Masterfin 034

1 nral2.6.
137 e e
Couverture des risques dans les marchs e nanciers

Nicole El Karoui
Ecole Polytechnique,CMAP, 91128 Palaiseau Cedex
email : elkaroui@cmapx.polytechnique.fr
Anne 2003-2004 e
Table des mati`res e

1 Prsentation des produits drivs e e e 1.1 Introduction aux marchs nanciers . . . . . . . . e 1.2 Titres de base et produits drivs . . . . . . . . . . e e 1.2.1 Titres de base . . . . . . . . . . . . . . . . . 1.2.2 Les contrats a terme . . . . . . . . . . . . . ` 1.3 Caractristiques nanci`res des contrats doptions e e 1.3.1 Les options ngociables . . . . . . . . . . . e 1.3.2 Les options de gr a gr . . . . . . . . . . . e` e 1.3.3 Utilit des produits drivs . . . . . . . . . e e e 1.4 Les activits de march dune banque . . . . . . . e e 1.4.1 Le Front oce . . . . . . . . . . . . . . . . 1.4.2 Middle Oce . . . . . . . . . . . . . . . . . 1.4.3 Le Back Oce . . . . . . . . . . . . . . . . 11 11 12 12 12 14 14 18 19 20 20 21 22 23 23 23 26 26 27 27 27 28 29 32 33 33 34 34 35 36 36
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
2 EVALUATION et COUVERTURE : La FORMULE DE BLACK et SCHOLES 2.1 Le message de Black, Scholes et Merton. . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 Prix et couverture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.2 Absence dopportunit darbitrage . . . . . . . . . . . . . . . . . . . . . . e 2.1.3 Incidence sur les prix de labsence darbitrage . . . . . . . . . . . . . . . . 2.2 Evaluation et Couverture dynamique . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Gestion dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.2 Quelques considrations de bon sens . . . . . . . . . . . . . . . . . . . . . e 2.3 Modlisation de la dynamique du sous-jacent : Le mouvement brownien gomtrique e e e 2.3.1 Dnition et Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . e ee 2.3.2 Interprtation nanci`re des param`tres du mod`le . . . . . . . . . . . . . e e e e 2.4 Portefeuille dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4.1 Portefeuille autonanant crit sur un sous-jacent risqu . . . . . . . . . . c e e 2.4.2 Formulation mathmatique du risque nul . . . . . . . . . . . . . . . . . . e 2.5 Evaluation par quation aux drives partielles . . . . . . . . . . . . . . . . . . . e e e 2.5.1 LEDP dvaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 2.5.2 Extensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.3 Interprtation nanci`re de lEDP dvaluation . . . . . . . . . . . . . . . e e e 3
4 La formule de Black et Scholes . . . . . . . . . . 2.6.1 Rsolution de lEDP . . . . . . . . . . . . e 2.6.2 Les formules fermes . . . . . . . . . . . . e 2.6.3 Proprits du prix des Calls et des Puts . ee 2.6.4 Les grecques . . . . . . . . . . . . . . . . 2.7 Implmentation de la formule . . . . . . . . . . . e 2.8 Volatilit . . . . . . . . . . . . . . . . . . . . . . e 2.8.1 Prcisions sur la volatilit . . . . . . . . . e e 2.8.2 Volatilit historique . . . . . . . . . . . . e 2.8.3 La volatilit implicite . . . . . . . . . . . e 2.8.4 Volatilit implicite et Risk-management . e 2.9 Le smile . . . . . . . . . . . . . . . . . . . . . . . 2.9.1 Smile et options exotiques . . . . . . . . . 2.10 Exemples de Produits Structurs sur indices . . . e 2.10.1 Motivation . . . . . . . . . . . . . . . . . 2.10.2 Dnition et caractristiques des produits e e 2.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 37 41 42 43 44 45 45 46 48 48 53 54 55 55 55 59 59 60 60 61 64 64 65 67 67 68 69 69 70 70 72 73 75 75 76 81 81 82 82
3 Options barri`res e 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Formule de symtrie dans la formule de Black et Scholes . . . . e 3.2.1 Formule de symtrie Call-Put sans co t de portage . . . e u 3.2.2 Principe de symtrie dans le cas gnral . . . . . . . . . e e e 3.3 Options barri`res . . . . . . . . . . . . . . . . . . . . . . . . . . e 3.3.1 Caractristiques gnrales . . . . . . . . . . . . . . . . . e e e 3.3.2 Pricing et Rplication dune option Up In regular . . . . e 3.4 Application aux Calls, Puts et Binaires . . . . . . . . . . . . . . 3.4.1 Evaluation des options UIB . . . . . . . . . . . . . . . . 3.4.2 Le cas de Put . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Delta-hedging des options barri`res . . . . . . . . . . . . . . . . e 3.5.1 EDP dvaluation . . . . . . . . . . . . . . . . . . . . . . e 3.6 Quelques applications mathmatiques . . . . . . . . . . . . . . e 3.6.1 Loi du temps datteinte TH de la barri`re haute . . . . . e 3.6.2 Loi du maximum, ou du minimum . . . . . . . . . . . . 3.7 Les options lookback . . . . . . . . . . . . . . . . . . . . . . . . 3.8 Appendice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.8.1 Rplication en maturits . . . . . . . . . . . . . . . . . . e e 3.8.2 Evaluation des options barri`res Out en cas de paiement e
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . de dividendes
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
4 Arbitrage statique, distribution et diusion implicites 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Arbitrage statique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 Incidence sur les prix de labsence darbitrage statique . . . . . . . . . . .
5 4.2.2 Arbitrage international . . . . . . . . . . . . . . . . . . . . . . Syst`me de prix viable et arbitrage . . . . . . . . . . . . . . . . . . . . e 4.3.1 Proprits des prix des produits drivs . . . . . . . . . . . . . ee e e Les prix comme esprance : le point de vue statique . . . . . . . . . . e 4.4.1 Arbitrage statique et prix dtats . . . . . . . . . . . . . . . . . e Applications probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.1 Fonctions convexes et formule dIt . . . . . . . . . . . . . . . . o 4.5.2 Temps local et densit . . . . . . . . . . . . . . . . . . . . . . . e 4.5.3 Applications a la rplicatiopn statique des options barri`res UI ` e e La diusion implicite de Dupire . . . . . . . . . . . . . . . . . . . . . . 4.6.1 Les entres du probl`mes . . . . . . . . . . . . . . . . . . . . . e e 4.6.2 Une tude directe . . . . . . . . . . . . . . . . . . . . . . . . . . e 4.6.3 Calcul de la fonction de volatilit : lEDP forward . . . . . . . e 4.6.4 Diusion implicite . . . . . . . . . . . . . . . . . . . . . . . . . 4.6.5 Le vrai probl`me de calibration . . . . . . . . . . . . . . . . . . e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 84 85 86 86 88 88 89 89 90 90 91 91 92 94
4.3 4.4 4.5
4.6
5 LEVALUATION ET LA COUVERTURE DES OPTIONS sur MULTI SOUSJACENTS 95 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 5.2 Portefeuilles et autonancement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 5.2.1 Le cadre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 5.2.2 Portefeuille autonanant . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 c 5.3 Absence dOpportunits darbitrage et rendement des titres . . . . . . . . . . . . 100 e 5.3.1 Arbitrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 5.3.2 Contraintes sur la dynamique des titres . . . . . . . . . . . . . . . . . . . 101 5.4 Numraire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 e 5.4.1 Arbitrage et numraire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 e 5.4.2 Primes de risque et changement de numraire . . . . . . . . . . . . . . . . 105 e 5.4.3 Le numraire de march . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 e e 5.5 Evaluation et couverture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 5.5.1 Prix des produits drivs atteignables . . . . . . . . . . . . . . . . . . . . 107 e e 5.5.2 March complet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 e 5.5.3 Probabilit risque-neutre, ou mesure-martingale . . . . . . . . . . . . . . . 110 e 5.5.4 Numeraire et changement de probabilit . . . . . . . . . . . . . . . . . . . 112 e 5.6 La formule de Black et Scholes Revisite . . . . . . . . . . . . . . . . . . . . . . . 113 e 5.6.1 Portefeuille associ a un titre versant un dividende . . . . . . . . . . . . . 113 e` 5.6.2 Les probabilits dexercice . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 e 6 Arbitrage multidevise : Application aux options quanto 117 6.1 Arbitrage multidevise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 6.1.1 Principe gnral dvaluation . . . . . . . . . . . . . . . . . . . . . . . . . 118 e e e
6 6.1.2 Application aux options quanto . . . . . . . . . . . . . . . . Dynamique des produits nanciers et primes de risque . . . . . . . Options sur un march tranger : Les options quanto . . . . . . . . ee Les formules fermes dvaluation des Call quanto . . . . . . . . . e e 6.4.1 La formule de Black . . . . . . . . . . . . . . . . . . . . . . 6.4.2 Options dachat sur action trang`re avec strike en monnaie e e 6.4.3 Options dachat sur devise . . . . . . . . . . . . . . . . . . . Les options sur actions trang`res avec taux de change x . . . . e e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . domestique . . . . . . . . . . . . . . . . . . . . . . 118 120 122 123 123 124 125 126
6.2 6.3 6.4
6.5
7 Marchs a termes, Produits drivs sur Mati`res Premi`res, e ` e e e e par Julien Samaha, Crdit Lyonnais. e 7.1 Prsentation des marchs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e 7.1.1 Marchs de contrats a terme . . . . . . . . . . . . . . . . . . . . . . . . . e ` 7.1.2 En quoi ces marchs sont-ils dirents ? . . . . . . . . . . . . . . . . . . . e e 7.1.3 Qui sont les acteurs sur ces marchs ? . . . . . . . . . . . . . . . . . . . . e 7.1.4 Principaux facteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 Analyse des prix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2.1 Arbitrage cash-and-carry . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2.2 Rendement dopportunit (convenience yield) . . . . . . . . . . . . . . . . e 7.2.3 Report (contango) et dport (backwardation) . . . . . . . . . . . . . . . . e 7.2.4 Analyse en composantes principales . . . . . . . . . . . . . . . . . . . . . 7.2.5 Autres proprits statistiques . . . . . . . . . . . . . . . . . . . . . . . . . ee 7.3 Produits drivs sur mati`res premi`res . . . . . . . . . . . . . . . . . . . . . . . e e e e 7.3.1 Swaps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.3.2 Options Asiatiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.3.3 Options sur spread . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.3.4 Options exotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4 Modlisation des prix a terme de mati`res premi`res . . . . . . . . . . . . . . . . e ` e e 7.4.1 Un exemple simple de mod`le de courbe : le mod`le de Schwartz 1-facteur e e 7.4.2 Exemple de mod`le spot 2-facteurs : les mod`les de Gibson-Schwartz et e e Schwartz-Smith . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ` 8 LES MODELES CLASSIQUES DE TAUX 8.1 La formation des taux dintrt . . . . . . . . . . . . . . . . . . . ee 8.1.1 Limportance de la Banque Centrale. . . . . . . . . . . . 8.1.2 Formation des taux longs et anticipation des agents . . . 8.1.3 Spreads et qualit de signature . . . . . . . . . . . . . . . e 8.1.4 Les principaux taux xes ou variables du march franais e c 8.2 Taux dintrt et absence darbitrage . . . . . . . . . . . . . . . . ee 8.2.1 Gnralits sur les taux dintrt . . . . . . . . . . . . . . e e e ee 8.2.2 Prix et taux a terme . . . . . . . . . . . . . . . . . . . . . ` 8.3 Absence darbitrage et modlisation des taux . . . . . . . . . . . e
129 129 129 130 131 131 133 133 133 134 135 136 137 137 137 137 138 138 139 139 145 145 145 146 147 147 149 149 150 150
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
7 8.3.1 Mod`les dterministes et anticipations rationnelles . . . . . e e 8.3.2 Les mod`les alatoires . . . . . . . . . . . . . . . . . . . . . e e Le mod`le de Vasicek . . . . . . . . . . . . . . . . . . . . . . . . . . e 8.4.1 Lquation des taux . . . . . . . . . . . . . . . . . . . . . . e 8.4.2 La courbe des taux issue du mod`le de Vasicek . . . . . . . e 8.4.3 Le mod`le de Vasicek gnralis . . . . . . . . . . . . . . . . e e e e 8.4.4 LEDP dvaluation et le prix des options sur zro-coupons e e Le mod`le de CIR . . . . . . . . . . . . . . . . . . . . . . . . . . . e 8.5.1 Calcul des prix zro-coupon . . . . . . . . . . . . . . . . . . e Extension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.6.1 Les mod`les linaires . . . . . . . . . . . . . . . . . . . . . . e e Calibration de la courbe des taux . . . . . . . . . . . . . . . . . . . 8.7.1 La mthode classique . . . . . . . . . . . . . . . . . . . . . e 8.7.2 La mthode des splines . . . . . . . . . . . . . . . . . . . . e 8.7.3 Paramtrisation a la Vasicek . . . . . . . . . . . . . . . . . e ` 8.7.4 Sensibilits aux param`tres de risque . . . . . . . . . . . . . e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 151 151 152 153 154 154 155 156 157 157 157 158 158 158 160 163 164 164 166 166 170 170 171 172 172 173 175 176 177 178 181 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 181 182 182 183 183 184
8.4
8.5 8.6 8.7
` 9 LES MODELES de DEFORMATION de la COURBE des TAUX 9.1 Le mod`le en absence dopportunit darbitrage . . . . . . . . . . . . . e e 9.1.1 Le mod`le pour les zro-coupon . . . . . . . . . . . . . . . . . e e 9.2 Equation structurelle des taux . . . . . . . . . . . . . . . . . . . . . . . 9.2.1 Taux zro-coupon et conditions initiales . . . . . . . . . . . . . e 9.3 Exemples de fonctions de volatilit . . . . . . . . . . . . . . . . . . . . e 9.3.1 Un mod`le faiblement stationnaire . . . . . . . . . . . . . . . . e 9.3.2 Le cas unidimensionnel . . . . . . . . . . . . . . . . . . . . . . 9.3.3 Le cas multi-dimensionnel . . . . . . . . . . . . . . . . . . . . . 9.4 ANALYSE en TERME de VARIANCE-COVARIANCE . . . . . . . . 9.4.1 Etudes des corrlations . . . . . . . . . . . . . . . . . . . . . . e 9.4.2 Esprance et anticipations . . . . . . . . . . . . . . . . . . . . . e 9.4.3 Pouvoir prdictif des taux forwards . . . . . . . . . . . . . . . . e 9.4.4 Anticipation et gestion de portefeuille . . . . . . . . . . . . . . 9.4.5 Arbitrage et thorie des anticipations instantanes . . . . . . . e e 10 PRODUITS DERIVES sur TAUX dINTERET 10.1 Les INSTRUMENTS de COUVERTURE : FRAs, Futures, Swaps, Caps, Floors et Swaptions 10.1.1 Contrats forward et FRAs . . . . . . . . 10.1.2 Les contrats Future . . . . . . . . . . . . 10.1.3 Les options sur future . . . . . . . . . . . 10.1.4 Les Swaps . . . . . . . . . . . . . . . . . . 10.1.5 Les instruments optionnels de taux . . . . 10.2 Introduction aux mthodes dvaluation . . . . . e e
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
8 10.3 Identication de lchancier . . . . . . . . . . . . . . . . . . . . . . . . . . e e 10.3.1 Quelques exemples dchanciers . . . . . . . . . . . . . . . . . . . e e 10.4 Evaluation forward . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.4.1 Exemples de contrats dont lvaluation ne demande pas de mod`le e e 10.4.2 March a terme et probabilit forward neutre . . . . . . . . . . . . e` e 10.4.3 Correction de convexit pour les contrats forwards . . . . . . . . . e 10.4.4 Correction de convexit lorsque les volatilits sont dterministes . e e e 10.4.5 Options sur zro-coupon et caplet . . . . . . . . . . . . . . . . . . e 10.5 Options sur obligations a coupons, Swaptions . . . . . . . . . . . . . . . . ` 11 LE MODELE LOG-NORMAL sur TAUX PIBOR 11.1 Pricing des caplets . . . . . . . . . . . . . . . . . . . . . . . 11.1.1 Dynamique des taux-dynamique des prix . . . . . . 11.1.2 Pricing en taux et pricing en prix . . . . . . . . . . . 11.2 Pricing des swaptions . . . . . . . . . . . . . . . . . . . . . 11.2.1 Calcul du taux de swap, et du pay-o des swaptions 11.2.2 Evaluation de la swaption dans le cas log-normal sur 11.2.3 Evaluation de la swaption dans le cas log-normal sur 11.2.4 Calibration de la fonction de volatilit . . . . . . . . e 11.2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185 185 186 187 188 189 190 190 191 193 193 194 195 196 196 197 198 199 199 201 202 202 202 203 203 204 206 206 207 208 208 208 211 211 211 212 215 215 215
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . les prix . . . . . les taux forwards . . . . . . . . . . . . . . . . . . . .
. . . . . . . . .
. . . . . . . . .
12 Le mod`le de march : valuation des swaptions et calibration e e e 12.1 Instruments de base . . . . . . . . . . . . . . . . . . . . . . . . . . 12.1.1 Zro-coupon et taux court . . . . . . . . . . . . . . . . . . . e 12.1.2 Taux LIBOR et swaps . . . . . . . . . . . . . . . . . . . . . 12.2 Mod`le de march . . . . . . . . . . . . . . . . . . . . . . . . . . . e e 12.2.1 Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 12.2.2 Options sur taux . . . . . . . . . . . . . . . . . . . . . . . . 12.3 Evaluation des swaptions . . . . . . . . . . . . . . . . . . . . . . . 12.3.1 Approximation de la dynamique du taux swap . . . . . . . 12.3.2 Calcul du prix . . . . . . . . . . . . . . . . . . . . . . . . . 12.4 Calibration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.4.1 Contraintes sur les prix de swaptions . . . . . . . . . . . . . 12.4.2 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 Appendice : Volatilit stochastique (par e 13.1 Introduction . . . . . . . . . . . . . . . . 13.1.1 Notations . . . . . . . . . . . . . 13.1.2 Interprtation . . . . . . . . . . . e 13.1.3 A quoi sattendre ? . . . . . . . . 13.2 Prix dune option europenne . . . . . . e 13.2.1 EDP dvaluation . . . . . . . . . e Julien Guyon) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
Prsentation des produits drivs e e e 13.2.2 Interprtation probabiliste . . . . . . . . . . . e Analyse asymptotique . . . . . . . . . . . . . . . . . 13.3.1 Retour a la moyenne . . . . . . . . . . . . . . ` 13.3.2 Le prix Black-Scholes corrig . . . . . . . . . e 13.3.3 Stratgies de couverture . . . . . . . . . . . . e Lapproche martingale . . . . . . . . . . . . . . . . . 13.4.1 Dmarche . . . . . . . . . . . . . . . . . . . . e 13.4.2 Notations . . . . . . . . . . . . . . . . . . . . 13.4.3 Le prix corrig comme martingale approche e e 13.4.4 Retrouver le prix P0 + P1 . . . . . . . . . . . Calibration . . . . . . . . . . . . . . . . . . . . . . . 13.5.1 Le prix corrig de loption dachat . . . . . . e 13.5.2 Surface de volatilit implicite . . . . . . . . . e Simulations numriques . . . . . . . . . . . . . . . . e 13.6.1 Schmas numriques pour lEDP dvaluation e e e 13.6.2 Mthode de Monte-Carlo1 . . . . . . . . . . . e Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9 218 220 220 222 228 234 234 236 237 240 243 243 244 245 245 248 261
13.3
13.4
13.5
13.6
13.7
Cette section doit beaucoup a Bernard Lapeyre qui est a lorigine de plusieurs amliorations. ` ` e
10
Dea de Probabilit, option nance 2003/2004 e
Chapitre 1
Prsentation des produits drivs e e e

1.1 Introduction aux marchs nanciers e
Une rvolution de grande ampleur a eu lieu depuis une trentaine dannes sur les marchs e e e nanciers, suite a une politique arme de drgulation. Ce nouveau paysage nancier est ` e ee n notamment des dsquilibres et des incertitudes qui p`sent sur les relations conomiques e ee e e internationales depuis le dbut des annes 1970 (endettement des pays en voie de dveloppement, e e e instabilit des taux de change). Le dveloppement de lination et la grande volatilit des taux e e e dintrt ont perturb les anticipations des investisseurs. Dautre part, linternationalisation des ee e capitaux, les progr`s technologiques en informatique et communication ont modi les relations e e entre les direntes places nanci`res : New-York, Londres, Tokyo, etc. . . : il est maintenant e e possible a tout instant dintervenir sur tous les marchs. ` e En France, les rformes ont commenc a la mi-1984 avec comme objectifs, le dcloisonnement des e e` e marchs et la cration dun unique march des capitaux, la modernisation des rseaux nanciers. e e e e Un lment majeur de cette politique a t la cration de deux marchs nanciers tr`s actifs, et ee ee e e e avec de grandes liquidits, sur lesquels vont tre ngocis de nouveaux instruments nanciers : e e e e le MATIF ou March a Terme International de France (1985) (dabord nomm March a e` e e` Terme des Instruments Financiers) et actuellement membre dEuronext. le MONEP ou March des Options Ngociables de Paris (1987). e e Les utilisateurs de ces nouveaux instruments de trsorerie forment un ventail tr`s vaste : ene e e treprises industrielles et commerciales, socits dassurance, banques, caisses dpargne . . . Ces ee e nouveaux instruments viennent au secours des investisseurs pour contrebalancer linstabilit des e parametres de march, comme les taux dintrt, les taux de change etc... e ee 11
12
1.2
1.2.1
Titres de base et produits drivs e e

Titres de base
Lactivit nanci`re se dveloppe a travers un certain nombre dinstruments tels que la cire e e ` culation de monnaie exprime dans direntes devises, les oprations de prts et demprunts e e e e qui sont assorties de paiements dintrts dpendant de la maturit des oprations, et bien s r e e e e e u des actions mises par les entreprises qui retent leur capitalisation. Des indices ont t crs e e e e ee (SP500, CAC 40..) an de permettre aux investisseurs trangers davoir une information rapide e sur le niveau conomique et le comportement des actions dun pays. e La tr`s grande variabilit de ces param`tres ou de ces titres a conduit naturellement a une e e e ` demande de transfert des risques de la part dun certain nombre dintervenants, comme les entreprises industrielles, les compagnies dassurance..... Les banques jouent videmment un rle e o fondamental dans cette transformation, notamment en proposant un certain nombre de produits nanciers, qui seront appels produits drivs. 1 Elles peuvent dailleurs utiliser elles-mme e e e e ces produits dans leur gestion pour compte propre. Ces produits dassurance existent de fait depuis fort longtemps, puisquon a trouv la dese cription de contrats a terme sur le bl dans des textes de lAntiquit. Il y avait aussi un march ` e e e de contrats a terme sur les mtaux tr`s actif a Amsterdam au 18`me si`cle. Mais lexistence de ` e e ` e e marchs organiss (le premier est cr a Chicago en 1973) organiss pour diminuer le risque de e e ee ` e contrepartie sur des oprations dnoues dans le futur, contribue a faciliter lacc`s par un grand e e e ` e nombre dintervenants a ce genre de produits. En France, le MATIF et le MONEP ouvrent entre ` les annes 1985-1987. e Nous distinguerons les contrats a terme et les produits optionnels, que nous retrouverons en ` fonction de la nature du sous-jacent sur lequel ils sont crits dans dirents marchs : e e e Le march des changes : achat/vente de devises e le march des mati`res premi`res : mtaux, ptrole, denres agro-alimentaires... e e e e e e le march des actions et des indices boursiers e le march des taux dintrt e ee
1.2.2
Les contrats ` terme a

Une opration a terme est une opration au comptant dire dans le temps : lacheteur e ` e e e et le vendeur se mettent daccord sur les conditions dun change, qui seectuera a une e ` date future prcise par le contrat, dite la maturit . e e e
1. Les conditions de lchange sont dnitivement xes a la date o` le contrat est nou, e e e ` u e mais lchange dargent na lieu qu` maturit. Ces contrats peuvent porter aussi bien sur e a e
Le petit livre de P.Chabardes et F.Delcaux, Produits drivs, publi chez Gualino Editeur, est un e e e remarquable expos dintroduiction aux produits drivs. e e e Le livre dAftalion et Poncet Les futures sur taux dintrt : le Matif (PUF 1997) est un expos tr`s e e e e document sur le fonctionnement du Matif, les contrats ngocis sur ce march, ainsi que les motivations des e e e e intervenants
1
13
des tonnes de ptrole, des instruments nanciers, ou tout autre bien dont la qualit ou la e e quantit sont clairement spcies. e e e 2. A la date dchance, il peut y avoir livraison physique du sous-jacent, contre le paiement e e de la totalit de la somme prvue dans le contrat. On parle de physical settlement. Il est e e aussi possible que les contreparties nchangent que la dirence entre la valeur de march e e e du titre a lchance et le cours garanti. On parle de cash settlement. ` e e 3. Il y a un risque de voir la contrepartie avec laquelle on a nou le contrat ne pas satisfaire e a ses obligations. Cest le risque de non-exccution ou de contre-partie. Son limination ` e e a conduit les marchs nanciers a adopter des r`gles de fonctionnement concernant ces e ` e contrats lgrement direntes. On parle alors de contrat futures. e e e 4. Les contrats a terme sont symtriques, cest a dire qu a priori chaque contrepartie a autant ` e ` de chances que lautre de gagner ou de perdre de largent dans le futur. 5. Pour les intervenants, lintrt des contrats a terme est de connaitre le cours dune ee ` opration dans le futur. Il sagit dans ce cas dune opration de couverture : e e Exemple :
Un industriel europen sait quil doit recevoir en dollars une forte somme dargent, e dans trois mois. An de ger la quantit dont il peut disposer, il ach`te un contrat a e e ` terme, dchance trois mois sur le dollar, en Euros. e e Il sagit donc dune forme de couverture du risque de change, qui toutefois peut ne pas lui tre favorable, si dans trois mois le contrat cte moins que le taux de change. e o 6. Toute opration dans le futur peut tre mise en place a des ns de spculation. Un e e ` e oprateur qui anticipe (contre le march) un certain type de mouvement peut acheter un e e contrat en esprant raliser un gain. e e 7. Comme le souligne Aftalion et Poncet, ces marchs jouent aussi un rle important en e o terme de diusion de linformation. Les prix a terme re`tent en un certain sens les ` e prvisions des participants du march, mme si nous verrons que des arguments darbitrage e e e les contraignent de mani`re importante. e 8. Un autre risque est prsent en permanence sur les marchs a terme : cest le risque de liquie e ` dit. Un intervenant qui voudrait changer son contrat a une date antrieure a lchance e e ` e ` e e peut ne pas trouver rapidement de contrepartie. Les marchs organiss ont essay de mettre en place des r`gles de fonctionnement qui e e e e limitent a la fois le risque de contrepartie et de liquidit. Ces risques restent importants ` e dans les marchs de gr a gr. e e` e 9. Les produits drivs permettent aussi de faire le lien entre dirents marchs, (taux, e e e e change, actions) de telle sorte que lensemble des prix disponibles forment un tout cohrent. e En eet, des combinaisons de plusieurs oprations sur dirents marchs peuvent permettre e e e de gagner de largent a coup s r sans prendre aucun risque : On ralise ce quon appelle ` u e un arbitrage.
14
La prsence de nombreux professionnels tr`s comptents dans les salles de march aboutit par la e e e e loi de lore et de la demande a des ajustements de prix qui rduisent ces possibilits darbitrage. ` e e Nous verrons que cette loi des marchs liquides est a la base de la modlisation mathmatique e ` e e que nous prsenterons dans les chapitres suivants. e
1.3
1.3.1
Caractristiques nanci`res des contrats doptions e e

Les options ngociables e
Une option est un contrat qui permet a son dtenteur dacheter ou de vendre une certaine ` e quantit dun bien ou un actif a un cours convenu a lavance, appel prix dexercice e ` ` e (Strike), a (ou jusqu`) une date xe, dite chance de loption. ` a e e e En contrepartie, lacheteur verse immdiatement au vendeur de loption une prime qui e est le prix de loption.
Les options europennes sont les options exerces seulement le jour de lchance, et les e e e e options amricaines celles qui peuvent tre exerces a tout moment avant leur chance. Les e e e ` e e options cotes sur le march a Paris sont amricaines, mais les options de gr a gr sont souvent e e` e e` e europennes. e Chaque contrat porte sur un nombre x dactifs supports : 100 dans le cas des actions. Dans le e cas du MONEP, il sagit essentiellement doptions sur actions, ou ventuellement sur le CAC e 40, qui est un indice retant le march des actions en France. Dans le cas du MATIF, les options e e portent sur les contrats a terme sur taux PIBOR, ou sur le Notionnel, qui est un titre ctif de ` maturit dix ans, versant des coupons de 10%. e Les options dachat et de vente Les options traites sont essentiellement des options dachat (call) ou de vente (put). Chaque e contrat porte sur un nombre x dactifs supports (100 dans le cas des actions). Le prix, x e e dans le contrat auquel lopration peut se faire sappelle le prix dexercice, ou strike. e Les oprations sur les options e Achat dune option dachat : Lacheteur paye au vendeur une prime qui lui donne le droit dacheter a la date dchance de ` e e loption, 100 actions a un prix dexercice convenu a lavance. Cest le principe dune promesse ` ` de vente. Ce droit nest exerc que si les cours ont mont et dpass le prix dexercice . Les e e e e risques sont limits a la prime paye, et les gains dpendent de lcart entre le prix dexercice et e ` e e e le cours a lchance. ` e e Exemples
Par exemple, le Vendredi 28 Mai 1993 le CAC 40 cote 1904.58 pts. A lchance Juin 1993, e e pour un prix dexercice de 1925 pts, la prime dun option dachat est de 28 pts, pour un prix dexercice de 1875 , la prime est de 55pts. Si a la date dchance, les cours ont mont ` e e e a 1950pts, loption est exerce : on ach`te le CAC a 1925 pts et on peut le revendre tout ` e e `
15
de suite a 1950 pts, soit un bnce net par titre support de 25 pts. ` e e Mais il ne faut pas oublier quon a pay une prime a la date du 28 Mai, ce qui correspond e ` a lchance a 28(1+R) pts, o` R est lintrt a payer entre le 28 Mai et lchance. Pour ` e e ` u ee ` e e celui qui a achet loption, lopration nest gagnante, que si les cours ont mont a un e e e ` niveau suprieur a 1925 + 28(1 + R) pts. e ` Ce mme jour, les options de vente de mme chance et de prix dexercice 1950 pts, sont e e e e ctes 47 pts et celles de prix dexercice 1875 pts sont ctes 3.50 pts. oe oe Autre exemple Le Jeudi 28 Septembre 1995, le CAC 40 cte 1767.58 pts. A lchance o e e Dcembre 1995, et pour une option dachat, le plus petit prix dexercice ct est de 1775 e oe pts. La prime est de 75 pts, mais tr`s peu de contrats ont t ngocis a ce prix dexercice. e ee e e ` Les prix dexercice les plus ngocis ont t de 1950 pts et de 2000 pts avec des primes de e e ee 17 pts et de 9 pts respectivement. Ces informations montrent que les marchs consid`rent que le cours de lindice est tr`s e e e bas, puisqu aucune option de prix dexercice infrieur a celui du cours de lindice nest e ` cte. Par suite, tout le monde anticipe une hausse du cours, mais a priori on ne sait pas oe de quelle ampleur elle sera. Dans un tel contexte, les hypoth`ses que nous ferons plus tard e pour justier le mode de calcul des prix ne sont pas satisfaites. Vente dune option dachat : Le vendeur a lobligation de livrer a lchance 100 actions au prix convenu, si lacheteur le ` e e demande, cest a dire exerce son droit. Son gain est constitu de la prime. Il esp`re que les cours ` e e vont baisser pour ne pas avoir a livrer. Les pertes peuvent tre grandes en cas de hausse. Le ` e vendeur est en gnral un investisseur professionnel. e e Achat dune option de vente : Lachateur a le droit de vendre 100 actions a un prix convenu. Les gains sont importants si les ` cours baissent ; la perte maximale est gale a la prime. e ` Vente dune option de vente : Le vendeur a lobligation dacheter au dtenteur de loption 100 actions au prix convenu si ` e loption est exerce. Il esp`re que les cours vont monter pour ne pas avoir a les acheter. e e ` Straddel : Un straddel est une combinaison de deux options dachat et de vente. Les param`tres des options e La dure dexercice e Dans les marchs organiss, trois chances sont cotes simultanment : 3, 6 et 9 mois sur les mois e e e e e e suivants : mars, juin, septembre, dcembre. La cotation cesse la veille de lchance, ce qui signie e e e que les options sont ngociables jusqu` lavant-dernier jour du mois dchance. Toutefois, sur e a e e le CAC 40 lchance des options est mensuelle. Les pages nanci`res des quotidiens donnent e e e simultanment en plus des cours, le nombre de contrats traits. Les chances les plus liquides e e e e
16 sont traditionnellement les plus proches.
Le prix dexercice Cest le cours auquel loption peut tre exerce. Trois prix dexercice au minimum sont cots e e e sur chaque action, et chacune des trois chances. Ils respectent entre eux des carts standards. e e e Les trois prix dexercice sont xs a des cours proches de celui de laction. Les options les plus e ` liquides sont les options a la monnaie, pour lesquelles le prix dexercice est proche de la valeur ` du cours. Les options dans la monnaie sont des options pour lesquelles la valeur intrins`que nest e pas nulle. Les autres sont dites en dehors de la monnaie. Exemple
Le 02 Jan 2003, pour le CAC 40 cotant 3195.02 pts, les prix dexercice taient les suivants e 3100 3150 3200 3250 3300 3350 pts pts pts pts pts pts au-dessous au-dessous au pair au-dessus au-dessus au-dessus (in the money) pour un Call (in the money) pour un Call (at the money) (out of the money) pour un Call (out of the money) pour un Call (out of the money) pour un Call
Remarque 1.3.1 Pour mmoire e

Exemple
Le 28 Mai 1993, pour le CAC 40 cotant 1905 pts, les prix dexercice taient les suivants : e 1850 1875 1900 1925 1950 1975 pts pts pts pts pts pts au-dessous au-dessous au pair au-dessus au-dessus au-dessus (in the money) pour un Call (in the money) pour un Call (at the money) (out of the money) pour un Call (out of the money) pour un Call (out of the money) pour un Call
Dans le cas des puts, la terminologie est inverse. e
La prime La prime est le prix du contrat pay par lacheteur au vendeur de loption. Comme un contrat e porte sur 100 actions support, lacheteur doit payer 100fois la prime. Elle fait lobjet de cotations et peut tre ngocie : on peut acheter une option pour essayer de la revendre plus ch`re, ou e e e e linverse. Le prix de loption volue tout au long de sa dure de vie. e e Exemple
Le 02 Jan 2003, les primes des options dachat et de vente dchance 31 Jan 2003 sur le e e CAC 40 cotant 3195.02 pts, sont de :
Prsentation des produits drivs e e e Prix dexercice 3100 pts 3150 pts 3200 pts 3250 pts 3300 pts 3350 pts
Exemple
17 Option de vente 100.13 Euro 118.98 pts 140.41 pts 165.06 pts 193.03 pts 223.76 pts
Option dachat 199.91 pts 168.86 pts 140.41 pts 115.17 pts 93.26 pts 74.10 pts
Remarque 1.3.2 Pour mmoire e
Le 28 Mai 1993, les primes des options dachat et de vente dchance Juin 1993 sur le CAC 40 e e cotant 1905 pts, sont de : Prix dexercice 1850 pts 1875 pts 1900 pts 1925 pts 1950 pts 1975 pts Option dachat 70.00 pts 55.00 pts 37.00 pts 28.00 pts 17.00 pts 11.00 pts Option de vente 26.50 pts 34.20 pts 44.00 pts 62.00 pts
Le prix de loption est dcompos en valeur intrins`que et valeur temps. e e e La valeur intrins`que e Cest la dirence positive ou nulle entre le cours ct du titre support et le prix dexercice. e oe CallValeur intrins`que = sup(Cours de laction Prix dexercice, 0) e PutValeur intrins`que = sup(Prix dexercice Cours de laction, 0) e La valeur temps Cest la dirence entre le cours de loption et sa valeur intrins`que. Elle est nulle a lchance e e ` e e pour une option europenne. e Les straddles Un straddle est un driv constitu dun call et dun put de mme param`tres. La gure 1.2 e e e e e reprsente le payo vis a vis du vendeur. Lintrt de traiter un straddle a la monnaie plutt e ` ee ` o quune option rside dans le fait que sa sensibilit par rapport a une variation du sous-jacent e e ` est tr`s faible a la date de ngociation du contrat. Cest un pur produit de volatilit tant que le e ` e e spot ne drive pas. Si le spot S(t) drive trop loin de K, lune des deux jambe du straddle fait e e encourir des risques inutiles au vendeur pour un prix drisoire. Il a donc intrt a la racheter. e ee ` Le rle des marchs organiss doptions o e e Les marchs organiss contribuent par la grande lisibilit des prix achs, la garantie quils e e e e orent aux intervenants en se substituant en cas de dfaut de lune des contreparties, a maintenir e `
18
Fig. 1.1: Prol de prix et valeur intrins`que. e
T T
K
d d
E d
ST
d d
Figure 1.2: Payo dun straddle vis a vis du vendeur. `
une grande liquidit sur les titres ngocis ou du moins sur certains dentre eux les plus traits. e e e e La contrepartie est une certaine rigidit dans les produits fournis, qui sont de type standards. e Ils sont le lieu privilgi vers lequel se tournent les traders qui cherchent a couvrir des produits e e ` complexes a laide doptions standards. Ils peuvent tre perus comme les supermarchs de la ` e c e nance.
1.3.2
Les options de gr ` gr ea e
En dehors des marchs organiss, il existe un grand nombre doptions ngocies de gr a gr, e e e e e` e cest a dire directement entre lacheteur et le vendeur, sans la garantie dun march, notamment ` e sur les taux de change qui sont les supports dun tr`s grand nombre doptions de tout prix e dexercice et de toutes maturits. Les prix de telles options ne sont pas achs sur les crans e e e Reuter, et peuvent varier dune banque a lautre. Toutefois, la grand liquidit de ces options et ` e la prsence sur les marchs darbitrageurs qui essayent de tirer prot de disparits sur les prix e e e contribuent a rendre ces dirents prix convergents. ` e
Prsentation des produits drivs e e e Les options exotiques
19
Les options standards tant ngocies au plus juste prix ne produisent pas de bnces e e e e e substantiels. Aussi, a-ton vu proposer sur les marchs de gr a gr de plus en plus doptions e e ` e complexes, ou aux dimensions plus spculatives. Lide est en gnral dutiliser des options e e e e standards (vanilla en anglais) pour les couvrir. les options binaires Un Call binaire est une option qui paye un nominal connu a son dtenteur, si le cours du ` e support a lchance dpasse un prix dexercice x dans le contrat et rien sinon. ` e e e e Un Put binaire a les mmes caractristiques, mais le nominal est pay si le cours est e e e infrieur au prix dexercice. e Cest un produit tr`s spculatif au voisinage de lchance, car il est du type tout au rien. e e e e les options asiatiques Ce sont des options standards, mais dont le support est la moyenne des cours sur une priode donne. Elles ont t introduites pour lutter contre la manipulation des cours des e e ee titres sous-jacent au voisinage de lchance de loption. e e les options lookback Ce sont des options standards, mais dont le sous-jacent est le minimum ou le maximum du cours sur une priode incluant lchance. En gnral, le ux pay est la dirence entre e e e e e e e la valeur du cours et la valeur du minimum ou du maximum. Ce sont des options qui sont ch`res car elles ont toujours de la valeur. e Ces deux derniers types doptions rentrent dans la famille des options path-dependent, cest a dire qui dpendent de toute lvolution du cours du titre support et non seulement ` e e de sa valeur a lchance. ` e e les options barri`res e Ce sont des calls ou des puts standards, qui autorisent lexercice seulement si le titre support a franchi un niveau x dans le contrat, appel barri`re. On peut alors trouver e e e tous les cas de gures, comme nous le dtaillerons dans la section concernant les options e exotiques. les options quantos Ce sont des calls ou des puts crites sur des titres dun march tranger, mais payes en e ee e monnaie domestique.
1.3.3
Utilit des produits drivs e e e
Comme nous lavons vu, la principale utilit des produits drivs est de permettre de e e e transfrer les risques nanciers entre les dirents agents conomiques rapidement. En particue e e lier, certains agents, les banques notamment, sont disposs a prendre des risques supplmentaires e ` e moyennant un rendement accru de leurs oprations. Nous retrouverons tout au long de ce docue ment cette ide que rendement et risque sont fortement corrls. e ee Dautre part, en transfrant sur les banques les risques nanciers associs a leur activit ine e ` e dustrielle, les grandes entreprises nont plus qu` grer les risques dexploitation, qui sont leurs a e
20
risques spciques. En particulier, elles ont besoin dimmobiliser des rserves moins importantes e e de fonds propres, dont la rentabilit devient ainsi plus importante. e Les produits drivs ont conduit a une plus grande spcialisation des investisseurs, qui peuvent e e ` e se concentrer sur des portions de march quils connaissent bien, par exemple dans le secteur e action. Par lintermdiaire des produits drivs, il peut diversier son risque en changeant la e e e e performance du CAC contre dautres rfrences en vigueur. ee Les produits drivs orent un fort eet de levier, dans la mesure o` lacheteur dun driv ne e e u e e risque de perdre au maximum que la prime, cest a dire le prix quil a pay ` e
1.4
1.4.1
Les activits de march dune banque e e

Le Front oce
Les missions dune salle de marchs au sein dune Banque sont multiples et sont en gnral e e e les suivantes : les missions de papier : les banques agissent en tant quintermdiaires entre les e e metteurs de papier (emprunteurs) et le march (prteurs potentiels). e e e le service a la client`le (institutionnelle et dentreprises (corporate)) : la princi` e pale fonction des services commerciaux est de rpondre aux besoins de la client`le, de les e e conseiller et dassurer le suivi des oprations. Ils travaillent essentiellemnt avec les instie tutionnels ou grants de SICAV et dautres fonds de placement franais ou trangers. Le e c e responsable des montages de la salle est en gnral un commercial. Chaque vendeur (sale) e e dispose dun fond de commerce, cest a dire dun ensemble de clients autonomes, an que ` chaque client ait un unique interlocuteur avec qui il puisse tablir un lien personnalis et e e durable. Cependant, les commerciaux travaillent par quipe et par zone gographique. Pour une e e transaction dlicate, il est frquent que tous participent a llaboration de la stratgie et e e ` e e de largumentaire. La vente de produits standards est directement assure par les commerciaux (sales) tandis e que celle de produits structurs ncessite lintervention des quipes de structuration. Le e e e commercial doit ncessairement sadresser a un trader pour que celui-ci xe le prix des e ` produits proposs et traite lopration. Si celui-ci nest pas dans le march, cest a dire e e e ` que sa position ne lui permet pas de donner des prix comptitifs, le commercial prouvera e e des dicults a vendre ses produits. En eet, la concurrence est tr`s forte et de nombreux e ` e clients font le tour de la place avant dinvestir. le trading, la prise de position et larbitrage : certaines sections de la salle (les desks souvent organiss par supports et(ou) gographiquement) constituent des centres e e de prots indpendants ; les dealers (traders) prennent des positions sur des devises, des e taux dintrt ou la volatilit. Ils sont en particulier en charge de la gestion et de la ee e couverture des produits drivs. En gnral, un ingnieur nancier ou quants est associ e e e e e e a chaque activit. Les traders peuvent aussi se livrer a des oprations darbitrage, ou de ` e ` e
21
spculation.Ils agissent dans le cadre de limites de march, et de contrepartie. e e Les contre-parties du trader Les traders peuvent avoir deux types de contreparties : les clients naux : le trader traite avec les sales de la salle qui font linterface entre les deux contre-parties. Lobjectif du client nal est de couvrir ou de dynamiser son portefeuille ; il g`re gnralement sa position en directionnel, ce qui signie quil est directement expos e e e e a lvolution du sous-jacent. ` e Les contreparties professionnelles : ce sont les traders des autres banques ; Ils g`rent leurs positions en volatilit, composante essentielle du prix dune option comme e e nous le verrons ci-dessous, ce qui signie quils ach`tent ou vendent de la volatilit. Ils sont e e donc plus sensibles aux variations de la volatilit quaux variations des cours. Cest une e dimension fondamentale du trading doptions. lactivit de market-maker (teneur de march) : certaines entits sont markete e e makers sur des marchs tr`s spciques, cest-`-dire quelles doivent rpondre aux dee e e a e mandes de cotation en assurant ainsi la liquidit du march. e e la couverture des oprations de la Banque : la salle de marchs a un rle de support e e o vis a vis des autres dpartements, puisque sorties et entres dargent sont tt ou tard ` e e o enregistres au niveau de la salle. La salle doit trouver des ressources a co t rduit et des e ` u e emplois rmunrateurs tout en minimisant les risques de march. e e e la gestion du bilan de la Banque, lAsset and Liability Management (ALM) : la Direction Gnrale utilise la salle de marchs pour appliquer sa politique de gestion de e e e bilan, les principales fonctions de la cellule ALM sont de : grer les ratios rglementaires : Cooke, liquidit ; e e e couvrir lexposition globale du bilan de la Banque ;
En gnral, les activits de march dune banque sont regroupes en deux secteurs : les activits e e e e e e sur actions et les activits de xed income auxquelles correspondent des salles de march dise e tinctes. Les oprations conclues en Front Oce engagent la banque de mani`re irrvocable vis a vis e e e ` des contreparties. Pour prendre au mieux les dcisions en respectant les limites de march et e e de contreparties qui leur sont xes, les oprateurs doivent sappuyer sur des syst`mes leur e e e permettant : de mesurer et danalyser leurs positions et leur rsultat, e de sinformer sur lactivit de march (Reuter, Bloomberg, Telerate, etc...), e e
respecter les rglementations locales, ex : rserves obligatoires. e e
de contrler que le niveau de risque engendr est conforme aux limites de march et de o e e contrepartie xes. e
1.4.2
Middle Oce
Lorganisation de certaines salles de marchs prvoit une cellule de Middle 0ce servant e e dinterface entre Back 0ce et Front 0ce. Cette cellule, quand elle existe, peut avoir selon les
22 cas, la charge des tches suivantes : a
Dea de probabilits-Option nance 2003/2004 e
assister les traders dans la partie administrative de leurs tches : rdaction des tickets de a e deals (si ceux-ci sont manuscrits), vrication des ordres saisis par les traders dans les e syst`mes interfacs Front Oce / Back Oce avant relche vers le Back Oce, conrmae e a tion verbale des ordres en n de journe avec les contreparties. e tablir ou vrier les positions et le calcul des rsultats du desk en vue de produire les e e e reportings dactivit au chef de salle. Ceci peut parfois inclure lobtention aupr`s des e e courtiers et la saisie des param`tres de valorisation (prix, courbes) dans les syst`mes de e e Front Oce. Il doit fournir une valuation Mark to market indpendante de la valeur e e liquidative du portefeuille, et inclure le co t du Back Oce, du renancement, les courtages u et les Prot and Loses des commerciaux. Il est responsable de ltablissement des analyses de risque, qui vont tre soumises a lape e ` probation des dirents risk-managers, en accord avec les normes des autorits de tutelles, e e qui servent au contrle des risques encourus par la salle de march. o e Il joue donc un rle central dans la dtermination des lments qui vont intervenir dans le o e ee calcul de la VaR, value at risk, cest a dire le niveau de perte maximale sur la valeur du ` portefeuille de trading dans en jour ( resp. 10 jours) a un niveau de conance de 99%. `
1.4.3
Le Back Oce
Le back oce est en charge du traitement administratif des oprations. Il est en principe en e charge de : la conrmation des oprations aux contreparties e du r`glement des transactions avec les contreparties (transfert des fonds et des titres lis e e aux oprations inities par le Front Oce) e e
la comptabilisation des positions et du calcul des rsultats quil communique quotidiene nement aux dirents desks du Front Oce an de sassurer de la cohrence entre les e e oprations traites par le Front Oce et les oprations enregistres dans le syst`me de e e e e e back oce de reporting a la direction des risques an deectuer des contrles sur les limites de ` o marchs et de contreparties par exemple e De plus en plus de Back Oces sont quips de syst`mes de traitement transactionnel permettant e e e de scuriser la comptabilisation des oprations et linitiation des moyens de paiement. Certains e e syst`mes permettent de gnrer la comptabilisation a partir de la saisie en front oce, le rle e e e ` o du back oce est alors limit a la validation des oprations et a la saisie des instructions de e ` e ` de compte, correspondant bancaire). paiement (n
Chapitre 2
EVALUATION et COUVERTURE : La FORMULE DE BLACK et SCHOLES

A- Les grands principes
2.1 Le message de Black, Scholes et Merton.
Comme le souligne Robert Merton dans son introduction au Congr`s Mondial Bachelier de e Paris (2000), lindustrie du risque nancier naurait pu se developper sans lapport a la fois de la ` thorie conomique et des mathmatiques. Louis Bachelier en 1900, dans sa th`se remarquable, e e e e soutenue a la Sorbonne sur la thorie de la spculation, est le premier a avoir montr la ` e e ` e ncessit de possder des outils mathmatiques appropris, et cre le mouvement brownien e e e e e e pour rpondre aux questions quil se pose sur le prix des produits drivs. Plus gnralement, il e e e e e est remarquable dobserver que sans les outils du calcul stochastique, le business de lassurance des risques nanciers naurait pu se dvelopper comme il la fait, et les marchs nanciers e e nauraient pu prendre limportance quon leur connait maintenant.
2.1.1
Prix et couverture
La question centrale dans la gestion des risques nanciers est videmment celle du prix e sur lequel les deux parties du contrat doivent pouvoir se mettre daccord. Comme le souligne Bachelier, ce point est moins vident quil ny parait, puisque les deux parties ont des risques e dirents : e Lacheteur a un risque limit a la prime e` Le risque support par le vendeur de loption dachat est dautant plus grand que le march e e est haussier. La maturit risque de jouer aussi contre lui, et de plus, un grand mouvement e a la hausse peu avant lchance est toujours a craindre. ` e e ` 23
24
Dun autre ct, lincertitude qui aecte le sous-jacent de loption a maturit est la rsultante oe ` e e de petits mouvements quotidiens et mme intraday, qui peuvent tre observs, ce qui donne une e e e information dont on peut essayer de tirer partie : dune part pour dnir un mod`le pour la dynamique du cours e e dautre part pour rduire le risque nal par une attitude dynamique et rationnelle puisque e le vendeur (trader) peut toujours acheter ou vendre du sous-jacent, quil nance a laide ` de la prime.
Louis Bachelier (1870-1946) Licence es Sciences en 1895 Th`se a Paris (Henri Poine ` car en 1900 :Thorie de la e e spculation e A des probl`mes de poste : vacae taire a Paris (1909-1914) puis pro` fesseur a Besanon apr`s la guerre ` c e
Cest exactement le message introduit par Black, Scholes et Merton en 1973, qui dnissent e le prix dun produit driv comme le prix de sa couverture. Cette thorie, rvolutionnaire du e e e e point de vue de lconomie classique, leur a valu le prix Nobel dconomie en 1997. Mais elle na e e pas empch la faillite du hedge fund Long Terme Capital Market en 1998, dont ils taient e e e des membres actifs. Le fond a jou notamment sur ce quon appelle l eet de levier des produits e drivs : comme lacheteur dune option dachat supporte un risque limit a la prime de loption, e e e` il peut esprer gagner beaucoup sil estime que le march devrait monter plus que ce que le e e prix de loption rv`le. Il peut donc spculer sur lvolution du cours. Nous verrons une autre e e e e interprtation de ce point dans la suite. e
La formule de Black et Scholes

Myron Scholes (1941,.)
25
Fisher Black (1938-1995) 1997 Prix Nobel dEconomie pour avoir trouv Education : 1964, Ph.D. a Havard en Mathmatiques e ` e une nouvelle mthode pour valuer les produits Appliques e e e drivs. e e Aliation : 1971, Professeur a lUniversity de ` Education : Ph.D.69 a lUniversit de Chicago, Chicago, Graduate School of Business. ` e USA Aliation : Stanford University, Stanford, USA Hedge Fund, Long Term Capital Market 19XX : Professeur au MIT 1984 : Quitte le MIT pour Goldman Sachs & Co.
Scholes et Black
Robert Merton 1997 Prix Nobel en Economie pour avoir propos des mthodes nouvelles e e pour la valeur de produits drivs. e e N a New York en 1944 e` Dilpmes : Ph.D.70 in Economics from o MIT (Cambridge, MA, USA) Professeur a Harvard Business School, ` Harvard University, Cambridge
26
2.1.2
Absence dopportunit darbitrage e
Par ailleurs, il est clair que les prix de dirents produits drivs ne sont pas quelconques et e e e quil existe une forte cohrence entre les prix des options sur un mme sous-jacent. Elle est due e e a ce quon peut appeler la Loi fondamentale de la Finance de march : ` e Dans un march tr`s liquide, o` il ny a ni cots de transaction, ni limitations sur la gestion e e u u (achat-vente) des actifs supports, il ny a pas dopportunit darbitrage, cest a dire quil nest e ` pas possible de gagner de largent a coup sr a partir dun investissement nul. ` u ` En eet, dans les marchs nanciers, il existe des arbitrageurs, qui sont des intervenants dont e lactivit est de dtecter les produits nanciers dont le prix est dcal par rapport a ce quil e e e e ` devrait tre, compte-tenu des autres prix du march et den tirer parti pour faire des prots e e sans prendre de risque. Leur intervention est statique, au sens o` ils prennent seulement des u positions aujourdhui, quils liquideront sans les rengocier a une date future. Ils contraignent e ` les prix a vrier certaines relations, comme nous le verrons sur certains exemples. Dans ce ` e chapitre, nous y ferons surtout rfrence comme a une r`gle qui conduit a lunicit des prix des ee ` e ` e produits drivs, au sens o` e e u Deux stratgies qui donnent le mme ux a lhorizon de gestion dans tous les tats du monde e e ` e ont la mme valeur a toute date intermdiaire. e ` e
2.1.3
Incidence sur les prix de labsence darbitrage
Il existe quelques produits nanciers dont on peut dduire le prix en appliquant cette r`gle, e e sans rfrence a aucun mod`le, ce qui est videmment un point important dans le march. ee ` e e e Prix dun contrat a terme ` Nous dsignons par Ft (S, T ), le prix x par contrat a la date t auquel sera ngoci le titre e e ` e e S a la date T . Cest le prix a terme, ou le prix forward de S en T . ` ` Un raisonnement darbitrage statique permet de comparer le prix de ce contrat au cours de S a ` la date t. Pour se garantir le fait de dtenir S en T , nous avons deux possibilits. e e La premi`re consiste a acheter le titre S aujourdhui, et a le garder jusquen T . e ` ` La deuxi`me consiste a acheter le contrat forward. e ` Pour pouvoir le payer en T , il faut placer a la banque un montant qui nous garantit F t (S, T ) ` en T . Linstrument nancier adapt a ce genre de situation est, par dnition, le zro-coupon de e` e e maturit T , dont le prix B(t, T ) est celui quil faut payer pour recevoir a coup s r 1 Euro en T . e ` u T (S) Euros pour garantir le paiement du contrat. Par Il faut donc placer a la banque B(t, T )F t ` absence darbitrage, nous avons Ft (S, T ) = St B(t, T ) (2.1.1)
Preuve : Supposons que St > Ft (S, T )B(t, T ). En achetant St contrats forwards, et en vendant Ft (S, T )B(t, T ) actions, nous sommes assurs de dtenir en T , St actions et den vendre e e
27
Ft (S, T )B(t, T ). Nous avons ainsi ralis un arbitrage statique, puisque le bilan en T est toujours posie e tif. Un raisonnement similaire peut tre fait si St < Ft (S, T )B(t, T ). Les prix sont donc ncessairement e e gaux. e
Parit Call -Put e Un raisonnement analogue nous montre que la dtention 1 dun Call et la vente dun Put de e mmes caractristiques, nous garantissent a lchance dtre dtenteur de la valeur de laction e e ` e e e e et la vente du prix dexercice K. Mais ce portefeuille peut aussi tre obtenu en achetant laction e en t et en remboursant KB(t, T ) en t. Callt (T, K) Putt (T, K) = St KB(t, T ) (2.1.2)
Preuve : Supposons que Callt (T, K) Putt (T, K) > St KB(t, T ) et notons la dirence des deux e termes de cette ingalit Yt . Le portefeuille constitu de la vente dun Call, de lachat dun Put, de e e e lachat dune action, de placement de Yt KB(t, T ) a la banque pour lhorizon T , est de valeur initiale ` nulle. Mais a lhorizon T , il garantit un ux de (ST K)+ + (K ST )+ + ST K + Yt B(t, T )1 = ` Yt B(t, T )1 , qui est > 0. Cette stratgie est donc un arbitrage. e
A priori, il ny a pas de raison de se restreindre a des stratgies statiques, cest a dire des ` e ` stratgies dcides a la date 0 et non rengocies dans la suite. Le gestionnaire sait a priori quil e e e ` e e pourra rengocier son portefeuille dans lavenir. Il pratique donc une gesttion dynamique, dont e nous allons dcrire les principales caractristiques. e e
2.2
2.2.1
Evaluation et Couverture dynamique

