taux de rendement r
d
dun titre
valant p en 0 et versant 1 en T doit vrier p = e
r
d
T
, i.e.
r
d
= ln(p)/T .
Le spread par rapport au taux sans risque est donc
spread
d
:= r
d
r = ln(p)/T r .
Dans ce modle, on peut vrier que le spread est strictement positif et quil
tend vers 0 (resp. ) quand T tend vers 0 si F
0
> 1 (resp. si F
0
< 1).
1.2 Modle de Black and Cox
Le modle de Black et Cox repose sur la mme ide que le modle de Merton
sauf que lon suppose que la rme fait dfaut ds que sa valeur passe sous la
valeur dun processus L dni par
L
t
= L
0
e
t
,
155
avec , L
0
> 0, o si la valeur de la rme en T est infrieure un niveau K > 0.
On a alors
:=

1

<T
+T1
V
T
<K
+1

>T , F
T
K
o

:= inf t T : F
t
< L
t

avec la convention usuelle inf = . Dans le cas o lentreprise fait dfaut, on

reoit un recovery proportionnel la valeur de la rme
1
F

au temps si < T
et
2
F
T
si = T,
1
,
2
0.
Le prix du zro coupon risqu scrit donc
B
d
0
(T) = E
Q
_
e

R
T
0
r
s
ds
(1
>T
+
2
F
T
1
=T
) +e

0
r
s
ds

1
F

1
<T
_
.
Lorsque r est constant, un calcul explicite peut tre eectu en utilisant le
Corollaire 3 ci-dessous. La formule tant relativement longue, nous ne la donnons
pas ici, voir p73 dans [4].
Comme dans la section prcdente, on obtient un spread strictement positif ds
que
1
,
2
, K, L
T
< 1 et > r.
1.3 Remarques gnrales
On peut mettre deux critiques principales sur ces modles :
1. La dynamique de la valeur de la rme est simpliste et il ny a aucune raison
pour quelle soit observable.
2. Ces modles produisent des primes de risque qui sont souvent plus faibles que
celles observes sur le march lorsque lon sapproche de la maturit (proches
de 0). Ceci pourrait sexpliquer par le fait que le temps de dfaut est un temps
darrt prvisible.
2
Autrement dit, il existe une suite dvnements qui an-
noncent le dfaut et celui-ci nest pas une surprise. Il nest donc pas attendu
si lon est proche de la maturit et que la valeur de la rme est susamment le-
ve. Pour remdier ce problme, on peut ajouter des sauts dans la dynamique
de F.
2
On dit quun temps darrt est prvisible, sil existe une suite de temps darrt (
n
)
n
telle que
n
P p.s. et
n
< P p.s. sur { > 0}.
156
1.4 Rappels sur la loi du maximum dun brownien drift
On commence par tudier la loi du minimum dun mouvement brownien condi-
tionn par sa valeur terminale.
Lemme 1 Soit W
Q
un Q-mouvement brownien unidimensionelle. Alors pour
tout a 0, b a et h > 0
Q
_
min
t[0,h]
W
Q
t
a [ W
Q
h
= b
_
= e

2
h
a(ab)
.
Preuve. Soit
a
:= inft 0 : W
Q
t
= a , le temps datteinte de a par W
Q
.
On a alors,
Q
_
min
t[0,h]
W
Q
t
a , W
Q
h
b
_
= Q
_

a
h , W
Q
h
b
_
= Q
_

a
h , W
Q
h
W
Q

a
b a
_
.
Comme
a
est T

a
mesurable et que W
h
a
W

a
est indpendant de T

a
par
la proprit de Markov forte du mouvement brownien, on obtient
Q
_
min
t[0,h]
W
Q
t
a , W
Q
h
b
_
= Q
_

a
h , W
Q
h
W

a
a b
_
= Q
_

a
h , W
Q
h
2a b
_
car W
Q
h
a
W
Q

a
et W
Q

a
W
h
a
ont la mme loi (proprit de symtrie). Comme
2a b a, on a donc
Q
_
min
t[0,h]
W
Q
t
a , W
Q
h
b
_
= Q
_
W
Q
h
2a b
_
.
Finalement, comme
Q
_
min
t[0,h]
W
Q
t
a [ W
Q
h
= b
_
=

b
Q
_
min
t[0,h]
W
Q
t
a , W
Q
h
b
_

b
Q
_
W
Q
h
b
_ ,
un calcul direct donne le rsultat. 2
Puisque W
Q
est galement un Q-mouvement brownien et que W
Q
h
^(0,

h)
sous Q, on dduit du Lemme 1 la loi du max et du min dun mouvement
brownien par un calcul dintgration direct.
157
Corollaire 2 Soit W
Q
un Q-mouvement brownien unidimensionelle. Alors pour
tout a R et h > 0
Q
_
max
t[0,h]
W
Q
t
a
_
= Q
_
[W
Q
h
[ a
_
=
_
(a/

h) (a/

h)
_
1
a0
.
Par ailleurs, max
t[0,h]
W
Q
t
=
en loi
min
t[0,h]
W
Q
t
.
On peut maintenant considrer le cas dun brownien drift.
Corollaire 3 Soit W
Q
un Q-mouvement brownien unidimensionelle et Y dni
par Y
t
= y
0
+ t + W
Q
t
, > 0, y
0
, R. Alors, pour tout a 0, b a et
h > 0
Q
_
min
t[0,h]
Y
t
a , Y
h
b
_
=
_
b
a
+y
a
0
+h

h
_
e
2

2
y
a
0

_
b
a
y
a
0
+h

h
_
et
Q
_
min
t[0,h]
Y
t
a
_
=
_
y
a
0
h

h
_
+e
2

2
y
a
0

_
y
a
0
+h

h
_
o y
a
0
:= y
0
a et b
a
= b a.
Preuve. Par un changement de mesure, voir Thorme 9 du Chapitre 6, on se
ramne considrer le cas o X := (Y y
0
)/ est un mouvement brownien. Le
rsultat dcoule alors du Lemme 1 et du Corollaire 2 par des calculs dintgration
directs. 2
Excercice 4 (Loi du temps datteinte)
Soit B un Mouvement Brownien Standard. Etant donn un rel a 0 on note
T
a
:= inft 0 : B
t
= a.
a. Montrer que T
a
est un temps darrt dans la ltration naturelle F = (T
t
)
t0
de B. (i.e. T
a
t T
t
pour tout t 0).
b. Par la suite on xe > 0. Soit M dni par M
t
= exp
_
B
t

