7316 Corriges Finance2 PDF

i
i
Prepa-Exos 2010/11/3 18 :09 page 1 #268
Corrigs des exercices
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 2 #269
Chapitre 1
Exercice 1
Solution
1 Lapproche la plus naturelle consiste tudier la somme des rentabilits gomtriques dter-
mines sur chaque priode. On a par dnition :

n
Rgi
(1) =
Rg1
(1) +
Rg2
(1) + ... +
Rgn
(1) = ln
i=1
P1
P0
(
+ ln
P2
P1
(
+ ... + ln
Pn
Pn1
)
.
Or, la somme des logarithmes de n termes est le logarithme du produit de ces n termes :
(
)
P2
Pn
P1
...
Rg1 (1) + Rg2 (1) + ... + Rgn (1) = ln
,
P0
P1
Pn1
( )
n
Rgi (1) = ln PPn1 = Rgn (n).
que lon peut simplier. Et on trouve
i=1
2 Avec les notations dveloppes du texte, la valeur du portefeuille la date t scrit PtP =
NS
i=1
ni Pti et la rentabilit arithmtique ex post du portefeuille (voir lexpression (1.2) du
livre) :
RPt
On trouve donc :
NS
RPt =
i=1
NS
i=1
P
DivP[tt,t]
PtP Ptt
=
+
.
P
P
Ptt
Ptt
ni Pti
NS
i=1
i
ni Ptt
P
Ptt
NS
i=1
(
)
i
ni Pti Ptt
+ Divi[tt,t]
ni Divi[tt,t]
P
Ptt
(1.1)
..
P
Ptt
(
)
i
i
+ Divi[tt,t] est gal Ptt
Rit , o Rit est la rentabilit arithmLe terme Pti Ptt
NS
=
tique. On a donc RP
t =
i=1
i
ni Ptt
Rit
P
Ptt
RPt
, soit encore :
NS [
ni Pi
i=1
tt
P
Ptt
]
Rit =
NS
xi Rit .
(1.2)
i=1
La rentabilit arithmtique du portefeuille est bien une combinaison linaire des rentabilits
individuelles. Le terme entre crochets (xi ) est la valeur investie dans la socit (i) divise par
la valeur du portefeuille. Cest donc le pourcentage de votre richesse qui est investi dans la
i-ime socit.
3 Appliqus aux deux expressions (1.6) du livre, les dveloppements limits des fonctions loga-
rithme et exponentielle nous donnent, aprs simplication :
(
)
1 g 2
1
3
3
(Rt ) t + (Rgt ) t2 + o (Rgt ) t2 ,
2!
3!
(
)
1 a 2
1 a 3 2
3
g
a
2
Rt = Rt (Rt ) t + (Rt ) t + o (Ra
.
t ) t
2
3
g
Ra
t = Rt +
(1.3)
(1.4)
2010 Pearson France Synthex Finance de march Franck Moraux
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 3 #270
avec o (x) un terme ngligeable. On constate que, pour des valeurs de t petites, on a bien
g
Ra
t Rt . Ces expressions permettent mme de mesurer lerreur commise par approximag
tion. Si lon sarrte au second ordre, la premire quation indique :Ra
t Rt + C avec
2
1
(Rgt ) t un nombre strictement positif. rentabilit
C = 2!
gomtrique
xe, la rentabilit
(
)
3
1
(Rgt ) t2
3!
1
indique, elle, que Rgt Ra
t 2
arithmtique sera suprieure. Le terme dordre trois
augmente encore lcart
2
(Ra
si R est positif. La seconde quation
t ) t. Une rentabilit
gomtrique est plus petite que la rentabilit arithmtique laquelle elle est associe.
g
4 On distingue ici les 4 sous-tableaux, la dernire colonne prcisant le calcul effectuer (en for-
mat dit relatif). Ainsi, L(-1)C signie mme colonne, ligne prcdente . Le premier tableau
montre comment un mme niveau de rentabilit traduit un mouvement de cours diffrent.
On constate que la convention de calcul arithmtique tend accentuer la baisse et limiter la
hausse. Si la rentabilit R est ngative, on a p0 (1 + R) < p0 eR . Si la rentabilit R est positive,
on a aussi p0 (1 + R) < p0 eR . On remarque mme que la diffrence est plus grande de faon
absolue, mais non de faon relative.
Rentabilit
P0
P1 si R^a
P1 si R^g
Diffrence
Diffrence relative
-15 %
1 000,00
850,00
860,71
10,71
1,26 %
-10 %
1 000,00
900,00
904,84
4,84
0,54 %
-5 %
1 000,00
950,00
951,23
1,23
0,13 %
0%
1 000,00
1 000,00
1 000,00
-
5%
1 000,00
1 050,00
1 051,27
1,27
0,12 %
10 %
1 000,00
1 100,00
1 105,17
5,17
0,47 %
15 %
1 000,00
1 150,00
1 161,83
11,83
1,03 %
R
P0
= L(-1)C*(1+L(-2)C)
= L(-2)C*EXP(L(-3)C)
= L(-1)C-L(-2)C
= L(-2)C/L(-3)C-1
Dune certaine manire, le second tableau propose lexercice inverse. Il met en lumire la faon
dont un mouvement de march est traduit de manire diffrente par le concept de rentabilit
selon la convention de calcul choisie. Un mme mouvement la baisse ncessite de recourir
une rentabilit gomtrique plus grande en valeur absolue (jusqu 18,89 % en plus !). Au
contraire, un mme mouvement la hausse se traduit par une rentabilit gomtrique plus
petite (jusqu 12,55 % en moins).
P1
P0
R^a
R^g
Diffrence
Diffrence relative
700,00
1 000,00
-30,00 %
-35,67 %
-5,67 %
18,89 %
800,00
1 000,00
-20,00 %
-22,31 %
-2,31 %
11,57 %
900,00
1 000,00
-10,00 %
-10,54 %
-0,54 %
5,36 %
1 000,00
1 000,00
0,00 %
0,00 %
0,00 %
-
1 100,00
1 000,00
10,00 %
9,53 %
-0,47 %
-4,69 %
1 200,00
1 000,00
20,00 %
18,23 %
-1,77 %
-8,84 %
1 300,00
1 000,00
30,00 %
26,24 %
-3,76 %
-12,55 %
P1
P0
= L(-2)C/L(-1)C-1
= LN(L(-3)C/L(-2)C)
= L(-1)C-L(-2)C
= L(-2)C/L(-3)C-1
Le troisime tableau regroupe des applications numriques des formules de passage (approximatives et exactes), de la rentabilit arithmtique la rentabilit gomtrique. Le quatrime
tableau regroupe des applications numriques des formules de passage (approximatives et
exactes), de la rentabilit gomtrique la rentabilit arithmtique. Les simulations montrent
que la formule de passage fonde sur le dveloppement limit lordre 2 constitute une assez
bonne approximation.
Dv. limit ordre 1

Dv. limit ordre 2
Dv. limit ordre 3
Formule exacte
Dv. limit ordre 1

Dv. limit ordre 2
Dv. limit ordre 3
Formule exacte
-15,00 %
-10,00 %
-5,00 %
-15,00 %
-16,13 %
-16,24 %
-16,25 %
-10,00 %
-10,50 %
-10,53 %
-10,54 %
-5,00 %
-5,13 %
-5,13 %
-5,13 %
-15,00 %
-10,00 %
-5,00 %
-15,00 %
-13,88 %
-13,93 %
-13,93 %
-10,00 %
-9,50 %
-9,52 %
-9,52 %
-5,00 %
-4,88 %
-4,88 %
-4,88 %
R. arithmtique
0,00 %
R gomtrique
0,00 %
0,00 %
0,00 %
0,00 %
5,00 %
10,00 %
15,00 %
R_a
5,00 %
4,88 %
4,88 %
4,88 %
10,00 %
9,50 %
9,53 %
9,53 %
15,00 %
13,88 %
13,99 %
13,98 %
= L(-2)C
= L(-1)C-0,5*L(-3)C^2
= L(-1)C+(L(-4)C^3)/3
= LN(1+L(-5)C)
R gomtrique
0,00 %
R. arithmtique
0,00 %
0,00 %
0,00 %
0,00 %
5,00 %
10,00 %
15,00 %
R_g
5,00 %
5,13 %
5,13 %
5,13 %
10,00 %
10,50 %
10,52 %
10,52 %
15,00 %
16,13 %
16,18 %
16,18 %
= L(-2)C
= L(-1)C+(L(-3)C^2)/2
= L(-1)C+(L(-4)C^3)/6
= EXP(L(-5)C)-1
5 Il sagit ici de trouver la rentabilit mensuelle qui, en se reproduisant deux mois de suite,
explique le mouvement du cours. Cette question est plus dlicate quil ny parat dans la mesure
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 4 #271
o le sens du terme moyenne peut prter confusion. Si on note P0 = 100, P1 = 90

et P2 = 100. alors la rentabilit sur la priode de deux mois est nulle puisque le cours est
revenu
dorigine. Les deux conventions de calcul nous donnent dailleurs Rg2 (2) =
( ) son point
(
)
a
0
(2) = P2PP
= 100100
ln PP02 = ln 100
= 0. La rentabilit moyenne sur la
100 = 0 et R2
100
0
priode est donc nulle.
Calculons maintenant la moyenne des rentabilits selon les deux
Les rentabilits
( 90conventions.
)
( )
et Rg2 (1) = ln 100
le
gomtriques mensuelles sont le premier mois Rg1 (1) = ln 100
90
second mois. On peut alors vrier
que
la
moyenne
des
rentabilits
gomtriques
est
donc
( ( 90 )
( ))
+ ln 100
= 0. Pour la convention arithmtique,
nulle 12 (Rg1 (1) + Rg2 (1)) = 12 ln 100
90
90100
10090
=
10
11, 11 % le
on trouve Ra
%
le
premier
mois
et Ra
1 (1) =
2 (1) =
100
90
second. La moyenne des rentabilits arithmtiques est donc...
1
1
a
(Ra
1 (1) + R2 (1)) = 2 (10 % + 11, 11 %) = 0, 555 % ! Que se passe-t-il ? Chercher la
2
rentabilit mensuelle moyenne sur la priode consiste trouver la rentabilit mensuelle qui,
en se reproduisant, permet de reproduire dlement le cours du march.Et si la proprit
dadditivit des rentabilits gomtriques en cas dagrgation temporelle justie le recours
la moyenne arithmtique, on sait que ce nest pas le cas pour la rentabilit arithmtique. En
fait, la moyenne arithmtique est proscrire pour aggrger des rentabilits arithmtiques dans
le temps. La solution, pour ces rentabilits, est apporte par la moyenne dite gomtrique, qui
se rapproche de la notion dintrt quivalent dveloppe en mathmatiques nancires. On
cherche en fait ici la rentabilit (arithmtique) mensuelle moyenne R vriant :
a
(1 + R)2 = (1 + Ra
1 (1)) (1 + R2 (1))
et on trouve
a
(1 + Ra
1 (1)) (1 + R2 (1)) 1
= (1 10 %) (1 + 11, 11 %) 1
= 1 10 % + 11, 11 % 10 % 11, 11 % 1
R=
= 0,
dont le rsultat est plus conforme lintuition. Pour conclure, on retiendra :
Rentabilit
gomtrique
arithmtique
Moyenne employer pour le calcul

de la rentabilit moyenne sur la priode
arithmtique
gomtrique
Attention
: la moyenne gomtrique dune srie de valeur Y1 ,..., Yn est donne par :
Y = n Y1 ... Yn . Sur Excel, on doit appeler la fonction :
MOYENNE.GEOMETRIQUE(Y1 : Yn )
avec Y1 ladresse de la premire cellule et Yn ladresse de la dernire cellule.
6
Les volatilits respectives sont 20 % et 40 %. Le titre XYZ est donc deux fois plus risqu que
ABC sur la base de sa volatilit. Lactif XYZ nest pas, en soi, ncessairement moins attrayant.
Tout dpend de lesprance de rentabilit qui accompagne cette volatilit (le degr daversion
pour le risque de linvestisseur peut galement compter). Rappelons que, seul, le couple esprance de rentabilit - volatilit est rellement pertinent pour apprhender les caractristiques
dun titre.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 5 #272
Vous allez devoir estimer 200 rentabilits espres, 200 variances et NS (N2S 1) = 200199
=
2
19 900 corrlations ( !). Pour la base de donnes, vous devrez collecter 2 ans de donnes journalires pour chacun des 200 titres, soit 200 2 250 = 100 000 donnes.
Exercice 2
Solution
Le tableau 1.1 rassemble des statistiques descriptives concernant les rentabilits gomtrique
et arithmtique du CAC 40. On trouvera, dans la feuille Excel, les rsultats pour les donnes
hebdomadaires. De nombreuses statistiques sont quasi identiques pour la prcision afche.
Sur la priode, la moyenne des rentabilits journalires (rg et ra ) est particulirement faible
et nest pas signicativement

diffrente de
zro. Un test de moyenne montre mme que les
a

rg
t-stat respectifs ( 2 807 s 6, 4 % et 2 807 rs 34, 5 %) sont trs en dessous du seuil
dune loi de Student (2807 1) degrs de liberts. Les kurtosis empiriques de 7,943 et 8,224
sont plus grands que celui dune distribution gaussienne (qui est de trois). En revanche, la
distribution des rentabilits ne prsente pas dasymtrie particulire. Le test de Bra-Jarque
c sont naturellement bien
rejette lhypothse de normalit. Sur nos donnes, les valeurs de BJ
2
au-del des seuils de rejet dune variable du 2 . En fait, la normalit est rejete du seul fait de
la prsence dun fort kurtosis en excs de 3.
Tab. 1.1 : Les statistiques descriptives des rentabilits journalires
Rentabilit
Moyenne empirique
notation
gomtrique
arithmtique
-0,00186 %
0,01008 %1
0,03304 %
0,03304 %
Mdiane
cart-type emprique
1,545 %
1,546 %
cart Absolu Moyen
MAE
1,088 %
1,088 %
Variance empirique
0,000
0,000
Kurtosis* empirique
b
k
4,943
5,224
Skewness empirique
b
b
0,0055
0,1685
Plage
20,07 %
20,21 %
Minimum
-9,47 %
-9,04 %
Maximum
10,59 %
11,18 %
Nombre de donnes
Statistique de Bra-Jarque**
2 807
c
BJ
14 122
16 688
* Le kurtosis est calcul, ici, en excs de 3. ** La statistique rejette fortement la normalit.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 6 #273
Exercice 3
Solution
1 Un portefeuille (NS + 1) actifs contient, notamment, un portefeuille de NS actifs not A et
un actif not B dans des proportions respectives xA et xB . La rentabilit ex ante du portefeuille

eP = xA R
eA + xB R
eB , daprs lexpression (1.7) du livre. La contrainte de
est donc dnie par R
budget impose que xA + xB = 1. Posons x = xA et donc xB = 1 x. La volatilit (au carr)
du portefeuille est alors donne par :
2P = x2 2A + (1 x)2 2B + 2x (1 x) AB A B .
En ajoutant et en soustrayant 2x (1 x) A B , on fait apparatre une identit remarquable
et un terme strictement ngatif ds lors que le coefcient de corrlation AB est ngatif2 .
On a :
2P = (xA + (1 x) B )2 2 (1 AB ) x (1 x) A B .
| {z }
>0 ds que AB <1
2
On a donc
< {xA + (1 x) B } et, sans vente dcouvert (c.--d. x > 0 et 1 x > 0),
le terme entre crochets est positif. On peut donc prendre la racine carre et P < xA +
(1 x) B . Le risque du portefeuille est bien infrieur la moyenne pondre des risques
individuels.
2P
2 Leffet diversication peut tre mesur par la diffrence entre le risque rel du portefeuille
et le risque moyen. Plusieurs mesures sont donc envisageables. La premire consiste calculer P xA + (1 x) B . La seconde effectue un calcul du mme type, mais en insistant(sur la notion de variance
2P (xA + (1 x) B )2 . La dernire serait de prendre
)
2
2
2
P xA + (1 x) B , mais les sources de confusion sont ici multiples. La seconde approche admet une expression analytique (2 (1 AB ) x (1 x) A B ), mais lon prfrera,
de loin, retenir la premire approche car le rsultat numrique est plus aisment interprtable.
3 Deux approches (au moins) sont envisageables pour montrer ce rsultat. On vous les propose
ici et on vous conseille de ne retenir que celle qui vous convient. Premirement, si lon reprend
NS
NS
2
lexpression P =
xi xj cov(Ri , Rj ), on peut noter que :
i=1 j=1
2P =
NS
xi
i=1
NS
xj cov (Ri , Rj ) =
j=1
NS
xi cov Ri ,
i=1
NS
xj Rj =
j=1
NS
xi cov (Ri , RP ) ,
i=1
la seconde galit utilisant la linarit de la covariance. En divisant droite et gauche de

lingalit par P , on trouve le rsultat attendu (quation (1.9) du livre). Deuximement, on
2
2
P
P P
1 P
P
peut calculer
xi directement, en remarquant que xi = 2 xi = 2P xi . Puisque :
P
2P
=2
xj cov (Ri , Rj ) = 2cov (Ri , RP ) ,
xi
j=1
on obtient bien
P
xi
2
P P
2P xi
cov(Ri ,RP )
.
P
On rappelle que les identits remarquables sont au programme du collge.

i
i
i
Prepa-Exos 2010/11/3 18 :09 page 7 #274
Exercice 4
Solution
0, 01000 0, 00360 0, 00300

1 La matrice de variance-covariance est donne par V = 0, 00360 0, 01440 0, 00720 par
0, 00300 0, 00720 0, 02250
simple application de la dnition.
2 La condition de premier ordre L1 (X, x , r ) = 0 scrit :
L1
X (X, x , r ) = 0
L1
(X, x , r ) = 0 ,
r
L
1
(X,
x , r ) = 0
x
(1.5)
Cr
r
o 0 est un vecteur colonne (N 1) ne contenant que des 0. En notant XCr , C
x et x les
solutions (lexposant insiste sur leur dpendance au choix de Cr ), on trouve :
Cr
r
2V XCr + C
x U + r R = 0
Cr
.
R X Cr = 0
U XCr 1 = 0
Ce systme se rcrit :
soit encore :
Cr
X
2V R U
0
r
R 0 0 C
,
C
=
r
r
r
U 0 0
1
C
x

1
XCr
2V R U
0
r
C
= R 0 0 Cr .
r
r
U 0 0
1
C
x
(1.6)
3 Le calcul (1.6) est ais raliser sur Excel car ce tableur inverse les matrices. On peut alors
construire (point par point) lenveloppe E des portefeuilles de variances minimales en effectuant, pour chaque valeur Cr , le calcul Cr 7 XCr 7 (P , E [RP ]), avec P =
(
)
(XCr ) VXCr et E [RP ] = XCr R. Prenons un exemple.
0, 02000 0, 00720 0, 00600 6 % 1
0, 00720 0, 01440 0, 01440 7 % 1

2V R U
2V R U

Pour R 0 0 =
0, 00600 0, 01440 0, 0450 11 % 1 , la matrice R 0 0
6%
U 0 0
7%
11 %
0 0
U 0 0
1
1
1
0 0
peut tre explicitement calcule en utilisantla fonction
INVERSEMAT(.).
Inutile dimprimer
0

0
0
le rsultat. Et si lon considre Cr =

0 , on trouve alors :
5%
1
1
107, 4 %
Cr
18, 6 %
X
r
C
26, 0 %
=
r
.
r
0, 4
C
x
0, 05
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 8 #275
On peut vrier que la contrainte de budget est respecte puisque 107,4 %+18,6 %-26,6 %=100 %.
Le portefeuille contient donc 107,4 % daction X et 18,6 % daction Y et on constate que
ces positions longues dpassent votre richesse disponible. Elles sont en fait nances par une
vente
dcouvert
de laction Z (symbolise par le signe ngatif de 26, 0 %). Puisque XCr =
107, 4 %
18, 6 % , lesprance de rentabilit de ce portefeuille est :
26, 0 %
R X C r
107, 4 %
= 6 % 7 % 11 % 18, 6 % = 5 %,
26, 0 %
(
cest videmment Cr ! la contrainte. Sa volatilit est alors = XCr VXCr avec XCr VXCr ,
donne par :
107, 4 %
(
) 0, 01000 0, 00360 0, 00300
107, 4 % 18, 6 % 26, 0 % 0, 00360 0, 01440 0, 00720 18, 6 % ,
0, 00300 0, 00720 0, 02250
26, 0 %
soit XCr VXCr 0, 01261. Les coordonnes de ce portefeuille sont (, E (R)) = (11, 23 %, 5 %).
On peut maintenant faire varier Cr de 5 points de base en 5 points de base.
4 De la mme manire qu la question 2), la rsolution du problme (1.15) du livre passe par
la maximisation de la fonction (1.18) du livre :
L3 (X, x ) = X R

X VX x (X U 1) .
2
(1.7)
On doit donc rsoudre la condition de premier ordre L3 (X, x ) = 0 qui scrit :
{ L1
X
L1
x
(X, x ) = 0
.
(X, x ) = 0
(1.8)
En notant X et
x les solutions (qui dpendent de ), on a :
{
{ ( )
V X( + )
R VX
xU = R .
x U = 0

UX 1=0
U X =
Ce systme se rcrit :
soit encore :
V U
U 0
)(
(
=
V U
U 0
(
=
)1 (
,
)
.
(1.9)
Il conviendra de diviser par le vecteur colonne X obtenu comme solution, et cela an

de trouver X .
5 On trouve le graphe illustr la gure ci-contre.
8
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 9 #276
Fig. 1.1 : Les enveloppes de portefeuilles ralisables avec 2 ou 3 actifs et les portefeuilles optimaux
3
12 %
Z
11 %
10 %
9%
8%
7%
6%
enveloppe
5%
4%
8%
9%
10 %
11 %
12 %
13 %
14 %
15 %
16 %
Les points 3, 4 et 5 correspondent aux portefeuilles optimaux choisis par un investisseur dont
laversion pour le risque serait de 3, 4 ou 5. Les autres points sont associs aux autres niveaux
daversion pour le risque. La courbe en pointill est lenveloppe des portefeuilles de variance
minimale. Les courbes en trait plein sont les portefeuilles ralisables avec X et Y ou X et Z.
6 Les coordonnes du portefeuille de variance minimale sont approximativement (8, 48 % ;8, 00 %)
si lon regarde lenveloppe et (8, 46 % ;7, 89 %) si lon reprend les coordonnes pour une forte
aversion pour le risque ( = 100). Les coordonnes exactes, calcules en appliquant les formules (1.12) du livre, donnent (8, 46 % ;7, 75 %). Notons que cest quasiment la valeur obtenue
si lon fait tendre vers une valeur trs leve.
7 La comparaison avec la formule analytique de Merton montre que les rsultats sont bien les
mmes.
Exercice 5
Solution
1 Lorsque lon pose Cr = 3 %, on trouve videmment un portefeuille
que lac ne contenant
0%
0%
. Pour esprer
tif sans risque puisquil suft dinvestir 100 % dans rf : X
=
0%
100 %
une rentabilit plus leve, vous devez vous
rsoudre
investir dans les titres risqus. Si lon
1, 4 %
2, 5 %
pose Cr = 3, 5 %, on trouve X3,5 % =

3, 4 % et les coordonnes du portefeuille sont
92, 7 %
(0, 74 %; 3, 50 %). On continue ainsi de suite jusqu Cr = 12, 5 %. Pour esprer Cr = 10 %,
3%
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 10 #277
19, 1 %
35, 6 %
on doit poser X10 % =

47, 7 % . On doit donc investir 102,4 % de notre richesse dans
2, 4 %
des actifs risqus. Cela ncessite que lon prenne une position courte dans le placement sans
risque (on vend le placement sans risque). On peut ainsi calculer les compositions et les coordonnes de nombreux portefeuilles de rentabilits espres allant de 3 % 12,5 %. En reliant
ces portefeuilles reprsents dans le repre (0, , E [R]), on trouve la droite en trait plein.
Fig. 1.2 : La frontire efciente en prsence dun placement sans risque.
14,00 %
12,00 %
10,00 %
8,00 %
6,00 %
4,00 %
2,00 %
0,00 %
0,00 %
2,00 %
4,00 %
6,00 %
8,00 % 10,00 % 12,00 % 14,00 % 16,00 %
2 Pour tudier la composition du portefeuille de titres risqus, calculons le poids relatif des titres
risqus les uns par rapport aux autres. Lorsque Cr = 3, 5 %, on constate que les titres risqus
3,4 %
ne reprsentent que 7,3 % du portefeuille total. Mais, laction Z reprsente 192,7
= 46, 6 %
%
18, 7 %
du portefeuille actions . En reproduisant le calcul pour X et Y , on trouve 34, 7 % . Et,
46, 6 %
si lon reproduit le calcul pour
toutes
les
valeurs
arbitraires
C
,
on
retrouve
exactement
les
r
18, 7 %
mmes proportions( !), soit 34, 7 % . En fait, on aurait d sy attendre par le thorme de
46, 6 %
sparation du cours ! En prsence dun actif sans risque, le portefeuille de titres risqus considrer est le portefeuille M, dit de march. Merton nous apprend mme que ses coordonnes
sont :
1
1 (R3 rf U3 )
1
U3 3 (R3 rf U3 ) 3
si lindice 3 prcise
que lon
que les informations lies aux
3 titres risqus. On a
ne retient
0, 01000 0, 00360 0, 00300
6 % rf
(R3 rf U3 ) = 7 % rf , 3 = 0, 00360 0, 01440 0, 00720 .
0, 00300 0, 00720 0, 02250
11 % rf
10
3 La premire approche suggre est directe. Elle nous donne les coordonnes suivantes pour le
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 11 #278
6%
portefeuille M : E [RM ] = 9, 84 % ( 18, 7 % 34, 7 % 46, 6 % 7 % ) et M = 10, 14 %.
11 %
(XCr ) Rrf
f
Mais il est galement possible dinstrumentaliser la dnition de la pente E[R]r

=
Cr
Cr
(
(X
) VX
que lon cherchera maximiser avec le solveur en faisant varier Cr . On trouvera de faon intermdiaire la composition du portefeuille de march XCr . Le document Excel vous montre
comment procder. On trouve le mme rsultat que prcdemment (aux erreurs darrondis
numriques prs).
Exercice 6
Solution
1 La mise en uvre est typiquement :
1. Calcul numrique effectu pour construire l'enveloppe
On cherche minimiser la vol'
du portefeuille sous contraintes
a- de budget
5,0%
X1
107,4%
X2
X3
18,6%
-26,0%
Somme x_i
E[R]
vol
b- de rentabilit attendue fixe.
1,00
5,00%
11,23%
On pourra se reporter au document Excel.

2 En insrant une contrainte de plus, on trouve :
2. Calcul numrique pour construire l'enveloppe sous interdiction de vente dcouvert
6,0%
6,5%
7,0%
7,5%
8,0%
8,5%
9,0%
9,5%
10,0%
10,5%
11,0%
11,5%
X1
100,0%
83,3%
70,7%
61,5%
52,4%
43,2%
34,0%
24,9%
15,7%
6,5%
0,0%
0,0%
0,0%
X2
X3
0,0%
0,0%
16,7%
0,0%
25,3%
4,0%
26,9%
11,5%
28,6%
19,0%
30,3%
26,5%
31,9%
34,0%
33,6%
41,5%
35,3%
49,0%
37,0%
56,5%
33,3%
66,7%
16,7%
83,3%
0,0%
100,0%
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
6,00%
10,00%
6,50%
9,13%
7,00%
8,69%
7,50%
8,48%
8,00%
8,48%
8,50%
8,69%
9,00%
9,10%
9,50%
9,67%
10,00%
10,39%
10,50%
11,22%
11,00%
12,17%
11,50%
13,43%
12,00%
15,00%
Somme x_i
E[R]
vol
12,0%
Lajout dune contrainte supplmentaire diminue le nombre de portefeuilles envisageables.

Lenveloppe est lgrement modie dans notre contexte. Notez quelle peut ltre beaucoup
signicativement.
Fig. 1.3 : Impact de linterdiction de vente dcouvert sur la forme de lenveloppe
14,00 %
12,00 %
10,00 %
8,00 %
6,00 %
4,00 %
2,00 %
0,00 %
8,00 %
10,00 %
12,00 %
14,00 %
16,00 %
11
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 12 #279
Exercice 7
Solution
Si les croyances des investisseurs sont homognes, alors tous les investisseurs auront la mme
frontire efciente. Puisque les placements sans risque rmunrent tous de la mme manire
(sous peine dopportunit darbitrage), ils ont tous pour coordonnes (rf , 0). Le portefeuille M
est donc unique puisquil nexiste quune seule droite passant par (rf , 0) et tangente la seule
frontire efciente. Tous les investisseurs vont porter leur attention sur le mme portefeuille
M et les actifs quil est cens contenir, mme sils y consacrent une part diffrente de leur
richesse. Plusieurs cas de gure mergent alors pour un investisseur donn. Tout dabord, il
peut constater que son portefeuille est identique au portefeuille M. Il ne devra rien changer.
Ensuite, il peut remarquer que ce dernier est diffrent et il devra alors procder quelques
ajustements. Sil possde dj des actions du portefeuille M, linvestisseur devra juste vrier
que les proportions possdes sont les bonnes. Sinon, il procdera des achats ou des ventes.
Si des actions de son portefeuille ne se trouvent pas dans M, alors il cherchera sen dfaire.
Ne trouvant pas de contrepartie (qui achterait une action qui nest pas dans M ?), le cours de
laction concerne sabaissera momentanment pour une raison uniquement technique et
nancire (et de manire indpendante de la ralit industrielle). Le cours atteindra, en fait,
un seuil qui en fera une bonne affaire industrielle pour ses concurrents. Lun dentre eux
se portera ncessairement acqureur des actions de cette socit an de rcuprer les actifs
industriels msestims par le march. Pour tre capable de lever des capitaux ; il doit gurer
dans le portefeuille M. Ce faisant, il y a acquisition et fusion de la socit cible par le prdateur
et celle-ci disparat du march. Autrement dit, toutes les actions ont vocation tre dans le
portefeuille M qui, de fait, est le portefeuille de march.
Exercice 8
Solution
Le prol du portefeuille est (E [RP ] , P ), avec E [RP ] = x1 E [R1 ] + x2 E [R2 ]. Puisque

x1 + x2 = 1, lesprance de rentabilit se rcrit :
E [RP ] = (1 xB ) E [RA ] + xB E [RB ]

= E [RA ] + xB (E [RB ] E [RA ]) .
(1.10)
(1.11)
La rentabilit espre du portefeuille est donc, a minima, celle de lactif A et elle augmente
proportionnellement xB (et aussi proportionnellement lcart des rentabilits espres).
E[RP ]E[RA ]
E [RP ] est une fonction linaire de xB . On peut crire xB = E[R
. Concernant la
B ]E[RA ]
variance de la rentabilit, on trouve :
2P = (1 xB )2 2A + x2B 2B + 2 (1 xB ) xB AB A B ,
(1.12)
qui peut se rcrire :
2P = 2A 2xB 2A + x2B 2A + x2B 2B + 2xB AB A B 2x2B AB A B

[
]
[
]
= 2A 2 2A AB A B xB + 2A + 2B 2AB A B x2B .
12
(1.13)
La variance de la rentabilit du portefeuille 2P est donc, elle, une forme quadratique de

( xB).
Dans le repre (0, , E [R]), on est incit trouver une fonction de la forme E [RP ] = f 2P .
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 13 #280
Dans le repre (0, E [R] , ), il sagit dune fonction de la forme 2P = f (E [RP ]). Il faut savoir
en tirer partie judicieusement. Passons maintenant en revue les trois cas de gure.
Lorsque AB = 1, lexpression (1.12) devient une identit remarquable et lon a alors
2P = [(1 xB ) A + xB B ]2 . Le terme entre crochets tant positif, on a :
P = (1 xB ) A + xB B = A + xB (B A ) .
La volatilit du portefeuille est donc, a minima, celle de lactif A et elle augmente proportionnellement xB , jusqu atteindre la volatilit B . On voit ici que la variance est aussi une fonction
P A
linaire de xB . On peut donc exprimer xB en fonction de P , A et B . On a xB =
.
B A
En insrant cette valeur dans lquation (1.11) ci-dessus, on trouve :
E [RP ] = E [RA ] +
P A
(E [RB ] E [RA ]) .
B A
Lorsque AB = 1, les portefeuilles ralisables avec A et B sont dcrits par lquation dune
droite de la forme E [RP ] = a + bP . Sachant quune seule droite passe par deux points et
que nous savons quelle passe par A et B, lensemble des portefeuilles ralisables est donc parA]
A]
et b = E[RBB]E[R
.
faitement caractris3 . On peut noter que a = E [RA ] A E[RBB]E[R
A
A
Lorsque = 1, lexpression (1.12) est galement une identit remarquable. On a 2P =
[(1 xB ) A xB B ]2 = [A xB (A + B )]2 . Et le terme entre crochets nest plus nA
. Le portefeuille correspondant
cessairement positif ; il sannule mme lorsque xB = A+
B
prsente alors la variance la plus petite possible (puisquelle elle est nulle) et son esprance
A
(E [RB ] E [RA ]). On peut donc reprer trois points parde rentabilit est E [RA ] + A+
B
A
ticuliers de lensemble des portefeuilles ralisables. Lorsque xB < A+
, le terme entre
B
2
crochet A xB (A + B ) est positif et la variance P = [A xB (A + B )]2 donne
A P
P = A xB (A + B ). On a xB =
, do :
A +B
A P
(E [RB ] E [RA ])
A + B
= a b P ,
E [RP ] = E [RA ] +
A ])
A]
avec a = E [RA ] + A (E[RBA]E[R
et b = E[RBA]E[R
> 0. Lensemble des portefeuilles
+B
+B
A
ralisables avec A et B (dont la proportion investie dans B est infrieure A+
) est dont une
B
droite de pente ngative qui passe par lactif A et le portefeuille de variance nulle. Lorsque
A
xB > A+
, le terme entre crocher A xB (A + B ) est ngatif. On a donc P =
B
A +P
A + xB (A + B ) soit encore xB =
do :
A +B
P + A
(E [RB ] E [RA ])
A + B
= a + b P .
E [RP ] = E [RA ] +
Lensemble des portefeuilles ralisables avec A et B (dont la proportion investie dans B est
A
) est une droite de pente positive qui passe par lactif B et le portefeuille
suprieure A+
B
de variance nulle.
Les lecteurs ayant dj tudi les fonctions paramtriques auront pu directement dduire ce rsultat de la linarit
des coordonnes du portefeuille P .
13
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 14 #281
Dans le cas intermdiaire 1 < < 1, lexpression reste une fonction quadratique de xB .
Si lon utilise AB = 0 comme valeur emblmatique , on a :
{
E [RP ] = E [RA ] + xB (E [R(B ] E [RA)])
.
2P = 2A 22A xB + x2B 2A + 2B
Il est judicieux de caractriser 2P comme une fonction (quadratique) de E [RP ]. On voit cidessus que 2P est une fonction quadratique de xB et que xB est une fonction linaire de E [RP ].
E[RP ]E[RA ]
, cela donne :
Puisque xB = E[R
B ]E[RA ]
[
2P
2A
22A
que lon peut crire :
] [
]2
)
E [RP ] E [RA ]
E [RP ] E [RA ] ( 2
A + 2B
+
E [RB ] E [RA ]
E [RB ] E [RA ]
2P = c 2bE [RP ] + aE [RP ]2 ,
2
A]
en notant c = 2A +22A E[RBE[R
]E[RA ] +E [RA ]
2A +2B
,b
(E[RB ]E[RA ])2
2A
2 +2B
[RA ] (E[R A]E[R
2
E[RB ]E[RA ] +E
A ])
B
2 +2
B
et a = (E[R A]E[R
2 . Cette quation dcrit une parabole. Pour reprsenter lensemble des
A ])
B
portefeuilles ralisables dans
le repre (0, E [RP ] , P ), il convient dinsister sur la volatilit du
portefeuille. On a P = c 2bE [RP ] + aE [RP ]2 (qui dcrit une hyperbole). Le portefeuille

de variance minimale (Rmin , min ) vrie 2b + 2aRmin = 0, soit :
2
b
= E [RA ] + 2 A 2 (E [RB ] E [RA ]) .
a
A + B
Rmin =
Il est obtenu en investissant
2A
2A +2B
dans lactif B.
Exercice 9
Solution
1 La variance dun portefeuille est donne par :
2P =
x2i 2i +
i=1
xi xj ij i j ,
i,j=1
i=j
o la premire somme concerne N termes et la seconde N (N 1) termes. Si le portefeuille

1
. Si, en outre, les variances et corrlations sont gales, on a
est quipondr, on a xi = N
N
N (
)
1
2
=
2i = 2 et ij = . Le premier terme devient alors
x2i 2i =
2
N
i=1
i=1
N
1
1
1 2
2
2
1 = N2 N = N (dans la deuxime galit, on met en facteur le terme
N2
1
2
N2 )
i=1
et le second terme scrit :

N
14
i,j=1
i=j
xi xj ij i j =
(
)
N
1 2
1 2
1
(N
1
=
1)
=
1
2 .
N2
N2
N
i,j=1
i=j
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 15 #282
Au total, on trouve :
2P
(
)
1 2
1
= + 1
2 .
N
N
(1.14)
Cest lquation non dmontre de Farber et al. (2008). Si le portefeuille ne contient quun
seul actif (N = 1), sa variance est 2 la variance de cet actif (cela va de soi !). Mais sil en
2
2
contient deux, on trouve 2P = 1+
2 < et le risque diminue dj.
2 Lquation (1.14) de la variance peut se rcrire :
2P = 2 +
1 2
(1 ) ,
N
1 2
(1 ) strictement positif, qui diminue vers 0 mesure que N
avec un second terme N
augmente. On comprend alors que, lorsque N augmente, la variance du portefeuille diminue
vers le premier terme 2 qui est la variance du portefeuille le plus diversi. Sa volatilit est
donc .
3 Pour tudier la sensibilit de la variance du portefeuille lajout dun titre, on pourrait penser
driver la fonction 2P (N) vue comme une fonction du nombre de titres N. Mais cest impossible car N est ncessairement un nombre entier. On va nanmoins capter la mme ide en
exploitant :
[
]
2P (N + 1) 2P (N)
1
1
=
2 (1 )
(N + 1) N
N+1 N
2 (1 )
=
(N + 1) N
On trouve ici une valeur ngative qui rsume leffet de diversication (la variance du portefeuille diminue). La valeur de cette sensibilit apparat inversement proportionnelle N21+N ...
Leffet diminue donc trs rapidement.
4 On a (1) = = 1 et () =
= 0, 251 = 0, 5. La volatilit du portefeuille le
P (N)
plus diversi est moiti moindre que celle des actifs individuels quil contient.
est le
rapport de deux diffrences. La diffrence au numrateur ( P (N)) mesure la diminution
de la volatilit obtenue avec N titres. Celle au dnominateur ( ) mesure la diminution totale possible. Le rapport value le pourcentage de diversication ralise avec N actifs.
2 (N)
1 P2 est donc le pourcentage qui reste diversier. On cherche donc le nombre N,
P (N)
tel que
= x %. Il est peu probable que lon dispose dune solution impliquant un
nombre entier dactifs permettant datteindre le seuil de
x % exactement. On va dterminer
les deux valeurs entires qui encadrent la solution de
et x % = 75 %, la solution vaut
1
2
(1(1 )x %)
1
(1)
+ N
= x %. Pour = 25 %
= 5, 333. Ajouter un sixime actif dans le
portefeuille permet de franchir le seuil de 75 % de diversication ralise. Lorsque la corrlation est plus faible (par exemple = 5 %), il faut aller jusqu huit actifs.
Exercice 10
Solution
1 Cest la droite de plus forte pente.
15
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 16 #283
2 Si lon connaissait les coordonnes des points (0, rf ) et (E [RM ] , M ), la pente serait
(ce rapport est connu sous le nom de ratio de Sharpe).
E[RM ]rf
M
3 a) En considrant rf = rf X U, le Lagrangien scrit :
L4 (X) =
b) Les conditions de premier ordre sont
(R rf U)
(X VX)1/2
L4
X
X (Rrf U)
.
X VX
= 0. On a :
1 2X (Rrf U) VX
= 0,
2
(X VX)3/2
soit encore :
(Rrf U) = VX,
si lon note la constante
X (Rrf U)
.
X VX
On a donc :
X = V1 (Rrf U) ,
et X est un vecteur colonne. Puisque U X = est une constante. On a = U V1 (Rrf U).
On peut donc crire :
V1 (Rrf U)
X = 1
.
U V (Rrf U)
Vous venez de redmontrer une partie des rsultats exposs dans Merton (1972), Laurat en
1998 du prix de la Banque de Sude en sciences conomiques en mmoire dAlfred Nobel.
Exercice 11
Solution
tant donne votre fonction dutilit logarithmique et votre contrainte de budget, vous cherchez rsoudre :
[ (
)]
max E ln 1 + wT R1 ,
s.c. wT U = 1.
La fonction dutilit admettant par ailleurs le dveloppement limit :
(
)
1
ln 1 + wT R wT R wT RT Rw,
2
on peut crire :
[
]
[ (
)]
1 T T
T
T
E ln 1 + w R E w R w R Rw
2
[
]
1
= wT E [R] wT E RT R w.
2
On a donc :
[ (
)]
1
E ln 1 + wT R wT wT w.
2
Pour tenir compte de la contrainte de budget, vous devez tudier le Lagrangien associ :
16
(
)
1
L (w,) = wT wT w wT U 1 ,
2
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 17 #284
o est le multiplicateur de Lagrange. On retrouve une fonction trs proche de celles abordes
dans le cours. En annulant la drive par rapport w, on trouve :

L (w,)
= w U = 0.
w w=w
La solution, donne par w = 1 ( U), dpend du multiplicateur de Lagrange. Pour
le supprimer, on note que la contrainte de budget impose wT U = 1. On a :
wT U = ( U)T 1 U = T 1 U UT 1 U
et donc wT U = 1 si et seulement si =
T 1 U1
.
UT 1 U
Exercice 12
Solution
Lenveloppe est signicativement modie, comme lillustre la gure suivante.