Gestion dynamique
Sur un march nancier tr`s liquide, o` il y a beaucoup dintervenants, les prix sont ngocis e e u e e au plus juste. Les marchs organiss favorisent cette liquidit. Lactivit habituelle est dacheter e e e e ou de vendre des titres de base ou drivs, de mani`re a se constituer un portefeuille. Dans la e e e ` suite, on supposera quon peut faire cel` sans restriction de montant, ou de sens achat ou vente. a Cette derni`re hypoth`se est moins anodine quil y parait, comme le soulignait Bachelier en e e 1900, car elle sous-entend quaucun intervenant na de certitudes sur les mouvements futurs du march. e
2.2.2
Quelques considrations de bon sens e
Considrons maintenant un agent qui veut vendre un produit dassurance contre la hausse, e comme une option dachat, ou plus gnralement qui accepte de garantir un ux de h(S T ) a une e e ` chance donne T . En contrepartie, il reoit la prime ou prix de loption. e e e c Il na pas la possibilit de rpartir le risque sur un grand nombre de clients comme le font les e e assureurs. Par contre il peut investir la prime dans un portefeuille.
1
On dit encore quon est long dun Call. Si on est vendeur, on dit quon est court dun Call.
28
Sil est tr`s passif, il place la prime a la banque. A lchance de loption, le rsultat du e ` e e e placement ne dpend que de lintrt vers, et de la prime initiale, et non de la valeur du e ee e titre risqu a lchance. Ce nest pas une stratgie ajuste au produit vendu. e` e e e e Il peut aussi acheter un certain nombre dactions, de mani`re a avoir dans le portefeuille e ` des actifs dont le mouvement des prix va dans le mme sens que les ux quil risque de e payer. La gestion dun produit driv appara donc comme la conjonction de plusieurs oprations : e e t e 1. suivre rguli`rement le prix C t dans le march, e e e 2. grer un portefeuille autonanant, de valeur V t au temps t dont la valeur initiale est la e c prime x = 0 3. surveiller le P& L nal (prot et perte nale), cest a dire la dirence entre la valeur du ` e portefeuille et le montant du ux a payer, soit V T h(ST ). On parle encore de tracking ` error. Remarquons que ces direntes oprations utilisent des informations direntes sur les marchs : e e e e les prix re`tent en fonction des anticipations du gestionnaire une estimation de la valeur e des ux futurs a payer. ` la valeur du portefeuille peut tre lue sur le march a la date t. Elle re`te la qualit de e e` e e la gestion passe du gestionnaire. e Le fait que ces deux points de vue peuvent se rejoindre est dans le fond assez surprenant. Lobjectif du gestionnaire doptions nest pas de maximiser son P& L nal, mais au contraire de le rduire an davoir la variance la plus faible possible. Le meilleur portefeuille (qui suppose e entre autre quon choisit la prime x optimalement) est appel le portefeuille de couverture. e Labsence darbitrage permet de faire le lien entre valuation et couverture. e Sil est possible de trouver un P& L nal de risque nul, alors labsence darbitrage implique que la dirence entre le prix et la valeur du portefeuille sont nulles p.s. a toute date. e `
B- Modlisation mathmatique : le monde e e de Black, Scholes et Merton

2.3 Modlisation de la dynamique du sous-jacent : Le mouvee ment brownien gomtrique e e
Lincertain est modlis a travers les trajectoires futures du titre risqu, vues comme des e e ` e scenarii possibles dvolution. En gnral, on suppose que ce sont des fonctions continues ( t ), e e e + . An de prendre en compte le caract`re tr`s erratique des cours des actifs dnies sur R e e e
29
nanciers, Bachelier les mod`lise a laide dun mouvement brownien avec tendance. Une telle e ` modlisation conduit a des prix qui peuvent tre ngatifs. Aussi, Samuelson (1960) propose de e ` e e retenir cette modlisation pour les rendements, plutt que pour les cours eux-mmes. e o e
2.3.1
Dnition et Proprits e e e
Il y a plusieurs dnitions possibles des rendements, qui en gnral sont quivalentes lorsque e e e e les phnom`nes sont dterministes, mais qui dirent dans le cas stochastique. La dirence est e e e e e explicable par la formule dIt. Nous supposons que les rendements entre deux priodes sont o e mesurs par la dirence des logarithmes des cours. e e 1 Lhypoth`se que les rendements entre 0 et t suivent un mouvement brownien de tendance 2 2 e et de coecient de diusion , se traduit par les proprits suivantes du processus des prix ee {St ; t [0, T ]} : S0 = x ; 1 les rendements Log(St ) Log(Ss ) suivent une loi gaussienne de moyenne ( 2 2 )(t s) 2 (t s). et de variance St Pour tout 0 < t1 < t2 ..... < tn , les accroissements relatifs { Si+1 ; 0 i n 1} sont ti indpendants, et de mme loi. e e En dautres termes, il existe un mouvement brownien W tel que 1 St = f (t, Wt ) = x exp t + Wt 2 t 2 (2.3.1)
Par application de la formule dIt pour le mouvement brownien et la fonction f (t, z) = o 1 2 x exp t + z 2 t , dont les drives valent : e e 1 ft (t, z) = f (t, z)( 2 ), 2 nous voyons que, dSt = dt + dWt St (2.3.2) fz (t, z) = f (t, z), fzz (t, z) = f (t, z) 2
Comme la fonction exponentielle nest pas borne, pour justier lcriture direntielle et lutie e e lisation de la formule dIt, nous avons besoin de proprits dintgrabilit, que lon vrie o ee e e e facilement grce aux proprits des exponentielles de variables gaussiennes. a ee Lemme 2.3.1 La transforme de Laplace dune v.a. gaussienne U de moyenne m et de variance e 2 est donne par e 1 E [exp(U )] = exp m + 2 2 (2.3.3) 2 En particulier, si W est un mouvement brownien, 1 E exp Wt 2 t 2 =1 (2.3.4)
30
Ce graphe reprsente les prix du taux de e change dollar-yen pendant la priode Avril e 99-Nov 2000, ainsi que ceux dun contrat future. Les deux volutions sont tr`s seme e blables. Ce qui est remarquable, indpendamment de e la tendance, cest le caract`re tr`s erratique e e de lvolution e
Le graphe simul avec dirents param`tres e e e de diusion (c=1,1.1,0.9) des trajectoires dun mouvement brownien prsente beaucoup e danalogies avec la trajectoire du cours rel e
2 1 0 -1 -2 -3 -4 -5 -6 -7 -8 0 1 2 3 4 5 6 7 8 Echelle c = 1 Echelle c = 1.1 Echelle c = 0.9
Thor`me 2.3.2 Soit S un mouvement brownien gomtrique de valeur initiale x. e e e e 1. Le cours St , de condition initiale S0 = x, suit une loi log-normale dont les deux premiers moments valent E [St ] = xet ,
2 E St = x2 exp (2 + 2 )t ,
(2.3.5)
var(St ) = x2 exp (2t) exp( 2 t) 1 En particulier, le ratio de Sharpe, qui rapporte le gain moyen a la variabilit du titre, ` e Sharpe ratio = est indpendant de la valeur initiale x. e 2. Pour toute fonction h positive ou borne, e
x E (h(St )) =
E [St ] x var(St )
h(y)l(t, x, y)dy = g(z) =
1 h x exp ( 2 )t + tu 2 2 z 1 exp 2 2
g(u)du(2.3.6) (2.3.7)
La formule de Black et Scholes g(z) est la densit gaussienne centre rduite e e e 3. La densit de la loi de St partant de xest la fonction l(t, x, y) donne par e e l,2 (t, x, y) = d0 (t, x, y) = 1 1 exp d0 (t, xet , y)2 2 y 2t x 1 1 Log( ) t y 2 2 t
31
(2.3.8)
La densit gaussienne en fonction du temps e
La densit lognormale en fonction du temps e
Preuve : Ltude des moments de St repose sur le lemme 2.3.1. e Introduisons le brownien avec drive Wt que nous pouvons reprsenter a laide dune v.a. gaussienne e e ` centre rduite U par Wt = tU de telle sorte que e e = x exp (Yt ) si 1 2 1 Yt = ( )t + Wt = ( 2 )t + tU 2 2 Le lemme nous conduit aux calculs suivants : 1 1 E [St ] = E xeYt = x exp ( 2 )t + 2 t = x exp (t) 2 2 1 2 E St = E x2 e2Yt = x2 exp (2 2 )t + 4 2 t = x2 exp 2t + 2 t 2 = E [St ]2 exp 2 t La densit l(t, x, y) est dduite de la densit gaussienne par la formule du changement de variable e e e (dcroissant) associe a e e ` u = u y 1 y xet 1 1 1 [Log( ) ( 2 )t] = [Log( ) 2 )t] = d0 (t, xet , y) x 2 y 2 t t 1 = ty (2.3.9) (2.3.10) St
32

qui conduit au calcul de lintgrale des fonctions h > 0 e h(y)l(t, x, y)dy = h(xe( 2
1 2
)t+ tu
)g(u)du =
h(y)g(d0 (t, xet , y)
1 dy y 2t
2.3.2
Interprtation nanci`re des param`tres du mod`le e e e e
Interprtation e
Sil ny a pas de bruit, ( = 0), reprsente le rendement annualis du titre. Un simple e e argument darbitrage montre quen absence dalea sur le titre, son rendement doit tre le e mme que celui dun placement a la banque, dont le taux est dsign ici par r. On dsignera e ` e e e 0 la valeur en t de la capitalisation dun Euro a la banque. par St `
0 0 dSt = St rdt
(2.3.11)
Un ordre de grandeur de ce taux est [2%,12%]. Lorsque le titre est risqu, reprsente le rendement annualis du titre espr par unit de e e e ee e temps. Le march le compare en gnral a celui dun placement sans risque. Le param`tre e e e ` e r est donc en gnral un param`tre de rfrence. e e e ee
Le ratio de Sharpe par unit de temps des exc`s de rendements par rapport au cash prend e e en compte la volatilit du titre. Il est considr comme la prime de risque que la e ee march aecte a la source de risque W puisque e ` prime de risque = =
1 dt E dSt St
dSt 1 dt var( St )
r dSt St
(2.3.12)
Il sera utile dcrire e dSt = St [rdt + (dWt + dt)] (2.3.13) Dans cette reprsentation, nous voyons appara limportance du param`tre cl dans la e tre e e caractrisation des titres nanciers a savoir la volatilit . Lordre de grandeur de ce e ` e param`tre dpend normment de la nature du titre support : dans les marchs daction e e e e e il varie entre 30 et 70 %, dans les marchs de change entre 10 et 30 %, dans les marchs e e de taux dintrt entre 8 et 30 %. ee Limites de la modlisation e
Dans le monde de Black et Scholes, tous les param`tres sont supposs constants. Il est e e clair que ce nest pas tr`s raliste dans le cas du yen dcrit ci-dessus, ni dailleurs dans e e e aucun march. En fait, on pourra sans grande modication dans ce qui suit supposer e les param`tres dterministes. Mais cel` pose videmment des probl`mes didentication e e a e e (calibration dans le vocabulaire de la nance) importants.
33
Notons par ailleurs que dans leur papier de 1973, Black et Scholes ne cherchent pas tant a modliser avec exactitude la dynamique du sous-jacent quils consid`rent qu` essayer ` e e a de voir si le point de vue tr`s nouveau quils proposent dans le domaine des options est e prometteur, quitte a revenir sur les questions de modlisation dans la suite. ` e A cette poque, Mandelbrot (1963) avait dej` montr que les rendements des actifs e a e nanciers a un jour, ou une semaine ntaient clairement pas statistiquement gaussiens, en ` e particulier que la probabilit de grands mouvements de ces rendements tait plus grande e e que celle que le monde gaussien quantiait. Cette question des queues paisses des dise tributions des rendements et de son implication dans la mesure des risques et la couverture des produits nanciers est au coeur de la recherche actuelle. Mais comme nous le verrons, bien quimparfait le mod`le de Black et Scholes est encore tr`s ecace et tr`s utilis dans e e e e toutes les salles de march. 2 e Remarque 2.3.1 Un des grands messages de la nance mathmatique est que la prime de risque e nest pas spcique du titre mais de la source de bruit Wt . Cest une caractristique du march e e e au mme titre que le taux dintrt, du moins dans un monde sans arbitrage et tr`s liquide. Nous e ee e reviendrons longuement sur ce point dans le chapitre sur les multi-sous-jacents. Cette hypoth`se e joue en particulier un rle dterminant dans les marchs de taux. o e e
2.4
Portefeuille dynamique
Apr`s avoir modlis la dynamique du sous-jacent, nous avons a formaliser mathmatiquement e e e ` e lvolution de la valeur liquidative dun portefeuille gr dynamiquement de mani`re autoe ee e nanante, cest a dire sans modication de la valeur du portefeuille aux dates de rengociation. c ` e
2.4.1
Portefeuille autonanant crit sur un sous-jacent risqu c e e
Nous supposons ici que nous ne pouvons investir que dans un seul titre risqu appel souvent e e laction, et dans du cash, cest a dire en plaant ou empruntant de largent a la banque. Nous ` c ` dsignons par St le prix a la date t de laction, par r le taux dintrt pour un placement entre e ` ee [t, t + dt] a la banque. ` Une stratgie de portefeuille autonanante est une stratgie dynamique dachat ou de e c e vente dactions et de prts ou demprunts a la banque, dont la valeur nest pas modie e ` e par lajout ou le retrait de cash. Soit Vt la valeur de march, ou encore valeur liquidative, ou encore Mark to Market (MtM) du e portefeuille a la date t. Apr`s rengociation, le nombre dactions du portefeuille t (positif ou ` e e ngatif suivant quon est acheteur (long) ou vendeur (court) en action) est constant jusqu` la e a prochaine date de gestion. Pour simplier, nous supposons pour le moment que le gestionnaire
Voir Les marchs fractals, JJ Lvy Vhel, Christian Walter, Finance Puf 2002, pour une prsentation e e e e remarquable de ces questions
2
34
ne prend en compte dans sa r`gle de dcision la valeur du cours du sous-jacent au moment de e e rengocier. Dautres stratgies plus complexes seront introduites dans la suite. Dans un temps e e tr`s court, la variation de valeur du portefeuille nest due qu` la variation de la valeur de laction e a et a lintrt vers par la banque sur le cash, soit, puisque le montant investi dans le cash est ` ee e Vt t St dVt = t dSt + (Vt t St )rdt = rVt dt + t (dSt rSt dt) (2.4.1)
2.4.2
Formulation mathmatique du risque nul e
Comme nous lavons vu prcdemment, la question du prix des options est troitement lie e e e e a celle de leur couverture, parfaite si possible. ` Mathmatiquement, le probl`me se pose donc de la faon suivante : e e c trouver une stratgie de portefeuille autonanant qui rplique le ux terminal h(S T ), cest e c e a dire pour laquelle le P& L nal est nul. Pour des raisons oprationnelles, on souhaite ` e que la seule information a prendre en compte dans cette gestion dynamique soit la valeur ` du cours. Cette hypoth`se repose sur la notion en conomie decience des marchs qui exprime e e e que le prix dun actif a un instant donn incorpore toute linformation passe ainsi que les ` e e anticipations des agents sur ce titre. Plus prcisment, le probl`me est donc de trouver un couple de fonctions v(t, x), (t, x) e e e rguli`res telles que e e dv(t, St ) = v(t, St ) r dt + (t, St ) dSt rSt dt v(T, ST ) = h(ST ) (2.4.2)
(t, St ) est le portefeuille de couverture du produit driv h(S T ). e e Lexistence dune solution a un tel probl`me na a priori rien dintuitif. Par contre, lunicit ` e e est une consquence de labsence darbitrage dans le march, satisfaite par des portefeuilles e e vriant certaines conditions dintgrabilit. e e e
Preuve : En eet, si ce probl`me admet deux solutions admissibles, leur dirence u(t, St ) e e est une stratgie de portefeuille qui vaut 0 en T dans tous les tats du monde et qui est autoe e naante. Par absence darbitrage, elle est nulle dans tous les tats du monde. c e
Par absence darbitrage, la valeur du portefeuille v(t, S t ) est le prix auquel devrait tre e vendu loption, si elle tait mise a la date t, quand les conditions de march sont S t (). e e ` e Nous y ferons souvent rfrence comme au prix de loption. ee
2.5
Evaluation par quation aux drives partielles e e e
Nous allons montrer que le probl`me se ram`ne a rsoudre une quation aux drives pare e ` e e e e tielles.
35
2.5.1
LEDP dvaluation e
Nous recherchons la valeur du prix de loption sous la forme dune fonction a laquelle on ` 1,2 peut appliquer le calcul dierentiel dIt, par exemble de classe C b par rapport a Logx, et a o ` ` croissance linaire, pour que le processus v(t, S t ) satisfasse de bonnes proprits dintgrabilit. e ee e e Thor`me 2.5.1 a) Soit h une fonction continue, a croissance au plus linaire, pour laquelle e e ` e lEDP ci-dessous admet une solution rguli`re v(t, x) sur louvert ]0, T ]]0, +[ : e e
1 2 2 2 x vxx (t, x)
v(T, x) = h(x)
+ r x vx (t, x) + vt (t, x) rv(t, x) = 0
(2.5.1)
Le ux h(ST ) est duplicable par un portefeuille, dont la valeur a la date t est v(t, S t ), et celle du ` portefeuille de couverture (t, St ) = vx (t, St ). 1 1 u b) On a aussi que v(t, x) = ert u t, Lnx (r 2 2 )t o` u est solution de 1 u (t, w) + ut (t, w) = 0 2 ww 1 u(T, w) = erT h(exp((r 2 )T + w)) 2 (2.5.2)
Remarque 2.5.1 Cette transformation de lEDP dvaluation en EDP de la chaleur est e tr`s utile dans les schmas numriques, car elle limite le nombre de drives a prendre e e e e e ` en compte, et dautre part vite linstabilit numrique introduite dans lEDP dvaluation e e e e par la prsence devant la drive seconde dun terme qui tend vers 0, lorsque lactif a une e e e valeur proche de 0. Le statut de ces deux EDP nest pas le mme. La premi`re est lEDP de rfrence, suse e ee ceptible de nombreuses gnralisations. La deuxi`me est tr`s ecace pour faire des calculs e e e e explicites a partir de la densit gaussienne comme nous le verrons dans la suite ` e
Preuve : Tout repose sur le lien entre brownien gomtrique et mouvement brownien. e e Par la formule dIt, on peut dnir la direntielle dune fonction rguli`re de S, v(t, S t ) o e e e e dv(t, St ) = 1 2 2 (St vxx (t, St ) + St vx (t, St ))dt + 2 1 vt (t, St ) + vx (t, St )St ( 2 ) dt + vx (t, St )St dWt 2 1 2 2 St vxx (t, St )dt + vt (t, St )dt + vx (t, St )dSt 2
Une f.a. de la forme v(t, St ) qui est la valeur dun portefeuille autonanant admet une direntielle c e dIt dun type particulier, donn par (5.5.1) : o e dv(t, St ) = v(t, St ) r dt + (t, St ) dSt rSt dt Nous avons donc deux direntielles stochastiques pour v(t, St ). Comme la partie en W ne peut tre e e explique par une partie en dt, cest a dire par unicit de la dcomposition en partie brownienne et e ` e e partie a variation nie, nous voyons que ncessairement lquation (5.5.1) est satisfaite si : ` e e
1 2 2 2 St vxx (t, St )
vx (t, St ) = (t, St ) p.s + r St vx (t, St ) + vt (t, St ) = v(t, St )r
Apr`s simplication, nous obtenons lquation dvaluation du Thor`me 2.5.1. e e e e e
36
1 Introduisons le mouvement brownien avec drift dWt = dWt + dt, de condition initiale w = Lnx de telle sorte que St = exp (r 1 2 )t + Wt . 2 Nous pouvons faire le mme raisonnement que ci-dessus directement sur la fonction u(t, W t ) = e ert v(t, St ) en exprimant la condition dautonancement en terme de W , soit toujours dapr`s e lquation (5.5.1) : e
du(t, Wt ) = ert (t, St )St dWt Par identication avec la formule dI pour le mouvement brownien avec drift, o du(t, Wt ) = nous obtenons
1 uw (t, Wt ) = ert (t, St )St p.s 2 uww (t, w) + ut (t, w) = 0 u(T, w) = h(exp(r 1 2 )T + w)erT 2 1 On a alors v(0, x) = u(0, Lnx). A une date intermdiaire t, on a e
1 u (t, Wt )dt + ut (t, , Wt )dt + uw (t, Wt )dWt 2 ww
1 1 1 v(t, St ) = ert u(t, (r 2 )t + ln St ) 2
2.5.2
Extensions
Le cas des coecients dpendant du temps e
Nous avons vu que supposer une modlisation avec des coecients constants est vraiment e tr`s loin de la ralit que nous cherchons a cerner (une bourse qui monte pendant cinq ans e e e ` et qui chute pendant les trois annes qui suivent par exemple). Il ny a pas de dicults e e mthodologiques a supposer que les param`tres , r et donc dpendent (sont des fonctions e ` e e borliennes et intgrables) du temps. e e Lorsque la volatilit nest pas constante, nous navons tabli le calcul dierentiel stochase e tique que dans le cas de fonctions t drivables. Nous verons dans la suite que cette e hypoth`se est articielle, car nous avons voulu faire simple. Il sut de supposer que e T 2 0 t dt < +. La preuve prcdente peut tre tendue sans dicult a cette situation et conduit a lEDP e e e e e` ` 1 2 2 x vxx (t, x) + rt x vx (t, x) + vt (t, x) rt v(t, x) = 0 2 t v(T, x) = h(x) (2.5.3)
2.5.3
Interprtation nanci`re de lEDP dvaluation e e e
Le param`tre de tendance e Lune des consquences essentielles de cette mthodologie est que le prix de loption ne e e dpend pas du rendement (2.3.2) du titre risqu, cest a dire de la tendance du march a la e e ` e` hausse ou a la baisse, puisque ce coecient napparait pas dans lEDP dvaluation (2.5.1). ` e Ceci peut sembler vraiment surprenant, puisque la premi`re motivation de ces produits drivs e e e commes les Calls ou les Puts est de se couvrir contre ces mouvements.
37
La stratgie de couverture dynamique permet au vendeur doption dtre couvert contre e e les mouvements dfavorables du march. Il a annul le risque d a la tendance du march. e e e u` e Que le march soit haussier, ou baissier le prix de loption dachat sera le mme. e e Sur le plan statistique, ou de lidentication de mod`le, cela fait un param`tre de moins a e e ` estimer. Ce point est important, car il est tr`s dicile destimer correctement la tendance. e Le risque d aux uctuations est toujours prsent et inue signicativement sur le prix u e de loption par lintermdiaire du param`tre de volatilit. Cest la gestion de ce param`tre e e e e qui va dcrire le savoir-faire du trader. e
2.6
2.6.1

Rsolution de lEDP e
Le point de dpart est lEDP (2.5.2), qui est lquation aux drives partielles associe a un e e e e e ` mouvement brownien, et linterprtaion des solutions de lEDP de la chaleur. e Noyau dvaluation e Rappelons comment sont construites les solutions de lEDP de la chaleur a partir de la ` densit gaussienne e 1 y2 g(T, y) = exp( ) 2T 2T (2.6.1)
Soit u la solution de lEDP de la chaleur de condition terminale en T , k(w), a croissance linaire. ` e Il est bien connu que u(0, w) = u(t, w) =

w = E(k(w + WT Wt )) = E (k(WT 0 )|Wtw0 = w)
` o` W w0 est le mouvement brownien issu de w0 a la date 0. u Thor`me 2.6.1 e e 1. Soit h une fonction a croissance linaire. Le prix dun produit driv ` e e e x ), o` S x est le prix dun actif qui vaut x en 0 est donn par la valeur de ux terminal h(ST u T e en 0 de la solution de lEDP dvaluation qui admet la reprsentation intgrale e e e v(0, x) = erT 1 h x exp (r 2 )T + y 2 g(T, y)dy (2.6.5)
A la date t, la mme reprsentation reste valable a condition de changer T en (T t). e e `
k(w + y)g(T t, y)dy =
k(y)g(T t, y w)dy
k(w + y)g(T, y)dy =
k(y)g(T, y w)dy = E (k(w + WT ))
(2.6.2) (2.6.3) (2.6.4)
38
Dea de probabilits-Option nance 2003/2004 e 2. Nous pouvons encore crire v(0, x) = e u e + h(z)(t, x, z, T )dy o` le noyau dvaluation (t, x, z, T ) est construit a partir de la densit log-normale de param`tres r et 2 ac` e e tualise e (t, x, y, T ) = er(T t) l(T t, x, y, r, 2 ) 1 1 l(T t, x, y, r, 2 ) = exp d0 (T t, xerT t , y)2 2 y 2(T t) 1 x 1 d0 (t, x, y) = Log( ) t 2t y 2 (2.6.6) (2.6.7)
3. La fonction (t, x, y, T ) est la solution fondamentale de lEDP dvaluation (2.5.1) dans e les variables t et x, avec comme condition terminale y (dx).
Preuve : Ces rsultats sont des simples consquences des proprits des solutions de la chaleur. e e ee e Dapr`s le thore`me (2.5.1), v(0, x) = u(0, Log(x) ). En appliquant la reprsentation des solutions de e e e lEDP de la chaleur donnes ci-dessus, il vient une reprsentation du prix dun produit driv e e e e v(0, x) = erT 1 h x exp (r 2 )T + y 2 y2 1 exp 2T 2T dy
(2.6.5) a la mme forme que la reprsentation intgrale (2.3.6) qui permet de calculer E [h(S T (x, r, )] e e e lorsque ST (x, r, ) suit une loi log-normale de tendance r et de volatilit . e La densit gaussiennes g(t, w, y, T ) est solution fondamentale de lquation de la chaleur avec comme e e condition terminale la masse de Dirac en y y (dx). Il en est de mme pour la fonction (t, x, y, T ) qui e est est la solution fondamentale de lEDP dvaluation (2.5.1) dans les variables t et x, avec comme e condition terminale y (dx).
Cette formulation est valable a toute date t, a condition de changer T en T t ` `
Interprtation nanci`re e e
En termes nanciers, (t, x, y, T ) sinterpr`te comme la densit des prix dtats, cest e e e a dire le prix quon est prt a payer pour toucher 1 Euro si on se trouve dans ltat y ` e ` e (en fait dans lintervalle (y,y+dy)). La linarit des prix sugg`re ensuite que le prix dun e e e driv de pay-o h(ST ) est la somme des h(y) le prix dtre en y. Cette notion a t e e e ee introduite par des arguments purement conomiques en 1953 par Arrow et Debreu (on e parle aussi de prix dArrow-Debreu) qui ont ensuite rcu le prix Nobel. e Les proprits de moments de la loi log-normale de param`tres (r, 2 ) (2.3.5) et la r`gle ee e e dvaluation impliquent que le prix de S T (h est la fonction identit) est x, ce qui est e e cohrent avec labsence darbitrage, puisque pour poss`der de laction a la date T il sut e e ` de lacheter aujourdhui. Les param`tres de couverture e Ces formules intgrales permettent galement de calculer la couverture (t, x) de loption. e e Deux voies sont possibles.
39
Proposition 2.6.2 Supposons que le pay-o de loption soit drivable, en presque tout point, e et a drive a croissance polynomiale. ` e e ` 1. La drive du prix de loption, cest a dire le Delta, est donne par : e e ` e Delta(0, x) = vx (0, x) = erT 1 1 exp (r 2 )T + y hx x exp (r 2 )T + y 2 2 (2.6.8) g(T, y)dy
Calculer le delta de loption ( la drive du prix) a la date 0 revient a valuer le prix dun e e ` è ST produit nancier de ux terminal h (ST ). x x Lvaluation des deltas se fait en intgrant la drive du pay-o par une densit loge e e e e 2. normale de param`tre de tendance r + e Delta(0, x) =
+
hx (z)l(T, x, z, r + 2 , 2 )dz
(2.6.9)
2. Utilisons la drivation du noyau dvaluation. e e Delta(0, x) = erT h(y)lx (T, x, y, r, 2 )dy 1 x T (2.6.10) (2.6.11)
lx (T, x, y, r, 2 ) = l(T, x, y, r, 2 )(d0 (T, xerT , y))
Calculer le delta de loption ( la drive) revient a valuer le prix dun produit nancier e e è 1 (d0 (T, xerT , ST ))h(ST ). de ux terminal x T e ee e (x T )1 (d0 (T, xerT , ST )) peut tre interprt comme un noyau de drivation. Remarque 2.6.1 Ces formules sont tr`s utiles lorsquon calcule le prix par des mthodes de e e Monte-Carlo. Comme lerreur est proportionnelle a la variance de la variable dont on cherche ` lesprance, on a intrt a retenir celle des deux mthodes qui conduit a une variable ayant la e e e ` e ` variance la plus petite.
Preuve : Nous distinguons le cas o` la fonction h est dribale de lautre. u e Dans ce cas, la formule intgrale utilisant mla densit gaussienne met en videnc la dpendance par e e e e rapport a la condition initiale. Comme le noyau gaussien est tr`s rgulier, les hypoth`ses assurent que ` e e e lon peut driver sous le signe intgrale. Do` la formule de la porposition e e u Pour interprter cette intgrale a laide dun noyau remarquons que e e ` y 1 xerT 1 xerT ) T )2 + 2Log( ) = ( Log( rT xe y 2 y T xerT 1 xerT 1 1 1 ) T )2 + 2 Log( )( T ) ( Log( y 2 y 2 T T rT 2 2 xe 1 1 ) + T ) = d1 (T, xerT , y)2 = d0 (T, xer+ T , y)2 ( Log( y 2 T d0 (T, xerT , y)2 2Log(
40
En termes de densit, nous observons que e y l(T, x, y, r, 2 ) = xerT = = = ce que lon cherche a dmontrer. ` e 1 y 2T 1 y 2T 1 y 2T 1 y 2T
y exp d0 (T, xerT , y)2 xerT 1 y exp d0 (T, xerT , y)2 2 ln( rT ) 2 xe
2 1 exp (d0 (T, xe(r+ )T , y)2 ) 2 1 exp (d1 (T, xerT , y)2 ) = l(T, x, y, r + 2 , 2 ) 2
Lautre voie est dutiliser la formule intgrale (2.3.6) dans laquelle la dpendance par rapport a la e e ` condition initiale est exprime uniquement dans le noyau dvaluation log-normal et de driver e e e vx (0, x) lx (T, x, y, r, 2 ) = erT h(y)lx (T, x, y, r, 2 )dy 1 x T
= l(T, x, y, r, 2 )(d0 (T, xerT , y))
Do` le rsultat de lnonc. u e e e (x T )1 (d0 (T, xerT , ST )) peut tre interprt comme un noyau de drivation sur lespace des e ee e trajectoires.
Evaluation risque neutre : premi`re approche e Les proprits du noyau de pricing montrent que si le rendement historique de ee lactif est le taux dintrt sans risque r, la r`gle de pricing scrit simplement e e e e
x v(0, x) = E erT h(ST )
v(t, x) = E er(T t) h(ST )|St = x
Lhypoth`se introduite sur les rendements sexprime encore en disant que la prime de risque e du mod`le historique est nulle. On dit alors que la probabilit historique est risque- neutre. e e Ce faisant, les vendeurs doptions se comportent comme des assureurs qui font une estimation moyenne de leurs pertes. Mais nous avons vu que structurellement les rendements des actifs sont dirents du taux sans e risque, sinon linvestisseur naurait aucun intrt a les garder en portefeuille. ee ` La r`gle dvaluation que nous avons dgage montre que pour faire le prix dun produits driv, e e e e e e les agents font comme si le march dans lequel se font les transactions tait risque-neutre. e e Mathmatiquement, cel` revient a considrer que dans lestimation du prix dun produit driv, e a ` e e e le march fait un calcul desprance avec des poids dirents de ceux induits par la probabilit e e e e historique. En dautres termes, il respecte la r`gle que le prix est une esprance du ux terminal e e actualis, sous une probabilit pour laquelle la prime de risque est nulle. Nous noterons Q e e cette probabilit risque neutre, (on dit encore mesure martingale). Sous Q (S t ) est un brownien e
La formule de Black et Scholes goptrique de param`tre r et . De plus, la r`gle de pricing scrit : e e e e e
41
v(t, x) = E
er(T t) h(ST )|St = x er(T t)
(2.6.12)
vx (t, x) = E
vx (t, x) = E
ST h (ST )|St = x (2.6.13) St x 1 (d0 (T t, St er(T t) , ST ))h(ST )|St = x er(T t) St T t
Lintrt de cette reprsentation est de se gnraliser a des pay-os path-dpendants. Nous ee e e e ` e verrons dans le chapitre 3 que cette r`gle stend a des situations tr`s gnrales. e e ` e e e
2.6.2
Les formules fermes e
La formule de Black et Scholes concerne plus spciquement les prix des Calls et des Puts, e que nous explicitons ci-dessous. Thor`me 2.6.3 e e 1. Le prix dun Call de maturit T et de prix dexercice K est donn par e e
C(t, x, K, T ) = x N d1 (T t, xer(T t) , K) K er(T t) N d0 (T t, xer(T t) , K) 1 1 x d0 (t, x, y) = ln( ) t, d1 (t, x, y) = d0 (t, x, y, 2 ) + (2.6.14) t y 2 t o` N est la fonction de rpartition de la loi normale, centre rduite. u e e e 2. De plus, cette option est couverte par un portefeuille qui contient (t, St ) = Cx (t, St , T, K) = N [d1 (T t, St er(T t) , K)] parts de lactif risqu. e 3. De mme, le prix dun Put de mmes caractristiques est donn par e e e e P(t, x, K, T ) = K er(T t) N [d1 (T t, K, xer(T t) )] x N [d0 (T t, K, xer(T t) )] (2.6.16) (t, St ) = Px (t, St , T, K) = N [d0 (T t, K, St er(T t) )] (2.6.15)
4. Lorsque les coecients dpendent du temps, la mme formule reste valable a condition de e e ` poser r = R(t, T ) = 1 T t
T
rs ds,
t
2 = 2 (t, T ) =
1 T t
T t
2 s ds.
(2.6.17)
Remarque 2.6.2 Les proprits des fonctions d 0 et d1 sont les suivantes ee y d2 (t, x, y, 2 ) = d2 (t, x, y, 2 ) 2 ln( ) 1 0 x d0 (t, x, y, 2 ) = d0 (t, y, x, 2 )
42
Remarque 2.6.3 La fonction3 de rpartition N (x) peut tre approxime par e e e

1 2 1 N (x) = 1 e( 2 x ) (ay + by 2 + cy 3 ) 2 1 a = 0, 4361836 y= 1 + 0, 33267x
(2.6.18)
b = 0, 1201676
c = 0.937298
Preuve : Lide importante est dintroduire lensemble dexercice. e La preuve est alors une simple consquence des formules explicites prcdentes. Soit e e e E = {ST K} = {U d0 (T t, xer(T t) , K)} (2.6.19) Cel` permet de linariser le pay-o du Call en un terme de pay-o K1E et un autre terme ST 1E . a e Le premier terme se calcule grce a la formule (??). Il fait intervenir la fonction de rpartition de la a ` e loi gaussienne N au point d0 (T t, x, Ker(T t) ).
Il reste a calculer la drive par rapport a x du prix du Call. Il sut de driver sous le signe esprance ` e e ` e e T la fonction (x( Sx K)+ dont la drive (ST /x)1ST K existe presque partout. Mais cest exactement e e le calcul que nous venons de faire, do` le rsultat. u e
y Pour calculer le deuxi`me terme 4 , nous utilisons la remarque que d2 2 ln x = d2 . Le calcul du prix e 0 1 ST de x 1E est exactement le mme que le prcdent en remplaant d0 par d1 . e e e c
25 20 15 10 5 0
115
110
105
100
95
90
85
80
0.05
0.1
0.15
0.2
0.25
0.3
Surface de prix en fonction de x et T
2.6.3
Proprits du prix des Calls et des Puts e e
Nous prcisons quelques proprits importantes des prix des Calls et des Puts dans le mod`le e ee e de Black et Scholes, en nous limitant essentiellement aux Calls, puisque la parit Call- Put=xe Ker(T t) permet davoir les rsultats pour les Puts. e
3 4
Cette approximation est donne dans lexcellent livre de Dewynne-Howison-Wilmott (1995). e Nous donnerons une dmonstration plus directe a laide du thor`me de Girsanov e ` e e
La formule de Black et Scholes Remarquons dabord que comme le prix des calls et des puts est positif, v(t, x, r, , T, K) (x Ker(T t) )+
43
(2.6.20)
Puisque la fonction N [d1 (T t, xer(T t),K ] est croissante par rapport a x, la drive seconde ` e e de v(t, x, r, , T, K) est positive. Le prix des Calls est une fonction convexe du sousjacent, qui comme nous le verrons ci-dessous croit avec la volatilit, avec la maturit, mais e e dcroit avec le strike. e Cest une fonction homog`ne au sens o` e u v(t, x, r, , T, K) = v(t, x, r, , T, K) (2.6.21)
Cest une des raisons pour laquelle les strike sont souvent exprims en pourcentage du e cours de laction. Lorsque loption est a la monnaie forward, K = xe rT une simple approximation de la ` valeur du Call est donne (Brenner&Subrahmanyam, 1994) (Willmot, 1999) par e 1 1 v(t, x, r, , T, SerT ) = x N ( T t) N ( T t) = 0, 4x T t (2.6.22) 2 2
2.6.4
Les grecques
Le Delta dun Call.
Le gamma dun Call.
Nous avons crit la valeur dune option dachat grce a la formule de Black et Scholes comme e a ` une fonction v(t, x, r, , T, K). Dans cette formule, le prix de laction x et le temps t sont des variables dtat ; e le taux sans risque r, la volatilit sont des param`tres xs du mod`le ; e e e e la maturit T , le prix dexercice K sont des param`tres xs de loption. e e e La sensibilit du prix du call aux dirents param`tres joue un rle tr`s important dans la e e e o e gestion de la couverture du produit driv. En particulier les sensibilits que nous calculons ont e e e la pluspart du temps un nom spcique en relation avec lalphabet grec. e
44
Pour simplier les notations, nous supposerons t = 0, et nous ne rappellerons pas les variables dans les expressions de d0 et d1 . Cx = Delta = = N (d1 ) Cxx = Gamma = = CK = erT N (d0 ) C = V ega = x T N (d1 ) Cr = Rho = = T KerT N (d0 ) > 0
1 N (d1 ) > 0 x T x Ct = T heta = = N (d0 ) KerT N (d0 ) 2 T
Avec ces notations, lEDP dvaluation devient e 1 2 2 x + rx rC + = 0 2 (2.6.23)
Il est souvent intressant de lexprimer en terme de Vega, Delta , ce qui est possible grce a la e a ` relation 2 x2 = T Vega 1 Vega + rx rC + = 0 2T t (2.6.24)
Exemple 2.6.1
Param`tres des options e Cours du sous-jacent Strike de loption Taux court Nombre de jours avant lchance e e Volatilit du sous-jacent e
S=100$ K=100$ r=2,5% 30j =30%
Call 3.53 0.5267 0.0463 0.1141 -0.0605
Premium Delta Gamma Vega theta (par jour)
Put 3.32 -0.4733 0.0463 0.1141 -0.0537
2.7
Implmentation de la formule e
Implmentation e Pour mettre en oeuvre pratiquement la formule de Black et Scholes, tous les param`tres e et variables dtat doivent tre identis. e e e Le prix dexercice et la date dexpiration de loption sont spcies dans le contrat et sont e e connus sans ambiguit. e Le temps jusqu` la maturit est plus dicile a spcier : doit-on compter tous les jours a e ` e ou seulement les jours o` les marchs sont ouverts ? u e Observons que le temps jusqu` la maturit appara dans la formule de Black et Scholes a e t dans deux termes. Dans le facteur dactualisation e r(T t) , le nombre de jours du calendrier semble appropri car les intrts courent tous les jours. e ee Dans le second terme, une rponse plus ambigue peut tre faite : le temps jusqu` maturit e e a e appara comme indissociable de la volatilit. Or des tudes empiriques ont montr quil t e e e
45
y avait un eet jour signicatif (week-ends et jours fris sont nettement moins risqus). e e e Souvent, les traders ajustent cette maturit restante ( de volatilit) a un nombre de jours e e ` compris entre le nombre de jours du calendrier et celui du nombre de jours ouvrs ( par e exemple, un jour de non trading = 1/3 dune journe ouverte). Comme lanne boursi`re e e e est de lordre de 252 jours ouvrs, cette correction nest pas ngligeable. e e Le taux dintrt est suppos constant et gal au taux dintrt sans risque. Mais en gnral, ee e e ee e e une telle hypoth`se ne semble pas vrie sur les marchs. Le cas des taux dterministes e e e e e sugg`re de considrer le taux zro-coupon maturant en T . e e e Le cours de laction a introduire est un cours de ngociation. Quel est le bon cours de ` e laction a retenir, celui du matin, du soir, le plus fort, le plus faible, etc. . . . Les cours ` publis dans les journaux spcialiss sont souvent des cours reconstitus mid-market : e e e e moyenne entre le prix de lore et le prix de vente (bid-ask) La volatilit sera analyse ci-dessous. e e
2.8
2.8.1
Volatilit e
Prcisions sur la volatilit e e
La volatilit est le param`tre qui mesure le risque associ au rendement de lactif souse e e jacent. Cest un param`tre cl en nance, qui parfois recouvre des notions un peu direntes e e e telles que : volatilit instantane locale, volatilit moyenne sur une priode, etc. . . e e e e La volatilit locale e La volatilit locale est le param`tre qui mesure le risque associa la variation instantane du e e e` e sous-jacent. Elle peut-tre dterministe comme dans le cas dun sous-jacent qui suit un brownien e e gomtrique, ou stochastique comme dans le cas des options. e e Dnition 2.8.1 La volatilit locale dun actif de prix (X t ) est le param`tre ventuellement e e e e X e alatoire t dni par : e dXt X = rt dt + t (dWt + t dt) (2.8.1) Xt La proprit suivante, qui nest par vraiment surprenante, mrite dtre note : ee e e e Proposition 2.8.1 Dans le mod`le de Black et Scholes, le Call est localement plus volatil que e lactif sous-jacent.
Preuve : Dapr`s la formule dIt, la volatilit du Call est donne par : e o e e Cx (t, St ) N [d1 (St /Ker(T t))] C(t, St ) S t t = S t t t = t C(t, St ) C(t, St ) C(t, St )
Cest le fameux eet de levier des options. En achetant un call, on gn`re un portefeuille dont e e la volatilit et donc la rentabilit est suprieure a celle de laction, et ceci pour un investissement e e e ` initial moindre. Les options sont alors utilises a des ns spculatives. e ` e
46
2.8.2
Volatilit historique e
Dans le cadre de la formule de Black et Scholes, le param`tre de volatilit est le seul e e param`tre qui ne peut pas tre observ directement. Deux approches sont possibles pour lidene e e tier. des mthodes empiriques utilisant des donnes historiques sur les cours (douverture, de e e fermeture, le plus haut, le plus bas....) des mthodes implicites bases sur lobservation des prix des options et des cours des e e sous-jacents.
Fig. 2.1: Volatilit historique du SP500 de Janvier 28 a Aot 99 : les pics reprsentent les e ` u e cracks de 29 et de 87.
La premi`re mthode utilise les estimateurs standards de la variance par unit de temps du e e e logarithme du cours du sous-jacent, qui par hypoth`se suit un mouvement brownien non centr. e e On utilise des donnes rgulirement espaces de et on introduit : e e e e S(j+1) = Sj e(W(j+1) Wj ) et on pose : n 1 = n 1 n
n1 j=0 n1 j=0
ln(S(j+1) |Sj )
n 2
(ln(S(j+1) |Sj ) n )2
On en retient, en gnral, des valeurs de n comprises entre 50 et 180 jours. Le n observ est e e e lestimateur de appel volatilit historique. e e
47
Remarque 2.8.1 Pour employer des mthodes statistiques, il faut dgager une certaine stae e tionnarit dans les donnes, et faire des tests dadquation des mod`les, notamment tester si e e e e lhypoth`se de log-normalit pour le cours de lactif peut tre retenue. Les tests permettent e e e rarement de conrmer les hypoth`ses de Black et Scholes, et de nombreuses recherches sont en e cours actuellement pour trouver des mod`les plus adquats, notamment les mod`les ARCH en e e e discret, et les mod`les a volatilit alatoire en continu. e ` e e Toutefois, notre propos ici est destimer des param`tres en vue dvaluation et de couverture de e e prix, oprations qui se situent comme nous lavons vu dans un univers risque-neutre dirent de e e lunivers historique. Comme les nombreux tests conomtriques faits sur la thorie de larbitrage e e e (APT) montrent quil est tr`s dicile dvaluer des primes de risque stables, nous sommes en e e face dune situation assez originale sur le plan statistique, qui conduit a tre prudent dans lusage è des techniques destimation historique pour le calcul des prix doptions et de leur couverture.
Cours du yen et volatilit historique Oct2000-0ct2001 e
La volatilit des marchs actuels e e La volatilit, qui est comme nous lavons vu la vraie mesure du risque ne nous donne quune e information a tr`s court terme du comportement des socits. Mais nous assistons actuellement ` e ee a une augmentation de la volatilit des titres : les carts de cours quotidiens deviennent de plus ` e e en plus spectaculaires tant sur les titres que les indices boursiers. Une explication (partielle) est donne par limportance grandissante des investisseurs trangers e e qui poss`dent plus dun tiers de la capitalisation boursi`re des entreprises qui composent lindice e e CAC40. Les grands fonds de pension anglo-saxons interviennent sur des quantits importantes, e mais peuvent se retirer rapidement si la conance baisse. Par ailleurs, contrairement a ce quon pouvait attendre de la diversication, lindice Dow Jones ` EuroStoxx50 est plus volatil que le CAC, car les investissements sur les titres de lEurostox on t plus nombreux, et plus sectoriels. ee
48
2.8.3
La volatilit implicite e
La volatilit implicite ne fait rfrence a aucune notion statistique. Elle repose sur le fait que e ee ` dans un march tr`s liquide, la loi de lore et de la demande permet de xer des prix dquilibre, e e e qui correspondent a un consensus de march. Le march se sert alors des mod`les moins pour ` e e e xer des prix, (sauf sur des produits complexes), que pour valuer et couvrir le risque attach a e e` un produit driv. Le probl`me est aussi de comparer les prix de dirents produits optionnels e e e e crits sur un mme sous-jacent . e e Loutil de rfrence essentiel est la volatilit implicite, obtenue en inversant la formule qui donne ee e le prix du Call, cest a dire qu` un prix de Call et a un niveau de cours donns, on associe la ` a ` e valeur de qui introduite dans la formule de Black et Scholes donne comme prix celui du Call observ sur le march. e e C Obs (t, x, T, K) = C BS (t, x, T, K, impl ) Exemple 2.8.1 x = 21F F, K = 20F F, r = 0.1, T = 0, 25 anne, C = 1.875F F e
La volatilit implicite est de 0.235, car C(21, 0.25, 20, 0.1, 0.235) = 1.875 e
(2.8.2)
La volatilit implicite peut scarter notablement de la volatilit historique car elle est cense e e e e reter la volatilit future anticipe par le march. Elle incorpore galement toutes les incertie e e e e tudes sur la qualit du mod`le utilis. e e e Exemple 2.8.2 Par exemple la nomination dun gouverneur de banque centrale peut suivant le candidat choisi faire chuter ou monter le march. Les traders doptions savent donc quapr`s la nomination le e e prix du sous-jacent va varier fortement. Les prix des options avant la nomination sont donc levs bien e e que devant lincertitude il y ait peu dactivit (stabilit) sur le sous-jacent et donc e e relle. e
5
une faible volatilit e
2.8.4
Volatilit implicite et Risk-management e
Ce param`tre de volatilit implicite est loutil cl du Risk-management, puisquil permet a e e e ` partir de la connaissance dun prix doption de mettre en place les stratgies de couverture et e les mesures de sensibilit associes, puisquil permet de calculer les Grecques du probl`me. e e e Le Vega est une mesure de lexposition a une mauvaise estimation du la valeur de la volatilit. ` e Plus gnralement e e Proposition 2.8.2 Supposons que lon utilise a tort la formule de Black et Scholes avec une vo` latilit constante BS alors que la vraie volatili locale de lactif est t ventuellement alatoire, e e e e BS dun produit driv dont le pay-o est h(S ). mais inconnue pour donner le prix C e e T BS ; cel` conduit a une La stratgie de couverture est mise en place a laide de la volatilit e ` e a ` erreur de rplication (tracking error) a maturit donne par e ` e e eT = VT ( B S(h)) h(ST ) =
5
T 0
er(T s)
1 2 BS 2 ( BS )2 t St Cxx (t, St )dt 2
(2.8.3)
Un bon site pour voir des donnes de volatilit sur les titres amricains les plus courants est e e e http ://www.ivolatility.com
49
Dans le cas des Call, on peut exploiter les liens entre Gamma et Vega pour transformer lquation e
T
eT =
0
er(T s)
BS T t
2 t
( BS )2
Vega(t, St )dt
(2.8.4)
Call de strike K.
Preuve : Nous appliqons la formule dIt a la fonction C BS et au sous-jacent St . Il vient que o` dC BS (t, St ) = Delta(t, St )(dSt r St dt) + 1 2 2 BS S (t, St , BS ) + r St Delta(t, St ) + Ct (t, St ) dt 2 t t
1 2 2 = Delta(t, St )(dSt r St dt) + (t ( BS )2 )St CxxBS (t, St , BS )dt + r C BS (t, St )dt 2 Dans la derni`re quation, nous avons utilis que le prix BS est solution de lEDP (??). e e e Par ailleurs le portefeuille vrie e dVt (Delta) = rVt dt + Delta(t, St )(dSt r St dt) La tracking error et = Vt C BS (t, St ) vrie donc e det = r et dt + 1 2 BS 2 ( BS )2 t St Cxx (t, St )dt 2
Le rsultat nal sobtient en rsolvant cette quation linaire. e e e e 1 Dans le cas des Calls on peut exploiter le fait que x2 = T Vega. BS La tracking error et = Vt C (t, St ) scrit alors e det = r et dt + do` le rsultat. u e 1 BS 2T t 1
2 t
( BS )2
Vega(t, St )dt
Remarque 2.8.2 Cette estimation de lerreur peut tre utilise pour justier de certaines ape e proximations faites dans le march sur les volatilits. De nombreux produits dont la volatilit est e e e structurellement alatoire sont valus avec une formule de Black Scholes. Lorsque la volatilit e e e e choisie majore la vraie volatilit, le rsultat est favorable au trader si le Gamma est positif, cest e e a dire si le prix est convexe. Nous savons que cette prprits vraie pour les Call stend a tous ` ee e ` les pay-os convexes.
Informations sur les prix de lindice amricain SP500(SPXX) : e 29 Novembre 2002

Prix 936.30 Variation (%) -2.55 (-0.27%) -1an High Date 1,172.50 04-Jan -1an Low Date 776.75 09-Oct Volume Indice 0 Volume Options 71,015 Options Ouvertes 2,701,176
Volatilit historique du SP500 e
50
-0j 24.23% 23.78% 22.01% -1 sem 23.24% 21.25% 25.30% -1mois 33.40% 37.80% 36.39%

-1 an,Hi/Date 54.69%- 29-Juil 48.13%- 14 Aout 43.08% - 15 Aout -1an Low/Date 8.03% - 28 Dec 10.55% - 14 Jan 12.31% - 28 Jan
10 days 20 days 30 days
Volatilit implicite du SP500 e -0j 24.87% 24.96% -1 sem 20.81% 20.52 % -1mois 29.71% 28.65 % -1 an,Hi/Date 40.89%-5 Aout 41.76 %-5 Aout -1an Low/Date 14.93%-21 Mars 15.0%-26 Mars
Call Put
Volatilit implicite sur un an et volumes : SP500 e
Prix et volatilit des Calls e

VolImpl (%) 25.80 % 25.57 % 24.67 % 24.23 % 26.13% 24.86 % 23.71 % 22.91% Delta 65.85% 62.73% 52.63% 45.49 % 69.74% 39.75% 47.61% 35.46% Call 32.35 29.25 20.75 16.10 56.05 75.20 26.35 16.40 Variation (%) -1.65 (-4.85) -1.65 (-5.34) -0.55 (-2.58) -1.00 (-5.85) -1.05 -0.95 -0.50 -0.65 (-1.84) (-2.33) (-1.86) ) (-3.81) Echance e Dec02(22) Dec02(22) Dec02(22) Dec02(22) Jan03(50) Jan03(50) Jan03(50) Jan03(50) Strike 920 925 940 950 900 925 950 975
51
Prix et volatilit des Puts e

VolImpl (%) 25.97% 25.62% 24.79% 24.31% 26.18% 24.87% 23.76% 22.97% Delta -34.09% -37.17% -47.25% -54.37% -30.04% -40.32% -52.13% -64.24% Put 16.40 18.20 24.75 30.05 20.35 28.95 40.55 55.55 Variation (%) 0.05 (0.31) -0.20 (-1.09) 0.50 (2.06) 0.20 (0.67) -0.15 (-0.73) 0.10 (0.35) 0.95 (2.40)) 0.65 (1.18) Echance e Dec02 (22) Dec02 (22) Dec02 (22) Dec02 (22) Jan03(50) Jan03(50) Jan03(50) Jan03(50) Strike 920 925 940 950 900 925 950 975
Informations sur les prix de lindice amricain Nasdaq (NDX) : e 29 Novembre 2002
52
Volatilit implicite sur un an et volume : Nasdaq e
Les prix et leurs caractristiques sur un an e

Prix 1,116.10 Variation (%) -9.57 (-0.85%) -1an High Date 1,720.91 05-Dec -1an Low Date 804.64 07-Oct Volume Indice 0 Volume Options 3,807 Options Ouvertes 110,907
Volatilit historique du Nasdaq e

-0j 43.13% 43.19% 40.02% -1 sem 45.95% 41.23% 43.04% -1mois 50.16% 47.53% 45.46% -1 an, Hi/Date 75.07%-14 Mai 64.39%- 29 Juil 60.67% - 14 Aout -1an Low/Date 24.37% -07 Fev 29.71% - 14 Jan 30.26% - 15 Fev
10 days 20 days 30 days
Corrlations historiques a 30 jours avec le SP500 (SPX) e `

30 days -0j 95.39% -1 sem 94.96% -1mois 89.69% -1 an, Hi/Date 96.64%-26 Nov -1an Low/Date 76.85%- 02 Mai
Volatilit implicite du Nasdaq e

Call Put -0j 42.31% 43.65% -1 sem 39.02% 38.25% -1mois 44.33% 44.28% -1 an, Hi/Date 59.78%-25 Juil 59.39%-25 Jul -1an Low/Date 29.24%-28 Mars 30.31%-22 Mars
La formule de Black et Scholes Prix et volatilit des Calls e

VolImpl (%) 38.04% 38.00% 37.56% 37.51% 40.46% 40.21% 39.77% 39.29% Delta 71.29% 62.41% 52.96% 43.49% 65.83% 60.05% 54.09% 48.01% Call 65.2 50.30 37.35 27.20 89.20 75.20 62.40 51.00 Variation (%) -11.80 (-15.32%) -10.40 (-17.13) -11.15 (-22.99) -8.15 (-23.06) -10.10 (-10.17) -8.80 (-10.48) -7.80 (-11.11) -6.80 (-11.76) Echance e Dec02(22) Dec02(22) Dec02(22) Dec02(22) Jan03(50) Jan03(50) Jan03(50) Jan03(50) Strike 1075.0 1100 1125 1150 1075 1100 1125 1150
53
Prix et volatilit des Puts e

VolImpl (%) 45.84% 44.88% 44.91% 44.86% 45.41% 44.88% 44.31% 43.97% Delta -30.81% -38.25% -46.19% -54.13% -34.90% -40.06% -45.42% -50.83% Put 30.95 40.6 53.3 67.9 53.7 64.5 76.55 90.3 Variation (%) 4.65 (17.68%) 5.85 (16.83) 7.40 (16.12) 9.00 (15.28) 5.70 7.60 8.65 9.80 (11.88) (13.36) (12.74) (12.17) Echance e Dec02 (22) Dec02 (22) Dec02 (22) Dec02 (22) Jan03(50) Jan03(50) Jan03(50) Jan03(50) Strike 1075 1100 1125 1150 1075 1100 1125 1150
2.9
Le smile
Comme le montre ces donnes de march, il ny a pas sur un mme sous-jacent une seule volatilit e e e e implicite, mais ventuellement plusieurs, qui dpendent du prix dexercice et de la maturit. On e e e rf`re a ce phnom`ne comme au phnom`ne de smile, car il arrive souvent que cette dpendance ee ` e e e e e de la volatilit par rapport au strike ait la forme 6 dun sourire. e
DAX Implied Volatility
Average profile of implied volatility surface
0.4 0.35
0.34
Implied volatility
0.3 0.25 0.2 0.15 1.1 0.1 0.8 0.9 0.8 1 1.1 0.7 1.2 1.3 0.6 1.4 1.5 0.5 1.6 Time to maturity 1 0.9
0.32 0.3 Implied volatility 0.28 0.26 0.24 0.22 1 0.2 0.18 0.6 0.7 0.8 0.9 1 0.5 1.1 1.5
1.2
1.2
1.3
1.4
Moneyness
Moneyness
1.5
Time to maturity
Surfaces de volatilit implicite sur le DaX e