2
t/2
_
. On
admet que pour tout n 1 (M
tT
n
a
)
t0
est une martingale o T
n
a
= T
a
n.
Calculer E[M
T
n
a
].
c. Montrer que M
T
n
a
e
a
d. Montrer que sur T
a
= , M
T
n
a
0 quand n .
e. Que se passe-t-il sur T
a
< ?
f. En dduire que E[1
T
a
<
e

2
T
a
/2
] = e
a
.
g. En dduire que P[T
a
< ] = 1 et que E[e

2
T
a
/2
] = e
a
.
h. Que dire si a < 0 ?
158
2 Approche (rduite) par fonction de hasard
Cette approche consiste modliser la probabilit conditionnelle du dfaut sa-
chant linformation courante : P
t
:= Q[ t [ T
t
]. Ici, Q est une mesure risque
neutre pour le march, est le temps de dfaut et F est une ltration par rapport
laquelle le taux sans risque r est prvisible, la ltration de lagent nancier
pouvant tre plus grande. Pour simplier, on supposera en outre que P admet
une intensit prvisible p, i.e.
P =
_

0
p
s
ds ,
et que
P
t
< 1 pour tout t < T P p.s.
Cette dernire condition signie simplement que linformation donne par F
nest pas susante pour tre sr que le dfaut a dj eu lieu. Elle implique en
particulier que nest pas un F-temps darrt. Ceci permet de rendre ventuel-
lement compte dun eet de surprise au moment du dfaut.
2.1 Cas du dfaut indpendant du taux sans risque
On note B
d
0
() la valeur du zro-coupon avec dfaut de maturit en 0. On
suppose que le recovery R, constant, est pay en en cas de dfaut. On a alors
B
d
0
() = E
Q
_
e

0
r
s
ds
(1
>
+R1

)
_
.
Si lon suppose que est indpendant de F, alors P est dterministe et
B
d
0
() = E
Q
_
e

0
r
s
ds
_
E
Q
[1 (1 R)1

] = B
0
() (1 (1 R)P

) . (1)
Nous allons maintenant r-crire cette identit en fonction de la fonction de
hasard de . Elle est dnie par :

t
:= ln(1 P
t
)
de sorte que
1 P
t
= e

t
= e

R
t
0

s
ds
o

t
=

t

t
=
p
t
1 P
t
.
159
On peut noter que

t
= lim
h0
1
h
P
t+h
1 P
t
= lim
h0
1
h
Q[ t +h [ ( > t) T
t
] .
Autrement dit, , appel taux de hasard, ou intensit de dfaut, sinterprte
la date t comme la probabilit que le dfaut survienne entre t et t +dt sachant
quil nest pas survenu avant t.
Lquation (1) devient alors
B
d
0
() = B
0
()
_
e

0

s
ds
+R(1 e

0

s
ds
)
_
.
Lorsque R = 0 et r est dterministe, ceci scrit simplement
B
d
0
() = e

0
(r
s
+
s
)ds
.
Le taux peut donc sinterprter comme un spread de taux : le rendement,
avant dfaut, de lobligation risque doit tre plus lev que le taux sans risque
de manire rmunrer le risque li au dfaut.
Dans le cas o 0 R < 1, on peut galement crire
B
d
0
() = e

0
(r
s
+
s
)ds
avec

s
:=
s

1

ln
_
1 +R(e
R

0

s
ds
1)
_
.
Autrement dit, la prsence dun recovery non nul vient diminuer le spread de
taux.
Dun point de vue pratique, si lon connat le recovery R, on peut dduire le
taux de hasard partir du spread observ sur le march.
Remarque 5 On peut remarquer que, si U est une variable de loi uniforme
sur [0, 1] sous Q, alors la variable alatoire
inft 0 : ln(1 U)
_
t
0

s
ds
a la mme moi que sous Q. Ceci fournit une manire naturelle de simuler .
160
2.2 Dfaut non indpendant
On se place maintenant dans le cadre gnral o et F ne sont plus indpen-
dants. Dans ce cas, P nest plus dterministe.
Zro-coupon risqu
En reprenant les arguments de la section prcdente, on obtient que la valeur
du zro-coupon avec dfaut de maturit en 0 et de recovery R, constant, est
B
d
0
() = E
Q
_
e

0
r
s
ds
(1
>
+R1

)
_
= E
Q
_
e

0
r
s
ds
E
Q
[1
>
+R1

[ T

]
_
= E
Q
_
e

0
r
s
ds
(1 (1 R)P

)
_
.
Si lon suppose en outre quil existe un processus P p.s. intgrable tel que

t
:= ln(1 P
t
) =
_
t
0

s
ds
alors
B
d
0
() = E
Q
_
e

0
(r
s
+
s
)ds
+e

0
r
s
ds
R(1 e

0

s
ds
)
_
.
Si R = 0, on retrouve linterprtation de comme un spread de taux, mais,
cette fois-ci, alatoire.
Obligation risque
On suppose maintenant que le titre paie un coupon C
t
i
L

(R
+
; T
t
i
) aux
temps 0 < t
1
< . . . < t
i
< . . . < t
k
jusquau temps de dfaut, et 1 en si le
dfaut nest pas survenu. On modlise le recovery par un processus F-prvisible
R born : lacheteur du titre reoit R

en si . Daprs les rsultats

prcdents, le prix du titre est
E
Q
_
e

0
(r
s
+
s
)ds
_
+
k

i=1
E
Q
_
e

R
t
i
0
(r
s
+
s
)ds
C
t
i
_
+E
Q
__

0
e

R
s
0
(r
u
+
u
)du
R
s

s
ds
_
,
o le dernier terme est obtenu en utilisant le lemme suivant.
Lemme 6 Sous les conditions prcdentes, on a
E
Q
[