Fig. 1.4 : Impact des rentabilits anticipes sur la forme de lenveloppe
E [RY ] = 5 %
E [RZ ] = 15 %
12,00%
12,00%
11,00%
11,00%
10,00%
10,00%
9,00%
9,00%
8,00%
8,00%
7,00%
7,00%
6,00%
6,00%
5,00%
5,00%
4,00%
8,00%
9,00%
10,00%
11,00%
12,00%
13,00%
14,00%
15,00%
16,00%
4,00%
8,00%
9,00%
10,00%
11,00%
12,00%
13,00%
14,00%
15,00%
Les modications sont effectues

toutes choses
par
ailleurs. Le portefeuille de
tant gales
18, 7 %
32, 5 %
march dont la composition tait 34, 7 % devient 1, 9 % dans le premier cas. On
46, 6 %
65, 5 %
voit alors que le second actif nest presque plus reprsent dans le portefeuille
de march
! En
14, 1 %
cas de modication de la rentabilit espre de Z, la composition devient 21, 4 % . Les
64, 5 %
variations sont bien signicatives...
17
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 18 #285
Chapitre 2
Exercice 1
Solution
1 Si la rentabilit est normale, on a RN , 2 , soit encore R = m + .Z,avec Z une variable
alatoire de loi normale centre rduite N (0, 1). La dnition de la valeur en risque sur la
rentabilit P [R 6 Rc (T )] = c donne alors :
P [ + .Z 6 Rc (T )] = c,
[
soit encore P Z 6
Rc (T )
= c. Si N est la fonction de rpartition de la loi normale

]
centre rduite, on a donc N Rc %(T ) = c. Puisque lon sait inverser la fonction de
rpartition1 , on a
Rc % (T )
= N1 (c), soit encore :

Rc % (T ) = N1 (c) .
(2.1)
(T ) = Rc % (T ) +
On en dduit galement une formule pour la VaR relative. On a Rrelative
c%
= N1 (c) . En cas de normalit, la valeur en risque relative des rentabilits est donc
proportionnelle la volatilit. Ce dernier rsultat constitue la fois un inconvnient et un
intrt du cadre gaussien.
2 La dmonstration est immdiate si on revient la dnition de la VaR relative. Pour deux
(T ) =
(T ) = N1 (c) et Rrelative
niveaux de conance c et d quelconques, on a Rrelative
c
d
(T )
Rrelative
1
c
N (d) . La premire quation implique que = N1 (c) , que lon peut insrer dans
le terme de droite de la seconde quation.
3 La dmonstration est simple en labsence dautocorrlation des rentabilits successives. Si les
rentabilits journalires successives sont issues dune mme loi normale et si elles ne sont pas
corrles entre elles, alors elles sont indpendantes et identiquement distribues. Lon peut
obtenir directement la VaR(n jours). On pose n = 10 et la rentabilit 10 jours scrit :
(
R0 (10) = ln
P10
P0
On a donc E [R0 (10)] =
(
= ln
10
i=1
P10
P1
...
P9
P0
)
=
10
(
ln
i=1
Pi
Pi1
)
=
10
Ri1 (1) .
i=1
E [Ri1 (1)] = 10E [R (1)] et :
2R(10) = var [R0 (10)] =
10
var [Ri1 (1)] = 102R(1)
(2.2)
i=1
puisque les rentabilits journalires ont la mme

variance et leurs covariances sont nulles deux
deux. Cette expression implique R(10) = 10R(1) et on a :
(10 j) = N1 (c) R(10) = N1 (c) 10R(1) = 10Rrelative

(1 j) .
Rrelative
c
c
18
Voir les tables de la loi normale, votre tableur ou bien votre logiciel favori.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 19 #286
Notons quil nexiste pas dexpression simple pour la VaR absolue puisque :
Rc (10 jours) = R(10) N1 (c) R(10) = 10R(1) N1 (c) 10R(1) .

4 En cas de normalit des rentabilits, la valeur en risque est donne par Rc % (T ) =
N1 (c) avec et les paramtres de la rentabilit jusquen T . Excel propose une fonction
LOI.NORMALE.STANDARD.INVERSE qui est bien linverse de la fonction de rpartition
de la loi normale. Elle permet de calculer la VaR trs facilement, on a :
LOI.NORMALE.STANDARD.INVERSE (c) .
Par les proprits de la fonction de rpartition, on a aussi en posant = 1 c, +
LOI.NORMALE.STANDARD.INVERSE(). On trouve alors le tableau 2.1.
Tab. 2.1 : Simulations de la VaR absolue sur les rentabilits Rc (T ) .
mu
0
10 %
-10 %
10 %
10 %
10 %
10 %
sigma
1
1
1
10 %
20 %
30 %
40 %
95,00 %
1,645
1,545
1,745
0,064
0,229
0,393
0,558
97,50 %
1,960
1,860
2,060
0,096
0,292
0,488
0,684
1-c
99,00 %
2,326
2,226
2,426
0,133
0,365
0,598
0,831
99,90 %
3,090
2,990
3,190
0,209
0,518
0,827
1,136
99,99 %
3,719
3,619
3,819
0,272
0,644
1,016
1,388
En observant les rsultats de chaque ligne, on constate que, conformment lintuition, plus le
niveau de conance = 1 c est fort, plus la VaR est leve. En comparant les trois premires
lignes du tableau, on voit que leffet de lesprance de rentabilit sur le niveau de la VaR est
trivial. En analysant les colonnes, on constate que son inuence relative diminue mesure que
1 c augmente. Dans le contexte rglementaire, = 1 c est typiquement trs lev ; on
pourra donc aisment ngliger ce terme. Autrement dit, la VaR relative capture lessentiel de
linformation ncessaire.
Le tableau 2.3 regroupe des VaR relatives. Deux approches sont envisageables pour les simuler.
(T ) = Rc (T ) + m en reprenant les valeurs du
La premire est dexploiter la formule Rrelative
c
tableau 2.2. La seconde est dexploiter la formule :
.LOI.NORMALE.STANDARD.INVERSE (c) ,
soit encore .LOI.NORMALE.STANDARD.INVERSE(). Dans les deux cas, on trouve
videmment les mmes rsultats.
Le tableau 2.2 explicite la valeur en risque des rentabilits pour les mmes paramtres que le
tableau 2.1. Les rsultats, identiques sur les trois premires lignes, concrtisent le fait que, dans
(T )) est par dnition
le contexte gaussien, la valeur en risque relative de la rentabilit (Rrelative
c
insensible la rentabilit espre. On peut donc supprimer toute rfrence ce paramtre
dans les quatre autres lignes du tableau. Lorsque la volatilit est divise par 10 (en quatrime
(T ) lest galement. Les autres lignes rendent aussi compte de cette proprit de
ligne), Rrelative
c
proportionnalit la volatilit (en hypothse de normalit). N.B. : Les petits carts cette rgle
proviennent des arrondis.
19
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 20 #287
(T ) .
Tab. 2.2 : Simulations de la VaR relative sur les rentabilits Rrelative
c
mu
0
10 %
-10 %
sigma
1
1
1
10 %
20 %
30 %
40 %
95,00 %
1,645
1,645
1,645
0,164
0,329
0,493
0,658
97,50 %
1,960
1,960
1,960
0,196
0,392
0,588
0,784
1-c
99,00 %
2,326
2,326
2,326
0,233
0,465
0,698
0,931
99,90 %
3,090
3,090
3,090
0,309
0,618
0,927
1,236
99,99 %
3,719
3,719
3,719
0,372
0,744
1,116
1,488
Le tableau 2.3 regroupe les valeurs en risque du portefeuille lui-mme. Elles sont
)
( calcules en
transformant les expressions du tableau 2.2 par la formule VaRc (T ) = P eRc (T ) 1 .
On a pos, pour simplier, P = 1. Ce tableau a pour intrt de mettre en lumire les ordres de
grandeur. Les valeurs en risque du portefeuille montrent aussi, par comparaison avec le tableau
2.2, que lapproximation VaRc (T ) P.Rc (T ) est malmene pour des seuils de conance
levs.
Tab. 2.3 : Simulations de la valeur en risque dun portefeuille (VaRc (T )) dont la rentabilit gomtrique est
suppose gaussienne.
mu
0
10 %
-10 %
10 %
10 %
10 %
10 %
sigma
1
1
1
10 %
20 %
30 %
40 %
95,00 %
0,807
0,787
0,825
0,062
0,205
0,325
0,428
97,50 %
0,859
0,844
0,873
0,092
0,253
0,386
0,495
1-c
99,00 %
0,902
0,892
0,912
0,124
0,306
0,450
0,564
99,90 %
0,955
0,950
0,959
0,189
0,404
0,563
0,679
99,99 %
0,976
0,973
0,978
0,238
0,475
0,638
0,750
La valeur du portefeuille est 1.
Exercice 2
Solution
1 La variance du portefeuille est donne par :
2P (xA , ) = x2A 2A + (1 xA )2 2B + 2xA (1 xA ) A B
(car xA + xB = 1) et sa volatilit est obtenue par 2P (xA , ). On a donc :

VaRc = P P (xA , ) N1 [c] .
La sensibilit de la VaR la corrlation est donc apprhende par :
20
VaRc
xA xB A B 1
=
N [c]
P
(
)(
)
A
B
= xA
xB
VaRc > 0.
P
P
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 21 #288
La premire expression dmontre que la sensibilit est positive. La seconde montre que cette
B
et
sensibilit dpend du risque relatif de chaque titre dans le portefeuille ( A
P ) et du poids
P
relatif quils reprsentent (xA et xB ) .
2 On trouve la gure 2.1.
Fig. 2.1 : La valeur en risque dun portefeuille deux actifs en fonction de leur corrlation et de leur proportion relative
7,00
6,00
5,00
4,00
VaR_5%
3,00
2,00
1
1,00
0,5
0
rho
-1
0,1
0,3
0,4
0,2
x_A
0,5
0,6
0,8
-0,5
0,7
0,9
0,00
3 Si A et B sont identiques et le portefeuille quipondr (autrement dit xA = xB = 21 ), alors
on obtient P =
1 + et VaRc = 2 1 + N1 [c] et la sensibilit devient :

N1 [c]
VaRc
VaRc
=
=
> 0.
2 (1 + )
2 2 1+
On retrouve le signe positif mais on met en lumire ici la sensibilit est dautant plus faible
que le coefcient de correlation est fort. Autrement dit, la pente de la courbe du graphique
2.1 diminue dans laxe de la corrlation.
Exercice 3
Solution
e
(T )
Lquation (2.21) du livre impliquant R
=
N][] , il reste calculer la drive de
[
N1 []. Lastuce consiste remarquer que N N1 [] = et quen drivant gauche et
)
(
1
x2
droite par rapport , on obtient n N1 [] N[] = 1, avec n (x) = 12 e 2 la
densit de la loi normale centre rduite. On en
le rsultat recherch.
[ dduiteimmdiatement
]
(T )
La gure 2.2 reprsente la fonction A [] = ln 12 R
en fonction de . On en dduit
que la sensibilit de la VaR est impacte par de manire non linaire.
21
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 22 #289
Fig. 2.2 : La fonction A [].
1
0.90
0.92
0.94
0.96
0.98
1.00
Exercice 4
Solution
On propose le tableau 2.4, o les trois premires lignes sintressent uniquement limpact du
skewness (de premier ordre). On a pos kur = 3 et nglig le terme quadratique du skewness.
On a donc calcul :
)
Sk ([ 1 ]2
(T ) = Rc (T )
Rmod
N [c] 1 .
(2.3)
c
6
Dans les lignes suivantes, on a ajout lexcs de kurtosis (par rapport 3 le kurtosis de la loi normale) et leffet quadratique du skewness en utilisant lexpression (2.22)
livre. Lorsque le kurto-)
( du
[ 1 ]3
Sk2
sis est gal 3, on met nanmoins en lumire limpact du terme 36 2 N [c] 5N1 [c]
uniquement.
(T ))
Tab. 2.4 : Simulations de la valeur en risque modie de Zangari (Rmod
c
VaR normale
skewness
kurtosis
0,500
0,000
-0,500
0,500
3
0,500
4
0,500
5
0,000
3
0,000
4
0,000
5
-0,500
3
-0,500
4
-0,500
5
22
95,00 %
1,645
97,50 %
1,960
1,503
1,645
1,787
1,498
1,478
1,458
1,645
1,625
1,604
1,782
1,762
1,742
1,723
1,960
2,197
1,687
1,755
1,824
1,960
2,029
2,097
2,160
2,229
2,298
1-c
99,00 %
2,326
VaR modifie
1,959
2,326
2,694
1,865
2,098
2,332
2,326
2,560
2,794
2,600
2,834
3,067
99,90 %
3,090
99,99 %
3,719
2,378
3,090
3,803
2,075
2,919
3,762
3,090
3,934
4,777
3,500
4,343
5,187
2,650
3,719
4,788
2,064
3,743
5,421
3,719
5,398
7,076
4,203
5,882
7,560
Les simulations des premires lignes du tableau 2.4 montrent que lasymtrie a un impact signicatif dans les valeurs (trs) extrmes. Puisquun skewness positif indique que la distribution
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 23 #290
pointe vers la droite (et donc les rentabilits positives), il est logique que la valeur de la VaR
diminue (par rapport la VaR normale). Symtriquement, un skewness ngatif signale une distribution qui pointe vers la gauche (et les rentabilits ngatives) et une telle forme implique
une VaR plus importante. Par comparaison avec les simulations de lquation (2.3), celles de
lexpression (2.22) de lnonc montrent que le kurtosis gal 4 ou 5 gnre videmment une
valeur en risque plus forte. Les seules exceptions sont les VaR 5 %.
Exercice 5
Solution
On trouve le tableau 2.5.

Tab. 2.5 : Simulations de ESc (T )
1-c
mu
0
10 %
-10 %
10 %
10 %
10 %
10 %
sigma
1
1
1
10 %
20 %
30 %
40 %
95,00 %
2,063
1,963
2,163
0,106
0,313
0,519
0,725
97,50 %
2,338
2,238
2,438
0,134
0,368
0,601
0,835
99,00 %
2,665
2,565
2,765
0,167
0,433
0,700
0,966
99,90 %
3,367
3,267
3,467
0,237
0,573
0,910
1,247
99,99 %
3,957
3,857
4,057
0,296
0,691
1,087
1,483
Conformment lintuition, lexpected shortfall augmente avec le seuil de conance et la volatilit. En cohrence avec sa dnition, cette mesure de risque est systmatiquement suprieure
la valeur en risque correspondante. On note nanmoins que lcart entre les deux diminue
mesure que lon sintresse des pertes encore plus extrmes.
Exercice 6
Solution
1 La fonction ln (x) tant disponible sur Excel, il est intressant (si lon veut utiliser ce tableur)
de rcrire la densit de Student standard (2.23) du livre comme :

[
)]
(
)
( v ) v+1 (
t2
exp ln v+1
ln
ln
1
+
2
2
2
v
fv (t) =
v
= EXP(LNGAMMA ((v + 1) /2) LNGAMMA (v/2)
(v + 1) ln (1 + t2/v) /2)/RACINE (v PI()) .
On
( peut
) reprsenter les densits fv et tv (avec v = 5) en compagnie de n (0, 1) et
alors
v
n 0, v2
respectivement qui sont, elles, issues de la loi normale. On pourra considrer,
par exemple, 101 valeurs de t comprises entre -5 5 et se focaliser ensuite sur les valeurs
extrmes gauches, synonymes de pertes. On trouve les deux graphiques de la gure 2.3.
Les deux graphiques de la gure 2.3 montrent que la densit de Student pondre en effet plus
fortement les rentabilits extrmes que la loi normale. Mais ils indiquent aussi quil faut rester
prudent dans le traitement de telles rentabilits.
La loi de Student standard (f5 ) possde en effet
n
) ce qui rend impropre toute comparaison
une variance naturelle suprieure 1 ( n2
23
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 24 #291
Fig. 2.3 : La distribution de la loi de Student.

0,60
0,50
t_5
0,40
0,30
n (0,1)
0,20
f_5
0,10
-5
,0
0
-4
,5
0
-4
,0
0
-3
,5
0
-3
,0
0
-2
,5
0
-2
,0
0
-1
,5
0
-1
,0
0
-0
,5
0
-0
,0
0
0,
50
1,
00
1,
50
2,
00
2,
50
3,
00
3,
50
4,
00
4,
50
5,
00
0,07
n 0 ,
0,05
0,03
0,02
-0,00
-5,00
-4,50
-4,00
-3,50
-3,00
-2,50
-2,00
directe avec la loi normale n (0, 1). En fait, seule la densit de Student standardise (t5 ) est
comparable n (0,( 1)
. Il convient
de comparer la densit de Student standard la courbe de
)
mme variance n 0,
5
3
2 En reprenant le tableau 2.1 et en posant v = 5, on trouve le tableau 2.6.
Tab. 2.6 : Simulations de Rv,c (T ) avec v = 5.

v
mu
0
10 %
-10 %
10 %
10 %
10 %
10 %
24
5
sigma
1
1
1
10 %
20 %
30 %
40 %
95,00 %
1,561
1,461
1,661
0,056
0,212
0,368
0,524
97,50 %
1,991
1,891
2,091
0,099
0,298
0,497
0,696
1-c
99,00 %
2,606
2,506
2,706
0,161
0,421
0,682
0,943
99,90 %
4,565
4,465
4,665
0,357
0,813
1,270
1,726
99,99 %
7,495
7,395
7,595
0,650
1,399
2,149
2,898
On constate que les valeurs en risque se comportent les unes par rapport aux autres conformment lintuition (voir exercice 1). La comparaison avec les VaR normales du tableau 1
(obtenues dans les mmes contextes de moyenne et variance) est intressante. On constate
que la VaR Student est a) infrieure la VaR normale lorsque le seuil de conance est modr
(95 %), de mme ordre de grandeur pour 1 c = 97, 5 % et nettement suprieure, au-del.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 25 #292
3 On trouve le tableau 2.7.
Tab. 2.7 : Simulations de ESv,c (T )

v
mu
5
sigma
0
10 %
-10 %
10 %
10 %
10 %
10 %
1
1
1
10 %
20 %
30 %
40 %
95,00 %
2,015
2,2387
2,1387
2,3387
0,1239
0,3477
0,5716
0,7955
1-c
99,00 %
3,365
3,4488
3,3488
3,5488
0,2449
0,5898
0,9347
1,2795
97,50 %
2,571
2,7278
2,6278
2,8278
0,1728
0,4456
0,7183
0,9911
99,90 %
5,894
5,8203
5,7203
5,9203
0,4820
1,0641
1,6461
2,2281
99,99 %
9,676
9,4452
9,3452
9,5452
0,8445
1,7890
2,7336
3,6781
Exercice 7
Solution
1 Le problme scrit plus formellement :
]
[
] [ Max
]
RMax
RMax
RcMaxVaR (T )
cMaxVaR (T )
cMaxVaR (T )
N
+ exp 2
N
= cMaxVaR . (2.4)
[
Lorsque = 0, on a pour les deux VaR : N
Rc (T )
]
= cV et 2N
[ RMax
cMaxVaR (T )
]
= cMaxVaR .
Pour[ la premire
] lecture, conservons le seuil Rc (T ) pour la MaxVaR. On trouve alors cMaxVaR =
Rc (T )
2N
= 2cV . Autrement dit, la probabilit de voir la VaR franchie durant la priode
est deux fois celle de la voir atteinte lchance !
(T ) =
Pour la deuxime
lecture, conservons le niveau cV pour la MaxVaR. On a alors RMax
cV
[
]
N1 21 cV > N1 [cV ] = RcV (T ). Le seuil doit tre plus lev. Autrement dit, on va
plus loin dans les extrmes (et cela pour tre moins facilement atteignable).
Pour la troisime lecture, on sait dj que si on double le niveau cV pour la MaxVaR, on
obtient :
[ Max
]
RcMaxVaR (T )
2N
= cMaxVaR = 2cVaR ,
[ RMax (T ) ]
[
]
cMaxVaR
c (T )
soit encore 2N
= 2N R
. On a donc, aprs simplication,
RMax
cMaxVaR (T ) = Rc (T ). Autrement dit, on doit accepter de diminuer le seuil de conance (en
fait de 1 cV 1 2cV ) pour utiliser la VaR habituelle comme MaxVaR.
2 Pour , et c connus, on peut calculer la VaR normale. Pour un niveau de MaxVaR arbi-
traire, on peut galement calculer cMaxVaR par la formule (2.4). En utilisant le solveur, on peut
alors forcer la cellule contenant cMaxVaR prendre exactement une valeur de c en faisant varier
MaxVaR. On trouve alors le tableau 2.8.
On afche ici les dcimales de c obtenues par solveur pour rappeler la dmarche numrique.
La dernire colonne permet de vrier immdiatement que le seuil MaxVaR est bien plus
grand que la VaR puisque le rapport est strictement suprieur un. Conformment la question a) (lorsque = 0), la premire et deuxime lignes montrent que MaxVaR5 % est identique VaR2,5 % . Lintroduction dune esprance de rentabilit strictement positive diminue
25
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 26 #293
Tab. 2.8 : Comparaison des VaR et MaxVaR

mu
9%
9%
9%
14 %
14 %
14 %
sigma
15 %
15 %
15 %
15 %
15 %
15 %
15 %
15 %
15 %
c
5,00 %
2,50 %
1,00 %
5,00 %
2,50 %
1,00 %
5,00 %
2,50 %
1,00 %
VaR
0,247
0,294
0,349
0,158
0,205
0,260
0,108
0,155
0,210
VaR/sigma
1,6449
1,9600
2,3263
1,0532
1,3683
1,7347
0,7199
1,0350
1,4013
MaxVaR
0,294
0,336
0,386
0,224
0,263
0,310
0,189
0,226
0,270
c (solveur)
4,99993 %
2,49996 %
0,99993 %
5,00000 %
2,49994 %
0,99992 %
5,00003 %
2,49995 %
0,99995 %
MaxVaR/sigma MaXVaR/VaR
1,9600
1,1916
2,2414
1,1436
2,5759
1,1073
1,4926
1,4172
1,7522
1,2806
2,0668
1,1915
1,2621
1,7533
1,5037
1,4529
1,8014
1,2855
les deux seuils. Lintuition est que la probabilit datteindre un seuil perte est plus faible. La
diminution est nanmoins moins forte pour MaxVaR que pour la VaR. Il en rsulte un rapport
MaxVaR /VaR qui augmente. MaxVaR peut tre jusqu 75 % plus grand que la VaR.
Exercice 8
Solution
1 La dmonstration exploite essentiellement la dnition :
FRmin [x] = P [Rmin 6 x] = P [R1:n 6 x] = 1 P [R1:n > x] .

Si la plus petite rentabilit est plus grande que x, cest le cas de toutes les rentabilits. On a
FRmin [x] = 1 P [R1 > x; ...; Rn > x]. Les rentabilits sont supposes indpendantes ; on
n
trouve ensuite FRmin [x] = 1
P [Ri > x]. Elles sont identiquement distribues donc
i=1
FRmin [x] = 1 P [R1 > x]n = 1 (1 P [R1 6 x])n . La densit du minimum est immdiatement obtenue par drivation. Notons quelle dpend logiquement du nombre de rentabilits
retenues.
2 La densit du minimum est reprsente dans la gure suivante, dans un contexte gaussien.
Cette dernire montre que la pire rentabilit journalire saggrave mesure que lhorizon de
dtention totale sallonge.
Exercice 9
Solution
1 La fonction P&Li individuelle prend les valeurs 1 et 1 avec des probabilits associes 99, 1 %
et 0, 9 %. Dans un monde rglement par la VaR99 % , on ne serait pas tenu de mobiliser

des fonds propres pour la dtention des titres individuels. En effet, le risque de perte tant
1 p < 1 %, les deux VaR99 % (Xi ) sont ngatives.
2 La valeur dachat du portefeuille est de 2 euros. Les revenus tirs de celui-ci la date T sont 0,
2 ou 4 euros. La fonction P&LP prend donc les valeurs 2, 0 et -2. Du fait de lindpendance des
vnements, les probabilits associes sont p2 et 2p (1 p) et (1 p)2 (de valeurs respectives
98, 2081 %, 1, 7838 % et 0, 0081 %). La probabilit que la perte soit suprieure ou gale
0 est 0, 0081 % + 1, 7838 % = 1, 7919 %, qui est strictement suprieur 1 %. 0 nest donc
thoriquement plus recevable comme VaR99 % pour le portefeuille ! On a donc :
26
VaR99 % (X1 + X2 ) > VaR99 % (X1 ) + VaR99 % (X2 ) .
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 27 #294
Fig. 2.4 : Densit du worst case scenario.

80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,
00
%
-0
,5
0%
-1
,0
0%
-1
,5
0%
-2
,0
0%
-2
,5
0%
-3
,0
0%
-3
,5
0%
-4
,0
0%
-4
,5
0%
-5
,0
0%
-5
,5
0%
-6
,0
0%
-6
,5
0%
-7
,0
0%
N=250 jours (en bleu), 20 jours (en rose), 5 jours (en vert), 1 jour (en noir)
On peut calculer la VaR99 % du portefeuille en adaptant la formule dinterpolation prsente

dans lapproche historique. On sait que la perte sera 2 avec une probabilit de 0,0081 %, ou
%+0,0081 %)(100 %99 %)
(2)
0 avec une probabilit de 1, 7838 %. On trouve (1,7838
(1,7838 %+0,0081 %)0,0081 %
0, 8879.
3 Lexpected shortfall individuel est identique et on trouve ES99 % (X1 ) = (1) 0, 9 % =
0, 9 %. Celui du portefeuille est, lui, ES99 % (X1 + X2 ) = (2) 0, 0081 % = 0, 0162 %.

On a bien :
ES99 % (X1 + X2 ) = 0, 0162 % < 0, 018 % = ES99 % (X1 ) + ES99 % (X2 ) .
Cet exercice met en lumire le fait que la VaR nest pas ncessairement une mesure sousadditive. Lexpected shortfall a (au contraire) bien vri la proprit.
4 Pour 1 c = 98, 5 %, la VaR98,5 % (X1 + X2 ) du portefeuille devient plus petite

%+0,0081 %)(100 %98,5 %)
(2) 0, 3273. La VaR est donc moins conservatrice et
(1,7838
(1,7838 %+0,0081 %)0,0081 %
ce rsultat devrait tre conforme nos attentes puisque la tolrance au risque a augment (le
seuil de conance a diminu).
Exercice 10
Solution
ESc =
1
c
c
Ru du =
0
Le premier terme est
1
1c
1
c
c
0
N1 [u] du =
c
c
N1 [u] du
0
du = [u]11c = 1 (1 c) = c. Pour le second, on effectue le
27
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 28 #295
changement de variable N1 [u] = v (u = N [v] du = n (v) dv), on a

N1 [c]
vn (v) dv et donc :
c
N
0
c
0
N1 [u] du =
]
1 2
x exp x dx
2
[
[
]]N1 [c]
1
1
=
exp x2
2
2
( 1 )
= n N [c] ,
1
[u] du =
2
soit encore ESc (T ) = +
N1 [c]
n(N1 [c])
.
c
Exercice 11
Solution
1 On laisse le lecteur revenir aux dnitions du cours, on note que :
F [u] F [x + u]
F [u]
Fu [x] =
F [u] (1 F [x + u])
F [u]
1
(1 F [x + u])
=1
F [u]
Si la valeur F [u] est estime par
Nu
N ,
alors on a Fu [x] = 1
N
Nu
(1 F [x + u]). Si, dautre
(
)1/
x
part (pour = 0), on a Fu [x] = 1 1 +
, alors :
F [x + u] = 1
Nu
N
(
1+
)1/
,
soit encore, pour y > u,
Nu
F [y] = 1
N
(
)1/
yu
1+
.
Or, par dnition, la VaRc est le nombre positif tel que F [VaRc ] = 1 c, on a donc :
(
)1/
,POT
Nu
VaREVT
u
c
1
1+
= 1 c,
N
do :
,POT
VaREVT
c
=u+
((
Nc
Nu
)
1 .
2 Pour lexpected shortfall, lquation (2.15) du livre implique que :

28

[
]
,POT
,POT
,POT
,POT
ESEVT
= VaREVT
+ E X VaREVT
X > VaREVT
.
c
c
c
c
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 29 #296
+(vu)
, alors
1
,POT
+(VaREVT
u)
c
1
Si v > u, on a E [ X v| X > v] =
,POT
,POT
ESEVT
= VaREVT
+
c
c
et on retrouve lexpression recherche.
3 Si lon na vraiment aucune intuition du rsultat, lexpression

,POT
VaREVT
c
=u+
((
Nc
Nu
)
1
EVT ,POT
nous
= u est vraie si et seulement si
) Lgalit VaRc
((donne) la solution.
Nc
N
1 = 0, si et seulement si Nu = 1. Autrement dit, il suft de choisir le seuil
Nu c
u tel que Nc = Nu . Cest bien la dnition de la VaRc .
Exercice 12
Solution
1 Les graphiques demands sont disponibles dans le chapitre 1 du livre. Ici, on vous demande
de les dessiner vous-mmes. Attention ! Il faut positionner les rentabilits gomtriques correctement. Le 4 janvier 1999, aucune rentabilit nest disponible. La srie des rentabilits illustre
mieux lincertitude et la volatilit du march.
Le tableau 2.9 reprend les 10 pires rentabilits de la priode. Sept dentre elles proviennent
de lanne 2008, consquences directes de la crise nancire de 2008 (dbut de la crise de
subprimes en janvier 2008, incertitude sur ltat du milieu bancaire en octobre-novembre 2008).
On retrouve galement les grandes dates de la priode : lattentat dAl-Quaida contre les deux
tours du World Trade Center (11 Septembre 2001), linvasion militaire de lIrak (24 mars 2003)
Tab. 2.9 : Les pires rentabilits (gomtriques) de la priode
i
1
2
3
4
5
6
7
8
9
10
Date
06/10/08
10/10/08
11/09/01
21/01/08
15/10/08
06/11/08
08/10/08
16/10/08
30/09/02
24/03/03
R_i:N
-9,472 %
-8,048 %
-7,678 %
-7,077 %
-7,063 %
-6,593 %
-6,513 %
-6,100 %
-6,045 %
-5,834 %
2 Il existe dans les outils dExcel un utilitaire danalyse qui se propose de calculer des statis-
tiques descriptives. Le tableau 2.10 montre que la rentabilit journalire moyenne est ngative, mais trs faible2 . On constate nanmoins que la mdiane est positive sur la priode. Cette
contradiction apparente peut sexpliquer par la prsence de valeurs extrmes (ngatives). La
trs faible valeur de la variance nous rappelle que lcart-type sexprime (ici en %), par dnition, dans lunit des observations. Eu gard la moyenne, lcart-type peut tre quali de
Annualise, cette rentabilit moyenne vaut environ -0,47 %. Un test formel de Student ne permettrait pas de rejeter
lhypothse de nullit de lesprance des rentabilits.
29
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 30 #297
fort. Le coefcient dasymtrie (skewness) est faible ; la distribution empirique est donc presque
symtrique. Le kurtosis, lui, est gal 7,943. Il indique la prsence de valeurs extrmes.
Tab. 2.10 : Statistiques descriptives des rentabilits gomtriques
Moyenne empirique
Mdiane
Ecart-type empirique
variance empirique
Kurtosis* empirique
Skewness empirique
Plage
Minimum
Maximum
Nombre de donnes
Statistique de Bera-Jarque**
-0,0019 %
0,0330 %
1,55 %
0,000
4,943
0,006
20,07 %
9,47 %
10,59 %
2 807
2 857
R
b
s ou
s2
b
k
c
sk
c
BJ
* Le kurtosis est calcul, ici, en excs de 3.