6
Moyenne des historiques de volatilits e
Merci a Rama Cont pour ces belles surfaces de volatilit implicites ` e
54
Cela est en contradiction avec le mod`le thorique, mais le march retient que cela indique que e e e le titre de volatilit implicite la plus leve est le plus risqu, le risque tant d , le cas chant, e e e e e u e e a des carts au mod`le darbitrage thorique, moins grande liquidit par exemple, etc . . . . ` e e e e Cest ce param`tre qui sert actuellement de rfrence de risque sur le march des options, o` e ee e u lon voque facilement que lon ach`te ou vend de la volatilit. e e e On voit aussi pourquoi le march attache une grande importance aux formules explicites, qui e sont souvent utilises inverses : dans le cas des produits plus sophistiqus, valus par des e e e e e mthodes numriques, la volatilit implicite est calcule a partir de tables videmment dont e e e e ` e ltablissement est videmment assez co teux en temps de calcul. e e u
2.9.1
Smile et options exotiques
La prise en compte de leet de smile a pris ces derni`res annes une importance accrue pour e e la raison suivante. Dans la gestion du march, la formule de Black et Scholes est donc essentielle plus pour quantier e le portefeuille de couverture que pour faire le prix des options classiques. La re`gle qui consiste e a dire, ` le trader observe un prix doption dans le march e il en dduit la volatilit implicite associe e e e il couvre loption avec le Delta correspondant a cette volatilit ` e est parfaitement cohrente, puisquil sagit de couvrir une option avec du sous-jacent. Il sagit e dune gestion produit par produit. Ces derni`res annes, la grande liquidit des options classiques entretenue par la prsence des e e e e marchs organiss, a conduit les intervenants des marchs a considrer ces options standards e e e ` e comme des produits dont la gestion est parfaitement maitrise. ce sont des produits vanilla ( e comme la glace). Elles deviennent des produits de base quon souhaite utiliser comme instruments de couverture doptions plus complexes comme les options exotiques. Le probl`me du Smile de volatilit se pose alors autrement, puisquil est ncessaire maintenant, e e e pour pouvoir prendre en compte dans un mme portefeuille de couverture plusieurs options, e davoir un mod`le commun qui resp`cte le smile et qui permette de faire des prix doptions e e exotiques, notamment doptions barri`res. Le probl`me devient didentier non plus une volatilit e e e implicite, mais une diusion implicite. Dupire (Paribas, 1995) et Derman (Goldman Sachs, 1995) ont t les pionniers de la recherche dans cette direction. ee
55
Appendice
2.10 Exemples de Produits Structurs sur indices e
Cette prsentation de produits structurs est faite pour des clients par une quipe de struce e e turation dun banque franaise. Elle date de la n des annes 1990. c e
2.10.1
Motivation
Dans le contexte actuel de taux dintrt tr`s bas, linvestissement boursier para tre un ee e t e bon moyen dobtenir des rendements futurs levs. Les produits sont gnralement des Bons a e e e e ` Moyen Terme Ngociables (BMTN) qui orent une souplesse extrme au choix de linvestisseur. e e Lexprience de la banque XXX garantit un market-making de qualit ainsi quune excellente e e liquidit en cas dentres/sorties en cours de vie du produit. e e
2.10.2
Dnition et caractristiques des produits e e
Choix des caractristiques e Choix de lindice XXX propose sur demande des indexations sur lindice CAC 40 ou sur des indices trangers e (Dax, Mib30, Ibex, Footsie ...) ou encore sur des indices europens (Euro Stoxx 50 : valeurs e de grande capitalisation des pays in) avec couverture systmatique du risque de change e contre Euro. Linvestisseur mise uniquement sur lvolution relative de lindice tranger. e e Choix de la maturite Lindexation et la maturit varient dans le mme sens (un allongement de la dure ore e e e un surcro dindexation). t Choix du rendement minimum garanti En plus de la garantie de capital, linvestisseur pourra choisir un taux minimum garanti. Famille des options utilises e An de permettre une gestion ecace des anticipations de variation des marchs boursiers, e XXX a dvelopp une famille doptions, des classiques aux plus exotiques. Les caractristiques e e e de ces options restituent la performance de lindice avec un eet de levier et/ou de capture de la performance. Option avec indexation simple on compare lindice en dbut et en n de priode. e e Cest un produit pur et simple a comprendre mais son succ`s dcline en raison de lincer` e e titude sur la valeur de lindice en n de priode . e Option avec paliers la performance du sous-jacent se trouve verrouille d`s lors quun certain niveau prdni e e e e (palier) est franchi. Cette performance reste acquise ensuite quelle que soit lvolution du e
56
Dea de probabilits-Option nance 2003/2004 e sous-jacent par la suite. Tr`s apprcie par la client`le mais plus coteuse quune option standard. On peut dimie e e e u nuer le cot en modulant le niveau des barri`res. u e ` cliquets Option avec indexation a la performance du sous-jacent se trouve verrouille par exemple tous les ans. Seules les e performances positives sont conserves, les sous-performances dune priode sur lautre e e sont considres comme nulles et naectent pas la performance globale. ee Ce produit permet de bncier de toutes les hausses annuelles sans subir les baisses de e e lindice. Ce type de produit est tr`s cher dans le contexte de taux bas actuel car on ach`te e e plusieurs options courtes au lieu dune longue. Nanmoins on peut ajouter une moyenne e ou un plafond. Option avec barri`re dsactivante e e Loption dispara d`s quun niveau prdni est touch. Loption avec barri`re t e e e e e dsactivante est moins ch`re quune option standard, elle procure souvent un fort eet e e de levier mais linvestisseur supporte le risque de retour a une performance moindre, voire ` nulle si lindice progresse trop sur la priode. e Son faible cot la rend tr`s attractive pour des maturits courtes (une a deux annes). u e e ` e Option sur moyenne simple Lindexation seectue sur la performance moyenne de lindice. Cette performance moyenne est calcule a laide de cours constats a intervalles de temps prdnis au cours de la vie e ` e ` e e du produit. La plus couramment utilise depuis quelques temps car elle concilie des prix doptions e faibles et une scurit pour linvestisseur. e e Option sur moyenne protge e e Seuls les cours de constatation suprieurs ou gaux au niveau initial de lindice sont utiliss e e e pour la dtermination de la moyenne. De cette mani`re, seules les performances haussi`res e e e sont retenues pour la rmunration du produit. e e Un plus par rapport a la moyenne simple car le calcul revient a faire la moyenne des hausses ` ` aux direntes dates de constatation, en prenant une valeur nulle, lorsquon constate une e baisse. Option super moyenne Seuls les cours de constatation suprieurs ou gaux au niveau initial de lindice sont utiliss e e e pour la dtermination de la moyenne. De plus on exclut tous les points o` lon a constat e u e une baisse. On ne conna pas au dpart le nombre de points qui seront pris en compte t e pour le calcul de la rmunration du produit. e e Un seul point de constatation suprieur au niveau initial sut a garantir une performance e ` in ne positive. Option Best of La rmunration du produit est gale au meilleur entre un taux de rendement garanti e e e prdni et la performance de lindice. La rmunration est au moins gale au taux garanti. e e e e e Lavantage de cette option par rapport a une option simple et un minimum garanti est ` quelle permet dacher un pourcentage dindexation plus lev mais dont on ne bnciera e e e e
57
quau-del` dun pourcentage signicatif de hausse de lindice. a Option corridor La rmunration est proportionnelle au prorata du nombre de jours passs par lindice e e e a lintrieur de bornes prdnies. La rmunration reste acquise au fur et a mesure que ` e e e e e ` lindice se comporte favorablement. Lindice peut sortir de lintervalle et y revenir. Un classique des produits de forte rmunration a court terme (infrieur a un an). e e ` e `
58
Chapitre 3
Options barri`res e
Ce chapitre doit beaucoup a de nombreuses discussions avec Monique Jeanblanc de lUni` versit dEvry. Je remercie aussi tout particulirement les quipes du Crdit Lyonnais avec qui e e e e jai travaill sur ce probl`me, celles de GRO et de GRM notamment. e e
3.1
Introduction
Les options exotiques sont des produits complexes, qui constituent un march dune relle e e importance depuis les annes 1990, notamment sur le march des changes. Leur nom vise surtout e e a les direncier des options standards europennes ou amricaines. Ce sont des options qui ne ` e e e sont traites que sur les marchs de gr a gr (Over the Counter) a la dirence des options stane e e` e ` e dards traites aussi dans les marchs organiss. Elles visent a rpondre a des besoins spciques e e e ` e ` e dassurance des grands groupes nanciers, des compagnies dassurance, fonds de pension, etc... La notion dexotisme est bien s r toute relative, car au fur et a mesure quun produit nancier u ` devient tr`s liquide il perd progressivement son caract`re dexotisme. e e Lintrt pour certaines options exotiques provient du fait quelles sont moins ch`res que les ee e options classiques quivalentes. Les options barri`res sont un exemple dune telle rduction, e e e puisque loption pourra tre exerce dans un nombre de congurations moindre que loption e e classique, par exemple seulement si le sous-jacent est pass en dessous dune barri`re dnie e e e dans le contrat. Pour le vendeur de loption, la principale dicult sera de mettre en place une e stratgie de couverture ecace, car le delta de telles options prsente souvent des discontinuits, e e e notamment au voisinage de la barri`re. e Nous nous intressons particuli`rement aux options barri`res et aux options lookbacks, cest e e e a dire aux options qui portent sur le minimum ou le maximum des cours. De mani`re assez ` e surprenante, dans le contexte de Black et Scholes, il existe des formules fermes pour le prix e de telles options, qui reposent sur un principe de symtrie bien connu des probabilistes. Elles e ont t obtenues par Reiner [4] pour les options barri`res et par Conze et Visvanathan [2] pour ee e les lookbacks. Peter Carr [1] est le premier a avoir montr comment ce principe, appliqu di` e e rectement a un sous-jacent log-normal sans co t de portage (martingale) permet de dnir un ` u e 59
60
DEA de Probabilit, option nance 2003/2004 e
prix et une couverture statique doptions barri`re. Nous reprenons les mmes ides, en montrant e e e comment elles stendent a un sous-jacent log-normal quelconque. Les options barri`res binaires e ` e nous servent de transition pour lobtention des formules fermes pour les barri`res et les looke e backs et permettent de proposer des stratgies de couverture quasi-statiques. e Nous tendrons ces rsultats a la formule de rplication statique de Derman Kani, qui dans le e e ` e cadre dun sous-jacent suivant une diusion markovienne, montre quune option barri`re peut e toujours scrire comme une intgrale en maturits de Calls a la barri`re. Nous montrerons aussi e e e ` e comment utiliser ces calculs pour tudier les options barri`res avec dividendes discrets. e e
3.2
Formule de symtrie dans la formule de Black et Scholes e
Nous utilisons les notations habituelles sur les actions, o` u St est le prix de laction a la date t, ` r est le taux dintrtinstantan suppos constant, ee e e la volatilit instantane constante. e e dsigne le co t de portage (vocabulaire consacr dans le cas des actions), gal a r si e u e e ` laction ne verse pas de dividende, a r q si elle verse un taux de dividende de q. ` La dynamique du prix de laction est modelise par e dSu = Su (du + u dWu ), St = x (3.2.1)
o` (Wu ) est un brownien risque-neutre sur lespace (, F, Q). u Remarque 3.2.1 Lorsque le co t de portage est dirent de r, le prix a investir en t pour dtenir u e ` e (r)(T t)) qui est donc le vrai sous-jacent dune option de lactif en T nest pas St , mais St e maturit T . En dautres termes, le prix du contrat forward sur laction est F t (S, T ) = St e(T t) . e Nous commenons par tablir la formule de symtrie lorsque le sous-jacent ne supporte pas de c e e co t de portage, puis ltendons simplement au cas gnral. u e e e
3.2.1
Formule de symtrie Call-Put sans cot de portage e u
Dans cette section, nous supposons que le co t de portage est nul, cest a dire que sous la u ` probabilit risque-neutre Q, dSu = Su dWu .. e N dsigne la fonction de rpartition de la loi normale centre rduite. e e e e Formules de symtrie Call-Put e Le prix dun Call, pour un ux pay a la maturit T de (S T K)+ est donn par la formule e` e e r(T t) a la date t, de Black et Scholes, applique a un sous-jacent qui vaut xe e ` ` CallBS (t, x, K, T ) = er(T t) [xN [d1 (T t, x, K)] KN [d0 (T t, x, K)]] avec d0 (u, x, K) = 1 x 1 ln( ) u, K 2 u d1 (u, x, K) = d0 (u, x, K) + u = d0 (u, K, x) (3.2.3) (3.2.2)
Options barri`res e De mme, le prix dun Put, qui paye a maturit un ux de (K S T )+ , est de e ` e PutBS (t, x, K, T ) = er(T t) KN d1 (T t, K, x) xN d0 (T t, K, x) .
61
(3.2.4)
Cette formule montre clairement qu` condition dintervertir niveau de sous-jacent et prix dexera cice, il existe une formule de symtrie Call-Put e CallBS (t, x, K, T ) = PutBS (t, K, x, T ) Remarque : Attention aux places respectives de x et K dans ces formules. Interprtation mathmatique e e Linterprtation mathmatique de ce rsultat en claire la porte. e e e e e Nous introduisons la probabilit risque-neutre Q et exploitons au maximum le fait que le prix e du sous-jacent dpend linairement de sa condition initiale, cest a dire quun sous-jacent qui e e ` part de K a mme distribution quun sous-jacent S qui part de x multipli par K/x. Lquation e e e (3.2.5) devient E (ST K)
+
(3.2.5)
ST + ST = E (x K ) =E x x
x2 K ST
Comme ceci est vrai pour tout K, nous en dduisons que la loi de S T sous Q est la mme que e e x2 ST celle de sous la probabilit QS de densit e e par rapport a Q. (Rappelons que S nayant ` ST x pas de co t de portage est martingale sous Q). u Applique a des fonctions positives quelconques, la formule devient e ` E [f (ST )] = E ST f x x2 ST (3.2.6)
3.2.2
Principe de symtrie dans le cas gnral e e e
Symtrie dans la formule de Black et Scholes gnrale e e e Il y a plusieurs moyens de montrer le principe de symtrie dans le cas gnral, mais nous e e e souhaitons en donner une formulation adapte a notre propos de rplication statique. Nous e ` e considrons donc un sous-jacent e dSu = Su (du + dWu ) ; St = x (3.2.7)
La formule de Black et Scholes devient, en ne rcrivant pas T-t dans d 0 et d1 e CallBS (t, x, K, T )er(T t) = xe(T t) N d1 (xe(T t) , K) KN d0 (xe(T t) , K) PutBS (t, x, K, T )er(T t) = KN d1 (K, xe(T t) ) xe(T t) N d0 (K, xe(T t) ) CallBS (t, x, K) = e(T t) PutBS (t, K, xe2(T t) ) PutBS (t, x, K) = e(T t) CallBS (t, K, xe2(T t) ) La formule prcdente conduit aussi a une formule de symtrie e e ` e (3.2.8) (3.2.9)
62
Version mathmatique du principe de symtrie gnral e e e e Ces formules de symtrie font intervenir la maturit rsiduelle, ce qui nous pose un probl`me e e e e dans lapplication aux options barri`res. Pour obtenir la formulation adquate, nous nous ramee e nons au cas martingale par une transformation simple, et utilisons la formulation mathmatique e pour obtenir la formule de symtrie. e Proposition 3.2.1 Soit S un sous-jacent avec cot de portage . u 1. Le processus S est un processus log-normal de cot de portage et de volatilit u e 1 = ( + 2 ( 1)), 2 2. Pour = 1
2 2 ,
(3.2.10)
le processus S est martingale, c`d log-normal sans cot de portage. a u
3. Pour toute fonction f positive E f (ST ) = E 4. Pour toute fonction f positive
ST x
x2 ST
(3.2.11)
E (ST f (ST )) = x e T E
f (e
2 (T t)
ST )
Preuve : La formule dIt nous dit que o

1 dSt 2 = dt + dWt + 2 ( 1) dt St
ce qui caractrise les cots de portage et la volatilit. e u e 1 En particulier, pour le param`tre not , qui vrie + 2 (1) 2 = 0, le sous-jacent est martingale. e e e Pour toute fonction f positive, dapr`s la formule de symtrie sans cot de portage e e u E f (ST ) = E f = E
ST
1
Nous utilisons les proprits du processus S pour calculer le prix de loption Power. La v.a ST ee T est positive, desprance risque neutre gale a x e e e ` . Renormalise par son esprance, elle dnit e e e un changement de probabilit Q , sous laquelle le mouvement brownien W est transform en un e e mouvement brownien avec drift dWt = dWt + dt
Sous la probabilit Q , (Su ) est un brownien gomtrique de mme volatilit et de cot de portage e e e e e u + 2 . 2 Remarquons que e (T t) ST a mme loi que ST . Par suite, pour toute fonction f 0, lesprance e e 2 (T t) de ST f (ST ) est gale a lesprance de f (e e ` e ST ), correctement pondre. e e
=E x2 ST
ST x
x2 ST
ST x
Options barri`res e Interprtation nanci`re de la symtrie e e e
63
Nous pouvons rinterprter ces formules en termes doptions. Toutefois, il est important e e de noter que des pay-os qui dpendent de la condition initiale ne gnrent a priori pas e e e ncessairement des portefeuilles auto-nanants, en dautres termes e c er(T t) OptEur t, St e(T t) , (St e(T t) , ST ) nest pas ncessairement une martingale. Toutefois, cette proprit est conserve pour les fonce ee e tions que nous utilisons ci-dessous. Thor`me 3.2.2 Soit S un sous-jacent de cot de portage et = 1 e e u x2 ST
2 . 2
1. Dsignons par OptEur (t, x, f (ST )) le prix dune option Europenne de pay-o f (S T ) 0. e e OptEur (t, x, f (ST )) = OptEur t, x, ST x
= OptEur t, x, f (x, ST ) (3.2.12)
z x2 f . x z 2. Options avec poids : Pour toute fonction f 0, o` f (x, z) = u

OptEur (,2 ) (t, x, ST f (ST )) = x e (T t) OptEur (+2 ,2 ) (t, x, f (ST )))
3. Principe de symtrie e Call (t, x, K) = OptEur t, x, ST x

1
(x
K ST )+ x
= PowerPut t, K, x, 1 (3.2.13)
4. Supposons la fonction f drivable presque partout, de drive f borne. Le Delta de lope e e e tion Europenne est donn par e e DeltaOptEur (t, x, f ) = OptEur (t, x, = DeltaOptEur (t, x, f (x, ST )) = OptEur ST f (ST )) x t, x, f (x, ST ) z x
1
si f (z, x) =
x2 z
Remarque 3.2.2 Dans le chapitre prcdent, nous avons montr que la drive dune option e e e e e 1 rT (d0 (T, xe , ST )), fonction ane de ln ST . peut se calculer en multipliant le pay-o par x T En particulier DeltaOptEur (t, x, f (ST )) = OptEur t, x, 1 (d0 (T, xeT , ST ))f (ST ) x T
64
3.3
3.3.1
Options barri`res e
Caractristiques gnrales e e e
Options In et Out Les options barri`res sont un nom gnrique donn aux produits drivs dont les payos e e e e e e dpendent du fait que le sous-jacent a atteint ou non un niveau donn (ou barri`re) durant la e e e dure de vie de loption. Les plus courantes sont e knock-out options : Loption expire automatiquement quand le sous-jacent touche une ou plusieurs barri`res prdtermines. e e e e knock-in options : Loption est active si les barri`res sont touches. e e e Par ailleurs, ces options barri`res sont structures comme des puts ou calls europens. Par e e e exemple Un DOC (down-and-out Call) de strike K, de barri`re H et maturit T est loption dachee e ter le sous-jacent au prix K au temps T si le sous-jacent ne descend jamais en-dessous de H. Un UOC (up-and-out Call) poss`de les mmes caractristiques, mais la barri`re est mone e e e tante. e e Un DIC (down-and-in Call) est activ si le sous-jacent passe au-dessous de la barri`re. Un UIC (up-and-in Call) est activ si le sous-jacent passe au-dessus de la barri`re . e e Les mmes dnitions sappliquent aux puts et aux options binaires. Par exemple e e Un DIP est un (down-and-in Put). Un BinDIC est un Call binaire, qui nest activ que si le sous-jacent passe au-dessous de e la barri`re. e Un DIB (down-and-in Bond) est un produit qui paye 1 Euro a lchance si la barri`re a ` e e e t touche. ee e
Une trajectoire et la barri`re e
Une autre trajectoire
Options barri`res e Options regular ou reverse
65
Les options barri`res peuvent tre classes selon la valeur intrins`que a la barri`re : e e e e ` e Une option barri`re qui est en dehors de la monnaie lorsque la barri`re est touche, (cest e e e a dire dont le pay-o est nul a la barri`re et au-del`) est appelle une regular option. (Par ` ` e a e exemple, une DIC de barri`re B et de prix dexercice K B ou une UIP de barri`re H e e et de strike K H .) Dans le cas inverse, loption est dite une reverse option. Certaines options barri`res sont assorties dune compensation, le rebate, sous forme de e cash si loption est out. Le prix du rebate est celui dune option binaire a barri`re. En ` e particulier, le rebate est souvent choisi pour quil y ait continuit des pay-o a maturit a e ` e` la barri`re, soit si le payo est f (S T ) en T , on choisit un rebate de f (H) a la barri`re. e ` e Remarque 3.3.1 Par arbitrage, tre long dune option in et dune option out est quivalent e e a dtenir une option standard, dite encore vanilla. Il sut donc dtudier les options in. ` e e Considrons une option barri`re Up In reverse, dont le pay-o est nul en dessous de la barri`re e e e (par exemple un Call de strike plus grand que la barri`re). Dans ce cas, le pay-o na de la e valeur que si la barri`re a t franchie. Le UICall et le Call ont donc la mme prix a toute date. e ee e ` Loption barri`re est donc une option europenne. e e Cest cette proprit qui est utilise dans le principe de symtrie. En particulier, nous avons la ee e e dcomposition suivante e Proposition 3.3.1 Soit UI(t, x, H, f (S T ) une option barri`re de pay-o f . Cette option est la e somme de deux options, une option barri`re regular de pay-o f H (ST ) = f (ST )1ST H et une e option Europenne de pay-o (f f H )(ST ) soit e UI t, x, H, f (ST ) = UI t, x, H, f H (ST ) + OptEur (t, x, (f f H )(ST )) Il ne nous reste donc qu` tudier les options rgular. ae e
3.3.2
Pricing et Rplication dune option Up In regular e
Nous tudions le cas dune option Upregular, dont le pay-o f est nul au-dessus de la e barri`re H. e Thor`me 3.3.2 Soit f H le pay-o dune option Up regular, nul pour z e e UIOpt(t, x, f H (ST ), T ) le prix de loption In associe. e H, et
1. Pour tout x < H, cette option est rplicable par une option Europenne standard de pay-o e e z H H2 H, (z, f ) = ( ) f ( ). H z UIOpt t, x, f H (ST ) = OptEur t, x, ( = ( x ) OptEur H ST H H 2 ) ) f ( H ST H2 t, x, f H ( 2 ST ) x (3.3.1) (3.3.2)
66
DEA de Probabilit, option nance 2003/2004 e 2. Mathmatiquement, introduisons le temps T H de passage au-dessus de H, e TH = inf{u t ; Su H} E[f H (ST )1{TH T } ] = E[( ST H H 2 x H2 ) f ( )] = ( ) E[f H ( 2 ST )] H ST H x (3.3.3)
(3.3.4)
UIP 100-100-120 en fonction de la maturit e
UIP 100-120 en fonction du strike, maturit 1 an e
Remarque 3.3.2 La premi`re galit dans (3.3.1) donne la rplication statique, pour un e e e e sous-jacent en dessous de la barri`re. e La deuxi`me est tr`s ecace pour le calcul, car le prix de loption barri`re a exactement e e e la mme complexit de calcul que celui de loption europenne dont on est parti. Il sut e e e de multiplier par un poids et de dilater le pay-o.
Preuve : Nous dsignons par TH = inf{u t ; Su H} le premier instant apr`s t o` le sous-jacent passe e e u au-dessus de la barri`re H. e Pour valuer loption a la date t, nous pouvons par arbitrage choisir dvaluer loption a la date e ` e ` TH pour TH < T puis donner un prix en t pour ce ux alatoire pay en TH . A la barri`re, le e e e niveau du sous-jacent est connu, seule la maturit restante T TH est alatoire et loption UIOpt e e est quivalente a un OptEur (TH , H, f H , T ). Comme le sous-jacent est log-normal, et la volatilit e ` e dterministe, la dynamique du sous-jacent initialis au temps alatoire TH et au point H, est, e e e conditionnellement a lobservation du pass jusquen TH a distribution log-normale. ` e ` La formule de symtrie (3.2.5) et lhomognit du prix du Put montrent que e e e e OptEur TH , H, f H (ST ) = OptEur TH , H, H, (ST ) Loption qui a la barri`re vaut OptEur (TH , H, H, (ST )) est une option Up et In de pay-o H, (ST ). ` e Par suite, loption UIOpt t, x, H, f H (ST ) est quivalente a une UIOpt t, x, H, H, (ST ) . e `
Options barri`res e
67
A lchance T , la valeur intrins`que H, na de la valeur que si le sous-jacent est suprieur a H. e e e e ` La barri`re H a donc t atteinte durant la vie de loption avec une probabilit 1 ; la barri`re na e ee e e donc plus dinuence sur le prix. Loption barri`re UIOpt t, x, f H (ST ) est donc gale a loption e e ` vanilla OptEur t, x, H, (ST ) . Cette formulation donne une rplication statique de loption barri`re au moyen dune option eue e ropenne, dont le pay-o H, est dduit de mani`re analytique, mais assez complique si lon pense e e e e H aux Calls et Puts, de f . Revenons donc a la forme explicite de H, . Le pay-o de loption ` OptEur t, x, ( ST H H 2 ) f ( ) H ST
sugg`re de rappliquer une formule de rplication statique a la date t cette fois-ci (lautre fois tait e e e ` e T a la barri`re). Il faut alors mettre en vidence des quantits de la forme Sx a la place des quantits ` e e e ` e è de la forme ST , ce qui revient a crire H ( ST H H 2 x ST H 2 x2 ) f ( ) = ( ) ( ) f H ( 2 ) H ST H x x ST x H2 ) OptEur t, x, f H ( 2 ST ) H x
La formule de rplication statique (3.2.13) nous donne alors e OptEur t, x, ( ST H H 2 ) f ( ) H ST =(
3.4
Application aux Calls, Puts et Binaires
Nous continuous a nous intresser a des options rgular Up-In, Call et Put en particulier. Le ` e ` e cas gnral se ram`ne simplement a ces deux situations. Il sut de dcomposer le pay-o f en e e e ` e f (z) = f H (z) + f H (z) = f (z)1{z<H} + f (z)1{zH} Loption UIOpt de pay-o f se ram`ne donc a une option rgular UIOpt(t, x, f H ) plus une e ` e H c , pour x < H. Au del` de la barri`re, il sagit dune option option Europenne de pay-o f e a e Europenne standard de pay-o f . e Les options dont le pay-o est le plus simple, et qui joueront un grand rle dans la suite sont o les options qui payent 1 Euro si la barri`re est touche, dsigne par P.Carr par UIB. e e e e
c
3.4.1
Evaluation des options UIB
Le prix de ces options sexprime aisment a partir des Calls et Puts binaires grce a la e ` a ` dcomposition en partie regular et partie europenne 1 = 1 {zH} + 1{zH} e e x H, UIB(x, H) = B(0, T ) x H, UIB(x, H) = BinC(x, H) + BinUIP (x, H, H)
En utilisant les quations (3.2) et la formule de Black et Scholes, nous obtenons e x UIB(x, H) = BinC(x, H) + BinC(H, x) H x = N (0 ) + N (1 ) H
68 o` u
1 T x Ln( ) + 1 = X , H 2 X T
0 = 1
T X .
3.4.2
Le cas de Put
Put regular Etudions loption Put avec strike infrieur a la barri`re (K H). Le pay-o f (S T ) = e ` e + est donc regular. Ltude que nous venons de faire nous montre que cette option (K ST ) e barri`re est regular et que son prix est donn par e e UIPut(t, x, H, K) = ( H2 x ) OptEur t, x, (K 2 ST )+ H x x 2 Kx2 = ( ) Put t, x, 2 H H
Cette option est rplicable statiquement par une option de pay-o e ( H2 + ST K K ST H2 + ST ) (K ) = ( )1 ( ST H)+ = ( )1 (ST ) H ST H H H H K
K 2 Il sagit de options PowerCall(t, x, H , 1). K H En dautres termes, si on peut acheter ces options sur le march, on les garde en couverture e dans le portefeuille jusqu` ce que le sous-jacent touche la barri`re. On les revend a ce moment a e ` l`, et on rach`te un Put dchance T et de strike K. Cette stratgie est bien autonanante, a e e e e c puisque le prix de loption barri`re donn par la formule prcdente est a la barri`re exactement e e e e ` e le mme que celui du Put (` la barri`re) comme le montre le principe de symtrie. e a e e Remarque 3.4.1 Dans le cas o` = 1 on retrouve le rsultat de P.Carr qui montre que loption u e 2 UIPut est rplicable statiquement par un Call de strike H . e K En fait, les options powers sont rarement directement accessibles sur le march. On peut tre e e donc amen a les rpliquer, a laide dune famille de Call et Put bien choisis, de mme maturit e` e ` e e mais de strikes dirents, comme nous le verrons dans le chapitre suivant. Il sagit alors toujours e dune couverture statique car les poids de la rplication ne dpendent pas des conditions de e e march aujourdhui. e Une autre voie est dutiliser la replication par delta-hedging de ces options power. Put barri`re reverse e Supposons le strike suprieur a la barri`re (K H). La partie non regular du pay-o est e ` e (K ST )+ 1{ST >H} = (K ST )+ (K H)+ 1{ST H} (H ST )+ Loption barri`re associe a ce pay-o est donc compose dun Put, Put(x, K) moins un Put e e ` e Put(x, H), moins (K-H) options BinPut de strike H.
Options barri`res e
69
Considrons la partie regular du pay-o, i.e., f H (ST ) = (K ST )+ 1{ST <H} , et utilisons la e dcomposition e (K x)+ 1{x<H} = (H x)+ (K H)1{x<H} . Loption barri`re de partie rgular f H est donc identique a la somme dun UIP(t,x,H,H) et de e e ` K H options binaires BinP(x, H), que nous avons tudies dans lanalyse de la U IB. e e Cette formule tr`s gnrale est une simple consquence de larbitrage et ne suppose aucune e e e e hypoth`se particuli`re sur les sous-jacents, contrairement a la formule dvaluation de la UIP. e e ` e La proposition 3.3.1 nous donne UIOpt(x, T, f (ST )) = UIOpt(x, T, f H (ST )) + OptEur soit, UIPut(x, H, K) = Put(x, K) + UIPut(x, H, H) + (K H) + BinUIP (x, H, H) (Put(x, H, H) + (K H)+ BinP(x, H, H)) x x = Put(x, K) + ( )1 (P ut(H, x) + (K H)+ BinP(H, x) H H (Put(x, H, H) + (K H)+ BinP(x, H, H))
Eur
((f f H )(ST )),
Le cas de Call Par la mme discussion que pour les Put, on obtient les rsultats suivants pour la partie e e regular du Call : Si H K, on a UIC (x, H, K) = Call(x, K). Si H > K, on a f H (z) = (z K)+ 1{zH} = (z K)+ (z H)+ (H K)+ 1{zH} Le prix de loption europenne de pay-o f H (ST ) est e OptEur (x, f H (ST )) = Call(x, K) Call(x, H K) + (H K) + BinC(x, H). Loption UIC a un prix donn par e U IC(x, H, K, T ) = Call(x, K) (Call(x, K) Call(x, H K) (H K) + BinC(x, H)) x + ( ) (Call(H 2 /x, K) Call(H 2 /x, H K) (H K)+ BinC(H, x)) H
3.5
Delta-hedging des options barri`res e
Comme nous lavons montr, les options barri`res sont rplicables statiquement par des e e e options europennes, mais ces options changent selon quon est infrieur a la barri`re ou non. e e ` e
3.5.1
EDP dvaluation e
Comme celui des options Europennes, le prix des options barri`res est solution dune e e quation aux drives partielles. Le plus simple est de travailler avec des options Out, dont e e e nous avons vu quelles ne dpendent que de la fonction f H . On a le rsultat suivant, qui est e e valable pour une diusion gnrale. e e
70
Thor`me 3.5.1 Soit u une solution rguli`re dans ]0, T []0, H[ du probl`me de Dirichlet : e e e e e 1 2 (t, x)x2 uxx (t, x) + rxux (t, x) + ut (t, x) ru(t, x) = 0 2 u(t, H) = 0, u(T, x) = f H (T, x) x H
(3.5.1)
La fonction u(t, x) est le prix a la date t, sachant que S t = x de loption barri`re ` e H (S )). U O(t, x, f T En particulier u(t TH , StTH ) est la valeur en t dun portefeuille autonanant, qui rplique le c e pay-o de loption a maturit. Son delta est la drive du prix u en (t, S t ). ` e e e Notons que cette fonction nest pas ncessairement continue a la barri`re, comme nous le voyons e ` e dans le pagragraphe suivant. Le Delta de loption barri`re a la barri`re e ` e Nous revenons au mod`le de Black et Scholes et pour simplier, dans toute cette section, e nous supposons = 1 K Loption UIP regular est rplicable statiquement par e Call de strike H 2 /K tant que le sousH jacent est au dessous de la barri`re et par un Put standard ensuite. A la barri`re, la symtrie e e e Call-Put garantit quil ny a pas de discontinuit du prix. Il nen est pas de mme du delta de e e couverture qui admet une limite a gauche donne dapr`s (3.2.14) par ` e e UIP (H, K, H) = erT alors que la limite a droite est donne par ` e + UIP (H, K, H) = Put(H, K) = erT N (d0 ( H )) K K H N (d1 ( )) H K
Par suite,le delta de couverture nest pas continu a la barri`re, et admet un saut ngatif, ` e e erT [+ ]UIP (H, K, H) = 1 H H [HN (d0 ( )) + KN (d1 ( ))] H K K
3.6
3.6.1
Quelques applications mathmatiques e

Loi du temps datteinte TH de la barri`re haute e
Traduisons mathmatiquement les resultats concernant loption UIB a laide du temps darret e ` TH . Il vient pour x < H, P(TH T ) = x H x = H H2 ST H + P(ST H) x2 x N d1 , + N d0 H
x H
Les proprits suivantes seront tr`s utiles. ee e
Options barri`res e Lemme 3.6.1 Posons 1 0 (z, , T ) = Ln(z) T , 2 T Alors 1 2 2 ( (z, , T ) 0 (z, , T )) = Ln(z ). 2 1 De plus, 2 1 2 0 = 1 = 0 (z, , T )1 (z, , T ). T T T
Preuve : La premi`re relation se dduit de e e 1 2 1 2 (1 0 ) = (1 + 0 )(1 0 ) = 2 2 Pour la deuxi`me, remarquons que e T 1 T = 1 1 2T T etque 1 T. ( T) = T 2T 1 Ln(z) ( T ) = Ln(z ). T
71
1 1 (z, , T ) = Ln(z) + T . 2 T
Par suite, il vient immdiatement que e
1 0 = 1 . T 2T
Nous sommes alors en mesure de calculer simplement la densit de la loi de T H . e Thor`me 3.6.1 Pour x < H, la v.a. T H admet une densit, donne par e e e e 1 x 1 fH (T ) = exp 0 , , , T 2 H 2
2
1 x Ln T H
.
x , H
Preuve : Dapr`s la formule donnant la fonction de repartition de TH , nous voyons que pour z = e 2 1 fH (T ) = z exp 1 2 2 1 T 1 2 + exp 0 2 2 0 T .
Dapr`sl les calculs prcdents, en tenant compte du fait que e e e z exp il vient 1 2 fH (T ) = exp 0 2 2 1 (0 + 1 ) 2T 2 1 = exp 0 2 2 1 Ln(zz) . T
2 1 2
= exp
2 0 2
72
3.6.2
Loi du maximum, ou du minimum
La mme formule nous permet dtudier la loi du maximum, quand on connait la valeur e e teminale. Puisque
P(ST K, ST H) = P(ST K, TH T ) =
x H
H2 ST K x2
= alors que
x H
Kx , , T H2
P(ST K) = N 1
x , , T K
=N
K , , T x
Proposition 3.6.2 La fonction de repartition de la loi conditionelle de S T sachent que {ST = K} est donne par e P(ST H | ST = K) = exp
2 2 T
Ln
K H
Ln
x H
pour x, K H.
Remarque 3.6.1 Cette loi est extrmement importante dans les approximations de Montee Carlo, car elle permet de mesurer lerreur faite sur une fonction du maximum lorsquon ne fait que des observations discr`tes. e
Preuve : La fonction de repartition conditionnelle est donne par e
P(ST H | ST = K) = K P(ST K, ST H) = K P(ST K) x H 2 exp 1 1 2 Kx H2 Kx K 1 H 2 K K 1 x
2 exp 1 1 2
x K
Par dnition de 1 , e 1 K Kx H2 = 1 K K x .
Par suite ces termes se simplient. Il reste a transformer comme ci-dessous, ` K Kx K 1 2 Kx K 1 Kx 2 2 1 ( 2 ) + 1 ( ) 1 1 ) = 1 ( 2 ) 1 ( ) 2 1 H2 x 2 H x H x 1 1 Kx K 1 Kx K = Ln + Ln + T Ln Ln 2 T H2 x H2 x T K 1 2 x Ln Ln = + T H 2 H T T 2 x x K Ln + Ln . = 2 Ln T H H H En tenant compte du terme en x H
qui est en facteur, il vient que 2 2 T Ln H K Ln H x (H x, H K).
P(ST H | ST = K) = exp
Options barri`res e Corollaire 3.6.3 De mme pour la loi du minimum, e P(S,T B | ST = K) = exp par analogie (B x, K B). On peut aussi dduire de la formule ci-dessus la loi du maximum. e Proposition 3.6.4
P(ST H) =
73
2 2 T
Ln
B K
Ln
B x
x H
N 1
x , , , T H
+ N 0 x H
x , , , T H
La loi admet une densit e 1 2 x 1 2 exp 0 m (dH) = 2 H 2 T H + H N 1 x H , (x H).
La densit sobtient a partir des calculs prcdents. e ` e e
3.7
Les options lookback
La formule donnant le prix de la BinDIC peut tre utilise pour valuer et couvrir les options e e e sur minimum et maximum. Nous appelons MinCt (x, K) le prix dune option qui permet dacheter a lchance le sous-jacent ` e e a un prix gal a K fois la plus petite valeur m T prise par le cours durant la priode o` court ` e ` e u loption (mT = min0uT Xu ). Le pay-o nal scrit (XT KmT )+ . Le lien avec les options e barri`res est fait grce a lidentit e a ` e (XT KmT )+ = de telle sorte que MinCt(x, K) =
0 XT +
dk =
KmT + 0
1{XT kKmT } dk
BinDIC (x, k,
k ) dk K
(3.7.1)
Dans cette derni`re expression, il faut distinguer le cas o` la valeur x aujourdhui du sous-jacent e u k est plus grande que la barri`re e , du cas oppos. Dans le premier cas, e K BinDIC (x, k, tandis que dans le cas x k )= K xK k
BinC(
k , xK) K
k k , BinDIC (x, k, ) = BinC(x, k). La contribution de ce terme K K au prix de la MinCt(x, K) est un Call(x, xK). Le premier terme est un peu plus compliqu a e ` calculer. Nous avons donc
xK
MinCt(x, K) =
0
BinDIC (x, k,
k ) dk + Call(x, xK) K
74
Supposons = 1, le sous-jacent est une martingale X t = xMt , M0 = 1. Lgalit e e x K BinDIC (x, K, H) = DeltaP(H, x) a t obtenue pour x > H et K H. Pour x < H, ee H H BinDIC (x, K, H) = DIC(x, K, H) = Call(x, K). En utilisant ces galits pour k [0, xK] et e e K 1, on obtient XT + MinCt(x, K) = Call(x, xK) + xKE[(ln ) ] xK soit, en notant CallLn(x, K) le prix dun call de payo (Ln(M T ) LnK)+ MinC(x, K) = Call(x, xK) + xKCallLn(x, xK) Si le sous-jacent est lognormal, comme dans (??), on obtient en utilisant le coecient tel que S = xM 1/
xK 0
k BinDIC (x, k, )dk = K

1/
xK 0
xK k
BinC(
k , xK)dk K
De lindentit BinC(x, K) = erT Q(xMT e

xK
> K), on dduit e
BinDIC (x, k,
0
xK xK k 1k>xK 2 M 1/ dk )dk = erT E K k T 0 (xK) = erT k 1xK>k>xK 2M 1/ dk E 1 T 0 (xK) 1/ 1 + = erT E[((xK)1 (xK 2 MT ) ) ] 1 1 (xK) E[(1 K 1 MT )+ ) . = erT 1
En utilisant la formule dIt et 1 = o d(Mt on obtient

(1)/
2 2
(1)/
) = Mt
[dt
2 dWt ]
MinkC(x, K) = x[Call(1, K; , ) +
2 K 2 Put(K 1 , 1; , )] 2
o` Put(x, K, , ) dsigne un put sur un sous jacent de cout de portage et de volatiit . Le u e e prix a la date t est ` Min(t, x, K) = Min(Xt , Kmt ) o` mt = minst Xs . u
Options barri`res e
75
3.8
3.8.1 Rplication en maturits e e
Appendice
Derman et Kani de Goldman Sachs ont propos un autre titre de rplication statique, qui e e utilise des Call ou des Powercalls a la barri`re, de direntes maturits. ` e e e Cette reprsentation est valable si la diusion du sous-jacent est une diusion markovienne a e ` coecients indpendants du temps. e Dans le cas des sous-jacents log-normaux, nous avons une reprsentation des poids qui intere viennent dans cette reprsentation. e Proposition 3.8.1 Pour x H, UIPut de strike K < H est rplicable statiquement par un e continu-um de Calls a la barri`re ` e
T
UIPut(t, x, H, K, T ) =
t
(s)PowerCall(t, x, H, 1, s)ds
(3.8.1)
o` (s) = K 1 H (0, K, T s) si H (t, K, H, s) = H (0, K, H, st) est la densit de probabilit u e e 1 de K a linstant t. du temps datteinte de la barri`re H a linstant s en partant e ` `
Preuve : K A la barri`re, loption qui emerge est donc quivalente a options avec des poids a la puissance e e ` ` H 2 H 1, PowerCall(TH , H, , 1), soit encore K K 1 PowerCall(TH , K, H, 1). Dsigons par H (t, K) le premier instant apr`s t pour lequel le processus retourn (en temps) e e e H partant de K a linstant t touche la barri`re H, (K < H), et par (t, K, s) la densit de la loi de ` e e cette v.a., cest a dire Q(H (t, K) (s, s + ds) = H (t, K, s)ds(s t). Au moment o` il touche la ` u barri`re, il gnre un PowerCall dont le sous-jacent est a la barri`re et le strike a la barri`re. On a e e e ` e ` e la reprsentation e K 1 PowerCall(TH , K, H, 1, T )
T
(3.8.2)
= K 1
TH T
H (TH , K, u)PowerCall(u, H, H, 1, T )du (3.8.3)
=
TH T
(s)PowerCall(TH , H, H, 1, s)ds (s)1{TH <s} PowerCall(TH , H, H, 1, s)ds
=
0
(s) = K 1 H (TH , K, T (s TH )) = K 1 H (0, K, T s)
(3.8.4)
La proprit remarquable ici est que les (s) ne sont pas alatoires, par suite de lhomogneit en ee e e e temps du processus log-normal. A la barri`re, le pay-o de loption barri`re PowerCall de strike K scrit donc comme un continuum e e e doptions barri`res PowerCall de strike H et de maturit variable. Cette reprsentation vaut a e e e ` nimporte quelle date.
1
Nous calculerons explcitement cette densit dans la suite e
76

Il reste a noter que les PowerCalls ainsi gnrs a linstant TH sont associs a des options barri`res ` e e e ` e ` e reverse. La barri`re na donc pas dinuence dans le pricing. On obtient ainsi une rplication e e statique a laide doptions powers, et les coecients sinterpr`tent comme les densit de temps dat` e e teinte de la barri`re en partant de K. e
Remarque 3.8.1 La mme preuve, mais sans description explicite des coecients, peut tre e e utilise pour une rplication statique a laide de Call standards. Il sut pour cela de rsoudre e e ` e le syst`me fonctionnel en (s) e
T
Put(t, H, K, , T ) =
t
(s)Call(t, H, H, , s)ds
Ce syst`me nest pas tr`s rgulier, car au voisinage de la maturit les Calls se comportent ape e e e proximativement en T t)
3.8.2
Evaluation des options barri`res Out en cas de paiement de dividendes e
Nous nous intressons a une option Up and Out, de pay-o f H , nul pour z H, crite sur e ` e un sous-jacent S qui paye un dividende de d 1 en t1 , cest a dire que St = Yt si t < t1 et que ` St = Yt d1 si t t1 . Dans toute la suite, nous supposons lhorizon T t 1 . Loption Out na de la valeur que si la fronti`re na pas t touche entre 0 et T . Cela implique e ee e en particulier que la fronti`re H na pas t touche entre 0 et t 1 pour le processus Y , et que la e ee e fronti`re H + d1 na pas t touche par le processus Y apr`s t 1 et avant T . e ee e e Considrons le prix de loption Out en t 1 si la fronti`re H na pas t touche. Le prix de loption e e ee e est alors le prix dune option barri`re classique, de barri`re H + d 1 et de pay-o f H ( d1 ). e e Dapr`s les rsultats prcdents le prix de cette option barri`re Out est le prix dune option e e e e e barri`re standard moins le prix dune option In. e G(t1 , Yt1 ) = OptEur (t1 , St1 , g H+d1 , , T ) (H + d1 )2 z ) f H ( g H+d1 , (z) = f H (z d1 ) ( d1 ) H + d1 z (3.8.5) (3.8.6)
Pour calculer le prix de loption barri`re Up and Out a la date t 1 , nous devons considrer e ` e H (t , Y ) = G(t , Y )1 comme pay-o terminal la fonction G 1 t1 {Yt1 H} . 1 t1 Nous pouvons maintenant rappliquer la formule dvaluation des options barri`res pour obtenir e e e que UOOptd (t, x, f H , T ) = OptEur Y (t, x, GH , T ) ( x H2 ) OptEur Y (t, x, GH ( 2 ), T ) H x (3.8.7)
Options barri`res e
77
Comme la fonction GH est elle-mme associe au prix dune option barri`re, nous pouvons e e e simplier les calculs OptEur Y (t, x, GH , T ) = E[1{Yt1 H} f (YT d1 ) ( YT (H + d1 )2 ) f H ( d1 )] H + d1 YT x (H + d1 )2 = E[1{Yt1 H} f (YT d1 ) ( ) E[1{Y x2 } f H ( YT d1 )] t1 H + d1 x H
2
De mme, le terme en OptEur Y (t, x, GH ( H2 ), T ) e x OptEur Y (t, x, GH ( H2 H2 ), T ) = E[1{Y x2 } f ( 2 YT d1 )] t1 x2 x H H YT H H (H + d1 )2 (x2 E[1{H x2 } ( ) ( ) ( ) f ( d1 )] H + d1 x x H2 YT Yt 1
= E[1{Y
x2 t1 H }
f(
H + d1 2 H H H2 Y d1 )] ( ) ( ) E[1{Yt1 H} f H (( ) YT d 1 ) 2 T x H + d1 x H
78
Bibliographie
[1] Carr, P. and Ellis, K. and Gupta, V. Static hedging of path dependent options. Journal of Finance, 53 : 1165-1190, 1998. [2] Conze, A. and Viswanathan, R. Path dependent options : the case of lookback Options, Journal of Finance, 46 : 1893-1907, 1991. [3] Grabbe, J.O. The pricing of call and put options on foreign exchange J. Internat. Money Finance, 2 : 239-253, 1983. [4] Reiner, E. Breaking down the barriers. Risk, 9 :28-35, 1991.
79
80
Dea Probabilits,option nance,2003/2004 e
Chapitre 4
Arbitrage statique, distribution et diusion implicites

4.1 Introduction
Ce chapitre reconsid`re la question de lvaluation des produits drivs a partir de zro. On oublie e e e e ` e donc tout ce que nous avons vu aux chapitres prcdents pour reprendre le probl`me sous un autre angle, e e e qui peut tre considr comme tr`s naif, mais qui part de la pratique de march. e e e e e Le point de dpart est statique au sens o` toute ltude est base sur les prix observs aujourdhui, a e u e e e ` savoir La donne des prix des actifs sous-jacents, taux dintrt et autres fondamentaux du march, sans e e e e rfrence a aucun mod`le. ee ` e La donne des prix de produits drivs considrs comme tr`s liquides, tels que ceux des contrats e e e e e e forwards, les prix doptions standards comme des options dachat ou de vente avec des strike liquides... Lhypoth`se de base est uil y a susamment de liquidit dans le march pour supposer quil ny a e e e aucun arbitrage entre ces prix, et entre les prix des autres drivs que nous serons amens a valuer. e e e è Lobjectif de ce chapitre est de montrer, comme Bachelier dailleurs, qu` condition que linformation a donne par les prix de march soit susamment riche, il est possible de reconstruire un syst`me de e e e pricing cohrent, avec les prix observs aujourdhui. e e La dirence fondamentale avec la prsentation prcdente est que la couverture dynamique par un portee e e e feuille, qui est le message au coeur de la thorie de Black et Scholes, dispara La couverture dynamique e t. est alors remplace par la rplication statique des nouveaux drivs par les drivs de rfrence. Comme e e e e e e ee nous lavons vu dans les barri`res, il est possible de convrir de cette mani`re explicitement un certain e e nombre de produits nanciers complexes. Cette problmatique correspond a lattitude utilise dans les e ` e produits de taux dintrt, o` le prix dun driv est le prix de sa couverture par les instruments liquides e e u e e du march. e Quand les drivs deviennent complexes, la rplication statique nest plus possible. Bruno Dupire en 1994 e e e a montr quil tait possible de dterminer les param`tres dun processus de diusion implicite, qui e e e e serve de support au pricing a la Black etScholes gnralis, et a la couverture. ` e e e ` Cette thorie, qui est la duale de la thorie dynamique, repose sur le fait que linformation du march e e e est tr`s riche. Ce nest videmment pas le cas, et les procds utiliss pour gnrer linformation mane e e e e e e
81
82
quante auront beaucoup dincidence sur le mod`le construit a partir de ces prix. Il sagit dun probl`me e ` e inverse mal pos puisqu` partir dun nombre ni dobervations ont cherche a reconstruire une surface e a ` de prix ou de volatilits. Nous ne traiterons pas compltement ce probl`me, et nous bornerons seulement e e e a indiquer des voies de rsolution qui seront dtailles dans le cours de Rama Cont. ` e e e
4.2
Arbitrage statique
La question de savoir comment xer le prix de ces produits drivs est videmment dune grande e e e importance pratique. Compte-tenu de la ralit des marchs, nous pouvons distinguer deux types de e e e produits drivs. Pour les produits drivs standards, sur lesquels il y a une forte activit, les prix sont e e e e e souvent faits a partir de lore et de la demande. Toutefois, ces prix des produits standards ne sont pas ` pas quelconques et respectent en particulier certaines r`gles videntes : e e la prime dun contrat qui garantit un ux positif est positive la prime dun contrat qui garantit un ux suprieur a celui dun autre contrat est plus grande que e ` celle de ce dernier. Le probl`me de faire un prix cohrent avec le prix des options standards se pose donc surtout pour les e e options dites exotiques. Quest ce qui contraint les prix des options les uns par rapport aux autres ? Sur les marchs nanciers, il existe des arbitrageurs, qui sont des intervenants dont lactivit est de e e dtecter les produits nanciers dont le prix est dcal par rapport a ce quil devrait tre, compte-tenu des e e e ` e autres prix du march et den tirer parti pour faire des prots sans prendre de risque. Leur intervention est e statique, au sens o` ils prennent seulement des positions aujourdhui, quils liquideront sans les rengocier u e a une date future. ` La r`gle de fonctionnement des marchs liquides qui dit que de tels arbitrages ne doivent pas durer. e e Un arbitrage statique est une position sur des produits de marchs, de valeur nulle a la date de e ` ngociation, qui conduit a une valeur positive a coup sr dans lavenir, quelle que soit lvolution e ` ` u e du march. e Cette notion darbitrage qui est a la base de la thorie de lvaluation est fondamentale a comprendre. ` e e ` En particulier, il est important de vrier lorsquon appliquera la thorie que les conditions qui favorisent e e labsence darbitrage sont a peu pr`s ralises dans le march qui nous proccupe. ` e e e e e
4.2.1
Incidence sur les prix de labsence darbitrage statique
Prix dun contrat a terme `

Nous dsignons par Ft (S, T ), le prix x par contrat a la date t auquel sera ngoci le titre S a la e e ` e e ` date T . Cest le prix a terme, ou le prix forward de S en T . ` Un raisonnement darbitrage statique permet de comparer le prix de ce contrat au cours de S a la date t. ` Pour se garantir le fait de dtenir S en T , nous avons deux possibilits : e e La premi`re consiste a acheter S aujourdhui, et a la garder jusquen T . e ` ` La deuxi`me consiste a acheter le contrat forward. e ` Pour pouvoir le payer en T , il faut investir aujourdhui dans du zro-coupon de maturit T , B(t, T ), (le e e prix de 1 Euro pay en T ), pour un montant de B(t, T )Ft (S, T ). Par absence darbitrage statique, nous e avons St Ft (S, T ) = (4.2.1) B(t, T )
Arbitrage statique et prix des options

Preuve :
83
Supposons que St > Ft (S, T )B(t, T ). En achetant St contrats forwards, et en vendant Ft (S, T )B(t, T ) actions, nous sommes assurs de dtenir en T , St actions et den vendre Ft (S, T )B(t, T ). Nous avons e e ainsi ralis un arbitrage statique, puisque le bilan en T est toujours positif. e e Un raisonnement similaire peut tre fait si St < Ft (S, T )B(t, T ). Les prix sont donc ncessairement e e gaux. e
Parit Call -Put e

Nous avons dj` utilits cet argument dans le chapitre 2. ea e Un raisonnement analogue nous montre que la dtention1 dun Call et la vente dun Put de mmes e e caractristiques, nous garantissent a lchance dtre dtenteur de la valeur de laction et la vente du e ` e e e e prix dexercice K. Mais ce portefeuille peut aussi tre obtenu en achetant laction en t et en remboursant e KB(t, T ) en t. Un raisonnement darbitrage analogue au prcdent montre que ncessairement il y a galit des valeurs e e e e e de ces portefeuilles en t Callt (T, K) Putt (T, K) = St KB(t, T ) (4.2.2)
4.2.2
Arbitrage international
Dans un univers multidevise, labsence darbitrage vaut non seulement dans chaque pays, mais galement entre les deux conomies.Il reste a prciser comment se fait larbitrage entre lconomie doe e ` e e mestique a laquelle nous faisons rfrence en utilisant le symble d, et lconomie trang`re rappele par ` ee o e e e e f (foreign) ! d Loutil essentiel est le taux de change Xt cest a dire le prix en units domestiques de la date t, dune ` e unit trang`re de la mme date. ee e e
Taux de change a terme `

Si nous nous plaons dans les marchs a terme dchance T , domestique et trangers, nous pouvons c e ` e e e d,T introduire le taux de change a terme Xt , cest a dire le taux auquel a la date t, on xe le change a la date ` ` ` ` T dune unit trang`re en une unit domestique. Larbitrage comptant-terme nous permet dexprimer ee e e ce taux comme d B f (t, T )Xt d,T Xt = (4.2.3) d (t, T ) B Faire un dessin Preuve : Un schma possible pour calculer le prix de ce contrat est le suivant : e d un dollar de la date T est valu aujourdhui par B f (t, T ) donc converti en Euro il faut Xt B f (t, T ), e e d B f (t, T )Xt valeur qui correspond a un contrat a terme de ` ` par larbitrage comptant terme domestique. B d (t, T Ce prix garantit la conversion dun dollar en T en Euro de la mme date. Par absence darbitrage e cest le prix du contrat. Plus gnralement, le mme raisonnement peut tre fait sur un contrat a terme portant sur un titre e e e e ` tranger. Cela conduit a une formule du genre e `
f Ftd (S f , T ) = St
1
d Xt d (t, T ) B
d,T = Ftf (S f , T )Xt
On dit encore quon est long dun Call. Si on est vendeur, on dit quon est court dun Call.
84
d,T Cette derni`re quation traduit bien la proprit de taux de change sur les marchs a terme de X t . e e ee e `
Symtrie Call domestique-Put foreign e

Considrons une option dachat sur le change, de maturit T et de prix dexercice K d en Euro. e e Loption garantit lachat de 1$, au cours maximum de K d Euro. Son prix en monnaie domestique est d not Calld (t, Xt , K d , T ). e Plaons nous maintenant sur le march tranger. Une telle option garantit la vente de K d Euros a la c ee ` date T au prix maximum de 1$. Il sagit donc de K d puts trangers sur le change Euro-Dollars, soit e f f d Xt = (Xt )1 , de prix dexercice K f = (K d )1 , de prix en t, K d Putf (t, Xt , K f , T ). Labsence darbitrage implique la symtrie entre ces deux marchs. e e
f d d Calld (t, Xt , K d , T ) = K d Xt Putf (t, Xt , K f , T )
(4.2.4)
De mme un Call binaire domestique, qui paye 1 Euro si le change en T est plus grand que K d , et rien e f d sinon peut sinterprter sur le march tranger comme le paiement de (XT )1 = XT dollars si le taux e ee f f d de change Euro-Dollars XT est plus petit que K = (K )1. Mais un tel ux (pay-o) est celui dun portefeuille long de K f puts foreigns binaires et court dun Put foreign standard2 . Labsence darbitrage devient dans ce cas, BinCd (t, Xt , K, T ) =
f f d Xt [K f BinPf (t, Xt , K f , T ) Putf (t, Xt , K f , T )]
(4.2.5)
Nous reviendrons sur ces questions dans un chapitre plus spcialement consacr au change. e e
4.3
Syst`me de prix viable et arbitrage e
Lobjet de cette section est de montrer que labsence darbitrage contraint les prix des produits drivs ngocis sur les marchs a respecter certaines proprits tr`s naturelles. En particulier, si un e e e e e ` ee e nombre susamment grand de prix sont ngocis alors le syst`me de prix devient un calcul de ux moyen e e e pondr. e e Comme nous cherchons a valuer a une date t donne le prix de ux incertains qui seront pays dans le è ` e e futur, nous sommes amens a nuancer les proprits que nous introduisons de la mani`re suivante : e ` ee e Nous dirons quune proprit est vraie presque srement, ( en abrg p.s.), si les tats du monde ee u e e e dans lesquels cette proprit ne serait pas satisfaite est un vnement impossible pour le march, au ee e e e sens o` tous les agents sont daccord pour dire quil ne peut se produire. u Nous dsignons par N lensemble des vnements impossibles. Sil existe une probabilit donnant e e e e la probabilit de ralisation dun vnement du march, il est naturel de supposer que les vnements e e e e e e e impossibles sont les vnements de probabilit nulle. e e e Ainsi, un arbitrage est une stratgie de portefeuille, de valeur initiale nulle, de valeur terminale positive e ou nulle, strictement positive sur un ensemble nappartenant pas a N . ` Dans toute la suite, les galits seront a comprendre comme tant vraie sauf sur un ensemble de N . Nous e e ` e
2
Mathmatiquement, nous traduisons que e

f f XT 1{X f K f } = K f 1{X f K f } (K f XT )+
T T

dirons N p.s.
85
Lorsquun arbitrage est dtect, il nest pas toujours possible de le raliser, car il faut alors prendre e e e en compte la liquidit des titres, la prsence mme faible de cots de transaction, et dautres contraintes e e e u relles des marchs. Dans cette partie, nous ne tenons pas compte de ces restrictions. e e
4.3.1
Proprits des prix des produits drivs e e e e
Comme pour les contrats a terme, labsence darbitrages statiques permet dtablir des contraintes ` e sur les prix des produits drivs en fonction de leurs caractristiques a terme. Nous nous intresserons e e e ` e tout particulirement aux proprits des options dachat et de vente que nous avons dcrites ci-dessus, e ee e mais il sera commode pour la suite dnoncer des proprits plus gnrales concernant les syst`mes de e ee e e e prix. Plus prcisment, dsignons la date de ngociation par t. Cette date est xe dans toute la section e e e e e concernant larbitrage statique. Notons Callt (K, T ) (resp.Putt (K, T )) le prix a cette date dun call (resp. dun put) de prix dexercice K ` et dchance T , sur un sous-jacent donn S. e e e Thor`me 4.3.1 Dans un march o` sont ngocies des options dachat pour toute chance et tout e e e u e e e e prix dexercice, la fonction Callt (K, T ) poss`de les proprits suivantes : e ee Pour une chance T xe, suprieure a t, lapplication K C t (K, T ) est convexe, dcroissante e e e e ` e par rapport a K et vrie ` e Callt (K, T ) (St KB(t, T ))+ (4.3.1) o` par dnition B(t, T ) est le prix en t de 1Euro pay en T u e e Pour un prix dexercice donn, et si les taux dintrt sont constants e e e Callt (K, T + ) Callt (Ker , T ) En particulier, si les taux sont nuls, T Callt (K, T ) est croissante. Remarque 4.3.1 En gnral, sur un sous-jacent donn, les Calls ne sont ngocis que pour un nombre e e e e e ni de dates dchances {Ti ; i = 1....n}, ranges par ordre croissant, et pour une chance donne, que e e e e e e pour un nombre ni de prix dexercice {Ki,,j ; j = 1....di }. Les proprits prcdentes sont vraies seulement ee e e pour ces options. Ce thor`me est une consquence dun rsultat un peu plus gnral, que nous dmontrons ci-dessous. e e e e e e e ` e Lemme 4.3.1 Soit OptEur (h, T ) le prix a la date t dune option de valeur intrins`que h. t Deux options crites sur des pay-o (ou valeur intrins`que) ordonns, ont des prix ordonns, soit e e e e OptEur (h1 , T ) OptEur (h2 , T ), t t Le prix est une forme linaire positive, e
Eur Optt (1 h1 + 2 h2 , T ) = 1 OptEur (h1 , T ) + 2 OptEur (h2 , T ) t t 3
(B(t, T ) = er(T t) ) (4.3.2)
0 h 1 h2
(4.3.3)
p.s.
(4.3.4)
Si les taux sont dterministes, nous nous rfrons au zro-coupon forward Bt (T, T + ) = exp e ee e
T + T
rs ds
86
Preuve : du lemme
Supposons OptEur (h2 , T ) < OptEur (h1 , T ), et constituons un portefeuille de valeur nulle a la date t, ` t t Eur Eur en achetant Optt (h1 , T ) options de valeur intrins`que h2 et en vendant Optt (h2 , T ) options de e valeur intrins`que h1 . A lchance, le portefeuille vaut e e e OptEur (h1 , T )h2 (ST ) OptEur (h2 , T )h1 (ST ) [OptEur (h1 , T ) OptEur (h2 , T )]h1 (ST ) 0 t t t t Cest donc une opportunit darbitrage, si h1 (ST ) nest pas nulle p.s. e Preuve : du thor`me e e Ce lemme appliqu a la fonction dcroissante par rapport a K, (x K)+ montre la dcroissance. e` e ` e La convexit rsulte de la convexit par rapport a K de la valeur intrins`que, qui implique dapr`s le e e e ` e e n lemme que, si sumi=1 i = 1, i [0, T ],
n n n
Callt (
i=1
i Ki , T ) Callt (
i=1
i (. Ki )+ )
i Callt (Ki , T )
i=1
Lingalit suivante rsulte du fait que (x k)+ x K, et donc Callt (K, T ) St K. mais le call e e e est positif, do` lingalit. u e e Regardons maintenant leet maturit, en supposant quil est possible dacheter a la date T dans le e ` r + futur un call de maturit T +, au prix inconnu de CT (K, T +) (ST Ke ) . Le prix aujourdhui e de ce call est le mme que celui du call dchance T + , puisquil garantit le mme ux terminal en e e e e T + . Par suite, Callt (K, T + ) Callt (Ker , T )
4.4
4.4.1
Les prix comme esprance : le point de vue statique e