] = E
Q
__

0
e

s
ds
_
pour tout processus F-prvisible born.
161
Preuve. Tout dabord, il est clair que dP
t
= e

t
dt. Il faut donc montrer que
E
Q
[

] = E
Q
__

0

s
p
s
ds
_
.
Puisque est prvisible, il sut de montrer le rsultat pour des processus de la
forme
=
J1

j=1

j
1
(s
j
,s
j+1
]
o (s
j
)
1jJ
est suite croissante de [0, ] et
j
L

(T
s
j
) pour tout j J, puis
dtendre le rsultat par approximation. Dans ce cas, on a
E
Q
[

] = E
Q
_
_
J1

j=1

j
E
Q
_
1
s
j
<s
j+1
[ T
s
j

_
_
= E
Q
_
_
J1

j=1

j
_
s
j+1
s
j
p
s
ds
_
_
= E
Q
__

0

s
p
s
ds
_
.
2
3 Approche par processus de Cox (franchissement de
barrire)
Dans cette approche, on modlise le temps de dfaut par le premier temps o
un processus croissant F-adapt franchit une barrire de loi exponentielle
de paramtre 1 indpendante de F :
:= inft [0, T] :
t
.
On remarque alors que > t =
t
< , pour tout t [0, T], de sorte que,
par indpendance de et F,
Q[ > t [ T
t
] = Q[
t
< [ T
t
] = e

t
.
On retrouve donc la modlisation de la Section 2.2 :
P
t
:= Q[ t [ T
t
] = 1 e

t
ce qui implique que := ln(1 P) = .
162
Rciproquement, si P = 1 e

et si est une loi exponentielle de paramtre

1 alors la variable alatoire
inft [0, T] :
t

admet P
t
comme fonction de rpartition conditionnellement T
t
. Autrement
dit lapproche de la Section 2.2 et celle par processus de Cox sont quivalentes.
Lavantage de cette dernire est quelle procure une manire naturelle de simuler
le temps de dfaut conditionnellement (r, R).
4 Modle de Heath-Jarrow-Morton avec dfaut
On se place dans le cadre du modle de la Section 4 du Chapitre 9, i.e. le taux
forward sans risque instantann suit la dynamique du modle de Heath-Jarrow-
Morton. En particulier, le prix du zro-coupon sans risque suit la dynamique
donne dans la Proposition 6 du Chapitre 9 sous la mesure risque neutre Q.
4.1 Courbe de taux forward risqu
Cette fois-ci, on modlise directement la courbe de taux forward risqu, associ
une classe de titre obligataire prsentant un risque de dfaut. On suppose que
le taux forward risqu instantan f
d
() de maturit T suit la dynamique
f
d
t
() = f
d
t
() +
_
t
0

d
s
()ds +
_
t
0

d
s
()dW
Q
s
, t T ,
o (
d
,
d
) vrient les mmes hypothses que (, ) dans la Section 4 du
Chapitre 9.
On note B
d
() la valeur dun zro-coupon soumis dfaut sans recovery, i.e.
qui paie 1 en si et seulement si il ny a pas eu dfaut. On note le temps de
dfaut.
La valeur du zro-coupon soumis dfaut est donc donne par
B
d
t
() = e

R
T
t
f
d
t
(u)du
1
>t
, t T ,
autrement dit
B
d
t
() = B
t
()e

R
T
t
s
t
(u)du
1
>t
, t T ,
163
o
s
d
() := f
d
() f()
est le spread de taux forward instantan. On interprtera le processus s
d
dni
par
s
d
t
:= lim
t
s
d
t
()
comme le spread de taux court, si cette limite un sens.
4.2 Dynamique du zro-coupon risqu sous la mesure risque
neutre et intensit de dfaut
Par les mmes arguments que ceux employs dans la Section 4 du Chapitre 9,
on obtient une expression explicite de la dynamique de B
d
:
dB
d
t
() = B
d
t
()
_
r
t
+s
d
t

d
t
() +
1
2
|
d
t
()|
2
_
dt B
d
t
()
d
t
()dW
Q
t
B
d
t
()dH
t
o
(
d
t
(),
d
t
()) =
_

t
(
d
t
(u),
d
t
(u))du
et
H
t
:= 1
t
.
Le processus H modlise le saut zro de B
d
au moment du dfaut.
On suppose maintenant quil existe un processus prvisible positif P p.s.
intgrable tel que
M
Q
:= H

_

0
1
>s

s
ds
est une Q-martingale. On a alors :
Q[ t +dt [ ( > t) T
t
] =
E
Q
[H
t+dt
H
t
[ T
t
]
E
Q
[1
>t
[ T
t
]

_
t+dt
t

s
ds .
Le processus correspondant donc au taux de hasard de la Section 2.
Par ailleurs, la dynamique prcdente se r-crit en fonction de sous la forme
dB
d
t
() = B
d
t
()
_
r
t
+s
d
t

d
t
() +
1
2
|
d
t
()|
2

t
_
dt
B
d
t
()
d
t
()dW
Q
t
B
d
t
()dM
Q
t
.
164
Un calcul direct montre alors que

B
d
ne peut tre une Q-martingale locale que
si
s
d

d
() +
1
2
|
d
()|
2
= dQdt-p.p. sur [0, ) .
Autrement dit, si lon suppose que
d
() =
1
2
|
d
()|
2
dQ dt a.e. , on peut
identier lintensit de dfaut au spread de taux instantann s
d
. Ceci est
cohrent avec les modles des sections prcdentes.
5 Modles de migration du risque de crdit
On suppose maintenant quil existe classes de titres risqus, regroups par
classes de notation (credit rating). A lintrieur de chaque classe, on suppose
que le risque de dfaut est le mme et, pour un titre donn, on modlise le
passage dune classe lautre par une chaine de Markov C, C
t
= i signiant
que le titre est dans la classe i. La classe correspond la situation de dfaut.
Linstant de dfaut peut alors scrire sous la forme
= inft [0, T] : C
t
= .
Il est naturel de modliser lvolution du processus C comme une chane de Mar-
kov. Pour simplier, supposons quelle volue en temps discret sur des priodes
de longueur 1. On dcrit lvolution de la chane par sa matrice de transition
(ventuellement alatoire) dont les probabilits de transition conditionnellement
un processus Y x (P[C
t+1
= j [ C
t
= i, Y ])
i,j
sont dterministes et don-
nes par

t
(Y ) =
_
_
_
_
_
_

11
t
(Y )
12
t
(Y ) . . .
1
t
(Y )