** La statistique de Bera-Jarque rejette fortement la normalit.
Lhistogramme fournit une reprsentation de la distribution empirique des rentabilits observes. Il est galement donn dans le chapitre 1 et vous trouverez cette fonction dans les outils
dExcel (Utilitaires danalyse). Lhistogramme conrme le diagnostic ralis partir des statistiques descriptives du tableau. On constate bien la symtrie. Dans la gure 2.5, on a superpos
la fonction de rpartition dune loi normale qui aurait mme moyenne et mme variance. On
voit bien ici lcart entre les deux. Un test de normalit plus formel (celui de Bera-Jarque) rejette dailleurs lhypothse de normalit. On sait que la statistique BJ suit une loi du Chi-deux
c 2 857 qui est naturellement
deux degrs de libert (BJ 22 ). Sur nos donnes, on trouve BJ
bien au-del du seuil de conance 1 %. On devrait rejeter lhypothse de normalit.
La gure 2.5 compare la distribution empirique des rentabilits (telle que dessine par Excel)
avec la fonction de rpartition de la loi normale. Le graphique du haut prsente lensemble de
la distribution pendant que celui du bas insiste sur la queue gauche. On rappelle galement le
moyen graphique de dtermination des quantiles. On constate visuellement la diffrence.
3 a) Dans le cas dune VaR gaussienne, on suppose que les rentabilits sont indpendantes et,
toutes, distribues selon une loi N (,

{ ). } et sont respectivement lesprance et lcarttype des rentabilits. On note = , 2 lensemble des paramtres estimer. Plusieurs
approches coexistent pour lestimation des paramtres de cette loi. La mthode des moments
consiste identier les moments thoriques aux moments empiriques correspondants. On
c2 MM = s2 , avec les valeurs exposes dans le tableau. Une seconde
b MM = R et
pose donc
c2 MV =
b MV = R et
mthode, dite du maximum de vraisemblance nous apprend que
N1 2
c2 MV =
s (voir Roger [2004], Dor [2004]). Puisque N = 2 807, on a 22 806
807 99, 96 et
N
2 806
c2 MM . Il ny a pas de diffrence dun point de vue numrique.
2 807 s
Dans le cas dun dveloppement de Cornish-Fisher, on reprend les valeurs des statistiques
descriptives.
30
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 31 #298
Fig. 2.5 : Distribution empirique des rentabilits vs fonction de rpartition de la loi normale
Rentabilits
0,8
0,6
Gauss
0,4
0,2
9,
82
%
7,
89
%
5,
96
%
2,
11
%
-5
,2
3%
-4
,8
4%
4,
03
%
0,
18
%
-6
,0
0%
-5
,6
1%
-1
,7
5%
-3
,6
8%
-5
,6
1%
-7
,5
4%
-9
,4
7%
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
-2
,1
4%
-2
,5
3%
-2
,9
1%
-3
,6
8%
-3
,3
0%
-4
,0
7%
-4
,4
6%
-6
,3
8%
-6
,7
7%
-7
,1
6%
-7
,5
4%
-7
,9
3%
-8
,7
0%
-8
,3
1%
-9
,0
9%
-9
,4
7%
Dans le cas de la distribution de Student Fv (, ), il convient destimer v = {v, , }. On

peut encore envisager dutiliser la mthode des moments ou celle du maximum de vraisemblance. Mais une difcult apparat car v est un nombre entier3 . On propose de suivre une
mthode dajustement graphique. Le graphique choisi est appel le QQPlot. Le QQPlot
reprsente des points dont les coordonnes sont formes de la i-me plus grande rentabilit
et du quantile de la fonction que lon mobilise pour expliquer les donnes. On retiendra donc
les paramtres v qui produiront la moindre erreur dajustement. Lintrt de cette approche
est quelle permet dutiliser les fonctions dExcel. Notons Ri:n la i-ime rentabilit ordonne
et Ri:n () le quantile thorique de la loi de Student pour la i-ime statistique dordre. Cette
valeur est calcule par :
(
)
i 3/8
Ri:n (v ) = F1
v
n + 1/4
(
)
v2 LOI.STUDENT.INVERSE 2 i3/8 ; v , si i3/8 6 1
n+1/4
2
v
( (
) n+1/4
)
=
+ v2 LOI.STUDENT.INVERSE 2 1 i3/8 ; v , sinon.
v
n+1/4
i3/8
Le terme n+1/4
utilis en lieu et place de ni nous est fourni par la littrature sur lajustement
graphique. La stratgie dajustement est alors deux tapes.
Certains auteurs recommandent aujourdhui dutiliser la loi de Student avec un v non entier.
31
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 32 #299
Dans la premire tape, on calcule :
SC (v) = min
,
N
T ot
[Ri:n (v ) Ri:n ]2 ,
i=1
pour diffrentes valeurs de v (v = 3, 4...) en collectant les paramtres estims correspondants :
b (v)} = arg min

{b
(v) ,
N
T ot
[Ri:n (v ) Ri:n ]2 .
i=1
Dans la seconde tape, on dtermine la valeur de b

v qui minimise les (SC (v))v=3,4,5,... et on
b
b (b
b (b
retient, pour nir, T = {b
v,
v) ,
v)}. La loi de Student ajuste est alors celle qui minimise
la somme des carts quadratiques. Notons que lon pose la contrainte {v > 2} pour que la
variance soit dnie et que, pour apprhender la performance des diffrentes lois ajustes, on
mesure galement lcarts quadratiques aux rentabilits extrmes ngatives (qui sont celles qui
nous intressent).
La gure 2.6 illustre les rsultats obtenus sachant quidalement, les points devraient saligner
sur la droite. Les points reprsents par des carrs roses sont issus dune loi de Student avec
v = 3, ceux dots de losange bleue sont issus dune loi normale (qui peut tre vue comme
une student avec v = ). La loi de Student avec v = 4 permet globalement de minimiser
lerreur quadratique ; celle avec v = 5 est plus performante sur les rentabilits ngatives. On
b (4) = 0, 0018617 % et
b (4) = 1, 5641 % ainsi
retient donc ces deux lois, pour lequelles
b (5) = 0, 0018617 % et
b (5) = 1, 5502 %. On remarquera la proximit de ces valeurs
que
avec les statistiques descriptives.
Fig. 2.6 : Les lois de Student ajustes aux rentabilits gomtriques ordonnes.
14,00%
9,00%
4,00%
-10,00%
-5,00%
-1,00%
0,00%
5,00%
10,00%
-6,00%
-11,00%
-16,00%
32
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 33 #300
Dans le cas de lapproche historique, on utilise la formule dinterpolation (2.11) en notant

que, pour la VaR95 % , le nombre de rentabilits extrmes retenir est 2 807 (1 95 %) =
140, 35. La formule nous apprend alors que :
VaRH
95 % = R140:2 807 (140, 35 140) (R141:2 807 R140:2 807 ) .
Les autres VaR historiques se retrouvent de manire similaire en notant que 2 807(1 97, 5 %) =
70, 18, 2 807 (1 99 %) = 28, 07 ; 2 807 (1 99, 9 %) = 2, 807.
Les lecteurs les plus curieux auront peut-tre remarqu quExcel dispose dune fonction
CENTILE(donnes ;p) susceptible de renvoyer le quantile empirique de niveau p dune srie
de donnes. Cette fonction a nanmoins linconvnient dtre assez opaque. En consquence,
nous ne lutiliserons qu titre dinformation ou, comme dans la dernire question, des ns
dautomatisation du calcul.
Pour mettre en uvre la thorie des valeurs extrmes, on procde de manire pragmatique.
Lon estime, par la mthode des moments4 , les paramtres et de la GPD sur les pertes
en excs dun seuil u dtermin graphiquement. Lide de cette approche graphique est de
considrer la fonction de perte en excs moyenne dnie par :
n
n
(Li x) 1Li >x
Li 1Li >x
i=1
en (x) =
= i=1
x.
n
n
1Li >x
1Li >x
i=1
i=1
Cette dernire est trs simple implmenter sur des donnes ordonnes. Si on note (Li )i=1,...,N
la srie des pertes ordonnes de la plus grande la plus petite (N tant ici le nombre de pertes),
on a Li = Ri:NT otal et en (x) est tout simplement la moyenne des pertes qui sont plus
grandes que la perte x - moyenne laquelle on soustraie x. Embrechts et al. (1997) nous prcisent que u doit tre choisi de manire ce que en (x) soit approximativement linaire en
x > u. Lide est de reprer les derniers changements de pente signicatifs dans la reprsentation de en (x). Le graphique de gauche de la gure 2.7 reprsente la fonction en (x) ; celui de
droite est un nuage de points (Li ; en (x)). Ils signalent deux valeurs crdibles pour u, savoir
1,376 % et 1,919 %. Dans le premier cas, le nombre de pertes au-del est Nu = 406 ; dans le
second cas, on a Nu = 239. Il reste ensuite calculer les carts u de chaque perte plus grande
que u (Li u) et dterminer la moyenne et la variance des valeurs obtenues. On dispose
b MOM . Pour Nu = 406, on trouve
ainsi des paramtres ncessaires au calcul de b
MOM et
b
b
MOM = 0, 092 et MOM = 0, 009795 ; pour Nu = 239, on trouve b
MOM = 0, 0819 et
b MOM = 0, 01039. La performance de lajustement de la densit GPD est illustre dans la
gure 2.8.
Pour la VaR issue de CVaR, on se reportera la question sur la production dES.
Le tableau 2.11 rcapitule lensemble des VaR calcules pour diffrents niveaux de conance.
On constate la grande cohrence des rsultats obtenus.
4 Le calcul de certains ES est faisable dans la mesure o lon dispose des paramtres des lois (cas
gaussien, de Student, GPD).

5 La gure 2.9 reprsente sur un mme graphique a) les rentabilits journalires du CAC 40,
partir du 3 janvier 2000, b) la valeur en risque gaussienne R99,9 % (1 j) et c) la valeur en
On fournira le rsultat dune approche par Maximum de Vraisemblance.
33
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 34 #301
Fig. 2.7 : Dtermination graphique du seuil u.
0,01450
0,01400
0,01400
0,01350
0,01300
0,01250
0,01200
0,01150
Moyenne des Pertes en Excs
0,01500
0,01450
Moyenne des Pertes en Excs
0,01500
0,01350
0,01300
0,01250
0,01200
0,01150
0,01100
0,01100
0,01050
0,01050
0,01000
0,000%
0,01000
1327 1249 1171 1093 1015 937 859 781 703 625 547 469 391 313 235 157
79
1,000%
2,000%
3,000%
4,000%
5,000%
6,000%
7,000%
8,000%
9,000%
Perte
Fig. 2.8 : Ajustement des densits GPD sur les pertes au-del du seuil u.
1,0
100,00%
0,8
F_u [L-u] pour u=1,919%
F_u [L-u] pour u = 1,376%
80,00%
0,6
0,4
60,00%
40,00%
20,00%
0,2
0,0
0,000%
1,000%
2,000%
3,000%
4,000%
5,000%
6,000%
7,000%
Pertes L (plus grandes que u)
8,000%
9,000%
10,000%
0,00%
0,000% 1,000% 2,000% 3,000% 4,000% 5,000% 6,000% 7,000% 8,000% 9,000% 10,000
%
Pertes L (plus grandes que u)
risque historique RH
99,9 % (1 j). Ces deux VaR sont calcules avec les rentabilits journalires
passes (sur une priode dun an). La VaR normale du 3 janvier 2000 est ainsi dtermine avec
la moyenne et lcart-type des rentabilits de lanne 1999. Le graphique montre que les VaR
sont rgulirement dpasses, on parle alors dexceptions. En soi, ce nest pas un problme, sauf si
celles-ci sont plus nombreuses quautoris par le seuil de tolrance de 0,1 %. Sur la priode, on
NT ot
1{Ri >VaR} . On trouve
peut calculer la frquence des exceptions en calculant NT1ot
i=1
34
0,86 % pour la R99,9 % normale et 0,43 % pour la RH

99,9 % . La VaR historique est donc plus
efcace que la VaR normale, mais elle narrive pas atteindre lefcacit recherche. Nous
reviendrons sur cette problmatique dans le chapitre suivant.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 35 #302
Tab. 2.11 : Calcul de VaR selon les approches mobilises dans le cours ou les exercices prcdents.
0,95
2,5438 %
2,5433 %
2,5414 %
2,3872 %
2,4458 %
2,4369 %
2,3596 %
2,4216 %
2,4975 %
2,4689 %
2,4848 %
2,4712 %
2,4379 %
VaR normale MM
VaR normale MV
VaR CF 3 moments
VaR CF 4 moments
VaR Historique Eq
VaR Historique Excel
VaR Student v=4
VaR Student v=5
VaR-x MOM (1008)
VaR-x MOM (406)
VaR-x MOM (239)
VaR-x MV (239)
VaR issue de CVAR
0,975
3,0308 %
3,0302 %
3,0267 %
3,5516 %
3,2533 %
3,2379 %
3,0725 %
3,0887 %
3,2936 %
3,2418 %
3,2589 %
3,2414 %
3,2398 %
0,99
3,5970 %
3,5963 %
3,5907 %
5,3764 %
4,3532 %
4,3512 %
4,1458 %
4,0426 %
4,3899 %
4,3420 %
4,3521 %
4,3571 %
4,3518 %
0,999
4,7775 %
4,7767 %
4,7653 %
11,2069 %
7,7495 %
7,1939 %
7,9348 %
7,0791 %
7,3807 %
7,5521 %
7,4903 %
7,7301 %
7,6780 %
0,9999
5,7493 %
5,7483 %
5,7310 %
18,5517 %
9,0721 %
14,4219 %
11,6218 %
10,7423 %
11,5182 %
11,2802 %
12,1091 %
9,4715 %
0,99999
6,5930 %
6,5918 %
6,5685 %
27,1881 %
9,4316 %
25,7108 %
18,7011 %
14,5205 %
16,4181 %
15,8570 %
17,7943 %
9,4747 %
On appelle VaR-x, la VaR obtenue par la thorie des valeurs extrmes. MM et MOM signient mthode des moments, MV correspond
au maximum de vraisemblance. La VaR historique Eq renvoie la formule dvaluation, La VaR historique Excel utilise directement la
fonction CENTILE(matrice ;p)
Tab. 2.12 : Calcul des ES selon des approches mobilises dans le cours ou les exercices prcdents.
95,00 %
3,1896 %
3,1541 %
3,6937 %
3,6845 %
3,5441 %
3,4725 %
3,6863 %
3,6580 %
3,6670 %
3,6759 %
3,6905 %
ES normale MM
ES normale MV
ES Historique 1
ES Historique 2
ES Student v=4
ES Student v=5
ES-x MOM (1008)
ES-x MOM (406)
ES-x MOM (239)
ES-x MV (239)
CVaR
97,50 %
3,6147 %
3,5791 %
4,5769 %
4,5655 %
4,4186 %
4,2307 %
4,5250 %
4,5091 %
4,5102 %
4,5447 %
4,5735 %
99,00 %
4,1207 %
4,0850 %
5,7440 %
5,7296 %
5,7757 %
5,3485 %
5,6799 %
5,7205 %
5,7010 %
5,8030 %
5,7405 %
99,90 %
5,2050 %
5,1692 %
8,7597 %
6,2413 %
10,7155 %
9,0249 %
8,8306 %
9,2553 %
9,1193 %
9,6072 %
8,4488 %
99,99 %
6,1176 %
6,0816 %
-
100,00 %
6,9187 %
6,8826 %
-
19,2756 %
14,6446 %
12,3718 %
13,6224 %
13,2475 %
14,5462 %
9,4715 %
34,8325 %
23,2611 %
16,3520 %
19,0179 %
18,2327 %
20,9584 %
9,4747 %
Fig. 2.9 : Seuil R99,9 % 1 jour et rentabilits (gomtriques) du jour.
15,000%
10,000%
5,000%
0,000%
1
115 229 343 457 571 685 799 913 1027 1141 1255 1369 1483 1597 1711 1825 1939 2053 2167 2281 2395 2509
-5,000%
-10,000%
seuil VaR Historique
seuil VaR normale
-15,000%
35
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 36 #303
Chapitre 3
Exercice 1
Solution
1 La mise en oeuvre sur Excel ne devrait pas poser de problmes aux lecteurs ayant dj rsolu
les exercices des chapitres prcdents. Notons quil convient de calculer (au pralable) des
rentabilits (gomtriques) journalires et que la volatilit sera calcule comme la racine carre
de la variance. La fonction dExcel permettant destimer la variance historique recherche est
VAR.P(). Cest la fonction utilise (en statistique descriptive) pour trouver la variance dune
population.
2 Les volatilits annualises sont obtenues en prenant la racine carre de la variance annualise.
On rappelle que cette dernire est proportionnelle la variance de la sous-priode. La variance mensuelle annualise est ainsi la variance mensuelle mutliplie par le nombre de mois
par an (videmment 12), de mme la variance hebdomadaire annualise est la variance hebdomadaire multiplie par le nombre de semaines par an (52), et ainsi de suite. Pour dterminer
le nombre de jours par an, il existe deux conventions possibles : soit un nombre de jours arbitraire (exemple : 250), soit le nombre moyen de jours dans la base de donnes. Cest cette
dernire convention que nous avons dcid dutiliser. On compte plus de 260 jours. Au total,
ban
ban
comme lillustre la capture dcran sur le site, on trouve
m = 19, 50 %,
h = 23, 71 % et
an
bj = 24, 68 %. Et on observe que les volatilits annualises sont croissantes avec la frquence.
Donnes brutes
Mesures du MV de la volatilit non conditionnelle annualise
DONNEES
mensuelles
hebdomadaires
Date
Close
R_m
Date
Close
04/01/1999
4 147,50
04/01/1999
4 147,50
04/02/1999
4 167,42
0,48%
11/01/1999
4 201,90
04/03/1999
4 087,99
-1,92%
18/01/1999
4 151,68
04/04/1999
4 229,85
3,41%
25/01/1999
4 050,80
04/05/1999
4 438,55
4,82%
01/02/1999
4 303,92
04/06/1999
4 344,25
-2,15%
08/02/1999
4 154,02
04/07/1999
4 620,67
6,17%
15/02/1999
4 065,19
04/08/1999
4 326,20
-6,59%
22/02/1999
4 165,86
04/09/1999
4 672,37
7,70%
01/03/1999
4 032,05
04/10/1999
4 603,24
-1,49%
08/03/1999
4 175,97
R_w
1,30%
-1,20%
-2,46%
6,06%
-3,54%
-2,16%
2,45%
-3,26%
3,51%
Date
04/01/1999
05/01/1999
06/01/1999
07/01/1999
08/01/1999
11/01/1999
12/01/1999
13/01/1999
14/01/1999
15/01/1999
journalires
Close
4 147,50
4 200,78
4 294,82
4 230,67
4 245,42
4 201,90
4 100,70
3 958,72
3 997,06
4 054,81
R_d
1,28%
2,21%
-1,50%
0,35%
-1,03%
-2,44%
-3,52%
0,96%
1,43%
Estimateur du MV de la variance
Donnes mensuelles
0,003167702371
Donnes hebdomadaires
0,001081358782
Donnes journalires
0,000233616305
Mesures de volatilits historiques annualises
Donnes mensuelles
19,50%
Donnes hebdomadaires
23,71%
Donnes journalires
24,68%
3 Ces rsultats peuvent tre conformes avec certaines attentes. En effet, laugmentation de la
frquence accrot le nombre de prix observs et devrait permettre de capter des mouvements
invisibles des frquences plus basses. Linformation vhicule par les donnes chantillonnes
plus grande frquence est-elle pour autant ncessairement pertinente ? Ces mouvements ontils un sens ou sont-ils de purs bruits de march ? Au niveau journalier, on peut imaginer des
phnomnes de mimtisme qui seront (par exemple) corrigs ds le lendemain. Le mouvement
de la journe ne peut tre quun piphnomne.
36
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 37 #304
Exercice 2
Solution
1 On obtient, par exemple, la capture dcran (de la feuille Excel) suivante :
Donnes brutes
1) sur les mesures classiques de volatilits non conditionnelles
2) sur les mesures de volatilits non conditionnelles utilisant de l'information intraday .
Cours du CAC 40
Date
Open
High
Low
Close
ln(Close)
04/01/1999
4 030,44
4 147,50
3 993,23
4 147,50
8,33
05/01/1999
4 166,86
4 200,78
4 136,45
4 200,78
8,34
06/01/1999
4 249,11
4 320,52
4 242,70
4 294,82
8,37
07/01/1999
4 298,68
4 313,18
4 210,64
4 230,67
8,35
08/01/1999
4 261,70
4 295,97
4 220,80
4 245,42
8,35
11/01/1999
4 280,61
4 283,80
4 165,63
4 201,90
8,34
12/01/1999
4 180,06
4 213,67
4 095,38
4 100,70
8,32
13/01/1999
4 031,18
4 057,65
3 845,77
3 958,72
8,28
14/01/1999
3 982,53
4 035,17
3 947,39
3 997,06
8,29
15/01/1999
3 890,88
4 054,81
3 890,88
4 054,81
8,31
R=Rentabilit
Gomtrique
(R centre)
1,28%
2,21%
-1,50%
0,35%
-1,03%
-2,44%
-3,52%
0,96%
1,43%
0,02%
0,05%
0,02%
0,00%
0,01%
0,06%
0,12%
0,01%
0,02%
0,02%
0,05%
0,02%
0,00%
0,01%
0,06%
0,12%
0,01%
0,02%
Les donnes brutes de cours de clture sont dans la colonnes Close. On peut donc calculer le
logarithme de ces prix dans la colonne voisine et les rentabilits gomtriques (Rt = ln Pt
ln Pt1 ) dans la colonne suivante (colonne G). La premire des rentabilits apparat sur la
septime ligne. En faisant appel aux fonctions dexcel, lestimateur sans biais de la variance est
donn par :
N
total
1
(ri r)2 = VAR(G7 :G2813).
2SB =
Ntotal 1
i=1
Pour lestimateur de variance dit du maximum de vraisemblance, on a :
2MV =
N
total
1
Ntotal
(ri r)2 = VAR.P(G7 :G2813).
(3.1)
i=1
Ce sont les deux premiers calculs. Oprationnellement, dautres approches sont envisageables
pour calculer ces variances historiques (non conditionnelles) la main . Ici lon en rappelle
trois concernant la variance 2MV et une pour 2SB . Concernant 2MV , les calculs diffrent
selon linterprtation de la dnition :
1
2MV =
1
Ntotal
N
total
i=1
2 2
(ri r) =
1
Ntotal
N
total
r2i r2
i=1
Lgalit 1 suggre de calculer toutes les rentabilits centres (ri r), de les mettre (toutes) au
carr (ce que nous avons fait en colonne H), puis den faire la moyenne. On a alors :
2MV = MOYENNE(H7 :H2813).
(3.2)
Lgalit 2 suggre de calculer les rentabilits au carr (ce que nous avons fait en colonne I),
den faire la moyenne dune part et de calculer la moyenne des rentabilits dautre part pour
la mettre au carr :
2MV = MOYENNE(H7 :H2813)-MOYENNE(G7 :G2813)^2.
(3.3)
37
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 38 #305
On trouve videmment des valeurs identiques par les calculs (3.1), (3.2) et (3.3). Pour la variance sans biais, on peut noter que :
2SB =
Ntotal
2 .
Ntotal 1 MV
Les deux estimateurs 2SB et 2MV donnent deux volatilits distinctes :
SB = 1, 5454 %
et
MV = 1, 5451 %
et
a
MV = 24, 4347 %.
qui, annualises, deviennent :
a
SB = 24, 4304 %
On constate que lcart est infrieur 0,01 % (pour les variances annualises), ce qui est tout
fait normal puisque le nombre de donnes est important.
2 Les estimateurs de variance utilisant des donnes intraday sont nalement assez simples, mais
ils demandent un peu de rigueur dans la mise en oeuvre. On suggre au lecteur de calculer
chaque 2 (i) (comme le suggre la prsentation du cours). Le calcul le plus ardu concerne
(peut-tre) lestimateur 2YZ qui demande le calcul de k0 . On trouve 0,1453, rnuit = 0, 034 %
et rjour = 0, 036 %. En classant les estimateurs par ordre croissant, on trouve nalement :
Estimateur
an
RS
19,092 %
an
GK1
an
GK2
an
P
an
GK3
an
YZ
an
GKP
an
CtoC
an
GK0
19,018 %
19,011 %
19,500 %
23,757 %
23,873 %
24,156 %
24,430 %
24,568 %
On consultera le site pour le dtail des calculs.

3 On remarque que toutes les approches prenant explicitement en compte la diffrence entre le
cours de clture de la veille (Pi1 ) et le cours douverture du jour (Oi ) fournissent une volatilit
%
annualise plus grande que les autres. La diffrence est grosso modo denviron 24 %19
19 %
2
2
26 %. Plus accessoirement, lestimateur approch GK2 est trs proche de GK1 . En premire
approximation, lexpression dtaille de 2GK1 est donc inutile.
38
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 39 #306
Exercice 3
Solution
1 Une solution envisageable consiste faire :
La gure 3.1 reprsente les volatilits conditionnelle et non conditionnelle du CAC 40.
Fig. 3.1 : Reprsentation graphique des volatilits historiques conditionnelle et inconditionnelle du CAC 40.
90%
80%
70%
60%
50%
40%
30%
20%
10%
01
/0
2/
99
27
/0
1/
00
21
/0
1/
01
16
/0
1/
02
11
/0
1/
03
06
/0
1/
04
31
/1
2/
04
26
/1
2/
05
21
/1
2/
06
16
/1
2/
07
10
/1
2/
08
05
/1
2/
09
0%
On observe que la volatilit conditionnelle 2t (telle que mesure ici) nest gale la volatilit inconditionnelle (constante) 2 quen de trs rares occasions (en fait, il faut mme disposer dobservations continues pour cela). Ce graphique montre lerreur commise vouloir raisonner
avec 2 lorsque lon se doit de raisonner avec 2t . En fait, on sera amen sous-estimer ou sur-
39
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 40 #307
{
}
estimer 2t . On peut dailleurs estimer la proportion de journes o lvnement 2t > 2
est vrai. Sur nos donnes, cette proportion slve 24,11 %.
2 On repre trois grandes priodes de fortes volatilits :
la priode qui succde au 11 Septembre 2001 ;

lt 2002, avec le scandale Enron et la faillite de Worldcom ;
la priode plus rcente de la crise des subprimes.
3 La variance conditionnelle moyenne est peu prs gale la variance inconditionnelle ! On
comprend mieux la nature de cette dernire.

4 On a reprsent dans la gure 3.2 la volatilit conditionnelle prcdente avec lestimation qui
nous est fournie par la mesure glissante sur 6 mois ( gauche) et la mesure instantane. Laugmentation de la taille de la fentre accrot le nombre de donnes pris en compte et diminue la
contribution de chaque rentabilit (leur poids relatif diminue), alors que la baisse du nombre
de rentabiilits magnie,elle, leur impact. Lorsque lon utilise une mesure glissante de fentre
1
1 mois (soit environ 20 journes de Bourse), chaque observation est affecte dun facteur 20
.
Lorsque lon utilise une mesure glissante sur 6 mois (soit 120 jours de Bourse), ce facteur est
1
de 120
soit 6 fois moins !
Fig. 3.2 : Diffrentes fentres de mesure de la volatilit conditionnelle.
180%
40%
20%
20%
0%
0%
04
00
05
02
07
04
08
01
09
06
03
99
2/
1/
2/
2/
1/
1/
2/
1/
2/
2/
1/
2/
/1
/0
/1
/0
/0
/1
/1
/0
/1
/1
/0
/0
27
31
26
16
06
16
21
10
05
21
11
01
10
/1
2/
08
05
/1
2/
09
60%
40%
16
/1
2/
07
80%
60%
21
/1
2/
06
100%
80%
26
/1
2/
05
120%
100%
01
/0
2/
99
27
/0
1/
00
140%
120%
31
/1
2/
04
160%
140%
06
/0
1/
04
6 mois
11
/0
1/
03
1 mois
16
/0
1/
02
160%
21
/0
1/
01
180%
Exercice 4
Solution
1 La variance EWMA possde deux dnitions et sutilise dans deux contextes bien diffrents,
qui concernent la mesure et la prvision de la variance. Le terme prvision suggre que

lon nutilise que des donnes passes. Les dnitions usuelles utilises pour mesurer la variance
sont :
N
1 k1 2
ert(k1) et 2t = 2t1 + (1 ) r2t .
2t =
1 N k=1
40
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 41 #308
2 On reconnat (presque) ici une suite gomtrique de raison , et lon sait1 que :
N
k=1
k1 =
N1
k=0
k =
1 (N1)+1
1 N
=
.
1
1
Il suft donc de diviser gauche et droite par
1N
1
pour retrouver le rsultat.
3 Si jamais = 1, on sait que la variance conditionnelle reste constante. Cest ce que nous ap-
N
k1 2
1
ert(k1) devient inapproprie dun
prend la dnition. Mais la dnition 1
N
k=1
point de vue mathmatique (puisquon ne peut diviser 0). Peut-on retrouver nanmoins le rsultat ? La rgle de lHpital rappele dans le chapitre 3, 4.5 de Dussart et al. (2004) permet
de dpasser ce problme. Cette rgle nous indique que si f et g sont les fonctions au num
f()
k1
rateur et dnominateur, alors lim1 g()
= lim1 gf ()
et
() . Posons f () = (1 )
k2
k1
(k1)
k
1
k1k
g () = 1 N , on trouve alors : gf ()
et lim1 gf ()
() =
() = N = N .
NN1
N
1
Au total, on a 2t = N
r2t(k1) . Cest lestimateur du maximum de vraisemblance de
k=1 e
la variance.
Exercice 5
Solution
1 La mesure de la volatilit conditionnelle laide de la variance EWMA et des deux valeurs de
est dcrite par lquation (3.4) du livre. On vous propose, dans la gure 3.3, un exemple de
mise en oeuvre de la formule. Attention ! Au premier calcul de la variance conditionnelle, on
appelle la variance inconditionnelle.
Fig. 3.3 : Mesure de la volatilit conditionnelle par lestimateur EWMA.
Quitte reprendre ses cours de mathmatiques de lyce.
41
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 42 #309
La gure 3.4 compare trois volatilits conditionnelles : celle fournie par lestimateur de variance EWMA avec = 94 %, celle fournie avec lestimateur de variance EWMA avec
= 98 % et, enn, celle fournie par lestimateur glissant (1 mois).
Fig. 3.4 : Volatilits conditionnelles mesures par lestimateur EWMA.
6,00%
EWMA (94%)
Glissant 1 mois
EWMA (98%)
5,00%
4,00%
3,00%
2,00%
1,00%
01
/0
2/
19
99
01
/0
2/
20
00
01
/0
2/
20
01
01
/0
2/
20
02
01
/0
2/
20
03
01
/0
2/
20
04
01
/0
2/
20
05
01
/0
2/
20
06
01
/0
2/
20
07
01
/0
2/
20
08
01
/0
2/
20
09
0,00%
Les volatilits ne sont pas annualises.
Le graphique suggre que lestimateur glissant et lestimateur EWMA ( = 94 %) sont les plus
proches. Mais le premier fournit, semble-t-il, la volatilit conditionnelle la plus volatile.
2 Pour tudier la densit empirique, il convient :
(
)
( )
ri
de calculer les rentabilits rduites MV
et standardises rii obtenues en divisant
chaque rentabilit par la volatilit inconditionnelle ou bien conditionnelle ;
dutiliser la fonction histogramme des Outils dExcel (dj utilise dans le chapitre prcdent).
On trouve alors la gure 3.5. Les diffrentes courbes de densit empirique sont en cloche
(comme le serait celle dune variable alatoire de loi normale). On reprsente donc aussi la
densit normale par une courbe rgulire en gras. Cette gure suggre que les rentabilits
standardises se comportent
(
) dune manire plus conforme la loi normale que ne le font les
rt
rentabilits rduites MV
. Conclusion : prendre en compte la variabilit conditionnelle des
rentabilits peut permettre dexpliquer une partie de leur non-normalit.
42
Pour tester cette intuition, on peut mener un test de Bera-Jarque (dj mis en oeuvre et discut
dans le chapitre 2). Le tableau 3.1 montre que la distribution des rentabilits (rduites) est
plutt symtrique, mais quelle possde un fort kurtosis (plus de 8), bien au-del de celui de la
loi normale. La statistique de Bera-Jarque rejetterait dailleurs fortement toute hypothse de
normalit. Les mmes calculs mens sur les rentabilits standardises montrent que la prise
en compte de la variance conditionnelle fait chuter le kurtosis. La prsence de ce dernier dans
les rentabilits brutes pourrait donc tre la manifestation dune variance conditionnelle non
constante. Attention : les variances conditionnelles fournies par les estimateurs EWMA et
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 43 #310
Fig. 3.5 : Distributions empiriques des rentabilits rduites ou standardises.
9,00%
8,00%
7,00%
6,00%
5,00%
4,00%
3,00%
2,00%
1,00%
EWMA (98%)
R rduites
Densit Normale
2,
9
3,
3
2,
1
2,
5
1,
7
0,
9
EWMA (94%)
1,
3
0,
5
0,
1
-0
,3
-1
,1
-0
,7
-1
,9
-1
,5
-2
,7
-2
,3
-3
,5
-3
,1
0,00%
Glissant 1 mois
glissant ne sufsent pas obtenir la loi normale. La statistique du test de Bera-Jarque (bien
que plus faible) repousserait l encore lhypothse de normalit dans les trois cas tudis
Tab. 3.1 : Distributions empiriques des rentabilits rduites ou standardises
Skewness
Kurtosis (en excs)
Test de B.-J.
Rentabilits
(rduites)
-0,17
5,19
3 205,4
Rentabilits standardises
EWMA(94 %) EWMA(98 %) Glissante
-0,15
-0,21
-0,17
-0,19
0,71
0,01
15,1
81,7
13,7
3 Pour dterminer le lambda optimal sur nos donnes, il convient :
a) de mettre en uvre lquation (3.7) du livre pour une valeur arbitraire de (par exemple
95 %) ;
[
]2
b) de mesurer lcart quadratique de prvision entre r2i et 2i (par exemple, par r2i 2i ) ;
c) de faire la somme des carts quadratiques sur lensemble des donnes, conformment
lquation (3.8) du livre.
d) de lancer le solveur comme dcrit dans la gure 3.6 (je vous laisse faire envoi ).
( )
Vous
devriez obtenir opt = 90, 83 % pour une erreur de prvision totale G opt =
0, 0916 % 3 %.
Exercice 6
Solution
1 En prenant lesprance du processus de variance dcrit par lquation (3.15) de lnonc, on
obtient :
[
]
E [ht ] = c + aE 2t1 + bE [ht1 ] .
[ ]
Sachant que E 2t = E [ht ] pour tout t (voir N.B.), on a E [ht ] = c + (a + b) E [ht1 ] . Si
43
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 44 #311
Fig. 3.6 : Recherche du lambda optimal.
E [ht ] = 2 pour tout t, on a 2 = c + a2 + b2 , soit encore :

2 =
c
,
1ab
pourvu que 1 a b soit diffrent de 0. Mais a-t-on pour autant 1 a b < 1 ? En fait, il
faut revenir la dnition. On a :
E [ht ] = c + (a + b) E [ht1 ]
et, en remplaant E [ht1 ] par sa dnition, on trouve :
E [ht ] = c + (a + b) {c + (a + b) E [ht2 ]}
= c [1 + (a + b)] + (a + b)2 E [ht2 ] .
[
]
En renouvelant le principe, on trouve E [ht ] = c 1 + (a + b) + (a + b)2 +(a + b)3 E [ht3 ],
soit encore, pour lordre N :
E [ht ] = c
N1
(a + b)i + (a + b)N E [htN ] .
i=0
On reconnat, dans le premier membre, une somme de termes gomtriques. On a alors :
E [ht ] = c
1 (a + b)N
+ (a + b)N E [htN ] .
1 (a + b)
Lorsque N , cette somme ne sera nie que si (a + b) < 1 et on aura :

44
E [ht ] =
c
.
1 (a + b)
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 45 #312
Si (a > 0 et b > 0) et (a + b < 1), alors on a a < 1 et b < 1.

c
2 Si 2 = 1ab
, alors on a c = 2 (1 a b) et les deux expressions en dcoulent immdia-
tement. La premire nous apprend que la variance conditionnelle de la date t est une moyenne
pondre de 2 , de la variance conditionnelle de linstant prcdent et du choc informationnel
(au carr) de linstant prcdent. La seconde :
(
)
(
)
ht = 2 + a 2t1 2 + b ht1 2 ,
mrite plus de commentaires. Si on suppose que le niveau 2 est x, alors on peut discuter
lexpression prcdente au travers de plusieurs situations.
(
) (
)
Si les termes ht1 2 et 2t1 2 sont simultanment nuls, cela signie que la
variance conditionnelle la date t 1 vaut ht1 = 2 et que le choc informationnel est
dans la norme des chocs dans le sens o 2t1 = 2 . La variance conditionnelle reste alors
gale 2 (puisque ht = 2 ). Il nexiste aucune raison en fait que cette variance signale un
mouvement particulier de lactif.
)
(
)
(
)
(
Si 2t1 2 = 0 mais que ht1 2 = 0, on a ht 2 = b ht1 2 et on
peut en dduire deux lments. Le premier est que ht reste suprieure (ou infrieure) 2 si
ht1 lest dj, puisque b est un nombre positif. Le second est que lcart entre la variance
conditionnelle ht et la variance inconditionnelle 2 se rduit
la date t par rapport
linstant

prcdent (t 1), puisque b < 1. On a en effet ht 2 < b ht1 2 < ht1 2 .
Autrement dit, en labsence de chocs informationnels particuliers (2t1 = 2 ), la tendance
2
naturelle de la variance conditionnelle est de converger
esprance)2 . Cette pro)
( 2vers (son
2
prit de convergence prdomine dailleurs lorsque t1 est faible, autrement dit,
chaque fois que le choc informationnel sera en ligne avec la volatilit (|t1 | ).
Sil arrive une information ponctuelle importante (telle que |t1 | >> ), alors la variance
conditionnelle scartera de la variance inconditionnelle 2 .
3 = a + b sinterprte comme la persistance de la variance conditionnelle. Lexpression (3.17)
de lnonc nous apprend que :
c = 2 (1 )
et, si = a + b > 81 %, alors on peut crire que (1 ) < 0, 09, soit encore 1 < 0, 3.
Autrement dit, on peut garder en tte quen situation classique, la racine carre de c est limite
et vrie :
30
c = (1 ) <
.
100
4 Le kurtosis marginal des rentabilits est donn par
E[r4t ]
. Pour le dnominateur, on sait que

2 ]2
E[r[
t
[ 2]
[ 4]
]
c
E rt = 1ab . Pour le numrateur E rt = E 4t , on sait que t est une variable
conditionnellement normale (et donc de kurtosis conditionnel gal 3). Autrement dit, on
Et1 [4 ]
a E [2t]2 = 3. En utilisant la loi des esprances itres, on trouve :
t1
[
[ ]
[ ]
[
[ ]] 1
[ ]2 ] 2
[ ]
E r4t = E 4t = E Et1 4t = 3E Et1 2t
= 3E h2t .
Du reste, on appelle parfois 2 la variance de long terme.
45
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 46 #313
Et1 [4 ]
Lgalit (1) vient de la normalit conditionnelle ( E [2t]2 = 3). Lgalit (2) provient de la
[t1 ] t
dnition de la variance conditionnelle ht = Et1 2t . Puisque ht = c + a2t1 + bht1 ,
on a (en mettant au carr) :
h2t = c2 + a2 4t1 + b2 h2t1 + 2ac2t1 + 2bcht1 + 2ab2t1 ht1 .

[ ]
[ ]
[ ]
En prenant lesprance de h2t et en se souvenant que E 4t = 3E h2t et E 2t = E [ht ]
pour tout t, on a :
[ ]
[
]
[
]
E h2t = c2 + 3a2 E h2t1 + b2 E h2t1
[
]
[
]
[
]
+2acE 2t1 + 2bcE 2t1 + 2abE h2t1 .
[
]
[
[
]]
[
[
]
]
La dernire criture sexplique par E 2t1 ht1 = E Et2 2t1 ht1 = E Et2 2t1 ht1 =
E [ht1 ht1 ]. On a donc :
[ ]
[
] (
) [
]
E h2t = c2 + 2c (a + b) E 2t1 + 2ab + 3a2 + b2 E h2t1
(
) [
]
c
= c2 + 2c (a + b)
+ 2ab + 3a2 + b2 E h2t1
(3.4)
1ab
[ 2 ]
= u + vE ht1
=u
N1
]
[
vi + vN E h2tN
i=0
]
[
1 vN
=u
+ vN E h2tN .
1v
Cest une somme de termes gomtriques qui converge si et seulement si v < 1, soit encore :
2ab + 3a2 + b2 < 1.