Arbitrage statique et prix dtats e
Lhypoth`se4 quil existe un continuum doptions de tout prix dexercice nous permet dextraire le e prix du march pour chaque changement possible dans le futur du titre sous-jacent. e Ce prix est videmment a comparer aux croyances a priori de linvestisseur, fondes par exemple sur une e ` ` e analyse statistique des cours. Le syst`me de Call est gnrateur des prix doptions de valeur intrins`que rguli`re quasi-convexe, au e e e e e e sens o` elle admet une drive seconde au sens des distributions, note h(dK). Quand la fonction est u e e e drivable, cette mesure se reprsente comme h(K)dK. Par convention, les drives que nous introduisons e e e e seront les drives a droite. e e `
x0
h(x) = h(x0 ) + h (x0 )(x x0 ) +
(K x)+ h(dK) +
+ x0
(x K)+ h(dK)
(4.4.1)
Choissisons comme point de centrage des prix la valeur du contrat forward, que nous notons F tT pour simplier ; nous voyons que le prix dun contrat de valeur intrins`que h est alors donn par, e e OptEur (h, T ) = B(t, T )h(FtT ) + t
Ft +
Putt (K, T )h(dK) +

0
T Ft
Callt (K, T )h(dK)
(4.4.2)
Dans cette repsentation, les Calls et les Puts qui interviennent sont en dehors de la monnaie. Comme e les Puts et les calls sont des fonctions convexes par rapport au prix dexercice, nous pouvons faire une intgration par parties et dduire que e e
4
Ce paragraphe doit beaucoup a larticle de P.Carr et D.Madan : Optimal Positioning in Derivatives Securities, `
87
Thor`me 4.4.1 Supposons un march nancier o` sont negocis entre deux priodes t et T un contie e e u e e nuum de calls et de puts de tout prix dexercice. Le prix dun contrat de valeur intrins`que rguli`re est e e e donn par e OptEur (h, T ) = B(t, T ) t
+
h(K)qt (T, dK)

0
(4.4.3)
o` qt (T, dK) est une mesure positive, calculable explicitement a partir des prix par u ` B(t, T )qt (T, dK) = Put (T, dK) t siK FtT Call (T, dK) t K > FtT sinon. (4.4.4)
B(t, T )qt (T, dK) est souvent appele la densit de prix dtats car elle reprsente le prix que le march e e e e e est prt a payer pour un actif qui vaudrait 1(K,K+dK) . e ` qt (T, dK) est une probabilit qui reprsente le prix dtat a terme. Elle satisfait aux contraintes suivantes : e e e ` 1=
0
qt (T, dK),
St = B(t, T )
0
Kqt (T, dK)
(4.4.5)
Remarque 4.4.1 En discrtisant lintgrale, nous voyons que toute option de valeur intrins`que h peut e e e tre rplique statiquement par la limite dune combinaison linaire de calls et de puts en dehors de la e e e e monnaie. En particulier, les options binaires, associes a h(x) = 1{xK} sont des drives de Calls e ` e e Callt (K , T ) Callt (K + , T ) 2 Elles se calculent a partir de la probabilit q par la formule ` e BinCt (K, T ) = K Callt (K, T ) = lim0
+ K
BinCt (K, T ) = B(t, T )

K
qt (T, dK),
BinPt (K, T ) = B(t, T )

0
qt (T, dK)
La fonction de rpartition de la probabilit qt (T, .) se calcule donc directement a partir des options e e ` binaires. Elle sinterpr`te comme la loi forward-neutre du titre risqu. e e Preuve : La preuve utilise la convexit des prix doptions et une intgration par parties dans la e e formule (4.4.2). Les conditions fronti`res sont quun Put de strike 0 est nul ainsi que sa drive. Il en est de mme e e e e pour un Call de prix dexercice inni. Dans le calcul qui suit les intgrales sont prises sur des intervalles ferms a droite. e e `
T Ft
Putt (K, T )h(dK) = [h

0
FT (K)Putt (K, T )]0 t
T Ft
K Putt (K, T )h (K)dK

0
=h
(FtT )Putt (FtT , T )
T Ft
K Putt (K, T )h (K)dK

0
T Ft
= h (FtT )Putt (FtT , T ) K Putt (FtT , T )h(FtT ) +
2 K Putt (dK, T )h(K)
Faisons le mme calcul avec le terme qui contient des calls, et regroupons les termes correspondant ; e il vient OptEur (h, T ) = B(t, T )h(FtT ) + h (FtT )(Putt (FtT , T ) Callt (FtT , T )) t + h(FtT )(K Callt (FtT , T ) K Putt (FtT , T ))
T Ft
+
0
2 h(K)K Putt (dK, T ) + +
T Ft
2 h(K)K Callt (dK, T )
= B(t, T )
0
h(K)qt (T, dK)
88
En eet,par la parit Call-Put, e Callt (FtT , T ) Putt (FtT , T ) = St B(t, T )FtT = 0,
K Callt (FtT , T ) K Putt (FtT , T ) = B(t, T )
4.5
Applications probabilistes
La formule 4.4.1 a de nombreuses applications en calcul stochastique, notamment dans ltude des e temps locaux. Nous supposons ici que Xt est une semimartingale positive continue, de variation quadra2 2 tique < dXt >= vart (dXt ). Dans le cas du cours dun actif, St , on a donc < dSt >= St t dt, mais pour ce que nous voulons faire, la forme explidite importe peu.
4.5.1
Fonctions convexes et formule dIt o

1 df (Xt ) = f (Xt )dXs + dAf 2 t
La formule dIt applique a une fonction convexe de classe C 2 montre que o e `
o` dAf = f (Xt ) < dXt > est un processus croissant positif. u t La fonction (x K)+ est convexe, mais nest pas de classe C 2 . Nous pouvons lapproximer en croissant par une suite de fonctions convexes rguli`res, pour lesquelles les processus croissants A fn convergent p.s. e e t K vers un processus croissant not t . e Dnition 4.5.1 Le temps local au point K de X est le processus croissant K caractris par e e e t 1 d(Xt K)+ = 1Xt >K dXt + dK 2 t
1 Notons que d(K Xt )+ = dXt + d(Xt K)+ = 1Xt K dXt + 2 dK . t
(4.5.1)
Proposition 4.5.1 Formule des densits doccupation Soit (Xt ) une semimartingale continue. Pur toute e fonction g 0
t
g(Xs ) < dXs > =

0 T
g(K)K dK t
T
(4.5.2) (4.5.3)
g(s, Xs ) < dXs > =

0 0
g(s, K)dK dK s
Preuve : La formule 4.4.1 nous conduit a une nouvelle formule dIt pour les fonctions h rguli`res exprimes ` o e e e a laide du temps local. ` dh(Xt ) = h (x0 )dXt + 1 h (dK)(1Xt K dXt dK ) 2 t 0 1 h (dK)(1Xt >K dXt + dK ) + 2 t x0 1 h (dK)dK = h (Xt )dXt + t 2
x0
Il reste a comparer avec la formule dIt classique pour observer que ` o

t
h (Xs ) < dXt >=

0
h (K)K dK t
(4.5.4)
89
Cette formule, qui stendre a toute fonction g positive ou borne, exprime que pour t x, la mesure e ` e e t en espace g 0 g(Xs ) < dXt > admet une densit par rapport a la mesure de Lebesgue donne par e ` e K . En particulier, t dK = lim t 1
0
1[K,K+ ] < dXt >
(4.5.5)
Plus gnralement, si on int`gre une fonction dpendant aussi du temps, on obtient la formule de e e e e lnonc. e e
4.5.2
Temps local et densit e
2 Thor`me 4.5.1 Supposons maintenant la variation quadratique de la forme d < X t >= 2 (t, Xt )Xt dt, e e et que pour tout t > 0 la loi de Xt admet une densit pX (t, K). Alors e t 0
pX (s, K) 2 (s, K)K 2 ds = E(K ) t
La fonction du temps t E(K ) est drivable et de drive e e e t t E(K ) = 2 (t, K)K 2 pX (t, K) t Preuve : Prenons lesprance dans la formule (4.5.2). Il vient e
t
(4.5.6)
E(
0
2 g(Xs ) 2 (s, Xs )Xs ds) =
g(K)E(K )dK t
Lexistence dune densit pour la loi de Xt entraine que le membre de gauche est drivable en espace e e t 2 2 et admet une densit gale a 0 pX (s, K) (s, K)K ds. Lgalit montre que cette densit est aussi ee ` e e e gale a E(K ) p.p. e ` t La drivabilit en temps de cette fonction rsulte immdiatement de cette galit. e e e e e e
4.5.3
Applications ` la rplicatiopn statique des options barri`res UI a e e
a rdiger dapres Andersen Andreasen ` e Soit le prix dune option barri`re sous un sous-jacent qui est une diusion markovienne. Les notations e sont celles du chapitre prcdent. e e On suppose quon a calcul a laide de lEDP le prix de loption barri`re, out, qui vaut zro au-dessus de e` e e la barri`re, et par dirence on en duit le prix de loption In, u(t, x), dnie partout, mais ayant une e e e e discontinuit de la premi`re drive au point H. Cette fonction peut dcrire comme la dirence de deux e e e e e e fonctions convexes rguli`res sauf a la barri`re. e e ` e Par suite, erT u(T, ST ) = ert u(t, x) +
t T
1 1 ers (ux (s, Ss )dSs + uxx (s, Ss ) 2 (s, Ss ) + ut (s, Ss )ds + (ux (s, H + ) ux (s, H )dK s 2 2
T t
= erT u(t, x) +
1 ers ux (s, Ss )d(Ss rSs ds) + ers (ux (s, H + ) ux (s, H )dK s 2
T
En prenant lesprance et en utilisant les proprits du temps local, il vient que e ee OptEur
Eur
(T, u(T, ST )) = u(t, x) +

t
1 (u (s, H + ) ux (s, H ) ( s, H)KK Call(s, H)ds 2 x
90
Loption barri`re est rplicable statiquement par une otpion europenne de pay-o u(T, S T )) moins un e e e continuum doptions buttery KK Call(s, H) de strike a la barri`re, dont les points sont les sauts de la ` e fonction de prix a la barri`re. ` e Ce rsultat est a comparer a celui de lappendice. e ` `
Diusion implicite
dapr`s Bruno Dupire e
Ces quelques notes doivent beaucoup aux nombreuses discussions avec Bruno Dupire. Lessentiel des ides e prsentes ici lui reviennent, mais ma prsentation est plus formelle. Quil en soit ici remerci. e e e e
Introduction
Devant le nombre croissant doptions exotiques ngocies sur le march, notamment doptions e e e dpendant de la trajectoires, il nest pas susant de calibrer a partir de prix doptions les distributions e ` statiques, mais il faut essayer de construire des processus dynamiques, cohrents avec les prix doptions e Europennes standards de direntes maturits. Lobjectif est dutiliser cette information pour donner e e e de meilleurs prix pour les options a barri`re et surtout proposer des couvertures a laide doptions va` e ` nilla, ngocies sur les marchs organiss. Dans cette logique, il est naturel de rechercher une fonction e e e e de volatilit ne dpendant que du sous-jacent et de la maturit, et de construire la diusion associe. Ce e e e e point de vue privilgie donc les volatilits fonctions du sous-jacent par rapport aux volatilits alatoires. e e e e
4.6
La diusion implicite de Dupire
Nous dtaillons le point de dpart du travail de Dupire, qui suppose a priori le monde sans arbitrage. e e
4.6.1
Les entres du probl`mes e e
Dans cette premi`re tape, nous supposons qu` un jour donn, dat 0, on connait sur le march les e e a e e e prix dun tr`s grand nombre doptions europennes, en fait des options de tout strike et de toute maturit e e e sur un sous-jacent donn. Les donnes en entre sont donc un continuum de Calls dsigns par C(T,K). e e e e e Nous reviendrons plus tard sur ce probl`me de continuum. e On na a priori que cette information sur le processus sous-jacent (St ), qui est suppos verser un taux ` e de dividende q constant et voluer dans un univers o` les taux sont constants. e u Comme nous lavons vu, lAOA implique que les prix de march soient cohrents au sens o` la famille e e u + + {C(T, K); (T, K) R R } vrie e Lapplication K C(T, K) est convexe, continue et dcroissante e C(T, K) > (eqT S0 K)+ Plus gnralement e e C(T + , K) EQ [erT (eq ST Ker )+ ] = eq C(T, Ke(rq) ) Ces prix de calls nous donnent des informations sur la distribution de pricing des v.a. St ,t x. En e particulier, la drive seconde au sens des distributions est associe a la distribution implicite risquee e e ` 2C neutre, ert K 2 (t, K). Toutefois, en gnral, la connaissance des distributions pour t xe, vues daujourdhui ne sut pas a e e ` caractriser compltement et unisquement les probabilits de transition, cest a dire la distribution de S T e e e `
91
vue de nimporte quelle date et de nimporte quelle valeur observe entre 0 et T max . Cette connaissance e est fondamentale pour lvaluation des options a dpart forward. e ` e Nous nous proposons de montrer quen absence darbitrage, il existe une diusion markovienne, de rendement r et de volatilit une fonction (t, x), pour lesquelles les distributions des v.a. S t , pour tout t e xe, sont donnes par les noyaux de pricing que nous avons identis. e e
4.6.2
Une tude directe e
Nous supposons quune telle diusion existe, cest a dire quil existe un univers alatoire (, F t , Q), ` e et une fonction de volatili (t, S) tels que e dSt = St [(r q)dt + (t, St )dWt ] (4.6.1)
o` (Wt ) est un Q mouvement brownien. Les prix des Calls sont donc donns a linstant initial (t0 , St0 = x0 ) u e ` par C(T, K) = EQ [erT (ST K)+ ] (4.6.2) Lhypoth`se que ces fonctions sont de classe C 2 entraine que pour tout T > t0 ,(sous la probabilit risquee e neutre), la loi de ST sachant que St0 = x admet une densit q(T, K) (les variables (t0 , St0 = x0 ) sont e omises sil ny a pas dambiguit) donne par e e q(T, K) = erT 2 C(T, K) K 2 (4.6.3)
Une autre mani`re de les calculer est de les consirer comme la solution en (t0 , St0 = x0 ) des solutions de e e lEDP backward : C 1 2C C + 2 (t, x)x2 2 + (r q)x (t, x) rC = 0 (4.6.4) t 2 x x avec comme condition terminale C(T, S) = (S K)+ .
4.6.3
Calcul de la fonction de volatilit : lEDP forward e
Puisque les donnes sont les prix de Calls, nous allons essayer dexprimer directement la volatilit en e e fonction de ces prix. Largument essentiel est une EDP forward satisfaite par ces prix, dont les param`tres de variation sont e les strikes et les maturits des options. Elle est la version sur les Calls de lEDP forward satisfaite par la e densit de la distribution de la solution de lquation direntielle stochastique. e e e Plus prcisment, nous avons : e e Thor`me 4.6.1 Les calls vrient lEDP forward e e e 1 2C C C = 2 (T, K)K 2 (r q)K (T, K) qC(T, K) 2 T 2 K K (4.6.5)
Pour une famille admissible de prix de calls, il existe donc une seule fonction de volatilit compatible e avec cette famille, au sens o` les prix de Call calculs avec la fonction de volatilit (t, S) dans lEDP u e e Backward sont exactement ceux donns en entre. e e Preuve :
92
Pour avoir lintuition de cette quation, appliquons la formule dIt a la semimartingale e rt (St K)+ . e o` K Il vient en introduisant le temps local t er(T + (ST + K)+ erT (ST K)+ =
T+ T+ T
reru (Su K)+ du 1 2

T+ T
+
T
eru 1{Su K} dSu +
eru dK u
(4.6.6)
Utilisons lquation de la dynamique de S pour prendre lesprance des deux membres de cette galit. e e e e Nous avons un terme de la forme E(eru 1{Su K} Su ) = C(u, K) + Keru P(Su K) = C(u, K) K Le terme de la forme E(
T+ T+ T
C (u, K) K
eru dK ) sobtient grce a la formule sur les temps locaux (4.5.6) a ` u

T+
E[
T
eru dK ] u
=
T T+
eru du E[K ] = u 2 (u, K)K 2
T+ T
eru du 2 (u, K)K 2 q(u, K)
=
T
2C (u, K)du K 2
Il vient donc que C(T + , K) = C(T, K)

T+ T
rC(u, K)du + (r q)
1 +2
T+ (C(u, K) T 2 T+ C 2 (u, K)K 2 K 2 (u, K)du T
C K K (u, K))du
(4.6.7)
Il reste a passer a la limite apr`s avoir divis par ` ` e e
pour avoir lEDP.
Remarque 4.6.1 Si nous souhaitons donner un point de vue EDP de ce rsultat, il sut de noter que e la fonction 2C q(T, (K) = erT (u, K) K 2 vrie lequation forward duale e qT (T, K) = 1 2 ( 2 (T, K)K 2 q(T, K) ((r q)Kq(T, K)) (T, K) 2 K 2 K
+ K
(4.6.8)
Si nous intgrons deux fois cette quation, nous trouvons que e e 1 2 C(T, K) erT C(T, K) = 2 (T, K)K 2 erT T 2 K 2 (r q)KerT 2C (u, K)K(T, K)du K 2 (4.6.9)
Par une intgration par parties analogue a celle faite dans le calcul probabiliste, on obtient la bonne EDP. e ` Remarquons que lEDP forward permet de calculer de mani`re simple les prix et les caractristiques de e e toute une famille de Calls.
4.6.4
Diusion implicite
Etant donn un continum doptions satisfaisant les hypoth`ses prcdentes, et des conditions initiales e e e e e e (t0 , St0 ), il existe une diusion markovienne, dont la fonction de volatilit est donne par C C 1 2C + (r q)K (T, K) + qC(T, K) = ( Dupire )2 (T, K)K 2 T K 2 K 2 La fonction de volatilit est appelle la volatilit locale . e e e (4.6.10)
93
Remarque 4.6.2 Lexistence dune diusion repose sur la rgularit de la fonction (T, K). Si cette e e fonction est Lipschitzienne, la thorie classique des equations direntielles stochastiques montre lexise e tence dans nimporte quel espace probabilis quipp dune latratieon brownienne. ee e Si la fonction est seulement continue, il existe une solution faible, ralisable sur un espace de probabilit e e construit avec la solution. On parle de solution faible.
Volatilit locale et robustesse e

Supposons que les prix doptions soient obtenus a partir dun processus de prix dont la volatilit, ` e alatoire, t nest pas connue. On suppose que seuls les sprix doptions aujourdhui sont connus. Quel e lien peut-on tablir entre la vraie volatilit et la vol locale a la Dupire. e e ` Proposition 4.6.1 Supposons que lactif sous-jacent soit modlis par une processus dIt de rendement e e o r et de une volatilit t , soit dSt = St (rdt + t dWt . La volatilit locale a la Dupire est e e `
2 EQ t |(St , St0 ) = ( Dup )2 (t, St )
si la famille des drives secondes des prix doption est susamment discriminante. e e Preuve : Les ides sont les mmes que dans ltude de la robustesse de Black et Scholes. On utilise le fait que e e e dans le mod`le a la Dupire, les prix doptions en (t0 , St0 ) sont les solutions de lEDP backward dont e ` le gnrateur LDup est associ a la fonction de volatilit Dup . Dsignons par uDup la solution de e e e ` e e + condition terminale (x K) a la maturit T dont la valeur aujourdhui est connue C(T, K). ` e
Appliquons la formule dIt a la fonction uDup et au sous-jacent S de volatilit t . Il vient en exploitant o` e T,K lEDP forward erT (ST K)+ = ert0 C(T, K) + + 1 2
T t0 T t0
ers uDup (t, St )(dSt rSt dt) x
2 2 ers t ( Dup )2 (t, St ) St uDup (t, St )dt xx
Il nous reste a prendre lesprance : ` e Par dnition, EQ (erT (ST K)+ ) = uDup (t0 , St0 = C(T, K). e T,K Dautre part, par hypoth`se dSt rSt dt est une Q-martingale, ce qui assure que lintgrale stochase e tique est desprance nulle, si les drives sont bornes. e e e e 2 Dans la derni`re intgrale, on peut remplacer t par son esprance conditionnelle par rapport a la e e e ` tribu engendre par la seule variable St ,puisque uDup (t, St ) est une fonction de (t, St ). Nous notons e xx cette fonction 2 2 (t, St ) = EQ t |(St , St0 ) Nous avons donc
T t0 2 ers gamma2 (t, St ) ( Dup )2 (t, St ) St uDup (t, St )dt = 0 t xx
Supposons que les fonctions (uDup )xx (t, x) soit susamment riche lorsque K varie pour quune fonction T,K orthogonale a toutes ces fontions soit nulle ; on en dduit que ` e
2 EQ t |(St , St0 ) = 2 (t, St ) = ( Dup )2 (t, St )
94
DEA de probabilits, option nance, 2003/2004 e
Nous pouvons utiliser ces ides pour retrouver la volatilit implicite a partir de la volatilit locale, mais e e ` e seulement comme point xe. Proposition 4.6.2 Soit 2 (T, K) la volatilit implicite BlacketScholes dune option de maturit T et e e de strike K. Dsignons par BS (t, x) le gamma Black et Scholes de cette option a nimporte quelle date e ` (T,K) 2 (T, K)
R+ T
ert BS (t, x)KK C(t, x)dt dx (T,K)
=
t0 R+
ert ( Dup )2 (t, x)BS (t, x))KK C(t, x)dt dx (T,K)
Le carr de la volatilit implicite Black et Scholes est une moyenne en temps et espace du carr de la e e e volatilit locale prise a des niveaux et des temps dirents. e ` e
Preuve : Cest la robustesse de la formule de Black et Scholes, puisque les prix de Call dans les deux mod`les e sont les mmes. e Il faut noter que la fonction BS (t, x) dpend de la volatilit implicite que lon cherche a calculer. e e ` (T,K) Pour calculer eectivement, on peut utiliser une mthode ditrative. e e
4.6.5
Le vrai probl`me de calibration e
Le probl`me dans la ralit est quon ne connait que quelques prix de Calls pour dirents strikes e e e e et dierentes maturits {C(Ti , Ki,j )}. On na donc pas linformation ncessaire pour calculer de mani`re e e e e de lissage de prix de Calls a manifestement une grande unique la fonction de volatilits. Le proced e inuence sur la forme de la fonction de volatilit que lon peut retrouver. e Une procdure classique consiste a utiliser les volatilits implicites de la formule de Black Scholes, et e ` e de les lisser de mani`re au moins parabolique pour gnrer linformation manquante. Apr`s un calcul tr`s e e e e e fastidieux, on arrive a des formules du genre, si (K, T ) dsigne la volatilit de BS implicite pour une ` e e option de strike K et de maturit T e (T, K) = (T, K) 1+
2T ( + rK K ) T
2
1 + 2Kd1 T K + K 2 d1 d2 T ( K )2 + K 2 T K 2
(4.6.11)
o` les fonctions d1 et d2 sont celles qui apparaissent naturellement dans Black etScholes . u En fait ce probl`me dlicat rel`ve de la thorie desprobl`mes inverses mal poss classiques en e e e e e e EDP. Sur la bonne mani`re de sy prendre pour rsoudre ce probl`me, voir le cours second niveau de e e e Rama.
Chapitre 5
LEVALUATION ET LA COUVERTURE DES OPTIONS sur MULTI SOUS-JACENTS

5.1 Introduction
Dans le chapitre prcdent, nous nous sommes intresss a la couverture des options crites sur un e e e e ` e sous-jacent a laide de stratgies autonancantes. Nous nous intressons maintenant au cas o` plusieurs ` e c e u sous-jacents sont ngocis. Beaucoup dides sont les mmes, mais nous allons dmontrer un certain e e e e e nombre de faits nouveaux : si le nombre de titres est plus grand que le nombre de sources de bruits, les rendements de ces titres ne sont pas quelconques : lexc`s de rendement par rapport au cash dpend essentiellement e e de la volatilit du titre et des primes de risque, dont nous montrerons lexistence par un argument e dalg`bre linaire. e e Le numraire utilis pour exprimer le prix des actifs,(en gnral la monnaie du pays), joue un rle e e e e o relatif, car les proprits essentielles sont invariantes par changement de numraire : autonanceee e ment, absence darbitrage...Nous tudierons les consquences en termes de primes de risque et de e e taux dintrt e e Nous dveloppons une analyse systmatique de lvaluation par probabilit risque-neutre et ses e e e e transformations par changement de numraire e
5.2
5.2.1
Portefeuilles et autonancement
Le cadre
Les hypoth`ses de march e e

Les hypoth`ses concernant les marchs sont les mmes que prcdemment, cest a dire que nous e e e e e ` supposons que les marchs sont sans friction e il ny a pas de cots de transaction pour la vente ou lachat des titres. u Les ventes a dcouvert illimit sont acceptes et les actifs sont indniment fractionnables. ` e e e e Les titres ne paient pas de dividendes, sauf mention contraire
95
96

A tout instant, il existe des acheteurs et des vendeurs pour tous les titres du march. e
Remarque 5.2.1 Cette derni`re hypoth`se implique en particulier, comme L.Bachelier le soulignait e e dans son article de 1900, que dans un march nancier les croyances des dirents participants dans les e e mouvements des titres risqus ne peuvent tre les mmes : e e e par exemple, si un investisseur pense que le prix dune action doit srement monter, il va chercher a u ` acheter des options dachat. Mais ces options doivent tre vendues par un autre investisseur qui ne doit e pas avoir les mmes anticipations, sinon il naccepterait pas de vendre. e L.Bachelier en conclut que le jeu nancier est quitable. e
Le mod`le dincertain e
Prcisons la structure alatoire qui aecte la dynamique des titres. Lespace de probabilit de rfrence e e e ee est constitu de : e lensemble , qui reprsente tous les tats du monde. e e la tribu F, qui reprsente la structure dinformation globale disponible sur le march. e e une ltration croissante, (continue a droite si ncessaire), (F0 Ft FT ), qui dcrit linformation ` e e disponible a tous les agents du march a la date t. (Le caract`re croissant de cette ltration traduit ` e` e le fait que le march noublie rien.) e la classe N de tous les vnements de F que le march consid`re comme impossibles. e e e e une probabilit P, qui donne les probabilits a priori des vnements considrs. Cest la probabilit e e e e e e e historique ou objective.
Remarque 5.2.2 Les vnements impossibles du march sont videmment de probabilit nulle et donc ncese e e e e e sairement, N N , (N ) = 0.
Comme nous lavons dj` vu, pour les probl`mes de nance qui nous intressent, lidentication exacte ea e e de P nest pas un objectif majeur, et ce point marque, entre autres, une des originalits de lutilisation e des mod`les probabilistes en nance par rapport a la physique. e `
Les actifs
Soit TH (ventuellement inni) lhorizon de gestion du march. e e Nous supposons que (d+1) actifs, les titres de base S 0 , S 1 , S 2 , ...., S d , sont ngocis entre les dates 0 et e e i TH . St dsigne le prix de lactif i a la date t en Euros. Tous les processus de prix sont supposs continus e ` e en temps. Lactif S 0 est souvent le cash, cest a dire le produit nancier qui dcrit la valeur de 1 Euro, capitalis ` e e au jour le jour a la banque. Il est alors considr comme sans risque puisque son rendement r t dt dans un ` e e intervalle de temps [t, t + dt] est connu a la date t de lopration. ` e Linformation disponible a la date t englobe la connaissance du mouvement des actifs entre 0 et t : les ` i prix des titres sont donc adapts a la ltration (Ft ), (St est Ft -mesurable). e ` En gnral, nous supposerons que les alea de lconomie (, F, P) sont engendrs par un brownien e e e e (Wt )tR+ k-dimensionnel, dont les composantes Wtj sont des browniens rels indpendants. e e Les actifs risqus S i (1 i d) sont supposs tre des fonctions alatoires dIt satisfaisant : e e e e o
k i i dSt = St [bi dt + t j=1 i j (t) dWtj ]
(5.2.1)
Options sur multi sous-jacents

Nous supposons aussi que le titre sans risque S 0 vrie e
0 0 dSt = St rt dt
97
(5.2.2)
Nous dsignons par e bt le vecteur de Rd , adapt, de composantes bi ; cest le vecteur des taux de rendement des titres e t de base. La matrice des volatilits des actifs est la matrice t de dimension d k, adapte, de terme gnral e e e e i j (t). Nous supposerons en gnral que ces processus sont borns. Cette mme hypoth`se est aussi souvent faite e e e e e sur le processus (rt ).
5.2.2
Portefeuille autonanant c
Stratgie de portefeuille e
Nous modlisons le comportement dun investisseur, qui disposant dun capital initial de x Euros, e linvestit dans les actifs de base du march. A la date t, son portefeuille se compose de i (t) parts de e lactif i (i=0........d). Les parts peuvent tre positives ou ngatives suivant quelles correspondent a un e e ` achat ou a une vente. ` e e Une stratgie de portefeuille est la donne des processus ( i (t)d ), reprsentant les quantits invese e i=0 ties dans chacun des titres. Nous dnissons pour commencer les stratgies simples, pour lesquelles la e e composition du portefeuille ne change qu` un nombre ni de dates appelles dates de trading . a e En temps discret, une stratgie quelconque est une stratgie simple ; dans le cas gnral, ce sont les e e e e stratgies qui permettent de faire la transition entre le discret et le continu. e Dnition 5.2.1 Une stratgie simple de portefeuille crite sur les titres de base est la donne dun e e e e ensemble ni de dates de trading : = {(ti )n ; 0 = t0 < t1 < t2 < t3 < . . . < tn = T } i=0 (5.2.3)
e et de d + 1 processus ( i (t)d ) qui donnent la rpartition des titres dans le portefeuille au cours du temps i=0 : i (t) = ni 1[0,t1 ] (t) + . . . + ni 1]tk ,tk+1 ] (t) + . . . + ni 1 1]tN 1 ,tN ] (t) 0 k N o` les variables i sont Ftk -mesurables. u k La valeur nanci`re (liquidative) du portefeuille est note V . (). A la date t, elle vaut : e e
d
(5.2.4)
Vt () =< (t), St >=

i=0
i i (t)St
(5.2.5)
Remarque 5.2.3 Pour tout t de lintervalle ]tk , tk+1 ], i (t) = i (tk+1 ) = ni (k) ; la part investie dans ` e ` lactif i est donc est Ftk -mesurable, cest a dire ne dpend que des informations disponibles a la date de i ngociation prcdente. On dit que le processus (t) est prvisible. Le processus (Vt ()) est adapt. En e e e e e temps continu, comme les prix des actifs sont continus par hypoth`se, et que les stratgies simples de e e portefeuille sont des processus continus a gauche, la valeur nanci`re dun portefeuille simple est continue ` e a gauche. `
98 Autonancement
Entre les dates tk et tk+1 , un investisseur qui suit la stratgie place ni units dans lactif S i . Juste e e k avant une rengociation, a la date tk+1 , la valeur du portefeuille vaut : < nk , Stk+1 >. A linstant tk+1 , e ` linvestisseur forme un nouveau portefeuille, cest a dire une rpartition dirente des poids des dirents ` e e e actifs, a partir des informations disponibles a la date tk+1 . Supposons quaucune somme nest investie ` ` (ou desinvestie) de mani`re exog`ne a linstant tk+1 ; la condition dautonancement se traduit par : e e ` < nk , Stk+1 >=< nk+1 , Stk+1 > soit encore en mettant en vidence la variation des actifs entre les deux dates de rengociation e e Vtk ()+ < nk , Stk+1 Stk >=< nk , Stk+1 >= Vtk+1 () (5.2.7) (5.2.6)
Les variations dun portefeuille autonanant sont exclusivement dues aux variations du prix des actifs. c Remarque 5.2.4 La condition dautonancement implique que la valeur du portefeuille na pas de sauts aux instants de rengociation. Dans un mod`le en temps continu, cela entra que cest un processus e e ne continu. Notons dailleurs que la condition dautonancement est une condition ncessaire et susante e pour la continuit du processus de valeur dun portefeuille. e Si la condition ( 5.2.7) nest pas vrie, lcart entre Vtk+1 () Vtk () et < nk , Stk+1 Stk > pourrait e e e tre utilis pour la consommation ou le renancement entre les dates tk et tk+1 . e e Ces proprits sont synthtises ci-dessous. ee e e Dnition 5.2.2 a) Soit (, ) une stratgie simple de trading autonanante. La valeur du portefeuille e e c scrit alors comme lintgrale stochastique par rapport aux prix des actifs de base (S i ) de la stratgie e e e simple de trading . Elle est caractrise 1 par : e e Vt () =< (t), St > t Vt () V0 () = 0 < (u), dSu > (5.2.9)
b) Extension Si nous supposons maintenant que les prix des actifs de base sont des processus dIt et que est un o processus vectoriel adapt, pour lequel lintgrale stochastique (vectorielle) par rapport aux actifs de base e e est bien dnie, le processus est une stratgie de portefeuille autonanante, de valeur V t () si la e e c condition (5.2.9) est satisfaite. Le cas des processus dIt o Nous avons une description plus prcise de la valeur de la dynamique dun portefeuille autonanant en e c termes de vecteur de rendement et de matrice de volatilit. e dVt ()
i i = i=0 (t)dSt d d k 0 0 i i i = (t)St rt dt + i=1 i (t)St bi dt + + i=1 j=1 i (t)St j (t) dWtj t 0 = 0 (t)St rt dt+ < (S)t , bt > dt+ < (S)t , t dWt > d
Si le portefeuille nest pas autonanant, en suivant Fllmer-Schweitzer ([Fo,Sc] 1990), on appelle processus c o de cot , u
t
Ct () = Vt () V0 ()
(u) . dS(u)
0
(5.2.8)
99
Il reste a eliminer 0 (t) en utilisant lautre quation dautonancement pour en dduire que la valeur du ` e e portefeuille est solution de lquation suivante : e dVt = Vt rt dt+ < (S)t , bt rt 1 > dt+ < (S)t , t dWt > (5.2.10)
i o` (S)t = t dsigne le vecteur de composantes ( i (t)St )d , soit le vecteur qui dcrit les montants u e e i=1 investis dans les titres risqus. e 1 est le vecteur dont toutes les composantes sont gales a 1. e ` Rciproquement, un processus Vt , solution de lquation (5.2.10) est la valeur nanci`re dun portefeuille e e e 1 i d autonanant, correspondant a un investissement de ( (t))i=1 dans les actifs risqus et de S 0 (Vt () c ` e d i=1
t
i i (t)St ) dans le titre sans risque.
Remarque 5.2.5 Lquation direntielle linaire (5.2.10) ayant une unique solution, la connaissance de e e e linvestissement initial et de la quantit investie dans les actifs risqus sut a caractriser compltement e e ` e e la valeur dun portefeuille autonanant. c Exemples de stratgies de portefeuille e Stratgie statique e Le gestionnaire investit une partie de sa richesse initiale en actions, et place le reste a la banque ` et ne rengocie pas son portefeuille avant lhorizon de gestion T . En 0, sa richesse x est investie e dans n0 actions, de telle sorte que x = n0 S0 + (x n0 S0 ). A toute date la valeur liquidative du t portefeuille est Vt = n0 St + (x n0 S0 ) exp( 0 rs ds) soit
dVt = n0 dSt + (x n0 S0 )e
t 0
rs ds
rt dt = n0 dSt + (Vt n0 St )rt dt
quation quivalente a lquation dautonancement (??). e e ` e Il aurait aussi pu placer la somme quil dpose a la banque a lhorizon de gestion. Dans ce cas, il e ` ` 1 aurait touch a la n, pour 1 Euro investi, B(0, T ) , qui di`re, lorsque les taux sont alatoires de e` e e T exp( 0 rs ds). La valeur du portefeuille a la date t est alors Vt = n0 St +(xn0 S0 )B(0, T )1 B(t, T ). ` ` Stratgie a temps fixe proportionnelle e Le gestionnaire dcide, quelles que soient les conditions de march, de maintenir le montant investi e e 1 dans le titre risqu a 50% de la valeur du portefeuille, cest a dire que t St = 2 Vt . La valeur du e` ` portefeuille est alors la solution dune quation direntielle stochastique e e 1 dSt dVt = rt Vt dt + Vt ( rt dt) 2 St dont la solution est, si
dSt St
(5.2.11)
= bt dt + t dWt

Vt = xe
t 1 ( (bs +rs )ds 0 2
t 1 dWs 1 8 0 2 s
t 0
2 s ds
(5.2.12)
` Stratgies a temps variable e Le gestionnaire dcide de rengocier d`s que le cours de laction a vari de plus de 2%. Il peut e e e e adopter la mme r`gle concernant les quantits que prcdemment. Les dates de rengociation sont e e e e e e donc des temps alatoires, en fait des temps darrt qui reprsentent les temps de passage successifs e e e du titre risqu au-dessus et en dessous des barri`res 2 proportionnelles a 2%. e e `
Une bonne exprience numrique est de simuler une trajectoire de cours et de mettre en place des stratgies e e e de portefeuille auto-nanante c
2
100
Dans la pratique des marchs, il est important de distinguer un ordre dachat dun ordre de vente. En e eet, dans lordre de vente le prix est x d`s que lordre est pass, alors que dans lordre dachat le prix e e e va dpendre des prix proposs par les autres vendeurs, cest a dire des conditions du march. e e ` e Remarque 5.2.6 Les portefeuilles peuvent intgrer des produits drivs, si ces derniers sont tr`s liquides e e e e et facilement cheangeables sur le march, notamment aux dates de rengociation. Dans ce cas lquation e e e e i i dautonancement devient, si (Ct )d dsigne le prix de ces produits drivs et t le nombre de ces e e e i=1 contrats,
d d i i t dCt + (Vt t St d i=1 i i t Ct t St )rt dt
dVt
= t dSt +
i=1
= rt Vt dt + t (dSt rt St dt) +
i=1
i i i t (dCt rt Ct dt)
(5.2.13)
5.3
5.3.1
Absence dOpportunits darbitrage et rendement des titres e

Arbitrage
Rappelons quune opportunit darbitrage est une stratgie de portefeuille autonanante dont la e e c valeur V. () vrie : e V0 () = 0 VT () 0 et {VT () > 0} N Dans les mod`les continus, des hypoth`ses supplmentaires d intgrabilit sont ncessaires pour garantir e e e e e e labsence dopportunit darbitrage, car il existe des intgrales stochastiques qui sont des arbitrages. e e
Exemples :
Considrons un Brownien W issu de 0 et Tx le premier instant o` il touche x > 0. La stratgie 1]0,Tx ] est e u e une opportunit darbitrage (pour un horizon inni) puisque, partant dune valeur nulle, elle atteint une e richesse positive WTx = x > 0. Exemple 2 : Stratgie suicide ([Ha.Pl]) e Pour simplier, nous supposons que dans un march ayant deux titres de base, le titre sans risque est e constant et gal a 1, (r=0) et que le titre risqu vaut 1 aujourdhui. e ` e Pour une constante b > 0 arbitraire, on dnit la stratgie e e
0 t = (1 + b)1[0, (b)] (t) 1 t = (b)1[0, (b)] (t)
o` (b) = inf{t; St = 1 + b1 } = inf{t; Vt () = 0} u Linvestisseur a donc une richesse de Vt () = 1 + b bSt avant dtre ruin, ce qui intervient avant le temps e e 1 qui est lhorizon avec une probabilit de e p(b) = ( (b) < 1) Il est clair que p(b) est une fonction croissante de zro a 1 quand b varie de 0 a linni. En vendant une e ` ` grande quantit dactions, linvestisseur peut rendre sa ruine presque certaine, mais sil survit, il aura cere tainement gagn beaucoup dargent. e Mais la chance de survie peut tre compltement limine par la stratgie suivante : sur lintervalle de e e e e e 1 temps [0, 2 ], linvestisseur suit la stratgie prcdente avec une probabilit note p de ruine. Sil nest pas e e e e e ruin, nous ajustons le montant du stock a un niveau b1 , et donc le montant en actif non risqu a un niveau e ` e` de 1 + b + (b1 b)S1/2 , de telle sorte que la probabilit conditionnelle de ruine durant [1/2, 3/4] soit encore e
101
gale a p. Ainsi de suite, si a un instant tn = 1 (1/2)n nous avons toujours une richesse positive, nous e ` ` rajustons le niveau dactif risqu, de telle sorte que la probabilit conditionnelle de ruine entre (t n , tn+1 ) e e soit toujours p. La probabilit de survie apr`s tn est gal a (1 p)n qui sannule quand n tend vers linni e e e ` et donc tn vers 1. Le portefeuille associ a cette stratgie a une valeur positive sur [0, 1[, mais nulle srement en 1. Si maine` e u tenant, nous empruntons 1F pour acheter laction, et menons la stratgie que nous venons de dcrire. A la e e date 1, notre portefeuille vaut 1F de mani`re sre. Cest une opportunit darbitrage. e u e
Nous serons amens a nous limiter a des stratgies de trading vriant de bonnes proprits e ` ` e e ee dintgrabilit, que nous prciserons dans la suite. Nous appelerons admissibles de telles stratgies. e e e e Lhypoth`se fondamentale est donc e Il nexiste pas dopportunits darbitrage entre des stratgies de portefeuille admissibles. On dit encore e e que le march est viable. e Exemples de contraintes dadmissibilit e
Nous supposons que lensemble A des stratgies admissibles est un espace vectoriel, qui contient e les stratgies constantes, et qui est stable par recollement au sens o` deux stratgies admissibles e u e peuvent tre recolles sur un ensemble A de Ft en une stratgie admissible, c`d que si et sont e e e a deux stratgies admissibles, la stratgie qui vaut sur lensemble A et (s) , s t et (s), s > t sur e e c A est admissible. Les hypoth`ses doivent exclure de les stratgies dcrites ci-dessus ; il faut donc que lensemble A e e e des stratgies de portefeuille admissibles soit assez riche pour permettre lvaluation de nombreux e e produits drivs, et pas trop gros pour viter les opportunits darbitrage. e e e e Des hypoth`ses de type carr intgrable, sur la valeur du portefeuille et les martingales associes e e e e sont en gnral susantes. De plus, il doit contenir les stratgies constantes, et autoriser des e e e oprations de recollement. e la matrice de volatilit borne, mais pas ncessairement inversible e e e Posons
T
= { ; E
0 0 (t St )2 + |(S)t |2 dt < +, }
i Lhypoth`se que les vecteurs constants appartiennent a A entra que le prix S t de chaque e ` ne titre de base est de carr intgrable sur [0, T ], a volatilit borne. e e ` e e Dans ce cas, tous les processus prvisibles et borns appartiennent a A. e e ` La condition bt , rt et t borns sut a entra e ` ner que les conditions prcedentes sur les actifs sont e bien satisfaites. Nous lintroduirons souvent dans la suite.
5.3.2
Contraintes sur la dynamique des titres
En absence dopportunits darbitrage, les rendements des titres du march ne sont pas quelconques. e e Ils traduisent lide que plus un titre est risqu, plus son rendement doit tre lv, pour justier quil e e e ee e soit conserv dans les stratgies de portefeuille. e e Avant dtablir de telles proprits, nous dgageons quelques proprits deduites de labsence darbitrage e ee e ee e sur les valeurs des portefeuilles autonanants c Proposition 5.3.1 Supposons le march viable, sans arbitrage. e
102

la valeur prsente dun portefeuille admissible ayant des ux positifs dans le futur est positive a e ` toute date intermdiaire. e deux portefeuilles admissibles qui ont la mme valeur a la date T p.s., ont la mme valeur nanci`re e ` e e a toute date intermdiaire t p.s. ` e
Preuve : Montrons ces proprits tr`s utiles dans la pratique e e Soit une stratgie admissible telle que VT () 0 p.s. e Dsignons par A lensemble A = {V0 () < 0} e Soit la stratgie autonanante A, correspondant a un investissement initial de V 0 () dans lactif e c ` S0 0 S . Sil ny a pas de transaction entre 0 et T , en T la valeur de cette stratgie est V T () = V0 () ST 0 e 0 0 La stratgie qui vaut 0 sur Ac et sur A est admissible ; cest une opportunit darbitrage si A e e nest pas ngligeable (A N ) car : e V0 () = 0 VT () VT () VT () = 1A [VT () VT ()] > 0 sur A
On montre de mme que si VT () 0 p.s. alors V0 () 0 p.s. Cette proprit entra bien sr lgalit e ee ne u e e de la valeur prsente de deux portefeuilles ayant mmes ux terminaux, puisque leur dirence est e e e une strat gie de portefeuille admissible. e Le raisonnement ci-dessus sadapte sans dicult a toute date intermdiaire t. e` e
Rendement des titres et Primes de risque

La consquence fondamentale de labsence dopportunit darbtrage est la contrainte de rendement e e qui porte sur les prix de marchs des titres de base ou des portefeuilles. e Thor`me 5.3.2 Soit un march dIt viable. e e e o i) Deux portefeuilles admissibles et sans risque ont le mme rendement instantan r t . e e ii) Il existe un vecteur alatoire adapt t a valeurs dans Rk , appel prix du march du risque ou e e ` e e primes de risque tel que :
k i dSt
i St
[rt dt +
j=1
i j (t) (dWtj + j dt)] t
(5.3.1)
Le rendement local espr bt des titres risqus vrie : e e e e b t = r t 1 + t t dP dt p.s.
Un processus Vt est la valeur nanci`re dune stratgie admissible si et seulement si il satisfait a : e e ` dVt = Vt rt dt+ < (S)t , t (dWt + t dt) > et aux conditions dintgrabilit E e e
T 0
(5.3.2)
Vt2 dt + |(S)t |2 dt < +
Remarque 5.3.1 Il est en gnral accept que les investisseurs ont de laversion pour le risque. En e e e dautres termes, il faut que le rendement des titres risqus soit suprieur a celui des titres sans risque, e e ` pour quils soient conservs. Les prix dquilibre des produits risqus font appara une prime de risque, e e e tre qui est lcart entre le rendement instantan bt de lactif et le rendement du produit sans risque rt . Par e e contre, dans une conomie neutre pour le risque, tous les titres ont le mme rendement gal au taux e e e dintrt du march. e e e

Preuve : Nous commenons par montrer la premi`re proprit. c e ee
103
0 Soit une stratgie admissible et sans risque, de valeur initiale V0 . La stratgie Vt V0 St = Vt () est e e autonanante, admissible, de valeur initiale nulle, et sans risque, cest a dire a variation nie. c ` ` La stratgie dnie par t = 1{Vt (tilde)>0} t est autonanante et nance VT ()+ puisque, dapr`s e e c e la formule de direntiation compose pour les fonctions a variation nie e e `
dVt ()+ = 1{Vt ()>0} dVt () = 1{Vt ()>0} < t , dSt >=< t , dSt > Dautre part Vt ()+ = 1{Vt ()>0} < t , St >=< t , St > Cest donc une opportunit darbitrage si P(VT ()+ = 0) > 0. e Le cas ngatif est trait de la mme faon. e e e c Ainsi, p.s. VT () = 0 et cette proprit est valable pour tout T . ee Montrons la proprit des rendements. Si t est inversible, le rsultat est vident puisqualors il existe ee e e un seul vecteur t tel que : bt = rt + t t . Sinon, construisons a partir dune richesses initiale nulle, une stratgie , adapte et borne, telle que ` e e e pour tout t, (S)t soit dans le noyau de t dP dt p.s. La valeur du portefeuille Vt () autonanant, c associ a cette stratgie satisfait e` e dVt () = rt Vt ()dt+ < (S)t , bt rt 1 > dt Il sagit dun portefeuille admissible3 , p.s. sans risque, donc de rendement rt , par absence dopportunit e darbitrage. Mais ceci entra que : ne < (S)t , bt rt 1 > 0 dP dt p.s
Comme cette proprit est vraie pour tous les ( S)t , ((t) born) dans le noyau de t , bt rt 1 ee e appartient ncessairement a limage de t dP dt p.s. Lexistence dun vecteur t vriant de bonnes e ` e proprits de mesurabilit est la consquence dun thor`me dit de slection (assez complexe a ee e e e e e ` tablir en toute gnralit). Il existe donc un vecteur t adapt tel que e e e e e
b t = r t 1 + t t
dP dt p.s.
Revenons a ltude dun portefeuille autonanant et admissible. Sa valeur nanci`re est compltement ` e c e e caractrise par lquation (5.2.10). Il sut de remplacer le vecteur b t par son expression en fontion e e e de rt et de la prime de risque pour avoir la formulation quivalente de la proposition. e Les conditions dintgrabilit expriment que la stratgie est admissible. e e e
5.4
5.4.1
Numraire e
Arbitrage et numraire e
Le syst`me de prix utilis jusqu` maintenant fait rfrence a un syst`me montaire donn : par e e a ee ` e e e exemple, tous les cours des actifs, la valeur nanci`re du portefeuille sont exprims en Euros de la date e e considre. Il y a un certain arbitraire dans le choix de cette rfrence montaire, et il est tr`s intuitif e e ee e e quune notion comme celle de portefeuille autonanant doit tre invariante par changement de numraire. c e e
En fait ,il est possible que la solution de cette quation soit seulement localement de carr intgrable. Introe e e duisons le temps darrt Tn , qui est le premier instant o` |Vt | dpasse n. La stratgie 1[0,Tn ] est admissible car e u e e e et V.Tn sont borns.
3
104
Dnition 5.4.1 Un numraire est une rfrence montaire dont la valeur en Euros est une fonction e e ee e alatoire dIt, adapte, strictement positive, continue. e o e Proposition 5.4.1 de numraire. e (i) La notion de stratgie simple autonanante est invariante par changement e c
(ii) une stratgie de portefeuille qui est un arbitrage dans un numraire donn est un arbitrage dans e e e tout numraire. e
x (iii) Si un des actifs de rfrence S 0 est choisi comme numraire, toute intgrale stochastique S 0 + ee e e 0 Su (u), d( 0 ) > de processus simple est la valeur nanci`re dun portefeuille autonanant. e c Su Cette proprit stend aux stratgies gnrales dans le cas des processus dIt. ee e e e e o t 0
<
Preuve : Soit Xt la valeur en Euros dun numraire. Le prix a la date t de lactif i exprim dans ce e ` e i St Vt () numraire est de Xt et la valeur nanci`re dune stratgie de portefeuille Xt . e e e Si est une stratgie simple, qui satisfait lquation dautonancement, < nk , Stk+1 >=< e e nk+1 , Stk+1 > dans le numraire initial, satisfait a la mme quation dans le nouveau numraire : e ` e e e < nk , St Stk+1 >=< nk+1 , k+1 > Xtk+1 Xtk+1
Pour des stratgies rengocies en temps continu, il est ncessaire de dvelopper un calcul un peu plus e e e e e complexe, que nous traiterons ci-dessous. La proprit sur larbitrage dcoule simplement de cette extension. ee e Pour montrer le dernier point de la proposition, supposons par exemple que S 0 soit choisi comme numraire de rfrence. Dans ce nouveau syst`me montaire, le prix du titre 0 est constant et donc e ee e e 0 de variation nulle. Lintgrale stochastique It () dnie par : e e
0 It () = t
< (u), d(
0
Su ) >= 0 Su
i (u)d(
0 i=0
i Su ) 0 Su
ne met pas en jeu cet actif. Il est possible de construire un portefeuille autonanant de valeur c x 0 + It (), en investissant a linstant t dans lactif 0 la quantit 0 (t) donne par : ` e e S0
0
x Si 0 (t) = 0 + It () i (t)( t ) 0 S0 St i=1

0
Lemme 5.4.2 Soit X une f.a. dIt strictement positive. o

1 dXt dXt dXt dXt 1 = X + covt ( X , X ) Xt t t t
(5.4.1)
Pour toute f.a. dIt S, S X = o
S X
est une f.a. dIt telle que o (5.4.2)
X dSt dSt dXt dSt dXt dXt = covt ( , ) X St Xt St Xt Xt St
Dans le cas dun portefeuille autonanant, Vt () =< t , St >, c Vt () St =< t , >, Xt Xt d
dVt () =< t , dSt >, nous avons que (5.4.3)
Vt () St =< t , d > Xt Xt

Preuve : Cest une simple consquence de la formule dIt, applique aux rendements. e o e Dapr`s la formule dIt, nous avons en utilisant les covariances instantanes des rendements, e o e
1 dXt dXt dXt dXt 1 = X + covt ( X , X ) Xt t t t
105
et que
X dSt X St
= =
1 1 dSt dXt dXt dSt + covt ( + , 1 ) 1 St S t Xt Xt dSt dXt dXt dXt dSt dXt + covt ( , ) covt ( , ) St Xt Xt Xt S t Xt
Ce nest autre que la formule de lnonc. e e Cette derni`re formule scrit sous une forme moins conviviale, mais mieux adapte a ltude de e e e ` e lautonancement
X dSt =
1 dXt St dXt (dSt covt (dSt , ) 2 (dXt covt (dXt , ) Xt Xt Xt Xt
Dans le cas dun portefeuille autonanant, o` Vt () =< t , St >, dVt () =< t , dSt >, c u d 1 dXt Vt () dXt Vt () X = [< t , dSt > < t , covt (dSt , )] 2 [(dXt covt (dXt , X )] =< t , dSt > Xt Xt Xt Xt t
5.4.2
Primes de risque et changement de numraire e
Soit (Xt ) un numraire de dynamique e dXt X X = rt dt rt dt+ < t , (dWt + t dt) > Xt (5.4.4)
Nous supposons que le X-vecteur de volatilit t appartient a limage de (t ) , cest a dire quil existe e X ` ` X X X un vecteur t tel que t = (t ) t Nous faisons rfrence au march o` les prix sont donns dans le ee e u e S X numraire X, comme au X-march nancier et dsignons par St = Xt le nouveau processus de prix. e e e t Nous caractrisons les param`tres (taux court, primes de risque) du X-march. e e e Thor`me 5.4.1 Supposons le march initial viable. e e e a) Les param`tres du X-march sont : e e
X X = t t , t X rt = X t
(5.4.5)
b) Soit (Zt ) un processus de prix admissible, avec vecteur de volatilit t e Z dZt Z = rt dt+ < t , dWt + t dt > Zt Le vecteur de volatilit de Z X est donn par Z e e
X
(5.4.6)
Z X = t t . et
X dZt X Z X X = rt dt+ < t t , dWt + (t t )dt > X Zt
(5.4.7)
106
X Preuve : Par le lemme prcdent, (Zt ) est une semimartingale dIt de dcomposition e e o e X dZt dXt dZt dXt dXt dZt covt ( , ). = X Zt Xt Zt Xt Xt Zt
Substituant les param`tres de la dcomposition dIt de (Zt ) et (Xt ), nous obtenons la dcomposition e e o e explicite X dZt X X Z X = rt dt+ < t t , dWt + (t t )dt > X Zt
X La thorie de larbitrage conduit a interprter le vecteur (t t ) comme le vecteur des primes de e ` e X risque dans le nouveau march, o` le taux sans risque est r . e u
Remarque 5.4.1 Linvariance par numraire peut ne pas tre compl`te, car les stratgies admissibles e e e e dans les deux marchs ne sont pas les mmes. Due ([?, Du]992) appelle rgulier, les numraires e e e e pour lesquels ces deux ensembles sont les mmes. Dybvig et Huang en 1986 ([?, Dy.Hu], ou Karatzas e et Shreve en 1987 ([?, Ka.Sh1], Delbaen, Schachermayer en 1995 ([?, DeSc] remplacent la condition de carr intgrable par une condition de minoration sur la valeur du portefeuille et retrouvent les mmes e e e consquences de larbitrage. Toutefois, la condition de minoration ntant pas symtrique, vendre un e e e portefeuille admissible nest pas ncessairement admissible. e Quand la borne infrieure est 0, linvariance par numraire est valable sans restriction et le point de vue e e est vraiment ecace pour tout ce qui concerne lvaluation. e
5.4.3
Le numraire de march e e
Parmi tous les numraires possibles, lun mrite une attention spciale : le numraire M , appell e e e e e numraire de march, en rfrence au portefeuille de march de Markowitz. e e ee e Les prix exprims dans ce numraire nont aucune rnumration spcique au cours du temps. Ce sont e e e e e des bruits purs, sous la probabilit historique. Dans le M -march, taux dintrt et primes de risque e e e e sont nuls. Le nouveau march est dit risque-neutre pour la probabilit historique et les nouveaux prix e e des processus de base sont donc des martingales locales. Le thor`me suivant rassemble les principales e e proprits du M-march. 4 . ee e Thor`me 5.4.2 Soit M le numraire de march, cest a dire le processus de valeur initiale gale a 1 e e e e ` e ` et de volatilit (t ), le vecteur des primes de risque. 5 e dMt Mt = rt dt + (t ) (dWt + t dt) = rt dt + |t |2 dt + dWt t (5.4.8)
Dans le M-march, les investisseurs sont risque-neutres. e