(1)1
t
(Y )
(1)2
t
(Y ) . . .
(1)
t
(Y )
0 0 0 1
_
_
_
_
_
_
.
On suppose en outre que C est encore une chane de Markov sous la mesure
risque neutre Qde matrice de transition (Q[C
t+1
= j [ C
t
= i, Y ])
i,j
dterministe
conditionnellement Y

Q
t
(Y ) =
_
_
_
_
_
_

Q11
t
(Y )
Q12
t
(Y ) . . .
Q1
t
(Y )

Q(1)1
t
(Y )
Q(1)2
t
(Y ) . . .
Q(1)
t
(Y )
0 0 0 1
_
_
_
_
_
_
.
165
Sous Q la probabilit de faire dfaut avant sachant Y est donc donne par
Q[C

= [ Y ] = (
1

t=0

Q
t
(Y ))
C
0

.
Si le temps de dfaut est indpendant du taux spot sans risque r condition-
nellement Y , le prix du zro coupon risqu scrit donc
B
d
0
() = E
Q
_
e

0
r
s
ds
1
C

<
_
= E
Q
_
E
Q
_
e

0
r
s
ds
[ Y
_
_
1 (
1

t=0

Q
t
(Y ))
C
0

__
.
En particulier, si
Q
est dterministe, ne dpendant pas de Y , on obtient :
B
d
0
() = B
0
()
_
1 (
1

t=0

Q
t
)
C
0

_
.
Une dernire hypothse simplicatrice consiste supposer quil existe un pro-
cessus dterministe = (
1
, . . . ,

) tel que

Qij
t
=
i
(t)
ij
t
si j ,= i .
Dans ce cas, lquation prcdente crite pour les maturits allant de 1
conduit un systme permettant de retrouver en fonction de et des prix de
march des zro-coupons risqus de maturits direntes. Il reste alors estimer
les probabilits de transition sous P ce qui peut tre fait par des mthodes
statistiques classiques si on les suppose constante en temps. Cependant, il faut
bien noter que les hypothses faites ci-dessus sont trs simplicatrices et quen
gnral, rien ne garantit que le systme dcrit ci-dessus ait une solution telle
que les matrices (
i
(t)
ij
t
)
ij
soient eectivement des probabilits de transition.
6 Exemple de produits drivs
6.1 Option sur dfaut
Soit O
d
(t) le prix dune obligation soumise risque de dfaut. On note le temps
de dfaut. Une option sur dfaut de maturit sur le titre O
d
(de maturit
plus grande que ) et de valeur faciale L est un titre payant son acheteur
[LO
d
()]
+
1

au moment de dfaut . La valeur O

d
() dpend du recovery.
166
Dans certains cas, le temps de dfaut correspond en fait un vnement plus
gnral que le dfaut stricto sensus (on parle dvnement de crdit au sens
large). Dans ce cas, O
d
() peut tre non nul mme en labsence de recovery.
Dans certains cas, la valeur faciale L est remplace par un pourcentage de la
valeur O() de la mme obligation lorsque le risque dfaut est nul (pour un
zro coupon, on prendra par exemple la valeur dun zro coupon sans risque de
dfaut de mme maturit et mme valeur faciale).
Le paiement peut enn tre de la forme [O
d
() O
d
()]
+
1

, i.e. on peroit
une compensation lie la perte de valeur du titre au moment du dfaut.
6.2 Swap de dfaut (CDS)
Un CDS (Credit Default Swap) est un swap sur obligation risque. Pour sim-
plier, on considre un CDS sur le titre O
d
de la section prcdente. Lacheteur
paie alors certaines dates t
1
< t
2
< . . . < t

une prime si le dfaut na pas

encore eu lieu. En change, le vendeur verse lacheteur un montant LO
d
()
au moment du dfaut si celui-ci survient avant la date de maturit du swap.
Comme pour les swaps standards, la prime est calcule de manire ce que
la valeur du swap soit gale 0 au moment de sa cration.
L encore, le paiement au moment du dfaut peut tre de la forme O()O
d
()
ou O
d
() O
d
() selon les produits.
6.3 Total Return Swap (TRS)
On parle galement de Total Rate of Return Swap (TROR). Le payeur verse
tous les rendements associs un sous-jacent (ici une obligation risque), y
compris le gain/perte en capital. En change, le receveur paie une prime
des dates xes lavance. Ds que le dfaut survient, le contrat se termine
et plus aucun ux nest pay mais le receveur doit alors pay la dirence de
valeur entre le prix de lobligation au moment du dfaut et son prix lorigine
du contrat. De manire plus synthtique, si c
j
sont des coupons verss par le
titre aux dates s
j
et la prime est paye aux dates t
i
, le ux la date t du point
de vue du receveur est :

j
c
j
1
>s
j
1
t=s
j
+ [O
d
() O
d
(0)]1
t=

i
1
>t
i
1
t=t
i
.
167
Chapitre 11
Autres exercices
1 Modle de Vasicek coecients constants et call
sur zro-coupon
On considre un espace de probabilit (, T, P) supportant un P-mouvement
brownien W. On note F = (T
t
)
tT
la ltration naturelle de W complte et on
suppose que T
T
= T.
On considre un march nancier dans lequel le taux sans risque r volue selon
la dynamique :
r
t
= r
0
+
_
t
0
a(b r
s
)ds +
_
t
0
dW
s
, t T (1)
o r
0
, a, b, sont des constantes strictement positives. On suppose que le march
est complet et que lunique mesure risque neutre est P.
1. Montrer en utilisant le Lemme dIt que
r
t
= r
0
e
at
+b
_
1 e
at
_
+
_
t
0
e
a(ts)
dW
s
.
2. On suppose que le prix P
t
la date t du zro-coupon de nominal 1 et de
maturit T, i.e. le produit qui paie 1 en T et aucun ux avant, est une fonction
p C
1,2
du temps et de r : P
t
= p(t, r
t
). Montrer que p est solution de