[ ]
[ ]
u
qui ne dpend pas de N. Si E h2t existe et vaut une constante
Dans ce cas, on a E h2t = 1v
quel que soit t, on a directement le rsultat de lquation (3.4) :
[ ]
E h2t = c2 + 2c (a + b)
(
) [ ]
c
+ 2ab + 3a2 + b2 E h2t ,
1ab
soit encore :
h2t
]
c
1
= c + 2c (a + b)
1 a b 1 (2ab + 3a2 + b2 )
{z
}
|
{z
}|
1
2
2
c
2
1(a+b)
2
]
[ 1ab ] [
1(a+b) 2a
[
]2
2
c
1 (a + b)
=
.
1 a b 1 (a + b)2 2a2
2
On a donc :
46
}|
[ ]
(z
){
3E h2t
1 (a + b)2 + 2a2 + 2a2
6a2
k=
=[
=3
=3+
.
]
2
2
2
c
1 (a + b) 2a2
1 (a + b)2 2a2
E [r2t ]
1ab
[ ]
E r4t
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 47 #314
On remarque que la constante c est absente et que, si a tait nulle, k serait gale 3 pour
1a2
toute valeur de b. Si b = 0, on retrouve le kurtosis dun ARCH(1) 3 13a
2 . Enn et surtout,
on voit que le kurtosis peut tre trs grand mesure que 1 3a2 2ab b2 0.
5 Comme prcis dans le cours, le processus GARCH(1, 1) fournit plusieurs structures par
terme de variances et de volatilits anticipes. Rappelons que la variance prvue des rentabilits sur priodes est thoriquement donne par :
[
]
ht+|t Et (rt+ Et [rt+ ])2
[
]
= Et r2t+
[
]
= Et 2t+
[
[
]]
= Et Et+1 2t+
= Et [ht+ ] .
Or, dans le cas du GARCH(1,1), on sait que :
(
)
(
)
ht+ 2 = a 2t+1 2 + b ht+1 2 .
On peut donc calculer :
[
]
[ (
)
(
)]
Et ht+ 2 = Et a 2t+1 2 + b ht+1 2
[
[ (
)
(
)]]
= Et Et+2 a 2t+1 2 + b ht+1 2
[ (
)
(
)]
= Et a ht+1 2 + b ht+1 2
)]
[(
= (a + b)1 Et ht+1 2
)]
[(
= (a + b)1 Et ht+(1) 2
[(
)]
= (a + b)1 Et ht+1 2
(
)
= (a + b)1 ht+1 2 ,
do :
ht+|t =
)
(
c
c
+ (a + b)1 ht+1
.
1 (a + b)
1 (a + b)
Cette expression mrite quelques remarques. Tout dabord, puisque a + b < 1, on a :
lim ht+|t =
c
= 2 ,
1 (a + b)
et la variance non conditionnelle 2 fait bien ofce de variance (conditionnelle) de long terme.
Ensuite, on peut rcrire lquation en :
ht++1|t = [1 (a + b) ] 2 + (a + b) ht+1
et on voit que la variance anticipe est une moyenne pondre de 2 et ht+1 . Si, de plus, on
note = ln (a + b) > 0, on aura :
[
]
2t++1|t = 1 e 2 + e 2t+1|t
(
)
= 2 + e 2t+1|t 2 .
47
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 48 #315
La structure par terme de volatilit crot ou dcrot de 2t+1|t vers 2 de manire exponentielle.
La structure sera croissante si 2t+1|t < 2 , et dcroissante si 2t+1|t > 2 .
Dans la gure 3.7, on reprsente les structures par terme des variances conditionnelles correspondants diffrentes valeurs initiales t+1|t = 25, 30, 35, 40, 45, 50 et 55. On a pos
)
(
a + b = 0, 9 et c = 0, 016, et reprsent (k) = 2 + e( ln(a+b))k 2I 2 .
Fig. 3.7 : Structure par terme des variances conditionnelles attendues.
0.55
0.50
t ++1 t
0.45
0.40
0.35
0.30
0.25
0
10
20
30
40
50
a + b = 0, 9, 2 =
0,016
10,9
(
)
La structure terme des volatilits t+k|t k donnes par 2t+k|t kj=1 ht+j|t est alors
simple reprsenter. On pourra vrier son retour la moyenne de long terme.
2
6 On sait que h2t = c + a2t1 + bh2t1 . Il suft
( ) de remplacer ht1 par sa propre expression
an de faire apparatre les diffrents chocs 2t au carr :
2t
=c
k1
k=1
+a
bk1 2tk + bt 20 .
k=1
En supposant b < 1, bt 0 et k=1 bk1 =

1, la relation devient approximativement :
1bt
1b
1
1b
pour t beaucoup plus grand que
1
+a
bk1 r2tk
1b
t
2t c
k=1
puisque t = rt . On voit que la variance conditionnelle fournie par le processus GARCH(1, 1)

est une moyenne pondre particulire des rentabilits au carr (plus une constante) !
48
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 49 #316
Exercice 7
Solution
1 Pour le GARCH(1, 1) de lnonc, on trouve :
[rt m]2
1
1
ln l ( rt | rt1 ; ) = ln (2) ln (ht )
2
2
2ht
1
= ln (2)
2
)
1 (
ln c + a [rt1 m]2 + b2t1
2
[rt m]2
].
[
2 c + a [rt1 m]2 + b2t1
Le premier terme ne change par la valeur de la log-vraisemblance. Il est donc parfois nglig
et omis dans les implmentations.
2 Pour estimer les paramtres du processus GARCH(1, 1), il convient de calculer la log-vraisem-
blance :
ln l ( rt | rt1 ; )
pour un jeu de paramtres , puis de maximiser cette fonction laide du solveur, sous
contraintes que les paramtres a, b et c restent positifs et a + b < 1. On illustre cela sur
la capture dcran suivante.
Donnes brutes
1) Statistiques descriptives
2) Processus GARCH(1,1)
3) Log-vraisemblance
Donnes journalires
Date
Close
R_t
04/01/1999 4 147,50
05/01/1999 4 200,78
1,28%
06/01/1999 4 294,82
2,21%
07/01/1999 4 230,67
-1,50%
08/01/1999 4 245,42
0,35%
11/01/1999 4 201,90
-1,03%
12/01/1999 4 100,70
-2,44%
13/01/1999 3 958,72
-3,52%
14/01/1999 3 997,06
0,96%
15/01/1999 4 054,81
1,43%
18/01/1999 4 151,68
2,36%
19/01/1999 4 115,99
-0,86%
20/01/1999 4 190,01
1,78%
21/01/1999 4 154,03
-0,86%
22/01/1999 4 019,33
-3,30%
25/01/1999 4 050,80
0,78%
26/01/1999 4 071,28
0,50%
27/01/1999 4 098,10
0,66%
Moyenne
Ecart-type
Variance MV
Ecart-type ann
-0,002%
1,529%
0,000233616
24,171%
m
c
a
b
Variance
GARCH
0,0002
0,0002
0,0002
0,0002
0,0002
0,0002
0,0002
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
1,66E-06
0,083
0,910
0,993
Implications
Condition sur Kurtosis
Variance LT
Ecart-type LT ann
0,000100
0,000237
24,351%
= 1-G5^2-2*G3^2
= G2/(1-G3-G4)
= RACINE(250*J3)
cellules modifier
Ln-Vraisemblance
2,913
= -0,5*(LN(2*PI())+LN(F8)+(C8-$H$2)^2/F8)
2,199
2,775
= $H$3+$H$4*(C8-$H$2)^2+$H$5*F8
3,208
3,041
Somme Ln Vraisemblance
1,933
0,740
8 463,647
= SOMME(G8:G2875)
2,946
2,788
2,211
2,985
maximiser
2,608
3,010
1,246
2,973
3,058
3,066
On peut ensuite regarder la condition garantissant

la stationnarit du kurtosis (non condition
nel) et calculer lcart-type de long terme
1
1(a+b) .
Dans la gure 3.8, le graphique de gauche compare la volatilit conditionnelle annualise

fournie par la spcication GARCH(1,1) estime avec la volatilit EWMA annualise obtenue
lexercice 5. Le graphique de droite met en perspective le comportement de la volatilit
conditionnelle GARCH selon le niveau du CAC 40.
Le graphique de gauche montre que les volatilits conditionnelles fournies par lapproche
EWMA ou GARCH(1,1) sont quasi confondues. Quel intrt avons-nous alors demployer
le processus GARCH(1,1) ? Ce point est en fait examin dans la question suivante. Le graphique de droite suggre que les priodes de fortes volatilits (conditionnelles) correspondent
aux priodes de faiblesse du CAC 40. Ce phnomne est appel leffet levier.
49
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 50 #317
Fig. 3.8 : Volatilit conditionnelle GARCH(1,1) estime sur le CAC 40.

90%
GARCH(1,1) vs Vol glissante
90,00%
Vol. GARCH(1,1) ann
CAC 40
8 000,00
80%
80,00%
70%
7 000,00
70,00%
60%
6 000,00
60,00%
50%
5 000,00
50,00%
4 000,00
30%
30,00%
20%
20,00%
10%
10,00%
0%
0,00%
3 000,00
2 000,00
1 000,00
-
05
/0
1/
19
29
99
/0
2/
20
24
00
/0
4/
20
18
01
/0
6/
20
12
02
/0
8/
20
05
03
/1
0/
20
29
04
/1
1/
20
23
05
/0
1/
20
18
07
/0
3/
20
12
08
/0
5/
20
09
40,00%
04
/0
1/
19
04
99
/0
1/
2
00
04
0
/0
1/
20
04
01
/0
1/
20
04
02
/0
1/
04 200
3
/0
1/
20
04
04
/0
1/
20
04
05
/0
1/
04 200
6
/0
1/
20
04
07
/0
1/
20
04
08
/0
1/
20
09
40%
3 Lestimation des paramtres du processus GARCH(1,1) seffectue par maximum de vraisem-
blance, ce qui permet (contrairement la volatilit EWMA) :

a) dassocier aux valeurs estimes lcart-type des estimateurs employs (on parle parfois derreur type) ;
b) deffectuer des tests.
Pour estimer les erreurs types, on reprend les formules donnes dans lnonc. On trouve3 :
2, 83.101
2, 60.101 3, 78.106
7, 61.106 ,
J1 = 2, 60.101 2, 84.101
6
6
3, 78.10
7, 61.10
5, 99.106
8, 00.101 8, 60.101 6, 46.105

I = 8, 60.101 1, 01.102 8, 13.105 .
6, 46.105 8, 13.105 9, 19.109
Si les donnes sont supposes normales (comme dans lnonc), on a par exemple :
J1
2, 83.101
1,1
bab =
=
= 0, 009936.
Ntotal
2868
Sinon, la maximisation dune log-vraisemblance ne nous fournit que des estimateurs du quasib demande de connatre G =
maximum de vraisemblance et le calcul de lerreur
type de a
bab =
J1 IJ1 (ais faire sur Excel). On a alors
le tableau suivant :
Paramtres
Valeurs estimes
c
a
b
1, 66.106
0, 0832
0, 9098
G1
1,1
Ntotal .
Les rsultats sont rcapituls dans
Erreurs types
MV
QMV
4, 57.107
0, 009936
0, 009956
5, 50.107
0, 013290
0, 187910
50
3
Attention : la premire ligne correspond a, la deuxime b et la troisime la constante c.

i
i
i
Prepa-Exos 2010/11/3 18 :09 page 51 #318
On constate que les valeurs estimes nont quune faible erreur type. Lexamen de la matrice
b est
b et b
J1 nous indique galement que la corrlation de a
1
2,60.10
2,83.101 2,84.101
= 0, 917.
4 Les paramtres recherchs sont :
demi-vie =
ln 2
(
) = 98, 63,
b
b+b
ln a
b
a
1 et
b+a
b
b
bb
1ab
1 ln (1 b) ln (a) ln (2)
median-lag = +
= 87, 6.
2
ln (a + b)
Mean-lag =
Exercice 8
Solution
La maximisation de la log-vraisemblance donne ici encore des valeurs estimes de paramtres.

En effectuant une prvision EWMA pour la variance (et en recherchant le lambda optimal),
la gure 3.9 nous montre quil existe, sur les donnes hebdomadaires, une divergence de point
de vue des spcications sur le niveau de volatilit annualise du CAC 40.
Fig. 3.9 : Volatilit conditionnelle GARCH(1,1) estime sur des donnes hebdomadaires du CAC 40.
60%
Vol. GARCH(1,1) ann
Vol. EWMA ann
50%
40%
30%
20%
10%
11
/0
1/
99
11
/0
1/
00
11
/0
1/
01
11
/0
1/
02
11
/0
1/
03
11
/0
1/
04
11
/0
1/
05
11
/0
1/
06
11
/0
1/
07
11
/0
1/
08
11
/0
1/
09
0%
Paramtre Valeurs estimes

c
2,67E-05
a
0,1191
b
0,8592
51
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 52 #319
Exercice 9
Solution
On va estimer les mesures de risque classiques en utilisant la simulation Monte Carlo, dans la
mesure o lon ne dispose pas dexpression analytique de la distribution future. On choisit de
simuler 2 500 trajectoires du processus sur 10 jours. On reprend les paramtres de lexercice 7.
Pour ce faire, il convient :
a) de gnrer de nombreuses ralisations de variables alatoires de loi normale centre rduite,
sur une feuille qui y est ddie. On va se doter de 2 500 scnarios possibles Ces valeurs joueront
le rle de chocs arrivant sur le march. Dans le menu OUTILS et lutilitaire danalyse, on
trouve une fonction de gnration de nombres alatoires que lon peut paramtrer de
manire adquate. Le rsultat est instantan :
b) de construire les trajectoires de variance conditionnelle et de cours du CAC 40, sur une
feuille qui y est ddie. Nous vous conseillons de mettre les paramtres estims dans un tableau de la mme feuille pour appeler les cellules. la date 0, la variance conditionnelle est
inutile, le portefeuille vaut P0 =3 947,15 pour toutes les trajectoires. la date 1, la variance
conditionnelle 21 est approche par la variance du maximum de vraisemblance (2MV ) et le
portefeuille vaut :
1 2
P = P e( 2 1 )+1 1 ,
1
%
avec 1 le choc du jour dans cette trajectoire. On posera = 15
365 . On peut alors faire un
copier-coller. En fait, il conviendrait de prciser la date et le numro de la trajectoire. On a,
la date 9, pour la 2 500e trajectoire :
1
P9,2500 = P8,2 500 e( 2 9,2 500 )+9,2 500 9,2 500 ,

avec
52
)2
]
P8,2 500
1
+ b28,2 500 ;
= c + a ln
+ 2
P7,2 500
28,2500
(
29,2 500
c) de calculer des rentabilits sur la base des 2 500 valeurs possibles du portefeuille la date 10 ;
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 53 #320
d) de dterminer la VaR et lES par lapproche Monte Carlo telle que dcrite dans le chapitre
prcdent. Pour apprcier les valeurs, on propose galement la VaR et lES normaux ajusts
pour la moyenne et la variance des rentabilits sur 10 jours. On trouve :
Value at Risk
Seuil Monte Carlo Normale
95,0 %
7,31 %
7,54 %
97,5 %
8,90 %
9,07 %
99,0 %
11,46 % 10,85 %
99,9 %
19,74 % 14,56 %
Expected Shortfall
Seuil Monte Carlo Normale
95,0 %
9,91 % 10,01 %
97,5 %
11,83 % 11,35 %
99,0 %
14,64 % 12,94 %
99,9 %
24,37 % 16,34 %
On constate que la capacit du processus GARCH(1,1) gnrer des valeurs extrmes en

nombre plus lev que la loi normale nest vraiment importante que pour des seuils de conance
levs. La distorsion peut alors trs forte.
Exercice 10
Solution
En choisissant une corrlation glissante sur 1 mois ou une corrlation ajuste, on ne trouve pas
ncessairement le mme rsultat. La gure 3.10 montre, gauche, le coefcient de corrlation
glissant sur un mois et, droite, une corrlation EWMA telle que :
(
)
CAC,S&P,t opt
CAC,S&P
(
)
( opt ) .
CAC,S&P,t =
CAC,t opt
CAC S&P,t S&P
opt
On trouve peu prs les mmes valeurs pour opt
CAC et S&P . Les valeurs optimales sont
dtermines en adaptant la mthodologie recommande par JP Morgan. Mais on constate que
lamplitude des corrlations est diffrente. Elle peut tre ponctuellement ngative gauche,
alors quelle ne lest pas droite. La diffrence danalyse est ici patente.
Fig. 3.10 : Corrlation conditionnelle.

100%
1
0,9
80%
0,8
0,7
60%
0,6
0,5
40%
0,4
0,3
20%
0,2
0,1
0%
1
221 441 661 881 1101 1321 1541 1761 1981 2201 2421 2641
0
1
226 451 676 901 1126 1351 1576 1801 2026 2251 2476 2701
-20%
53
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 54 #321
Chapitre 4
Exercice 1
Solution
1 On trouve pour le nombre de jours et la dure en fraction danne :
Rel/Rel
Rel/360 Rel/365
30/360
FRACTION.ANNEE
0,5014
0,5083
0,5014
0,5000
1,0000
1,0139
1,0000
1,0000
= FRACTION.ANNEE($B$3;$B$4;3)
= B4-B3
= JOURS360(B3;B4)
25/04/2010
25/10/2010 183
25/04/2011 365
JOURS360
180
360
On constate que :
la soustraction de deux dates seule fournit le nombre exact de jours calendaires entre ces
deux dates ;
seule la fonction 30/360 conclut que les six mois qui sparent le 25 avril du 25 octobre
reprsentent la moiti de lanne ;
il existe un consensus ici entre les conventions Rel/Rel et Rel/365.
2 Idem 1.
3 Concernant la dure qui spare le 01/01/2012 du 01/01/2013, on trouve :
Rel/Rel
01/01/2012
01/07/2012 182
01/01/2013 366
JOURS360
180
360
0,4973
1,0000
Rel/360 Rel/365
FRACTION.ANNEE
0,5056
0,4986
1,0167
1,0027
30/360
0,5000
1,0000
On dnombre 366 jours car lanne est bissextile. On remarque que le nombre de jours diffre
du premier semestre au second (182 pour le premier, 186 pour le second). La convention
Rel/365 est ici prise en dfaut. La convention Rel/360 donne une fraction danne (pour
le premier semestre) suprieure 1/2, alors mme quil contient moins de jours que le second
semestre.
4 La dure (en anne) jusqu chance des BTF et OAT est prcise dans le tableau de la page
suivante.
Pour les OAT, on voit que lemploi de la fonction ne donne pas de rsultat prcisment
conforme aux attentes. En effet, on sattend trouver soit des nombres entiers, soit des nombres
entiers avec moiti. On posera donc arbitrairement ces valeurs dans la suite et on vitera de
recourir trop automatiquement aux fonctions.
54
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 55 #322
BTF
chance
29/04/2010
06/05/2010
12/05/2010
20/05/2010
27/05/2010
03/06/2010
10/06/2010
17/06/2010
24/06/2010
01/07/2010
08/07/2010
15/07/2010
22/07/2010
29/07/2010
12/08/2010
26/08/2010
09/09/2010
23/09/2010
07/10/2010
21/10/2010
18/11/2010
16/12/2010
13/01/2011
10/02/2011
10/03/2011
07/04/2011
OAT
chance
25/10/2010
25/04/2011
25/10/2011
25/04/2012
25/10/2012
26/12/2012
25/04/2013
25/10/2013
25/04/2014
25/10/2014
25/04/2015
25/10/2015
25/04/2016
25/10/2016
25/04/2017
25/10/2017
25/04/2018
25/10/2018
25/10/2018
25/04/2019
25/10/2019
25/10/2019
25/04/2020
25/04/2021
25/04/2022
25/04/2023
25/10/2023
25/10/2025
25/04/2029
25/10/2032
25/04/2035
25/10/2038
25/04/2041
25/04/2055
25/04/2060
BTF
JOURS
4
11
17
25
32
39
46
53
60
67
74
81
88
95
109
123
137
151
165
179
207
235
263
291
319
347
OAT
JOURS
183
365
548
731
914
976
1 096
1 279
1 461
1 644
1 826
2 009
2 192
2 375
2 557
2 740
2 922
3 105
3 105
3 287
3 470
3 470
3 653
4 018
4 383
4 748
4 931
5 662
6 940
8 219
9 131
10 410
11 323
16 436
18 263
BTF
Fraction
0,011
0,030
0,047
0,068
0,088
0,107
0,126
0,145
0,164
0,184
0,203
0,222
0,241
0,260
0,299
0,337
0,375
0,414
0,452
0,490
0,567
0,644
0,721
0,797
0,874
0,951
OAT
Fraction
0,501
1,000
1,501
2,001
2,502
2,672
3,001
3,502
4,001
4,502
5,000
5,502
6,001
6,502
7,001
7,502
8,001
8,502
8,502
9,001
9,502
9,502
10,001
11,001
12,001
13,001
13,502
15,502
19,001
22,502
25,001
28,502
31,001
45,001
50,001
Exercice 2
Solution
(Les calculs tant considrs comme lmentaires, nous ne commenterons pas lemploi dExcel.)
1 Par dnition de lmission au pair, cette obligation est vendue par lmetteur au prix de sa
valeur faciale, soit 1 000 euros. Grce un rsultat du cours, on sait que son taux actuariel est
100
exactement son taux de coupon soit encore C
F = 1 000 = 10 %. Enn, en notant t0 la date
dmission, son taux de rendement le jour de lmission est p(tC0 ,T ) = 1100
000 = c, soit encore
son taux de coupon.
2 Un an jour pour jour aprs lmission, on assiste au dtachement du premier coupon. Dten-
teur de lobligation, vous recevez le coupon comme revenu de la priode. Pour valuer le prix
de cette obligation, il suft dutiliser la formule (4.1) du livre dactualisation des ux futurs ou
bien la formule (4.2) du livre, inspire des rentes temporaires revenu constant. En posant
R = 8 %, on trouve respectivement :
p (t0 + 1, t0 + 16) =
15
100
i=1
(1 + 8 %)i
1 000
= 1 171, 19,
(1 + 8 %)15
55
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 56 #323
soit encore
]
[
1 000
100
1
= 1 171, 19.
p (t0 + 1, t0 + 16) =
1
15 +
8%
(1 + 8 %)
(1 + 8 %)15
Le rsultat est conforme lintuition. Le taux actuariel a diminu depuis lmission et le prix
de lobligation a trs logiquement augment. La baisse de 2 % du taux actuariel sest mme
traduite par une hausse assez signicative du prix.
3 (a) La revente de lobligation gnre une plus-value de 171, 19 euros (qui reprsente 17,119 %
de montant investi).
000)+100
(b) La rentabilit ex post de lopration svalue (1 171,101
= 17, 119 % + 10 % =
1 000
27, 119 %, puisque le revenu tir de lopration est de 100 euros.
(c) Pour les autres valeurs de taux actuariel, une simulation des diffrents cas nous donne :
8,00 %
9,00 %
10,00 %
11,00 %
12,00 %
Prix de revente
1 171,19
1 080,61
1 000,00
928,09
863,78
-
+/- value
171,19
80,61
71,91
136,22
+/- value relative Rentabilit

17,12 %
27,12 %
8,06 %
18,06 %
0,00 %
10,00 %
-7,19 %
2,81 %
-13,62 %
-3,62 %
(d) Quelques constats simposent. Conformment aux attentes, le prix de revente diminue
lorsque le taux actuariel augmente. On remarque galement que la hausse ou la baisse du taux
actuariel (depuis la date dmission) nimplique pas, amplitude identique, une plus- ou moinsvalue quivalente. Si le taux actuariel perd 2 %, on sait que la plus-value est de 17,119 %. Sil
augmente de 2 %, la moins-value nest que de 13,622 %. On rejoint l la proprit de nonlinarit du prix de lobligation au taux de rendement actuariel qui est illustr dans la gure
4.2.
4 On sait que toute diminution du taux actuariel est une bonne nouvelle, alors que toute aug-
mentation impliquera une baisse. Jusqu 100 euros, toute moins-value est compense par le
coupon. Le taux de rendement actuariel R correspondant peut se dnir par (p (R ) 1 000)+
C = 0, soit encore :
(p (R ) 1 000) = C.
(p (R ) 1 000) sera une moins-value qui consommera la totalit du coupon. En reprenant la formule de la valeur actuelle, on a :
15
i=1
56
100
(1 +
R )i
1 000
= 1 000 C = 900.
(1 + R )15
que lon peut rsoudre par solveur :
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 57 #324
On trouve R = 11, 42 %. Une augmentation de 1,42 % du taux de rendement actuariel suft

pour annuler le revenu tir de lopration.
Exercice 3
Solution
1 Un an aprs lmission, lobligation na plus quune anne vivre. On trouve :
8,00 %
9,00 %
10,00 %
11,00 %
12,00 %
Prix de revente
1 018,52
1 009,17
1 000,00
990,99
982,14
-
+/- value
18,52
9,17
9,01
17,86

1,85 %
11,85 %
0,92 %
10,92 %
0,00 %
10,00 %
-0,90 %
9,10 %
-1,79 %
8,21 %
et le taux actuariel est R = 22, 22 % (on aura repris ici lutilisation du solveur).
2 Un an aprs lmission, la rente perptuelle est toujours une rente perptuelle. Elle na pas vu
sa dure de vie diminue. On trouve :

8,00 %
9,00 %
10,00 %
11,00 %
12,00 %
Prix de revente
1 250,00
1 111,11
1 000,00
909,09
833,33
-
+/- value
250,00
111,11
0,00
90,91
166,67

25,00 %
35,00 %
11,11 %
21,11 %
0,00 %
10,00 %
-9,09 %
0,91 %
-16,67 %
-6,67 %
et le taux actuariel est R = 11, 11 %.

3 En comparant les diffrents tableaux, on constate que lamplitude des plus- et moins-values,
cause par la variation du taux actuariel, semble dautant plus grande que la dure de vie
restante de la dette est leve. On peut retenir que la dette est dautant plus risque que son
chance est lointaine. On approfondira cette problmatique dans le chapitre suivant.
4 La dtermination de R et R suggre que 2R = R , soit encore R = R2 . On
aurait d partiellement sy attendre car les simulations nous ont montr que lchance pouvait
amplier les consquences dun mouvement de taux actuariel. Pour obtenir un mme rsultat,
57
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 58 #325
la rente perptuelle demande un mouvement plus faible. Le reste demande un examen plus
approfondi. En fait, nous pouvons dmontrer ce rsultat.
Commenons par le montrer en utilisant les valeurs numriques de lexercice. Si le placement
en date t1 vaut exactement 900 euros, la moins-value gnre (900 1 000 puisque la dette
a t mise au pair) sera exactement le niveau du coupon annuel reu. On doit donc trouver
1 100
100
1 = 200
R tel que 1+R
= 1900
= 900, soit encore R
900 . De manire quivalente, on
100
100
cherche R
tel que R = 900, R
= 900 . On a bien R = R2 . En toute gnralit,
on peut crire :
2C
F+C
F+C
F = C R =
1=
,
1+R
FC
FC
et
C
C
F = C R =
.
R
FC
On a donc R =
R
2
et cette relation est vrai quel que soit le niveau de coupon.
Exercice 4
Solution
Nous reconnaissons dans lnonc la cotation du clean price. Le prix rel de lobligation (ou
gross price) est alors donn en calculant (Clean price + CC) F, avec CC le coupon couru
(exprim en pourcentage de la valeur faciale). Le cours nous apprend que :
CC = c
nb de jours
.
365
Le nombre de jours sparant le 4 fvrier 2011 du 14 avril 2010 est facilement obtenu sur
Excel. Attention toutefois aux fonctions ! La fonction JOURS360 considre que tous les mois
comptent 30 jours (mme fvrier !). Pour cette fonction, 26 jours sparent le 4 fvrier du... 30
fvrier (sic), il y a 30 jours au mois de mars (resic !). Elle ajoutera videmment les 14 jours du
mois davril, soit un total de 70 jours. La simple soustraction des dates fournit 69 jours, ce
qui est conforme au calcul la main . Lon en a 24 jusqu la n du mois de fvrier 2011
(qui en comprend 28), 31 au mois de mars et 14 jours en avril. On peut alors vrier que la
fonction FRACTION.ANNEE(date_d
ebut ;date_fin ;1) donne la fraction danne dans
10
69
une convention exact/exact. On a alors CC = 100
365
0, 1 0, 189 0, 0189. Le gross
price est alors :
(0, 970 + 0, 0189) 1 000 = 988, 90 euros.
Exercice 5
Solution
1 Le prix de lobligation est donn par :
p (0, 10) =
58
10
i=1
F
C
+
,
(1 + R (0, ti ))ti
(1 + R (0, 10))10
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 59 #326
avec C = 10 % F = 100 et ti = i. On a donc :
30
30
30
1 000 + 30
+
+
+ ... +
2
3
(1 + 0, 78 %) (1 + 1, 37 %)
(1 + 1, 87 %)
(1 + 3, 60 %)10
= 958, 954.
p (0, 10) =
2 Son taux de rendement actuariel est environ de 3, 493 %. Le prix vrie en effet :
100
100
100
1 000 + 100
+
+
+ ... +
= 958, 954.
(1 + 3, 493 %) (1 + 3, 493 %)2 (1 + 3, 493 %)3
(1 + 3, 493 %)10
Dune certaine manire, le taux de rendement actuariel constitue une moyenne des taux dintrt spot qui tient compte de la structure des ux nanciers. Dans la mesure o la valeur actuelle du ux nal reprsente environ les trois quarts du prix de lobligation (chacun des autres
ux ne contribuant au plus que de 3 %), on pouvait sattendre un rendement actuariel trs
proche des taux dintrt spot de long terme.
3 Les taux dintrt forward calculs sous une convention discrte sont donns par la formule
(4.9) du livre. Pour illustration, le taux dintrt forward 1 an dans 1 an F (0, 1, 2) est calcul
laide des taux dintrt spot 1 an et 2 ans. On a :
(1 + R (0, 2))2
F (0, 1, 2) =
(1 + R (0, 1))1
1
] 21
1=
(1 + 1, 37/100)2
1 = 1, 963 % .
1 + 0, 78/100
Les autres taux forward discrets sont donns dans le tableau suivant :
Horizon T
Taux forward discret

F(0,T,T+1)
0
1
2
3
4
5
6
7
8
9
0,780 %
1,963 %
2,877 %
3,479 %
3,931 %
4,352 %
4,582 %
4,579 %
4,850 %
4,686 %
4 Pour utiliser les conventions de calcul associes la composition continue des intrts, le plus
simple est de transformer les taux dintrt spot initiaux. On applique donc tout dabord la
formule :
r (0, t) = ln (1 + R (0, t)) , pour tout t
et les taux dintrt forward sont alors simplement donns par la formule (4.10) du livre. Applique au taux dintrt forward un an dans un an, on a :
f (0, 1, 2) =
r (0, 2) 2 r (0, 1) 1
= ln (1 + R (0, 2))2ln (1 + R (0, 1)) 1, 944 %
21
59
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 60 #327
Les taux dintrt spot et forward sont rcapituls dans le tableau suivant :
Horizon T
Taux spot
r(0,T)
Taux forward
f(0,T,T+1)
1
2
3
4
5
6
7
8
9
10
0,78 %
1,36 %
1,85 %
2,24 %
2,57 %
2,85 %
3,08 %
3,26 %
3,42 %
3,54 %
0,78 %
1,94 %
2,84 %
3,42 %
3,86 %
4,26 %
4,48 %
4,48 %
4,74 %
4,58 %
5 laide de ces taux dintrt forward, on retrouve bien le mme prix :
p (0, 10) = 30e0,78 % + 30e0,78 %+1,94 % + 30e0,78 %+1,94 %+2,84 % + ... + 1030e0,78 %+1,94 %+...+4,58 %
= 958, 954.
Sur Excel, on a :
Question 3 & 4
Horizon T
r(0,T)
Horizon T
f(0,T,T+1)
Question 5
Flux
Flux actualiss
Prix Obligation
1
0,7770%
0
0,7770%
2
3
4
5
1,3607% 1,8527% 2,2446% 2,5668%
1
2
3
4
1,9444% 2,8368% 3,4203% 3,8554%
= (C20*C19-B20*B19)/(C19-B19)
30
30
30
30
30
29,768
29,195
28,378
27,424
26,387
958,954
= C31*EXP(-SOMME($B$28:C28))
6
2,8490%
5
4,2603%
7
3,0820%
6
4,4799%
8
3,2564%
7
4,4771%
9
3,4208%
8
4,7362%
30
25,286
30
24,178
30
23,120
30
22,050
10
3,5367%
9
4,5798%
1 030
723,169
6 Une reprsentation graphique des taux dintrt spot et forward de la question 3 est donne
dans la gure suivante. On remarquera que les taux dintrt NE sont PAS relis les uns aux
autres. En effet, cela exige de disposer dune fonctionnelle permettant de dcrire la structure
par terme. Par dfaut, Excel effectue une interpolation linaire entre ces observations (incompatible avec la dnition mme des taux forward continus).
Fig. 4.1 : Les taux dintrt spot observs et taux dintrt forward
5%
taux forward
4%
3%
taux spot
2%
1%
0%
1
10
60
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 61 #328
7 Les taux dintrt forward demands fournissent des estimateurs des taux dintrt spot futurs.
Les anticipations sur les quatre prochaines annes sont reprsentes dans la gure suivante.
Selon que lon envisage la prsence dune prime de liquidit ou non, linterprtation nest pas
la mme. Si on nglige cette prime, alors on peut dire ici que les investisseurs anticipent une
augmentation des taux dintrt spot, pour les prochaines annes.
Fig. 4.2 : Les taux dintrt spot actuels et taux dintrt spot futurs anticips dans les taux dintrt forward
5%
f(0,4,4+t)
5%
f(0,3,3+t)
f(0,2,2+t)
f(0,1,1+t)
4%
4%
r(0,t)
3%
3%
2%
2%
1%
1%
0%
1
10
N.B. : les premires valeurs de chaque anticipation correspondent au point de la gure prcdente.
8 La reprsentation sous forme de nuage de points des couples (Ti , R (0, Ti ))i=1,...,N se
rvle pertinente pour les donnes espaces de manire non rgulires. Sinon, on perd linformation cruciale sur les chances. On trouve ici :
Fig. 4.3 : Les taux dintrt spot (taux de court terme compris)
4%
4%
3%
3%
2%
2%
1%
1%
0%
0
10
61
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 62 #329
Exercice 6
Solution
1 Cette obligation promet 4 ux : 3, 3, 3 et 103. En les actualisant on trouve que la valeur
actuelle de ce titre est 102,889. En utilisant le solveur, on trouve que son rendement actuariel
est Ra =2,237 %.
2 Si vous conservez cette obligation jusqu son chance et si vous russissez placer les coupons
reus au taux actuariel Ra , alors le premier coupon sera plac pendant trois ans, le deuxime
coupon pendant deux ans et le troisime pendant un an un taux de 2,237 %. Au terme de
cette stratgie, on obtiendra :
3 1, 022373 + 3 1, 022372 + 3 1, 022371 + 103 = 112, 409

[
et le taux de rentabilit (ex post) de cette stratgie de dure 4 ans est
On retrouve bien le taux de rendement actuariel.
112,409
102,889
]1/4
1 2, 237 %.
3 Si les taux de rmunration des placements (des coupons reus lavenir) sont gaux aux
taux dintrt spot observs aujourdhui, alors le premier coupon sera plac pendant trois ans
1,87 %, le deuxime coupon pendant deux ans 1,37 % et le troisime pendant un an
0,78 %. Au terme de cette stratgie, on obtient :
3 1, 01873 + 3 1, 01372 + 3 1, 00781 + 103 = 112, 278

soit un peu moins que la premire stratgie et la rentabilit de cette stratgie sera donc (trs)
lgrement infrieure et gale 2,207 %.
4 La dernire stratgie xe aujourdhui les conditions de placement venir. La rmunration
de ces placements est donne par les taux dintrt forward quil convient dextraire des taux
dintrt spot observs1 . Les taux dintrt forward priode sont :
1
] 41
(1 + R (0, 4))4
1 = 2, 772 %
F (0, 1, 4) =
(1 + R (0, 1))1
1
[
] 42
(1 + R (0, 4))4
F (0, 2, 4) =
1 = 3, 178 %
(1 + R (0, 2))2
1
[
] 43
(1 + R (0, 4))4
F (0, 3, 4) =
1 = 3, 479 %.
(1 + R (0, 3))3
Le premier coupon sera plac pendant trois ans 2,772 %, le deuxime coupon pendant deux
ans 3,178 % et le troisime pendant un an 3,479 %. Au terme de cette stratgie, on obtient :
3 1, 027723 + 3 1, 031782 + 3 1, 034791 + 103 = 112, 555,

soit plus que les deux stratgies prcdentes. La rentabilit de cette stratgie est gale 2,27 % !
62
Attention, ce ne sont pas ncessairement ceux calculs dans lexercice prcdent.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 63 #330
Exercice 7
Solution
1 La rentabilit est une mesure de rmunration qui implique le prix dun actif deux dates
distinctes et qui suppose donc que le titre na pas chang de nature entre les deux dates. Prise
en deux dates diffrentes, une obligation peut avoir chang de nature (en dure de vie et en
nombre de coupons restants). La rentabilit nest donc pas une mesure adquate de la rmunration tire de leur dtention.
En labsence de coupon, la nature de lobligation ne change nanmoins que trs peu. Si la
priode de temps est trs courte ([t, t + dt]) au regard de la dure de vie restante, on peut
mme considrer que lobligation est reste identique.
2 Dans une convention de calcul de rmunration en temps continu, on a :
pZC (t, T ) = er(t,T )(T t)

pZC (t + dt, T ) = er(t+dt,T )(T (t+dt)) .
(
(t + dt) = (T t) + dt = (T t) 1 + Tdt
3 Si Tdt
t 0, on a alors le terme T
t
T t.
On peut donc rcrire :
pZC (t + dt, T ) = er(t+dt,T )(T (t+dt)) er(t+dt,T )(T t) .