Le numraire de march a t introduit pour la premi`re fois par Long 1990 ([?, Long], Conze-Viswananthan e e e e e en 1991 ([?, CoVi], Bajeux and Portait en 1993 ([?, BaPo]. Voir aussi El Karoui, Geman, Rochet 1992 ([?, GeEKRo] 5 Ce numraire de march correspond a un portefeuille construit de la mani`re suivante : nous supposons que e e ` e t est dans limage de (t ), cest-`-dire quil existe un vecteur t tel que t = t t Cette condition nest pas a 1 2 1 restrictive : en eet, on peut toujours dcomposer t en (t , t ) o` t appartient au noyau de t et 2 a lespace e u t ` orthogonal de Ker(t )=Image(t ). La prime de risque (t ) and (2 ) ont le mme impact sur la dynamique des e t prix car elles sont toujours relies a la volatilit par t t = t 2 . e ` e t i Considrons la stratgie autonanante dont les poids dans les actifs risqus sont donns par M = ( St )d , e e c e e t i i=1 t correspondant a un investissement initial de 1 F et supposons cette stratgie admissible. La valeur actuelle de ` e cette stratgie admissible est note Mt et appele numraire de march. e e e e e
4
107
Z M Le M-prix Zt = Mtt dun titre de base ou la M-valeur prsente dun portefeuille est une martingale e locale. Si M est un numraire rgulier, ce sont des vraies martingales e e ii) Arbitrage Pricing Theory Dans le march initial, le rendement espr dun titre Z est donn par le taux sans risque, plus la e e e e covariance innitsimale entre le rendement risqu du titre et celui du numraire de march. e e e e
Z = rt + Z,M (t) t
o` u
Z,M (t)dt = covt (
dMt dZt , ) Mt Zt
(5.4.9)
Dans une formulation plus proche de lAPT, lexc`s de rendement par rapport au cash est msur par le e e e beta du rendement du portefeuille par rapport au numraire de march. e e Z r t = t Z,M (t) M ( rt ) M,M (t) t
Preuve : La premi`re partie du thor`me nest que le thor`me prcdent explicit dans le cas o` la e e e e e e e e u volatilit du numraire est gale au vecteur des primes de risque. e e e Montrons la deuxi`me partie, qui fait le lien entre la thorie classique de la gestion de portefeuille et e e larbitrage en temps continu. Z Par des arguments darbitrage, nous avons prouv que Z rt =< t , t > p.s. o` t est la volatilit e u Z e t de Z et t le vecteur des primes de risque. De plus, t est aussi la volatilit du numraire de march. Ainsi, e e e covt ( covt ( dMt dZt Z , ) =< t , t > dt Mt Zt
dMt dMt , ) = |t |2 dt = (M rt )dt t Mt Mt
Constantinid`s (??Cons]) interpr`te ce rsultat en notant quil sut de se donner le numraire de march e e e e e pour caractriser compltement le march nancier dans lequel les prix sont cts. e e e oe
5.5
5.5.1
Evaluation et couverture
Prix des produits drivs atteignables e e
Dans cette partie, nous montrons comment calculer les prix des produits drivs, dont on sait a priori e e quils sont rplicables par un portefeuille admissible. En fait, nous sparons en deux tapes la question e e e de lvaluation et de la couverture. e Nous commenons par montrer comment en toute gnralit calculer le prix dun produit driv c e e e e e rplicable. e Dans une deuxi`me tape, nous essayons de caractriser lensemble des produits rplicables, e e e e dveloppant ainsi la notion de march complet. e e Dans le chapitre 2, nous avons trait ces deux probl`mes en mme temps, en montrant que les pay-o e e e de la forme h(ST ) sont rplicables dans le contexte de Black etScholes et que leur prix est donn via la e e solution dune EDP ou dun noyau de pricing. Proposition 5.5.1 Soit BT = {T = VT () ; stratgie autonanante admissible} lensemble des ux e c atteignables (ou simulables), de carr intgrable. e e
108
En absence dopportunit darbitrage, deux stratgies qui rpliquent T ont la mme valeur a toute date e e e e ` Eur Eur intermdiaire, qui est le prix Opt t (T ) de T , qui vrie e e dOptEur (T ) = OptEur Eur OptEur (T ) = T
Eur Eur
(T ) rt dt+ < (S)t , t (dWt + t dt) >
(5.5.1)
est un portefeuille de couverture du produit driv . e e En absence dopportunit darbitrage, lapplication qui a T = VT () BT associe son prix en t, e ` Eur Eur Vt () = Opt t (T ) est une forme linaire positive e Preuve : Soit un ux duplicable par deux stratgies de portefeuille admissibles et . Par absence e dopportunit darbitrage, ces stratgies ont mme valeur nanci`re a toute date intermdiaire. La e e e e ` e notion de prix est donc bien dnie. e Le prix dun actif atteignable par le portefeuille vrie lquation (5.4.6). e e Remarque 5.5.1 Le prix dun actif atteignable appara donc comme lunique solution dune quation t e direntielle stochastique linaire dont on connait la valeur terminale. Le portefeuille de couverture est e e une inconnue du probl`me, au mme titre que le prix Optst . Nous dirons que (Optst (T ), t ) est solution e e dune quation direntielle stochastique rtrograde, introduite pour la premi`re fois par Peng et Pardoux e e e e en 1987 ([?, PePa]. Nous reviendrons sur cette notion ultrieurement. e Lorsque taux court terme et primes de risque sont nulles, le prix dun produit driv est aisment cale e e culable, comme valeur moyenne du ux terminal. Cette double condition est satisfaite dans le M-march e do` la r`gle dvaluation : u e e Proposition 5.5.2 Evaluation dans le M-march e 1 Supposons que le numraire M soit susamment rgulier pour que M appartient a H2+ (Cest notame e ` ment le cas si rt , t , t sont borns). e Soit T BT , le ux terminal dun produit driv atteignable, de carr intgrable. Son prix Opts M (T ) e e e e t e est donn par OptsM (M ) = E[M |Ft ], soit dans le numraire habituel e t T T Optst () = E[T Mt |Ft ] MT (5.5.2)
Preuve : Le ux T tant atteignable dans le march initial par un portefeuille qui est de carr e e e intgrable, M est duplicable dans le M-march par un portefeuille dont la valeur OptsM (T ) est le e e t T quotient de deux processus de carr intgrable. e e 1 Dapr`s la Proposition 5.5.1, c est une martingale locale. Si nous supposons que M est processus de e M 1+ 2+ pour un > 0 et donc une martingale uniformment e H , Optst (T ) est un processus de H intgrable. Ceci implique que e OptsM () = E[M |Ft ] t T En terme de prix de lancien march, nous obtenons la formule de lnonc. e e e Remarque 5.5.2 Ainsi, dans le M-march les prix des produits drivs sont lesprance de leur e e e e valeur terminale, et nous retrouvons une r`gle tr`s naturelle pour xer les prix, qui est la r`gle e e e classique de lassurance, o` le prix est reli a lestimation du ux quon aura a payer. u e` `
109
Reste le probl`me de calculer les poids du portefeuille (indpendants du numraire de rfrence)de e e e ee couverture, quand on ne connait que le ux terminal. Il ny a pas de solution simple en temps continu sauf dans le cas markovien, o`, comme nous lavons vu dans la formule de Black et Scholes, u ils sexpriment a partir du gradient de la fonction de prix, qui peut lui-mme tre exprim comme ` e e e M l esprance de la drive de la v.a. par rapport aux variables markoviennes. e e e Dans le cas gnral, le probl`me est de calculer les poids de la reprsentation dune v.a. X T e e e e (de carr intgrable) comme intgrale stochastique par rapport au mouvement brownien. Comme e e e cette quantit est invariante par changement de numraire, lide est de trouver un numraire tr`s e e e e e concentr dans ltat (, [t, t + dt]) et dutiliser le calcul des variations stochastiques pour arriver e e a conclure. Toute une activit de rechercher rcente dans ces directions a t dveloppe an de ` e e ee e e rendre plus ecace les mthodes de calcul par Monte Carlo de ces poids. e
5.5.2
March complet e
Nous abordons maintenant le deuxi`me point de la thorie, a savoir la caractrisation de lensemble e e ` e des drivs rplicables. Sous cette forme, le probl`me est dlicat. Par contre, moyennant des hypoth`ses e e e e e e supplmentaires, il est possible de caracriser les marchs dits complets, dans lesquels tous les drivs e e e e e raisonnables en terme dintgrabilit sont rplicables. e e e Le point de dpart de ce genre de thorie abstraite est le rsultat de probabilit qui dit que toute v.a. e e e e XT appartemant a L1 (P) et mesurable par rapport a la tribu engendre par un mouvement brownien ` ` e vectoriel W est reprsentable comme une intgrale stochastique : e e
T T
XT = E(XT ) +
0
< zs , dWs >,

0
|zs |2 ds <
(5.5.3)
Dans un march nancier, notamment dans le M -march, le probl`me est de reprsenter les prix sur la e e e e base des variations des titres de base et non des mouvement browniens. Il est alors ncessaire de supposer e quil y a susamment de titres pour couvrir tous les bruits. Hypoth`se e
La matrice dduite de la matrice de volatilit t t est inversible et borne ainsi que la matrice e e e inverse. Proposition 5.5.3 Considrons un march nancier sans taux dintrt, ni primes de risque (par e e e e exemple le M -march). Toute v.a. T , mesurable par rapport a la ltration du brownien W , appartee ` nant a L1+ est rplicable par un portefeuille, qui est une martingale uniformment intgrable ` e e e
T T
T t St
= E(T ) +
0
< t , dWt >= E(T ) +

0
< t St ,
dSt > St (5.5.4)
= (t t )1 t t
Preuve : Les hypoth`ses dintgrabilit assurent que la martingale rpliquante est uniformment e e e e e intgrable. e Le seul probl`me restant est de passer des brorwiens aux portefeuilles. Mais avec les notations e antrieures, le vecteur t St permet dexprimer la dynamique dun portefeuille autonanant a laide e c ` des rendements des titres. On doit donc avoir t t St = t , soit en exploitant lhypoth`se dinversibilit e e faite sur la matrice (t t ) le rsultat de lnonc. e e e
110
Revenons a une situation gnrale, en imposant des hypoth`ses sur le numraire de march. ` e e e e e Thor`me 5.5.1 March complet e e e On suppose que la matrice t vrie lhypoth`se ci-dessus. Supposons que le numraire M soit susame e e ment rgulier pour que sup0tT Mt et sup0tT Mt1 appartient a L2+ (Cest notamment le cas si e ` rt , t , t sont borns ). e 2 W Soit T L (FT , P), le ux terminal dun produit driv atteignable, de carr intgrable, mesurable par e e e e rapport a la ltration brownienne. ` Le march est complet, au sens o` T est rplicable par un portefeuille admissible. e u e Preuve : Lhypoth`se assure que M L1+ et donc que M est rplicable par un portefeuille e e T T admissible dans le M -march. e Puisque lautonancement est invariant par changement de numraire, le seul point a vrier quand e ` e on revient dans le march de dpart est que la qtratgie est admissible dans le march de dpart. Les e e e e e hypoth`ses faites sur T et sur M le garantissent. e
5.5.3
Probabilit risque-neutre, ou mesure-martingale e
Peut-on observer le numraire de march ? La rponse est videmment non, et il est dicile dutiliser e e e e un numraire non observable pour obtenir des formules explicites pour lvaluation et la couverture des e e produits drivs. e e Si nous souhaitons nous rfrer a un numraire plus aisment observable, tout en conservant le mme ee ` e e e genre de r`gle dvaluation, cest a dire prendre la valeur moyenne du ux terminal exprim dans le e e ` e nouveau numraire, il faut rendre le march risque-neutre, ce qui sera possible seulement apr`s un e e e changement de probabilit, comme consquence du thor`me de Girsanov. e e e e Le cash est classiquement utilis comme numraire, car dans ce nouveau march, la volatilit des titres e e e e ne sera pas change. e Thor`me 5.5.2 Probabilit risque neutre e e e Supposons le vecteur des primes de risque t et rt borns 6 et choisissons comme numraire le cash, S 0 . e e i) Il existe une probabilit Q quivalente a la probabilit de dpart P, sous laquelle e e ` e e t Wt = 0 dWs + s ds est un Q-mouvement brownien Les processus de prix crits dans ce numraire, cest a dire les valeurs actualises des portefeuilles e e ` e Zt a autonanants, sont des Q-martingales locales et vrient si Zt = 0 c e St
a dZt Z a = t dWt Zt
(5.5.5)
Q est appele une probabilit risque-neutre. e e ii) Supposons de plus que la partie ngative du taux court (rt ) soit borne. e e Si T BT est le ux terminal dun produit driv e e
T OptEur (T ) = EQ [ 0 |Ft ] 0 St ST
Eur
ou encore OptEur
Eur
(T ) = EQ [e
T t
rs ds
T |Ft ]
(5.5.6)
iii) Lorsque le march est complet, (et sous les hypoth`ses prcdentes) il existe une unique probabilit e e e e e risque-neutre et la r`gle dvaluation risque-neutre sapplique a tout produit driv de carr intgrable. e e ` e e e e Preuve : La preuve utilise la notion de changement de probabilit. e

Il sut en fait que la condition de Novikov [exp(1/2
T 0
|s |2 ds)] < + soit satisfaite.
111
Supposons les primes de risque bornes. Dapr`s le thor`me de Girsanov, il existe une probabilit e e e e e t Q quivalente a la probabilit de dpart P sous laquelle le processus Wt = 0 dWs + s ds est un e ` e e mouvement brownien. Cette probabilit Q admet une denssit par rapport a la probabilit P donne par e e ` e e
T
YT = exp[
0
s d W s
1 2
T 0
|s |2 ds]
0 ST . MT
0 YT peut sinterprter comme la valeur dans le numraire de march de ST soit Y = e e e
Zt a Considrons S 0 comme numraire et notons Zt = S 0 les prix exprims dans ce numraire, ou prix e e e e t actualiss ; nous obtenons alors grce a lquation (5.4.7) e a ` e a a Z dZt = Zt t dWt a Zt scrit comme une intgrale stochastique par rapport au processus Wt , mouvement brownien sous e e Q. Les prix actualiss sont donc des Q-martingales locales. e
Supposons maintenant que, non seulement le vecteur des primes de risque born, mais galement la e e partie ngative de rt ,(rt ) . e Pour tout Zt de carr intgrable e e
a a EQ [(Zt )1+ ] = E[(Zt )1+ YT ] 2 1 2 1+ (E[Zt ]) 2 (E[( (S 0Y 1+ ) 1 ]) 2 )
T
0 Les hypoth`ses faites sur les coecients impliquent que YT est dans tous les Lp p > 1 et que (St )1 e a 1+ est born donc que Zt L e Partant dun processus de prix de carr intgrable, le prix actualis est e e e une martingale locale sous Q uniformment intgrable. Cest donc une vraie martingale qui admet e e une unique dcomposition comme intgrale stochastique par rapport a W . e e ` Eur Eur a Soit T BT . Son prix actualis (Opt t ) (T ) est une Q-martingale uniformment intgrable, e e e gale a lesprance, vue de t, du ux terminal actualis soit e ` e e
(OptEur t
Eur a
) () = EQ [a |Ft ] T
ce qui en explicitant le facteur dactualisation donne les formules de lnonc. e e Il sagit de prouver lunicit de la probabilit risque-neutre si le march est complet. Supposons quil e e e existe deux probabilits risque-neutre Q et Q1 . Alors, dapr`s le thor`me (5.5.2), lhypoth`se que le e e e e e march est complet entra que tout born est atteignable. Dautre part S 0 est de carr intgrable e ne e e e
0 sous Q, et sous Q1 , puisque (St )1 est born par hypoth`se. Il a donc pour prix en 0 e e
T
(OptEur 0 Il en rsulte que les deux mesures e bilits Q et Q1 . e

1 0 ST
Eur a
) (T ) = EQ [
T T 0 ] = E Q1 [ S 0 ] ST T
dQ =
1 0 d Q1 coincident sur FT et donc aussi les deux probaST
Le mme raisonnement pourrait tre fait par rapport a nimporte quel numraire, a condition de se rfrer e e ` e ` ee a une probabilit risque-neutre bien choisie. ` e
112
5.5.4
Numeraire et changement de probabilit e
Comme nous lavons vu ci-dessus, dans le M-march, les M-prix sont des martingales locales par e rapport a la probabilit historique. La probabilit P est appele une M-martingale mesure ou M-proba ` e e e bilit risque-neutre. e Plus gnralement, on peut tablir une correspondance entre numraire portefeuille (comme M ) et mare e e e tingale mesure.
M Thor`me 5.5.3 Soit (Xt ) un numraire portefeuille tel que Xt = e e e
uniformment intgrable. Il existe une probabilit QX e e e a P = QM telle que ` XT M 0 XM d QX = = T M dP M T X0 X0
Xt soit une P- martingale Mt dnie par sa drive de Radon-Nikodym par rapport e e e (5.5.7)
Les X-prix sont des QX martingales locales ; en dautres termes QX est une X-martingale mesure. Preuve : Les preuves jouent sur les liens entre martingales et drives de Radon- Nikodym. e e Par hypoth`se, le M-prix du numraire portefeuille X est une martingale. En particulier, la drive e e e e XT M 0 de Radon-Nikodym LT = a une esprance gale a 1 et QX est une probabilit. e e ` e M T X0 Soit (t ) un portefeuille admissible tel que VtM () est une P martingale locale. Le prix relatif VtX () par rapport au numraire X, et prix relatif VtM () par rapport a M sont contraints par e `
M VtM () = VtX ()Xt = X0 VtX ()Lt
Par suite, par le thoreme de Girsanov , VtX () est une QX -martingale locale si et seulement si e X Vt ()Lt est une P martingale locale. Mais cette proprit est vraie par dnition du numeraire de ee e march. e Il est clair que la notion de X-martingale mesure ne doit pas dpendre de la probabilit de rfrence. e e ee
M Corollaire 5.5.4 Soit (Xt , Yt ) deux numraires portefeuilles arbitraires tels que Xt et YtM soient des e X Y P-martingales, et (Q , Q ) les mesures-martingale associes . e Y Alors, (YtX ) (resp.(Xt )) est une QX (resp. QX ) martingale et
d QY YX = T X dQ Y0X
d QX XY = T Y Y dQ X0
En particulier, pour tout born, ou susamment intgrable e e
Optst (T ) = EQ [e
T t
rs ds
T |Ft ] = Xt EQX [X |Ft ] T
(5.5.8)
M Preuve : (YtX ) est une QX -martingale si et seulement si (YtX Xt ) est une P-martingale, ce que nous avons suppos . De plus, e M d QY d QX dP Y M X0 YX = = T = T M d QX dP d QX Y0M dXt Y0X
Le dernier calcul traduit simplement lquivalence entre les direntes r`gles dvaluation risquee e e e neutre. Remarque 5.5.3 En mettant laccent sur lvaluation risque-neutre, nous rejoignons Bachelier (1900), e mais galement les notions darbitrage statique dveloppes dans le chapitre 4. Ce point de vue ne doit e e e pas faire oubli quil ne sapplique quau cas des marchs complets, ou plus gnralement au cas des e e e e
113
actifs rplicables. Lintrt est que ce point de vue permet de ne pas faire de dirence entre les drivs e e e e e e simples et les drivs path-dependent, comme les options barri`res auxquelles nous avons appliqu la e e e e r`gle dvaluation risque-neutre dans le chapitre 3. e e Lusage abusif de ce point de vue conduit a oublier le portefeuille de couverture sous-jacent a cette thorie. ` ` e Il convient, mme si cest plus dicile, de ne jamais oublier cette question cruciale. e
5.6
La formule de Black et Scholes Revisite e
Si nous aaiblissons certaines des hypoth`ses qui interviennent dans la formule de Black et e Scholes, nous pouvons dans un certain nombre de situations aboutir malgr tout a une formule quasie ` explicite. Nous nous proposons dvaluer une option dchange entre deux sous-jacents, une action qui paye un e e dividende continu de qt et un indice par exemple It , le cash-ow de loption tant (ST KIT )+ . La e dynamique de ces deux sous-jacents vrie donc e
dSt St dIt It S = (rt qt )dt + t [dWt + t dt] I = rt dt + t [dWt + t dt]
S0 = x
Quel est le numraire appropri pour simplier le calcul du prix et la couverture dune option sur de tels e e sous-jacents ? Les direntes tapes de lvaluation sont les suivantes e e e Calculer les valeurs prsentes a la date t, Zt et It , des ux ST et IT . e ` Caractriser lensemble dexercice E = {ST > KIT } e Calculer les probabilits dexercice sous les martingales mesures appropries. e e
5.6.1
Portefeuille associ ` un titre versant un dividende ea
La premi`re tape est de caractriser le sous-jacent de loption qui dans la formule de Black etScholes e e e est un actif de march, ou un portefeuille autonanant, ne versant pas de dividende. Cest aussi le prix e c de loption de strike 0. Lvaluation de la valeur prsente des ux ne prsente aucune dicult si les ux terminaux sont e e e e des prix de sous-jacents sans dividende, par exemple It pour lindice I. La valeur prsente Zt de ST se calcule aisment si le taux de dividende est dterministe comme e e e T Zt = St D(t, T ) o` D(t, T ) = exp t qs ds est linverse du dividende moyen pay entre t et T . u e Si le dividende est alatoire, dans un march complet on peut procder comme suit : e e e Proposition 5.6.1 (Actif versant un dividende) Soit (St ) le processus de prix dune action payant t un dividende de taux qt (born) et dsignons par St = St exp 0 qs ds la valeur du portefeuille obtenu en e e reinvestissant le dividende dans laction d St St
S = rt dt + t [dWt + t dt]
S (a) Dans le S-march, dWtS = dWt + (t t )dt est un QS -mouvement brownien. e (b) Le portefeuille autonanant de cash-ow terminal ST est donn par : c e Q Zt = St D(t, T ) = St Et (exp
S
(c) D(t, T ) ressemble beaucoup au prix dun zro-coupon crit dans le numraire S. e e e
qs ds)
t
(5.6.1)
114
(d) Le prix dun contrat forward sur ST est
Ft (ST , T ) =
t
Zt B(t, T )
(5.6.2)
Preuve : Par dnition, St = St exp 0 qs ds est une martingale locale que nous supposons une vraie e S martingale, associe a lexponentielle de lintgrale stochastique de t . e ` e
Q S Zt = E t (
S
ST
Q ) = Et (exp
Do` apr`s simplication la formule de lemme. u e La formule du contrat forward exploite que ZT = ST Le coecient D(t, T ) est appel correction de convexit dans les mod`les de taux dinrt. e e e e e
5.6.2
Les probabilits dexercice e
Sous quelles probabilits calculer les probabilits dexercice, cest a dire la probabilit de e e ` e E = {ST > KIT } Revenons a la dnition risque-neutre du prix dune telle option : dapr`s les r`gles dvaluation ` e e e e prcdentes e e T Ct = EQ [e t rs ds (ST 1E KIT 1E )|Ft ] T T = EQ [e t rs ds ZT 1E |Ft ] EQ [e t rs ds KIT 1E |Ft ] Dapr`s les r`gles liant changement de numraire et changement de mesure martingale, ceci conduit a e e e ` Ct = St T QZ (E|Ft ) KIt QI (E|Ft ) t (5.6.3)

En utilisant lindice comme numraire, nous nous ramenons a valuer un Call standard, sur le sous-jacent e è I Zt . Pour mener a bien les calculs, nous avons besoin de calculer `
Q e (t, T ) = Et (exp t qs ds), qui se calcule comme un zro-coupon dans un univers risque neutre dont les primes de risque sont lies a la volatilit de S. e ` e I la loi de Zt sous les deux probabilits QI et QZ . e
S
Le cas des volatilits dterministes e e

Hypoth`ses e
Supposons le march complet et les volatilits de S, I dterministes, e e e Supposons les taux dintrt rt et de dividende qt gaussiens e e Sous ces hypoth`ses, e t Sous la probabilit QS qt reste un processus gaussien. e 0 qs ds D(t, T ) est une QS -martingale e log-normale a volatilit dterministe. ` e e la volatilit de Z est aussi dterministe e e I la volatilit de Zt , dirence entre le vecteur des volatilits de Z et celui de I est aussi dterministe. e e e e

Dans le numraire S e
ST
qs ds)
0
Options quanto
115
I Nous pouvons nous ramener a la formule de Black et Scholes classique, en utilisant la volatilit de Z t , ` e dirence entre le vecteur des volatilits de Z et celui de I. e e Pour calculer la volatilit qui apparait dans la formule, on peut utiliser la variance vue de t de e (LnST LnIT ), prendre la racine carre et normaliser par T t. e
Cet exemple permet de traiter le cas des taux alatoires : il sut de supposer que dans ce cas, line dice est un zro-coupon B(t, T ) de maturit T . La mesure-martingale associe a ce numraire est appele e e e ` e e probabilit forward-neutre. e
I En rsum lorsque la volatilit de Zt est dterministe, le prix dune option dchange est donn par la e e e e e e formule de Black et Scholes sous la forme
Ct = St (t, T )QZ (E|Ft ) KIt QI (E|Ft )

T e o` ln[ ST ] est normalement distribu , avec u I T EQI ( ln( ST )) I t ST EQZ ( ln IT ) t
(5.6.4)
1 = ln[ Ztt ] + 2 Variancet (ln ST ln IT ) I Zt 1 = ln[ It ] 2 Variancet (ln ST ln IT )
Les variances sont les mmes pour les direntes probabilits : e e e

T
Variancet (ln ST ln IT ) = et donc comme dans la formule de Black et Scholes QI (E) = N (d0 (t)) t o` u d0 (t) =
1 Variancet (ln ST ln IT )
2 vols (
Z )ds I
QZ (E) = N (d1 (t)) t

St T t KIt
ln[
1 2
Variancet (ln ST ln IT )
d1 (t) = d0 (t) +
Variancet (ln ST ln IT )
116
Dea Probabilits, option nance 2003/2004 e
Chapitre 6
Arbitrage multidevise : Application aux options quanto

Les tablissements nanciers sont de plus en plus engags sur les marchs internationaux, et la nature e e e des interventions est de plus en plus vaste et complexe : gestion de portefeuille, options de change, options sur actions trang`res, swaps de devises, equity-swaps... Lintrt dun cadre cohrent pour lvaluation e e e e e e et la couverture de ces dirents produits nanciers est alors manifeste. e
6.1
Arbitrage multidevise
Dans une conomie donne, le principe dvaluation et de couverture dun titre, qui verse un ux e e e FT a la date T obit a une r`gle simple : ` e ` e En absence dopportunit darbitrage, le prix a la date t, t (FT ) du ux FT est la richesse a investir e ` ` dans un portefeuille autonanant qui duplique exactement FT en T . c Dans toute la suite, le prix en t dune unit montaire paye en T , cest a dire le prix dun zro-coupon e e e ` e de maturit T , est not B(t,T). Le rendement instantan du cash est dsign par r t . e e e e e Labsence darbitrage entre le comptant et le terme entra que ne t (FT ) = t (FT ) B(t, T ) (6.1.1)
Dans un univers multidevise, cette r`gle dvaluation vaut dans chacun des deux pays. Mais il reste e e a prciser comment se fait larbitrage entre lconomie domestique a laquelle nous faisons rfrence en ` e e ` ee utilisant le symble d, et lconomie trang`re rappele par f (foreign) ! Loutil essentiel est le taux de o e e e e change Xt cest a dire le prix en units domestiques de la date t, dune unit trang`re de la mme date. ` e ee e e Lorsque lconomie domestique est le march europen,Xt est le taux de change dollar-euro. e e e Principe de non-arbitrage entre deux conomies : e Un prix tranger transcrit en monnaie domestique par le taux de change est un prix domestique e Le numraire de cette transformation est le prix en dollars dun euro soit le taux de change euro-dollars. e Les consquences de ce principe sont tr`s nombreuses, soit pour caractriser la dynamique du taux e e e de change, soit pour comparer lvaluation et la couverture dans les deux marchs. e e Notons tout de suite que ce principe de non-arbitrage entra quune unit trang`re capitalise au taux ne ee e e f de r entre 0 et t et change en monnaie domestique est un prix domestique. e
117
118
En dautres termes, le taux de change apparat comme un titre domestique qui paye un dividende continu f de r .
6.1.1
Principe gnral dvaluation e e e
f f Le prix domestique en t dun ux tranger FT , est par dnition gal a d (XT FT ), puisquil faut e e e ` t convertir le ux tranger en argent domestique. Mais par ailleurs, ce mme ux peut tre obtenu par un e e e portefeuille tranger valu a la date t en monnaie domestique ; par suite avec des notations videntes on e e e` e a:
Proposition 6.1.1 La relation darbitrage

f f d (XT FT ) = Xt f (FT ) t t
(6.1.2)
prvaut entre les prix a la date t sur les marchs domestiques et trangers. e ` e e d f Une relation analogue relie les prix et des contrats a terme dans les deux pays, sous la forme : `
f d (XT FT ) t
f d (XT )f (FT ) t t
(6.1.3) (6.1.4)
d (XT ) = Xt t
B (t, T ) B d (t, T )
Cette derni`re relation traduit le fait que : le taux de change sur le march a terme de maturit T est le e e` e contrat a terme (forward) sur la devise de mme maturit. ` e e Preuve : Seule la deuxi`me relation demande a tre tablie. Elle repose sur la formule (1), qui donne e è e le lien entre prix a terme et prix au comptant. ` Considrons un contrat sur un ux crit en monnaie trang`re, mais pay en monnaie domestique. Les e e e e e f f formules de prix au comptant donnes en (2) entrainent immdiatement que d (XT FT ) = Xt f (FT ) e e t t et donc pour les prix a terme : `
f d (XT FT ) = (Xt t
B f (t, T ) f f ) (F ) B d (t, T ) t T
Mais cette formule applique a un contrat forward crit sur une unit trang`re de la date T permet e ` e ee e f (t,T ) dinterprter le terme Xt B d (t,T ) comme le prix dun contrat forward sur devise. e B
6.1.2
Application aux options quanto
Nous dcrivons lvaluation des options dachat, les options de vente se calculant grce a la formule e e a ` de parit Call -Put. e Une option europenne dachat, de maturit T , de prix dexercice K , crite sur un actif S est un produit e e e nancier dont le cash-ow a la date T est FT = (ST K)+ . ` Nous dsignons son prix a la date t par e ` Ct (S, K, T ) = t [(ST K)+ ] Plusieurs types doptions quanto sont values sur les marchs ; elles dirent essentiellement par la e e e e nature du sous-jacent de loption qui par dnition est toujours un titre tranger, et par la monnaie dans e e laquelle est exprime le prix dexercice. e
Nous rappelons dans lAnnexe 1 les formules fermes dvaluation lorsque lactif suit une loi log-normale, e e notamment les formules de Black-Scholes et de Black, et donnerons dans la seconde partie les formules fermes e et les stratgies de couverture associes aux options que nous dcrivons ci-dessous e e e
1
Options quanto Options dachat sur action trang`re avec strike en devises e e
Il sagit dvaluer en monnaie domestique un ux tranger de e e
f f F1 (T ) = (ST K f )+
119
Le principe gnral dvaluation montre quil sut dvaluer cette option en monnaie trang`re, puis de e e e e e e convertir la prime en monnaie domestique. Soit
f f C1 (t) = d [XT (ST K f )+ ] = Xt Ct (S f , K f , T ) t
(6.1.5)
En particulier, sil existe une formule ferme pour lvaluation et la couverture de ce Call sur le march e e e tranger, il en est de mme sur le march domestique. Nous ne reviendrons pas sur de telles options qui e e e ne prsentent aucun risque de change spcique. e e
Options dachat sur action trang`re avec strike en monnaie domestique e e

Cette option a un cash-ow terminal qui est crit naturellement en monnaie dommestique, puisque e cest la monnaie dans laquelle est exprime le stricke K d . Les lments essentiels a lvaluation sont : e ee ` e f d Le ux terminal F2 (T ) = (XT ST K d )+ Le produit nancier qui synthtise le risque , cest a dire le titre domestique dont le ux en T est e ` f f f ST XT , soit d [ST XT ] = Xt St dapr`s la formule (6.1.2). e t f Si lactif verse un dividende dterministe donn en pourcentage par Dt,T , la formule doit tre moe e e f f d f die en t [ST XT ] = Xt St Dt,T e
f f Le Call est donc une option domestique crite sur lactif Xt St qui paye un dividende de Dt,T e f f d C2 (t) = d [(XT ST K d )+ ] = Ct (XS f D.,T , K d , T ) t
(6.1.6)
Options dachat sur devise

Nous nous intressons a un Call sur devise de prix dexercice X, de maturit T . e ` e Cette option est un cas particuler des options prcdentes, lorsque lactif tranger est un zro-coupon e e e e tranger de mme maturit que celle de loption. e e e Le Call est donc une option domestique crite sur lactif Xt B f (t, T ) e
d C3 (t) = d [(XT X)+ ] = Ct (XB f (., T ), X, T ) t
(6.1.7)
Les options sur actions trang`res avec taux de change x e e e

Il sagit dune option sur une action trang`re, dont le pay-o est converti en monnaie domestique par e e un taux de change x dans les termes du contrat et que nous noterons X. Cette option ne se ram`ne pas e e aussi facilement que les autres a une option sur un sous-jacent facilement identiable, car elle apparait ` comme un mlange doption et de contrat a terme sur le change. e ` Les lments essentiels a lvaluation sont : ee ` e f d Le ux F4 (T ) = X (ST K f )+ . Le produit nancier qui synthtise le risque, cest a dire le titre domestique dont le ux en T est e ` f f gal X ST , soit Xd [ST ] e t f Or laction trang`re, vue du march domestique, peut tre considre comme un titre domestique X t St e e e e e e qui verse un dividende alatoire de X 1 . e
120
Nous prciserons ce point dans la deuxi`me partie, lorsquune hypoth`se de type volatilit dterministe e e e e e est faite sur les titres. A ce stade, il est possible de donner le prix dune telle option sous la forme :
f f d C4 (t) = d [X (ST K f )+ ] = XCt (Xd [ST ], XK f , T ) t t
(6.1.8)
Pour aller plus loin dans lanalyse du prix de ces options, il convient de modeliser la dynamique des sous-jacents, en tenant compte de labsence dopportunits darbitrage entre les deux conomies. e e
6.2
Dynamique des produits nanciers et primes de risque
Le principe de non-arbitrage a de nombreuses consquences sur la modlisation de la dynamique des e e cours dans les direntes conomies, notamment sur le rendement des titres, comme nous lavons vu e e prcdemment. e e Plaons nous dabord dans un pays donn et considrons un actif nancier quelconque, dont le prix c e e a linstant t est not Zt . ` e Nous supposons que sous la probabilit historique P cet actif a comme param`tres instantans un rene e e Z Z dement mt et un vecteur volatilit not t . e e Nous dsignons par Wt = e Wt1 , ..., Wtn
, le vecteur colonne2 des n processus browniens stan-
dards indpendants, reprsentant les n sources dala qui aectent les prix (dans les deux conomies e e e e ventuellement) . e Sous la probabilit objective P, le processus Zt des prix de lactif suit la dynamique suivante : e dZt Z = mZ dt+ < t , dWt > (6.2.1) t Zt En absence dopportunit darbitrage, Il existe un vecteur de primes de risque not t , tel que pour e e Z tout actif du march de prix Zt : mZ = rt + < t , t >. e t On dnit alors la probabilit risque neutre Q, comme tant la probabilit e e e e sus Wt dni par : e dWt = dWt + t dt
3
sous laquelle, le proces-
est un Q-mouvement brownien standard. Dans cet univers, appel univers neutre au risque, tous les actifs ont pour rendement instantan le taux e e spot sans risque rt : dZt Z Z = rt dt+ < t , dWt + t dt >= rt dt+ < t , dWt > Zt Si de plus, lactif Z verse un dividende continu de taux Z , lquation est transforme en : e e t dZt Z = [rt Z ] dt+ < t , dWt > t Zt
2 3
(6.2.2)
(6.2.3)
On notera par A la transpose de la matrice A, et < x, y > le produit scalaire de deux vecteurs. e Cette probabilit , quivalente a , est dnie par sa densit de Radon-Nikodym : e e ` e e

= exp
s d W s
d d
1 2
t 0
||s | |2 ds
Options quanto
121
Si nous nous plaons dans le pays domestique, la prime de risque est note d , et le processus dWtd = c e t dWt + d dt est un Qd -mouvement brownien. t Si nous plaons dans le pays tranger, ces mmes quantits sont reperes par le symble f . c e e e e o f d Il ny a pas de raison a priori pour que les deux primes de risque, t et t soient les mmes. Toutefois ` e labsence dopportunit darbitrage permet de les comparer en utilisant le taux de change. e
Dynamique du taux de change

Nous commenons par traduire sur la modlisation du taux de change, le fait vu dans le premier c e paragraphe que cest un titre domestique, qui verse un dividende en continu gal au taux tranger r f , e e soit, compte-tenu de lquation (11) : e Proposition 6.2.1 Le taux de change a une dynamique de la forme : dXt f d X = [rt rt ]dt + < t , dWtd > Xt o` Wtd = Wt + d dt u t (6.2.4)
Primes de risque dans le march tranger ee

La caractrisation du taux de change ne traduit pas compl`tement lA.O.A (absence dopportunit e e e darbitrage ) entre les direntes conomies. En eet, il nous reste a exprimer le fait que ce sont tous les e e ` prix sur le march tranger qui sont transforms par le change en des prix domestiques. ee e
f Proposition 6.2.2 Un titre tranger Zt a une dynamique de la forme : e f dZt f Zt f f = rt dt + < Z (t), dWt + f dt > t
(6.2.5)
o` le vecteur f des primes de risque sur le march tranger est donn par : u ee e
X f d = t t t
(6.2.6)
Les browniens non centrs Wtd et Wtf sont lis par la relation e e Wtd Wtf =
t 0 X s ds
(6.2.7)
Preuve : Cest la mme que celle donne pour les changements de numraire. e e e f Soit Zt le prix dun actif tranger. LA.O.A entre les dirents marchs entraine que X Z f est un e e e prix domestique , dont le prix satisfait a la relation (6). Le calcul dIt entraine que : ` o
d(X Z f )t (X Z f )t
dXt Xt
f dZt f Zt
+ Covt
f dXt dZt Xt , Z f t
f d X X = rt dt + < t , dWt + d dt > + < S (t), dWt + f dt + t dt > t t
X Z f tant un prix domestique, dapr`s lquation (6) ncessairement : e e e e

X f + t = d t t
Ce qui nous donne le rsultat annonc car lequation qui lie les mouvements browniens est une e e consquence immdiate de la proprit des primes de risque. e e ee
122
f Le calcul nous donne la dynamique du titre domestique Xt Zt
Corollaire 6.2.3 Laction trang`re crite en monnaie domestique suit : e e e d(X S f )t f d X = rt dt + < t + S (t), dWtd > (X S f )t
f X le vecteur des volatilits est donn par la somme des vecteurs t + S (t) e e
(6.2.8)
Remarque sur les conventions utilises e

Nous avons suppos que n sources de bruit indpendantes expliquent les perturbations alatoires e e e aectant tous les produits nanciers, indpendamment de lconomie dans laquelle ils sont valus, ce qui e e e e nous permet davoir une interprtation simple des direntes primes de risque. e e Toutefois, ce faisant, nous nous loignons de la pratique habituelle qui en gnral a un titre risqu S e e e ` e S S associe une source de bruit W , et une volatilit volt . e Le passage dune modlisation a lautre se fait aisment grce aux correspondances suivantes : e ` e a
S S < t , dWt > = volt dWtS
volt (S) = Ainsi par exemple
S t
(6.2.9)
f X volt (XS f ) = t + S (t)
e ` La corrlation instantane X,S entre deux produits nanciers X et S est mesure a laide des relations e e t suivantes : dXt dSt X S , ) = < t , t > dt = t (X, S) volt (X) volt (S) dt covt ( Xt S t soit S X < t , t > t (X, S) = (6.2.10) X S t t Ainsi la volatilit du produit des deux actifs est donne par : e e
X S volt (XS)2 = t + t 2
= volt (X)2 + volt (S)2 + 2 volt (X)2 volt (S)2 t (X, S)
(6.2.11)
Nous utiliserons souvent la volatilit moyenne entre t et T e V olt,T (S)2 =

t T
volu (S)2 du =
t
S t
du
(6.2.12)
6.3
Options sur un march tranger : Les options quanto ee
Avant daborder les formules de calcul et de couverture explicites de ces options, nous xons quelques notations tr`s souvent utilises dans la suite . e e Comme lvaluation des options est faite en monnaie domestique, nous nous plaons sous la probabilit e c e domestique neutre au risque Qd , et dcomposons le prix des actifs dans les dirents pays par rapport e e au Qd -mouvement brownien W d .
d 1. Le prix zro-coupon domestique Bt,T suit la diusion : e d dBt,T d Bt,T d d = rt + < t,T , dWtd >
d d soit dapr`s (6.2.11) une volatilit des zro-coupons de volt,T = t,T e e e
Options quanto
2. Le taux de change Xt suit la diusion : dXt f X d = rt rt dt+ < t , dWtd > Xt
X soit une volatilit du change de volt (X) = t e
123
3. La corrlation instantane entre le taux de change et le zro-coupon domestique de maturit T est e e e e mesure dapr`s lequation (6.2.10) par e e X,d = t
X d < t , t,T > d t,T X t
f De mme, on suppose que sur le march tranger, le prix des zro-coupons B t,T suit la dynamique : e ee e
1.
f dBt,T f Bt,T f f o` volt,T = t,T u f f X = rt dt+ < t,T , dWtd t dt >
2. Lactif tranger risqu sur lequel sont crites les options paye un taux de dividende de Z vers en e e e e t continu. f dZt f Z X = (rt Z )dt+ < t , dWtd t dt > t f Zt Le dividende (not en pourcentage) vers entre t et T est not e e e
Z Dt,T = exp T t
Z ds s
6.4
Les formules fermes dvaluation des Call quanto e e
Pour obtenir des formules fermes dvaluation, nous supposons que les vecteurs de volatilits e e e des dirents titres sont dterministes. e e
6.4.1
La formule de Black
Dans un march donn, cette hypoth`se conduit a des formules explicites dvaluation , mme lorsque e e e ` e e les taux sont alatoires. Pour lvaluation dun Call, de maturit T et de prix dexercice K, crit sur un e e e e actif S, qui verse un dividende dterministe Dt,T , il sagit de la formule de Black : e Callt (S, K, T ) = BL(St Dt,T , K, T, V olt,T ((ST )) o` u t (ST ) est le prix dun contrat a terme sur ST , soit ` t (ST ) = t (ST ) St Dt,T = d B d (t, T ) B (t, T ) (6.4.1)
V olt,T (P hi(ST )) est la volatilit moyenne du contrat entre t et T , soit e
124
V olt,T ((ST ))2
T

S = T 1 t volu ((ST ))2 du = T 1 t t t,T t t T = T 1 t [volu (B(.T )2 + volt (S)2 t + 2 volu (B(.T )) volu (S)u (B(., T ), S)]du T 2
Dautre part, mme lorsque les taux sont alatoires e e V olt,T ((ST ))2 = La formule explicite est Callt (S, K, T ) = St Dt,T N (d1 ) KB(t, T )N (d0 ) o` : u d0 d1 =
1 T tV olt,T ((ST ))
1 vart [Ln(ST ] T t
(6.4.2)
(6.4.3)
Ln
St Dt,T B(t,T )K
1 2
T tV olt,T ((ST ))
= d0 +
T tV olt,T ((ST ))
La couverture dune telle option se fait a laide de Dt,T N (d1 ) actions et de KN (d0 ) zro-coupons de ` e maturit T ( ou de tout portefeuille synthtique qui le duplique). e e
6.4.2
Options dachat sur action trang`re avec strike en monnaie domestique e e
Comme nous lavons vu dans la premi`re partie, ce Call est une option domestique crite sur lactif e e f f Xt St qui paye un dividende de Dt,T . Il existe donc une formule ferme, puisque le vecteur des volatilits e e de X S f , qui est la somme de ceux de X et de S f , est dterministe. e Le Call est donc valu par : e e
f f f d C2 (t) = Ct (XS f D.,T , K d , T ) = BLd (Xt St Dt,T , K d , T, V olt,T [(ST XT )]) f C2 (t) = Xt St Dt,T N (d1 ) K d B d (t, T )N (d0 )
(6.4.4)
1. Le titre qui synthtise tous les risques est le contrat a terme domestique sur laction trang`re soit : e ` e e
f d (ST XT ) = t f Xt St Dt,T B d (t, T )
S 2. Sa volatilit instantane volt,T est donne par : e e e S [vol(t,T ) ]2 X S d = t + t t,T 2 d = volt (X)2 + volt (S)2 + (volt,T )2 d + 2 volt (X) volt (S) t (X, S) 2 volt (X) volt,T t (d, X) d 2 volt (S) volt,T t (d, S)
o` t (d, S) est la corrlation instantane entre les zro-coupons domestiques maturit T et lactif u e e e e trangers . e 3. La variation moyenne de cette volatilit sur la priode, e e
S [V olt,T ]2 =
1 T t
T t
S (vols,T )2 ds =
1 vart [Ln(ST ) + Ln(XT )] T t
Options quanto
125
La volatilit de cet actif dpend des corrlations entre tous les produits nanciers qui sont en jeu, noe e e tamment entre le sous-jacent tranger et le taux de change, et si les taux sont alatoires entre ces titres e e et les taux domestiques. La couverture dune telle option se fait a laide de Dt,T N (d1 ) actions trang`res payes en monnaie ` e e e d domestique et de K N (d0 ) zro-coupons de maturit T ( ou de tout portefeuille synthtique qui le due e e plique). Le risque de corrlation est alors couvert. e Il est possible de se placer dans lunivers tranger : loption apparait comme une option trang`re e e e d dchange entre laction et linverse du taux de change multipli par K . Pour obtenir le prix domestique, e e il sut de reconvertir la prime a laide du taux de change. `
6.4.3
Options dachat sur devise
` e o` [V olt,T [d (XT )]]2 = T 1 vart [Ln(XT )] La couverture de cette option se fait a laide de N (d1 ) zrou t coupon trangers pays en monnaie domestique et de XN (d0 ) zro-coupon domestiques. e e e Nous aurions pu adopter un point de vue dirent, et considrer ce titre comme une option sur le taux e e f de change, vu comme un titre domestique qui verse un dividende ventuellement alatoire de r t . Dans e e le cas o` les taux trangers sont dterministes, on retrouve videmment la formule prcdente, puisque u e e e e e dans ce cas le dividende vers entre t et T est e
T X Dt,T = exp t f rs ds = B f (t, T )
Comme nous lavons vu dans la premi`re partie, il sagit dun cas particulier des options prcdentes, e e e o` le titre tranger est un zro-coupon de maturit T . Le Call est donc une option domestique crite sur u e e e e f lactif Xt B (t, T ) C3 (t) = BLd (Xt B f (t, T ), X, T, V olt,T [d (XT )]) (6.4.5) d = Xt B f (t, T )N (d1 ) XBt,T N (d0 )
. Cest le point de vue adapt par Garman-Kolhagen (1983 [?]) . Dans le cas o` ils sont alatoires, il est e u e plus dicile de retrouver la formule prcdente . e e
Options de vente sur devise

La parit Call-Put permet de nenvisager que lun de ces deux produits nanciers, lvaluation et la e e couverture de lautre se fait grce a la relation a ` Callt (S, K, T ) P utt (S, K, T ) = St K B(t, T ) Cette relation est bien sr valable pour les options qui nous proccupent. u e Toutefois, nous pouvons interprter diremment cette relation, en envisageant dutiliser un point de vue e e issu de lautre march. En eet, il apparait clairement quune option dachat sur le change (trangere e domestique) est aussi une option de vente sur le change (domestique-tranger). Plus prcisment, dapr`s e e e e la relation (2) : d Callt (X, X, T ) = Xt underlineX 1P utf (X 1 , X 1 , T ) t Nous aurions pu adopter un point de vue dirent, et considrer ce titre comme une option sur le taux e e f de change, vu comme un titre domestique qui verse un dividende ventuellement alatoire de r t . Dans e e le cas o` les taux trangers sont dterministes, on retrouve videmment la formule prcdente, puisque u e e e e e dans ce cas le dividende vers entre t et T est e
T X Dt,T = exp t f rs ds = B f (t, T )
126
. Cest le point de vue adapt par Garman-Kolhagen (1983 [?]) . Dans le cas o` ils sont alatoires, il est e u e plus dicile de retrouver la formule prcdente . e e
6.5
Les options sur actions trang`res avec taux de change x e e e
Nous tudions maintenant en dtail cette option, dont nous avons not dans la premi`re partie quelle e e e e tait plus dicile a valuer que les autres . Il sagit dune option sur une action trang`re, dont le pay-o e è e e est converti en monnaie locale par un taux de change x dans les termes du contrat et que nous noterons e X.
Le cas dun taux de change dterministe e

Cette option trang`re est videmment tr`s simple a valuer sur le march tranger, et la rgle de e e e e ` e ee e passage donne par la formule (2) nous montre que e C4 (t) = X f Xt Callt (S f , K f , T ) XT
Le cas dun taux de change aatoire e

f Le sous-jacent de loption est donc le portefeuille en monnaie domestique qui nance XST . f f St peut tre vu comme un titre domestique qui verse un dividende alatoire gal a r t rt . Dapr`s la e e e ` d e formule de Black et Scholes gnralise, nous associons a ce ux le titre e e e ` f d Zt = B d (t, T )Et T [XST ] f Mais les variables (ST XT ) et (XT ) sont lognormales sous la probabilit Et T , desprance e e B f (t,T )Xt B d (t,T ) Qd
f S t Xt B d (t,T )
Qd
et
On en dduit aisment que e e

f Et T [XST ] Qd
B f (t, T )Xt S f Xt f exp[covt (LnST , XT )] = dt X d (t, T ) B B (t, T ) XB d (t, T ) f exp[covt (LnST , XT )] B f (t, T )
Par suite
f d Zt = S t
Nous pouvons maintenant donner la formule dvaluation de loption sur le march domestique, en notant e e Qd f f T e e que le contrat forward domestique sur ST , Et [XST ] se comporte comme un future sur laction trang`re, au sens o` sa valeur est celle du contrat forward tranger compens par un dividende pay en continu, u e e e qui traduit la corrlation de laction et du taux de change. On obtient : e C4 = X o` : u
f d St Bt,T Dt,T f exp covt LogST , LogXT B f (t, T )
d N (d1 ) XK f Bt,T N(d0 )
d0
1
f vart LogST
Log
f f St exp[covt (LnST ,LnXT )] f Bt,T K f
f 1 (vart LogST ) 2 2
d1
= d0 +
f vart LogST
Le march des commodities e
127
La couverture de cette option est beaucoup plus dlicate a mettre en place que dans les autres e ` cas doptions quanto, car a cause du taux de change x contractuellement le sous-jacent de loption ` e appara comme un titre qui verse un dividende continu, mais dont le taux dpend de la volatilit et des t e e corrlations des titres, actions, change, taux. e Toutefois la r`gle qui permet de couvrir la formule de Black sapplique ici, sur lun ou lautre march. e e
128
Dea Probabilits,option nance 2003/2004 e
Chapitre 7
Marchs ` termes, Produits drivs e a e e sur Mati`res Premi`res, e e par Julien Samaha, Crdit Lyonnais. e
Ce chapitre est une introduction aux marchs de commodities, qui a de nombreuses caractristiques e e spciques. Elle est faite par Julien Samaha, qui traville au contrle des risques de march sur commoe o e dities au Crdit Lyonnais a Londres.Je le remercie bien vivement de sa prsentation. e ` e
Les instruments sur mati`res premi`res (ou commodities) constituent une classe particuli`re dactifs e e e nanciers. Bien que reprsentant encore une part mineure par rapport aux produits sur taux et actions, e ils ont connu une importante volution au cours de ces derni`res annes, grce a la drglementation de e e e a ` e e certains marchs, comme celui du gaz et de llectricit dans quelques pays, et par le souci des invese e e tisseurs de diversier leur portefeuille a travers une classe plus large dactifs. Lobjectif de cette partie ` est de prsenter ces marchs de mani`re succinte, et de souligner les outils danalyse et de modlisation e e e e sappliquant a leurs spcicits. ` e e
7.1
7.1.1
Prsentation des marchs e e