t
p(t, r) +a(b r)
r
p(t, r) +
1
2

2
rr
p(t, r) = rp(t, r) sur [0, T) R
p(T, ) = 1 . (2)
168
3. On cherche une solution de (2) sous la forme p(t, r) = e
m(t)n(t)r
. Montrer
que m et n doivent alors satisfaire

t
n(t) = an(t) 1 ,
t
m(t) = abn(t)
1
2

2
n
2
(t)
n(T) = 0 , m(T) = 0 . (3)
4. Montrer que la solution de (3) est donne par
n(t) =
1
a
_
1 e
a(Tt)
_
, m(t) =

2
2
_
T
t
n
2
(u)du ab
_
T
t
n(u)du .
5. Soit (0, T) et Q

P la mesure de densit H

par rapport P o
H

:= e

0
r
s
ds
/P
0
() .
On admettra que
H

:= e

1
2
R

0

2
s
ds+
R

0

s
dW
s
avec

s
=
1
a
_
1 e
a(s)
_

a. Calculer e

:= E[r

] et v

:=Var[r

].
b. Donner la loi de ln(P

) sous Q

en fonction de m, n, e

, v

et de () :=
_

0
e
a(s)
(s)ds (on introduira un Q

-mouvement brownien W

construit en
utilisant le thorme de Girsanov).
6. On veut calculer le prix la date 0, C
0
(, K), dun call europen de maturit
et de strike K crit sur le zro-coupon de maturit T.
a. Montrer que
C
0
(, K) = P
0
()E
Q

_
[P

(T) K]
+

.
b. Dduire des questions prcdentes une formule de type Black et Scholes pour
C
0
(, K).
Correction
1. Utilisation directe dIt + unicit de la solution car coecients Lipschitz.
2. On a p(t, r
t
) = E
_
e

R
T
t
r
s
ds
[ r
t
_
. Lquation est une consquence du tho-
rme de Feynman-Kac. On pouvait galement dire que le processus de prix
actualis (e

R
t
0
r
s
ds
p(t, r
t
)
tT
est ncessairement une martingale (locale) et uti-
liser le lemme dIt pour calculer le terme en dt.
169
3. Il sut de remplacer et de considrer les cas r = 0 dans lquation obtenue.
4. Cest vident...
5.a. Daprs 1., on a
e

= r
0
e
a
+b(1 e
a
)
puisque le processus intervenant dans lintgrale dIt est born (i.e. lintgrale
est desprance nulle). Par ailleurs, par lisomtrie dIt,

= E
_
__

0
e
a(s)
dW
s
_
2
_
=
2
_

0
e
2a(s)
ds = (2a)
1

2
(1 e
2a
) .
5.b. On a
ln(P

) = m() n()r

= m() n()
_
e

+
_

0
e
a(s)
dW
Q
s
+()
_
o W
Q
= W
_

0

s
ds est un Q-mouvement brownien. On en dduit que ln(P

)
a une distribution gaussienne de moyenne e
Q

:= m() n() (e

+()) et
de variance
Q

:= n()
2

.
6. a. On a
C
0
(, K) = E
_
e

0
r
s
ds
[P

(T) K]
+
_
= P
0
()E
_
H

[P

(T) K]
+

= P
0
()E
Q

_
[P

(T) K]
+

.
6.b. Daprs la question prcdente ln(P

(T)) a la mme loi sous Q

que e
Q

+
_

/W
Q

. Soit = (e
Q

+
Q

/2)/.
On peut crire
C
0
(, K) = P
0
()e

E
Q

_
e

[P

(T) K]
+

o le terme
E
Q

_
e

[P

(T) K]
+

peut tre calcul en utilisant la formule de Black et Scholes pour le strike K, la

maturit , le taux sans risque , la volatilit
_

/ et le spot P
0
().
170
2 Option asiatique : moyenne gomtrique
On considre un march nancier constitu dun actif sans risque, de taux din-
trt r 0, et dun actif risqu S dont la dynamique est dnie par le modle
de Black et Scholes :
dS
t
S
t
= bdt +dW
o
t
, S
0
> 0
o b R, > 0 sont des paramtres donns, et W
o
est un mouvement Brow-
nien sur lespace probabilis (, T, P) muni de la ltration (T
t
)
t0
satisfaisant
les conditions habituelles. Une option asiatique sur la moyenne gomtrique
continue est dnie par la payo la maturit T > 0 :
G :=
_
S
T
K
_
+
o S
T
= exp
_
1
T
_
T
0
log (S
t
)dt
_
.
1. Soit Q la probabilit risque-neutre et W le mouvement brownien associ
par le thorme de Girsanov. Ecrire la densit de Q et W en fonction de
W
o
.
2. Montrer que
_
T
0
W
t
dt =
_
T
0
(T t)dW
t
.
3. Montrer que

S
T
=

S
0
e
rT
1
2
R
T
0
(t)
2
dt+
R
T
0
(t)dW
t
,
o

S
0
= S
0
e

2
T/12
, r =
r
2
, (t) =
_
1
t
T
_
.
4. En dduire la distribution sous Q de la variable alatoire S
T
.
5. Donner la formule explicite de prix de non arbitrage p
0
la date 0 de
loption asiatique gomtrique ci-dessus.
6. Expliciter comment construire le portefeuille de couverture de cette op-
tion.
3 Option asiatique : moyenne arithmtique
On considre le mme modle que dans lExercice prcdent sauf que lon sup-
pose que le processus de volatilit (
t
)
t0
est alatoire, strictement positif, et
171
que
t
et
1
t
sont borns uniformment en (t, ). On sintresse lvalua-
tion et la couverture de loption asiatique dnie par le paiement la maturit
T > 0 :
G = (Y
T
K)
+
o Y
T
=
_
T
0
S
u
g(u)du
et g : [0, T] R est une fonction (dterministe) continue donne. On notera
par Q la probabilit risque-neutre, W le mouvement brownien sous Q obtenu
partir de W
o
, et par E
Q
t
= E
Q
[.[T
t
] loprateur desprance conditionnelle
associ.
1. (a) Vrier que
E
Q
t
_
e
r(Tt)
Y
T
_
=