La rentabilit gomtrique de lobligation est alors donne par :
[ ZC
]
[
]
[
]
p (t + dt, T )
ln
= ln pZC (t + dt, T ) ln pZC (t, T )
ZC
p (t, T )
= r (t + dt, T ) (T (t + dt)) r (t, T ) (T t)
[r (t + dt, T ) r (t, T )] (T t) .
4 Cette dernire expression montre que la rentabilit des obligations peut sapprhender comme
rsultant de la variation du taux dintrt spot r entre la date t et la date t + dt, lchance
des obligations zro-coupon jouant le rle de multiplicateur. videmment, si le taux augmente
(r (t + dt, T ) r (t, T ) > 0), la rentabilit sera ngative et elle traduira une diminution du
cours. Si le taux diminue (r (t + dt, T ) r (t, T ) < 0), la rentabilit de lobligation zrocoupon sera positive et elle traduira une augmentation du cours.
Exercice 8
Solution
1 Les obligations dchance 1, 2 et 3 ans vrient :
bc1 (0, 1) = 106, 5 p

bZC (0, 1) = 105, 9962
p
ZC
bc2 (0, 2) = 5 p
b (0, 1) + 105 p
bZC (0, 2) = 108, 0448
p
bc3 (0, 3) = 4 p
bZC (0, 1) + 4 p
bZC (0, 2) + 104 p
bZC (0, 3) = 107, 6638,
p
o lon a not c1 le coupon de lobligation dchance 1. La premire quation implique :
bZC (0, 1) =
p
105, 9962
= 0, 99527.
106, 5
63
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 64 #331
bZC (0, 2) :
Et, en utilisant cette valeur dans lquation suivante, on en dduit p
[
] 1
bZC (0, 2) = p
bc2 (0, 2) c2 p
bZC (0, 1)
p
105
1
= [108, 0448 5 0, 99527]
105
= 0, 9816 ,
et ainsi de suite. Lintrt dun tableur est de pouvoir effectuer ce type de calcul rapidement.
On a :
Dure de vie
P^c
1
105,9962
2
108,0448
3
107,6638
4
108,1138
5
105,6233
6
103,7356
106,50
5,00
4,00
4,00
3,50
3,25
3,75
4,00
4,25
3,50
3,75
8,50
6,00
105,00
4,00
4,00
3,50
3,25
3,75
4,00
4,25
3,50
3,75
8,50
6,00
104,00
4,00
3,50
3,25
3,75
4,00
4,25
3,50
3,75
8,50
6,00
104,00
3,50
3,25
3,75
4,00
4,25
3,50
3,75
8,50
6,00
103,50
3,25
3,75
4,00
4,25
3,50
3,75
8,50
6,00
103,25
3,75
4,00
4,25
3,50
3,75
8,50
6,00
0,99527
0,9816
C
Flux
reus
Bootstrapping
0,9592
0,9266
0,8899
= (K3-SOMMEPROD($I$20:J20;$I$7:J7))/K7
0,8551
2 Linversion de la matrice C est immdiate avec la formule :
INVERSEMAT(.).
La formule (4.16) du livre se traduit par :
(
)
PRODUITMAT C1 ; P .
Le calcul des taux spot se dduit de chaque strip. On trouve :

Maturit
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
10,00
11,00
12,00
13,00
3 Le calcul de (C C)
Prix ZERO COUPON

TAUX SPOT
Boostrapping
Calcul Direct Boostrapping Calcul Direct
0,9953
0,9953
0,47 %
0,47 %
0,9816
0,9816
0,93 %
0,93 %
0,9592
0,9592
1,39 %
1,39 %
0,9266
0,9266
1,91 %
1,91 %
0,8899
0,8899
2,33 %
2,33 %
0,8551
0,8551
2,61 %
2,61 %
0,8183
0,8183
2,86 %
2,86 %
0,7807
0,7807
3,10 %
3,10 %
0,7452
0,7452
3,27 %
3,27 %
0,7090
0,7090
3,44 %
3,44 %
0,6625
0,6625
3,74 %
3,74 %
0,2155
0,2155
12,79 %
12,79 %
0,8807
0,8807
0,98 %
0,98 %
C Pc est immdiat, mais laborieux. La formule programmer est :
PRODUITMAT (PRODUITMAT (
INVERSEMAT (PRODUITMAT (TRANSPOSE (C) ; C)) ; C) ; Pc )
64
o il reste mettre les coordonnes des matrices. (Attention ! Il faut slectionner galement la
bonne taille du vecteur accueillant la solution). On trouve les mmes rsultats.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 65 #332
4 Les prix des obligations slectionnes sont alors :

P^c
105,3127
108,9229
111,2355
110,0083
110,1183
104,3687
116,1229
111,0007
73,45
109,4659
On trouve alors :
Maturit
0,50
1,50
2,50
3,50
4,50
5,50
6,50
7,50
8,50
9,50
Prix ZERO COUPON

TAUX SPOT
Boostrapping
Calcul Direct Boostrapping Calcul Direct
0,9982
0,9982
0,36 %
0,36 %
0,9898
0,9898
0,68 %
0,68 %
0,9718
0,9718
1,15 %
1,15 %
0,9439
0,9439
1,65 %
1,65 %
0,9087
0,9087
2,13 %
2,13 %
0,8731
0,8731
2,47 %
2,47 %
0,7889
0,7889
3,65 %
3,65 %
0,8008
0,8008
2,96 %
2,96 %
0,7345
0,7345
3,63 %
3,63 %
0,7656
0,7656
2,81 %
2,81 %
5 Reprsentons sur un mme nuage de points les taux dintrt spot obtenus indpendamment
par les deux approches. On a :

Fig. 4.4 : Les taux dintrt spot dduits des prix : une comparaison graphique des deux mthodes
14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
-
2,00
4,00
6,00
8,00
10,00
12,00
14,00
Hormi les deux dernires obligations, on voit que les taux sont globalement cohrents les uns
par rapport aux autres, alors mme que vous les avez traits indpendamment les uns des
autres.
65
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 66 #333
6 Dans le dernier point, on envisage de mener simultanment ltude sur les deux types dobli-
gations. On supprime arbitrairement de nos donnes les obligations de maturit suprieure

10 ans. On trouve :
Maturit Calcul Direct
0,50
0,99822
1,00
0,99527
1,50
0,98983
2,00
0,98160
2,50
0,97176
3,00
0,95920
3,50
0,94393
4,00
0,92663
4,50
0,90869
5,00
0,88989
5,50
0,87312
6,00
0,85511
6,50
0,78895
7,00
0,81833
7,50
0,80081
8,00
0,78067
8,50
0,73450
9,00
0,74521
9,50
0,76558
10,00
0,70895
Taux
0,36%
0,47%
0,68%
0,93%
1,15%
1,39%
1,65%
1,91%
2,13%
2,33%
2,47%
2,61%
3,65%
2,86%
2,96%
3,10%
3,63%
3,27%
2,81%
3,44%
et lensemble des taux est trs bien captur, comme le montre le graphique suivant :
Fig. 4.5 : Les taux dintrt spot dduits de lensemble de prix
14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
-
2,00
4,00
6,00
8,00
10,00
12,00
14,00
Exercice 9
Solution
1 Pour utiliser le solveur, on doit :
calculer la spline pour des valeurs arbitraires de paramtres ;

poser les contraintes, sachant que la drive de la fonction B est :
{
b1 + 2c1 T + 3d1 T 2 , T [0, 5[
;
B (0, T ; ) =
b2 + 2c2 T + 3d2 T 2 , T [5, 10[
66
et dterminer la fonction que lon souhaite diminuer (la somme des carts quadratiques).
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 67 #334
On propose le modle suivant :
a1
b1
c1
d1
1 Segment
1,0000
1,0000
1,0000
1,0000
CONTRAINTES
Continuit 1
Continuit 2
chance
25/10/2010
25/04/2011
25/10/2011
25/04/2012
25/10/2012
25/04/2013
25/10/2013
25/04/2014
25/10/2014
25/04/2015
25/10/2015
25/04/2016
25/10/2016
25/04/2017
25/10/2017
25/04/2018
25/10/2018
25/04/2019
25/10/2019
25/04/2020
Dure de vie
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
5,50
6,00
6,50
7,00
7,50
8,00
8,50
9,00
9,50
10,00
2 Segment
a2
b2
c2
d2
1,0000
1,0000
1,0000
1,0000
= E21-F21
Spline de McCuloch (1971)
1 Segment
2 Segment
1,8750
= $G$3+$G$4*D12+$G$5*D12^2+$G$6*D12^3
4,0000
8,1250
15,0000
= $C$6+2*$C$7*B21+3*C8*B21^2
25,3750
40,0000
Egalit en T = 5
59,6250
85,0000
Drive
116,8750
156,0000
156,0000
86,00
86,00
203,1250
259,0000
324,3750
400,0000
486,6250
Egalit en T = 5
585,0000
695,8750
820,0000
958,1250
1 111,0000
Il ne reste plus qu lancer le solveur :
67
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 68 #335
On pourra vrier lgalit des valeurs de la spline et de sa drive en 5. Sa drive, ngative, signale dailleurs que la spline sera dcroissante. On peut alors reprsenter le rsultat en
distinguant les deux segments :
Fig. 4.6 : Comparaison des prix dobligation zro-coupon fournis par la spline avec les prix des strips
1,050
1,000
0,950
Strips
0,900
spline 1
0,850
0,800
0,750
spline 2
0,700
-
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
10,00
On voit sur ce graphique que les strips de long terme sont difciles prendre en compte. Le
graphique suivant reprsente le mme rsultats sous forme de taux dintrt spot et il montre
que la qualit dajustement est plutt moyenne sur lensemble de la structure par terme. Les
carts nous incitent penser quil est plus judicieux de reproduire les taux.
Fig. 4.7 : Comparaison des rendements obligataires fournis par la spline avec les taux dintrt spot dduits des strips
4,000%
3,500%
3,000%
2,500%
2,000%
1,500%
1,000%
Taux
spot
0,500%
0,000%
-
2,00
4,00
6,00
8,00
10,00
68
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 69 #336
Exercice 10
Solution
1 (a) Il suft de reprendre la correction du prcdent exercice et de modier la fonction polyno-
miale par la fonction ci-dessus. On trouve les paramtres :

1 Segment
1,00
- 0,78
3,76
- 4,09
a1
b1
c1
d1
2 Segment
0,73
78,38
- 5 874,38
- 85,34
a2
b2
c2
d2
et une valeur pour u denviron 1.

(b) La somme des erreurs quadratiques est ici de 0,0368, ce qui dmontre un ajustement moins
prcis que dans lexercice prcdent, o lon avait obtenu une somme derreurs quadratiques
de 0,0042. Sur notre jeu de donnes, lintroduction de fonctions exponentielles naugmente
pas (par principe) la prcision de lajustement.
(c) Le graphique suivant montre que ces erreurs dajustement concernent la quasi totalit
des prix. La spline exponentielle deux segments rencontre des difcults avec le prix des
obligations de trs court terme et celles de court terme.
Fig. 4.8 : Calibrer une spline trop simple nest pas idal !
1,050
Deux segments
1,000
0,950
0,900
0,850
0,800
Trois segments
0,750
0,700
-
2,00
4,00
6,00
8,00
10,00
2 Lapproche par spline exponentielle semble rencontrer des difcults sur le prix des obligations
ayant une chance de trs court terme (un an et moins). On va donc augmenter le nombre
de segments trois [0, 1], [1, 5] et [5, 10]. On trouve alors :
1 Segment
a1
b1
c1
d1
1,00
3,18
- 13,97
14,37
2 Segment
a2
b2
c2
d2
0,90
1,43
- 7,00
10,35
3 Segment
a3
b3
c3
d3
0,75
46,02
- 3 315,20
- 47,87
69
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 70 #337
avec une valeur de u de un. La somme des carts quadratiques slve maintenant 0,0059,
soit une performance dajustement plus comptitive par rapport lapproche par spline simple
deux segments. Le graphique ci-dessus prsente le rsultat de lajustement de la spline exponentielle trois segments. On comprend lapport manifeste de laugmentation du nombre
de segments.
Exercice 11
Solution
1 ce stade des exercices, la calibration ne devrait pas poser de problme. Le corrig sur Excel
permet nanmoins de le vrier. Attention ne pas oublier les contraintes de (stricte) positivit
de , 0 (le taux de long terme) et 0 + 1 (le taux de court terme).
2 La reprsentation graphique montre que les deux types de calibration donnent des rsulats
similaires et trs satisfaisants, quand on les compare avec ceux de lexercice prcdent. La
fonctionnelle de Nelson-Siegel russit capter lexistence dune bosse inverse trs court
terme.
Fig. 4.9 : La fonctionnelle de Nelson-Siegel
4%
4%
3%
3%
2%
2%
1%
1%
0%
-
2,00
4,00
Srie1
6,00
NS sur les prix
8,00
10,00
12,00
NS sur les taux
70
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 71 #338
Chapitre 5
Exercice 1
Solution
1 Le jour de lmission, le prix de lobligation au pair est 1 000 euros. Sa duration vaut DMac =
8, 61, sa duration modie 7, 82 et sa convexit slve CXY = 93, 16. Un tableau se rvle
ncessaire pour expliciter les calculs intermdiaires.
2 Un an aprs, la maturit a diminu, toute chose tant reste gale par ailleurs. La duration
vaut maintenant DMac = 8, 37, la duration modie 7, 61 et la convexit CXY = 86, 83.
3 On utilise loutil dvelopp la question 2, en remplaant le rendement actuariel. Les diff-
rentes simulations sont rcapitules dans le tableau suivant.
R
8%
9%
10 %
11 %
12 %
Prix
1 171,19 +17,12 %
1 080,61 +8,06 %
1 000,00
928,09
-7,19 %
863,78
-13,62 %
Duration
8,86 +5,82 %
8,61 +2,88 %
8,37
8,13 -2,92 %
7,89 -5,76 %
Convexit
97,72 12,53 %
92,15
6,13 %
86,83
81,75 -5,85 %
76,91 -11,42 %
Ce tableau est conforme aux ides dveloppes dans le chapitre prcdent (et en particulier
dans le graphique 4.1 du livre). On trouve que :
a) laugmentation (la diminution) du taux actuariel se traduit par une diminution (augmentation) de la valeur de lobligation ;
b) laugmentation relative du prix de lobligation est plus forte que sa diminution pour une
mme amplitude de mouvement.
On constate galement que la duration et la convexit augmentent lorsque le taux actuariel
baisse (alors mme quelles impliquent un prix plus lev au dnominateur). On constate que
leffet dune baisse du taux de rendement est plus fort quune hausse de mme amplitude.
4 Si on prend en compte le revenu de lobligation, la fonction P&L de la dtention de lobligation
est P&L (1 an) = P1 (R1 ) Pt0 + C. Le P&L devient nul si et seulement si P1 (R1 ) = 900.
Le solveur permet alors de trouver la solution, qui est 11,42 %. En tant quinvestisseur, on
pourra estimer que le versement du coupon permet de faire face (sans subir de pertes) une
augmentation du taux de rendement dau plus 1,42 %.
Exercice 2
Solution
1 Dans la formule gnrale, en faisant tendre T vers linni, on trouve que la valeur de la rente
perptuelle est donne par V (R) =

100
4
C
R.
Dans le contexte de lexercice, on a
1
4%
1
4
100
= 25.
perpet
1+R
2 La duration de Hicks nous apprend que DHicks = V(R)
dV(R)
dR .
En drivant la fonction
71
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 72 #339
V (R), on trouve V (R) =
C
R2 .
Dperpet
Hicks =
La duration est donc
(1 + R)
(1 + R) 1
1+R
V (R) =
=
.
1
2
V (R)
R
R
R
On peut vrier ainsi que Dperpet

Hicks =
V(R)
C
+ 1 et tirer trois enseignements de ce rsultat :
a) La duration des rentes perptuelles ne dpend pas de leur revenu !

b) Les rentes perptuelles de mme rendement actuariel ont toutes la mme duration.
c) La duration des rentes perptuelles revenu xe unitaire est une fonction simple de leur
prix. On doit simplement diviser leur prix par leur revenu annuel et ajouter 1.
d) La duration des rentes perptuelles ne peut tre infrieure 1 an. Pour des taux de rendement actuariel infrieurs 10 %, elle sera suprieure 11 ans.
3
La convexit est donne par
1 d2 V(R)
V(R) dR2 .
Cperpet
Hicks =
Puisque
d2 V(R)
dR2
2C
R3 ,
on a :
[ ]
2C
2
1
= 2.
3
C/R R
R
Dans notre contexte, on trouve 2 252 = 2 625 = 1 250. La convexit dune rente
perptuelle ne dpend donc pas du niveau des revenus quelle verse.
Exercice 3
Solution
1 Le tableau devient :
Valeur Faciale
1000
Taux d'actualisation
chance
1
2
3
4
5
6
7
8
9
10
8%
7,00 %
COUPON
8%
8,00 %
74,766
69,875
65,304
61,032
57,039
53,307
49,820
46,561
43,515
549,017
74,074
68,587
63,507
58,802
54,447
50,414
46,679
43,222
40,020
500,249
Prix Obligation
variation absolue
variation relative
1 070,24
70,24
7,02 %
1 000,00
0,00 %
8%
9,00 %
10 %
9,00 %
73,394
67,334
61,775
56,674
51,995
47,701
43,763
40,149
36,834
456,204
91,743
84,168
77,218
70,843
64,993
59,627
54,703
50,187
46,043
464,652
935,82
- 64,18
-6,42 %
1 064,18
- 64,18
6,42 %
COUPON
10 %
10,00 %
VA(Flux)
90,909
82,645
75,131
68,301
62,092
56,447
51,316
46,651
42,410
424,098
1 000,00
0,00 %
10 %
11,00 %
12 %
11,00 %
COUPON
12 %
12,00 %
12 %
13,00 %
106,195
93,978
83,166
73,598
65,131
57,638
51,007
45,139
39,946
329,939
90,090
81,162
73,119
65,873
59,345
53,464
48,166
43,393
39,092
387,403
108,108
97,395
87,743
79,048
71,214
64,157
57,799
52,071
46,911
394,447
107,143
95,663
85,414
76,262
68,091
60,796
54,282
48,466
43,273
360,610
941,11
- 58,89
-5,89 %
1 058,89
- 58,89
5,89 %
1 000,00
0,00 %
945,74
54,26
-5,43 %
En analysant les variations absolues et relatives, on conclut que plus le taux de coupon est
faible, plus la variation de 1 % des rendements a dimpact sur les obligations. Normal ! Le
choc Y considr est relativement plus important pour lobligation coupon 8 % place
dans un environnement Y = 8 %, que pour lobligation coupon 10 % place dans un
environnement de rendement 10 %.
On pourrait refaire lexercice avec un choc de taux proportionnel au niveau de taux, par
exemple Y = 10 % Y . Mais le rsultat serait invers et assez difcile apprhender. Le
rendement de la premire obligation coupon 8 % devient en effet 7,2 % pendant que celui de
lobligation coupon 12 % devient 10,8 % soit une baisse bien suprieure (en valeur absolue).
72
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 73 #340
2 Le calcul des durations et de la convexit donne :

chance
1
4
9
16
25
36
49
64
81
100
Duration
Convexit
Duration modifie
Sensibilit
POIDS
7,4 %
6,9 %
6,4 %
5,9 %
5,4 %
5,0 %
4,7 %
4,3 %
4,0 %
50,0 %
7,25
60,53
6,71
- 6,71
POIDS
9,1 %
8,3 %
7,5 %
6,8 %
6,2 %
5,6 %
5,1 %
4,7 %
4,2 %
42,4 %
6,76
52,79
6,14
- 6,14
POIDS
10,7 %
9,6 %
8,5 %
7,6 %
6,8 %
6,1 %
5,4 %
4,8 %
4,3 %
36,1 %
6,33
46,26
5,65
- 5,65
Pour calculer la duration et la convexit, il suft de recourir la fonction

SOMMEPROD(ECHEANCE ;POIDS)
SOMMEPROD(ECHEANCE2 ;POIDS)
o ECHEANCE, POIDS et ECHEANCE2 contiennent les coordonnes des cellules. La duration modie est loppos de la sensibilit.
3 Les formules (5.14) et (5.13) du cours nous apprennent que :
(
)
(
)
P t+ , T = P t , T (1 + S Y)
(
)
(
)
(
)
1
P t+ , T = P t , T 1 Dmod Y + CX Y 2 ,
2
selon que lon remonte lordre 1 ou 2. Toutes les obligations tant au pair linstant prcdent, on a P (t , T ) = 1 000. Pour illustration, on peut effectuer le calcul pour lobligation
coupon 8 %. Si le taux actuariel tombe 7 %, on trouve :
1 000 (1 6, 71 (7 % 8 %)) = 1 000 (1 6, 71 (1 %))

= 1 000 1, 0671
= 1 067, 1.
On peut alors valuer lcart avec le vrai prix :
1 070, 24 1 067, 1 = 3, 14.

Le tableau suivant rcapitule les autres rsultats.
Prix Obligation (rappel)
Approximation ordre 1
cart
cart
1 070,24
1 067,10
3,14
1 070,13
0,11
1 000,00
1 000,00
935,82
932,90
2,92
935,93
- 0,10
1 064,18
1 061,45
2,73
1 064,09
0,09
1 000,00
1 000,00
941,11
938,55
2,55
941,19
- 0,09
1 058,89
1 056,50
2,39
1 058,82
0,08
1 000,00
1 000,00
945,74
943,50
2,24
945,81
- 0,07
Pour les variations de taux envisages, on constate que lapproximation du premier ordre du
nouveau prix de lobligation gnre, dans la plupart des cas, un cart signicatif dun
point de vue conomique, mme sil peut paratre faible au premier abord en comparaison
des sommes engages (quelques euros tout de mme !). Lapproximation lordre deux simpose donc dans ce contexte ( condition que lon considre comme ngligeables les centimes
deuros derreur par titres). Le signe de lcart (ngatif ou positif) indique que lapproximation
au premier ordre sous-value systmatiquement le prix de lobligation. Lapproximation au
73
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 74 #341
second ordre le sous-value systmatiquement lorsque le taux actuariel baisse, et le sur-value

dans le cas contraire.
dP(t,T ,Y)
P(t,T ,Y)
4 En notant que P(t,T ,Y) = d ln P (t, T ), on peut estimer que P(t,T ,Y) = ln P (t, T , Y)
S Y. On a alors :
(
)
(
)
ln P t+ , T ln P t , T S Y
(
)
(
)
ln P t+ , T ln P t , T + S Y
(
)
(
)
P t+ , T P t , T exp [S Y] .
Les rsultats de cette nouvelle approximation (approximation alt.) sont donns dans le tableau :
Prix Obligation (rappel)
1 070,24
1 067,10
cart
935,82
932,90
935,93
0,11
1 069,40
cart
1 064,18
1 061,45
2,92
1 070,13
cart
Approximation alt.
1 000,00
1 000,00
3,14
941,11
938,55
0,09
945,74
943,50
2,24
1 058,82
0,09
945,81
0,08
940,40
0,80
1 000,00
1 000,00
2,39
941,19
1 063,37
0,72
1 058,89
1 056,50
2,55
1 064,09
0,10
935,10
0,83
1 000,00
1 000,00
2,73
1 058,13
0,70
0,07
945,06
0,76
0,67
On constate que la performance de cette approche de premier ordre (puisque nutilisant

que la sensibilit) est largement amliore, sans atteindre toutefois la qualit dune approximation du second ordre. N.B. : vous venez de retrouver la contribution de Livingston et Zhou
(2005).
Exercice 4
Solution
1 La duration est une moyenne pondre des dures dattente jusquaux divers ux nanciers
de lobligation. On a
ai ti . Le calcul des poids ai va faire la diffrence entre les diverses
approches. On peut tout dabord reprendre la duration de Macauley qui utilise le rendement
actuariel. On aura alors :
Ci / (1 + R )i
,
ai =
P0
avec Ci le ux de la date i. On peut galement utiliser la duration de Fisher-Weil qui pose,
elle :
Ci / (1 + R (0, ti ))i
ai =
.
P0
On trouve :
Flux
Taux actuariel en %
Flux actualiss
Prix Obligation
Poids
chance pondr
Duration Macauley
30
3,493
28,987
958,954
0,030
0,030
8,755
30
30
30
30
30
30
30
30
1 030
28,009
27,063
26,150
25,267
24,414
23,590
22,794
22,025
730,654
0,029
0,058
0,028
0,085
0,027
0,109
0,026
0,132
0,025
0,153
0,025
0,172
0,024
0,190
0,023
0,207
0,762
7,619
30
29,195
30
28,378
30
27,424
30
26,387
30
25,286
30
24,178
30
23,120
30
22,050
1 030
723,169
0,030
0,061
0,030
0,089
0,029
0,114
0,028
0,138
0,026
0,158
0,025
0,176
0,024
0,193
0,023
0,207
0,754
7,541
et
74
Flux
Flux actualiss
Prix Obligation
Poids
chance pondr
Duration Fisher Weil
30
29,768
958,954
0,031
0,031
8,708
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 75 #342
Dans ce dernier tableau, les ux actualiss tiennent compte du taux spot de lhorizon considr et on constate une diffrence entre les deux durations. Cette diffrence reste (au total)
assez faible. Mais le graphique suivant met en lumire les carts entre les poids
C/(1+R )i
P0
et
C/(1+R(0,ti ))i
P0
pour i = 1, ..., 10 (on peut choisir dautres reprsentations). Dans les deux cas,
les coupons verss long terme psent moins que ceux verss court terme. Les durations
divergent quasi sur tous les poids accorder aux coupons. Dans le contexte de taux prsent,
la duration de Fisher-Weil accorde un poids plus important aux coupons promis jusqu 8 ans.
Il existe un consensus sur le coupon 9 ans (pour lequel, on a bien R (0, 9) R ). Le dernier
coupon est sous-pondr par la duration de Fisher-Weil par rapport celle de Macauley. La
proximit nale des deux durations provient de la valeur relative importante de la valeur faciale dans lobligation (le taux de coupon est ici faible, 3 %). Les coupons court terme tant
surpondrs dans la duration de Fisher-Weil, on trouve trs logiquement que cette dernire
est plus faible que la duration de Macauley.
ai
0.032
0.030
FW
0.028
0.026
Mac
0.024
0.022
Horizon i
0
10
2 Pour la convexit, le plus simple est demployer la dnition traditionnelle (5.6) :
1
CXY =
(1 + R )2
)
ai t2i + D .
On trouve une convexit de 85,845.

3 La duration et la convexit sont deux paramtres de sensibilit au comportement du taux
actuariel. Deux approches sont donc envisageables ici.

La premire consiste convertir tous les taux dintrt spot R (0, t) en taux spot r (0, t) et ensuite
refaire lensemble des calculs.
La seconde consiste
remarquer que la duration est ncessairement la mme,
puisquelle est
1
i
Ci x ti , avec x le facteur dactualisation solution de
Ci xi =958,954,
donne par 958,954
i
avec Ci le ux nancier reu en ti . Autrement dit, il existe une correspondance naturelle

entre les taux actuariels R et r puisque ces derniers sont deux transformations dun mme
1
facteur dactualisation x. Plus prcisment, on a x = 1+R

et x = exp [r ]. On pourra
vrier (par le solveur) que r = ln (1 + R ). Le calcul de la convexit demande nanmoins

une approche dveloppe. On trouve alors 83,192, soit une valeur plus faible.
75
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 76 #343
Exercice 5
Solution
1 On trouve :
Deff,3 =
1 + Y P (0, T ; Y + h) P (0, T ; Y h)
.
P (0, T ; Y)
2h
Les trois drives numriques proposes correspondent des approximations gauche,

droite et centres de la valeur de la drive analytique. Intuitivement, leur performance devrait
samliorer mesure que h devient petit. En outre, la troisime drive numrique devrait tre
la plus performante puisque Deff,1 et Deff,2 devraient encadrer la vraie duration.
2 La mise en oeuvre des trois formules donne :
h
Prix
Duration Macauley
Duration 1
Duration 2
Duration 3 (+/- 1 %)
Duration 3 (+/- 0,5 %)
Duration 3 (+/- 0,01 %)
-1,00 %
1064,18
-0,50 %
1031,39
-0,01 %
1000,61
6,478155
6,616250
6,756121
10,00 %
1000,00
6,759024
0,01 %
999,39
0,50 %
969,93
1,00 %
941,11
6,761928
6,906678
7,059423
6,768789
6,761464
6,759025
Comme attendu, on constate que la duration numrique est dautant plus performante (c.--d.
proche de la duration de Macauley) que h est petit. La duration effective Deff,3 reste la plus
efcace.
3 Lemploi de la formule permet dobtenir une bonne approximation de la vraie duration,
mme en ayant recours des prix dobligations trs loigns.
Prix
Duration Macauley
Duration 4
-1,00 %
1064,18
-0,50 %
1031,39
10,00 %
1000,00
6,759024
6,759022
0,50 %
969,93
1,00 %
941,11
Exercice 6
Solution
H
1 Question prliminaire : vous obtiendriez une richesse gale WH = P (1 + Y) .

2 En notant t = 0 la date daujourdhui, le prix de lobligation est donn par :
P (0, T , Y) =
i=1
C
F
.
ti +
(1 + Y)
(1 + Y)T
3 Si vous dcidez de dtenir cette obligation jusquen H, vous pourrez la revendre la date H
76
et retirer le fruit du placement de tous les coupons reus sur le compte rmunr (au taux Y ).
Si on place chacun des h coupons reus jusqu H sur un compte rmunrant Y , on obtient
pour chaque coupon C (1 + Y)Hti , avec ti la date de rception du coupon. On a donc
Hti
au total h
. La revente du titre, auquel il reste (N h) coupons, apporte
i=1 C (1 + Y)
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 77 #344
i
N
C
i=h+1 (1+R)ti H
WH =
[ h
F
.
(1+Y)T H
En conclusion, le portefeuille rapporte :
]
Hti
C (1 + Y)
i=h+1
(1 + R)ti H
i=1
F
(1 + Y)T H
= P (0, T , Y) (1 + Y)H .
En supposant que T = 10, on peut reprsenter la situation par :
Flux
H1
10H
9H
8H
7H
H2
H3
H4
F
C
H6
chances
10
4 La sensibilit de votre richesse un mouvement de taux est donne par :
dWH
dP (0, T , Y)
(1 + Y)H + P (0, T , Y) H (1 + Y)H1
=
dY
dY
|
{z
}
D
P(0,T ,Y)
(1+Y)
= P (0, T , Y) (H D) (1 + Y)H1 ,
o lon a insr la duration de Hicks. On voit que si votre horizon de placement H correspond
la duration de lobligation, alors votre richesse WH en H sera insensible un mouvement du
taux actuariel. Mais attention ! Ce rsultat dpend de votre capacit rinvestir les coupons
au taux Y .
5 Sil est envisageable de rinvestir les coupons au mme taux, le rsultat prcdent vous incite
fortement choisir lobligation dont la duration D est la plus proche de H.
77
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 78 #345
Exercice 7
Solution
1 On peut dmontrer lexpression de plusieurs manires :
a) en drivant la dnition de la duration de Hicks :

[
]
dDHicks (y)
d
1 dP (y)
=
dy
dy
P (y) dy
[
]
[
]
d
1
dP (y)
1 d dP (y)
=
dy
P (y)
dy
P (y) dy
dy
2
dP (y) /dy dP (y)
1 d P (y)
=
;
2
(y)
dy
P
dy2
P (y)
|
{z
}
|
{z
}
dP(y)
1
[ P(y)
dy ]
b) en notant que
dP(y)
dy
CXy
=D2Hicks
= DHicks P (y). On a en effet dans ce cas :
d2 P (y)
dDHicks (y)
dP (y)
=
P (y) DHicks (y)
dy2
dy
dy
et on trouve le rsultat en divisant gauche et droite par le prix de lobligation et en rorganisant lgalit.
2 Lexpression de la question prcdente se rcrit :
[
]2
dDHicks (y)
=
ai ti
ai t2i ,
dy
i
avec des ai > 0 tels que
ai = 1. Les (ai )i sont donc assimilables des probabilits. Deux
approches peuvent tre mobilises.

La premire approche consiste appliquer lingalit dite de Jensen la fonction f (x) = x2 .
On a :
(
)2
(
)
a)
ai ti
= f
ai ti . Cest la moyenne des dures jusquaux ux nanciers,
i
moyenne transforme par la fonction f.
b)
ai t2i =
ai f (ti ). Cest la moyenne des dures transformes par f.
i
Comme la fonction f est convexe, lingalit de Jensen sapplique et
]2
ai ti
ai t2i .
La seconde approche consiste noter que, si les (ai )i sont des poids, alors le terme :
78
]2
ai t i
ai t2i
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 79 #346
est assimilable loppos de la variance des diffrents horizons (ti )i . Cette variance est la
mesure de dispersion des dates ti . Une variance tant toujours positive ou nulle, la drive
sera ngative ou nulle.
3 On sait que M2 = CX 2DH + H2 . Si H = D, alors on a M2 = CX D2 .
Exercice 8
Solution
1 Les rendements actuariels se calculent trs facilement. On trouve :
Rendement
0,4753%
2,5702%
8,1488%
D
2 Leur dollar duration, dnie par P 1+Y
, est donne par :
$Duration
-105,495
-561,999
-875,207
3 On envisage de vendre 500 obligations 6 ans an de nancer lachat dobligations de ma-
turit 1 an et 12 ans. Lobjectif est ici de construire un buttery de (dollar) duration nulle1 et
autonance la vente des 500 obligations M doit couvrir lachat des autres obligations. On
a donc :
{
n S PS + n L PL = n M PM
nS $DS + nL $DL = nM $DM
Dans le contexte de lexercice, on a :
{
nS 105, 9962 + nL 102, 6261 = 500 103, 7356
,
nS 105, 495 + nL 752, 76 = 500 561, 999
autrement dit :
105, 9962 102, 6261

105, 495 752, 76
)(
nS
nL
(
=
500 103, 7356

500 561, 999
)
.
On trouve :
soit nalement
nS
nL
(
=
105, 9962 102, 6261

105, 495 752, 76
(
nS
nL
(
=
202, 06
296, 71
)1 (
500 103, 7356

500 561, 999
202
297
)
,
)
.
Attention : la linarit de la duration est ici une approximation.
79
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 80 #347
4 Dans la mesure o un buttery est un portefeuille dobligations de $Duration nulle, on doit sat-
tendre ce que la rentabilit de la position soit uniquement dtermine par la convexit de

la position globale (qui est, elle-mme, une combinaison linaire des convexits individuelles).
On trouve alors que la convexit de la stratgie est strictement positive. Toute variation des
taux actuariel sera positive pour cette stratgie.
80
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 81 #348
Chapitre 6
Exercice 1
Solution
Question prliminaire : si r (0) = , alors dr (0) = 0, soit encore r (dt) = r (0) = .

Autrement dit, le taux spot instantan ne varie pas dune priode lautre. Il reste gal .
Si = 0, on a galement dr (0) = 0 et le taux spot instantan reste, l encore, gal sa
valeur initiale. Attention toutefois, cette valeur peut ne pas tre . Dans ces deux cas, le taux
spot instantan futur aura la mme valeur r0 . La structure par terme des taux dintrt spot est
alors plate et son niveau est r0 .
1 a) Pour montrer le rsultat recherch, deux approches sont possibles :
soit on reconnat dans lquation (6.31) une quation diffrentielle ordinaire de la forme
r (t) = ( r (t)), que lon sait rsoudre par ses connaissances de Licence (cest une quation standard) ;
soit on retrouve la solution la main ce que lon propose maintenant.
En posant y (t) = r (t), on a :
y (t) = y (t) dt
c.--d.
y (t)
y(t)
= dt, soit encore1 :

d ln y (t) = dt.
En intgrant entre 0 et t les termes des deux cts de cette dernire quation, on trouve
ln y (t) ln y (0) = (t 0). On a :
ln y (t) = ln y (0) t.
En appliquant la fonction exponentielle gauche et droite de lgalit, on trouve y (t) =
y (0) et . Puisque y (t) = r (t), on a :
r (t) = ( r (0)) et .
(6.1)
Et si on rorganise judicieusement les termes, on trouve lexpression recherche. Puisque et

est positif et infrieur 1, 1 et lest aussi, r (t) est la moyenne des deux valeurs r (0) et .
b) En faisant tendre T vers linni dans lexpression prcdente, on trouve que la valeur long
terme du taux dintrt spot instantan est r () = . Ce rsultat donne une interprtation
naturelle de .
Puisque et admet une valeur comprise entre 0 et 1, lquation (6.32) indique que la valeur
du taux instantan de la date t est la moyenne pondre de sa valeur initiale et de sa valeur
de long terme.
c) La dynamique dcrite par lquation (6.31) pose que la variation du taux dintrt spot instantan est proportionnelle :
Puisque les rgles de diffrentiation classiques sappliquent dans ce contexte dterministe.
81
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 82 #349
lcart qui spare le niveau du taux de sa valeur long terme ( r (t)) ;

la dure de la priode sur laquelle la variation du taux est envisage et
au paramtre .
Si ( r (t)) est non nul, lcart dr (t) sera dautant plus grand que est grand. Lorsque
r (t) > , le taux est suprieur sa valeur long terme et la variation dr (t) sera ngative.
Autrement dit, le taux va diminuer et se rapprocher de . linverse, lorsque r (t) < , le
taux est infrieur sa valeur long terme et la variation dr (t) est positive. Le taux dintrt
spot va augmenter et se rapprocher de .
La gure 6.1 donne les trajectoires simules du taux dintrt instantan futur pour les paramtres suggrs. La convergence vers le taux de long terme se fait soit par en dessous
( gauche), soit par au-dessus ( droite). On constate que la valeur du paramtre inuence
la vitesse de convergence vers . Pour la valeur de la plus forte, il faut environ 1 an pour
atteindre le niveau de long terme. Pour la valeur la plus faible, la convergence est beaucoup
plus lente.
Fig. 6.1 : Trajectoires simules du taux dintrt spot instantan.
10%
10%
9%
9%
8%
8%
7%
7%
6%
5%
6%
4%
4%
3%
3%
5%
2%
00
75
50
25
00
2,
1,
1,
1,
50
25
00
75
1,
0,
0,
0,
0,
0,
00
0,
25
0,
50
0,
75
1,
00
1,
25
1,
50
1,
75
2,
00
2%
t
0
= r02+ . En galisant r (T ) =
d) La dnition implique que T vrie r (T ) = r0 + r
2
(
r0
r0 + 2 et r (T ) = r (0) eT + 1 eT = + (r (0) ) eT , on trouve :
r0
r0
= + (r (0) ) eT ( r0 ) eT = ( r0 )
.
2
2
[ ]
Soit T = 1 ln 12 . Si on veut gnraliser lapproche une fraction diffrente de 12 , il faut
considrer un terme x strictement plus petit que 1 et revenir lnonc du problme en posant
r0 + x ( r0 ) = + (r (0) ) eT (x) . On trouve T (x) = 1 ln [1 x].

r0 +
e) Considrons maintenant le niveau du taux dintrt spot la date t + t. Applique r (t)

et r (t + t), lquation (6.1) nous apprend que
r (t) = ( r (0)) et ,
r (t + t) = ( r (0)) et et .
La premire quation donne :
82
r (0) = ( r (t)) et ,
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 83 #350
expression que lon peut injecter dans la seconde quation. On trouve alors :
(
)
r (t + t) = ( r (t)) et = r (t) et + 1 et .
(6.2)
On veut maintenant une expression pour comparer avec la dynamique (6.31).

En retranchant r (t) gauche et droite de lgalit (6.2), cette expression implique galement
que :
r (t + t) r (t) = [ r (t)] ( r (t)) et

(
)
= ( r (t)) 1 et .
On a donc :
(
)
r (t) = ( r (t)) 1 et ,
ce qui diverge sensiblement de lexpression (6.31). Nanmoins, si t et / ou est trs petit,

alors on peut appliquer le dveloppement limit de la fonction exponentielle lordre un et
on trouve et 1 t. On trouve une approximation de la forme :
r (t) ( r (t)) t,
qui sera dautant meilleure que t et/ou sera petit.
2 Sur le compte de capitalisation.
a) En principe, la valeur du compte devrait tre connue lavance en toute date parce que la
trajectoire du taux dintrt spot instantan (qui sert de rfrence pour la rmunration) est dtermine. Si vous navez pas su rpondre cette question, cest que la notion de comportement
dterministe nest pas assimile.
b) Placer un euro sur un compte de capitalisation qui rmunre le taux dintrt r (t) chaque
instant t rapporte la date T :
1 exp
[ T
]
r (t) dt .
On notera T ce terme. Il suft donc de calculer
T
r (t) dt =
T
0
r (t) dt. On trouve :
[
]
( r (0)) et dt
T
et dt
dt ( r (0))
=
0
et
= T ( r (0))
]T
0
1 eT
= T ( r (0))
(
)
1 eT
(0)
(
(0))
=r
T + r
T
.
Cette dernire expression montre que la rmunration moyenne annuelle du compte de capitalisation est r (0) plus ou moins un terme qui dpend notamment de ( r (0)).
83
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 84 #351
3 Sur le prix dun zro-coupon dchance T .
a) Par AOA, une obligation zro-coupon promettant 1 euro chance T ne peut valoir que
1
(T ) . En effet, la valeur de cette obligation ne peut tre que le montant que je dois placer
sur mon compte de capitalisation pour obtenir 1 euro lhorizon de placement
[ T. On a donc
]
T
p0 (0, T ) (T ) = 1. On trouve alors lexpression recherche en reprenant exp 0 r (t) dt .
b) Si on fait tendre T vers linni, on a p0 (0, T ) = 0 et si T = 0, on a p0 (0, 0) = 1. Ces
rsultats sont bien conformes aux attentes puisquen lchance (T = 0), lobligation est rembourse et que si elle ne lest jamais (T = ), sa valeur nancire sera nulle puisquelle ne
verse aucun revenu.
c) Les simulations des prix dobligations de diffrentes chances sont regroupes dans les
graphiques de la gure 6.2. Les paramtres de la gure 6.1 sont utiliss (attention : labscisse
doit porter sur T et non sur t comme dans la gure 6.2). On peut remarquer que lorsque le
taux dintrt instantan futur ici dterministe est systmatiquement plus faible (cest--dire
en toute date), les prix dobligations sont plus levs. La dcroissance des prix dobligations
zro-coupon en fonction de la maturit est un phnomne bien connu.
Fig. 6.2 : Les prix dobligations.
1
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0
2,5
7,5
10
12,5
0,2
0
15
2,5
7,5
10
12,5
15
4 Sur les taux dintrt spot et la courbe des taux.
a) Lapproche la plus simple consiste revenir la dnition dun taux dintrt spot sous une
convention de taux continu. On a r (0, T ) = T1 ln p (0, T ), o le prix de lobligation zrocoupon p (0, T ) est connu. On trouve alors diverses expressions :
1 eT
,
T
(
)
1 eT
1 eT
+ 1
,
= r (0)
T
T
[
]
1 eT
= r (0) + ( r (0)) 1
T
r (0, T ) = ( r (0))
(6.3)
(6.4)
(6.5)
qui ne mettent pas en vidence les mmes effets.