Marchs de contrats ` terme e a
Il ny a pas un mais des marchs a terme de mati`res premi`res, avec leurs structures et leurs e ` e e fonctionnements spciques. Les marchs de contrats futurs sont, a lorigine, apparus sur les mati`res e e ` e premi`res. Certains ont acquis, au l des annes, une liquidit susante pour devenir des marchs de e e e e rfrence, alors que dautres ont acquis tr`s peu de volume ou ont mme disparu du fait de leur chec a ee e e e ` rpondre aux besoins de couverture du march. On peut distinguer les principales catgories suivantes : e e e Energies : ptrole (brut et drivs), gaz naturel, charbon, lectricit. Except le charbon, ces e e e e e e marchs sont assez rcents : les premiers contrats a terme sur le ptrole sont apparus a la n e e ` e ` des annes 1970 sur le oul lger (heating oil) a New York et leur dvelopement a t favoris e e ` e ee e par les chocs ptroliers et les mesures de drglementation ; les marchs du gaz et de llectricit e e e e e e sont apparus au cours des annes 1990, suite a la drglementation dans certaines rgions. Ces e ` e e e deux derni`res annes ont de plus vu la mise en place de plateformes lectroniques sur ces marchs e e e e
129
130
qui fonctionnaient traditionnellement a la crie. Le march du ptrole est particuli`rement com` e e e e plexe du fait de la tr`s grandes diversit des qualits du brut et des produits issus du ranage. e e e Cette complexit nest pas prsente dans les autre nergies o` les dirences sont principalement e e e u e gographiques. De plus, le march du ptrole est un march global, avec des transactions internae e e e tionales, alors que les marchs du gaz et de llectricit sont rgionaux et fonctionnent en rseaux e e e e e de transmissions. Les principaux contrats a terme ptroliers et gaziers sont cots sur le NYMEX ` e e (New York) et lIPE (Londres). Les marchs a terme de llectricit sont des marchs de gros ; e ` e e e ils sont rgionaux et existent dans les zones drglementes, par exemple : NordPool (Scandinae e e e vie), UK Power Exchange (Grande-Bretagne), EEX (Allemagne), PowerNext (France), NEMMCO (Australie). Mtaux de base : ils sont principalement cots sur le LME (Londres) et le COMEX (New York). e e Le LME en reste le march principal, o` sont cots laluminium, le cuivre, le zinc, le nickel, le e u e plomb et ltain. Il a t cr en 1877, suite a la rvolution industrielle en Grande-Bretagne, qui e e e ee ` e a vu des importations massives de mtaux. On peut remarquer que, du fait de cet historique, le e contrat a terme de maturit 3 mois est rest un contrat de rfrence car il correspond au temps ` e e ee moyen dacheminement des mtaux depuis leurs lieux de production (comme lAmrique Latine ou e e lAfrique) vers Londres et les autres pays consommateurs. Mtaux prcieux : or, argent, platine, palladium. Du fait de leur pass, ils ont tendance a tre e e e ` e traits comme des devises par les institutions nanci`res. Par exemple, lor joue a la fois le rle de e e ` o mati`re premi`re et de devise (valeur de rserve). Les principales places de cotations sont le LBMA e e e (Londres), le COMEX (New York, il sagit de contrats futurs) et le TOCOM (Tokyo). Produits dits softs : cette classe regroupe les produits agricoles (cacao, caf, sucre, crales etc.), e e e la laine et le cotton, le btail, les produits forestiers (bois, caoutchouc), le vin etc. Ils sont cots e e sur des places diverses, on peut citer : CBOT et CME (Chicago), NYBOT (New York), LIFFE (Londres), MATIF (Paris), entre autres. Les marchs sur produits agricoles sont les plus anciens, le e premier march a terme ociel tant apparu sur le bl au Chicago Board of Trade (CBOT), dans e` e e la deuxi`me moiti du XIX`me si`cle. Malgr cette anciennet, ces marchs sont peu sophistiqus e e e e e e e e et les instruments traits restent simples. e Produits drivs climatiques : ce ne sont pas des produits sur mati`res premi`res a proprement e e e e ` parler car le sous-jacent (temprature, vitesse du vent...) nest pas un produit physique et est encore e moins chang ! Cette classe de produits poss`de cependant un lien important avec les marchs de e e e e mati`res premi`res car le climat en est un facteur important (cf. plus loin). Ceci est conrm par le e e e dvelopement rcent dinstruments hybrides sur le gaz, comportant une clause sur la temprature. e e e Il sagit nanmoins dune classe tr`s spare, dont les outils danalyse et de valorisation sont tr`s e e e e e dierents ; cest pourquoi nous ne traiterons pas ce march dans cet article. e Les calendriers et les frquences dexpirations des contrats futurs lists varient dun march a lautre e e e ` et dpendent du cycle conomique du produit. Cette liste stend rguli`rement avec la naissance de e e e e e nouveaux marchs, comme celui des droits dmission de gaz a eet de serre ou la mise en place actuelle e e ` de contrats sur lacier.
7.1.2
En quoi ces marchs sont-ils dirents ? e e
Une mati`re premi`re est un actif beaucoup moins abstrait quune obligation ou une action. Cest e e la raison principale qui direncie les contrats sur commodities des instruments nanciers traditionnels. e Plus prcisment, on peut distinguer les spcicits suivantes : e e e e Livraison physique du sous-jacent : tout instrument nancier sur mati`re premi`re est li, directee e e ment ou indirectement, a une livraison physique du sous-jacent. Cest pourquoi sa valeur ne peut `
131
tre durablement dconnecte de celle du sous-jacent. Pour la majorit des produits, de nombreux e e e e cots et contraintes sont associs a cette livraison physique et sont pris en compte dans la valou e ` risation de linstrument. De mani`re gnrale, un march nancier sur un produit physique est e e e e troitement li au march du transport de ce mme produit. En particulier sur le ptrole, les prix e e e e e de certains produits contiennent le cot de transport (le produit est alors dnomm avec le sigle u e e CIF pour charge, insurance, freight), dautres pas (le cigle est alors FOB pour free on board) ; la dtention dun portefeuille sur ces dirents produits peut alors contenir un risque de transport e e implicite (freight risk ). Un contrat a terme spcie la qualit du sous-jacent dlivrable, ainsi que les ` e e e points gographiques de livraison. Par exemple, le LME dtient une liste des entrepts, approuvs e e o e pour le stockage de ses mtaux lists a travers le monde. Il est en fait rare quun contrat futur e e ` list soit dtenu jusqu` la livraison physique du sous-jacent (moins de 5% des cas). Le march de e e a e futur est considr comme la contrepartie de dernier ressort. En eet, lacheteur (resp. vendeur) e e dun tel contrat ne sera pas a priori intress de commercer avec une contrepartie choisie par la e e place, dautant plus que le produit quil souhaite acheter (livrer), et sur lequel il sest couvert, ne correspond en gnral pas aux spcicits, souvent rigides, requises par le contrat futur list e e e e e (qualit du produit, lieu de livraison). Le march fournit cependant une procdure plus exible e e e pour rgler physiquement le dnouement dun contrat futur : celle-ci sappelle un change de futur e e e pour du physique (EFP pour Exchange Future for Physical) ; le mcanisme permet de choisir a e ` lavance sa contrepartie et de ngocier le prix de r`glement du physique a maturit. e e ` e Une mati`re premi`re peut tre, la plupart du temps, revendue comme tout autre actif, mais elle e e e peut aussi tre transforme (ranage pour le ptrole, gnration dlectricit pour le gaz naturel e e e e e e e ou le charbon etc.) et/ou consomme. e Fongibilit limite : un produit physique livr aujourdhui nest pas quivalent a ce mme produit e e e e ` e livr demain. Certains, comme les produits agricoles, se dtriorent ou ont mme une dure de vie e ee e e limite (comme le btail). Une fois stock, un tel produit est en gneral soumis a une procdure de e e e e ` e regrading, consistant a rvaluer le produit par rapport a un standard de march ; sil ne remplit ` ee ` e plus exactement les crit`res de livraison, sa valeur est diminue en consquence. e e e Les marchs de contrats futurs sont tr`s peu liquides, compars aux autres marchs nanciers. Il est en e e e e eet toujours dicile dintroduire un contrat futur sur un march physique car le degr dacceptance peut e e varier fortement ; le contrat LME sur laluminium a ainsi mis dix ans a acqurir une liquidit signicative. ` e e De ce fait, ces marchs sont parfois la cible de manipulations : une manipulation consiste a crer une e ` e pnurie articielle de stock du sous-jacent, de sorte a faire goner les prix. Un exemple cl`bre est la bulle e ` ee de largent en 1979-1980 ; ces phnom`nes sont apparus tr`s tt comme en tmoigne [16]. e e e o e
7.1.3
Qui sont les acteurs sur ces marchs ? e
On distingue deux catgories dacteurs : e Les producteurs et les consommateurs : ce sont les entreprises exposes au risque de baisse (dans e le cas des producteurs) ou de hausse (dans le cas des utilisateurs) des prix des mati`res premi`res, e e et cherchant a se couvrir. ` Les investisseurs et les spculateurs : ce sont les institutions nanci`res (banques, fonds) cherchant e e a prendre positions sur ces marchs, a des ns commerciales (vente de produits de couverture) ou ` e ` spculatives. Ils interviennent rarement directement sur le march physique. e e
7.1.4
Principaux facteurs
Les prix dpendent a la base du direntiel entre lore et la demande ainsi que de sa perception dans e ` e le futur. La qualit de linformation sur lore et la demande varie suivant les produits et dune rgion e e
132
a lautre ; par exemple, les montants des stocks de ptrole sont publis chaque semaine aux Etats-Unis, ` e e ce qui nest pas le cas dans le reste du monde. De nombreux facteurs aectent lore et la demande et ont ainsi une inuence sur les prix au comptant et a terme des mati`res premi`res. Ils ne sont pas ` e e ncessairement indpendants entre eux et leurs importances respectives varient dun produit a lautre. e e ` On peut cependant en tenter une distinction : Facteurs conomiques : les facteurs macro-conomiques ont un poids vident, que ce soit des e e e phnom`nes cycliques comme les rcessions, lination et la variation des cours de change, ou e e e des phnom`nes a impact plus permanent, comme derni`rement lentre de la Chine comme ime e ` e e portatrice de mtaux, qui a provoqu une monte soutenue des prix. e e e Facteurs physiques : conditions climatiques et mtorologiques, logistiques et technologiques (techee niques de forage pour le ptrole). Le climat est le plus important : suivant les produits, il a un e impact sur la production ou la consommation et donc, dans les deux cas, il a un impact majeur sur les prix. Le prix du gaz naturel est particuli`rement sensible aux conditions mtorologiques e ee court terme car sa consommation dpend du niveau de temprature ; les prvisions mto sont alors e e e ee suivies de pr`s par les traders. e Facteurs politiques et sociaux : changements de rglementations, vnements politiques, guerres, e e e gr`ves. Ils ont une importance tr`s forte sur le niveau de lore et sa prvision dans le futur, e e e essentiellement court terme. Quelques exemples : du fait de la pnurie possible rsultant des guerres e e dIrak en 1991 et 2003, les prix a court et moyen terme du ptrole ont ainsi connu des sommets ` e historiques ; les rvoltes de 2002 en Cte dIvoire, le producteur le plus important de cacao, ont e o provoqu une monte des prix a terme ; la drglementation a permis le dvelopement de marchs e e ` e e e e a terme et drivs sur le gaz naturel et llectricit. ` e e e e Facteurs spculatifs : ce sont les facteurs faisant dvier les prix de leur valeur fondamentale. Ils e e peut sagir par exemple de rumeurs sur des vnements pouvant aecter les prix, ou doprations e e e de maniuplation voques plus haut. On peut donc dcomposer les prix a terme en une composante e e e ` fondamentale (rsultant du di`rentiel entre lore et la demande) et une composante spculative. e e e Ainsi, pendant la priode de pr-guerre en Irak, les analystes dcomposaient le prix du ptrole en e e e e sa composante fondamentale et un war premium.
133
7.2
Analyse des prix
Les courbes de prix a terme sur mati`res premi`res prsentent des formes direntes suivant les ` e e e e produits et suivant les priodes, comme lillustrent les graphiques ci-dessous. Nous prsentons ici les e e notions de base qui permettent danalyser ltat et les variations de cette courbe. e
A une date donne t et pour une unit du sous-jacent, on note S(t) le prix au comptant et F (t, T ) le e e prix dun contrat a terme livrant le sous-jacent a une date future T . On note C(t1 , t2 ) le cot de dtention ` ` u e dune unit du produit physique entre deux dates t1 et t2 (rassemblant les cots de stockage, de transport e u et de nancement, on le suppose dterministe). e
7.2.1
Arbitrage cash-and-carry
Considrons une mati`re premi`re stockable. On a la relation : e e e F (t, T ) S(t) + C(t, T ) (7.2.1)
En eet, si cette relation tait viole, un arbitrage, dit cash-and-carry, consisterait a acheter le produit e e ` physique et a vendre le contrat a terme simultanment en t ; le produit serait alors livr a chance du ` ` e eè e contrat en T . Contrairement aux instruments nanciers classiques, lopration inverse (reverse cash-ande carry) est tr`s rarement ralisable en pratique et cest pourquoi on na quune relation dingalit. e e e e La notion de prix au comptant est en fait thorique pour la plupart des marchs, car il est rarement e e possible dobtenir la livraison le jour mme. Mais la relation (7.2.1) peut tre tendue a un arbitrage e e e ` entre deux contrats a terme : ` F (t, T2 ) F (t, T1 ) + C(T1 , T2 ) (7.2.2) Les intrts nanciers, inclus dans C, sont supposs voisins du taux dintrt sans risque car le produit e e e e e physique stock peut tre utilis comme collatral. Bien qutant un arbitrage, une telle opration nest e e e e e e pas sans risque dans la ralit : la livraison nale du produit est soumise au risque de transport, tr`s e e e prsente dans le cas du ptrole et du gaz. Certains produits sont de plus prissables et larbitrageur doit e e e sassurer que son tat au moment de la livraison remplit les conditions du contrat a terme, auquel cas il e ` devra payer un cot dajustement. Tenant compte de ces ralits, la relation (7.2.1) peut cependant tre u e e e valide en ajoutant les cots dassurance dans C. Une telle relation nest cependant plus valide dans le e u cas dun produit non stockable comme llectricit. e e
7.2.2
Rendement dopportunit (convenience yield) e
Le rendement dopportunit est dni comme le bnce associ a la dtention du produit physique e e e e e` e entre deux dates t et T ; nous le notons Y (t, T ). En terme doption rlle, il peut tre formul comme tant e e e e la valeur de loption de consommation du produit a tout instant, pendant cette pridode. Il est dni ` e e par : F (t, T ) = S(t) + C(t, T ) Y (t, T ) (7.2.3) Le rendement dopportunit net est Y C. Sa structure par terme peut tre dduite directement de e e e celle des prix a terme. Le rendement dopportunit peut aussi sinterprter comme le revenu tir du ` e e e
134
prt du produit physique. Y est, de ce fait, souvent exprim proportionnellement au prix, sous la forme e e Y (t, T ) := (t, T )S(t), do` le terme de rendement. Remarquons que, dans le cas de lor, ce rendement est u directement observable ; on lappelle le lease rate, qui correspond en fait a la dirence entre le rendement ` e dopportunit et le cot de stockage, et cest de cette mani`re que les prix a terme de lor sont cots a e u e ` e ` Londres.
7.2.3
Report (contango) et dport (backwardation) e
Une courbe de prix de contrats a terme est dite en report (contango en anglais) si les prix a terme sont ` ` suprieurs au prix au comptant. Elle est dite en dport (backwardation) dans le cas contraire, i.e. lorsque e e le rendement dopportunit est suprieur au cots de stockage (pour un produit stockable). Le deuxi`me e e u e membre de lquation (7.2.1) correspond a la courbe maximale des prix a terme ; on lappelle le report e ` ` maximum ou maximum contango, ou encore full carry. Par contre, il ny a pas de dport maximum ; le e rendement dopportunit peut tre tr`s lev (la limite correspondant a des prix a terme a zro). Notons e e e e e ` ` ` e quune telle dnition nest pas directement applicable dans le cas de courbes exhibant une saisonnalit e e forte, comme le gaz naturel, o` il est plus judicieux de comparer des prix correspondant au mme mois u e de livraison. Une courbe en dport correspond en gnral a une situation de pnurie : en eet, la dtention du produit e e e ` e e physique a alors plus de valeur que sa dtention dans le futur, do` un rendement dopportunit lev ; e u ee e cest typiquement le cas du ptrole en priodes de tensions gopolitiques. A linverse, une courbe en report e e e correspond a une situation de surplus. Deux thories sarontent pour expliquer le report et le dport : ` e e la thorie du dport normal et la thorie du stockage ; pour plus de dtails, se reporter a [7] ; pour un e e e e ` autre point de vue, voir [17]. Sur la majorit des marchs, la courbe de prix a terme a tendance a sinverser priodiquement, mais e e ` ` e elle peut rester dans un des tats pendant plusieurs annes. Un exemple cl`bre de faillite due a linversion e e ee ` de la courbe sur le ptrole est la dbcle de lentreprise Metalgesellschaft en 1993. Cette entreprise avait e e a alors construit un commerce lucratif en vendant des contrats de livraison a long terme, et sa stratgie ` e de couverture reposait sur lhypoth`se que la courbe de prix resterait toujours en dport. Pour simplier e e lanalyse, considrons un tel contrat, de maturit long terme TN et de prix F (, TN ) livrant un baril en e e TN . Une fois ce contrat vendu en 0, la stratgie de couverture consiste a prendre une position quivalente e ` e sur le premier contrat en vie de la courbe ; lorsque ce contrat expire, la position de couverture est revendue et reporte sur le contrat suivant, et ainsi de suite jusqu` la livraison nale. Une telle stratgie sappelle e a e stack-and-roll. Les cash-ows sont ainsi : date T0 : date T1 : . . . date Tn : . . . F (0, TN ) F (0, T1 ) (vente du contrat long terme)
F (T1 , T1 ) F (T1 , T2 ) . . . F (Tn , Tn ) F (Tn , Tn+1 ) . . .
date TN 1 : F (TN 1 , TN 1 ) F (TN 1 , TN ) et la rception du physique en TN , par le contrat future F (, TN ), permet dassurer la livraison du contrat e long terme. Les cash ows gnrs par cette stratgie taient donc positifs si la courbe restait en dport, e e e e e e ngatifs sinon. Lentreprise comptait sur le premier cas de gure, car cela faisit plusieurs annes que la e e courbe de ptrole tait en dport. La courbe sest cependant inverse en 1993, et la taille de positions e e e e prises tait telle que les appels de marge ne pouvaient plus tre assurs par Metalgesellschaft. e e e

Fig. 7.1: Composantes principales
135
7.2.4
Analyse en composantes principales
Apr`s avoir interprt ltat de la courbe de prix a terme a une date donne, nous cherchons a e ee e ` ` e ` expliquer ses variations journali`res. Lanalyse (et ses rsutats) est similaire a celle traditionnellement e e ` eectue sur les courbes de taux dintrts. An dextraire les facteurs explicatifs des mouvements de la e e e courbe, nous eectuons une analyse en composantes principales. Notre exemple porte sur le ptrole brut e cot sur le NYMEX, sur les deux premi`res annes de maturits de la courbe et sur un historique de 6 e e e e ans (du 01/10/97 au 30/09/03). Les lments des vecteurs propres sont ramens a des volatilits journali`res, de sorte que les rendements ee e ` e e journaliers puissent scrire : e F (t, Ti ) = F (t, Ti )
p j ij Ct , j=1
i = 1, . . . , n
(7.2.4)
o` C 1 , . . . , C p sont les composantes explicatives (p = 2 ou 3 dans notre exemple ci-dessus), dcart-type de u e 1. Pour chaque composante, les lments ij annualiss sont visualiss sur la gure 7.1 et le pourcentage ee e e de variance expliqu est indiqu dans la lgende. e e e On constate que les deux premi`res composantes expliquent plus de 99% des variations. La premi`re e e composante sinterpr`te comme un facteur de niveau, contribuant a faire varier les prix dans le mme e ` e sens (mais a des amplitudes direntes, selon les volatilits). La deuxi`me composante est un facteur ` e e e dinversion de courbe, i.e. faisant varier les deux extrmits dans des directions opposes, alors que la e e e troisi`me sinterpr`te comme un facteur de courbure ou de dformation. e e e
Les rsultats de lACP permettent de mettre en place une stratgie de couverture de risque de prix. e e Considrons un instrument ou un portefeuille portant sur n (n > p) contrats a terme de la courbe. Nous e ` notons V (t, F (t, )) sa valeur, fonction du temps et des prix de la courbe. On souhaite couvrir le risque de prix linaire de cet instrument, i.e. le risque en delta. Comme ce risque est expliqu par p facteurs, e e on a besoin exactement de p contrats pour couvrir ce risque. La stratgie consiste a choisir des contrats e ` liquides (nous notons T1 < . . . < Tp leurs maturits) et a dterminer leur quantits n1 , . . . , np a dtenir ; e ` e e ` e typiquement avec p = 3 facteurs, lide consiste a choisir un contrat court terme, un contrat moyen terme e ` et un contrat long terme. La valeur du portefeuille ainsi couvert scrit : e
p
H(t, F (t, )) = V (t, F (t, ))
nk F (t, Tk )
k=1
(7.2.5)
Nous notons i := V /F i (i = 1, . . . , n) la sensibilit du portefeuille au prix a terme F i . Le portefeuille e ` est couvert face aux mouvements de la courbe de prix si sa sensibilit a chaque facteur explicatif est e ` nulle : H = 0, j = 1, . . . , p (7.2.6) C j
136

Fig. 7.2: Structure par terme de la volatilit implicite du gaz naturel en hiver et en t e ee
Cette condition scrit successivement : e

p
nk
k=1 p
F k C j
= =
V , C j
n
j = 1, . . . , p
(7.2.7) (7.2.8) (7.2.9)
kj nk
k=1 p
i=1 n
F i V C j F i ij i
kj nk
k=1
=
i=1
Ecrit sous forme matricielle, avec pn := [ji ] et sa sous-matrice pp := [jk ], le vecteur de quantits e N := (n1 , . . . , np ) scrit : e N = 1 pn (7.2.10) pp
7.2.5
Autres proprits statistiques e e
Les prix des mati`res premi`res prsentent des proprits statistiques particuli`res, que lon ne ree e e ee e trouve pas sur les autres marchs nanciers. La prise en compte de ces proprits est fondamentale pour e ee aborder le probl`me de la modlisation. On rencontre les principaux phnom`nes suivants : e e e e Du fait de lquilibre a long terme entre lore et la demande, le prix au comptant a tendance a e ` ` exhiber un retour a la moyenne, cette moyenne pouvant cependant varier au cours du temps. ` La saisonalit des prix est un phnom`ne propre a certains marchs. Par exemple, le prix de e e e ` e lessence est plus fort en t du fait de lutilisation plus fruente de lautomobile ; de mme, le ee q e prix du gaz est plus fort en hiver du fait de la consommation plus importante de chauage et dlectricit. e e Certains produits ont tendance a exhiber des sauts de prix. Cest le cas du gaz naturel et encore ` plus de llectricit. En eet, le moins une mati`re premi`re est stockable, le plus elle est propice a e e e e ` exhiber de tels sauts de prix car sa livraison dpend de la capacit de gnration et de transmission : e e e e si, pour des raisons techniques ou de demande exceptionnelle, la capacit nest plus susante pour e assurer la demande, le prix explosent. La gure 7.1 ci-dessus montre la volatilit du prix a terme cro lorsque lon sapproche de sa mae ` t turit. Ce fait stylis se rencontre sur toutes les mati`res premi`res et est communment nomm e e e e e e leet Samuelson. Ceci se comprend intuitivement du fait que larrive dinformation aecte prine cipalement les prix sur le court terme, alors que sur le long terme les prix sont supposs retourner e au niveau dune certaine moyenne. Certains produits comme le gaz naturel prsentent aussi une e volatilit saisonni`re : la volatilit du gaz spot est plus forte en hiver, du fait de sa consommation e e e plus importante et de sa forte sensibilit a la temprature ; ceci se reproduit sur la structure par e` e terme des volatilits implicites, comme lillustre la gure 7.2 ci-dessous, les pics de saisonnalit se e e retrouvant sur les contrats expirant en hiver.
137
7.3
7.3.1
Produits drivs sur mati`res premi`res e e e e

Swaps
Les swaps sont, avec les contrats a terme, les instruments drivs les plus courants sur les mati`res ` e e e premi`res. Prsentons leur principe a travers un exemple : une compagnie arienne sapprovisionne tous e e ` e les jours en carburant et souhaite liminer lincertitude quant a son cot, en payant un prix xe. Pour ce e ` u faire, elle entre dans un swap dune dure dun an pendant laquelle, a la n de chaque mois et pour un e ` volume x : e elle paie le prix xe, par exemple $ 25/bbl. elle recoit la partie ottante correspondant a la moyenne journali`re, ralise au cours du mois, ` e e e dun indice de prix spot du carburant. En eet, comme il sagit dun approvisionnement journalier, lentreprise sera plus intresse de se couvrir contre le prix moyen ; cest le cas de la plupart e e des mati`res premi`res. Lindice est en gnral soit un prix cot sur un march, soit un prix de e e e e e e publication indpendante, rsultant dune enqute eectue aupr`s des principaux intervenants. e e e e e Comme pour les swaps de taux dintrt, la valeur du swap est la dirence entre les valeurs prsentes e e e e de la jambe ottante et de la jambe xe. Dterminer le prix du swap consiste a proposer un prix pour la e ` jambe xe. Il existe ainsi, pour chaque produit, une courbe de prix swaps, correspondant aux prix de la jambe xe pour les dirents mois de paiement. e Beaucoup de produits ptroliers ne poss`dent pas de march list de contrats futurs, mais leur march e e e e e de swaps OTC peut tre tr`s liquide. Lorsquil existe dj` un march list de futurs, lindice du swap e e ea e e est souvent le prompt-month (i.e. le prix du contrat futur de maturit la plus courte) sur lEnergie, ou e le prix cash sur les mtaux ; il en rsulte que, par absence darbitrage, le prix du swap peut dans ce cas e e tre calcul a partir des prix des contrats futurs. Sur lEnergie cependant, les marchs des swaps OTC e e` e sont plus liquides sur le long terme que les contrats futurs.
7.3.2
Options Asiatiques
Les options sur moyenne (Asiatique) constituent, avec les options sur futurs, la classe la plus rpandue e doptions sur les mati`res premi`res. Le principe est le mme que les options Asiatiques classiques et la e e e moyenne sous-jacente est calcule de la mme mani`re que pour les swaps. Dans lexemple ci-dessus, si e e e la compagnie arienne souhaite se couvrir contre le risque de hausse du carburant mais aussi bncier e e e dune ventuelle baisse, elle peut acheter un call comportant les mmes caractristiques que le swap dcrit e e e e ci-dessus.
7.3.3
Options sur spread
Le risque de spread est tr`s important dans les mati`res premi`res. On distingue plusieurs catgories e e e e de spreads : Spread calendaire : dirence entre deux prix a terme sur le mme produit, de maturits direntes. e ` e e e Une entreprise de stockage est typiquement expose a ce risque. e ` Spread gographique (locational spread ) : dirence entre les prix dun mme produit livr en deux e e e e points gographiques dirents. Une entreprise de transport est par exemple soumise au risque de e e ce type de spread. Spread inter-commodity : dirence entre les prix de deux produits dirents. En gnral, ces deux e e e e produits poss`dent un lien physique, lun rsultant de la transformation de lautre. Sur le ptrole, e e e un crack spread correspond a la dirence entre le prix du brut et celui dun ou plusieurs produits ` e issus de son ranage. Un frac spread correspond a la dirence entre les prix du gaz naturel et du ` e
138
propane. On parle de crush spread pour dsigner le rapport entre le prix des graines de soja et le e prix combin de la farine et lhuile de soja. De mme, le rapport entre les prix du gaz naturel et de e e llectricit est dsign par le spark spread. Les entreprises de ranage et les centrales lectriques e e e e e sont des exemples dintervenants soumis a ce type de risque. ` Il existe ainsi de nombreux acteurs soumis au risque de spread, do` une demande pour les options sur u spread. Pour plus dexemples sur lEnergie, se rfrer a [9] et [10]. Du fait de la continuit du processus ee ` e concern, le payo de telles options spread sera en gnral bas sur la dirence entre deux moyennes de e e e e e prix.
7.3.4
Options exotiques
Le march des options exotiques sur les mati`res premi`res reste encore assez restreint. Il est bien sr e e e u impossible de faire une prsentation gnrale de ces options, mais une originalit des mati`res premi`res e e e e e e est lexistence de contrats comportant une clause optionnelle sur le prix et le volume ; de telles options sont rassembles sous le terme gnrique de swing options ou options Take-or-Pay (ToP). Nous prsentons e e e e ici un exemple simpli dans le cas du gaz naturel : prenons le cas dune administration souhaitant se e couvrir contre un sur-cot du gaz, servant a son chauage. On lui propose le contrat suivant : u ` Priode : anne 2004. e e Le contrat ore, chaque jour, loption dacheter, pour un prix (par unit) x K = $4/GJ, un e e max = 10000 GJ. Le volume total maximal est volume infrieur a un volume journalier maximal Vd e ` alors V max = 366 Vdmax pour lanne. e Take-or-Pay ToP = 90% : a la n de la priode, ladministration devra avoir exerc au moins ` e e max ToP% du volume total maximal V , sinon elle devra payer une pnalit par unit de volume e e e manquante. On peut remarquer deux cas extrmes : e Si la pnalit est nulle, la derni`re clause est inutile et loption swing est une srie simple doptions. e e e e En eet, lorsque le payo est positif, le client aura toujours intrt a exercer le volume journalier e e ` maximal. Si la pnalit et le ToP sont levs (typiquement ToP de 100%), alors ladministration se voit e e e e contrainte dexercer la totalit du volume journalier maximal. En eet, tout volume non exerc e e devrait alors tre pay a un prix fort. Ce cas se ram`ne donc a un swap classique. e e` e ` Ainsi, loption swing se situe entre un swap et une srie doptions classiques. Mais la valorisation de e ce type dinstrument est complexe et constitue un domaine de recherche actif. De plus, certains contrats imposent un nombre maximum dexercices (par exemple 300 sur les 366 jours de la priode). Pour un e exemple dapproche, voir [6].
7.4
Modlisation des prix ` terme de mati`res premi`res e a e e
La littrature des commodities a tendance a emprunter des mod`les issus des taux dintrt. En eet, e ` e e e il existe deux principales familles de mod`les : e Mod`les spot : ils consistent a modliser le prix au comptant du produit physique et le rendement e ` e dopportunit instantan, implicitant ainsi la courbe de prix a terme. e e ` Mod`les de courbe de prix : ils consistent a spcier directement, dans un cadre HJM, lvolution e ` e e des prix des contrats a terme. ` Le premi`re classe de mod`le prsente un inconvnient majeur pour la grande majorit des produits : e e e e e les deux variables modlises (prix spot et rendement dopportunit) ne sont en gnral pas observables e e e e e (sauf pour certains produits comme lor). Le prix spot est en eet plus une notion thorique car tr`s peu e e
139
de produit sont dlivrables le jour mme ; les prix rellement observs sont ceux des contrats a terme. e e e e ` De plus, un mod`le spot ne pourra en gnral pas reconstituer parfaitement la courbe de prix a terme. e e e ` Un mod`le de courbe du type HJM est donc un meilleur candidat. Cependant, la relation entre mod`le e e spot et mod`le de courbe apporte un intrt analytique. Nous prsentons ici deux exemples classiques de e e e e mod`les de chacune de ces classes. Lobjectif nest pas ici den donner une analyse dtaille mais plutt e e e o de souligner leurs points de dpart, qui sont couramment utiliss. Ceux-ci permettent dtendre alors les e e e mod`les classiques en en construisant des versions plus sophistiques, par exemple en incorporant des e e composantes de sauts.
7.4.1
Un exemple simple de mod`le de courbe : le mod`le de Schwartz 1e e facteur
Le mod`le 1-facteur de Schwartz suppose que la courbe de prix a terme suit la diusion HJM suivante : e ` dF (t, T ) = exp(T t) F (t, T )dWt (7.4.1)
o` W est un mouvement brownien sous la probabilit risque-neutre. Il sagit dun mouvement brownien u e gomtrique gnralis dont la fonction de volatilit cherche a capturer leet Samuelson dcrit plus haut. e e e e e e ` e On en dduit la dynamique du prix au comptant : e = ((t) ln St )St dt + St dWt 2 1 ln F (0, t) + (1 exp2t ) (t) = ln F (0, t) + t 4 dSt (7.4.2) (7.4.3)
On retrouve alors une version gnralise du mod`le de Schwartz spot 1-facteur, o` le prix dquilibre e e e e u e (ici (t)) est suppos constant au cours du temps. Ce dernier mod`le avait le dfaut de ne gnrer que e e e e e des courbes monotones par rapport aux maturits des prix a terme. En partant dun mod`le de courbe, e ` e on peut ainsi couvrir une classe plus vaste de courbes (notamment le cas avec saisonnalit des prix). e On remarque ainsi que le param`tre , capturant leet Samuelson dans (7.4.1), correspond au param`tre e e de retour a la moyenne du prix au comptant dans (7.4.2). Le phnom`ne de retour a la moyenne du prix ` e e ` spot se retrouve alors dans la volatilit des prix a terme. e `
7.4.2
Exemple de mod`le spot 2-facteurs : les mod`les de Gibson-Schwartz e e et Schwartz-Smith
Il sagit en fait de deux spcications direntes du mme mod`le. Nous les prsentons successivement. e e e e e Le mod`le de Gibson et Schwartz, introduit dans [5], est un exemple classique de mod`le spot a deux e e ` facteurs. Le prix spot suit un mouvement brownien gomtrique et le rendement dopportunit instantan e e e e suit un processus dOrnstein-Uhlenbeck : dSt dt dW , dW
1 2 t
= St dt + St dWt1 = ( t )dt + dW 2
t
(7.4.4) ( > 0) (7.4.5) (7.4.6)
= dt
Les auteurs supposent que le produit physique spot est directement chang. Par contre, le rendement e e dopportunit nest pas chang ; la probabilit risque neutre nest alors pas unique et dpend de laversion e e e e e
140
au risque. Une fois celle-ci spcie, la dynamique ajuste au risque scrit : e e e e dSt dt 1 , dW 2 t dW = (r t )St dt + S St dWt1 = (( t ) )dt + dW 2
t
(7.4.7) (7.4.8) (7.4.9)
= dt
o` le taux court est suppos constant et est la prime de risque lie au rendement dopportunit, supu e e e pose constante. e Le mod`le de Schwartz et Smith [15] propose une autre approche qui consiste a dcomposer le prix e ` e spot en un prix court terme et un prix long terme. Le log-prix court terme est modlis par un processus e e dOrnstein-Uhlenbeck avec une moyenne nulle, retant ainsi les dviations du prix spot autour dun prix e e long terme qui est modlis par un mouvement brownien gomtrique : e e e e ln St dct dlt dW , dW
1 2 t
= c t + lt = = ct dt + c dWt1 l dt + l dWt2 ( > 0)
(7.4.10) (7.4.11) (7.4.12) (7.4.13)
= dt
Comme aucune des deux variables dtat ne correspond a un actif directement chang, le passage a la e ` e e ` probabilit risque-neutre requiert ici aussi la spcication dune prime de risque pour chacune delles, e e notes c et l ,et supposes constantes. La dynamique scrit alors : e e e dct lt . d W 1 , dW 2
t
= (ct c )dt + c dWt1 = (l l )dt + l dWt2 = dt
(7.4.14) (7.4.15) (7.4.16)
On constate que les mod`les sont quivalents en identiant les coecients : e e = S r =

2 2 c + l + 2c l
= c c + l = S
2 S = l l c 2 = c
On suppose les taux dintrt dterministes, de sorte que prix a terme et prix futures soient quivalents. e e e ` e Choisissant la spcication de Schwartz et Smith, la courbe de prix a terme gnre par le mod`le a la e ` e e e e forme analytique suivante : ln F (0, T ) = expT c0 + l0 + A(T ) A(T ) = (l l )T (1 expT ) + 1 2 (1 exp2T ) c
2 c c l 2 + l T + 2(1 expT ) 2
Pour plus de dtails et une discussion, se reporter a [15]. e `
Bibliographie
[1] Bjork T. & C.Landn (2000) : On the Term Structure of Futures and Forward Prices, document e de travail. [2] Clewlow L. & C.Strickland (2000) : Energy Derivatives, Pricing and Risk Management, Lacima Publications. [3] Cortazar G. & E.Schwartz (1994) : The Valuation of Commodity-Contingent Claims, The Journal of Derivatives. [4] Federal Reserve Bank of Chicago (1995) : Energy Derivatives, product summary. [5] Gibson R. & E.Schwartz (1990) : Stochastic Convenience Yield and the Pricing of Oil Contingent Claims, Journal of Finance. [6] Jaillet P. & al. (2001) : Valuation of Commodity-Based Swing Options, document de travail. [7] Lauthier D. & Y.Simon (2001) : Marchs drivs de Mati`res Premi`res et Gestion du Risque de e e e e e Prix, Economica. [8] Lauthier D. (1998) : Les oprations de Metallgesellschaft sur les marchs a terme de produits e e ` ptroliers : spculation ou couverture ? Finance Contrle Stratgie, vol.1 no.3. e e o e [9] New York Mercantile Exchange : A Guide to Energy Hedging. [10] New York Mercantile Exchange : Crack Spread Handbook. [11] New York Mercantile Exchange : Risk Management with Natural Gas Futures and Options. [12] Schwartz E. (1997) : The Stochastic Behavior of Commodity Prices : Implications for Valuation and Hedging, Journal of Finance. [13] Schwartz E. (1998) : Valuing Long-Term Commodity Assets, Financial Management, vol.27 no.1. [14] Schwartz E. & K.R.Miltersen (1998) : Pricing of Options on Commodity Futures with Stochastic Term Structures of Convenience Yields and Interest Rates, Journal of Financial and Quantitative Analysis. [15] Schwartz E. & J.E.Smith (2000) : Short-Term Variations and Long-Term Dynamics in Commodity Prices, Management Science, vol.46, no.7. [16] Sikorzewski W. : Les Oprations de Manipulation des Marchs a Terme des Mati`res Premi`res e e ` e e au XIX`me Si`cle, document de travail. e e [17] Thille H. : Future-Spot Spread as Returns on Commodity Loans, document de travail. [18] Unger G. (2002) : Real Options and Flexibility in Power Production, technical paper.
Annexe 1 : application ` la valorisation des options relles a e

De nombreux actifs physiques peuvent tre valoriss de mani`re similaire aux options nanci`res, e e e e car leur utilisation sapparente a lexercice dune ou plusieurs options. De plus, une telle mthode de ` e
141
142
valorisation permet de doptimiser la gestion de tels actifs. Les mthodes classiques de valorisation des e options nanci`res ne peuvent cependant pas sappliquer directement pour deux principales raisons : e La valorisation dun actif physique est beaucoup plus complexe que celle dune option nanci`re en e raison de lexistence de contraintes oprationnelles et dune marge dincertitude quant a la quantit e ` e quun tel actif peut produire et sous quelles conditions il sera eectivement exerc. Certaines de e ces conditions peuvent cependant parfois tre ngliges, en contreparties de quoi la valorisation se e e e doit dtre conservatrice. e La condition fondamentale dabscence darbitrage nest pas vrie car le sous-jacent (lactif phye e sique) nest en gnral pas chang. Pour lappliquer, il est ncessaire de trouver un actif chang e e e e e e e dont la valeur est parfaitement corrle a celle de lactif physique, ce qui nest en gnral pas le cas. ee ` e e On peut cependant en pratique sapprocher dune telle condition pour une certaine classe dactifs, en particulier ceux produisant un produit pour lequel il existe un march cot. Par exemple, la e e valeur dun puits de ptrole est directement lie au revenu tire de sa production de ptrole, dont e e e e on peut observer les prix a terme sur le march. ` e Le tableau ci-dessous donne des exemples dactifs physiques avec les classes doptions auxquelles ils sapparentent.
Tab. 7.1: Exemples doptions relles e
Actif physique Puits de ptrole e
Option correspondante Srie de calls e
Gnrateur lectrique e e e
Srie doptions e spread
sur
spark
Rseau de transport ou e de transmission
Srie doptions sur spread e gographique e
Mine de cuivre
Srie de calls e
Condition dexercice Production lorsque le prix du ptrole est suprieur au co t e e u dextraction Production lorsque la dirence de prix entre le e gaz naturel et llectricti e e est suprieure au co t de e u gnration (heat rate) e e Le rseau est utilis si le prot e e gnr par lachat et la vente e ee du produit aux deux points est suprieur au co t du transport e u Extraction lorsque le prix du cuivre est suprieur au co t e u dexploitation
Les mod`les classiques de taux e
143
Annexe 2 : liste des abrviations e

Abrviation e CBOT CME COMEX EEX IPE LIFFE LNBMA LME MATIF NEMMCO NYBOT NYMEX TOCOM Nom du march e Chicago Board of Trade Chicago Mercantile Exchange Commodity Exchange European Energy Exchange International Petroleum Exchange London International Financial Futures and Options Exchange London Bullion Market Association London Metal Exchange March a Terme International de France e` National Electricity Market Management Company Limited New York Board of Trade New York Mercantile Exchange Tokyo Commodity Exchange
144
Chapitre 8
` LES MODELES CLASSIQUES DE TAUX

Ltude de la structure par terme des taux dintrt est dune grand importance pratique, qui rv`le e e e e e les anticipations des agents sur les risques a venir. En particulier, la comprhension des dformations ` e e de la courbe permet dasseoir une stratgie de gestion de trsorerie (choix de la dure de placement, e e e spculation sur la structure des taux, lments de couverture). La volatilit accrue des taux dinrt e ee e e e rend techniquement tr`s important tout progr`s allant dans le sens dune plus grande maitrise de ces e e probl`mes. e Modliser les dformations futures de la courbe des taux est un enjeu majeur dans de nombreux domaines e e de la nance, tant pour grer les risques de taux aectant le bilan des banques, que pour valuer et couvrir e e les nombreux produits nanciers auxquels recourent les marchs pour faire face au risque de taux et plus e gnralement de change. e e
8.1
La formation des taux dintrt e e
Prcisons1la formation des taux dintrt. Les taux court terme sont dtermins par la politique e e e e e montaire des banques centrales. Par contre, les taux long terme sont dtermins par lquilibre entre e e e e prteurs et emprunteurs. e
8.1.1
Limportance de la Banque Centrale.
Rle de la Banque Centrale. o

La Banque Centrale est un tablissement nancier public, qui a le monopole de lmission des billets. e e Une Banque Centrale est donc associe a une monnaie, la BCE (Banque Centrale Europenne pour lEuro e ` e ou Federal Reserve pour le dollar. Toutes les autres banques ont des comptes a la banque centrale, qui ` servent notamment pour les mcanismes de compensation interbancaire. e Les banques se renancent en permanence aupr`s de la Banque Centrale. Aujourdhui ces banques sont e indpendantes, et un partage de rle deectue entre elles et les gouvernements. La Banque Centrale a e o pour objectif la stabilit des prix, et celle des taux de change, tandis que le couvernement doit veiller sur e la croissance et sur lemploi.
1
Cette section a t rdige par Yann Samuelides (CMAP,CAI) e e e e
145
146 Instruments de la politique montaire e
Depis la libralisation des marhcs nanciers, les banques centrales ont pratiquement abandonn les e e e instruments directs comme lencadrement du crdit ou la xation autoritaire des taux de change 2 et e proc`de essentiellement a une action directe par les taux dintrt court terme, puisquelle est essentiellee ` e e ment prteuse aux autres banques a un horizon tr`s court. intuitivement, si elle proc`de a une injection e ` e e ` massive de monnaie centrale, il devient plus facile de se procure de largent, les taux interbancaires a ` court terme baissent, mais il peut y avoir ination puisque largent devient un bien moins cher en valeur relative. Aujourdhui les montants ngocis aur les marhs nanciers, notamment a cause des fonds de retraite, e e e ` que la force de frappe de la banque centrale, tant sur lvolution de la masse montaire que sur celle du e e taux de change est limite. On comprend alors toute limportance des eets de signaux et des actions e psychologiques de la banque centrale. Un exemple emblmarique est fourni par le prsident de la Federal e e reserve Alann Greenspan, dont les moindres mots ont longuement pes sur les marchs nanciers du e e monde entier.
Champ daction de la politique montaire e

La banque centrale g`re la liquidit a tr`s court terme pour empcher lination. Son ation dirige e e ` e e les taux courts du march interbancaire. Cependant, elle a ncessairement une inuence sur les taux a e e ` plus long terme qui dirigent les dcisions dinvestissement. Cest lorigine du dbat entre ceux quipensent e e que la politique montaire doit avoir comme objectif la seule lutte contre lination, et ceux qui pensent e quelle doit galement intgrer des considrations portant sur la croissance et lemploi. e e e
8.1.2
Formation des taux longs et anticipation des agents
Les taux a long terme sont des taux ngocis, cest a dire quils rsultent de lquilibre de lore et de ` e e ` e e la demande des capitaux a long terme. Notons que les emprunteurs les plus importants sont les tats. Ils ` e quantient en particulier le compromis entre le plaement nancier a long terme et linvestissement dans ` un projet industriel. Les taux longs ont souvent t vus comme la moyenne gomtrique des taux courts anticips, par dnition ee e e e e de ces derniers. A cause de la prime dchance qui traduit que les agents ont une prfrence pour e e ee le prsent, an de disposer de leurs capitaux leplus rapidement posssible, le taux long est en gnral e e e suprieur aux taux courts, mais la pente de la courbe peut sinverser, et ce pendant des priodes durables e e ( 87-91 en France par exemple). Les taux long terme dpendent a la fois des anticipations dination et de croissance, suivant des e ` mcanismes complexes, dont voici quelques exemples : e En 1997, lorsque le Royaume Uni a procalm lindpendance de sa banque centrale, les taux longs e e anglais ont baiss car les agents ont anticip une politique montaire plus cace et une ination e e e e mieux maitrise. e En 1989, les agents anticips avec raison la n dun cycle de croissance dans les pays industrialiss. e e Les taux a long terme se sont alors dtendus, alors que la ploitique montaire restrictive des banques ` e e centrales maintenait des taux courts levs : on a assist a une inversion de la courbe. e e e` De mani`re gnrale, lorque les dcits publics augmentent, les taux dintrt ont tendance a e e e e e e ` augmenter, car lpargne disponible pur les projets dinvestissement a tendance a tre capte par e è e les missions de lEtat. e
La crise de 1992-1993 contre les monnes europennes a sign pratiquement la n du serpent montaire e e e e europen e
2
Les mod`les classiques de taux e Un peu dhistoire
147
Jusque vers les annes 70, les banques centrales agissaient essentiellement par lencadrement du voe lume de crdit et la courbe des taux tait relativement stable. Pour combattre la tendance permanente a e e ` lination, elles ont choisi de modier leur action ; elles ajustent dsormais le taux court au jour le jour, e dont les variations se transmettent ou non selon les cas aux taux longs. Il en rsulte que la courbe des taux e est beaucoup plus mobile et le risque de taux auquel sont exposes les grandes institutions industrielles e et nanci`res est beaucoup plus complexe, ce qui a conduit au dveloppement des marchs de drivs de e e e e e taux. En mme temps, la plus grande liquidit des produits de taux, la cration dun grand nombre de nouveaux e e e produits non ncessairement optionnels a fait rentrer le march des taux dintrt dans la sph`re nanci`re e e e e e e tr`s active, et a conduit a une nouvelle vue ( gnralisant la thorie des anticipations rationnelles) sur e ` ` e e e les liens qui existent entre les taux de direntes maturis. Labsence dopportunit darbitrage entre les e e e obligations de direntes chances entraine une liaison tr`s forte entre les taux de direntes maturits, e e e e e e qui implique que les dformations futures ne peuvent aecter de mani`re absolument quelconque lene e semble des taux. Insistons toutefois sur le fait que cette vue issue de larbitrage est pertinente pour la gestion au jour le jour des uctuations des taux dintrt, mais ne remplace videmment pas lanalyse sur les fondamentaux e e e de lconomie qui explique les grandes tendances des mouvements. e
8.1.3
Spreads et qualit de signature e
A tout emprunt est associ un risque de dfaut. Il est considr comme nul lorsque lemprunteur est e e e e lEtat amricain ou lEtat franais, mais peut devenir important lorquil sagit dune entreprise proche e c de la faillite ou dun pays mergent. e Le spread reprsente alors le direntiel de taux dintrt exig par le prteur pour compenser la mauvaise e e e e e e qualit de signature de lemprunteur. Par exemple, e Au moment de la crise asiatique en 1998, le spread entre la dette de lEtat coren libelle en dollars e e amricains et celles des Etats-Unis est pass de 50 bpoints de base ( cest a dire 0.5%) a 800 points e e ` ` de base. Lors du passage a lan 2000, le spread entre le taux a un jour sur le march interbancaire europen ` ` e e et le taux directeur de la banque centrale, habituellement ngligeable est pass a 70 points de base e e` en raison des anticipations du bug. Le probl`me de modliser ce spread est source de beaucoup dactivit dans les centres de recherche des e e e banques, mais cest un th`me entier a dvelopper. Dans la suite de ce cours, nous ne le prendrons pas e ` e vraiment en compte.
8.1.4
Les principaux taux xes ou variables du march franais e c
Les taux xes

T.M.P. : Le Taux Moyen Pondr e e Il est calculs par la Banque de France qui recense toutes les oprations de prts eectus le jour e e e e J et dune dure de 1 jour. Leur chance est donc en J+1. e e e Ces oprations sont faites par les Oprateurs Principaux de March(OPM). La Banque de France e e e en dduit un Taux Moyen Pondr des montants, arrondi au 1/16 le plus proche. Ce taux est e e e publi en J+1 a 11h30. Apr`s le passage a lEURO, le TMP - Taux Moyen Pondere - est remplac e ` e ` e par lEONIA - Euro OverNight Index Average - (taux exprim avec deux dcimales) ; le code e e mnemonique de lEONIA est EON .
148
T4M : Le Taux Moyen Mensuel du March Montaire (ou TMM) est la moyenne arithmtique e e e des TMP du mois civil considr. Les TMP des jours fris sont calculs avec les taux au TMP de e e e e e la veille ouvre. Le T4M du mois i est publi le premier jour ouvr du mois i+1. e e e e ` TAM : Le Taux Annuel Montaire correspond au taux de rendement dun placement mensuel a intrts composs, renouvel chaque n de mois au T4M, sur les 12 derniers mois couls. Le TAM e e e e e e se calcule en fonction du nombre de jours exact de chaque mois et dune anne de 360 jours. e Mois N 12 N 11 ... N 1 Nbrejours 31 30 .... 31 T4M 8 7 .. 6 1 + T AM P 1 = 1 + 8x31/360 P 2 = 1 + 7x30/360 ..... P 12 = 1 + 6x31/360 = P 12 ...12
Chaque mois, d`s la publication du T4M, un nouveau TAM est calcul et publi. e e e TAG : Le Taux Annuel Glissant est une gnralisation du TAM, mais au lieu de capitaliser 12 e e T4M, on capitalise 12 priodes mensuelles glissantes dont la dure est gale a celle du mois civil e e e ` qui prc`de lchance de ces mois glissants. Chaque jour, 12 TAG peuvent tre calculs : du TAG e e e e e e 1 mois au TAG 12 mois. Le TAG 12 mois calcul au dernier jour du mois est le TAM du mois i. e De mme, le TAG 1mois calcul au dernier jour du mois i est le T4M du mois i multipli par 365 e e e et divis par 360. e THE Cest le Taux Hebdomadaire de rendement des Emprunts dETat a long terme sur le march ` e secondaire. Il sagit de la moyenne des taux de rendement actuariels nets acheteurs avec frais unitaire (sans application du minimum de courtage), calculs a partir du premier cours de bourse e ` des emprunts dEtat faisant partie dun chantillon mis a jour quotidiennement. Cette moyenne e ` est pondrz par les encours en valeur nominale. Tous les calculs intermdiaires sont conduits sans e e e arrondis a partir des taux individuels de chaque emprunt exprims avec deux chires dcimaux sur ` e e lesquels on a ensuite pratiqu un arrondi commercial. e TME Le Taux Mensuel de rendement des Emprunts dEtat a long terme sur le march secondaire. Le ` e TME dun mois est la moyenne arithmtique simple des THE du mois. Cette moyenne comprend e tous les vendredis du mois considr quils soient ouvrs ou non. e e e THO Le Taux Hebdomadaire Obligataire sur le march primaire est calcul a partir des taux actuariels e e` bruts (unitaires et sans frais) des miissions obligataires a taux xe dune semaine. Les taux sont e ` pondrs par les volumes de chaque miission (en valeur nominale). e e e TMO Le Taux Mensuel Obligataire sur le march primaire est calcul a partir des missions intervenant e e` e dans les THO de tous les jeudis appartenant au mois considr. e e
Les taux variables, et taux rvisables e

Taux PIBOR et EURIB0R Les taux PIBOR (Paris InterBank Oered Rate) sont des taux moyens pratiqus sur le march e e franais par certaines banques et pour 12 chances de 1 a 12 mois. Ils sont exprims en base 360. c e e ` e LAFB calcule ces taux de la mani`re suivante : pour chaque chance, les taux constats a 11h00 pour e e e e ` des signatures nationales de 1`re catgorie. Les 3 plus lvs et les 3 plus bas sont limins. La e e e ee e e e moyenne des restants constitue le PIBOR qui est publi a 11h30. e` Passage a lEURO : ` le PIBOR - Paris InterBank Oered Rate - est remplac par lEURIBOR - EURo InterBank e
149
Oered Rate - (taux exprim avec trois dcimales) qui remplace les autres xIBOR (FIBOR pour e e lAllemagne, MIBOR pour lEspagne, BIBOR pour la Belgique, ...) de la zone euro ; le code ISIN de lEURIBOR sera EU 000965993 7 La recommandation de lISDA, valide par lIME, prserve la continuit des conditions pour la France e e e EURO MONEY MARKETS = nombre de jours exact / 360 EURO BOND MARKETS = nombre de jours exact / nombre de jours exact Les conditions standards utilises par les intervenants du march sont les suivantes e e FRF PIBOR = nombre de jours exact / 360 FRF TAM et TAG = nombre de jours exact / nombre de jours exact FRF T4M ou TMP = nombre de jours exact / 360 xxx LIBOR - BBA = nombre de jours exact / 360 (sauf IEP, BEF et PTE = nombre de jours excact / 365) ESP MIBOR = nombre de jours exact / 360 IEP DIBOR = nombre de jours exact / 365 PTE LISBOR = nombre de jours exact / 365 BEF BIBOR = nombre de jours exact / 365
8.2
Taux dintrt et absence darbitrage e e
Lobjectif de ce chapitre est de montrer sur plusieurs exemples le type de contraintes qui p`sent sur e les dirents taux et leurs dformations. Le mod`le de Vasicek que nous dveloppons en dtail joue pour e e e e e les mod`les de taux le mme rle que la formule de Black et Scholes pour les mod`les daction. e e o e Nous dveloppons dans le chapitre suivant un autre point de vue sur ces questions, ainsi que quelques e applications a lvaluation des options sur obligations ou sur taux dinrt. ` e e e
8.2.1
Gnralits sur les taux dintrt e e e e e
Prcisons rapidement les notations relatives aux direntes notions de taux dinrt. e e e e Dnition 8.2.1 e Un zro-coupon dchance T , B(t, T ) est le prix en t de 1Euro pay en T e e e e Le taux actuariel R(t, ) en t de maturit est le taux annualis auquel est prt largent entre les e e ee dates t et t + , soit B(t, t + ) = Le taux continu de maturit est dni par e e R(t, ) = Ln[1 + R(t, )] = 1 LnB(t, t + ) (8.2.2) 1 (1 + R(t, )) (8.2.1)
Le taux linaire, surtout utilis pour des maturit de moins dun an est not L(t, ) e e e e B(t, t + ) = 1 (1 + L(t, )) (8.2.3)
Le taux court rt ets la limite des taux continus R(t, h) quand la maturit tend vers 0. e rt = T (LnB(t, T ))T =t (8.2.4)
La courbe des taux est la fonction qui donne les dirents taux de la date t en fonction de leur e maturit , soit [ R(t, )]. La courbe est plate si cette fonction est constante. e
150
En gnral sur le march franais, notamment sur le march obligataire, il nexiste pas beaucoup de e e e c e zro-coupons, mais des obligations, cest a dire des titres mis par lEtat franais pour nancer sa dette, e ` e c qui versent des coupons Ci exprims en pourcentage du nominal a des dates Ti , gnralement annuelles, e ` e e xes par contrat, et un nominal a lchance de lobligation T = Tn . En absence darbitrage, la valeur e ` e e nanci`re dune obligation à la date t, dont le nominal est ramen a 100 est la somme actualise des ux e e e` e futurs, soit
n
O(t, T ) =
i=0
Ci B(t, Ti ) + 100B(t, T )
(8.2.5)
Lorsque la courbe est plate, B(t, Ti ) = (1 + R)(Ti t) et O(t,T) est une fonction strictement dcroissante e de R, F (R). Lorsque la courbe nest pas plate, on associe a une obligation son taux de rendement actuariel ` implicite dni par e O(t, T ) = F (T A(t, T t))
8.2.2
Prix et taux ` terme a
Nous avons vu que les produits drivs les plus simples sont les contrats a terme, dont la valeur en e e ` absence dopportunit darbitrage, peut tre dduite des prix de march aujourdhui, sans rfrence a un e e e e ee ` mod`le. Les oprations de prts et demprunts a terme sont des oprations tr`s courantes, qui joueront e e e ` e e un rle central dans la modlisation des taux. o e Nous prcisons quelques notations. e Dnition 8.2.2 e Un zro-coupon forward est la valeur xe en t pour le montant a payer en T e e ` pour garantir 1F en T + qui par arbitrage vaut Bt (T, T + ) = B(t, T + ) B(t, T ) (8.2.6)
Le taux forward continu, x en t, pour lchance T et la maturit , soit e e e e 1 1 Rt (T, ) = LnBt (T, T + ) = [LnB(t, T + ) LnB(t, T )] Le taux court forward de lopration a terme est e ` f (t, T ) = Rt (T, 0) = T LnB(t, T ) 1 f (t, t + u)du 0 le taux court forward pour une chance glissante est dni comme e e e de telle sorte que Rt (T, ) = r(t, ) = 2 LnB(t, t + ) = 2 (R(t, t + )) = f (t, t + ) (8.2.9) (8.2.8) (8.2.7)
8.3
8.3.1
Absence darbitrage et modlisation des taux e

Mod`les dterministes et anticipations rationnelles e e
Si les taux dinrt sont dterministes, labsence darbitrage dit que les prix des zro-coupon, qui e e e e correspondent au prix de 1 Euro pay dans le futur doivent vrier e e dB(t, T ) = rt dt B(t, T ) (8.3.1)

soit encore, puisque B(T, T ) = 1
T t
151
B(t, T ) = exp(
t
rs ds)
B(t, T ) = B(0, T ) exp(

0
rs ds)
(8.3.2)
En particulier, R(t, ) = 1
t+
ru du
t
(8.3.3)
8.3.2
Les mod`les alatoires e e
Dans les mod`les alatoires, labsence dopportunit darbitrage entre les prix B(t, T ) des zro-coupon e e e e de direntes maturits conduit a des rsultats tr`s similaires a ceux du cas dterministe. Cette hypoth`se e e ` e e ` e e permet encore de reconstruire le prix des zro-coupon a partir de la dynamique du taux court. e ` Pour dcrire cette liaison, nous supposons que pour toutes les maturits T , les prix des zro-coupons e e e suivent des processus dIt, qui correspondent a des stratgies admissibles. Nous avons vu que labsence o ` e dopportunit darbitrage se traduit par lexistence dun vecteur t de primes de risque tel que les prix e des zro-coupon voluent comme e e dB(t, T ) = rt dt+ < (t, T ), dWt + t dt >, B(t, T ) o` W est un P mouvement brownien ventuellement vectoriel. u e La famille [T , (t, T )] dnit une fonction, ventuellement alatoire de volatilits. Il est possible dexe e e e primer diremment cette proprit en introduisant la probabilit Q risque-neutre, pour traduire que e ee e B(t, T ) est le prix en t de 1 Euro pay en T . e Proposition 8.3.1 Supposons les primes de risque t et les volatilits bornes. e e Il existe une probabilit risque neutre Q, quivalente a P telle que le prix des zro-coupon vrient e e ` e e
T
B(T, T ) = 1
(8.3.4)
B(t, T ) = EQ [exp
rs ds|Ft ]
t
(8.3.5)
Cest la transformation classique que nous avons utilise pour calculer le prix dun produit nancier e dans le futur. Il est donc naturel pour modliser es dformations de la courbe des taux de proposer une e e dynamique pour le taux court. Cest ce qui est propos dans la suite du chapitre. e
8.4
Le mod`le de Vasicek e
Nous dcrivons dabord les deux mod`les les plus classiques, le mod`le gaussien de Vasicek ([Vasi]) e e e et le mod`le dit en racine carre de Cox, Ingersoll, Ross ([CIR2]). Ce mod`le qui date de 1977, e e e utilise une structure tr`s simple pour modliser la dynamique du taux court. e e Nous proposons deux mthodes direntes pour modliser les taux et les zro-coupon de direntes mae e e e e turits. e 1. La premi`re utilise les proprits particuli`res du taux court dans le mod`le de Vasicek, et mme e ee e e e un calcul probabiliste explicite pour la rsolution du probl`me. e e 2. La deuxi`me introduit lEDP dvaluation, dont les coecients sont linaires par rapport au taux e e e court. Des solutions explicites sont alors proposes. e
152
Vasicek suppose quil y a un seul ala (Wt ), qui inue sur le taux spot, dont la dynamique, dans lunivers e risque-neutre, est de la forme : drt = a(b rt ) dt dWt r0 = r (8.4.1)
8.4.1
Lquation des taux e
Lquation suivie par le taux court est celle dun processus dOrnstein-Uhlenbeck, cest a dire dun e ` processus gaussien, qui oscille autour dune tendance centrale b, avec une force de rappel dintensit a. e Lquation (8.4.1) se rsoud comme une quation direntielle ordinaire, bien que son second membre e e e e soit alatoire. e Proposition 8.4.1 La solution de lquation (8.4.1) est donne par : e e rt = r0 eat + b(1 eat )
t 0
ea(ts) dWs .
(8.4.2)
Cest donc un processus gaussien, dont la distribution est stationnaire si r 0 est une variable gaussienne, 2 de moyenne b et de variance , indpendante du brownien W . La variable I(t, T ) dnie par e e 2a
T
I(t, T ) =
t
rs ds
est gaussienne, de moyenne (rt tant donn) m(T t), et de variance 2 (T t), o` : e e u 1 ea(T t) a 2 1 ea(T t) 2 ) 2 (T t) = 3 (1 ea(T t) )2 + 2 (T t 2a a a m(T t) = b(T t) + (rt b)
et
Preuve : Le mod`le de taux court est celui de lornstein Uhlenbeck dont les porprits sont bien e ee connues. La solution de lquation linaire ( ??) sobtient comme dans le cas dterministe par la mthode de e e e e variation des constantes, en tudiant le processus {eat rt ; t [0, T ]}, solution de dt = beat dteat dWt . e Le caract`re stationnaire, qui signie que rt a une distribution indpendante de t se vrie facielement. e e e Pour montrer les proprits de I(t, T ), le plus simple est de calculer I(t, T ) a partir de lquation ee ` e direntielle en notant que e
T
aI(t, T ) = (rT rt ) + ab(T t)
dWs
t
Reportons dans cette quation la forme intgrale du taux spot. Il vient : e e I(t, T ) = b(T t) + (b rt ) 1 ea(T t) a
T 1 ( t T t
1 ea(T s) dWs a
ea(T s) 2 ) ds. a Nous aurons souvent a utiliser des processus dOrnstein-Uhlenbeck non stationnaires, vriant ` e Le calcul de la variance se fait a partir de lintgrale 2 ` e drt = at (bt rt ) dt t dWt r0 = r (8.4.3)