(t)S
t
+e
r(Tt)
_
t
0
g(u)S
u
du,
o

: [0, T] R est une fonction dterministe dterminer.
(b) On considre la stratgie de portefeuille autonance qui consiste
dtenir

(t) units de lactif risqu chaque date t [0, T], et on note
par X
t
la valeur de ce portefeuille la date t. Donner la dynamique
du processus

X dni par

X
t
= e
rt
X
t
pour t [0, T] en fonction
de W.
(c) Avec la notation

S
t
= e
rt
S
t
, t [0, T], montrer que

(0)S
0
+
_
T
0

(u)d

S
u
= e
rT
Y
T
.
Donner linterprtation nancire de

(t) et de

(0)S
0
.
(d) En dduire lexistence dun capital initial

X
0
tel que

X
t
:= e
rt

X
0
+
e
rt
_
t
0

(u)d

S
u
vrie
e
rT

X
T
=

X
0
+
_
T
0

(u)d

S
u
= e
rT
(Y
T
K) .
2. On note Z
t
:=
b
X
t
S
t
, t [0, T].
(a) Montrer que
E
Q
_
e
rT
G

= S
0
E

Q
_
Z
+
T

o

Q est une mesure de probabilit quivalente Q que lon dter-
minera.
172
(b) Ecrire la dynamique du mouvement Brownien B associ

Q par le
thorme de Girsanov.
(c) En appliquant la formule dIt, dterminer la dynamique du proces-
sus Z
t
=
b
X
t
S
t
, t [0, T] en fonction de B.
(d) On suppose que (
t
)
t
est constant gal . Utiliser la reprsentation
obtenue en (a) pour proposer une EDP dvaluation de loption ne
faisant intervenir que le temps, une variable z et

.
3. On suppose dsormais que g(t) = 1 pour tout t [0, T] et que le processus
de volatilit est constant :
t
= > 0 pour tout t 0. On note K = e
k
et on introduit la double transforme de Laplace :
L(, ) :=
__
E
Q
_
e
rt
(Y
t
e
k
)
+
_
e
t
e
k
dkdt pour , > 0.
(a) Montrer que
L(, ) =
1
(1 +)
E
Q
_
e
r
Y
1+

_
o est une variable alatoire indpendante du mouvement brownien
W et de distribution exponentielle de paramtre , i.e. P[ t] =
(1 e
t
)1
R
+
(t).
(b) Vrier que pour tout t 0 :
S
1+
t
= S
1+
0
e
(1+)(r+

2
2
)t
L
t
o L
t
:= e
(1+)W
t

1
2
(1+)
2

2
t
.
(c) Vrier que R dnie par dR := L
t
dQ est une mesure de probabilit
quivalente Q sur T
t
pour tout t 0, et donner la distribution du
mouvement brownien W sous R.
(d) Montrer que
L(, ) =
S
(1+)
0
(1 +)
E
R
__

0
e
t

1+
t
dt
_
o
t
:=
Y
t
S
t
, t 0,
et := r + (1 +)(r +

2
2
).
(e) Ecrire la dynamique de et en dduire que est un processus de
Markov.
173
(f) On admet que la fonction
f(
0
) := E
R
__

0
e
u

1+
u
du
_
est de classe C
2
. En utilisant la formule dIt, trouver une quation
direntielle ordinaire linaire dont f est solution.
(g) En admettant que vous sachiez rsoudre lquation prcdente et que
vous ayez votre disposition un logiciel dinversion de la transforme
de Laplace, proposer une mthode pour calculer numriquement le
prix de loption asiatique.
4 Gamma hedging et rebalancement discret
On se place sur un espace de probabilit (, T, P) muni dune ltration F =
(T
t
)
t[0,)
satisfaisant les conditions habituelles, et telle que T
0
est triviale.
Ici, T > 0. Soit W un mouvemement brownien sur cet espace. On considre
un march nancier compos dun actif sans risque, de rendement nul, et dun
actif risqu dont le prix S = (S
t
)
t0
est lunique solution forte de
S
t
= S
0
+
_
t
0
S
s
(S
s
)dW
s
t 0 .
Ici a : x [0, ) a(x) := x(x) [0, ) est suppose uniformment
lipschtiz. Par la suite, on note L loprateur de Dynkin associ cette EDS, i.e.
L(t, x) :=

t
(t, x) +
1
2
a(x)
2

2
x
2
(t, x)
pour toute fonction C
1,2
.
On note / lespace des processus prvisibles tels que E
_
_
T
0
[
s
a(S
s
)[
2
ds
_
<
pour tout T > 0, et, on suppose que, pour tout T > 0 et toute variable alatoire
T
T
-mesurable X telle que E
_
[X[
2

< , il existe / tel que V

E[X],
T
= X
P p.s. o V
x,
t
:= x +
_
t
0

s
dS
s
, t 0, (x, ) R /.
1. Estimations a-priori :
(a) Montrer que, pour tout T > 0 et p 1, il existe une constante
C
T,p
> 0 telle que E
_
sup
tT
[S
t
[
p

C
T,p
.
(b) Montrer que S est une martingale sous P.
174
2. Soit G une fonction borlienne croissance polynomiale et T
2
> 0.
(a) Justier lexistence dune fonction g de [0, T
2
] [0, ) dans R telle
que g(t, S
t
) = E[G(S
T
2
) [ T
t
] P p.s. si t T
2
.
(b) Quelle EDP doit tre satisfaite par g si celle-ci est rgulire ? (justier
brivement).
(c) On suppose que E
_
_
T
2
0

x
g(t, S
t
)a(S
t
)