T
84
b) Lorsque T tend vers linni, eT et 1eT sapprochent de 0 et r (0, T ) tend vers (on
a limT r (0, T ) = ). Dans un monde dterministe, la valeur de long terme vers laquelle
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 85 #352
tend r (t), le taux dintrt instantan, sert galement xer la rmunration des obligations
dont lchance est trs lointaine... Ce rsultat nest pas aussi immdiat quil ny parat (on doit
se souvenir que toutes ces rmunrations sont annualises).
c) Dans la gure 6.3, on peut vrier cette convergence du taux dintrt spot (rendement
actuariel des obligations zro-coupon) mesure que lchance augmente.
Fig. 6.3 : Structure par terme des taux dintrt.
9%
9%
8%
8%
7%
7%
6%
6%
5%
5%
4%
4%
3%
0
10
15
20
25
3%
30
10
15
20
25
30
5 Sur les taux dintrt forward instantans.
a et b) Les taux dintrt forward instantans se dnissent par f (0, T ) =

donc crire :
[T r(0,T )]
.
T
On peut
f (0, T ) = ( r (0)) eT
(
)
= r (0) + ( r (0)) 1 eT
(
)
= r (0) eT + 1 eT
= r (T ) .
Si ncessaire, on vient de rappeler que, dans un contexte dterministe, les taux dintrt forward sont gaux aux futurs niveaux du taux dintrt instantan ! Comme prvu par la thorie
des anticipations rationnelles, les taux dintrt forward constituent bien des prdicteurs performants des niveaux de taux futurs.
c) En cherchant exprimer les taux dintrt forward en fonction de taux dintrt spot, on
trouve :
[
]
1 eT
T
f (0, T ) = r (0, T ) ( r (0)) e
.
T
On dduit que f (0, T ) sera infrieur r (0, T ) si et seulement si > r (0) et T eT +eT
1 > 0, ou bien si et seulement si < r (0) et T eT +eT 1 < 0. Or, comme 1+T < eT
est toujours vri pour tout et T , on a T < eT 1 et donc T eT < 1 eT . On en
conclut que f (0, T ) < r (0, T ) < r (0). De mme, on a f (0, T ) > r (0, T ) >
r (0). On illustre ce rsultat dans la gure 6.4.
85
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 86 #353
Fig. 6.4 : Structure par terme des taux dintrt spot vs structure par terme des taux dintrt forward.
10%
9%
8%
7%
r(0,T)
f(0,T)
6%
r(0,T)
5%
4%
3%
2%
0
10
15
20
25
30
Exercice 2
Solution
Question prliminaire : pour simuler, on utilise la gure 6.5.

Fig. 6.5 : Simuler des ralisations dune variable normale centre rduite.
Les valeurs simules sont gnres en choisissant 111 comme nombre gnrateur. Vous devriez
obtenir les mmes rsultats.
1 On reprsente dans la gure 6.6 les valeurs du taux dintrt instantan obtenues pour le
86
scnario envisag. Dans tous les cas, on a = 1 et = 9 %, alors que peut prendre plusieurs
valeurs (0 %, 0,5 %, 1 % et 2 %).
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 87 #354
Fig. 6.6 : Simulations de trajectoires du taux dintrt instantan selon le modle de Vasicek.
La formule discrtise est donne par :
rt+t rt = t rt t + tt+t .
Dans la dernire colonne, en date 2, on trouve 5,93 % en effectuant le calcul :
1
1
r2 = 6 % + 1 (9 % 6 %)
+ 2%
(0, 744) = 5, 93 %.
360
360
On peut alors reproduire cette formule sur 720 jours, puis comparer ces rsultats avec ceux
associs = 3 % (en utilisant les mmes valeurs simules). Avec le mme jeu de donnes
simules, on trouve alors les graphiques de la gure 6.7. Les courbes rgulires en pointill
sont associes la tendance dterministe ( = 0). Les autres trajectoires sont obtenues pour
une volatilit gale 0,5 %, 1 % et 2 %. Conformment aux attentes, le taux dintrt uctue
dautant plus que le paramtre de la volatilit augmente. Comme lillustre le graphique
droite, la volatilit peut permettre datteindre le niveau de long terme plus rapidement. Le
taux dintrt instantan ne pourra pas sy maintenir, du fait de la prsence de chocs.
Le graphique 6.8 reprsente diffrentes trajectoires obtenues avec le mme jeu de variables
simules. Les trajectoires retent parfaitement limpact de la force de rappel. Lorsque = 0,
on ne constate aucune convergence, mais mesure que la valeur de augmente, le taux
dintrt converge plus rapidement vers sa valeur de long terme . Pour = 10, la convergence
est assez rapide, mme si la volatilit induit par la suite une incertitude.
2 Dun point de vue nancier, le changement dun seul paramtre peut poser problme dans la
mesure o lon change la modlisation du taux dintrt instantan futur dune manire non
r
contrle. Si lesprance E [r ] = na pas chang, lcart-type (SDr = 2
) nest plus
le mme selon les spcications. Pour les diffrents niveaux de volatilit et la gure 6.8, on
trouve respectivement 0,00 %, 0,35 %, 0,71 % et 1,41 %. Pour les diffrents niveaux de force
de rappel et la gure 6.9, on trouve respectivement 0,82 %, 0,50 % et 0,22 %. Clairement, on
change de registre.
On peut vouloir comparer des trajectoires du processus dOrnstein-Uhlenbeck dont les paramtres induiraient la mme esprance et la mme variance du taux dintrt instantan de long
r
, que
terme. Il suft de choisir SDr et de xer et on en dduit, par la formule SDr = 2
r = SDr 2. La gure 6.9 illustre le propos avec = 9 %, SDr = 0, 5 % et = 0, 75,

2 ou 10.
87
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 88 #355
Fig. 6.7 : Impact de la volatilit sur les trajectoires
= 9%
= 3%
10, 00%
6, 50%
6, 00%
9, 00%
5, 50%
8, 00%
5, 00%
4, 50%
7, 00%
4, 00%
3, 50%
6, 00%
3, 00%
5, 00%
2, 50%
2, 00%
4, 00%
Fig. 6.8 : Impact de la force de rappel sur les trajectoires
= 9%
= 3%
6, 50%
10, 00%
6, 00%
9, 00%
5, 50%
8, 00%
5, 00%
7, 00%
4, 50%
6, 00%
4, 00%
5, 00%
3, 50%
4, 00%
3, 00%
3, 00%
2, 50%
2, 00%
2, 00%
On peut tre surpris dapprendre que ces trois trajectoires, au comportement bien diffrent,
proviennent dune mme squence dinformations non anticipes (cest la mme squence
depuis le dbut de lexercice dailleurs) et possdent des paramtres qui impliquent un mme
prol de taux dintrt spot instantan de long terme (E [r ] , SDr ).
3 La probabilit que le taux dintrt instantan futur soit ngatif est donne par :
88
)
EP [rT ]
Pr [rT < 0] = N
,
varP [rT ]
)
(
)
2 (
2T
. Les simulations donnent
avec EP [rT ] = r0 eT + 1 eT , varP [rT ] =
2 1 e
la gure 6.10.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 89 #356
Fig. 6.9 : Impact de la force de rappel ( SDr x)
10, 00%
9, 00%
8, 00%
7, 00%
6, 00%
5, 00%
4, 00%
3, 00%
2, 00%

r_0
kappa
thta
sigma
SD
6%
0,5
3,00 %
1,10 %
1,10 %
T
1,00
2,00
3,00
4,00
5,00
7,50
10,00
12,50
15,00
20,00
Inf.
E[r_T]
4,82 %
4,10 %
3,67 %
3,41 %
3,25 %
3,07 %
3,02 %
3,01 %
3,00 %
3,00 %
3,00 %
var[r_T]
0,0076 %
0,0105 %
0,0115 %
0,0119 %
0,0120 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
6%
2
3,00 %
2,20 %
1,10 %
Prob[r_T<0]
0,00000 %
0,00301 %
0,03108 %
0,08887 %
0,15326 %
0,26177 %
0,30190 %
0,31424 %
0,31785 %
0,31919 %
0,31931 %
E[r_T]
3,41 %
3,05 %
3,01 %
3,00 %
3,00 %
3,00 %
3,00 %
3,00 %
3,00 %
3,00 %
3,00 %
var[r_T]
0,0119 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
0,0121 %
Prob[r_T<0]
0,08887 %
0,27374 %
0,31282 %
0,31842 %
0,31919 %
0,31931 %
0,31931 %
0,31931 %
0,31931 %
0,31931 %
0,31931 %
On observe que la probabilit dobtenir une valeur ngative pour le taux dintrt instantan reste faible. Elle sera dailleurs parfois nglige (sans trop de risque). Si on recourt des
simulations Monte Carlo pour gnrer 100 000 valeurs futures du taux dintrt instantan
(avec des paramtres similaires), on sexpose cependant trouver 319 valeurs incohrentes.
La gure 6.11 reprsente le rsultat sous forme graphique. On observe une convergence des
probabilits vers une mme limite. Les deux contextes impliquent le mme cart-type (pour le)
taux dintrt instantan long terme. On a donc une probabilit Pr [r < 0] = N SD

identique.
Exercice 3
Solution
Question prliminaire : les donnes sont exprimes en pourcentage : il conviendra de les diviser
par 100. La base de donnes contient 312 observations mensuelles, soit 26 annes conscutives.
89
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 90 #357
0,35%
0,30%
0,25%
0,20%
0,15%
0,10%
0,05%
0,00%
0
10
15
20
Les donnes couvrent en fait les annes 1970, 1980 et jusqu n 1995. Nous avons choisi
cette priode car elle illustre parfaitement le comportement de retour la moyenne des taux
dintrt sur la longue priode, comme le montre la gure 6.7.
Fig. 6.12 : Organisation du travail.
1 Lapproche pragmatique suggre dutiliser la relation rt = + rt +ut+t comme un
modle de rgression linaire. On a pos = t, = t et ut = tt , avec t une

variable de loi normale centre rduite. On peut dont estimer les paramtres par moindres
b et des rsidus dont lcart-type sera

b,
b t.
carrs et on va obtenir des valeurs estimes
b devrait tre ngatif et on perd une observation pour le calcul des variations. Les paramtres
b
b
b
structurels seront alors calculs par b
=
b , en tenant compte du fait que
b t =
t et =
les donnes sont mensuelles (t =
envisageables.
90
1
12 ).
Du point de vue oprationnel, trois approches sont
La premire consiste minimiser les erreurs du modles au carr par solveur. On commence par organiser le travail (gure 6.12), on utilise le solveur (gure 6.13) et on trouve,
aprs annualisation, les paramtres structurels (tableau de la gure 6.14).
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 91 #358
Fig. 6.13 : Utilisation du solveur.
Fig. 6.14 : Les paramtres structurels estims par rgression linaire (1).
La deuxime approche consiste utiliser les formules analytiques de la rgression linaire.

On sait que :
b = COVARIANCE(rt ; rt1 )
VAR.P(rt1 )
b MOYENNE(rt1 ) .
b = MOYENNE(rt )
b t1 ) et calculer leur
b r
Pour lcart-type des rsidus, on peut les construire (et = rt
cart-type ou bien calculer directement :
be = ERREUR.TYPE.XY(rt ; rt1 ).
On trouve le tableau de la gure 6.15.

La troisime approche consiste utiliser lutilitaire danalyse. On trouve la gure 6.16.
Les trois approches fournissent sensiblement les mmes rsultats (les paramtres ont bien t
annualiss). Le taux dintrt de long terme , autour duquel est suppos uctuer le taux dintrt, est compatible avec les observations reprsentes dans la gure 6.17. La valeur modre
91
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 92 #359
de la force de rappel est galement crdible au vu des faits. Les taux se sont signicativement
loigns de , suggrant une capacit sloigner de . La volatilit, enn, est en ligne avec
les observations empiriques.
2 On va estimer les paramtres structurels de la dynamique de Vasicek {, , } en maximi-
sant la vraisemblance (6.24) par le solveur. Ici, on utilise lexpression (6.23) qui est aussi une
consquence de la discrtisation dite dEuler. On calcule partir de t = 2 et pour chaque
observation brt :
1
1
(brt (a + bbrt1 ))2 ,
ln V
2
2V
o V = 2 sera estim sous contrainte de rester positif. Inutile de prendre en compte les autres
termes de la vraisemblance car ils ne servent rien. On calcule la somme de ces termes et on
cherche la maximiser avec le solveur. Le rsultat obtenu est reprsent dans la gure 6.18.
Les rsultats sont quasi-similaires pour la force de rappel et le taux dintrt instantan de long
terme. La volatilit estime est ici nanmoins beaucoup plus forte.
3 On va estimer les paramtres structurels de la dynamique de Vasicek {, , } en utilisant
92
lexpression (6.23) (dduite de la solution exacte de lquation diffrentielle stochastique) et en

maximisant la vraisemblance (6.26) correspondante par le solveur. partir de t = 2 et pour
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 93 #360
Fig. 6.17 : Reprsentation de la srie de taux et de .
0 ,18
0 ,16
0 ,14
0 ,12
0 ,1
0 ,0 8
0 ,0 6
0 ,0 4
0 ,0 2
0
1
31
61
91
12 1
151
18 1
2 11
241
2 71
301
Fig. 6.18 : Les paramtres structurels estims par maximum de vraisemblance (1).
chaque observation brt , on calcule :
(
)
1
1 brt mt
ln (s)
,
2
2
s
)
2 (
2ti
avec mt = +(rt ) eti et s2 =
. On constate au passage que la va2 1 e
riance s2 est identique, quel que soit le niveau dintrt et donc pour toutes les vraisemblances.
On procde comme indiqu dans la gure 6.19.
93
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 94 #361
Fig. 6.19 : Les paramtres structurels estims par maximum de vraisemblance (2)
Exercice 4
Solution
Avec les valeurs de paramtres considrs, on trouve les structures par terme de taux dintrt
reprsentes dans les graphiques de la gure 6.20.
Fig. 6.20 : Structures par terme des taux dintrt
Q = 7 %
Q = 5 %
8,00%
8,00%
7,00%
7,00%
6,00%
6,00%
5,00%
5,00%
4,00%
4,00%
3,00%
3,00%
2,00%
2,00%
1,00%
1,00%
0,00%
0,00
2,00
4,00
6,00
8,00
10,00
0,00%
0,00
2,00
4,00
6,00
8,00
10,00
Les structures par terme gnres sont strictement croissantes, strictement dcroissantes, ou
ventuellement bosse (mais pour un jeu de paramtres irralistes). On vrie que les struc2
tures par terme convergent bien vers R (0, ) = Q 2
2 , soit par exemple
2
7 % (202%) = 7 % 0,04
2 . Keller-Ressel et Steiner (2008) montrent que la courbe est stricte2
Q
ment croissante (ou normale) si r0 6 Q
2 , strictement dcroissante si r0 > et bosse
dans les autres cas. On peut le vrier ici.
94
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 95 #362
Exercice 5
Solution
Une ide consiste reprsenter sur un graphique non la prime, elle-mme, mais la proportion
que reprsente cette prime dans la valeur du taux dintrt forward. On peut alors dnir la
)
fonction prop(T ) = (0,T
f(0,T ) . En exploitant les formules ncessaires du cours et les valeurs de
paramtres suggrs, on trouve la gure 6.21. On a reprsent en trait plein le contexte o
= r0 . Le trait pointill correspond la situation o la valeur de long terme est soit 10 %
suprieure r0 (graphique de gauche) soit 10 % infrieure (graphique de droite). On retrouve
dans la gure 6.25 la forme des courbes de la gure 6.2 (dans le livre). La gure 6.21 permet
nanmoins de dire que la prime de terme explique jusqu 8 % de la valeur du taux dintrt
forward. Lorsque le prix du risque est infrieur 0 , on constate que la proportion peut
tre ngative. Laugmentation ou la diminution du taux spot instantan peut augmenter ou
diminuer la prime, selon le contexte.
Fig. 6.21 : Les primes de terme dans le modle de Vasicek (1977)
= r0 (1 + 10 %)
= r0 (1 10 %)
8
6
=1.10
Proportion
Proportion
2
0 =2
=1.10
2
0 =2
0
0
=0.90
-2
0
10
15
20
25
=0.90
-2
30
10
15
20
25
30
Une autre mesure peut tre envisage. Il sagit de la prime relative (0, T ) =
permet dcrire f (0, T ) = EP [rT ] (1 + (0, T )).
(0,T )
EP [rT ]
qui
Exercice 6
Solution
Solution courte : la formule dvaluation (6.7) nous apprend que le prix la date t = 0
dune obligation zro-coupon est donn par la formule :
[
( T
)]
p (0, T ) = EQ exp rs ds .
(6.6)
T
La somme des taux dintrt futurs sur la priode [0, T ] ( 0 rs ds) est une variable alatoire
normale dans lunivers objectif (, F, P), dont les deux premiers moments sont (6.13) et (6.14).
On sait que le passage de (, F, P) (, F, Q) ne change pas la nature du comportement du
taux instantan. Cela reste un processus stochastique admettant un retour la moyenne et
une volatilit constante. Seul le paramtre devient Q .
95
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 96 #363
La formule
un calcul de moyenne (la moyenne de
( (6.6)) peut donc sinterprter
( comme
)
T
T
exp 0 rs ds ), la variable exp 0 rs ds tant une variable alatoire log-normale. En
exploitant lindication de lnonc, on a :
[ [ T
]
[ T
]]
1
p (0, T ) = exp EQ r (t) dt + varQ r (t) dt ,
2
0
0
avec (en substituant Q = +
dans (6.13) et (6.14)) :
[ t
]
(
)
1 et
1 et
Q
Q
+ t
E
rs ds = r0
0
[ t
]
(
)
(
)
2
t 2
2
1e
1 et
varQ
rs ds =
+ 2 t
.
2
0
Solution longue : on peut vouloir retrouver les moments (6.13) et (6.14). Pour cela, il suft
de reprendre la dynamique de r dans (, F, P) et de poser yt = et rt . Les rgles de calcul
stochastique nous apprennent que :
(
)
dyt = d et rt = et drt + et rt dt.
Il ny a pas de termes supplmentaires car y est de variation quadratique est nulle. En insrant
la dnition de drt , on trouve :
dyt = et dt + et dWtP ,
et, en intgrant, on a :
T
et dt +
yT = y0 +
0
(
)
eT rT = r0 + eT 1 +
T
0
rT = r0 e
et dWtP
et dWtP
(
)
+ 1 eT +
T
0
e(T t) dWtP .
[
]
(
)
T
On a EP [rT ] = r0 eT + 1 eT car EP 0 e(T u) dWuP = 0. Lintgrale stochastique est assimilable une somme de termes e(T u) dWuP dont lesprance est nulle.
On a donc :
[(
[ T
]
)2 ]
T
P
P
(T u)
P
2 P
(T u)
P
var [rT ] = var
e
dWu = E
e
dWu
.
0
Si lintgrale stochastique est assimilable une somme, sa variance est la

[ somme
] (et donc
lintgrale) des variances de chaque terme e(T u) dWuP (on sait que varP dWuP = du) plus
la somme (et donc lintgrale) des covariances des termes e(T u) dWuP . Les accroissements
dWuP (qui ne se chevauchent pas) tant indpendants, les covariances sont nulles. On a donc :
T
[
]
varP [rT ] = 2
e2(T u) varP dWuP
0
T
96
= 2
e2(T u) du =
0
)
2 (
1 e2T .
2
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 97 #364
Cette variance ne dpend pas de Q et elle ne sera pas affecte par le changement de probabilit.
Exercice 7
Solution
1 La dnition utile est ici :
f (t, T ) =
ln P (t, T )
.
T
2 Sachant p (t, T ) = A (T t) exp [B (T t) rt ], on a :
f (t, T ) =
ln A (T t) B (T t)
+
rt .
T
T
Le taux dintrt forward f (t, rt ) est donc une fonction linaire de r.

3 Si la dynamique de r est un processus dIto, le lemme dIto sapplique. Il nous apprend que
la dynamique des taux terme f (., T ) = (f (t, T ))t est capture par un processus dIto de la
forme :
df (t, T ) = f dt + f dWtQ ,
(
)
dont les coefcients sont prcisment dnis. On a f = ft + Q rt fr + 12 2 frr et
f = fr avec en reprenant lexpression ci-dessus :

f (t, r)
B (T t)
fr =
=

r
T
r=rt
frr = 0

f (t, r)
ft =
t r=rt
[
]
[
]
ln A (T t)
B (T t)
=
+
rt
t
T
t
T
2 ln A (T t) 2 B (T t)
=
+
rt .
T t
T t
B(T t)
T
t)
B(T
.
T
En notant que
2
B(T t)
T t
= 1 B (T t) et
B(T t)
t
t)
= B(T
= B (T t) 1, on a
T
Les calculs suivants sont un peu laborieux, mais relativement simples.
Pour :
(
)
(
)
2
2
1 2
ln A (T t) = Q 2 (T t) + Q 2 B (T t)
B (T t)2 ,
2
2
4
on a :
(
)
ln A (T t)
2
= Q 2
T
2
(
)
2
+ Q 2 (1 B (T t))
2
2
1
B (T t) (1 B (T t))
2
2
= Q B (T t) +
B (T t)2 ,
2
97
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 98 #365
puis :
2 ln A (T t)
B (T t) 2
B (T t)
= Q
+
2B (T t)
T t
t
2
t
(T
(T
B
t)
B
t)
= Q
2 B (T t)
,
T
T
do
[
]
B (T t)
B (T t)
B (T t)
+
ft = Q
2 B (T t)
rt
T
T
T }
{z
|
|
{z
}
2 B(T t)
T t
2 ln A(T t)
T t
(
) B (T t)
B (T t)
+ 2 B (T t)
.
= Q rt
T
T
On a donc :
(
)
f = ft + Q rt
1
fr + 2 frr
|{z}
|2 {z }
B(T t)
0
(
) B (T t)
(
) B (T t)
B (T t)
= Q rt
+ 2 B (T t)
+ Q rt
T
T
T
(T
B
t)
= 2 B (T t)
,
T
et videmment :
f = fr =
B (T t)
.
T
)
(t,T )
)
= exp [ (T t)] et B T
= 2B (t, T ) B(t,T
= 2B (t, T ) exp [ (T t)],
Puisque B(t,T
T
T
on retrouve bien :
df (t, T ) = 2 B (T t)
B (T t)
B (T t)
dt +
dWtQ .
T
T
98
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 99 #366
Chapitre 7
Exercice 1
Solution
1 et 2. Nous allons nous servir du call asset-or-nothing pour illustrer les techniques de construction
du graphe du pay-off qui peuvent toujours tre mobilises. Le revenu chance du call assetor-nothing est donn par ST 1{ST K>0} . Dans notre contexte, on a K = 100.
Pour certains lecteurs, cette expression mathmatique est lmentaire et ils pourront immdiatement lui associer un graphe. Pour dautres, elle nest (pas encore) vidente et il convient
de les aider. Pour les tudiants qui souhaitent travailler dans le secteur nancier, il faut que ce
type dexpression devienne naturel. Cest tout lenjeu de cet exercice. Selon vos besoins, vous
pourrez vous tourner directement vers les rsultats ou bien suivre les recommandations qui
suivent1 .
Le pay-off du call asset-or-nothing (ST 1{ST 100>0} ) signie que le dtenteur de loption recevra
lchance :
{
soit ST si ST > 100
.
soit rien si ST < 100
Nous passons maintenant en revue les techniques qui permettent dobtenir le graphe de cette
fonction.
1. La construction point par point est la mthode qui consiste choisir plusieurs valeurs pour le
sous-jacent S et calculer le revenu quelles gnrent. Il est conseill de privilgier des valeurs
autour des seuils cls du contrat (ici K = 100) et den prendre autant que ncessaire pour
saisir la forme de la courbe. Dans notre exemple, qui reste lmentaire, on peut prendre, par
exemple, ST = 70, 80, 90, 100, 110, 120, 130... et on calcule le pay-off correspondant ; on
trouve 0, 0, 0, 100, 110, 120 et 130. On peut alors reprsenter le nuage de points {(70, 0),
(80, 0), (90, 0), (100, 0), (110, 110), (120, 120), (130, 130),...} ou plus simplement poser la
valeur de S comme abscisse (cest lantcdent) et la valeur du pay-off comme ordonne (cest
limage). La construction point par point peut paratre lmentaire (cest justement sa qualit !).
Elle est surtout robuste et pourra toujours tre employe. Cest dailleurs la technique suivie
par les logiciels scientiques.
2. Lapproche par scnarios consiste partitionner les valeurs de S lchance en autant dintervalles que lon compte de structures de revenu simples comprendre. Cette approche est
particulirement intressante pour tudier les portefeuilles doptions qui impliquent la prsence de multiples strikes. Dans notre contexte, on ne relve que deux intervalles. Le premier
{ST 6 100} est associ un pay-off trivial puisquil est nul (inutile donc de simuler le rsultat !).
Le second {ST > 100} est associ un autre pay-off quil est simple danalyser...
3. lanalyse de la fonction est une mthode qui ne procde pas par simulation. On tudie la
fonction indpendamment du contexte nancier. On constate, sur notre exemple, que lorsque
Jai d dvelopper ces mthodes, durant ces dernires annes, pour aider des tudiants rencontrant des difcults avec
les notations formelles. Elles contiennent donc beaucoup de leurs commentaires. Cet exercice est donc aussi pour moi
loccasion de leur rendre hommage.
99
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 100 #367
le cours du sous-jacent est infrieur 100, le revenu est nul. Lorsquil est suprieur, le pay-off
est une fonction f (x) = x. Lorsque S > K, la courbe du pay-off se confond avec la droite
(unique) de pente 1 qui passe par 0 et le point (K, K). Le tour est jou.
Naturellement, on peut toujours formaliser un peu plus le discours en remarquant que la
fonction f (x) = x1{x100>0} est linaire par morceaux, et quelle nest pas continue en K =
100 (les graphes devraient le montrer).
Les revenus chances des options digitales sont reprsents dans les quatres premiers graphiques de la gure 7.1 (sur la gauche les cash-or-nothing, sur la droite les asset-or-nothing).
Fig. 7.1 : Options digitales.
Cash-or-Nothing Call
Asset-or-Nothing Call
2.0
200
150
payoff
payoff
1.5
1.0
0.5
100
50
0.0
0
50
100
150
200
50
ST
150
200
150
200
ST
Cash-or-Nothing Put
Asset-or-Nothing Put
2.0
100
80
payoff
1.5
payoff
100
1.0
60
40
0.5
20
0
0.0
0
50
100
150
200
50
ST
ST
Cash-or-Nothing Call + Cash-or-Nothing Put
Asset-or-Nothing Call + Asset-or-Nothing Put
2.0
200
150
payoff
payoff
1.5
1.0
0.5
100
50
0.0
0
50
100
ST
100
100
150
200
50
100
150
200
ST
Pour mettre en avant des relations de parit, nous proposons les deux graphiques du bas de
la gure 7.1 qui font simplement la somme des calls et des puts. Le graphique en bas gauche
indique quun portefeuille contenant un call cash-or-nothing et un put cash-or-nothing promet 1
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 101 #368
lchance quelle que soit la valeur de ST . On a donc :

dig,C/N
dig,C/N
+ pT
cT
= 1.
Le revenu tir de ce portefeuille est donc assur, il nest pas contingent : ce sera 1 avec certitude.
On peut donc valuer ce portefeuille aujourdhui erT et lon a la formule de parit :
dig,C/N
c0
dig,C/N
+ p0
= erT ,
dig,C/N
dig,C/N
en notant c0
le prix aujourdhui du call cash-or-nothing, p0
celui du put. Le graphique
tout en bas droite montre quun portefeuille contenant un call et un put asset-or-nothing promet
laction ST chance. On a :
dig,A/N
cT
dig,A/N
+ pT
= ST .
La valeur de ce portefeuille aujourdhui ne peut tre que celle de lactif lui-mme. On a donc :
dig,A/N
c0
dig,A/N
en notant c0
dig,A/N
et p0
dig,A/N
+ p0
= S0
les prix du call et du put asset-or-nothing.
2 On peut toujours suivre la mthode de construction point par point, mais nous privilgions
ici une approche analytique ou graphique.

a) Un portefeuille qui contient une position longue dans une action S et une position courte
dans une option dachat sur S dchance T et de prix dexercice K promet chance,
ptfT = ST max (ST K; 0) ,
soit encore :
{
ST K si ST > K
ptfT = ST
0 si ST 6 K
{
ST (ST K) si ST > K
=
ST 0 si ST 6 K
{
K si ST > K
=
.
ST si ST 6 K
Dun point de vue plus nancier, si ST 6 K, le dtenteur de call nexerce pas son option et le
portefeuille ne contient que laction. Si ST > K, alors il exerce son option, la position courte
induit un ux nancier ngatif de (ST K) et les revenus sont gaux K, quelle que soit la
valeur de ST .
b) Un portefeuille qui contient des positions longues dans une action S et une option de vente
sur S dchance T et de prix dexercice K promet, chance, ptfT = ST + max (K ST ; 0),
soit encore :
{
{
0 si ST > K
ST si ST > K
ptfT = ST +
=
.
K ST si ST 6 K
K si ST 6 K
Les revenus en cas de hausse du titre sous-jacent sont thoriquement illimits, couverts la
baisse puisquils ne seront pas infrieurs K. Cest le principe de la couverture de portefeuille.
Les revenus chance de ces deux portefeuilles sont reprsentes dans le gure 7.2. On
remarque qu un dplacement prs vers le haut (on parlera de translation de montant K) ces
101
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 102 #369
Fig. 7.2 : Portefeuilles Options / Actions

HbL
200
150
150
payoff
payoff
HaL
200
100
50
100
50
0
0
50
100
150
200
ST
50
100
150
200
ST
graphes correspondent aux courbes de pay-off chance de loption de vente vendue (a) et
de loption dachat achete (b). Nous ne sommes pas loin de la relation de parit call / put.
c) Un portefeuille, qui runit les deux portefeuilles prcdents, contient des positions longues
dans deux actions S et une option de vente ainsi quune position courte dans une option dachat
sur S. Il promet comme revenu :
2ST + (K ST ) = ST + K ,
soit la richesse chance dun portefeuille qui contient, aujourdhui du cash KerT (plac
sur un compte de capitalisation sans risque de dfaut rmunrant au taux sans risque sur la
priode) et une action S. Sa valeur aujourdhui est KerT + S0 .
3 Il est intressant daborder les diffrentes stratgies dcart en mme temps. Nous privilgions
ici une reprsentation sous forme de scnarios, qui convient bien du fait de la prsence de
plusieurs strikes. On rcapitule lensemble des scnarios dans le tableau 7.1.
Les diffrents pay-off s sont reprsents dans la gure 7.3. La colonne de gauche rassemble les
stratgies tirant partie dun mouvement haussier, celle de droite les stratgies bnciant du
mouvement baissier2 . Les stratgies du haut impliquent des calls, celles du bas des puts.
Deux stratgies sappuient sur lanticipation dune hausse du cours. Cependant, les formes de
revenu montrent bien que le montage nancier et la prise de risque ne sont pas identiques.
La stratgie compose de calls cherche obtenir un revenu positif lchance si lanticipation de hausse se rvle exacte. Cette stratgie est coteuse car on achte le call le plus onreux.
Le cot est nanmoins limit par la prime reue de la vente dun call (qui, en contrepartie, diminue les gains attendus).
La stratgie compose de puts sappuie sur une anticipation de hausse du march qui rendra
les options de vente hors la monnaie. Cest surtout un pari sur le non-exercice de loption de
vente de strike K2 qui a t vendue. Si lanticipation se vrie, le dtenteur du put de strike K2
nexercera pas son option. On conservera alors le bnce du revenu de dpart, savoir le
fruit de la vente du put de strike (K2 ) moins le cot dachat du put de strike (K1 ) (moins cher).
Ce dernier permet nanmoins de limiter la perte en cas de chute inattendue du march.
102
Les termes de bullish et bearish dcrivent classiquement dans le jargon des traders le mouvement anticip. Le coup
de corne dun taureau va de bas en haut ; alors que le coup de patte dun ours descend de haut en bas.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 103 #370
Tab. 7.1 : Scnarios attachs aux stratgies dcart haussires (Bullish) et baissires (Bearish)
Bull Spread de call
ST 6 K1
0
0
0
position longue call (K1 )

position courte call (K2 )
Total
K1 6 ST 6 K2
ST K1
0
ST K1
K2 6 ST
ST K1
(ST K2 )
K2 K1
Bull Spread de put

position longue put (K1 )
position courte put (K2 )
Total
ST 6 K1
K1 ST
(K2 ST )
(K2 K1 )
K1 6 ST 6 K2
0
(K2 ST )
(K2 ST )
position courte call (K1 )

position longue call (K2 )
Total
ST 6 K1
0
0
0
K1 6 ST 6 K2
(ST K1 )
0
(ST K1 )
position courte put (K1 )

position longue put (K2 )
Total
ST 6 K1
(K1 ST )
K2 ST
K2 K1
K2 6 ST
0
0
0
Bear Spread call
K2 6 ST
(ST K1 )
(ST K2 )
(K2 K1 )
Bear Spread de put
K1 6 ST 6 K2
0
K2 ST
K2 ST
K2 6 ST
0
0
K2 K1
Fig. 7.3 : Revenus chance des stratgies dcarts

cart Haussier (Bullish)
cart Baissier (Bearish)

Bear Spread Call
40
40
20
20
payoff
payoff
Bull Spread Call
-20
-20
-40
-40
0
50
100
150
200
50
ST
150
200
150
200
ST
Bull Spread Put
Bear Spread Put
40
40
20
20
payoff
payoff
100
-20
-20
-40
-40
0
50
100
ST
150
200
50
100
ST
103
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 104 #371
Le commentaire pour les stratgies baissires est symtrique. Toutes deux sappuient sur lanticipation dune baisse du cours, mais elles ne mettent pas en oeuvre la mme stratgie.
La stratgie compose de calls anticipe une baisse du march qui rendra les options dachat
hors la monnaie. Cest donc surtout un pari sur le non-exercice de loption dachat de strike K1
(la plus chre) qui a t vendue. Si lanticipation se vrie, le dtenteur de ce call nexercera pas
son option. On conservera alors le revenu du dpart, savoir le fruit de la vente du call de strike
(K1 ) moins le cot dachat du call de strike (K2 ) (moins cher). Ce dernier permet nanmoins
de limiter la perte en cas de forte hausse inattendue du march.
La stratgie compose de puts cherche obtenir un revenu positif lchance si lanticipation de baisse se rvle exacte. Cette stratgie est coteuse car on achte le put le plus chre. Le
cot est nanmoins limit par la prime reue de la vente du put (qui en contrepartie diminue
les gains attendus).
Dans toutes ces stratgies, les positions de K1 et de K2 rvlent lanticipation du dtenteur du
portefeuille sur lampleur de la hausse ou de la baisse .
4 Idem 3.
5 a) et b) Nous avons reprsent dans la gure 7.4 les courbes de pay-off s chance de positions
longues.
Fig. 7.4 : Revenus chance des combinaisons.
Strangle
Straddle
80
100
60
60
payoff
payoff
80
40
40
20
20
0
0
0
50
100
ST
150
200
50
100
150
200
ST
Dans le cas de positions longues, ces stratgies sont coteuses (on achte deux options). Lcartement de la base du Strangle peut permettre de limiter le cot3 puisque lon choisit un put
avec un prix dexercice infrieuret un call avec un prix dexercice suprieur. les primes sont
moindres mais les gains seront moindres.
On voit que ces stratgies sont gagnantes ds que le cours ST sloigne du strike K. Si ce dernier
correspond au cours actuel de laction, disons S0 , cest que lon parie sur la hausse ou la baisse
du march, et donc sur le non statu-quo. Cette stratgie ne cherche pas parier sur un sens
particulier du march (ce que font les stratgies haussires ou baissires prcdentes), mais sur
sa variation. Il sagit, en dnitive, de stratgies sur la volatilit du march4 .
104
Attention ! Analyser les options au travers du prisme des cots se rvle tre dlicat.
Pour une discussion de ces stratgies avec un exercice amricain, on pourra consulter Moraux (2009).
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 105 #372
6 a) Les carts de type Buttery impliquent plusieurs strikes. Lanalyse par scnarios simpose. Nous
vous laissons la mener, le rsultat est reprsent sur le graphique de la gure 7.5. On constate
que le maximum est atteint lorsque ST = K2 . Sur les deux calls vendus, lun sert geler le call
achet de strike (K1 ), lautre est responsable de la baisse constate entre K2 et K3 . Cette baisse
est ensuite stoppe par lachat dun call de prix dexercice K3 .
Fig. 7.5 : Stratgies Buttery (K1 , K2 , K3 ).
K1 = 80, K2 = 120, K3 = 140
K1 = 80, K2 =
K1 +K3
,
2
K3 = 140
30
40
25
30
payoff
payoff
20
20
15
10
10
5
0
0
0
50
100
150
200
50
ST
100
150
200
ST
b) Lorsque K2 = K3 , on retrouve une stratgie dcart classique.

3
c) Lorsque K2 est exactement la moyenne des autres prix dexercice K1 +K
, la stratgie Buttery
2
a une forme particulire. Cest un pari sur le fait que le cours de laction soit autour de K2
lchance, en fait dans lintervalle [K1 ; K3 ].
d) Si, de plus, on fait tendre K2 vers K3 , alors cest un pari sur le fait que le cours ait une
certaine valeur. Le prix actuel de ce Buttery, trs particulier, est alors la probabilit actualise
3
que ST = K2 = K1 +K
probabilit calcule dans lunivers risque-neutre. Le prix de cette
2
stratgie ctive est en fait trs proche de la densit risque-neutre que nous avons tent dextraire
dans le chapitre prcdent.
Exercice 2
Solution
1 La premire partie de la question est lmentaire. Si vous ntes pas de cet avis, relisez le cours.
On peut nanmoins rappeler que KerT est le prix dune obligation zro-coupon de maturit
T et de valeur faciale K et que N [d2 (K)] = Q [ST > K] est la probabilit perue aujourdhui
dtre la monnaie lchance pour une option dachat. N [d2 (K)] = Q [ST 6 K] est la
probabilit perue aujourdhui dtre la monnaie lchance pour une option de vente.
2 Linterprtation des termes N [d2 ] et N [d2 ] implique que les options digitales dachat et de
vente de type cash-or-nothing svaluent :
[
]
(S0 , K, T ) = erT EQ 1{ST >K} = erT Q [ST > K] = erT N [d2 ] et
[
]
dig,C/N
(S0 , K, T ) = erT EQ 1{ST 6K} = erT Q [ST 6 K] = erT N [d2 ] .
p0
dig,C/N
c0
Lesprance de la fonction indicatrice dun vnement est gale sa probabilit (EQ [1A ] =
Q [A]). Ces termes apparaissent dans la formule de BSM. On vrie galement la formule de
105
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 106 #373
parit obtenue dans lexercice prcdent. De mme, les options digitales de type asset-or-nothing
sont values par les formules :
[
]
(S0 , K, T ) = erT EQ ST 1{ST >K} = S0 N [d1 ] et
[
]
dig,A/N
(S0 , K, T ) = erT EQ ST 1{ST 6K} = S0 N [d1 ] ,
p0
dig,A/N
c0
qui apparaissent galement dans la formule de BSM.