La solution est donne par : e rs = r t e
153
s t
au du
Le calcul de I(t, T ) sobtient en utilisant une formule dintgration par parties dans lintgrale stochase e tique, soit
T t
Les rsultats prcdents se gnralisent alors facilement a cette situation. e e e e e ` Les prix des zro-coupon et la forme gnrale des taux actuariels continus se dduisent alors aisment du e e e e e caract`re gaussien de I(t, T ). e Thor`me 8.4.1 Dans le mod`le de Vasicek, le prix dun zro-coupon de maturit T est donn par : e e e e e e B(t, T ) = o` u et sa volatilit par e a (t, T ) = V La courbe des taux de la date t est donne par : e R(t, ) = R (R rt ) avec R(t, +) = R pour tout t. Preuve : La reprsentation des zro-coupon est essentiellement une consquence des calculs e e e prcdents et des proprits de la transforme de Laplace dune v.a. gaussienne. e e ee e Il nous sut de calculer B(t, T ) comme : B(t, T ) = EQ [eI(t,T ) | Ft ] = eE(I(t,T )+ 2 var(I(t,T ) = em(T t)+ 2
1 1 2
exp R (T t) (R rt ) 1e R = b
2a2
2
a(T t)
1 ea(T t) a
1 ea 2 + 3 (1 ea )2 a 4a
car la variable I(t, T ) tant gaussienne, sa transforme de Laplace ne dpend que son esprance et de e e e e sa variance. La formule explicite est obtenue en regroupant les termes de mme nature. Lquation e e 1 des taux sen dduit aisment a partir de la formule R(t, ) = ln[B(t, t + )]. e e ` Il reste a noter que R(t, ) tend vers : R = b `
2 2a2
(indpendante de t) si tend vers linni. e
8.4.2
La courbe des taux issue du mod`le de Vasicek e
Le mod`le de Vasicek donne la forme analytique de la courbe des taux aujourdhui et plus gnralement e e e de nimporte quelle date. Le graphe de la fonction R(t, ) ressemble eectivement a de nombreuses courbes de taux observes ` e sur le march. Toutefois, certaines dentre elles, notamment les courbes dites inverses, o` le taux court e e u r est plus haut que le taux long R , et o` appara un creux ne peuvent tre atteintes par un mod`le de u t e e ce genre.
I(t, T ) = rt
s t
T au du
ds +
s u
av dv
(bu du + u dWu )
(8.4.4)
s u
av dv
ds(bu du + u dWu )
2 4a3 (1
ea(T t) )2
(8.4.5)
(8.4.6)
(8.4.7)
(T t)
154
8.4.3
Le mod`le de Vasicek gnralis e e e e
En gnral, le march prf`re introduire la courbe des taux daujourdhui comme une donne du e e e ee e probl`me et dajuster les param`tres des mod`les pour quil y ait un ajustement exact avec cette entre. e e e e Dans le cas de Vasicek, il est toujours possible dintroduire une fonction bt pour que lajustement soit parfait. Pour cela remarquons que la courbe des taux aujourdhui est associe a un mod`le stationnaire (b t e ` e constant) de Vasicek, si la courbe des taux spot forwards aujourdhui vrie e f (0, t) = R (R r0 )eat + = b + (r0 b)eat 2 (1 eat )eat 2a2 (8.4.8) (8.4.9)
2 (1 eat )2 2a2
2 2at 2a e 2 b 2a2
Cette fonction vrie donc lquation direntielle en maturit e e e e t f (0, t) +a(f (0, t) f (0, +)) f (0, +) = R =
2
=0 (8.4.10)
t f (0, t)
+a(f (0, t) b) +
(1 e2at ) = 0 2a
Proposition 8.4.2 Le taux court rt vrie le mod`le de Vasicek tendu a des coecients dpendant du e e e ` e temps (Pour simplier nous avons suppos les volatilits stationnaires) gnralis, ajust a la courbe des e e e e e e` taux forwards (f (0, T ); T R+ si drt = [t f (0, t) + af (0, t) + 2 (1 e2at )]dt art dt dWt 2a (8.4.11)
V Preuve : Notons rt la dynamique dun Vasicek de mme fonction de volatilit, mais de niveau de e e 2 rappel constant, b = f (0, +) + 2a2 , partant de r0 = f (0, 0) aujourdhui. La courbe des spots forwards issue de ce mod`le f V (0, t) vrie e e
f V (0, +) = f (0, +),
f V (0, 0) = f (0, 0) = r0
V La dirence rt rt satisfait a lquation linaire, non stochastique e ` e e V V d(rt rt ) = [a(bt b) a(rt rt )]dt,
(8.4.12)
Cette dirence dterministe est encore gale a la dirence des taux forwards aujourdhui associs a e e e ` e e ` chacun des deux mod`les Par suite, les deux courbes f (0, t) et f mod (0, t) la courbe forward dduite e e du mod`le sont gales car e e df mod (0, t) + af mod (0, t)dt = df V (0, t) + af V (0, t)dt + a(bt b)dt 2 2 (1 e2at ) + t f (0, t) + af (0, t) + (1 e2at ) ab] = ab 2a 2a = t f (0, t) + af (0, t)dt
8.4.4
LEDP dvaluation et le prix des options sur zro-coupons e e
Nous pouvons employer une mthode plus numrique pour calculer la forme de la courbe ds taux et le e e prix des options sur zro-coupon. Elle consiste a introduire une EDP dvaluation. Nous avons vu que le e ` e prix dun zro-coupon est une fonction exponentielle ane du taux court B(t, r, T ).Nous allo,s retrouver e ce rsultat par une mthode numrique, e e e
155
Thor`me 8.4.2 e e 1. Si le prix dun zro-coupon est une fonction rguli`re du taux court B(t, r, T ), e e e ncessairement B est solution de lEDP e 1 2 Br r(t, r, T ) + a(b r)Br (t, r, T ) rB(t, r, T ) + Bt (t, r, T ) = 0 2 B(T, r, T ) = 1 (8.4.13) 2. Rciproquement, supposons quil existe une fonction rguli`re du temps et du param`tre r , e e e e C(t, r, K, T, T + ), solution dans ]0, T [R+ de lquation aux drives partielles : e e e 1 2 Cr r(t, r) + a(b r)Cr (t, r) rC(t, r) + Ct (t, r, T ) = 0 2 C(T, r, K, T, T + ) = (B(T, r, T + ) K)+
(8.4.14)
3. Alors le prix dune option de maturit T , de prix dexercice K sur zro-coupon de maturit T + e e e est donn par e C(t, K, T, T + ) = B(t, T + )N (d1 ) KB(t, T + )N (d0 ) 1 1 B(t, T + ) d0 = t,T T t Log KB(t, T ) 2 t,T T t d1 = d0 + t,T T t 2 = t,T 1 T t
T t
(8.4.15)
|(u, T + ) (u, T + )|2 du
(8.4.16)
Preuve : La preuve de lEDP est tr`s similaire a celle utilise pour montrer la formule de Black et e ` e Scholes. Nous appliquons la formule dIt a la fonction B(t, r, T ) et a la solution rt de lquation direntielle o` ` e e stochastique. La comparaison avec lquation dautonancement donne immdiatement le rsultat. La e e e vrivation est immdiate. e e Lquation aux drives partielles ne donne pas immdiatement une solution explicite. Lide est de e e e e e faire a la fois un changement de variable en posant y = B(t, r, T ) et de fonction en posant v(t, y) = ` u(t,r,f ) ` B(t,r,T ) , pour se ramener a une EDP de type Black et Scholes et appliquer la formule connue.
Cest la traduction en termes de changement de variables de lobservation que le zro-coupon forward e Bt (T, T + ) est une martingale log-normale de volatilit t (T, T + ) = ea(T t) (1 ea ), sous la e T probabilit forward QT , de densit exp t rs dsB(t, T )1 . e e Comme
T
C(T, r, K, T, T + ) = EQ
exp
rs ds(B(T, T + ) K)+ |rt
= B(t, T )EQT BT (T, T + ) K)+ |rt Nous pouvons appliquer la formule de Black et Scholes, sans taux dintrt, au sous-jacent B t (T, T +) e e de volatilit dpendant du temps t (T, T + ). e e
8.5
Le mod`le de CIR e
Pour lever lobjection lie au caract`re ngatif possible des taux dintrt issu du mod`le gaussien de e e e e e e Vasicek, Cox, Ingersoll et Ross (1985) ont introduit le mod`le dit en racine carre, sur le taux e e spot, dans lunivers risque-neutre. drt = a(b rt )dt rt dWt r(0) = r (8.5.1)
156

Remarque mathmatique e La fonction r ntant pas une fonction lipschitzienne, lexistence dune solution de cette quation e e direntielle stochastique est plus dicile a tablir, que dans le cas du mod`le de Vasicek. De plus, dans le e è e cas gnral, il nexiste pas de solution explicite. La preuve de lexistence et de lunicit peut tre trouve e e e e e 2 dans Karlin [Karl].De plus il est montr que la solution natteint pas 0 si 2ab > , car alors le terme en e drift dans lquation est susamment important pour empcher le processus datteindre 0. e e
8.5.1
Calcul des prix zro-coupon e
Equation aux drives partielles dvaluation e e e

Pour calculer le prix des zro-coupon, il est ncessaire de procder un peu diremment que dans e e e e le cas du mod`le de Vasicek, puisquil nexiste pas de formule explicite pour lquation stochastique. e e Nous allons plutt utiliser lquation aux drives partielles dvaluation, qui permet dobtenir grce a o e e e e a ` un thor`me de vrication les formules de prix comme solution dune quation aux drives partielles. e e e e e e Thor`me 8.5.1 Supposons quil existe une fonction rguli`re du temps et du param`tre r , B(t, r, T ), e e e e e solution dans ]0, T [R+ de lquation aux drives partielles : e e e 1 2 r r2 B(t, r, T ) + a(b r)r B(t, r, T ) rB(t, r, T ) + t B(t, r, T ) = 0 2 B(T, r, T ) = 1
(8.5.2)
Alors, pour toute date t, le prix B(t, T ) dun zro-coupon de maturit T est donn par B(t, T ) = B(t, r t , T ). e e e Plus gnralement, si lEDP admet une solution rguli`re u(t, r, f, T ) lorsque la condition terminale est e e e e f (T, r), u(t, rt , f ) est le prix a la date t du produit nancier qui dlivre f (T, r T ) en T . ` e Preuve : Nous appliquons la formule dIt a la fonction B(t, r, T ) et a la solution rt de lquation o` ` e direntielle stochastique. Il vient que : e 1 2 dB(t, rt , T ) = r B(t, rt , T )drt + [t B(t, rt , T ) + 2 rt r B(t, rt , T )]dt 2 Le fait que B(t, r, T ) satisfasse a lEDP entra immdiatement que ` ne e dB(t, rt , T ) = rt B(t, rt , T )dt r B(t, rt , T ) rt dWt Si le processus r B(t, rt , T ) rt est de carr intgrable, B(t, rt , T ) est une martingale sous la proe e babilit risque-neutre de condition terminale B(T, rT , T ) = 1. Par suite, cest ncessairement le prix e e dun zro-coupon. e Le mme argument est utilis pour montrer que le prix dune option sobtient a partir de la solution e e ` de lEDP. Or lquation aux drives partielles dpend linairement du taux r. Il est donc naturel de rechercher e e e e e pour les zro-coupon des solutions dont le logarithme dpend de mani`re ane de r. e e e Thor`me 8.5.2 Les prix des zro-coupon en t scrivent comme : e e e e B(t, T ) = A(t, T ) ert C(t,T ) o` C(t, T ) = C(T t) et A(t, T ) = A(T t) sont donns par : u e 1 2(et 1) C(t) = = [a2 + 2 2 ] 2 ( + a)(et 1) + 2 2ab A(t) = (t) 2 (8.5.3)
(8.5.4)
157
( + a) t 2e 2 o` est dnie par (t) = u e La courbe des taux a la date t est donne par R(t, ) = ` e ( + a)(et 1) + 2 C 2ab rt 2 Ln() Preuve : Nous recherchons les solutions de lEDP 8.5.3, a priori de la forme dune exponentielle ` dune fonction ane du taux, ce qui est possible puisque la condition terminale est de cette forme. Lidentication des coecients de r dans lEDP conduit aux quations direntielles satisfaites par e e les fonctions C(t) et A(t). Il reste a rsoudre explicitement ces quations direntielles pour conclure. ` e e e Lquation aux drives partielles ne donne pas immdiatement une solution explicite. Lide est de e e e e e faire a la fois un changement de variable en posant y = B(t, r, T ) et de fonction en posant v(t, y) = ` u(t, r, f ) , pour se ramener a une EDP de type Black et Scholes et appliquer la formule connue. ` B(t, r, T ) Comme dans le mod`le de Vasicek, la forme analytique de la courbe des taux aujourdhui est une des e consquences du mod`le. La structure des formes a priori possibles est mieux dcrite par ce mod`le, qui, e e e e cependant, est vite plus compliqu a implmenter. e` e 2ab Notons que R = . +a
8.6
8.6.1
Extension
Les mod`les linaires e e
Les deux exemples que nous venons de prsenter rentrent dans la classe plus gnrale des mod`les e e e e linaires, pour lesquels les prix des zro-coupon sont des exponentielles dune fonction ane du taux spot. e e Il est montr dans Duffie-Kan ([Du-Ka]) quune condition ncessaire et susante pour quil en soit e e ainsi est que Proposition 8.6.1 Le taux spot a une dynamique risque-neutre de la forme : drt o` , u (r, t) = (rt , t)dt + (rt , t) dWt , = 1 (t) + 2 (t) r et (r, t)2 = 1 (t) + 2 (t) r
De nombreux autres mod`les ont t proposs pour modliser le taux spot, notamment avec des termes e ee e e de volatilits (r, t) proportionnels a r, qui dans le cas o` les autres param`tres sont aussi proportionnels, e ` u e conduit a des taux lognormaux. ` Le mod`le de Dothan : (r, t) = r, e (r, t) = r Le mod`le de Courtadon : (r, t) = 1 r + 2 , e (r, t) = r Le mod`le log-normal gnralis : (r, t) = (t) r + 2 r log r e e e e (r, t) = (t) r Toutefois les prix des zro-coupon nadmettent en gnral pas des reprsentations analytiques explicites. e e e e Les mthodes numriques sont alors utilises, mais sont plus lourdes a manier pour les calages implicites e e e ` aux donnes du march. e e
8.7
Calibration de la courbe des taux
Le probl`me de reconstruire une courbe de taux robuste a partir des donnes de march est un enjeu e ` e e majeur du Risk management des produits de taux. Direntes mthodes sont utilises dans les banques. e e e Nous en dcrivons quelques unes, en voquant leurs limites. e e
158
8.7.1
La mthode classique e
La mthode habituellement utilise par les gestionnaires, pour reconstituer cette courbe de taux zroe e e coupon, est une mthode rcursive qui calcule les taux zro-coupon de proche en proche. Cette mthode e e e e consiste a considrer la courbe des taux actuariels, nots T A() obtenue par approximation linaire entre ` e e e les taux actuariels des actifs du march. Le point de dpart est le taux actuariel de maturit un an est e e e aussi le taux zro-coupon de mme maturit. Le zro-coupon de maturit deux ans est obtenu en rsolvant e e e e e e en B(0, 2), lquation suivante : e 100 = T A(2)B(0, 1) + (T A(2) + 100)B(0, 2) Cette quation vient du fait quune obligation dont le taux facial est gal au taux actuariel est au pair. La e e courbe des taux zro-coupon sobtient alors par itration ; en eet pour passer zro-coupon de maturit n e e e e au zro-coupon de maturit n + 1, il sut de calculer le taux B(0, n + 1) qui vrie lquation suivante : e e e e
n
100 =
i=1
T A(n + 1)B(0, i) + (T A(n + 1) + 100)B(0, n + 1)
Remarque 8.7.1 Cette mthode, simple a mettre en oeuvre, a linconvnient de reconstituer e ` e des taux zro-coupon qui dpendent fortement du taux actuariel de lobligation la plus courte, e e obligation qui est en gnral trs peu liquide et donc dont le prix ne rete pas vraiment le taux e e e e de march pour cette maturit. Cette erreur sur le premier taux zro-coupon se propage ensuite e e e par itration sur toute la courbe. e Lautre inconvnient majeur de cette mthode est la trop forte dpendance de ses rsultats par e e e e rapport aux caractristiques de chaque obligation utilise dans la procdure. En eet, le calcul pour e e e chaque maturit tant fait par rapport a une obligation donne, le taux zro-coupon calcul pour ee ` e e e cette maturit dpend alors des spcicits de cette obligation et de celles des obligations choisies e e e e dans les tapes prcdentes. e e e
8.7.2
La mthode des splines e
Pour pallier ces inconvnients et vu que la courbe des taux, a un jour donn, a en gnral une forme e ` e e e assez rguli`re et prsentant peu de changement de convexit, on peut penser a lapprocher par des e e e e ` fonctions simples telles que polynmes, exponentielles de polynmes ..etc.. . o o Plusieurs formes fonctionnelles ont t proposes dans ce but, nous en prsentons deux. ee e e La premi`re mthode consiste a ajuster sur des plages de maturits judicieusement choisies des polynmes e e ` e o de degr trois ou quatre, les splines. Le calage des param`tres se fait alors sous la contrainte de continuit e e e et de double drivabilit aux points de raccord . e e La question de choisir de mani`re robuste les points de raccord est une question centrale dans lutilisation e des mthodes de splines. (Voir le cours de Rama sur la calibration). Le march sugg`re videmment des e e e e points a prendre en compte naturellement : le un an, car cest une maturit cl entre le court et le moyen ` e e terme. Les points 3,6 mois, car ce sont des maturits tr`s liquides a cause des Swaps, que nous verrons e e ` plus tard. 5, 10 et 30 ans sont aussi des maturits incontournables, associes a des produits liquides e e ` dans le march. Cette mthode donne de bons rsultats mais prsente une fort sensibilit aux points de e e e e e dcoupage pour les splines. e
8.7.3
Paramtrisation ` la Vasicek e a
Une Analyse en Composantes Principales (ACP) sur un historique de courbes de taux zro-coupon e obtenues par cette mthode a montr que trois facteurs expliquent la quasi-totalit des dformations de e e e e ces courbes. Ces trois facteurs sinterpr`tent comme suit : e
159
1. un premier facteur qui prsente une forme quasiment plate et qui provoque des dplacements e e parall`les de la courbe des taux. Ce facteur sinterpr`te comme un facteur de niveau. e e 2. un deuxi`me facteur qui rend compte des inversions de la courbe autour dun point. Ce facteur e sinterpr`te comme un facteur de pente car il a une inuence contraire sur les taux longs et sur les e taux courts. 3. Un troisi`me facteur, qui agit diremment sur trois compartiments de la courbe des taux, et qui e e sinterpr` te comme un facteur de courbure. e Ceci laisse a penser quune bonne mthode de reconstitution de la courbe des taux zro-coupon, serait de ` e e se donner une fonctionnelle dpendant dun param`tre de niveau des taux, dun param`tre de spread (ou e e e de pente) et dun param`tre de courbure et de caler ensuite ces param`tres sur les donnes du march. e e e e Or cest exactement la paramtrisation dduite du mod`le de Vasicek, via la reprsentation e e e e R() = R S G1 () + G2 () (8.7.1)
Cest cette mthode qui est applique dans la suite. e e Le param`tre a dans la fonctionnelle du taux est un param`tre dchelle, le laisser libre dans le calage e e e des autres param`tres introduirait une trop grande instabilit pour ces derniers, il a t donc dcid de e e ee e e le xer. Des tests empiriques nous ont alors montr que sa valeur peut tre xe a une valeur comprise e e e ` entre 0.1 et 0.8. Le probl`me revient donc a estimer les param`tres R S et , sur un panel, bien choisi, dactifs du e ` e march. e Les valeurs de ces param`tres au moment du calcul sont obtenues par la minimisation, sur le panel dactifs e du march, de lcart quadratique moyen suivant : e e
N
E(t, R , S, ) = o` : u
i=1
thorique e march e (R , S, ) Pi,t mi,t Pi,t
(8.7.2)
march est le prix du march de lactif i. On choisira les actifs les plus liquides du march, car e Pi,t e e seuls ces actifs sont bien arbitrs et leurs prix re`tent donc le march. e e e thorique e est le prix de lactif i, en fonction des param`tres, tel quil est calcul par le mod`le e e e Pi,t choisi. Ce prix thorique tant estim par rapport a une moyenne du march, on observera a e e e ` e ` chaque date t un rsidu entre ce prix et le prix de march de lactif. e e e march = P thorique + e Pi,t i,t
i,t
Ce rsidu peut reter soit une option cach dans lactif (Possibilit de prorogation aux conditions e e e e du march, possibilit dchange contre des obligations a taux variable ou rvisable), soit par e e e ` e exemple un coupon fort (ou faible) ce qui implique un certain type dintervenants a cause des ` probl`mes de scalit, soit tout autre cause spcique a lactif. e e e ` mi est un facteur de pondration, qui peut-tre li soit a la liquidit du titre, soit a linverse de e e e ` e ` sa maturit rsiduelle. On choisira un facteur de pondration plus fort pour les actifs quon veut e e e favoriser dans le programme doptimisation ; cest ainsi quon peut favoriser par exemple, les actifs les plus liquides, les actifs sans clause spciale ou encore les actifs a faible maturit rsiduelle. e ` e e Lalgorithme de Newton-Raphson permet de converger rapidement vers un minimum (ventuellement e local), quant-il en existe un, et permet donc dobtenir les param`tres de la courbe des taux zro-coupon e e correspondant a la date et au panel choisis. ` Le panel de donnees doit recuvrir les direntes parties de la courbe, courte, moyenne longue, et utiliser e e les instruments les plus liquides possibles, les taux Euribor notamment.
160
8.7.4
Sensibilits aux param`tres de risque e e
On peut de mme calculer la sensibilit de ce prix thorique par rapport a chacun de ces param`tres. e e e ` e La sensibilit du prix Pt par rapport au param`tre p est dnie par : e e e St = 1 Pt Pt p
Les sensibilits par rapport aux dirents param`tres sinterpr`tent comme suit : e e e e La sensibilit par rapport au taux long e 1 Pt La sensibilit par rapport au taux long SR = Pt R reprsente une sensibilit par rapport a une e e e ` translation de la courbe des taux. Cette sensibilit est donc de la mme nature que la duration, e e qui est la sensibilit du prix Pt de lactif par rapport a son taux actuariel T A, dnie par : e ` e Dt = 1 Pt (1 + T A) Pt T A
La sensibilit par rapport au spread taux long-taux court e 1 La sensibilit par rapport a ce param`tre, SS = Pt Pt , est en fait une sensibilit par rapport au e ` e e S taux court, le taux long et le param`tre de courbure tant supposs constants. Cette sensibilit e e e e dnit une duration spread. e La sensibilit par rapport au param`tre de courbure e e 1 e ` La sensibilit par rapport a ce param`tre, S = Pt Pt , est une sensibilit par rapport a un chane ` e gement de courbure, le niveau des taux long et des taux courts tant inchangs. e e
APPENDICE
Etude du temps datteinte de 0 par le processus de CIR

Ltude repose sur le rsultat suivant, que nous appliquons a lquation 8.7.3 a laquelle on peut toujours e e ` e ` ramener lquation 8.5.1 par le thor`me de Girsanov. e e e dr(t) = ab dt r(t)dW (t) r(0) = r (8.7.3)
Lemme 8.7.1 Soient et deux nombres positifs ( < ) et T = inf {t; rt < } On pose V, (r) = P(T < T ), o` r0 = r u V satisfait a lquation aux drives partielles, Lv(r) = 0, v() = 1, v() = 0, o` : ` e e e u LV, (x) dont la solution est V, (r) = 1 2 dV 2 dV r 2 + ab =0 2 dr dr o` u r si 0 < < r < (8.7.4) 2ab v= 2
1v
r1v 1v = 1v 1v
Si v > 1, T0 est inni p.s. ; si v < 1, V (r) tend vers V0 (r) =
Les mod`les de dformation de la courbe des taux e e
161
Preuve : On proc`de par vrication. Il est clair que la fonction V (r) dnie en 8.7.4 est une fonction e e e rguli`re, qui vrie lquation 8.7.3. e e e e Appliquons la formule dIt a cette fonction et au processus rt arrt en T T . Il vient : o` ee dV (r(t)) Puisque V () = 1 et V () = V (r(t)) r(t) dW (t) sur t < T T
= 0 V (r) = E[V (r(T T ))] = P(T < T )
Puisque V () = 1 et V () = 0, nous obtenons V (r) = E[V (r(T T ))] = P(T < T ). Lorsque > 1, les intgrales du numrateur et du dnominateur divergent, mais sont quivalentes. e e e e
162
DEA de Probabilit 2002-2003 e
Chapitre 9
` LES MODELES de DEFORMATION de la COURBE des TAUX

Comme nous lavons vu, modliser les dformations futures de la courbe des taux est un enjeu majeur e e pour les tablissements nanciers. Dans le chapitre prcdent, nous avons vu quels liens peuvent exister e e e entre les taux de direntes maturits, si nous partons dune mod`lisation a priori du taux court. Dans e e e un mod`le stationnaire, la courbe des taux aujourdhui ainsi que les courbes futures ne dpendent que e e de la valeur aujourdhui du taux court et des param`tres du mod`le. La cons`quence en est une reconse e e truction, cohrente avec le mod`le de dformation, mais ventuellement imparfaite, de la courbe des taux e e e e aujourdhui. Pour valuer et couvrir les principaux produits drivs de taux dinrt, le march cherche a tre exact e e e e e e è sur les valeurs de march des sous-jacents. En dautres termes, la courbe des taux aujourdhui, et non e seulement la valeur du taux court devient une donne initiale de la modlisation. Le probl`me devient un e e e probl`me de modlisation de dimension innie, reprsenter la dynamique de la courbe des taux dans le e e e futur, tout en respectant labsence dopportunit darbitrage. La consquence en est une complexit ace e e crue, et une quasi-impossibilit de traiter des produits de type amricain. Do` une recherche de mod`les e e u e mixtes, cest a dire a facteurs, mais exacts sur la courbe des taux aujourdhui comme nous lavons voqu ` ` e e dans le mod`le de Vasicek gnralis. e e e e Les travaux dans cette direction ont t initialiss par Ho & Lee (1985) dans les mod`les darbre, puis ee e e par Heath, Jarrow & Morton (1987-1992) pour les mod`les en temps continu. e Comme nous le montrons dans la premi`re partie de ce chapitre, lhypoth`se fondamentale dabsence e e dopportunit darbitrage dans le march permet de dcrire algbriquement ces contraintes a partir de la e e e e ` seule connaissance de la volatilit, fonction de la maturit, des zro-coupons. e e e Le plan de ce chapitre est le suivant : apr`s avoir prsent le cadre dans lequel nous travaillons, nous e e e montrons en toute gnralit la nature des contraintes qui lient les dirents taux et les consquences qui e e e e e en rsultent sur lestimation des dformations futures de la gamme des taux dintrt dans le cas o` les e e e e u volatilits locales sont dterministes. La courbe des taux aujourdhui, et la courbe des taux forwards que e e
163
164
lon dduit, appara e ssent des lements essentiels a la prvision des taux dans le futur, mais non susants. e ` e Une attention particuli`re doit tre porte a la forme de la fonction de volatilit locale. La modlisation e e e ` e e par arbitrage des taux futurs permet de disuter la thorie des anticipations rationnelles. e Une premi`re application a la gestion de portefeuilles de taux est propose. e ` e
9.1
Le mod`le en absence dopportunit darbitrage e e
Comme nous lavons vu dans les chapitres prcdents, labsence darbitrage introduit des contraintes e e sur les rendements des titres nanciers, quils soient de base, ou valeur de march de produits drivs. e e e Lorsquon sintresse aux probl`mes lis aux taux dintrt, ce ne sont pas les taux eux-mmes sur lesquels e e e e e e on va a priori crire les contraintes, mais sur les prix des oprations nanci`res auxquels ils ont associs. e e e e La rfrence de base sera donc les prix des zro-coupon , mme si pour des maturits suprieures a un an, ee e e e e ` il ny a pas de march vraiment liquide, le march traitant plutt de titres avec coupons dont la valeur e e o de march sera rlie a celle des zro-coupon par la r`gle de non arbitrage : e e e ` e e le prix dun titre qui verse des ux xes dans le futur est donn par la somme de ses ux pondrs e e e par les prix des zro-coupon des dates de paiement e
9.1.1
Le mod`le pour les zro-coupon e e
Nous supposons un march qui traite en temps continu les zro-coupon de toutes les maturits, sans e e e arbitrage. Lincertain du march sexprime via la prsence de sources de bruit additives et indpendantes e e e que nous reprsentons a travers k mouvements browniens, nots W , non corrls, dnis sur lensemble e ` e ee e 1 de probabilit (, (Ft )t0 , P). La probabilit a priori P des agents du march, peut tre tablie a partir e e e e e ` des donnes historiques ou reter leurs anticipations. Mais cest la mme pour tout le monde. e e e Nous modlisons les zro-coupon en supposant que leur dynamique respecte les contraintes dues a labe e ` sence darbitrage que nous avons tablies au chapitre 4. Nous avons montr quun march est caractris e e e e e par le processus de taux court rt et le vecteur (de dimension k) des primes de risque t . Les prix ngocis e e sont alors uniquement direncis par leur vecteur de volatilit, et leur valeur daujourdhui. Aussi nous e e e faisons les hypoth`ses suivantes : e La dynamique des prix B(t, T ) des zro-coupon est reprsente par e e e dB(t, T ) = rt dt + (t, T )dWt , B(t, T ) B(T, T ) = 1, (9.1.1)
Fonction de volatilit e
(t, T ) est la famille des volatilits locales, ventuellement alatoire des zro-coupon , paramtre par e e e e e e les dates dchance T . Comme a lchance, le prix du zro-coupon est gal a 1F , il est donc connu e e ` e e e e ` avec certitude. Nous supposons donc que (T, T ) = 0, et que plus gnralement pour toutes les dates e e postrieures a lchance T . Cette convention revient a considrer que le ux est rinvesti dans le march e ` e e ` e e e au taux sans risque. Nous supposerons que la fonction de volatilit est continue et drivable par rapport a la maturit T et e e ` e que les drives sont uniformment bornes, ou au moins uniformment majore par une v.a. intgrable, e e e e e e e soit si Kt est un processus adapt , born ou susamment intgrable e e e |T (t, T ) = (t, T )| Kt
1
(9.1.2)
la famille de tribus (Ft )t0 ) reprsente la structure dinformation disponible au cours du temps aux agents. e ce sera souvent la ltration des mouvement browniens
165
Remarques techniques Lorsque le mouvement brownien est vectoriel, la notation dWt reprsente un vecteur colonne de e dimension (d, 1) et de composantes dWtj . (t, T ) une matrice de dimension (1, d), de composantes j (t, T ) de telle sorte que la quantit e
k
(t, T )dWt =
j=1
j (t, T )dWtj
soit un rel. e
Probabilit risque-neutre e
Labsence dopportunit darbitrage implique que tous les prix des titres du march dpendent fone e e damentalement du processus Wt dni par : e dWt = t dt + dWt . (9.1.3)
{Wt ; t [0, T ]} est un mouvement brownien sous la probabilit objective P, qui rgit les alas observs sur e e e e les taux. Par suite, W est un mouvement brownien vectoriel dcentr sous P, le param`tre de dcentralit e e e e e tant le vecteur des primes de risque t . e Nous annulons leet de la prime de risque en introduisant la probabilit risque-neutre Q pour laquelle e {Wt ; t [0, T ]} est un mouvement brownien centr. Nous dirons que {Wt ; t [0, T ]} est un Q- mouvement e brownien. Dans ce contexte, lquation donnant les prix des zro-coupon devient e e dB(t, T ) = rt dt + (t, T )dWt B(t, T ) (9.1.4)
Dimension des bruits et volatilit e

Il est traditionnel lorsquon mod`lise la dynamique du prix dun actif risqu de lui associer sa volatilit, e e e que nous noterons dans le cas des zro-coupon vol(t, T ), qui mesure le risque instantan du rendement e e du titre. Cest donc un processus rel et positif tel que e
T dB(t, T ) = B(t, T )[rt dt + vol(t, T )dZt ] T o` dZt est un mouvement brownien sous la probabilit risque-neutre. Ainsi, dans un march dans lequel u e e un nombre tr`s grand de titres est ngoci, le point de vue traditionnel conduit a introduire autant e e e ` de bruits que de maturits ngocies. Un point dlicat a prciser alors est la corrlation de tous ces e e e e ` e e mouvements browniens entre eux. Nous avons donc choisi de modliser a priori la structure des ces corrlations par lintermdiaire dun e e e nombre ni de mouvements browniens indpendants et dun vecteur de volatilit dsign par (t, T ). e e e e
Remarque mathmatique e Dapr`s les proprits de lintgrale stochastique et du mouvement brownien, il est bien connu que e ee e k lintgrale stochastique (t, T )dWt = j=1 j (t, T )dWtj peut se reprsenter a laide de la volatilit e e ` e T vol(t, T ) et dun mouvement brownien unidimensionnel Zt (dni sur un espace ventuellement e e augment [Ka.Sh]) sous la forme e
T (t, T )dWt = vol(t, T )dZt
166
Le lien entre le vecteur de volatilits locales et la volatilit des zro-coupon est, e e e

k
[vol(t, T )]2 =
j=1
[j (t, T )]2 .
(9.1.5)
soit en utilisant des notations vectorielles, notamment le module du vecteur (t, T ), vol(t, T ) = |(t, T )|. Le vecteur de volatilits locales permet de calculer facilement les corrlations instantanes entre les e e e dirents zro-coupon sous la forme e e covt ( dB(t, T + ) dB(t, T ) , ) = (t, T )(t, T + ) dt B(t, T + ) B(t, T )
9.2
9.2.1
Equation structurelle des taux

Taux zro-coupon et conditions initiales e
Lquation direntielle donnant les prix des zro-coupon admet une solution explicite, fonction de e e e leur condition initiale, du taux spot rt et de leur vecteur de volatilit. Mais le taux spot rt est une fonction e des prix des zro-coupon que nous pouvons liminer. Les prix des zro-coupon a la date t dpendent e e e ` e alors seulement des conditions initiales, consitues par la famille des prix zro-coupon aujourdhui et de e e la structure des volatilits locales. En gnral, une telle proprit est plutt nonce sur les taux que sur e e e ee o e e les prix, sous la forme : la dynamique des taux nest fonction que de la courbe des taux aujourdhui et de la structure des volatilits e locales des prix zro-coupon . e Les relations les plus simples sont obtenues pour les taux courts forwards.
Analyse des prix des zro-coupon e

Proposition 9.2.1 Le prix en t dun zro-coupon dchance T est donn par : e e e e
t t
B(t, T ) = B(0, T ) exp[

0
rs ds +
0
(s, T )dWs
1 2
t 0
|(s, T )|2 ds]
(9.2.1)
Llimination du taux court conduit a : e ` B(t, T ) = B(0, T ) exp[ B(0, t)

t 0
[(s, T ) (s, t)]dWs

2
1 2
t 0
[|(s, T )|2 |(s, t)|2 ]ds]
(9.2.2)
Preuve : La solution explicite par :
de lquation direntielle stochastique linaire (9.1.4) est donne e e e e

t t
B(t, T ) = B(0, T ) exp[

0
2
rs ds +
0
(s, T )dWs
1 2
t 0
|(s, T )|2 ds]
(9.2.3)
Il est facile de justier cette criture de la mani`re suivante : e e si la volatilit est nulle, il sagit dune quation direntielle linaire ordinaire, dont la solution est une e e e e exponentielle si le taux est nul, il sagit dune quation stochastique dont la solution doit tre desprance constante. La e e e solution est alors une exponentielle faisant intervenir deux termes : une intgrale stochastique et la variation e quadratique associe a cette intgrale stochastique. Cette proprit est justie en Appendice pour le thor`me e ` e e e e e e de Girsanov.
167
Il est possible dliminer rt dans cette formule en utilisant la condition fronti`re B(t, t) = 1, qui e e sexprime par t t 1 t 1 = B(0, t) exp[ rs ds + (s, t)dWs |(s, t)|2 ds] (9.2.4) 2 0 0 0 Faisons le quotient de lquation donnant B(t, T ) par celle donnant B(t, t). Il vient : e B(t, T ) = B(0, T ) exp[ B(0, t)
t 0
[(s, T ) (s, t)]dWs
1 2
t 0
(|(s, T )|2 |(s, t)|2 )ds]
La premi`re galit (9.2.1) met en jeu le prix a la date 0 du zro-coupon dchance T , le taux court, et e e e ` e e e le vecteur des volatilits locales de lchance T . La deuxi`me relation (9.2.2) montre que llimination de e e e e e rt conduit a prendre en compte plus dinformation sur la courbe des taux aujourdhui, par lintermdiaire ` e B(0,T ) notamment du prix forward en t du zro-coupon dchance T , B(0,t) , ainsi que sur la structure des e e e volatilits locales. e
Les quations intgrales des taux e e

Nous traduisons maintenant en termes de taux dintrt les contraintes que nous avons mis en vidence e e e sur les prix des zro-coupon. Les principales notations ont t introduites au chapitre prcdent. Les e ee e e quations des taux sobtiennent aisment a partir des formules de prix que nous venons dtablir. Toutee e ` e fois pour justier mathmatiquement les formules donnant les quations des taux courts forwards, nous e e utiliserons que le vecteur des volatilits locales a t suppos drivable par rapport a la maturit, a e ee e e ` e ` drive borne3 . Nous insistons sur le fait quil nest pas fait dans cette section dhypoth`se de volatilit e e e e e dterministe, mme si les notations ne le rappellent pas toujours. La drive de {(t, T ) ; t T } par e e e e rapport a lchance T , cest a dire la deuxi`me variable a t note ` e e ` e ee e T (t, T ) = (t, T ) Thor`me 9.2.1 La reprsentation des taux a linstant futur t est donne par : e e e ` e
t t 0
(9.2.5)
R(t, ) = R0 (t, )
1 (s, t + ) (s, t) dWs + 2
1 [|(s, t + )|2 |(s, t)|2 ]ds
(9.2.6)
R0 (t, ) = 1 [LnB(0, t) LnB(0, t + )] est le taux forward vu de 0, pour lchance t, de maturit . Ce e e e taux est lu sur la courbe des taux aujourdhui. De mme, la rpresentation des taux courts forwards dans le futur est donne par e e e
t t
f (t, T ) = f (0, T )
t
(s, T )dWs +
0 0
(s, T )(s, T ) ds
(9.2.7)
En particulier, la reprsentation du taux court est : e

t
rt = f (0, t)
(s, t)dWs +
0 0
(s, t)(s, t) ds4
(9.2.8)
Si lon souhaite donner moins dimportance a la courbe des taux aujourdhui, et plus au taux court r, on ` peut donner une autre forme a la relation donnant les taux forwards `
T T
f (t, T ) = rT +
t
3
(s, T )dWs
(s, T )(s, T )ds
(9.2.9)
Lhypoth`se de bornitude du vecteur des volatilits locales et de leur drives peut tre remplace par lhye e e e e e poth`se moins forte suivante : il existe un processus de carr intgrable adapt t positif, tel que | (t, T ) | e e e e e e e e e t dt d p.s. Des hypoth`ses dintgrabilit plus fortes seront tablies si ncessaire. 4 Ce terme est aussi la drive par rapport a la maturit du carr de la volatilit locale du zro-coupon, e e ` e e e e e e |(s, t)|2 = vol(s, t)2 , au coecient 1 pr`s, et nous utiliserons indiremment les deux notations. 2
168
Commentaire historique Les quations (9.2.7) et (9.2.8) ont t obtenues pour la premi`re fois par Heath-Jarrow-Morton en e ee e 1987 [H.J.M.]. Ces derniers partent a priori dun mod`le pour les taux forwards et formulent un peu ` e diremment la relation (9.2.7) sous la forme : e
t t T
f (t, T ) = f (0, T )
(s, T )dWs +
0 0
(s, T )(
s
(s, u)du) ds
(9.2.10)
mais contrairement a de nombreux auteurs, nous ny faisons pas rfrence comme au mod`le de HJM, car ` ee e il sagit en fait dquations consquences structurelles de labsence darbitrage. Nous appellerons mod`le e e e de HJM le mod`le que nous voquerons brivement a la n de ce chapitre, o` le choix dune fonction de e e e ` u volatilit est propos sous la forme e e (s, t) = (s, f (s, t)) (9.2.11) Ces quations ont t le point de dpart a la fois dune rexion de nature dirente sur les taux dintrt, e ee e ` e e e e ainsi que de tr`s nombreuses publications sur le sujet.( Hull et White Jamshidian, El Karouie Geman , EL Karoui-Myneni-Viswanathan , Brace-Musiela. Preuve : La premi`re relation drive immdiatement de la dnition du taux actuariel continu R(t, ), et des e e e e formules explicites des prix de zro-coupon. e Lquation des taux courts forwards sobtient soit en passant a la limite dans les relations prcdentes, e ` e e soit directement en prenant la drive logarithmique des prix des zro-coupon : e e e
t
f (t, T ) = T LnB(t, T ) = f (0, T ) T (

t
(s, T )dWs
t 0
1 2
t 0
|(s, T )|2 ds)
= f (0, T )
T (s, T )dWs +
0
1 2
T |(s, T )|2 ds)
La drivation sous lintgrale ou intgrale stochastique est justie par les hypoth`ses de bornitude e e e e e faites sur la drive par rapport a la maturit de la fonction de volatilit. e e ` e e En particulier, si nous dsignons par r(t, 0) = f (t, t) le taux court forward dchance t, il est clair e e e que r(t, 0) satisfait lquation (9.2.8). e Il est intressant de montrer que les deux processus r(t, 0) et rt coincident, mme si cette proprit e e ee est en gnral considre comme acquise dans la littrature nanci`re. Avec le point de vue que nous e e e e e e avons adopt, la preuve nest pas immdiate. e e Pour montrer lidentit de r(t, 0) et de rt , nous calculons les intgrales I1 = e e La deuxi`me sobtient a partir de lquation (9.2.4) e ` e
t t t t 0
r(s, 0)ds et I2 =
t 0 rs ds.
I2 =
0
rs ds =
0
f (0, s)ds
t
(s, T )dWs +
0
1 2
t 0
|(s, t)|2 ds
s
La premi`re sobtient a partir de lquation (9.2.7) applique a r(t, 0) = f (t, t), e ` e e `

t t s
I1 =
0
r(s, 0)ds =
0
f (0, s)ds
ds
0 0
(u, s)dWu +
1 2
ds
0 0
s |(u, s)|2 du
Grce a la formule dintgration par parties (ou thor`me de Fubini) dterministe ou stochastique, a ` e e e e justie par les hypoth`ses dintgrabilit (borne ou de carr intgrable) faites sur la volatilit des e e e e e e e e taux forwards, nous pouvons faire les transformations suivantes qui utilisent le fait que (u, u) = 0,
t s t t t t
ds
0 0
(u, s)dWu =
0
(
u
(u, s)ds)dWu =
0
[(u, t) (u, u)]dWu =
(u, t)dWu
0

De mme, e 1 2
t s
169
ds
0 0
2 |(u, s)|2 du =
1 2
t 0
|(s, t)|2 ds
En regroupant ces galits, nous voyons que les quantits I1 et I2 que nous cherchons a valuer sont e e e è gales. e
Les quations direntielles des taux e e

Nous nous proposons maintenant de mesurer le comportement innitsimal des dformations de la e e courbe entre deux dates tr`s rapproches, et den dduire la dynamique des taux de direntes maturits, e e e e e et du taux court en particulier. Comme nous le montrons, la pente de la courbe des taux forwards est un lment important pour expliquer ee la dynamique innitsimale des taux. e Thor`me 9.2.2 Lquation direntielle du taux actuariel de maturit tient compte du taux forward e e e e e en t + dt de mme maturit et de la structure des volatilits locales sous la forme : e e e dR(t, ) = T Ft (t, )dt + 1 1 |(t, t + )|2 dt (t, t + )dWt 2 (9.2.12)
o` T Ft (t, ) est la drive du taux forward de maturit par rapport a lchance T , prise en T = t. De u e e e ` e e plus T Ft (T, )T =t = limt0 1 [Ft (t + t, ) Ft (t, )] t 1 1 = 2 R(t, ) + [R(t, ) rt ] = [f (t, t + ) rt ]
(9.2.13)
Les taux courts forwards r(t, u) voluent comme e 1 dr(t, u) = 2 r(t, u)dt + 2 |(t, t + u)|2 dt (t, t + u)dWt 2 En particulier le taux court a une dynamique de la forme : drt = 22 R(t, 0)dt (t, t)dWt = 2 r(t, 0)dt (t, t)dWt (9.2.15) (9.2.14)
M.Musiela en 1993 [?] est le premier a avoir montr limportance de ces relations dans la modlisation des ` e e dformations de la courbe des taux, en notant en particulier que structurellement le syst`me direntiel e e e qui dirige la dformation de la courbe des taux est de dimension innie. Nous verrons dans le paragraphe e sur les variables dtat quel type de contraintes p`se sur la forme des volatilits locales pour que lon e e e puisse rduire la dimension de ce syst`me. e e Linterprtation conomique de lquation (9.2.14) na pas t clairement explicite a ce jour (dans la e e e ee e ` littrature), a savoir la relation entre lesprance de laccroissement du taux et la thorie des anticipations e ` e e rationnelles. Ceci sera dvelopp dans la section suivante. e e Preuve : Lquation direntielle satisfaite par le logarithme des cours des zro-coupon Ln(B(t, T ) e e e est donne simplement par : e 1 dt Ln(B(t, T ) = rt dt |(t, T )|2 dt + (t, T )dWt . 2
170
Pour en dduire lquation direntielle satisfaite par les taux, la premi`re tape est de rendre e e e e e lchance glissante, puisque nous avons la relation : e e R(t, ) = LnB(t, t + ) Par la formule de direntiation compose5, la dynamique dun taux de maturit xe et donc e e e dchance variable est donne par : e e e dt [R(t, )] = dt (LnB(t, t + )) = 2 LnB(t, t + )dt dt LnB(t, T )T =t+ 1 = 2 (R(t, ))dt rt dt + 2 |(t, t + )|2 dt (t, t + )dWt
Il nous reste donc a interprter la quantit (R(t, )) rt = f (t, t + ) rt qui est aussi gale a ` e e e ` [R(t, ) + R(t, ) rt ] comme la drive dun taux forward par rapport a la date dchance du e e ` e e e e ` taux. Or Rt (T, ) = 1 [LnB(t, T + ) LnB(t, T )] admet comme drive par rapport a la date T , T rt (T, ) = 1 [f (t, T + ) f (t, T )]
ce qui prouve la proprit recherche. Il en rsulte que ee e e dR(t, ) = T (Rt (, ))T =t dt + 1 1 |(t, t + )|2 dt (t, t + )dWt 2
Pour obtenir lquation du taux court, il sut de faire tendre vers 0 dans ces relations. e Pour obtenir celle des taux courts forwards, il sut de driver lquation de (uR(t, u)). La dynamique e e du taux court dpend de la pente de la courbe a lorigine. e ` Par le mme argument, il est possible dcrire la dynamique de toutes les drives successives par rapport e e e e a la maturit de 2 (uR(t, u)) =: r(t, u), a condition de supposer que le vecteur de volatilits locales est ` e ` e indniment drivable par rapport a la maturit et que toutes les drives sont majores par des processus e e ` e e e e de carr intgrable. Nous notons r (n) (t, u) la drive n-i`me par rapport a la maturit u du taux court e e e e e ` e forward dchance glissante. e e 1 (n+1) (n+1) [vol(t, t + )2 ]dt 2 (t, t + )dWt dr(n) (t, ) = r(n+1) (t, )dt + 2 2 (9.2.16)
9.3
9.3.1
Exemples de fonctions de volatilit e

Un mod`le faiblement stationnaire e
Supposons que le vecteur des volatilits locales des zro-coupon se factorise en un produit de deux e e processus, lun qui est un vecteur alatoire que nous noterons (t ) et lautre une fonction dterministe e e G(T t) de drive g(T t) de telle sorte que e e (t, T ) = G(T t)t ; Les quations des taux se simplient un peu en e dR(t, ) =
5
(t, T ) = g(T t)t ;
g(0) = 1
1 1 1 [r(t, ) rt ]dt + G2 ()|t |2 dt G()t dWt 2
(9.3.1)
Il sagit de lanalogue direntiel de la formule dintgration par parties que nous avons utilise prcedemment e e e e
171
Nous retrouverons cette forme a plusieurs reprises dans les exemples dcrits ci-dessous. En particulier, ` e dans le cas stationnaire, ( indpendant du temps), lquation des taux forwards (9.2.9) devient e e
t
f (t, T ) = f (0, T )
g(T s)dWs + ||2 [G2 (T ) G2 (T t)]
(9.3.2)
Nous dcrivons ci-dessous un certain nombre de fonctions de volatilit locale, couramment utilises dans e e e la pratique, en faisant rfrence explicitement aux mod`les auxquelles elles sont associes et qui ne seront ee e e prsentes que dans la deuxi`me partie de ce chapitre. e e e
9.3.2
Le cas unidimensionnel
Nous supposons le nombre de browniens gal a 1 . e `
Volatilit locale de Vasicek et Ho et Lee e

La fonction de volatilit est une fonction non alatoire dnie sur R+ par e e e a (t, t + ) = V 1 ea a a V (t, t + ) = ea 0 (9.3.3)
pour le mod`le de Vasicek. e La limite de cette fonction lorsque a tend vers 0 est la volatilit du mod`le de Ho et Lee en temps e e continu. Ho.Lee (t, t + ) = Ho.Lee (t, t + ) =
1 Ces mod`les sont stationnaires, associs a la fonction Ga () = a (1 ea ) ; leur version faiblement e e ` stationnaire consiste a faire dpendre du temps le param`tre . ` e e Lune des proprits remarquables de cette classe de fonctions de volatilit est la factorisation suivante : ee e
a (u, t + ) a (u, t) = a (0, )ea(tu) V V V Lidentit suivante est galement tr`s utile e e e = |a (u, t + )|2 du V
0 t
(u t).
(9.3.4)
2 a2 =
t 0 2
[(1 ea(t+u ) (1 ea(t+u )ea(t+u) du
ea (1 ea(t+) )2 (1 ea )2 [t (1 eat ) + ] 2 a a 2a 2a
La reprsentation des taux se simplie considrablement sous la forme e e R(t, ) = R0 (t, ) + a (t, ) a (0, ) V
t 0
ea(tu) dWu
(9.3.5)
(t, ) est une fonction que lon peut expliciter a partir des calculs prcdents mais nous verrons que ` e e cest rarement ncessaire. e
172
Pour a > 0, a (t, ) = + = Pour a = 0 0 (t, ) =
2 1 eat (1 ea(t+) )2 [(1 ea ) ] a2 a 2a 2 (1 eat )2 (1 ea )2 [ + ] 2 a 2a 2a 2 (Ga (t) + Ga ())2 (Ga (t + ))2 2a 2 [(t + )3 3 t3 ] = 2 t(t + ) 3
(9.3.6)
(9.3.7)
Exemple 9.3.1 Des tests empiriques faits a partir de prix dOAT montrent que sur le march franais, ` e c des valeurs raisonnables de a se situent entre 0, 1 et 0, 8 et pour entre 0.4% et 4%.
Volatilit de CIR e
La fonction de volatilit est une fonction du taux spot, dnie sur R+ par e e CIR (t, t + ) = rt G(T t)
(9.3.8)
o` G est une fonction dterministe solution dune certaine quation direntielle de type Ricatti (??). u e e e Dans cet exemple la fonction de volatilit est alatoire. e e
9.3.3
Le cas multi-dimensionnel
Nous supposons que maintenant deux sources de bruit perturbent les prix. La fonction de volatilit est suppose de la forme e e 1 e(tu) 1 ea(tu) 11 + 21 a 1 e(tu) 1 ea(tu) 12 + 22 (u, t)2 = a Par les mmes calculs que prcdemment, il vient e e e (u, t)1 = R(t, ) = R0 (t, ) + (t, ) 1 e [
t 0
(9.3.9)
1 ea [ a
t 0
1 2 ea(tu) 11 dWu + 12 dWu ]
1 2 e(tu) 21 dWu + 22 dWu ]
(9.3.10)
Exemple 9.3.2 Dans ce mod`le vectoriel, les tests mens dans le travail de (El Karoui, Geman, Lacoste), e e montrent que des valeurs raisonnables de a se situent entre 0, 1 et 0, 8 et pour entre 0, 001 et 0, 01. Les ordres de grandeurs des param`tres ij sont de 0, 1% a 5%. e ` Tracer la courbe des volatilits locales des taux forwards pour montrer les bosses de volatilits e e
9.4
ANALYSE en TERME de VARIANCE-COVARIANCE
Dans la premi`re partie de ce paragraphe, nous faisons lhypoth`se que la volatilit des taux est e e e dterministe, ainsi que le vecteur des primes de risque. Les quations prcdentes montrent que e e e e les prix des zro-coupon ont une distribution log-normale et que les taux des direntes maturits sont e e e gaussiens. Les param`tres desprance et variance sont donc tr`s importants a calculer puisquils spcient e e e ` e compltement la loi : e
173
ltude de la matrice de variance-covariance permet de quantier le risque de taux et de prciser les e e corrlations entre les taux de diverses dates et de diverses maturits. Le rang de la matrice donne e e le nombre de liaisons anes existant entre des taux de diverses maturits. e comme consquence de larbitrage, nous voyons que les esprances se calculent uniquement a partir e e ` de la matrice de variance covariance des taux, des primes de risque et bien sr des taux forwards u lus sur la courbe des taux aujourdhui.
9.4.1
Etudes des corrlations e
Le caract`re gaussien des taux dintrt permet une tude simple des matrices de variance-covariance e e e e dont les proprits dpendent beaucoup plus de la forme des volatilits que du nombre de browniens ee e e sous-jacents. Pour comprendre aisment les calculs ci-dessous, rappelons lquation de rfrence ( ?) e e ee R(t, ) = F0 (t, ) + 1 1 2
t 0
[(s, t + ) (s, t)][dWs + s ds]

t 0
[|(s, t + )|2 |(s, t)|2 ]ds
(9.4.1)
Thor`me 9.4.1 La matrice de variance-covariance des taux de direntes dates et de direntes mae e e e turits est donne par : e e Kt,s (, ) = cov(R(t, ), R(s, )) ts 1 = [(u, t + ) (u, t)][(u, s + ) (u, s)] ds () 0
(9.4.2)
o` t s dsigne le minimum de t et de s. u e Remarque : Lorsque les primes de risque sont dterministes, les taux sont gaussiens dans lunivers e historique comme dans lunivers risque-neutre. La matrice de variance-covariance est alors la mme dans e les deux univers. Cest la raison pour laquelle il nest pas spci de probabilit dans lnonc ci-dessus. e e e e e Preuve : La covariance de deux taux est celle des intgrales de Wiener qui leur sont associes, cest a dire e e ` lintgrale du produit des fonctions de volatilit. Nous faisons le calcul dans lunivers historique. e e cov[R(t, ), R(s, )] = 1 cov[ = 1 ()
t 0 s
((u, t + ) (u, t))dWu ,

ts
((u, s + ) (u, s))dWu ]
[(u, t + ) (u, t)][(u, s + ) (u, s)] ds
Pour tablir cette relation, nous avons utilis le fait que, toute intgrale stochastique de fonction e e e dterministe sur lintervalle [t, s] (t s) par rapport au mouvement brownien est indpendante des e e variables qui sont des intgrales stochastiques entre [0,t] car le mouvement brownien est a accroissee ` ments indpendants. Les covariances de telles variables sont donc nulles. Cest ce qui explique le terme e en t s dans les formules de covariance de lnonc. e e Exemple La fonction de volatilit de Vasicek e
1 ea Lorsque la fonction de volatilit est la fonction V (t, t + ) = e , nous avons vu (??) que le bruit a qui aecte a une date donne les taux de direntes maturits est proportionnel a une mme variable ` e e e ` e
174
gaussienne centre e

t 0
ea(tu) dWu . Le coecient de proportionnalit du taux R(t, ) est e 1 ea a

2
variance var[R(t, )] est donne par : e
1 ea . La a
Les taux de mme date de maturits direntes sont parfaitement corrls. e e e ee Les taux associs a des dates dobservation direntes sont corrls de mani`re toujours positive, e ` e ee e
Notons que ce nest pas lhypoth`se dun brownien unique faite dans cet exemple, qui implique que les e taux sont compltement corrls entre eux, mais le choix de la fonction de volatilit. Nous allons illustrer e ee e ce point sur un exemple. Exemple Fonction de volatilit quadratique e
Supposons par exemple que la fonction de volatilit soit une fonction quadratique de la maturit restante, e e par exemple la plus simple (t, t + ) = [( )2 2 ] et donc (t, t + ) = 2( )
La fonction (t, s) nest pas toujours positive, mais rappelons que cest son module qui est la volatilit (au e sens habituel) des zro-coupon. Une telle fonction de volatilit |(t, s)| nest pas une fonction croissante de e e la maturit puisquelle dcroit sur lintervalle [, 2] et croit ailleurs. e e Pour ne pas introduire des calculs trop fastidieux, nous tudions les corrlations des taux courts forwards, e e donnes par e
cov[r(t, ), r(t + h, )]
Les taux ne sont pas compltement corrls et les covariances ne sont pas toujours positives si < < . e ee En particulier, elles sont ngatives pour t petit. e
Dans le cas dun mouvement brownien vectoriel, il est ais de trouver des structures de corrlations poue e vant tre ngatives. Pour des fonctions de volatilits bien choisies, on peut garder a la fois cette richesse e e e ` dans les corrlations et une certaine facilit dans la mise en oeuvre comme le montre lexemple suivant. e e Exemple Volatilit de type Hull et White, ou Vasicek vectoriel e
Reprenons lexemple de la fonction de volatilit vectorielle donne aux quations (9.3.9). Comme nous e e e lavons vu dans cet exemple, les taux sont maintenant des combinaisons anes de deux processus gaussiens de base, centrs et corrls e ee