2
dt
_
< . Quel est le prix
de loption de payo G(S
T
2
) pay en T
2
compatible avec labsence
dopportunit darbitrage ? Exprimer la stratgie de couverture de
loption en fonction des drives de g et de a.
3. On considre maintenant une autre fonction borlienne F croissance
polynomiale et 0 < T
1
< T
2
. On suppose que g C
1,2
b
([0, T
1
] [0, )).
1
Etant donns x R, , /, on note
V
x,,
t
:= x +
_
t
0

s
dS
s
+
_
t
0

s
dg(s, S
s
) t [0, T
1
] .
On suppose quil existe

, / tels que
0 =

t
+
t

x
g(t, S
t
)

x
f(t, S
t
) (4)
=
t

2
x
2
g(t, S
t
)

2
x
2
f(t, S
t
) P p.s. t < T
1
, (5)
o f C
1,2
([0, T
1
)[0, )) vrie f(t, S
t
) = E[F(S
T
1
) [ T
t
] Pp.s. pour
tout t T
1
.
(a) Donner une interprtation nancire de V
x,

,
.
(b) Trouver x R tel que

V := V
x,

,
vrie

V
T
1
= F(S
T
1
).
4. Soit n N 0 et t
i
:= iT
1
/n, i n. On note
t
:= maxt
i
, i
n t.q. t
i
t, i.e.
t
= t
i
si t [t
i
, t
i+1
), t 0. A partir de mainte-
nant, on considre la stratgie constante par morceaux (

, ) dnie par
(

t
,
t
) := (

t
,

t
), t T
1
. On note

V := V
x,

,
. Pour simplier on sup-
pose en outre que g et f sont C

drives bornes et que le processus

est essentiellement born.
2
1
Le
b
signie que les drives sont bornes sur lintervalle considr.
2
mme si cest peu raliste
175
(a) En utilisant (4), montrer que

V
T
1
F(S
T
1
)
=
_
T
1
0

t
_

x
g(t, S
t
)

x
g(
t
, S

t
)
_
a(S
t
)dW
t

_
T
1
0
_

x
f(t, S
t
)

x
f(
t
, S

t
)
_
a(S
t
)dW
t
=
_
T
1
0
A
t
a(S
t
)dW
t
o A
t
:=
_
t

t
B
s
a(S
s
)dW
s
+
_
t

t
C
s
ds avec
B
s
:=

2
x
2
g(s, S
s
)

2
x
2
f(s, S
s
)
C
s
:=

s
L
_

x
g(s, S
s
)
_
L
_

x
f(s, S
s
)
_
.
(b) Montrer en utilisant (4) nouveau que
B
s
:=
_
s

s
_

3
x
3
g(u, S
u
)

3
x
3
f(u, S
u
)
_
a(S
u
)dW
u
+
_
s

s
_

s
L
_

2
x
2
g(u, S
u
)
_
L
_

2
x
2
f(u, S
u
)
__
du .
(c) Montrer quil existe C > 0 tel que E
_
[B
s
[
2

C/n pour tout s T

1
.
(d) En dduire quil existe C > 0 tel que E
_
[A
t
[
2

C/n
2
pour tout
t T
1
.
(e) En dduire quil existe C > 0 tel que E
_
[

V
T
1
F(S
T
1
)[
2
_1
2
C/n.
5. Peut-on arriver un rsultat similaire dans un modle volatilit sto-
chastique ? Si oui, expliquer brivement comment procder et notamment
combien doptions liquides il faut avoir sa disposition.
5 Couverture sous contrainte de portefeuille
On considre un march nancier sur lequel le taux sans risque est nul (r = 0)
et ne supportant quun seul actif risqu S. On suppose en outre quil existe
une unique probabilit risque neutre Q. La ltration sous-jacente est engendre
176
par un Q-mouvement Brownien W univari et est note (T
t
)
t0
. Sous cette
probabilit neutre au risque Q, la dynamique de lactif risqu S est donne par
S
t
= S
0
+
_
t
0
S
s

s
dW
s
t T,
o est un processus rel prvisible P-p.s. strictement positif et tel quil existe
C > 0 vriant [[ +[
1
[ C dt dP-p.p. sur [0, T].
On sintresse au problme de couverture dun payo modlis par une variable
alatoire borne G pay en T, sous la contrainte que le nombre dactifs risqus
dtenus chaque date appartienne [m, M] o M, m > 0. On note / len-
semble des processus prvisibles valeurs dans [m, M]. Etant donns x R
et /, on note
V
x,
t
:= x +
_
t
0

s
dS
s
le processus de richesse associ.
Soit | lensemble des processus prvisibles rels tels quil existe C > 0 (pou-
vant dpendre de ) vriant [[ C dt dP-p.p. sur [0, T]. Pour u R, on
note (u) := u
+
M +u

m o u
+
= maxu, 0, u

= max0, u. Enn, tant

donn |, on dni Q

P et Y

par
dQ

dP
:= e

1
2
R
T
0
[
s
/
s
[
2
ds+
R
T
0
(
s
/
s
)dW
s
, Y

t
:=
_
t
0
S
s
(
s
)ds t T .
1. On xe x R et (, ) /|. Ecrire la dynamique de V
x,
en fonction
du mouvement Brownien W

associ W sous Q

.
2. Montrer que, pour tout x R et (, ) / |, V
x,
Y

est une
surmartingale sous Q

.
3. On note
p := infx R : / t.q. V
x,
T
G Pp.s.
le prix de sur-rplication sous contrainte de portefeuille. Montrer que
p p := sup
|
E
Q

[GY

T
] .
On admet partir de maintenant quil existe un processus P dni par
P
t
:= esssup
|
E
Q

[G(Y

T
Y

t
) [ T
t
] t T
tel que Z

:= P Y

est une sur-martingale sous Q

pour tout |.
177
4. Par la suite on note par 0 le processus | dni par = 0 sur [0, T].
Justier pourquoi lon peut crire Z
0
= M
0
A
0
o M
0
est une martingale
sous Q et A
0
est un processus croissant nul en 0.
5. Justier pourquoi il existe une processus prvisible
0
vriant
_
T
0
[
0
s
[
2
ds <
P-p.s. tel que M
0
t
= Z
0
0
+
_
t
0