3 Un portefeuille qui contient une position longue dans une action S et une position courte dans
une option dachat sur S dchance T et de prix dexercice K svalue :

ptf0 = S0 cBSM
,
0
avec cBSM
la prime de loption selon la formule de BSM. On a :
0
ptf0 = S0 S0 N [d1 ] + KerT N [d2 ]
= S0 (1 N [d1 ]) + KerT N [d2 ]
= S0 N [d1 ] + KerT N [d2 ] .

On aurait pu galement actualiser les ux futurs ptf0 = erT EQ [ptfT ] avec :
{
K si ST > K
ptfT =
.
ST si ST 6 K
On aurait obtenu le mme rsultat. Pour le portefeuille qui contient une position longue dans
une action S et une position longue dans une option de vente sur S dchance T et de prix
dexercice K, les ux chance sont :
{
ST si ST > K
ptfT =
.
K si ST 6 K
On a alors :
ptf0 = erT EQ [ptfT ] = S0 N [d1 ] + KerT N [d2 ] .
On aura reconnu les expressions asssocies aux options digitales.

4 La stratgie dcart doptions dachat haussier avec des calls svalue :
c0 (S0 , K1 , T ) c0 (S0 , K2 , T ) = S0 (N [d1 (K1 )] N [d1 (K2 )])

erT (K1 N [d2 (K1 )] K2 N [d2 (K2 )]) .
(7.1)
Cette solution est obtenue parce quen AOA, la valeur de la stratgie galise celle du portefeuille qui la duplique. On peut aussi valuer directement le pay-off de la stratgie qui apparat
dans le tableau de lexercice et on trouve
]
[
Bear Spread0 = erT EQ (ST K1 ) 1{K1 <ST <K2 } + (K2 K1 ) 1{K2 <ST }
[
]
2
= erT EQ (ST K1 ) 1{K1 <ST <K2 }
+ (K2 K1 ) erT Q [K2 < ST ]

]
[
= erT EQ (ST K1 ) 1{K1 <ST <K2 }
106
+ (K2 K1 ) erT N [d2 (K2 )] .
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 107 #374
Lgalit 2 a tenu compte du fait que le terme (K2 K1 ) est connu et que lesprance dune
fonction indicatrice dun vnement est gale sa probabilit. Analysons maintenant le terme
de lesprance dun point de vue nancier. Ce terme (ST K1 ) 1{K1 <ST <K2 } signie obtenir
le ux (ST K1 ) lorsque K1 < ST < K2 . Cela revient nancirement au mme quobtenir
ce ux (sans restriction) tant que K1 < ST et le redonner ds que K2 < ST . On a donc :
(ST K1 ) 1{K1 <ST <K2 } = (ST K1 ) 1{K1 <ST } (ST K1 ) 1{K2 <ST }
= ST 1{K1 <ST } ST 1{K2 <ST } K1 1{K1 <ST } + K1 1{K2 <ST } .
Ces termes sont lmentaires (voir lexercice sur les digitales). On obtient alors directement la
solution. On a :
[
]
[
]
BearSpread0 = erT EQ ST 1{K1 <ST } erT EQ ST 1{K2 <ST }
[
]
[
]
K1 erT EQ 1{K1 <ST } + K1 erT EQ 1{K2 <ST }
+ (K2 K1 ) erT N [d2 (K2 )]

= S0 N [d1 (K1 )] S0 N [d1 (K2 )]
K1 erT N [d1 (K1 )] + K1 erT N [d1 (K2 )]
+ (K2 K1 ) erT N [d2 (K2 )] .
Deux termes sannulent dans cette dernire expression.
Exercice 3
Solution
1 Le dtail de calcul est le suivant. On doit dcompter la dure jusquau 30 juin. La fonction
FRACTION.ANNEE(12 avril ;30 juin ;1) donne 0,216. On trouve alors :

(
)
ln (100/105) + 5 % + 12 30 %2 0, 216
30 juin
d1
=
= 0, 233
30 % 0, 216
)
(
ln (100/105) + 5 % 12 30 %2 0, 216
30 juin
d2
=
= 0, 373 .
30 % 0, 216
[
]
[
]
30 juin
30 juin
On a ensuite N d1
= 0, 4078 et N d2
= 35, 46 % (cest la probabilit aujourdhui
que loption nisse dans la monnaie lchance).Le prix du call est alors :
c (S0 ; 105, 30 juin) = 100 0, 4078 105 e3 %0,216 0, 3546

= 3, 7820.
2 On doit dcompter la dure jusquau 30 septembre. La fonction FRACTION.ANNEE(12
avril ; 30 septembre ;1) donne 0,468. Pour loption dachat dchance le 30 septembre :
(
)
ln (100/105) + 5 % + 21 30 %2 0, 468
30 sept
d1
=
= 0, 066
30 % 0, 468
(
)
ln (100/105) + 5 % 21 30 %2 0, 468
30 sept
d2
=
= 0, 272 .
30 % 0, 468
107
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 108 #375
[
]
[
]
30 sept
30 sept
On a ensuite N d1
= 0, 4735 et N d2
= 39, 29 % (la probabilit de nir dans la
monnaie lchance est suprieure). Le prix du call est alors
c (S0 ; 105, 30 sept) = 100 0, 4735 105 e3 %0,468 0, 3929
= 6, 6731.
3 On peut reprendre les formules de BSM pour le put, mais on peut galement mobiliser la
formules de parit. On a :
p (S0 ; 105, 30 juin) = c (S0 ; 105, 30 juin) S0 + 105e3 %0,216 = 8, 102

p (S0 ; 105, 30 sept) = c (S0 ; 105, 30 sept) S0 + 105e3 %0,468 = 10, 208 .
Les prix des options de vente sont nettement plus levs car celles-ci sont dj dans la monnaie !
4 Les prix actuellement cots pour ces deux options sont respectivement 3,5 euros et 6,5 euros.
La gure 7.6 explicite le calcul de la volatilit implicite de loption cote 3,5.

Fig. 7.6 : Calcul de la volatilit implicite laide du solveur
En itrant le procd lautre option, on trouve que le consensus de march sur la volatilit
est :
I (105, 30 juin) = 28, 43 %
108
et
I (105, 30, septembre) = 30, 50 %.
La volatilit actuellement cote sur le march pour le mois de juin est donc infrieure vos
attentes, celle cote pour le mois de septembre est suprieure. Loption dchance juin est
donc moins chre, loption dchance septembre plus chre que ce que vous tiez prt(e)
payer... Ces prix (ou, de manire quivalente, ces volatilits) rvlent les anticipations du
march sur le niveau de volatilit. Deux postures peuvent alors tre adoptes.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 109 #376
1. Conant, vous estimez que vos propres anticipations sont celles qui prvaudront et les options sont, selon vous, mal values. Vous pouvez alors envisager une stratgie pour en tirer
partie.
2. Prudent, le consensus du march vous fait revoir vos anticipations.
Exercice 4
Solution
On reprend lenvironnement de lexercice 1 et on va utiliser le solveur. En choisissant comme

cellule cible 3,50 et comme cellule variable le prix dexercice du put, on trouve un strike solution
de 97.
Exercice 5
Solution
1 Regardons la valeur de ces portefeuilles la date T .
Premier portefeuille. la date T , le call europen sur action vaut : max (ST K; 0) et, si
on a plac le cash sur un compte rmunr au taux r, on dispose lchance de :
( rT )
= K.
Ke
erT
|{z}
| {z }
capitalisation des intrts
cash plac
On a donc :
K+
ST K si ST > K
=
0 si ST 6 K
ST si ST > K
.
K si ST 6 K
Second portefeuille : laction vaut chance ST et le put max (K ST ; 0). On a donc

{
{
0 si ST > K
ST si ST > K
ST +
=
.
K ST si ST 6 K
K si ST 6 K
En conclusion, ces deux portefeuilles promettent lchance le mme ux nancier (Ils nimpliquent aucun revenu intermdiaire). Ils doivent donc avoir la mme valeur aujourdhui :
call + cash = action + put
c0 + KerT = S0 + p0 .
2 On peut tudier la diffrence dun call et dun put. Le revenu chance dune combinaison
doptions comprenant une position longue sur un call et une position courte sur un put peut
studier graphiquement. Mais on note directement que :
+
|{z}
position longue
max (ST K; 0)
|
{z
}
pay-off call
|{z}
position courte
max (K ST ; 0) = ST K.
|
{z
}
pay-off put
En effet, on a :
{
{
{
ST K si ST > K
0 si ST > K
ST K si ST > K
=
= ST K.
0 si ST 6 K
K ST si ST 6 K
ST K si ST 6 K
109
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 110 #377
Ce revenu terminal ne dpend daucune condition.Il sagit de la valeur dun portefeuille qui
contient une action et un placement de cash sur un compte rmunr. La valeur actuelle de
ce portefeuille est S0 KerT et cest aussi la valeur de la combinaison doptions. On a :
c0 p0 = S0 KerT .
N.B. : ST K est aussi le revenu chance dune position longue dans un contrat terme
dchance T et de prix de livraison K. Une position longue dans un contrat terme est un
engagement ferme dacheter la date T lactif un prix de livraison donn, disons K. On sait
que ce dernier est valu St Ker(T t) la date t5 .
Exercice 6
Solution
On sait que la probabilit risque-neutre est donne par N [d1 ] avec :

(
)
ln (S0 /K) + r 21 2 T
d1 =
.
T
La dmonstration est simple. On part de la dnition de la probabilit dtre la monnaie :
[
]
1 2
Q [VT > K] = Q V0 e(r 2 )T + T vT > K
(7.2)
et on travaille lexpression jusqu isoler compltement vT , la variable alatoire. Autrement
dit :
On divise par V0 droite et gauche :
[
]
K
r 12 2 )T + T vT
(
Q [VT > K] = Q e
>
.
V0
On applique la fonction logarithme ln droite et gauche :
]
[(
)
1 2
Q [VT > K] = Q r T + T vT > ln (K/V0 ) .
2
(
)
On soustraie r 12 2 T droite et gauche :
[
(
) ]
1
Q [VT > K] = Q T vT > ln (K/V0 ) r 2 T .
2
On divise par T droite et gauche :

[
) ]
(
ln (K/V0 ) r 12 2 T
Q [VT > K] = Q vT >

.
T
110
la signature, sa valeur est mme nulle car le prix de livraison est choisi de manire ce que K = St er(T t) .
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 111 #378
La loi normale tant symtrique, la probabilit que vT soit suprieure C est gale la
probabilit dtre infrieure C. On a :
[
(
) ]
ln (K/V0 ) r 12 2 T
Q [VT > K] = Q vT 6
T
[
(
) ]
ln (V0 /K) + r 21 2 T
= Q vT 6
.
(7.3)
T
Finalement, on reconnat d1 et la fonction de rpartition de la loi normale N [x] = Q [vT 6 x].
Do Q [VT > K] = N [d1 ].
Si on change r par dans lquation (7.2), la dmonstration ne change pas sur le fond. Pour
obtenir le rsultat, il suft de changer r par dans la solution (7.3). On trouve :
[
) ]
(
ln (S0 /K) + 12 2 T
= N [h1 ] ,
P [VT > K] = P vT 6
T
ln(S0 /K)+( 12 2 )T
en notant h1 =
. Les deux expressions sont donc assez similaires. d1 et
T
h1 , en particulier, partagent un certain nombre de termes. On a :
(
)
ln (S0 /K) + r 12 2 T
ln (S0 /K) 12 2 T
r
d1 =
=
+
T
T
T
(
)
ln (S0 /K) + 12 2 T
ln (S0 /K) 21 2 T
h1 =
=
+
T.
T
T
Do : d1 h1 = r T
T . On a donc
et
d1 = h1
r
T
h1 = d1 +
r
T.
et
(7.4)
Lorsque la rentabilit requise par les investisseurs est suprieure r, h1 est suprieure d1
et la probabilit P [VT > K] est suprieure Q [VT > K] 6 . On a :
P [VT > K] > Q [VT > K] .

Il est trs intressant de retrouver le terme r
qui renvoie la notion de prix de risque et
de ratio de Sharpe... Lquation (7.4) nous apprend galement que si on connat h1 alors on
peut en dduire d1 et donc la probabilit risque-neutre N [d1 ]. Or, parfois, on dispose plus
facilement de N [h1 ] = P [VT > K] que h1 . On a alors h1 = N1 [P [VT > K]] et on peut
donc crire :
r
T,
d1 = N1 [P [VT > K]]
Attention ! si on sintresse une option de vente P [VT 6 K] = 1 P [VT > K] serait plus petit que
Q [VT 6 K] = 1 Q [VT > K].
111
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 112 #379
avec la N1 la fonction de rpartition inverse. On retrouve bien le rsultat recherch. On peut

effectuer des simulations du rsultat pour les valeurs S0 = 100, K = 120, = 30 %, = 10 %
et r = 3 %. La gure 7.7 accueille les rsultats.
Fig. 7.7 : Comparaison entre P [VT > K], Q [VT > K].
100%
0,8
80%
0,6
60%
P[V_T>K]
0,4
40%
0,2
20%
0
0
0,2
0,4
0,6
Q[V_T>K]
0,8
0%
0
La courbe en trait plein correspond la probabilit objective de nir dans la monnaie P [VT > K],
la courbe en pointills la probabilit risque-neutre Q [VT > K].
Exercice 7
Solution
Le problme ici est lorganisation du calcul de la drive numrique
2 c (K)
c (K K) 2c (K) + c (K + K)
=
K2
K2
(quil faudra multiplier par erT ). Il convient de sorganiser rigoureusement. Pour chaque valeur
de densit calculer en K, il faut calculer trois primes doption de BSM celles de strike K, KK
et K + K. On posera K = 1 ou 0,1. Attention, la volatilit change chaque option.
On trouve la gure 7.8 et on observe sur la droite un des inconvnients de lapproche. Essayez
de trouver les autres !
Exercice 8
Solution
1 Les prix dexercice se situent de part et dautre du prix terme dont la valeur est S0 erT . Le
facteur multiplicatif (1 + x) tant plus grand que 1, le strike Kc (x) est suprieur au prix
terme (qui est lui-mme suprieur au prix spot S0 ). Loption est hors la monnaie forward et
1
est plus petit que 1 et le strike Kp (x)
hors la monnaie (tout court). Le facteur multiplicatif 1+x
1
est donc plus petit que le prix terme (on a 1+x 1 x lorsque x est petit).
112
2 Si x = 0 alors Kc (0) = S0 erT et Kp (0) = S0 erT , les prix dexercice sont identiques. De plus,
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 113 #380
Fig. 7.8 : Distribution implicite empirique.

1,4 0 0 0 %
1,2 0 0 0 %
1,0 0 0 0 %
0 ,8 0 0 0 %
0 ,6 0 0 0 %
0 ,4 0 0 0 %
0 ,2 0 0 0 %
0 ,0 0 0 0 %
2 75,0 0
3 2 5,0 0
3 75,0 0
4 2 5,0 0
4 75,0 0
52 5,0 0
le prix du call devient :
c (S0 , Kc (0) , T ) = S0 N [d1 (Kc (0))] S0 e| rT{z

erT}N [d2 (Kc (0))] ,
(7.5)
=1
avec :
rT
z ( }|
)
(
)
){ (
rT + r + 12 2 T
ln S0 /S0 erT + r + 12 2 T
1
d1 (Kc (0)) =
=
= T,
2
T
T
et d2 (Kc (0)) = d1 (Kc (0)) T = 21 T . On a donc :

[
]
[
]
1
1
c (S0 , Kc (0) , T ) = S0 N T S0 N T
2
2
(
[
])
[
]
1
1
= S0 1 N T
S0 N T
2
2
(
[
])
1
= S0 1 2N T
.
2
le prix du put devient, lui :
p (S0 , Kp (0) , T ) = S0 |erT{z

erT}N [d2 (Kp (0))] S0 N [d1 (Kp (0))]
=1
(7.6)
113
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 114 #381
avec d1 (Kp (0)) = 12 T et d2 (Kp (0)) = 12 T . On a donc

[
]
[
]
1
1
p (S0 , Kp (0) , T ) = S0 N T S0 N T ,
2
2
(
[
])
1
= S0 1 2N T
.
2
En conclusion, lorsque x = 0, les primes doptions sont gales c (S0 , Kc (0) , T ) = p (S0 , Kp (0) , T )
et la prime de skewness est nulle :
Sk (0) =
c (St , Kc (0) , T ) p (St , Kp (0) , T )

= 0.
p (St , Kp (0) , T )
Pouvait-on sy attendre ? Bien sr ! Lorsque x = 0, le prix dexercice commun aux deux options est le prix terme de laction. Dans ce cas, la formule de parit call / put nous apprend
que les primes de put et de call sont identiques.
3 La gure 7.9 reprsente le skewness premium obtenu dans le contexte de Black, Scholes et Mer-
ton.
Fig. 7.9 : skewness premium dans BSM.
Skewness Premium
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0
Le skewness premium est gal x ! Si vous changez vos paramtres, cela ne change rien !
4 Idem 3.
5 Pour la dmonstration, il suft de rcrire les primes doptions donnes par le modle de BSM
114
avec les prix dexercice Kc (x) et Kp (x) et de simplier les expressions. Pour le call, on trouve :
[ (
)]
ln (1 + x) 1
cBSM (S0 ; Kc (x) , T ) = S0 N +

+ T
2
T
[ (
)]
ln (1 + x) 1
S0 (1 + x) N +
T
2
T
= S0 N [g1 ] S0 (1 + x) N [g2 ] .
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 115 #382
Pour le put, on trouve :

BSM
[ (
)]
ln (1 + x) 1
S0
N
T
1+x
2
T
[ (
)]
ln (1 + x) 1
S0 N
+ T
2
T
1
{S0 N [g1 ] S0 (1 + x) N [g2 ]} .
=
1+x
(S0 ; Kc (x) , T ) =
On a donc :
pBSM (S0 ; Kc (x) , T ) =

soit encore
x=
cBSM (S0 ; Kc (x) , T )

,
1+x
cBSM (S0 ; Kc (x) , T ) pBSM (S0 ; Kc (x) , T )

.
pBSM (S0 ; Kc (x) , T )
115
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 116 #383
Chapitre 8
Exercice 1
Solution
1 La gure 8.1 regroupe lensemble des simulations, le graphique de gauche (droite) tant ddi
aux options dachat (de vente). Conformment la suggestion de la question 1 (2), on y a

reprsent le cours de laction St (la valeur du cash Ker(T t) ).
Fig. 8.1 : Primes doptions en fonction de la valeur du sous-jacent et pour diffrents niveaux de volatilits.
call
put
120
120
100
100
Ke-r HT-tL
8
St
80
pHSt ;K,TL
cHSt ;K,TL
80
60
60
40
40
20
20
0
0
50
100
150
200
50
St
100
150
200
St
Nous pouvons constater sur la gure 8.1 que le niveau de la volatilit inuence fortement la
valeur des options. Plus la volatilit est forte, plus les options sont onreuses. Les graphiques
suggrent qu mesure que la volatilit augmente, la valeur du call tend vers St , pendant que
celle du put converge vers Ker(T t) . Il ne faudra donc pas tre surpris de lobjet des questions
suivantes. Au total, les simulations corroborent les signes positifs indiqus dans le tableau 7.6
du livre et la valeur thoriquement positive du vega des options (tableau 8.3 du livre). Et lon
dira pour nir que, dans le modle de Black, Scholes et Merton, la volatilit future est bien
suppose constante dans le temps, mais la xation de son niveau linstant initial reste un
point crucial pour les primes doptions.
2 Idem 1.
3 On sintresse dabord au call, puis au put.
Le graphique de gauche de la gure 8.1 suggre que la prime du call tend vers St , lorsque
tend vers de trs grandes valeurs. Trs logiquement, nous allons dmontrer que :
lim c (St ; ) = St .
La formule de BSM nous apprend que la prime du call est donne par :
c (St ; ) = St N [d1 ()] Ker(T t) N [d2 ()] ,

avec N la fonction de rpartition de la loi normale. La limite de cette prime est donc :
{
}
lim c (St ; ) = lim St N [d1 ()] Ker(T t) N [d2 ()]
+
116
= St lim N [d1 ()] Ker(T t) lim N [d2 ()] .

+
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 117 #384
Sachant que N [x] est une fonction

bijective,
(
)il suft
( dtudier
d1 )() et d2 () qui, on devrait

le savoir1 , sont de la forme
+ T t et T t . Ces deux termes tendent
respectivement vers + et , lorsque tend vers +. On a donc :
lim N [d1 ()] = 1
lim N [d2 ()] = 0.
et
On a bien le rsultat recherch.

Le graphique de droite de la gure 8.1 suggre que la prime du put tend vers Ker(T t) ,
lorsque tend vers de trs grandes valeurs. Trs logiquement, nous allons dmontrer que :
lim p (St ; ) = Ker(T t) .
La dmonstration la plus directe implique la formule de parit call/put, qui nous apprend que :
p (St ; ) = c (St ; ) St + Ker(T t) .

En prenant la limite, gauche et droite de lgalit, on obtient le rsultat. En effet, en vertu
du rsultat prcdent, on a lim+ (c (St ; ) St ) = 0.
4 On sintresse dabord au call, puis au put.
Lorsque tend vers 0, la prime du call tend vers :
lim c (St ; ) = St lim N [d1 ()] Ker(T t) lim N [d2 ()] .
Sachant que N [x] est une fonction bijective, on doit tudier d1 () et d2 (), qui sont de la
ln(St /Ker(T t) )
. Lorsque tend vers 0, d1 () et d2 () tendent tous les deux
forme
)
)
(
(
vers + ou . Cela dpend du signe de ln St /Ker(T t) . Si ln St /Ker(T t) est
positif, on a :
lim d1 () = lim d1 () = +.
0
0
)
(
r(T t)
En cas contraire (si St < Ke
), la limite sera . La condition ln St /Ker(T t) >
0 revient dire que St /Ker(T t) > 1, soit encore St > Ker(T t) . On a donc :
lim N [d1 ()] = 1{St >Ker(T t) }
et, pour nir :
et
lim N [d2 ()] = 1{St >Ker(T t) } ,
(
)
lim c (St ; ) = St Ker(T t) 1{St >Ker(T t) } .
Pour traiter le cas des puts, on utilise la formule de parit qui nous apprend que p (St ; ) =
c (St ; ) St + Ker(T t) . En prenant la limite, gauche et droite de lgalit et en exploitant le rsultat prcdent, on obtient :
(
)
lim p (St ; ) = Ker(T t) St 1{St <Ker(T t) } .
0
Si ce nest pas le cas, relisez votre cours !
117
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 118 #385
La gure 8.2 conrme les rsultats thoriques dmontrs dans la question 4, en diminuant
plusieurs fois la volatilit dun facteur 2 (, /2, /4, /8).
Fig. 8.2 : Primes doptions en fonction de la valeur du sous-jacent et pour des niveaux de volatilits faibles.
put
30
30
25
25
20
20
pHSt ;K,TL
cHSt ;K,TL
call
15
10
15
10
Max@St -K e-r HT-tL ;0D
8
4
Max@K e-r HT-tL -St ;0D
8
0
0
60
70
80
90
100
110
120
70
80
90
St
100
110
120
St
5 La gure 8.3 montre que les options europennes sont peu sensibles au taux dintrt (mme
lorsque ce dernier a t multipli par 4 !).

Fig. 8.3 : Primes doptions en fonction de la valeur du sous-jacent et pour diffrents niveaux de taux dintrt.
put
120
100
100
80
80
cHSt ;K,TL
cHSt ;K,TL
call
120
4r
60
0
r
40
60
0
40
2r
20
4r
20
0
0
50
100
St
150
200
50
100
150
200
St
Exercice 2
Solution
La gure 8.4 regroupe les graphiques des principaux paramtres de gestion en fonction de la
valeur du sous-jacent et pour diffrentes dures jusqu chance. Voici quelques commentaires.
Le delta positif du call indique quune hausse (baisse) du cours de laction augmente (diminue) la prime de loption dachat. Le delta ngatif du put signie que cette hausse (baisse)
du cours diminue (augmente) la prime de loption de vente. En valeur absolue, le delta des
options europennes dachat et de vente est strictement compris entre 0 et 1. Cest logique !
118
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 119 #386
Fig. 8.4 : Les principaux grecs en fonction de la valeur du sous-jacent et pour diffrentes dures jusqu chance
call
put
delta
1.0
0.0
1m
0.6
0.4
6m
0.2
1m
-0.2
DHSt ;K,TL
DHSt ;K,TL
0.8
3m
-0.4
6m
-0.6
3m
-0.8
T-t = 10j
T-t = 10j
0.0
-1.0
40
60
80
100
120
140
160
40
60
80
St
120
140
160
120
140
160
St
2
2 p
gamma ( c
2 =
2)
100
c
vega* (
= )
0.06
25
T-t=10j
0.05
T-t = 6m
20
3m
HSt ;K,TL
GHSt ;K,TL
0.04
1m
0.03
0.02
15
1m
10
3m
6m
10j
0.01
0.00
40
60
80
100
120
140
160
40
60
80
St
100
St
thta*
0
0
-10
T-t = 6m
T-t = 6m
-10
-20
QHSt ;K,TL
QHSt ;K,TL
3m
1m
-30
3m
-20
1m
-30
-40
10j
-40
10j
-50
60
80
100
120
140
60
80
St
100
120
140
120
140
St
rho*
0
6m
40
T-t = 10j
1m
-10
HSt ;K,TL
HSt ;K,TL
30
3m
20
-20
3m
-30
10
1m
-40
T-t = 10j
6m
0
60
80
100
St
120
140
60
80
100
St
*Ces paramtres sont parfois diviss par cent (vega ou rho) ou 365 (thta).
119
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 120 #387
Le delta implique la fonction de rpartition de la loi normale. Le delta des options dachat et
de vente est croissant avec le cours spot du sous-jacent (sa pente est positive). Le gamma des
options2 sera donc positif. Les valeurs absolues des deltas des options dans la monnaie (St > K
pour les calls et St < K pour les puts) sont plus grandes que celles des options hors la monnaie
(St < K pour les calls et St > K pour les puts). Ces premires seront donc plus sensibles que
ces dernires. Parmi les options les plus sensibles (calls et puts), la sensibilit3 est plus grande
lorsque la dure de vie du contrat est courte. Parmi les options les moins sensibles (calls et
puts), la sensibilit est plus grande que la dure de vie du contrat est longue. Lorsque la dure
de vie restante des options est faible, la pente la plus forte du delta correspond au point o
loption est, trs approximativement, la monnaie4 . Ltude du gamma devrait rpondre
prcisment cette question. Le delta des options change de convexit (le gamma sera donc
croissant, puis dcroissant).
Le gamma des options est identique pour les puts et les calls. Cest un paramtre positif
qui, comme prvu par lanalyse du delta, est dabord croissant en fonction de St ; il atteint
ensuite un maximum avant de dcrotre. On pourra trouver ce maximum analytiquement.
Le graphique du gamma montre dj que celui-ci peut tre trs loign de la position ATM
lorsque la dure de vie du contrat sallonge.
Le vega, lui, est toujours positif. Les options sont donc bien des fonctions croissantes de la
volatilit. Pour les paramtres utiliss, on observe mme que la sensibilit est dautant plus
grande que la dure de vie rsiduelle est importante5 . La sensibilit la volatilit diminue ds
que loption sloigne de la monnaie. Lachat doptions ATM sera donc privilgi, lorsque lon
anticipera une hausse de la volatilit.
Le thta est ngatif pour les options dachat, ngatif ou positif pour les options de vente.
Autrement dit, toutes choses tant gales par ailleurs, le prix dune option dachat dcrot
naturellement mesure que le temps passe. La situation est plus dlicate pour loption de vente.
Lorsquelle est hors la monnaie, sa sensibilit au temps qui passe est ngative. Lorsquelle
est bien dans la monnaie (deep in the money), loption de vente peut avoir un thta positif, ce
qui signale une propension voir sa valeur augmenter mesure que lon se rapproche de
lchance. La baisse de la dure de vie de loption diminue la probabilit de voir, dans le futur,
le cours de laction remonter. Cette proprit est rapprocher dun phnomne rencontr
dans le chapitre 7 o la valeur du put europen pouvait tre infrieure sa valeur intrinsque.
Notons, pour fnir, que le graphique de droite est un simple translation du graphique de gauche,
puisquen drivant par rapport au temps la formule de parit call/put, on obtient :
p (St ; t)
c (St ; t)
=
+ rKer(T t) .
t
t
Le rho est un paramtre de gestion positif pour les calls et ngatif pour les puts. Limpact du
taux dintrt (r) sur la prime des calls est intuitivement lun des plus dlicats apprhender.
Dun ct, r reprsente la rentabilit (arithmtique) attendue de laction dans lunivers risque
2
3
4
120
Vu comme la sensibilit du delta par rapport S

La sensibilit ici est la valeur absolue du delta.
Ce nest plus vrai lorsque lchance est plus loigne.
Voir la note de bas de page prcdente.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 121 #388
neutre, et son augmentation est donc synonyme de hausse des cours daction attendus6 . Dun
autre ct, il dtermine aussi lactualisation, et son augmentation diminue la valeur actuelle
du ux attendu. Le signe positif du rho montre nanmoins que leffet sur lactualisation est
secondaire.
Exercice 3
Solution
La gure 8.5 regroupe les graphiques des sensibilits du tableau 8.2. Nous avons reprsent
ces sensibilits en fonction de la valeur du prix dexercice, de manire pouvoir comparer les
options cotes au mme instant. Dans la gure 8.5, on ne sintresse quaux options dachat.
Certains paramtres sont identiques pour les options de vente (en particulier ceux concernant
le gamma).
Le charm prcise la modication du delta lorsque le temps scoule (toutes choses tant
gales par ailleurs). Les valeurs reprsentes sont journalires (le charm est divis par 360). On
constate quelles peuvent tre positives ou ngatives. Dans la gamme des paramtres utiliss,
la valeur du charm est positive pour les options dachat qui sont approximativement dans la
monnaie (dont le prix dexercice est infrieur 100) et ngative pour les autres. La sensibilit
de loption la valeur sous-jacent peut donc augmenter ou diminuer du simple fait du temps
qui passe. Le delta est mme particulirement sensible les derniers jours de la vie du contrat.
Le vanna dune option prcise la modication du delta lorsque la volatilit change. Ce
paramtre nous apprend que, pour les valeurs choisies de paramtres, le delta des options
dachat hors la monnaie augmente signicativement lorsque la volatilit augmente.
Le speed prcise la variation du gamma lorsque le cours spot change. Cest la drive troisime de la prime doption par rapport S. Le graphique montre que le speed est ngatif pour
les options, qui sont approximativement dans la monnaie, et positif pour celles hors la monnaie. Le gamma des options approximativement dans la monnaie diminue lorsque augmente
le cours du sous-jacent, celui des options hors la monnaie augmente. Ce rsultat est cohrent
avec les simulations du gamma dans la gure 8.4.
Le color prcise la modication du gamma lorsque le temps scoule (toutes choses tant
gales par ailleurs). Les valeurs reprsentes dans le graphique associ de la gure 8.5 sont
journalires (le color est divis par 360). Les options proches de la monnaie ont un paramtre
positif. La sensibilit de ces options augmente donc particulirement pour certaines (il convient
de recouper linformation avec le charm).
Le volga est un paramtre important dans la mesure o il capture le changement de la
sensibilit de la prime la volatilit implicite lorsque cette volatilit change. On constate que
ce paramtre est positif pour toutes les options. On observe galement que les options la
monnaie ont un vega insensible au changement de la volatilit implicite. Attention, dautres
dimensions peuvent faire changer le vega.
La probabilit dtre dans la monnaie chance augmente, ainsi que le revenu espr reu terme
121
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 122 #389
Fig. 8.5 : Les principaux grecs en fonction de la valeur du sous-jacent et pour diffrentes dures jusqu chance.
charm
0.010
vanna
T- t = 10j
0.6
3m
0.4
Vanna
0.005
Charm
T- t = 10j
0.000
3m
1m
- 0.005
0.2
1m
0.0
- 0.2
- 0.010
- 0.4
40
60
80
100
K
120
140
- 0.6
160
40
60
80
100
K
speed
140
160
140
160
140
160
color
0.003
0.004
120
T- t = 10j
T- t = 10j
0.002
1m
3m
Color
Speed
0.002
0.000
- 0.002
3m
0.001
1m
0.000
- 0.004
- 0.001
- 0.006
40
60
80
100
K
120
140
40
160
60
80
volga
100
K
120
zomma
40
0.05
T- t = 3m
10j
1m
Zomma
Volga
30
20
0.00
T- t = 3m
- 0.05
1m
10
- 0.10
10j
- 0.15
40
60
80
100
K
120
140
160
40
60
80
100
120
Le zomma qui est la sensibilit du gamma un changement de la volatilit. On voit que les
options hors la monnaie ont un gamma qui augmente la volatilit7 .
Tous ces paramtres permettent de choisir ou de favoriser certaines options parmi dautres
lorsque lon a des anticipations particulires sur les mouvements de paramtres. Ils renforcent
nanmoins lide que la gestion dune option particulire est un exercice subtil, ds lors que
lon souhaite adopter une dmarche dynamique.
122
Les traders utilisent ce paramtre pour contrler les effets de la volatilit stochastique que nous verrons dans le prochain chapitre.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 123 #390
Exercice 4
Solution
1 Le vega atteint son maximum lorsque sa drive par rapport S sannule. On doit rsoudre :
vega
S
= 0, ou de manire quivalente
(Sn[d1 ])
S
= 0, soit encore
(
)
1 2
Se 2 d1 (S)
S
Or :
(
)
1 2
Se 2 d1 (S)
S
= 0.
= e 2 d1 (S) Sd1 (S) e 2 d1 (S)
d1 (S)
,
S
1 (S)
en utilisant lindication de lnonc. En notant que dS
= S1T et en simpliant
1, on obtient :
)
(
1
ln (Svega /K) + r + 2 T = 2 T .
2
[
(
)
]
On trouve bien Svega = K exp r 12 2 T .
d1 (S)
La question est en fait trs mal formule, il y a un pige ! En effet, les options de vente et
dachat admettent certes le mme vega, mais leurs primes ne sont pas identiques. Loption
dachat vaut :
[ ] 1
call = Svega N T K exp [rT ]
2
et le put :
[ ]
1
put = K exp [rT ] Svega N T .
2
Il suft dinsrer :
1
ln (Svega /K) + rT = 2 T
2
dans les expressions de d1 et d2 .

2 Plusieurs approches sont possibles pour trouver le cours spot tel que S
= 0. Le
S=Sgamma
2
1 v
gamma tant reli au vega par la formule = S12 T v, on a S
= S
3 T v + S2 T S . Il suft
v
donc de trouver la valeur Sgamma telle la fonction 2 Sv + S
sannule. On remarque que :
v/v
ln v
= 2
= 2.
S/S
ln S
En reprenant la dnition de v (et en ngligeant les termes de ln v non fonction de ln S), on
trouve :
[
]
1 2
ln Se 2 d1 (ln S)
ln v
=
ln S
ln S
ln S 1 d21 (ln S)
=
ln S 2 ln S
1
= 1 d1 (ln S) .
T
123
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 124 #391
La condition
on trouve :
ln v
ln S
1
= 2 se rcrit 1d1 (ln S)
= 2 et, en dveloppant le terme d1 (ln S),
T
(
)
ln (Sgamma /K) + r + 12 2 T
= T ,
T
[ (
) ]
3
Sgamma = K exp r + 2 T .
2
soit encore :
Attention ! Ce maximum nest pas global.
Exercice 5
Solution
1 En notant = T t, on sait que :
call
) ]
(
ln (St /Kcall ) + r + 21 2 T
= N [d1 ] = N
,
T
on a donc :
1 [
Kcall = St eN
T +(r+ 12 2 )T
call ]
Pour le put, on a :
put
(
) (
) ]
ln Kput /St r + 12 2
= N [d1 ] = N
,

T +(r+ 12 2 )T
1
Kput = St eN [put ]
2 On voit que les strikes partagent quelques termes en commun. On peut en tirer parti :
[(
) ]
2
le produit des deux implique : Kcall = KSputt exp 2r + 2 T ;
[
]
le rapport des deux Kcall = Kput exp 2N1 [call ] T .
3 Loption de vente ATM a un delta de :
[ (
) ]
[
]
r + 12 2 T
put ATM
N d1
= N
,
T
celle ATM forward :
[
]
[
]
1
put ATM forward
N d1
= N T ,
2
Les options dachat de[(mme sensibilit

(au sens
du delta) ont respectivement
) ]
[(de valeur
) absolue
]
des strikes de St exp 2r + 2 T et St exp r + 2 T .
124
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 125 #392
Exercice 6
Solution
Puisque le delta est une fonction rgulire de S et de t, que lon note dailleurs (St , t), on
peut donc lui appliquer le lemme dIto. On trouve :
(St , t)
1 2 (St , t)
(St , t)
(dSt )2
dt +
dSt +
t
S
2
S2
= (St ,t) dt + (St ,t) dWtS ,
d (St , t) =
avec :
(St ,t) =
(St ,t)
t
t ,t)
+ S St (S
+ 12 2S S2t
S
(St ,t)
S2
=charm+S St + 12 2S S2t speed
t ,t)
= S St .
(St ,t) = S St (S
S
La tendance du delta est fonction des paramtres de gestion tudis dans le cours. On voit que
le gamma apparat formellement dans la volatilit du delta.
Exercice 7
Solution
1 Un strangle est une stratgie dont le delta est donn par :
strangle = call + put = N [d1 (Kc )] N [d1 (Kp )] .

Dire que la stratgie est delta neutre revient dire que strangle = 0 soit encore N [d1 (Kc )] =
N [d1 (Kp )].
2 Ce cours spot sobtient en simpliant :
N [d1 (Kc )] = N [d1 (Kp )] .

On trouve : S0 =
1 2
Kc Kp e(r+ 2 )T .
3 La relation prcdente en donne galement une entre les prix dexercice. Si on connat le cours
2
du spot, le strangle -neutre sappuie sur des prix dexercice qui vrient : Kc Kp = S20 e(2r+ )T .
4 Si on considre un straddle, alors on a une condition supplmentaire que Kc = Kp et le strike

1 2
choisir est Kc = S0 e(r+ 2 )T . Le delta est alors :
{
}) (
(
)
1 2
ln S0 / S0 e(r+ 2 )T
+ r + 12 2 T
= N [0] = 0, 5
N
T
(
{
})
(
)
1 2
car ln S0 / S0 e(r+ 2 )T
= r + 12 2 T .
125
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 126 #393
Exercice 8
Solution
1 Prix et principaux paramtres de gestion de ces deux options.
Prime
delta
gamma
thta*
vega*
rho*
call
put
9,635
0,59
0,018
-10,715
27,511
24,612
7,166
-0,411
0,018
-5,838
27,511
-24,154
Les paramtres de gestion thta, vega et rho, ont vocation tre multiplis par des valeurs faibles
(de lordre du pourcentage en loccurrence).
2) On utilise ici les valeurs de paramtres calcules prcdemment ainsi que lexpression :
fnouveau fancien +
f
1 2 f
f
f
f
S+
(S)2 + r (t)+
(t)+ t. (8.1)
S
2 S2
r
Les rsultats numriques sont donns dans le tableau 8.1. La prime approche donne dans
la ligne a) se calcule comme suit :
fnouveau fancien + t
9, 635 10, 715
9, 605 .
1
365
On sattend que la formule ci-dessus, issu du dveloppement de Taylor, soit dautant plus efcace quelle mobilise de nombreux paramtres de gestion. On observe cependant un phnomne de sous-estimation/sur-estimation de la vraie valeur, qui est typique des approximations
par dveloppement limit.
Exercice 9
Solution
Les valeurs en risque des options sont rcapitules dans le tableau 8.2. Elles sont typiquement
calcules de la manire suivante.
La -VaR de loption de lexercice 8 peut tre approche par :
126
VaRcall
5%
AT M
1
AT M

S
N1 [0, 05]
365
1
(1, 645)
= 0, 59 100 30 %
365
1, 52 .
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 127 #394
Tab. 8.1 : Valeurs exacte et approches des options dachat et de vente.
1 journe
a) Prime Exacte (t = 1/365)
a) Prime approche thta
1 Semaine
b) Prime Exacte (t = 7/365, S = +7)
b) Prime approche par delta
b) Prime approche par delta et thta
b) Prime approche par delta et gamma
b) Prime approche par delta, gamma et thta
c) Prime Exacte (t = 7/365, r = 1 %, S = +7)
c) Prime approche par delta, thta et rho
c) Prime approche par delta, gamma, thta et rho
d) Prime Exacte (t = 7/365, r = 1 %, S = +7, = +5 %)
d) Prime approche par delta, thta, rho et vega
d) Prime approche par delta, gamma, thta, rho et vega
call
put
9,60549
9,60552
7,14984
7,14987
13,970
13,755
14,204
13,549
13,999
13,675
13,303
13,753
14,981
14,679
15,128
4,594
4,286
4,174
4,735
4,623
4,770
4,412
4,865
6,077
5,791
6,240,
Tab. 8.2 : Valeurs en risque de la position doption.

call
VaR5 % (1 j) approche par la -VaR

VaR5 % (1 j) exacte
VaR1 % (1 j) approche par la -VaR
VaR1 % (1 j) exacte
OTM
0,001
0,001
0,002
0,001
ATM
1,520
1,486
2,150
2,053
put
ITM
3,81
3,8176
5,389
5,385
OTM
0,063
0,070
0,089
0,107
ATM
1,063
1,109
1,503
1,613
ITM
1,29
1,303
1,824
1,838
et
put
VaR5 %
AT M
1
AT M

S
N1 [0, 05]
365
1
= 0, 411 100 30 %
(1, 645)
365
1, 29.
La VaR analytique est obtenue en calculant :

[ ( (
)
)
(
)]
1 1
1
1
c S0 1 +
N [0, 05] ; K, T
c S0 ; K, T
.
365
365
365
En effet, la prime du call est une fonction bijective croissante de la valeur du sous-jacent. Son
quantile est donc limage par la formule de BSM du quantile de la valeur du sous-jacent. Il
convient donc de calculer le quantile
127
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 128 #395
Exercice 10
Solution
1 Le prix dune option est de 3, 5075 euros. Vous avez donc obtenu 35 075 euros de cette vente.
Le delta de cette option est = N [d1 (S0 )] = 0, 535 et son gamma est = 0, 048.
2 On construit un portefeuille -neutre en adossant, la position courte dans le call, une posi-
tion longue (un achat) dans n0 actions sous-jacentes. La valeur dun portefeuille -neutre est
rpute insensible aux mouvements (limits) du cours de lactif sous-jacent.
la date 0, le portefeuille -neutre contient la position courte dans le call et une position
longue dans lactif. On a :
0 = + 10 000 c0 10 000 n0 S0 ,
|
{z
}
|
{z
}
cash issu de la vente
achat dactions
avec c0 le fruit de la vente dune option la date initiale. Le cours nous apprend que le nombre
dactions n0 acheter est donn par le delta de loption dachat, soit = 0, 535. La valeur
de notre portefeuille (sans autre opration) est donne par :
0 = 35 075 10 000 0, 535 100

= 35 075 535 000
= 499 925.
Le portefeuille prsente un dcouvert que lon peut nancer par emprunt aux conditions de
march (taux dintrt i). On a :
nanc
= + 10 000 c0 10 000 nS S0 + 10 000 (n0 S0 c0 )
0
|
|
{z
}
{z
} |
{z
}
cash issu de la vente
= 499 925 +
achat dactions
somme emprunte = E0
499
| {z925} .
somme emprunte = E0
Comme conseill dans le cours, nous privilgierons dsormais le portefeuille de duplication,

qui sera rebalanc une fois par semaine. Il est cens couvrir les variations de la position courte.
On a, la date 0 :
10 000 c0 = 10 000 n0 S0 E0 .
3 la date 1 en n de semaine, le cours est mont jusqu S1 = 105. La position courte dans
loption est value :
(
)
3
10 000 c1 S1 = 105; K = 100, =
= 63 109.
52
Malgr la hausse du cours de S1 , la diminution de la dure de vie baisse le prix de loption. Il ne

3
). Juste avant modication, la valeur du portefeuille
reste que trois semaines avant chance ( 52
de duplication est donne par :
10 000 n0 105 E
1,
128
1
avec E
1 = E0 (1 + it) la somme due au titre de lemprunt sur une semaine (t = 52 ).
(n0 S0 c0 ) it est le montant des intrts payer sur la premire priode t. Cette somme
sajoute la dette existante.
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 129 #396
Tab. 8.3 : Un scnario de couverture -neutre de la position courte.

Date
Actif
Option
delta
Variation nb actions
Cots
St
ct
nbt
St nbt
Financement
Et
0
1
2
3
100
105
110
105
35 075
63 109
103 185
53 371
0,5350
0,7743
0,9537
0,8881
+5 350
+2 393
+1 794
656
535 000
251 265
197 340
- 68 880
499 925
751 671
949 734
881 767
99/104
0/4
8 881/+1 119
-879 219/110 682
-3 396 / 1009
Rsultat net
On va maintenant dterminer le nouveau delta pour ajuster le nombre dactions n1 dtenir

la date 1
[ (
)]
3
n1 = N d1 S1 = 105; K = 100, =
= 0, 7743.
52
Ce nombre est suprieur n0 . On doit acheter des actions au prix S1 et nancer cet achat
par emprunt. Le portefeuille de duplication devient n1 S1 E1 avec :
E1 = E
1 + 10 000 (n1 n0 ) S1 .
{z
}
|
diffrentiel nanc par emprunt
Le portefeuille de duplication est en fait autonanc. On a 10 000 n0 S1 E

1 =
10 000 n1 S1 E1 . Les dates suivantes sont traites de la mme manire. On a le
tableau 8.3.
( On note nb0 = 10 000) 0 , pour t > 0, nbt = 10 000 (t t1 ),
nb4 = 10 000 1{S4 >100} 8 881 S4 , E0 = nb0 S0 c0 , pour t = 1, 2 et 3, on a :
Et = Et1 (1 + it) + St nbt , , RN4(= 1 000 000
) 1{S4 >100} + 8 881 S4 1{S4 <100}
1
1119 S4 1{S4 >100} 881 767 1 + 5 % 52
.
On constate que, durant la vie de loption, la hausse du cours de laction se traduit par une
augmentation du nombre de titres dtenus, et vice versa pour une baisse de cours. La cause
principale de ce phnomne provient de la probabilit de nir dans la monnaie (qui saccrot
ou qui dcrot). Mais attention ! La dernire priode est toujours dlicate de ce point de vue, du
fait du thta particulirement important. Sur nos simulations, le cours diminue par exemple
de 105 104, mais nos devons tout de mme continuer acheter des actions.
La n de la semaine 4 est lchance du contrat. Le concept de delta nest plus pertinent. Deux
scnarios sont alors possibles :
1. Le cours de laction est infrieur au prix dexercice, le contrat driv steint hors la monnaie
et le dtenteur nexerce pas son option. On suppose que S4 = 99 < K = 100. Vous revendez
immdiatement les 8 881 actions 99 euros8 et obtenez 879 219 euros. Vous remboursez
lemprunt et payez les( intrts demprunt
qui se sont accumuls : le montant total est de 882
)
1
615 euros (=881 767 1 + 5 % 52
). La vente de loption dbouche sur une perte de 879 219
882 615 = 3 396 euros, juge trs faible9 .
8
9
N.B. : ce cours est infrieur au prix moyen pay pour ces actions.
Que lon peut estimer trs faible.
129
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 130 #397
2. Le cours de laction est suprieur au prix dexercice, le contrat driv steint dans la monnaie et le dtenteur exerce son option. On suppose que S4 = 104 > K = 100. Vous allez
donc recevoir 1 000 000 euros (le prix dexercice). Mais vous devrez livrer 10.000 actions,
alors que vous nen possdez que 8 881. Vous allez donc devoir acheter 1 119 actions 104
euros, pour un cot total de 116 376 euros. Le nancement total des achats se montent donc
998 991 soit 116 376 euros plus le cot des prcdents achats nancs par endettement
1
)). Vous faites un bnce de 1009 euros, ce qui reste limit pour
(881 767 (1 + 5 % 52
10 000 contrats.
Vous avez achet 5 350 actions 100 euros (dont une partie ance par la vente de loption),
2 400 actions 105 euros, 1 787 actions 110 euros, revendu 656 actions 105 et, dans le
second scnario, achet 1119 actions 104. Votre prix moyen est dachat est de 103,11 euros
(hors cot de nancement). Avec les cots de nancement, le prix moyen est denviron 30
centimes suprieur. Dans le second scnario, en faisant la moyenne des prix moyens lachat
et la vente, on trouve un prix moyen de transaction de 101 27 euros ou 101,43 euros (selon
que lon prend ou non les cots de nancement).
130
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 131 #398
Chapitre 9
Exercice 1
Solution
Question prliminaire :
Le processus saut pur est donn par
dSt
St
= (r k) dt + kdqt .
La probabilit dobserver n sauts sur une courte priode dt est, daprs lquation (9.1),
value :
edt (dt)n
Pr [dqt = n] =
.
n!
Elle est donc proportionnelle dtn et considre comme nulle (par application des rgles de
calcul stochastique), ds que n est strictement plus grand que 1. On a bien :
Pr [dqt = n] 0, pour n = 2, 3, 4, etc.

La probabilit dobserver un saut sur un instant dt est donne par :
Pr [dqt = 1] = edt dt.

Or, un dveloppement limit de la fonction exponentielle nous apprend que :
ex = 1 + x +
x2 x3
+
+ ...
2!
3!
On a donc :
(dt)3 (dt)4
+ ...
2!
3!
et les rgles de calcul stochastique nous permettent, encore une fois, de simplier lexpression
en annulant tous les termes dtn o n > 1.
Pr [dqt = 1] = dt (dt)2 +
La probabilit de navoir aucun saut sur la priode [0, t] est obtenue en posant n = 0 dans
lquation (9.1). Sachant que 0! = 1, on obtient
Pr [qt = 0] = et .
Cette probabilit ressemble alors la formule dvaluation dune obligation zro-coupon dchance t, dont le rendement actuariel serait 1 .
1
La loi de dqt = (qt+dt qt ) tant identique celle de (qdt q0 ) = qdt , on a :
E [dqt ] = E [(qt+dt qt )] = E [qdt ] = dt .
Cette remarque est lorigine de lapproche dite rduite pour modliser le risque de dfaut.
131
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 132 #399
Pour le moment dordre deux, on a :
[
]
E dq2t =
i2 Pr [dqt = i] = 12 Pr [dqt = 1] = dt.
i=1
La variance instantane est donc :
[
]
var [dqt ] = E dq2t E [dqt ]2 = dt.
| {z }
=(dt)2 =0
On note en outre E [dqt dt] = E [dqt ] dt = dt2 = 0.

Le processus compens qc est une martingale, si E [ qct | Fs ] = qcs , o Fs est linformation
possde la date s. On sait par ailleurs que E [ qct | Fs ] = E [ qt t| Fs ], que t est un terme
non alatoire et que qt = qt qs + qs . On a donc :
E [ qct | Fs ] = E [ qt qs | Fs ] + qs t.
Puisque, maintenant, le terme qt qs est indpendant de lhistoire du processus jusquen s
(et donc de linformation Fs ) et que la loi de (qt qs ) est identique celle de qts , on a :
E [ qct | Fs ] = E [qts ] + qs t
= (t s) + qs t
= qs s
= qcs .
2 On peut aisment simuler des chocs dans la mesure o lon dispose dun module de gnration
de variables alatoires de loi de Poisson. On peut galement remarquer que les accroissements
dqt sont assimilables des variables de Bernoulli sur les petites priodes qui nous intressent
(la probabilit dobserver deux sauts sur la mme journe est faible et suppose ngligeable).
Dans les colonnes 2 et 3 du tableau suivant, on pose pour lillustration Pr [dqt = 1] = dt =
10 % et Pr [dqt = 1] = dt = 5 % et on simule des ralisations de variables alatoires de
Bernoulli.
Chocs
Nb sauts par an
lambda x dt
JOUR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
36,5
0,1
18,25
0,05
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Processus de Poisson
36,5
18,25
0,1
0,05
0
0
0
0
0
0
0
0
0
0
0
0
1
0
1
0
1
0
2
0
2
0
2
0
2
0
2
0
2
0
Processus de Poisson compens

36,5
18,25
0,1
0,05
-0,1
-0,2
-0,3
-0,4
-0,5
0,4
0,3
0,2
1,1
1
0,9
0,8
0,7
0,6
-0,05
-0,1
-0,15
-0,2
-0,25
-0,3
-0,35
-0,4
-0,45
-0,5
-0,55
-0,6
-0,65
-0,7
Une fois ces chocs (dqt ) disponibles, on obtient deux trajectoires de processus de Poisson (dans
les colonnes 4 et 5) en calculant :
132
q0 = 0
qi = qi1 + dqi .
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 133 #400
La quatrime colonne montre clairement que q = (qt )t est un processus de comptage.

larrive du premier choc en date 6, le processus de Poisson fait un saut de taille 1. En date 9,
le deuxime choc le fera bondir en 2, et ainsi de suite. Le processus compens diminue continment le processus de Poisson de dt. On obtient les deux trajectoires suivantes :
Fig. 9.1 : Trajectoires de processus de Poisson pur et compens
Trajectoire de processus de Poisson
Trajectoire de processus compens

10
50
45
40
6
35
4
30
25
20
0
1
15
37
73
109
145
181
217
253
289
325
361
-2
10
5
-4
0
1
37
73
109
145
181
217
253
289
325
361
-6
Il est ensuite ais de calculer :
St+dt = St exp [rdt kdt] (1 + k)(qt+dt qt )

et on obtient les deux trajectoires suivantes selon la valeur du paramtre k.
Fig. 9.2 : Trajectoires de cours boursiers issus de processus de Poisson
k<0
k>0
900
120
800
100
700
600
80
500
60
400
40
300
200
20
100
0
0
1
37
73
109
145
181
217
253
289
325
361
37
73
109
145
181
217
253
289
325
361
Pour ajouter limpact dun mouvement brownien, il convient de disposer de valeurs simules
de la loi normale centre rduite. On gnre donc 365 ralisations dune loi normale que
133
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 134 #401
lon place dans la suivante colonne. Et, si on note t+dt la ralisation de la date t + dt, on a :
[
]
St+dt = St exp rdt kdt + dtt+dt (1 + k)(qt+dt qt )

et on obtient les trajectoires :
Fig. 9.3 : Trajectoires de cours boursiers issus de processus mixtes
k<0
k>0
1000
120
900
100
800
700
80
600
500
60
400
40
300
200
20
100
0
0
1
37
73
109
145
181
217
253
289
325
361
37
73
109
145
181
217
253
289
325
361
La simulation dune trajectoire dun processus de ruine est identique, hormis le fait que la
trajectoire sarrte ds le premier saut. On a :
Fig. 9.4 : Trajectoires de cours boursiers issus dun modle de ruine (pur ou mixte)
Processus de ruine (pur)
Processus de ruine mixte

120
120
100
100
80
80
60
60
40
40
20
20
0
1
37
73
109
145
181
217
253
289
325
361
37
73
109
145
181
217
253
289
325
361
134
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 135 #402
Exercice 2
Solution
1 Le paramtre J implique, en cas de saut, une variation moyenne du cours de k = J 1.
Dans la mesure o le paramtre J est soit suprieur, soit infrieur 1, la variation attendue
du cours sera positive ou ngative. J > 1 caractrise limpact dune information inattendue
juge plutt bonne.
La volatilit de laction est lcart-type de sa rentabilit. Le cours nous apprend que la variance
de la rentabilit est donne par :
(
)
(
)
1
St
var ln
= 2 + 2ln J + 2ln J .
t
S0
Lnonc nous donne 2 et . On doit calculer ln J et 2ln J (voir la note de bas de page 5).
On a :
(
(
)
)
( ) 1
0, 04
0, 04
2ln J = ln 1 + 2
et
ln J = ln J ln 1 + 2
.
J
2
J
On trouve :
sigma
mu_J
sig_J
lambda
k
mu_lnJ
sig_lnJ
22,36 %
80,00 %
20,00 %
1
-20 %
-25,35 %
24,6 %
22,36 %
90,00 %
20,00 %
1
-10 %
-12,95 %
22,0 %
22,36 %
100,00 %
20,00 %
1
0%
-1,96 %
19,8 %
22,36 %
110,00 %
20,00 %
1
10 %
7,90 %
18,0 %
22,36 %
120,00 %
20,00 %
1
20 %
16,86 %
16,6 %
On observe que k et ln J ont sensiblement la mme valeur. Celle de la variance totale est alors
donne dans le tableau suivant :
Total Var
Volatilit nave
Volatilit totale
0,1749
22,36 %
41,82 %
0,1150
22,36 %
33,91 %
0,0896
22,36 %
29,93 %
0,0888
22,36 %
29,79 %
0,1058
22,36 %
32,53 %
(
)
= 2 + 2ln J + 2ln J , il convient de reprendre lquaqT
(
)
tion (9.6). En notant YT =

Jn , on a var ln SSt0 = var(Wt + ln Yt ) = 2 t+ var(ln Yt )
Pour dmontrer
avec ln Yt =
qt
1
t var
ln SSt0
n=1
ln Jn . La deuxime galit provient de lindpendance entre les deux alas.
n=1
Il suft ensuite de calculer var(Yt ) :

var (ln Yt ) = var (E [ln Yt |qt ]) + E [var (ln Yt |qt )]
(
)
[
]
= var qt ln J + E qt 2ln J
car les variables ln Ji sont des copies de la variable ln J. On a alors :
var (ln Yt ) = 2ln J var (qt ) + 2ln J E [qt ]
= 2ln J t + 2ln J t.
135
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 136 #403
2 Idem 1.
3 La formule dvaluation de Merton (1976) nous apprend que la prime doption est une somme
innie de primes individuelles :
e T ( T )
BSM
call
c0 =
S0 ,
n!
n=0
)
)
n 2
n (
2
+ ln J , r k + ln 1 + k .,
T
T
videmment, il nest pas ralisable de prendre une somme innie de termes. On va donc en
prendre autant que ncessaire (jusqu ce que les termes omis deviennent ngigeables). La gure 9.5 value limportance des dix premiers termes de la srie. On a utilis les valeurs de
paramtres prcdents avec J = 120 %. On considre ici des chances de 1 mois, 3 mois, 6
n
e T ( T )
)
mois, 1 an et 2 ans. On observe sur le graphique en haut gauche que les poids (
n!
dcroissent rapidement pour les chances de court terme. Le graphique en haut droite
k
e T ( T )
) montre que peu de termes sufsent capter 80 % des scnarios pos( n
k=0
k!
sibles. La valeur croissante des prix (doptions) pondrs donne nanmoins de limportance
des scnarios peu probables, comme le montre les graphiques en bas :
n
(
(
))
e T ( T )
n
2
). Lintrt marginal da(
callBSM S0 , 2 + n
n!
T ln J , r k + T ln 1 + k
jouter un terme de plus au-del de 10 reste nanmoins faible, la formule de Merton (1976)
ne sera donc pas dveloppe plus loin.
Fig. 9.5 : Une dcomposition de la formule de Merton (1976).
Les poids de la formule (J =120 %)
1.0
1.0
Somme des n premiers poids
T = 1/12
0.8
Pr[qT =n]
3/12
0.6
6/12
0.4
0.2
4
n
0.6
0.4
0.2
0.0
0.0
0
0.8
Les prix pondrs
J = 120 %
J = 80 %
10
5
Pr[qT =n]
Pr[qT =n]
4
3
2
6
4
2
2
1
0
0
0
4
n
136
4
n
4 Les prix doptions et les volatilits implicites sont donns dans le tableau suivant. La volatilit
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 137 #404
implicite est calcule comme dans le chapitre prcdent.

sigma
mu_J
sig_J
lambda
k
mu_lnJ
sig_lnJ
Total Var
Volatilit nave
Volatilit totale
BSM + vol nave
BSM + vol totale
Merton
Volatilit implicite
22,36 %
80,00 %
20,00 %
1
-20 %
-25,35 %
24,6 %
0,1749
22,36 %
41,82 %
7,535
12,884
11,462
36,64 %
22,36 %
90,00 %
20,00 %
1
-10 %
-12,95 %
22,0 %
0,1150
22,36 %
33,91 %
7,535
10,710
9,961
31,18 %
22,36 %
100,00 %
20,00 %
1
0%
-1,96 %
19,8 %
0,0896
22,36 %
29,93 %
7,535
9,617
9,267
28,66 %
22,36 %
110,00 %
20,00 %
1
10 %
7,90 %
18,0 %
0,0888
22,36 %
29,79 %
7,535
9,578
9,407
29,17 %
22,36 %
120,00 %
20,00 %
1
20 %
16,86 %
16,6 %
0,1058
22,36 %
32,53 %
7,535
10,331
10,278
32,34 %
Plusieurs lments mritent dtre formuls. Premirement, on a bien obtenu des primes doptions cohrentes avec nos attentes dans la mesure o les prix sont bien des fonctions croissantes
de la volatilit totale. Deuximement, on constate que ngliger totalement la prsence de sauts
(en utilisant la volatilit dite nave, qui ne tient pas compte des sauts) fait prendre des
risques importants puisque lon obtient un seul prix l o les diffrents contextes en justient
plusieurs. Cette posture (peut-tre involontaire) nest vritablement tenable que si les sauts
possdent une taille attendue nulle. Si on russit estimer la volatilit totale (par exemple sur
des donnes historiques), on constate une amlioration de la performance numrique de la
simple formule de BSM. Lerreur commise est asymtrique puisque lon voit une diffrence
plus grande pour k = 20 % (12,884 vs 11,462) que pour k = 20 % (seulement 10,331 vs
10,278). Mais attention ! Cest certes mieux numriquement, mais lon commet une erreur
thorique de fond.
Aux lecteurs aviss : on pourra recommander de recommencer les simulations en xant la
volatilit totale pour voir dans quelle mesure la variance totale est incapable de rendre compte
du comportement structurel du processus saut.
5 Idem 4.
6 La volatilit implicite gnre par le modle est tudie dans la gure 9.6 sous diffrents angles.
Conformment aux pratiques de march, une des abscisses retenues est le prix dexercice exprim en pourcentage du cours cot (voir la section sur lenjeu dans le chapitre prcdent).
Nous avons pris soin ici de maintenir la constance de la volatilit totale. On constate que
laugmentation relative de lincertitude sur la taille du saut augmente la courbure du smile,
alors que la taille du saut a un fort impact. Les sauts dinuence positive (k > 0) augmentent
relativement plus la valeur des options hors-la-monnaie, ceux dinuence ngative la valeur
des options dans la monnaie. Le dernier graphique sintresse lintensit et montre son importance. La valeur maximale envisage est 4 sauts par an, sachant que lchance de loption
est de 3 mois.
Le graphique de gauche reprsente la volatilit implicite en fonction de lenjeu de loption
et de lincertitude sur la taille du saut (ln J ). Le graphique de droite reprsente la volatilit
implicite en fonction de lenjeu de loption et de la taille moyenne du saut (k). Le graphique
du bas reprsente la volatilit implicite en fonction de lenjeu de loption et de lintensit du
saut : le paramtre prend des valeurs comprises entre 0 et 4 saut(s) par an.
7 Les graphiques de la gure 9.7 illustrent le niveau de la prime de skewness que le modle mixte
de Merton (1976) peut gnrer. La ligne droite correspond au cas o la taille moyenne des
137
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 138 #405
Fig. 9.6 : Volatilit implicite et paramtrage des sauts
sauts est nulle k = 0 %. Cette droite se confond avec le skewness premium de BSM. La prise
en compte dun choc positif ou ngatif conrme ensuite la capacit du modle sloigner
de la symtrie. De manire assez intuitive, lasymtrie vidente engendre par des sauts de
taille moyenne positive entrane une survaluation relative des options dachat par rapport aux
options de vente. De la mme faon, lasymtrie engendre par des sauts de taille moyenne
ngative entrane une survaluation relative des options de vente par rapport aux options
de vente. Pour la gamme de paramtres utilise, lasymtrie gnre est mme rapidement
importante.
Fig. 9.7 : Skewness premium.
1.0
Skewness Premium
Skewness Premium
k = 3%
2%
k= 0%
0.5
k = - 1%
0.0
1%
- 2%
0% = BSM
- 3%
- 0.5
0
0.0
0.2
0.4
0.6
x
0.8
1.0
0.0
0.2
0.4
0.6
0.8
1.0
8 Enn, nous avons reprsent dans la gure 9.8 la forme de la distribution considre par le
138
modle de Merton (1976). On sait dj que la prime doption peut tre vue comme un m-
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 139 #406
lange de prix doptions BSM (qui reposent, elles, sur lhypothse de normalit des rentabilits).
La distribution de la rentabilit est donc un mlange de loi normale dont les paramtres se
dduisent directement de la formule dvaluation. Nous avons reprsent gauche les distributions de rentabilits obtenues, les sauts attendus tant plutt ngatifs (en haut) ou plutt
positis (en bas). Les graphiques de droite montrent, eux, que ces distributions sont issues de
la superposition de plusieurs distributions qui seront pondres.
Fig. 9.8 : Distribution de la rentabilit.
1.2
1.4
1.0
1.2
0.8
1.0
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0
0.0
-4
-2
0.5
-4
-2
-4
-2
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0.0
0.0
-4
-2
Exercice 3
Solution
1 Les valeurs simules de laction peuvent sobtenir par la formule :
[
Si+1 = Si exp
]
1
1
r 2i + i i ,
252
2
avec i la volatilit (htroscdastique) issue dun processus GARCH(1, 1) dont les paramtres
seraient ceux estims dans lexercice 7 du chapitre 3. La valeur initiale du processus de variance
2
est donne par 21 = (24,351%)
, les valeurs suivantes vrient la relation :
252
2i = 1, 66.106 + 0, 0832 (i1 i1 )2 + 0, 90982i1 .

Lapproche la plus simple consiste alors gnrer 5 000 chocs () sur 3 mois (soit 5 000 lignes et
60 colonnes de ), dterminer ensuite les 5 000 trajectoires de la variance, et enn calculer
les valeurs de laction dans chaque scnario. Chaque trajectoire produit une valeur de laction
lhorizon des 3 mois. On en obtient donc 5 000 : (S3 mois,i )i=1,...,5 000 . La prime de loption est
139
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 140 #407
alors estime en actualisant (sur trois mois au taux r) la moyenne des 5 000 pay-offs envisags
pour loption. On a :
N
3
1
max (S3 mois,i K; 0) .
e 12 r
5000
i=1
On gnre 5 000x12 = 60 000 ralisations dune variable alatoire normale laide dExcel (le
nombre gnrateur est 111). On obtient pour S0 = 3 947, 15, les valeurs suivantes en fonction
des prix dexercice. En reprenant la formule de BSM, on dtermine galement les volatilits
implicites correspondantes.
K
4200
4175
4150
4125
4100
4075
4050
4025
4000
3975
3950
3925
3900
3875
3850
3825
3800
3775
3750
3725
3700
Prime MC
103,0890
110,7887
118,9764
127,6413
136,8085
146,5007
156,6770
167,4480
178,8285
190,7503
203,2045
216,2002
229,8184
244,0120
258,7448
274,0462
289,9038
306,2903
323,1995
340,5894
358,5209
BSM vol Imp

23,12 %
23,08 %
23,05 %
23,02 %
23,00 %
22,97 %
22,94 %
22,92 %
22,92 %
22,91 %
22,90 %
22,89 %
22,89 %
22,90 %
22,90 %
22,91 %
22,92 %
22,94 %
22,95 %
22,97 %
22,99 %
La prise en compte du comportement htroscdastique de la volatilit implique un smile de

volatilit implicite !
2 Idem 1.
3 Pour valuer limportance des paramtres structurels du processus GARCH(1,1), on peut en-
visager den changer toutes choses restant gales par ailleurs. On propose ici de diminuer le
paramtre a et b de 1 %. On trouve les graphiques de la gure 9.9.
Les graphiques suggrent que la volatilit implicite est sensible aux paramtres du processus
GARCH(1,1). Pour les paramtres choisis, le graphique du haut indique que la baisse dun
pourcent de la valeur des paramtres diminue la volatilit implicite, le paramtre b tant le
plus inuent. Les paramtres nagissent pas nanmoins de la mme manire. Le graphique
( deux axes) en bas gauche montre que le paramtre b inue galement sur la convexit.
Le graphique en bas droite suggre que le paramtre a ne change pas la forme du smile de
volatilit mais seulement le niveau, puisque les deux courbes se superposent dans un graphique
deux axes.
140
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 141 #408
Fig. 9.9 : Les smiles de volatilit implicite gnrs par une dynamique GARCH(1,1)
23,20 %
23,10 %
23,00 %
22,90 %
22,80 %
22,70 %
22,60 %
22,50 %
22,40 %
0,
93
7
0,
94
4
0,
95
0
0,
95
6
0,
96
3
0,
96
9
0,
97
5
0,
98
2
0,
98
8
0,
99
4
1,
00
1
1,
00
7
1,
01
3
1,
02
0
1,
02
6
1,
03
2
1,
03
9
1,
04
5
1,
05
1
1,
05
8
1,
06
4
22,30 %
Valeurs initiales
ax99 %
bx99 %
22,60 %
23,15 %
23,10 %
23,15 %
22,55 %
23,10 %
23,05 %
23,10 %
23,05 %
23,00 %
23,05 %
23,00 %
22,95 %
23,00 %
22,95 %
22,90 %
22,95 %
22,30 %
22,90 %
22,85 %
22,90 %
22,25 %
22,85 %
22,80 %
22,85 %
22,50 %
22,45 %
22,40 %
0,
93
0, 7
95
0, 0
96
0, 3
97
0, 5
98
1, 8
00
1, 1
01
1, 3
02
1, 6
03
1, 9
05
1, 1
06
4
0,
93
0, 7
95
0, 0
96
0, 3
97
0, 5
98
1, 8
00
1, 1
01
1, 3
02
1, 6
03
1, 9
05
1, 1
06
4
22,35 %
Exercice 4
Solution
Cet exercice peut sembler, dun point de vue technique, similaire au prcdent. Dun point de
vue nancier, il tudie le comportement des contrats doptions, qui sont plus fortement dans
la monnaie et hors la monnaie.
1 Pour obtenir une distribution risque-neutre dune action cote aujourdhui 1 000 euros ho-
rizon 1 mois et 3 mois (1 mois correspondant 4 semaines ou 20 jours), on peut dessiner

lhistogramme des prix obtenus 1 et 3 mois. En reprenant le contexte de lexercice prcdent appliqu une action qui vaut 1 000 la date 0, on trouve le graphe de la gure 9.10.
Comme attendu, la gamme de valeurs possibles dans trois mois est plus large que celle des
valeurs dans un mois.
141
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 142 #409
Fig. 9.10 : Histogramme des prix obtenus 1 et 3 mois

0,12
1 mois
0,1
0,08
0,06
0,04
0,02
0
535,02
692,68
850,33
1007,99
1165,64
1323,30
1480,95
ou plus
2 2, 3 et 4. Lestimation des diffrentes primes doptions dachat se fait avec la mme mthode
que lexercice prcdent. Les volatilits implicites sont obtenues en inversant la formule de
Black, Scholes et Merton laide du solver. On trouve le tableau suivant avec en gras le prix
dexercice qui correspond au prix terme :
K
810,06
860,69
911,32
961,95
1012,58
1063,21
1113,84
1164,47
1215,09
Prime MC
201,5222
154,2885
110,7915
73,9443
45,6851
26,3716
14,3253
7,2974
3,4897
BSM vol Imp

24,63 %
23,74 %
23,13 %
22,93 %
22,92 %
23,11 %
23,38 %
23,58 %
23,72 %
La prise en compte dune volatilit htroscdastique donne l encore un smile de volatilit

implicite.
5 La reprsentation graphique du smile de volatilit indique nanmoins une forme diffrente
(voir gure 9.11).

6 En diminuant de 10 % la valeur du paramtre a ou celle du paramtre b, on trouverait qua-
litativement les mmes rsultats que lexercice prcdent.
Exercice 5
Solution
La formule programmer est la suivante :

142
c0 (K, T ) = S0 N [h1 (S0 , K, T )] Fp0 (0, T ) N [h2 (S0 , K, T )]
(9.1)
i
i
i
Prepa-Exos 2010/11/3 18 :09 page 143 #410
Fig. 9.11 : Smile de volatilit

24,80 %
24,60 %
24,40 %
24,20 %
24,00 %
23,80 %
23,60 %
23,40 %
23,20 %
23,00 %
22,80 %
800,00
850,00
avec, en notant V (0, T ) =
900,00
950,00
1000,00
1050,00
1100,00
1150,00
1200,00
1250,00
]
T [ 2
2
0 S + p0 (u, T ) 2r,S S p0 (u, T ) du,
h1 (S0 , K, T ) =
ln (S0 / [Fp0 (0, T )]) + 12 V (0, T )
V (0, T )
et h2 (S0 , K, T ) = h1 (S0 , K, T ) V (0, T ). On consultera le synthex pour la formule dvaluation de lobligation zro-coupon dans le contexte de Vasicek (1977). La variance totale
de lactif est, elle, donne par :
[
]
)
2 2r,S S r
1 exp [T ] ( 2
V (0, T ) = T 2S + 2r +
r + r,S r S k
2
3
2
1 exp [2T ]
+ 2r
.
2
Cette formule est trs simple calculer sur Excel. Si le taux instantan r0 soit gal 5%
et Q = 5 %, r = 5%, kr = 1, alors le prix du zro-coupon de maturit 3 mois et de
valeur faciale unitaire est, selon le modle de Vasicek (1977), 0,98758. Si, de plus S0 = 1 000
et S = 40 % et rS = 0, 25 alors loption dachat de dure de vie 3 mois et de prix
dexercice le prix terme vaut 79,3827. La variance totale est ici V (0, T ) = 0, 0397, soit une
volatilit (annualise) denviron 40 %. Pour de nombreuses situations, catte variance ne change
que trs peu en fonction de la corrlation ( moins de considrer des valeurs draisonnables).
On conclura que, dans le modle de Vasicek, le comportement alatoire des taux dintrt
nimpacte que nalement trs peu le prix de loption.
143
i
i

7316 Corriges Finance2 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

7316 Corriges Finance2 PDF

Transféré par

Droits d'auteur :

Formats disponibles

i

Corrigs des exercices

mines sur chaque priode. On a par dnition :

ni Pti et la rentabilit arithmtique ex post du portefeuille (voir lexpression (1.2) du

rithme et exponentielle nous donnent, aprs simplication :

2010 Pearson France Synthex Finance de march Franck Moraux

arithmtique sera suprieure. Le terme dordre trois

augmente encore lcart

Dv. limit ordre 1

Dv. limit ordre 1

2010 Pearson France Synthex Finance de march Franck Moraux

o le sens du terme moyenne peut prter confusion. Si on note P0 = 100, P1 = 90

Moyenne employer pour le calcul

2010 Pearson France Synthex Finance de march Franck Moraux

cart Absolu Moyen

* Le kurtosis est calcul, ici, en excs de 3. ** La statistique rejette fortement la normalit.

2010 Pearson France Synthex Finance de march Franck Moraux

un actif not B dans des proportions respectives xA et xB . La rentabilit ex ante du portefeuille

la seconde galit utilisant la linarit de la covariance. En divisant droite et gauche de

On rappelle que les identits remarquables sont au programme du collge.

0, 01000 0, 00360 0, 00300

0, 02000 0, 00720 0, 00600 6 % 1

0, 00720 0, 01440 0, 01440 7 % 1

le rsultat. Et si lon considre Cr =

2010 Pearson France Synthex Finance de march Franck Moraux

la maximisation de la fonction (1.18) du livre :

On doit donc rsoudre la condition de premier ordre L3 (X, x ) = 0 qui scrit :

Il conviendra de diviser par le vecteur colonne X obtenu comme solution, et cela an

2010 Pearson France Synthex Finance de march Franck Moraux

pose Cr = 3, 5 %, on trouve X3,5 % =

2010 Pearson France Synthex Finance de march Franck Moraux

on doit poser X10 % =

8,00 % 10,00 % 12,00 % 14,00 % 16,00 %

2010 Pearson France Synthex Finance de march Franck Moraux

Mais il est galement possible dinstrumentaliser la dnition de la pente E[R]r

b- de rentabilit attendue fixe.

On pourra se reporter au document Excel.

Lajout dune contrainte supplmentaire diminue le nombre de portefeuilles envisageables.

2010 Pearson France Synthex Finance de march Franck Moraux

Le prol du portefeuille est (E [RP ] , P ), avec E [RP ] = x1 E [R1 ] + x2 E [R2 ]. Puisque

E [RP ] = (1 xB ) E [RA ] + xB E [RB ]

qui peut se rcrire :

2P = 2A 2xB 2A + x2B 2A + x2B 2B + 2xB AB A B 2x2B AB A B

La variance de la rentabilit du portefeuille 2P est donc, elle, une forme quadratique de

2010 Pearson France Synthex Finance de march Franck Moraux

2010 Pearson France Synthex Finance de march Franck Moraux

que lon peut crire :

portefeuille. On a P = c 2bE [RP ] + aE [RP ]2 (qui dcrit une hyperbole). Le portefeuille

o la premire somme concerne N termes et la seconde N (N 1) termes. Si le portefeuille

et le second terme scrit :

2010 Pearson France Synthex Finance de march Franck Moraux

= 5, 333. Ajouter un sixime actif dans le

2010 Pearson France Synthex Finance de march Franck Moraux

(ce rapport est connu sous le nom de ratio de Sharpe).

3 a) En considrant rf = rf X U, le Lagrangien scrit :

Lenveloppe est signicativement modie, comme lillustre la gure suivante.

Les modications sont effectues

2010 Pearson France Synthex Finance de march Franck Moraux

1 Si la rentabilit est normale, on a RN , 2 , soit encore R = m + .Z,avec Z une variable

= c. Si N est la fonction de rpartition de la loi normale

= N1 (c), soit encore :

On a donc E [R0 (10)] =

E [Ri1 (1)] = 10E [R (1)] et :