0
s
dS
s
pour t [0, T].
6. Montrer que
Z

t
= P
t
Y

t
= P
0
+
_
t
0
S
s
(
0
s

s
(
s
))ds+
_
t
0

0
s
S
s

s
dW

s
A
0
t
t T
o W

est le mouvement Brownien associ W sous Q

, |.
7. En dduire en utilisant le fait que Z

= P Y

est une sur-martingale

sous Q

pour tout | que

_
T
0
S
s
(
0
s

s
(
s
))ds A
0
T
| .
8. En dduire par un argument formel que
0
[m, M] dt dP-p.p.
9. En utilisant le fait que P = Z
0
= M
0
A
0
, montrer que P
0
+
_
T
0

0
s
dS
s

G P-p.s.
10. En dduire que P
0
= p p.
178
Bibliographie
[1] Alfonsi A. (2006). On the discretisation schemes for CIR (and Bessel
squared) processes. Prpublication.
[2] Avellaneda M., C. Friedman, R. Holmes et D. Samperi (1997). Calibra-
ting Volatility Surfaces Via Relative-Entropy Minimization. Appl. Math.
Finance.
[3] Bates D. (1996). Jumps and stochastic volatility : Exchange rate process
implicit in deutschmark options. Review of Financial Studies, 9, 69-107.
[4] Bielecki T. et M. Rutkowski (2002). Credit Risk : Modelling Valuation
and Hedging. Springer Finance.
[5] Brzis H. (1983). Analyse fonctionnelle. Masson.
[6] Campi L. (2008). Market completeness with American put options under
the optimal exercise policy. Preprint CEREMADE.
[7] Carr P. et D. Madan (1999). Option valuation using the fast Fourier
transform. Journal of Computational Finance, 2, 61-73.
[8] Cont R. et P. Tankov (2004). Financial Modelling with Jump Processes.
Chapman et Hall.
[9] Cooley J. W. et J. W. Tukey (1965). An algorithm for the machine
calculation of complex Fourier series. Math. Comp., 19, 297301.
[10] Cherny A.. Introduction to Fast Fourer Transform in Finance.
http ://www3.imperial.ac.uk/pls/portallive/docs/1/40346.PDF
[11] Crpey S. (2001). Contribution des mthodes numriques appliques
la nance et aux jeux direntiels. Thse de doctorat, Ecole Polytech-
nique.
[12] Davis M. et J. Obloj (2008). Market completion using options. Prpu-
blication.
179
[13] Delbaen F. et W. Schachermayer (1994). A general version of the funda-
mental theorem of asset pricing. Math. Annalen, 300, 463-520.
[14] Delbaen F. et W. Schachermayer (1994). The fundamental theorem of
asset pricing for unbounded stochastic processes. Math. Annalen, 312
(2), 215-250.
[15] Delbaen F. and H. Shirakawa (2006). A Note of Option Pricing for
Constant Elasticity of Variance Model. Prpublication.
[16] Fllmer H. et Y. Kabanov (1998). Optional decomposition and Lagrange
multipliers. Finance and Stochastics, 2, 69-81.
[17] Glasserman P. (2004). Monte Carlo Methods in Financial Engineering.
Springer.
[18] Gobet E. (1999). Analysis of the zigzag convergence for barrier options
with binomial trees. preprint LPMA.
[19] Hagan P, D. Kumar, A. Lesniewski et D. Woodward (2002). Managing
smile risk. Wilmott, 84-108.
[20] Heston S. (1993). A closed-form solution for options with stochastic vo-
latility with applications to bond and currency options. Review of Fi-
nancial Studies, 6(2), 327-343.
[21] Jourdain B. (2007). Stochastic ows approach to Dupires formula. Fi-
nance and Stochastics, 11(4), 521-535.
[22] Kabanov Y. et C. Stricker (2001). A teachers note on no-arbitrage crite-
ria. Sminaire de Probabilits XXXV, Lect. Notes Math. 1755, Springer,
149-152.
[23] Kabanov Y. et C. Stricker (2003). The Dalang-Morton-Willinger theorem
under delayed and restricted information. Prpublication.
[24] Karatzas I. et S.E. Shreve (1990), Brownian motion and stochastic cal-
culus, Springer Verlag.
[25] Karatzas I. et S.E. Shreve (1998), Methods of Mathematical Finance,
Springer Verlag.
[26] El Karoui N. (1979). Les aspects probabilistes du contrle stochastique,
Ecole dEt de Probabilits de Saint Flour IX, Lecture Notes in Mathe-
matics 876, Springer Verlag.
180
[27] Lamberton D. (1998). Error estimates for the binomial approximation of
American put options. The Annals of Applied Probability, 8(1), 206-233.
[28] Lamberton D. et B. Lapeyre (1999). Introduction au calcul stochastique
appliqu la nance, Ellipses, Paris.
[29] Mc Kean H. P. (1969). Stochastic integrals, Academic Press.
[30] Moodley N. (2005). The Heston Model : A Practical Approach. Prpu-
blication.
[31] Musiela M. et M. Rutkowski (1997). Martingale methods in nancial
modeling, Springer.
[32] Neveu J. (1972). Martingales temps discret, Masson.
[33] Overhaus M. et al. (2007). Equity hybrid derivatives, Wiley Finance.
[34] Pironneau O. (2007). Dupire-like identities for complex options. Comptes
Rendus Mathematique, 344 (2), 127-133.
[35] Prigent J.-L. (2003). Weak Convergence of Financial Markets. Springer
Verlag, Berlin.
[36] Protter P. (1990). Stochastic integration and dierential equations.
Springer Verlag, Berlin.
[37] Revuz D. and M. Yor (1990). Continuous martingales and Brownian
motion. Springer.
[38] Rockafellar, R.T. (1970). Convex Analysis. Princeton University Press,
Princeton, NJ.
181