1 2 Comme la partie stochastique de R(t, ) est 1 [Ga ()Zt G ()Zt ] la matrice de variance covariance des taux sen dduit aisment. e e Dans cet exemple, la volatilit des zro-coupons est donne par e e e 2 2 2 2 vol(t, t + )2 = Ga ()2 [11 + 12 ] + G ()2 [21 + 22 ] + 2Ga ()G ()[11 21 + 12 22 ]
Si les processus dOrnstein-Uhlenbeck Z 1 et Z 2 sont corrls ngativement, la volatilit des taux nest pas ee e e une fonction croissante de la maturit. En particulier, sil vaut 1, ce qui implique que les processus Z 1 et e
1 2 cov[Zt , Zt ]
(11 21 + 12 22 )Ga+ (t)
o` Ga (t) u
1 Zt 2 Zt
= =
t a(tu) 1 e 11 dWu 0 t (tu) 1 e 21 dWu 0
= = =
(u, t + )(u, t + h + )du t 4 0 (t + u)(t + h + u)du 2 4 [( )( )t + ( + + h 2) 1 t2 + 1 t3 ] 2 3

2
t 0
2 + 12 dWu 2 + 22 dWu
1 ea a
cov[R(t, ), R(t + h, )]
eah
1 ea a ah e cov[R(t, ), R(t, )] 1 ea a
var[R(t, )] = 2
1 e2at 2a
= 2 (Ga ())2 G2a (t)
(9.4.3)
1 e2at 2a
175
Z 2 sont parfaitement corrls de mani`re instantane, la volatilit est gale au module de la dirence de ee e e e e e deux fonctions croissantes.
Comme nous le voyons sur ces exemples, lhypoth`se souvent introduite que la volatilit des zros-coupons e e e est croissante avec la maturit est probablement trop contraignante dans la mesure o` elle implique e u frquemment que les corrlations entre les taux sont positives. e e
9.4.2
Esprance et anticipations e
Les proprits des variances-covariances des taux sont des consquences de la modlisation retenue ee e e pour les volatilits des zro-coupon , et de lcriture des taux comme des fonctions des ces zro-coupon . e e e e Labsence dopportunit darbitrage porte fondamentalement sur lesprance des taux comme le montre e e lquation intgrale (9.4.1). Le choix de la probabilit de rfrence inue sur les calculs. Nous donnerons e e e ee sytmatiquement les noncs dabord sous la probabilit risque-neutre qui permet de faire les calculs e e e e dvaluation et de couverture et parce quils sont les plus simples, puis sous la probabilit historique, qui e e est la rfrence en terme de tests statistiques et de ce que les oprationnels ont a lesprit. ee e ` Thor`me 9.4.2 Le taux R(t, ) a comme esprance sous la probabilit risque-neutre Q : e e e e EQ [R(t, )] = F0 (t, ) +
t 1 [|(s, t + )|2 |(s, t)|2 ]ds 2 0 t cov[rs , R(t, )]ds = F0 (t, ) + var(R(t, )) + 2 0
En particulier, le taux court a comme caractristiques : e

t
EQ (rt ) = f (0, t) +
0
0 cov[rs , rt ]ds = f (0, t) + cov(LnSt , rt )
(9.4.4)
Preuve : Lequation intgrale des taux (9.4.1) donne immdiatement la premi`re relation. e e e La seconde qualit repose, dune part sur la formule donnant la variance et sur lidentit e e e |(s, t + )|2 |(s, t)|2 = |(s, t + ) (s, t)|2 2[(s, t + ) (s, t)](s, t) dautre part, sur les proprits de de 0 rs ds. Or dapr`s la formule (9.2.1) et la condition B(t, t) = 1, ee e t il est clair que 0 rs ds est une variable gaussienne dont la partie bruit est lintgrale stochastique de e ((s, t)) par rapport a dWs . Il en rsulte aisment que : ` e e
t t t
cov[rs , R(t, )]ds =

0 0
r[(s, t + ) (s, t)](s, t) ds

t
et que
t
cov[rs , rt ]ds =
0 0
(s, t)(s, t) ds
Mais ce dernier terme est exactement celui qui intervient dans lquation intgrale du taux court r t . e e Linterprtation de lesprance de rt en rsulte aisment. e e e e Le biais de volatilit qui appara dans lquation dun taux traduit la corrlation du taux de rfrence e t e e ee a la date t avec les taux courts des dates antrieures. Cette covariance peut tre interprte un peu ` e e ee
176
0 diremment en introduisant le processus (St ) qui dcrit la valeur en t de 1F plac a la banque a la e e e` ` t 0 date 0, puisque LnSt =
rs ds. Ainsi,
0
0 EQ [R(t, )] = F0 (t, ) + var[R(t, )] + cov[LnSt , R(t, )] 2 epreuve
Anticipations dans lunivers historique

Dans lunivers historique, il faut introduire le biais d a la prime de risque, que nous avons supu ` pose dterministe. Pour obtenir une interprtation tr`s similaire a la prcdente, nous introduisons e e e e ` e e le numraire de march. e e Considrons un portefeuille dont la volatilit est exactement la prime de risque, (plus exactement le e e vecteur transpos du vecteur des primes de risque) et dont la valeur nanci`re a la date 0 est gale e e ` e t a 1. Nous lappelons le numraire de march . (Il convient de ne pas le confondre avec le portefeuille ` e e du march qui joue un rle fondamental dans le Capital Asset Pricing Model). Son prix t vrie e o e dt = rt dt + ||2 dt + dWt , t t t 0 = 1. (9.4.5)
La probabilit historique est la probabilit risque-neutre lorsque le numraire de march est pris comme e e e e rfrence. En termes de taux dintrt, le numraire de march joue le mme rle que S 0 dans lanalyse ee e e e e e o des taux anticips. e Thor`me 9.4.3 Le taux R(t, ) de maturit a comme esprance sous la probabilit historique P : e e e e e
t
EP [R(t, )]
= F0 (t, ) 1 2
t
1 [|(s, t + )|2 |(s, t)|2 ]ds + 0 t 1 = EQ [R(t, )] [(s, t + ) (s, t)] ds s 0 Ce dernier terme sinterpr`te en termes de numraire de march. e e e EP [R(t, )] = F0 (t, ) + var[R(t, )] + covar[Lnt , R(t, )] 2 bpreuve Les preuves sont les mmes que prcdemment, mais en prenant en compte le fait que sous la probae e e bilit historique P, EP (dWt ) = t dt. e t Par dnition du numraire de march, Lnt a comme partie alatoire 0 rs ds s ds dont la covae e e e riance avec R(t, ) est exactement
t 0
1 [(s, t + ) (s, t)]s ds
(9.4.6)
1 [(s, t + ) (s, t)][(s, t) s ] ds
9.4.3
Pouvoir prdictif des taux forwards e
Les formules (9.4.1) que nous venons dtablir montrent la dynamique structurelle qui dirige la e dformation future de la courbe des taux. Toutes ces quations sont construites sur le mme principe : e e e
177
un terme lu sur la courbe des taux aujourdhui, augment dun biais d a la volatilit des taux, plus un e u` e bruit centr sous la probabilit risque-neutre. e e Le taux forward F0 (t, ), lu sur la courbe des taux au jourdhui est un estimateur biais du taux en t, e R(t, ), le biais tant un biais de volatilit. Lorsque [vol(t, T )]2 est une fonction croissante de la maturit e e e (ce qui est une hypoth`se couramment faite sur les marchs), le biais de volatilit est toujours positif e e e dans lunivers risque-neutre. La courbe des taux forwards, dduite de la courbe des taux aujourdhui sous-estime lesprance risquee e neutre des taux futurs. Pour lestimation future de la courbe des taux, en vue dtablir des stratgies de couverture notamment, e e ou de lanalyse de performance de certaines stratgies de portefeuille, ltude est a mener dans lunivers e e ` objectif ou historique. Il faut donc rajouter au biais de volatilit pur, le biais li aux primes de risque e e dont nous avons vu quil mesure la covariance entre les taux et le rendement du numraire de march. e e Autour de cette courbe moyenne estime, nous construisons les courbes fronti`res dintervalles de e e conance, et dont lcartement dpend de la maturit des taux considrs, par lintermdiaire de leur e e e e e e volatilit. Toutefois, compte-tenu du niveau assez faible de la volatilit des taux, lapproximation qui e e consiste a estimer la courbe des taux futurs par la courbe des taux forwards lue sur la courbe des taux ` aujourdhui est souvent acceptable au premier ordre. (voir le graphique) La question didentier les lments a prendre en compte pour expliquer les dformations de la courbe ee ` e des taux est complexe. Une technique classique pour aborder ce probl`me est lanalyse en composantes e principales, qui permet de dterminer les mouvements principaux des courbes des taux et leur importance e relative au cours du temps. De nombreux tests eectus sur le march franais (Lacoste [?]), amricain e e c e (Scheinkman [?]) ou anglais (Schaeer [?]) montrent que les principaux mouvements sont au nombre de trois, les dplacements parall`les, la torsion due a une modication de lcart taux court taux-long, et une e e ` e variation de la courbure. Le premier mouvement a un pouvoir explicatif tr`s important (environ 80%), e le deuxi`me un pouvoir moindre mais encore signiant (17%), le dernier expliquant seulement 3% de la e variation des courbes. Le type de mouvements signicatifs est tr`s stable au cours du temps, mais leur e pouvoir explicatif peut changer un peu selon les pays ou les priodes. Ce dbat est repris sous dautres e e aspects dans le chapitre suivant, dans la partie relative aux mod`les de taux a facteurs. e `
9.4.4
Anticipation et gestion de portefeuille
Une bonne identication des param`tres de la loi des taux est dune grande importance dans la gestion e de portefeuille. Considrons un investisseur qui souhaite placer un capital de xF pour une priode de T annes, e e e uniquement dans du montaire ou des zro-coupon. Plusieurs possibilits sorent a lui : e e e ` faire un placement au jour le jour a la banque, qui lui permet notamment de ne pas immobiliser ` son capital investir directement dans un zro-coupon de maturit T e e faire un placement montaire jusqu` la date H, et investir ensuite dans un zro-coupon de maturit e a e e T H faire un placement dans un zro-coupon de maturit H puis un placement montaire sur la valeur e e e liquidative de portefeuille en H La valeur liquidative en T de son portefeuille ST di`re suivant les direntes stratgies adoptes. Elle e e e e
178
u peut toujours scrire comme xeXT o` : e
1 XT 3 XT 4 XT
= = =
T T 2 XT = 0 f (0, T )ds 0 rs ds, H T H 0 rs ds + H f (H, u)du = 0 rs ds + (T H)R(H, T H) H T 0 f (0, s)ds + H rs ds = HR(0, H) + (T H)R(H, T H)
Comme toutes ces variables sont gaussiennes , lesprance de la valeur nale du portefeuille, et sa variance e se calculent aisment comme e 1 EP [ST ] = eEP (XT )+ 2 var(XT ) (9.4.7) var[ST ] = (EP [ST ])2 [evar(XT ) 1] La deuxi`me stratgie est sans risque. En ce qui concerne les autres, leurs esprances et variances mettent e e e i en jeu la variance des XT qui scrit : e
1 var[XT ] = 3 var[XT ] = 4 var[XT ] = T |(s, T )|2 ds, 0 H |(s, T )|2 ds 0 T 2 H |(s, T )| ds 2 var[XT ] = 0
Pour le calcul des esprances, nous avons de mme que e e

1 EP [XT ] 2 EP [XT ] 3 EP [XT ] 4 EP [XT ]
= = = =
T R(0, T ) + 1/2 T R(0, T ) T R(0, T ) + 1/2 T R(0, T ) + 1/2
T 0
|(s, T )|2 ds
T 0
(s, T )s ds,
H H |(s, T )|2 ds 0 (s, T )s ds 0 T T |(s, T )|2 ds H (s, T )s ds H
Si linvestisseur est neutre au risque, la connaissance de la fonction de volatilit dtermine compltement e e e les dirents couples (rendement- risque) de ces stratgies. Plus prcisment, pour un niveau de risque e e e e donn, les stratgies admissibles ont le mme rendement. e e e Lorsque le risque est rmuner, se donner la variance du portefeuille ne dtermine pas compltement e e e e le rendement. A un niveau de risque donn, certaines stratgies ont un rendement moyen suprieur e e e aux autres. La prfrence que lon peut avoir pour telle stratgie par rapport a telle autre rv`le les ee e ` e e anticipations de linvestisseur concernant lvolution du march mais aussi ses primes de risque. e e
9.4.5
Arbitrage et thorie des anticipations instantanes e e
Pour clore cette section, nous revenons a une situation gnrale o` les volatilits des zro-coupons ne ` e e u e e sont plus supposes dterministes. Lanalyse prcdente reste valable, mais seulement localement, cest a e e e e ` dire que les anticipations de rendement et de variance doivent tre menes entre t et t+ dt seulement : e e pour la loi vue de t, la distribution des rendements peut tre localement assimile a celle de combinaison e e ` anes de variables gaussiennes. Comme nous lavons prsente dans le chapitre 1, la thorie des anticipations instantanes compare e e e e le taux moyen espr en t + dt pour une maturit , vu de t avec le taux forward en t pour lchance e e e e e t + dt et une maturit , Ft (t + dt, ). Lcart de rendement espr en sur lintervalle (t, t + dt) est une e e e e prime de terme instantane. Elle est donc mesure par la quantit e e e prime de terme (t, )dt = Et [R(t + dt, )] Ft (t + dt, ) P 1 1 |(t, t + )|2 dt (t, t + )t dt 2 = vart (R(t + dt, ) covt (R(t + dt, ), Lnt ) 2 (9.4.8)
179
Si la volatilit et les primes de risque sont dterministes, alors la prime de terme instantane est constante e e e dans tous les tats du monde. e Dans lunivers risque-neutre (t = 0), cette prime est toujours strictement positive. Dans lunivers historique, la situation est plus subtile et prend en compte lordre de grandeur des primes de risque intrins`ques au march t et la volatilit du zro-coupon de mme maturit que le taux. e e e e e e Il nest pas possible de trouver un vecteur de primes de risque pour lequel lunivers associ conduirait a des e ` 1 anticipations rationnelles (voir section ?) pour toutes les maturits, car si on anticipe que t = 2 (t, t+0 ) e pour une maturit 0 particuli`re, le taux de maturit 0 sera bien anticip par le forward, mais pour les e e e e 1 autres taux, la prime de terme sera de 2 (t, t + )[(t, t + ) (t, t + 0 )] . Dans les mod`les a volatilit alatoire, la prime de terme 6 peut tre dirente suivant les tats du monde, e ` e e e e e et dpendre notamment pour une chance donne du niveau des taux. e e e e
Constantinides (1993) fait une analyse prcise de cette question dans le cas dun mod`le quadratique gaussien e e
180
Chapitre 10
PRODUITS DERIVES sur TAUX dINTERET

10.1 Les INSTRUMENTS de COUVERTURE : FRAs, Futures, Swaps, Caps, Floors et Swaptions
Les contrats futurs sont cts sur les marchs organiss ce qui leur assure une grande liquidit et peu oe e e e de frais de transaction.
10.1.1
Contrats forward et FRAs
Un contrat Forward est un accord entre deux parties dacheter ou vendre un sous-jacent au temps future T . Dans un contrat Forward, tous les paiements ont lieu en T . Un contrat Forward sign en t, dlivrant en T , et de prix forward Ft (T, ) est dni par les e e e ux suivants : Le signataire du contrat reoit en T la quantit de lmetteur du contrat. c e e Le signataire du contrat paie en T le montant Ft (T, ) a lmetteur. ` e Le prix forward Ft (T, ) est dtermin en t de faon telle que la valeur du contrat soit nulle en t. e e c Le contrat forward se rsume donc a un payo de = Ft (T, ) en T . Par consquent, sa valeur e ` e est dtermine a toute date intermdiaire par la r`gle dvaluation habituelle. e e ` e e e Il convient de prciser la dirence entre le prix forward et la valeur dun contrat sign en t dexpiration e e e T et de payo . Pour ce faire, considrons un temps t < s < T : e Le prix forward (souvent appel le strike forward) Fs (T, ) correspond au montant vers en T a e e ` lmetteur du contrat sign en s. e e La valeur en s du contrat sign en t est : e Ft (T, )B(s, T ) (s, ) = B(s, T )(Ft (T, ) Fs (T, )) (10.1.1)
Exemple 10.1.1 Si lon consid`re un contrat forward sur un actif St , dni par le processus adapt e e e d ln St = r(t) dt + h(t) dWtQ sous la mesure de probabilit risque neutre Q en absence dopportunit e e darbitrage, alors : EQ t exp t,S
T
r(s) ds ST
t
= St et f (t, T, ST ) =
St B(t, T )
181
182 Les options sur forward
Dea de probabilit, option Finance e
Considrons une option call dchance T sur le prix forward associ au contrat sign en t dchance e e e e e e e TF > T . Le ux terminal de loption en T est T : = B(T, TF )(FT (TF , ) K)+
10.1.2
Les contrats Future
Un contrat Future di`re du contrat forward par le fait que le paiement se fait continment durant e u la vie du contrat, de faon a ce que la valeur du contrat soit constamment nulle. c ` Un contrat Future sign en t sur , dchance T est caractris par les proprits suivantes : e e e e e ee Sur la priode [t, T ], le prix future de livraison de en T est cot sur le march. e e e Le signataire du contrat paie en T le montant F uT (T, ) et reoit la quantit de la contre c e partie. Sur lintervalle [s, s + ds), s [t, T ), le signataire du contrat reoit la quantit F u s (T, ) F (s + c e ds, T, ), de la contre partie. La valeur du contrat future s est nulle s [t, T ].
Le contrat future peut donc tre vu comme un instrument nancier payant des dividendes continment, e u et dont lachat ou la vente ne cote rien. Il en dcoule que F uT (T, ) = , et par consquent il est inutile u e e de dlivrer le sous-jacent . De plus, en aucun moment on ne paie le montant F ut (T, ) mais uniquement e ses variations, ce pourquoi le terme prix utilis pour F est source de confusions. Comme le future est un e contrat forward qui paye un dividende, son valuation di`re des r`gles standards. On a en particulier e e e Le prix future est un processus F ut (T, ) dnit par : e F ut (T, T ) = EQ [T ] t
(10.1.2)
Remarque 10.1.1 Dans le cas o` les taux dintrts sont dterministes, le prix forward est le mme que u e e e e le prix future.
10.1.3
Les options sur future
En fonction de la place de march, les options sur futures sont traites diremment. Dans certains e e e cas, la prime de loption nest pas paye, et le vendeur reoit quotidiennement les variations du prix de e c loption. Ce sont les future-like options. Dans dautres cas, le vendeur de loption reoit la prime, puis c doit payer des appels de marges jusqu` lchance de loption. Ces options sont dites marked-to-market. a e e Leur valuation est tr`s dicile, car les appels de marges sont fonction du calcul de risque SPAN 1 que e e la caisse de compensation applique aux portefeuilles des traders en fonction de leur contenu. Cependant, en ngligeant ces derniers, il est possible den calculer le prix explicitement. e sc Les NOT-marked-to-market options Prenons le cas dun future obligataire livrant a lchance TF un zro coupon B(TF , TO ) et considrons ` e e e e une option call sur ce dernier, dchance T o` t < T < TF < TO . Alors le prix de loption est donn par : e e u e C(t, b; T, K) = EQ exp t,b
T
r(s) ds
t
EQ [B(TF , TO )] K T
(10.1.3)
sc Les future-like options Les future-like options sont traites exactement comme des contrats future, cest-`-dire que le ux journae a lier correspond a la variation du prix de loption et a lchance, lacheteur paie le prix initial de loption ` ` e e
1
Standard Portfolio ANalysis of risk
Produits drivs de taux e e
183
et le vendeur le payo de cette derni`re. Ceci rend lvaluation beaucoup plus simple. Se basant sur le e e mme argument que pour les futures (cf. page 182), le prix dun call est : e C(t, F (t, TF , ); T, K) = EQ t F uT (TF , ) K
10.1.4
Les Swaps
Quand la maturit augmente, comme pour les prts et les emprunts, les mcanismes mis en place dans e e e les annes 80 conduisent a changer a des dates pluriannuelles les coupons variables contre des coupons e è ` xes pays aux mmes dates. Lopration sappelle un swap. e e e Historiquement, les premiers swaps conclus au dbut des annes 1980 taient des swaps de devises La e e e simplicit du mcanisme nancier ainsi que le fait que le risque de contrepartie soit limit a un ux e e e ` dintrt et ne concerne pas le nominal expliquent le formidable succs des swaps de taux dintrt. e e e e e Un swap (du mot anglais signiant change) de taux dintrt est un contrat de gr a gr aux termes e e e e` e duquel deux parties sengagent a changer pendant un nombre dannes et pour un montant nominal è e dnis dans le contrat des ux dintrt annuels (ou pluriannuel) calculs pour une partie sur la e e e e base dun taux variable constat a des dates prxes et pour lautre partie sur la base dun taux e` e e xe, appel taux de swap. e Nous avons vu que le prix des contrats a terme se dduit des prix de march, par absence darbitrage. Ils ` e e sont caractriss par le fait que la valeur nanci`re globale de lopration est nulle a la date de signature e e e e ` du contrat. Cette mme r`gle prvaut pour les Swaps, qui prennent de la valeur d`s quils commencent e e e e a vivre. ` Nous verrons dans la suite que si le taux variable est prdetermin et ajust a la priode de paiement, sa e e e` e valeur peut tre dtermine a partir des donnes de march, sans rfrence a un mod`le spcique. e e e ` e e ee ` e e
10.1.5
Les instruments optionnels de taux
Les contrats a terme et les future sont lobjet doptions dont certaines sont ngocies sur le MATIF. ` e e Un contrat a terme est symtrique en terme de risque pour lacheteur et le vendeur. Par contre, ` e Moyennant le paiement dune prime a la date de signature du contrat, une option sur contrat a terme ` ` de taux dintrt garantit a son dtenteur le droit demprunter ou de prter a la date dchance, e e ` e e ` e e pour une maturit qui est celle du taux de rfrence, a un cours garanti, qui est souvent proche de e ee ` la valeur du taux forward. On parle aussi de caplet ou de oorlet Concernant les Swaps, plusieurs types doptions sont proposes e Les Caps Un investisseur a une dette pluri-annuelle,indexe sur un taux variable, par exemple lEURIBOR e trois mois. Il dsire swaper cette dette contre le paiement de coupons xes, mais seulement si les e taux variables ont beaucoup mont. Il ach`te donc un Cap, qui lui permet a chaque date de paiement e e ` de coupon de comparer le taux variable avec le taux garanti. Si le taux variable est plus grand que le taux garanti, il exerce son droit. Si le taux variable est infrieur au taux garanti, il y renonce. e Un point important : le taux garanti est le mme pour toutes les dates de paiement. e Les oors Les oors sont les analogues des caps, mais sur le principe de loption de vente. Les swaptions Un investisseur dsire rentrer dans un swap dans le futur. Moyennant une prime, il veut se garantir e
184

contre une hausse excessive du taux de swap, en achetant une caption, qui est une option dachat sur taux de swap, qui lui garantit un taux xe plafonn. Ce taux est souvent proche du taux de Swap e forward. Suivant sa position dans le Swap, il peut tre plutt intress par une option de vente. Il e o e e faut noter quen cas dexercice, ce sont tous les paiements futurs qui seront aects par loption. e
Ces derni`res annes des produits exotiques de taux dintrt, de type amricain, ont rencontr beaue e e e e e coup de succ`s. Il sagit des Swaptions Bermuda, o` linvestisseur peut choisir le moment o` il rentre e u u dans une swaption. Sil rentre apr`s le dbut de loption, la maturit du Swap sera rduite dautant. e e e e Les ex-caps ont galement rencontr un succ`s certain, par la possibilit quils orent de choisir les e e e e caplets du Cap qui seront excercs ( en nombre x dans le contrat). La prime est moins leve que celle e e e e dun Cap standard. Dautres options sont couramment traites, comme les options corridor ou Boost, qui parient sur la e stabilit des taux : moyennant une prime, on reoit un montant proportionnel au nombre de jours passs e c e par le taux de rfrence a lintrieur dun corridor, pendant la dure du contrat. ee ` e e De nombreuses variantes existent, les options ` cliquets, qui autorisent priodiquement la rednition a e e du corridor..... Les Caps CMS changent priodiquement un taux de Swap de maturit x dans le contrat contre un e e e e taux xe, si lopration est favorable a celui qui a pay la prime. e ` e Les profonds mouvements de taux dintrt qui ont aects les marchs europens pendant les annes e e e e e e 92-95, la grande volatilit des taux sur le march amricain, le passage a lEuro, ont ampli lintrt e e e ` e e e port aux produits drivs de taux ; en particulier, les marchs des Swaps, des Caps et des Floors, et des e e e e options exotiques sur taux ont vu leurs volumes de transaction exploser....
10.2
Introduction aux mthodes dvaluation e e
Le probl`me de lvaluation et de la couverture de produits de taux est un probl`me majeur depuis de e e e nombreuses annes. Pour traiter ce probl`me, la premi`re tape est celle de la description prcise de e e e e e lchancier associ au portefeuille, cest a dire lidentication des dates de paiement et des ux connus e e e ` ou alatoires attendus dans lavenir. Lorsque le portefeuille contient des produits hors bilan comme des e Swaps, des Caps, des Floors, ou dautres produits drivs, cette identication peut tre complexe.. e e e Lorsque les ux attendus dans le futur sont connus, notamment pour un portefeuille dobligations a ` taux xe, la valeur nanci`re du titre aujourdhui est, comme nous lavons vu a de nombreuses reprises, e ` reprsentable en absence dopportunit darbitrage a laide des prix zro-coupon . e e ` e Un ux alatoire pay a une date future T est pour le dtenteur du titre auquel il est associ doublement e e` e e risqu : e par suite de lincertitude dvaluation qui rsulte du fait quil nest pas connu aujourdhui e e a cause du risque de taux associ au fait que le paiement a lieu a une date future T . ` e ` ` Aussi lorsque les ux attendus sont alatoires, leur valuation demande un mod`le cohrent de dformation e e e e e de la courbe des taux, et un principe dvaluation qui repose lui aussi sur lAOA. e Lorsquon cherche a valuer et couvrir un produit driv sur un sous-jacent qui est un actif ngoci du è e e e e march, le principe de lvaluation qui est a la base de la formule de Black et Scholes est le suivant : on e e ` construit un portefeuille autonanant qui duplique les ux alatoires attendus dans le futur. Le prix du c e produit driv est la valeur nanci`re de ce portefeuille qui est le portefeuille de couverture. e e e Dans un march o` les taux sont alatoires, au risque propre du sous-jacent, en gnral mesur par sa e u e e e e volatilit, sajoute donc le risque de taux. Comment dans ce contexte, calculer le prix de certains produits e
185
et les couvrir ? Dans le cas des options sur taux, le risque spcique est directement li au risque de taux. Dans ce e e contexte, peut-on encore calculer les prix doptions du type cap et oor et autres produits drivs, avec e e des formules de type Nlack et Scholes. ? Lvaluation et la couverture des produits de taux dintrt repose quil sagisse dobligations, dobligations e e e a taux variable, de Swaps, ou de Caps ou de Floors sur la mme mthodologie ` e e modliser les ux alatoires ou non attendus et leurs dates de paiement e e valuer lquivalent certain, (ou contrat forward) vu daujourdhui, de ces ux . e e
10.3
10.3.1
Identication de lchancier e e
Quelques exemples dchanciers e e
Obligation taux xe
Soit une obligation de taux de coupon C, annuel, de nominal 100F et de maturit T = t + N . Les e ux sont de la forme (C, Ti ) pour i = 1.....N 1 et (100 + C), TN a lchance ` e e Exemple 10.3.1 Considrons lOAT 10024, dchance le 21 Janvier 2005, de taux de coupon 9,7%. A e e e la date du 21 Janvier 1995 lchancier est le suivant : e e Ti = 21/01/1995 + i, Ci = 9, 7, TN = 21/01/2005, CN = 100 + 9, 7
A la date du 30 Mars 1995, lchancier est le mme. En particulier il nest pas intgr dans cette e e e e e reprsentation, la variation du coupon couru. e
Obligation a taux variable `

Soit une obligation rfrence sur un taux de march not T M qui peut tre le TAM, le T4M, ou le ee e e e e TME par exemple, de nominal 100F et de maturit T = t + N . e Si les taux sont postcompts les ux sont de la forme (T M (Ti ), Ti ) pour i = 1.....(N 1) et (100 + e T M (TN )), TN a lchance. ` e e Si les taux sont prcompts, les ux ont la mme forme, mais mettent en jeu des taux de la forme e e e (T M (Ti d), Ti ), o` d est la fraction danne qui mesure lcart entre le moment o` le taux est connu et u e e u celui o` il est pay. u e Les Swaps CMS rentrent dans cette catgorie. e Exemple 10.3.2 Lobligation a taux variable rfrence sur le TME a comme chance le 31 Mars 2000. ` ee e e e Les coupons annuels sont rfrencs sur le TME de la date de paiement. Le TME tant un taux long, il ee e e y a dans ce cadre un grand dcalage entre la la maturit des taux et lespacement des paiements. Nous e e verrons que ceci induit un risque rel. e
Swaps
Dans la description de lchancier dun Swap, on distingue la branche variable, qui correspond a des e e ` paiements rgulirement espacs (par exemple tous les trois mois) dune fraction (gale a nombre de jours e e e e ` du mois/360) du taux variable de rfrence, (par exemple le taux Euribor 3 Mois), constat a la date de ee e` paiement prcdente. En dautres termes, le paiement en Ti+1 = Ti + est le taux L(Ti , ). e e La branche xe consiste au paiement aux mmes dates du taux xe, ou taux de Swap,T Swap qui est x e e
186
dan le contrat. Lchancier est donc de la forme (L(Ti , ) T SW , Ti+1 ), pour des indices i=1,...N, et des dates Ti = e e T0 + i. Noter que par un artice, on peut toujours rajouter 100FF a la branche variable, a lchance du Swap ` ` e e et 100FF a la branche xe a la mme date et que cela na pas dimportance si la courbe dactualisation ` ` e est la mme. Le Swap ressemble alors a une obligation a taux variable. e ` `
Option dachat sur obligation

Les caractristiques de loption sont son chance TC et son prix dexercice K, celles de lobligation e e e sont sa maturit T > TC , et les coupons Ci pays apr`s la maturit de loption aux dates : e e e e TOC = TC < T1 < T2 < ... < TN = T Nous notons Ot la valeur nanci`re en t de cette obligation. e Les ux attendus dpendent du fait quil y a exercice ou non en TC . e Dsignons par E levenement alatoire : il y a exercice a la date TC , e e ` E = {OTC K} Les ux alatoires associs a cette option peuvent tre dcrits de deux mani`res : e e ` e e e Lors de lexercice, le titre est livr. Les ux attendus sont alors de : 0 si E nest pas ralis et sur e e e E de la forme, (K, TC ) et (Ci , Ti ) i = 1....n Le titre peut aussi tre rengoci immdiatement a sa valeur nanci`re, sans cot de transaction e e e e ` e u et le ux est alors de OTC K sur E, 0 ailleurs.
10.4
Evaluation forward
La deuxi`me tape est lvaluation et la couverture de ces ux, pays dans le futur, et donc a priori e e e e ` soumis au rique de taux. Lorsque les ux sont connus, comme par exemple dans le cas des obligations, la connaissance des prix des zro-coupon aujourdhui sut a dterminer sous lhypoth`se dAOA la valeur nanci`re de tels titres. En e ` e e e particulier le prix a la date t dune obligation est donn par ` e
N
Ot =
i=1
Ci B(t, Ti )
(10.4.1)
Si les ux sont alatoires, notamment par exemple pour une obligation a taux variable, ou dans la branche e ` variable dun Swap, il est souhaitable dobtenir une repsentation du prix a la date t par une relation e ` similaire, ce qui revient a remplacer le ux alatoire (Xi , Ti ) par un son quivalent certain vu de la ` e e date t. En dautre terme, cela revient a xer a la date t le prix auquel on serait prt a nancer le ux alatoire ` ` e ` e Xi en Ti . Mais cest exactement la dnition du prix a terme ngoci en t, dont nous noterons le cours e ` e e t (Xi , Ti ), calcul de mani`re a donner une valeur nanci`re nulle au contrat a terme a la date t de e e ` e ` ` ngociation. Le prix dune obligation a ux ventuellement variable est alors e ` e
N
Ot =
i=1
t (Xi , Ti )B(t, Ti )
(10.4.2)
187
10.4.1
Exemples de contrats dont lvaluation ne demande pas de mod`le e e
Contrat forward sur un actif nancier

Lorsque XT est la valeur en T dun actif S , cest a dire lorsquon crit un contrat forward sur un ` e actif qui ne paye pas de dividende, nous avons vu que par un petit raisonnement darbitrage t (ST , T ) = St B(t, T ) (10.4.3)
En particuler, le montant a investir en T pour se garantir 1F F pay en T+ peut tre valu en t comme ` e e e e le prix dun contrat forward sur le zro-coupon Bt (T, T + ), soit B(t,T +) . e B(t,T ) Le taux de rendement linaire de cette opration est le taux forward linaire L t (T, ). e e e
Contrat forward sur un taux prdtermin e e e

Considrons un taux variable prcompt de h intervenant dans les ux dune obligation a taux e e e ` variable, ou dans la branche variable dun Swap. Si le taux linaire, L(T h, T ) est pay en T , lquivalent certain de ce taux est le taux linaire forward e e e e entre les dates T h et T . t (L(T h, h), T ) = Lt (T h, h) (10.4.4) Preuve : En eet, considrons un investisseur qui cherche a se garantir un revenu en T associ au e ` e placement de 1Euro a la date T h. Le ux alatoire garanti est ` e 1 + hL(T h, h)) Mais un contrat a terme sur la mme opration lui garantit en T le paiement associ au taux a terme ` e e e ` 1 + hLt (T h, h) Ces deux oprations a terme garantissent le mme ux en T h, elles ont donc la mme valeur aux e ` e e dates intermdiaires, soit e 1 + ht (L(T h, h), T ) = 1 + hLt (T h, h) = En terme de taux dintrt, cel` sexprime par e e a t (L(T h, T ), T ) = Lt (T h, h) (10.4.5) B(t, T h) B(t, T )
Calcul du taux de Swap

La branche variable dun taux de Swap est donc donne par e
N
branche variablet
=
i=1 N
B(t, Ti )t (L(Ti1 , ), T ) B(t, Ti )[

i=1
(10.4.6)
B(t, Ti1 ) 1] = B(t, T0 ) B(t, TN ) B(t, Ti )
Cette remarque jointe au fait que la valeur dun Swap est nulle au moment de la signature du contrat, conduit a la caractrisation suivante du taux de Swap ` e B(t, T0 ) B(t, TN )
N i=1
TtSW (T0 , TN ) =
B(t, Ti )
(10.4.7)
188 Contrat a terme sur le taux court `
Supposons maintenant que le taux de rfrence pay en T soit le taux court r T , cest a dire aussi la ee e ` limite quand h tend vers 0 de L(T h, T ). De mme , le taux spot forward f (t, T ) est la limite des taux e forwards Lt (T h, T ). Ces taux sont donc lis par e t (rT , T ) = f (t, T ) (10.4.8)
10.4.2
March ` terme et probabilit forward neutre ea e
Dans le cas gnral, un ux alatoire XT vers a lchance T est valu suivant le principe habituel de e e e e` e e e e lvaluation dgag dans le Chapitre 4 sous le nom dvaluation risque-neutre, comme la valeur moyenne e e e e sous la probabilit risque neutre du ux terminal actualis e e t (XT ) = EQ [exp ( t
T
rs ds) XT ]
t
(10.4.9)
Il faut donc a priori modliser les corrlations entre les taux et les ux alatoires. De mme le contrat ` e e e e forward se calcule comme EQ [exp t rs ds XT ] t (XT ) = t Q t (XT ) = T B(t, T ) Et [exp t rs ds]
T
(10.4.10)
Ainsi, de mme que le prix scrit comme une esprance, de mme le contrat forward scrit comme une e e e e e esprance par rapport a la probabilit appele forward-neutre et note Q T . e ` e e e t (XT ) = EQT [XT ] t (10.4.11)
Dans ce cadre, les instruments de couverture seront naturellement les contrats forwards de la maturit e T. Nous avons plusieurs mani`res de caractriser cette probabilit forward : e e e En calculant sa densit par rapport a la probabilit risque-neutre Q, grce a la comparaison des e ` e a ` deux formules dvaluation (10.4.9) et (10.4.11). e exp 0 rs ds dQT = b dQ B(0, T )
T
(10.4.12)
Lquation des prix zro-coupons, jointe a la condition B(t,t) =1 entraine que cette densit est une e e ` e martingale exponentielle, associe au vecteur de volatilit du zro-coupon de maturit T . e e e e dQT = exp dQ
T 0
(s, T )dWs
1 2
T 0
|(s, T )|2 ds
B(t,T +) B(t,T )
(10.4.13) dduites des e
En crivant que sous la probabilit QT , la dynamique des contrats forwards e e quations de chapitre prcdent a un rendement instantan nul. e e e e On voit alors facilement que WtT = Wt
t
(s, T )ds
0
(10.4.14)
doit tre un QT mouvement brownien. e La probabilit forward QT est la probabilit risque-neutre attache au choix de largent de la date T e e e comme numraire, dont la valeur en t est B(t, T ) e Lquation dvaluation montre que tous les contrats forwards ont des prix martingales (locales) par e e rapport a la probabilit forward. En particulier, la relation (10.4.8) montre que le spot forward est ` e une martingale.
189
10.4.3
Correction de convexit pour les contrats forwards e
Nous avons vu que le contrat forward associ a un taux prdtermin est le taux forward. Lorsquil e` e e e ny a pas adquation entre le priode qui spare les dates de paiement et la maturit du taux, on doit e e e e corriger le taux forward pour avoir la valeur du contrat forward, qui jouera un rle dterminant dans la o e thorie des options. e
Les formules gnrales e e

Lune des caractristiques des produits de taux dintrt est le fait que le taux pay a une date donne e e e e` e est souvent connu en avance. Plus gnralement, cela revient a considrer un ux alatoire, connu a la e e ` e e ` date T , XT , et pay a une date future T + h. Dans le cas des taux par exemple, on connait lesprance de e` e cette variable sous QT +h et on voudrait la connaitre sous QT . Plus gnralement, on peut tre intress e e e e e a connaitre la distribution sous QT , connaissant celle sous QT +h . ` Le rsultat gnral suivant donne une intuition de la nature de la correction. e e e Thor`me 10.4.1 Evaluation en retard e e Soit XT une v.a. FT -mesurable. La valeur du contrat a terme dchance T di`re de celle dchance ` e e e e e T + h par : EQT [XT ] = Et T +h [XT ] + covt T +h t
Q Q
XT ,
hL(T, h) 1 + hLt (T, h)
(10.4.15)
La covariance est une covariance globale et non locale. Plus gnralement, la densit de probabilit de QT par rapport a QT +h , sur la tribu FT est donne par e e e e ` e 1 + hL(T, h) dQT = dQT +h 1 + hLt (T, h) Evaluation en avance Soit XT une v.a. FT -mesurable. Et T h [XT ] = EQT [XT ] + t
Q T T h
(10.4.16)
covQs (XT , rs )ds t
(10.4.17)
En particulier, le prix dun contrat future di`re du prix forward par e EQ [XT ] = EQT [XT ] + t t Preuve : Par construction des probabilits QT et dQT +h , nous avons e EQT [XT ] = t B(t, T + h) QT +h Et XT B(T, T + h)1 B(t, T ) 1 + hL(T, h) Q = Et T +h XT 1 + hLt (T, h) 1 + hL(T, h) Q Q = Et T +h [XT ] + covt T +h XT , 1 + hLt (T, h)
T 0
covQs (XT , rs )ds t
(10.4.18)
Si maintenant on sintresse a lvaluation dun taux connu seulement dans le futur, par rapport a la e ` e ` date de maturit du contrat, cest a dire a un ux quon constatera plus tard Le plus simple est de e ` `
190
tout ramener a la probabilit risque neutre en notant que la dirence des densits de Q T et de QT h ` e e e peut scrire e

dQT dQT h |Ft dQ dQ
= e = e =
T h (rs f (t,s))ds t
T (r f (t,u))du T h u
1 (rs f (t, s))ds
T h
T T h
s (ru f (t,u))du t
(rs f (t, s))ds
Il sut de prendre lesprance de la variable XT par rapport a ces deux probabilits, pour obtenir la e ` e formule du thor`me, en utilisant que lesprance forward du taux spot est le spot forward. e e e Exemple 10.4.1 Nous considrons le paiement a la date T dun taux connu en T h et de maturit e ` e h + . Le contrat forward sur le taux associ au paiement en T + est connu comme le taux forward e Lt (T h, h + ). La correction de convexit conduit a e ` EQT [L(T h, h + )] = Lt (Th , h + ) + covt T +h [L(T h, h + ), t
Q
10.4.4
Correction de convexit lorsque les volatilits sont dterministes e e e
Hypoth`se e Les volatilits des zro-coupon sont des fonctions dterministes. e e e Les zro-coupon sont log-normaux et les taux continus, dont les taux spot forwards sont gaussiens. e Ces proprits sont conserves sous toutes les probabilits forwards. De plus dans lvaluation des moments ee e e e des variables gaussiennes, les structures de variance et covariance ne dpendent pas de la probabilit de e e rfrence. Une application immdiate de cette remarque et des rsultats ci-dessus est la proposition ee e e suivante Proposition 10.4.1 Correction des taux continus Sous la probabilit QT , les taux instantans ont comme esprance : e e e EQT (R(T, )) = R0 (T, ) + var(R(T, )) 2 Sous la probabilit QT +h , les taux instantans ont comme esprance : e e e EQT +h (R(T, )) = EQT (R(T, )) hcov(R(T, ), R(T, h)) (10.4.21) (10.4.20)
10.4.5
Options sur zro-coupon et caplet e
Option sur zro-coupon e

On consid`re un Call de strike K et de maturit TC , sur le zro-coupon B(t, T ), T TC . Son prix a e e e ` linstant t est donn par e Ct (TC , K, T ) = B(t, TC )EQTC (B(TC , T ) K)+ (10.4.22)
T h (rs f (t,s))ds t
s (r f (t,u))du T h u
hL(T, h) ] 1 + hLt (T, h)
(10.4.19)

Sous la probabilit QTC , le contrat forward Bt (TC , T ) = e
191
B(t, T ) est une martingale de vecteur de B(TC , T ) volatilit (t, T ) (t, TC ). Dans le cas o` ces volatilits sont dterministes, on peut appliquer la e u e e formule de Black, qui donne le prix sous la forme Ct (TC , K, T ) = B(t, T )N (d1 ) KB(t, TC )N (d0 ) 1 1 B(t, T ) + t,TC d1 = Log KB(t, TC ) 2 t,TC TC t d0 = d1 t,TC
TC t
(10.4.23) TC t
TC t
|t,TC |2
|(s, T ) (s, TC )|2 ds
(10.4.24)
La couverture se fait a partir de N (d1 ) zro-coupon de maturit T et N (d0 ) zro-coupon de maturit TC . ` e e e e
Caplet
Un caplet de strike et de maturit T est un produit driv qui garantit la possibilit demprunter en e e e e TC au taux Euribor de maturit au niveau maximum de K. Le ux garanti est (L(TC , ) K)+ en e TC + . Mais lopration est quivalente a acheter en TC une option de vente sur zro-coupon de maturit e e ` e e 1 T de strike 1+K , en nombre 1 + K. Cest donc un Put sur un zro-coupon , que nous pouvons valuer de mani`re tr`s similaire. e e e e Le march, comme nous le verrons dans le chapitre suivant travaille plutt avec une modlisation loge o e normale du taux Euribor, ce qui lam`ne a appliquer la formule de Black et Scholes au taux forward e ` directement.
10.5
Options sur obligations ` coupons, Swaptions a
Consid`rons un chancier de ux alatoires , caractris par : e e e e e e les dates de tombe des ux, qui sont dsignes par : e e e 0 < T1 < T2 < ... < Tn = T le ux alatoire Fi attendu a la date Ti . e ` La valeur nanci`re en 0 de cet chancier est donne par la somme des ux futurs actualiss, soit : e e e e e
i=n
V0 =
i=1
Fi B(0, Ti )
Fi = EQTi (Fi )
(10.5.1)
La r`gle dvaluation des ux alatoires donne immdiatement le prix de cette option e e e e

d
Call(t, TC , K, TC + ) =
i=1
B(0, Ti )Ci QTi (E) KB(0, TC )QTC (E)
(10.5.2)
Pour obtenir un rsultat complet, il reste a dcrire de mani`re simple lensemble dexercice. Ceci est e ` e e notamment possible dans le cadre du mod`le de Vasicek tendu, car les zro-coupon sont des fonctions e e e dterministes dcroissantes du taux court. Il existe donc une valeur du taux court r K telle que e e O(TC , TC + , rK ) = K (10.5.3)
192
DEA de Probabilit, option nance,2003/2004 e
de telle sorte quen posant Kj = B(TC , Tj , rK ), le prix de loption devient Call(t, TC , K, TC + ) =

i=1d
B(0, Ti )Ci N (dj ) KB(t, TC )N (dj ) TC t (10.5.4)
dj d0
= d1 t,TC
1 B(t, Tj ) 1 Log + t,TC Kj B(t, TC ) 2 t,TC TC t TC t
Cel` permet dobtenir une gnralisation de la formule de Black, o` il nest pas dicile de montrer que a e e u le prix de lobligation est une fonction monotone de Zt (Hypoth`se 7). Le prix de loption prend alors la e forme dune formule de Black gnralise. e e e
Chapitre 11
LE MODELE LOG-NORMAL sur TAUX PIBOR

Introduction
Dans les travaux rcents sur les taux dintrt, le mod`le log-normal de Brace-Gatarek-Musiela a reu e e e e c un echo important dans de nombreux tablissements nanciers, parce quil semble utiliser au mieux les e donnes du march sur les caps et oors, garantit que les taux forwards restent positifs et donc aussi les e e taux de swaps. Il est a mettre en regard avec les mod`les a volatilit dterministe sur les prix zro-coupon , ` e ` e e e calibrs` partir de la courbe des taux aujourdhui du type Heath, Jarrow, Morton, ou encore Hull et White. ea Des rfrences importantes sur le sujet sont aussi les travaux de Miltersen-Sandmann-Sondermann. ee Plus dicile a mettre en oeuvre que les mod`les log-normaux sur les prix, car il nexiste pas de ` e formules exactes pour le pricing des swaptions, ce mod`le est malgr tout calibrable, car au prix de petites e e approximations, il est possible de donner des mthodes de calcul numrique rapides des prix de swaptions. e e Ceci est indispensable pour faire tourner rapidement les procdures de minimisation quadratique pour e lidentication des param`tres, qui incluent en gnral une vingtaine doptions. e e e Nous nous proposons de montrer rapidement les fondements de ces deux mod`les, et den discuter e lecacit en termes de modlisation et de calibration. e e Pour amorcer la discussion, commenons par quelques remarques sur le pricing des caplets. c
11.1
Pricing des caplets
Nous abordons sur lexemple des caplets lincidence dune modlisation log-normale en prix et une e mod`lisation en log-normale en taux. Or la discussion sur lexistence dun lien structurel entre les options e sur taux et celles sur prix, ne se rev`le pertinente que si on prend en compte les dates de paiement des e ux optionnels. Lanalogie est avec la symtrie Call domestique-Put foreign entre deux marchs mrite e e e dtre souligne. e e Ceci nous am`ne a introduire les deux marchs a terme qui sont naturellement associs au probl`me. e ` e ` e e 1. Le march a terme dchance T + o` T + est lchance du caplet, dans lequel est pay le e` e e u e e e direntiel de taux, lorsque loption est exerce. e e 2. Le march a terme dchance T correspond a lchance des options sur prix zro-coupon . e` e e ` e e e
193
194
Ces marchs sont rfrencs sur des numraires dirents. Le taux de change franc de terme (T + )e ee e e e franc de terme T est gal au zro-coupon forward, not Bt (T, T + ) et inversement le taux <<franc a e e e ` terme T -franc de terme T + >> est gal au facteur de capitalisation forward e Bt (T, T + )1 = 1 + Lt (T, ) = Lt (T, ) (11.1.1)
La question pose en terme de pricing sur taux ou pricing sur prix est alors une question de choix du e march dvaluation. e e
Symtrie Call sur taux- Put sur prix e

Labsence darbitrage entre ces deux marchs a terme implique quune option dachat sur les taux e ` dintrt pays a chance T + , transforme par le taux de change est quivalente a une option de vente e e e è e e e ` dchance T , sur un zro- coupon forward.Bt(T, T + ). En eet e e e date T + T flux 1 + L(T, ) 1 flux 1 + K = K (1 + K)B(T, T + )
En rsum, on a la symtrie suivante : e e e Callforwardt (L, T + , K) = Callforwardt (L, T + , K) = Lt (T, )KPutforwardt (B, T, K
1
(11.1.2) (11.1.3)
Cette formule conduit naturellement a son analogue en prix daujourdhui, qui, bien que plus simple, est ` en fait moins utilisable, car les prix forwards nont pas de proprits simples dans le march daujourdhui. ee e Callt (L, T + , K) = (1 + K)Putt (B, T, (K)1 ) (11.1.4)
11.1.1
Dynamique des taux-dynamique des prix
Si nous souhaitons poursuivre lanalogie avec les taux de change, notons que puisque les deux marchs e de rfrence nont pas de taux dintrt, dans le T -march le taux de change B t (T, T + ) est de ee e e e rendement nul, et quil en est de mme dans le (T + )-march pour 1 + Lt (T, ) et ces deux processus e e ont la mme volatilit, alatoire ventuellement. e e e e Plus prcisment, la dynamique du zro-coupon est donne par sa volatilit { s (T, ); s T }, e e e e e dBt (T, ) = t (T, )dWtT Bt (T, ) (11.1.5)
A priori W T est un mouvement brownien pour le T -march, multidimensionnel, et la fonction est e alatoire et vectorielle. De mme e e dLt (T, ) = t (T, )dWtT + (11.1.6) Lt (T, ) o` W T + est un brownien multidimensionnel dans le (T + )-march. u e Il est utile de noter pour la suite que les liens entre ces deux processus sont simples dWtT + = dWtT + + t (T, )dt (11.1.7)
Le mod`le Log-normal sur les taux Pibor e
195
Lt (T, ) est aussi de rendement nul, et sa volatilit {s (T, ); s T } est relie a celle des prix forwards e e ` par, Ls (T, ) s (T, ) = s (T, ) (11.1.8) 1 + Ls (T, ) En particulier, si Bt (T, T + ) est log-normal dans le T -march, Lt (T, ) est log-normal avec la e mme volatilit dans le (T + )-march et la distribution de L(T, ) est la loi log-normale dcale. e e e e e
11.1.2
Pricing en taux et pricing en prix
Cette remarque permet de simplier considrablement la discussion sur le mod`le en taux ou en prix. e e 1. La prsence dun march de futures de taux dintrt conduit naturellement le march a prfrer e e e e e` ee une modlisation en terme de taux, sur le march a terme dchance T + . e e` e e 2. La formule du march suppose que dans le (T + )-march, le taux forward Lt (T, ) diuse de e e mani`re lognormale a partir du taux forward. e ` 3. Considrons maintenant une modlisation log-normale sur les prix des zro-coupon , dans le T e e e march. Le facteur de capitalisation Lt (T, ) est dapr`s la remarque prcdente log-normal dans e e e e le (T + )-march, et la discussion sur le pricing se ram`ne simplement a savoir si on applique la e e ` formule de Black au taux ou au facteur de capitalisation. Le rsultat est sensiblement dirent puisque dans le premier cas, nous aurons e e Caplettx t dtx 0 dtx 1
T
= B(t, T + )[Lt (T, )N (dtx ) KN (dtx )] 1 0 1 Lt (T, ) 1 ] t,T T t Ln[ = K 2 t,T T t tx = d0 + t,T T t
(11.1.9)
o` 2 (T t) = t |s (T, )|2 ds dsigne le carr de la volatilit moyenne du taux Pibor. u t,T e e e Dans le deuxi`me cas, e Capletpx t dpx 0 dpx 1
T
= B(t, T + )[(1 + Lt (T, ))N (dpx ) (1 + K)N (dpx )] 1 0 1 1 1 + Lt (T, ) = ] t,T T t Ln[ (1 + K) 2 t,T T t px = d0 + t,T T t
(11.1.10)
o` 2 (T t) = t |Gammas (T, )|2 ds dsigne le carr de la volatilit moyenne du zro-coupon sur la u t,T e e e e priode t,T . e Remarque Dans le cas des options a la monnaie, cela conduit a ` ` Caplettx t Capletpx t 1 1 = B(t, T + )[Lt (T, )N ( t,T T t) N ( t,T T t))] 2 2 1 1 = B(t, T + )[(1 + Lt (T, ))N ( t,T T t) N ( t,T T t))] 2 2
Comme la volatilit des zro-coupon est tr`s petite par rapport a celle des taux, nous avons lape e e ` proximation suivante, pour les volatilits implicites suivant le mod`le retenu, e e 1 1 Lt (T, ) 1 t,T T t = [N ( t,T T t) N ( t,T T t))] 1 + Lt (T, ) 2 2 2 (11.1.11)
196
Le dbat amorc sur la log-normalit taux versus log-normalit prix se ram`ne a un dbat sur la e e e e e ` e log-normalit de Lt (T, ) versus 1 + Lt (T, ). e En dautres termes, la question est de savoir si la distribution forward du taux L(T, ) est une loi log-normale ou une loi log-normale dcale. Seules les options en dehors de la monnaie e e donnent une information sur ce point.
11.2
11.2.1
Pricing des swaptions

Calcul du taux de swap, et du pay-o des swaptions
Taux de swap
En galant les valeurs aujourdhui des branches variable et xe dun swap initialis en T , associ a e e e` des changes de ux rgulirement espacs de , le taux de swap-forward se calcule aisment. e e e e e t (T, n, ) = 1 Bt (T, T + n)
n
B(t, T ) B(t, T + n)
n
(11.2.1)
j=1
Bt (T, T + j) Lt (T, n) 1
j=1
B(t, T + j) = nLt (T, T + n)

n j=1
n j=1
Lt (T + j, (n j))
1 + (n j)Lt (T + j, (n j))
La premi`re quation donne la reprsentation en prix du taux de swap, et la deuxi`me la reprsentation e e e e e en facteur de capitalisation ou en taux forward. Le taux de swap est donc une fonction des taux forwards de direntes maturits {L t (T +j, (nj)); j = e e 1...n 1}, ou de mani`re analogue de dirents taux de capitalisation {Lt (T + j, (n j)); j = 1...n 1}. e e
Pay-o des swaptions

Formule en prix Une swaption de prix dexercice 0 est associe a une promesse de ux ((T, n) 0 )+ aux dates e ` {T + j; j = 1...n}. Vu de lchance T , cela revient au ux e e
n n
px = ((T, n) 0 )+ T
j=1
B(T, T + j) = [1 B(T, T + n) 0
B(T, T + j)]+
j=1
Le pay-o est alors le mme que celui dun Put sur une obligation. On a donc une gnralisation de la e e e proprit des caplets (cas n=1). ee Formule en taux Dun point de vue forward de lchance (T + n = Tn ) du dernier cash-ow, les payements intermdiaires e e e sont capitalisables au taux forward et donc le payo devient :
n
tx T
= ((T, n) 0 )+
j=1
L(T + j, (n j))
n j=1
= (LT (T, n) 1 0
n
LT (T + j, (n j)))+
= (nLT (T, n) 0
j=1
(1 + (n j)LT (T + j, (n j)))+
Le mod`le Log-normal sur les taux Pibor e
197
Formule de march e Le march nadopte pas volontiers ces transformations, qui traduisent labsence darbitrage entre e lchance et le futur. Il prf`re modliser directement la distribution du taux de swap comme log-normale e e ee e autour de sa valeur forward. Ceci nest licite que sous une probabilit adquate, qui est la probabilit e e e
n
forward de numraire e
j=1
B(T, T + j), cest a dire une combinaison convexe des probabilits forwards ` e
des direntes dates de paiement. Cette modlisation garantit au taux de swap dtre toujours positif, e e e mais nest pas compatible avec lvaluation log-normale des caplets. e
11.2.2
Evaluation de la swaption dans le cas log-normal sur les prix
Quelque soit le point de vue adopt, lvaluation de la swaption demande de connaitre les lois jointes e e dun certain nombre de facteurs de capitalisation ou de taux forwards, associs a des chances qui sont e ` e e des multiples de . Nous savons dej` que les facteurs ou les taux qui sont associs a des paiements a la date nale, diusent a e ` ` autour de leur valeur daujourdhui dans le march forward de cette date mais leur volatilit peut tre e e e stochastique, et la distribution peut tre dicile a calculer. Lorsque les facteurs de capitalisation sur une e ` priode sont log-normaux, cette proprit se gnralise aux facteurs associes a des priodes qui sont e ee e e e ` e des multiples de . Cette proprit nest pas conserve dans le cas des taux log-normaux. ee e
Volatilits des facteurs de capitalisation et log-normalit e e

Dsignons par Lt (T, k) le facteur de capitalisation forward entre T et T + k. La possibilit de e e capitaliser par roll-over induit des proprits multiplicatives sur ces facteurs, au sens o` ee u Lt (T, k) = Lt (T, )Lt (T + , ).....Lt (T + j, )....Lt (T + (k 1), ) =
k1 j=0
Lt (T + j, )
(11.2.2)
Comme les volatilits sont additives pour les produits, nous voyons que la volatilit t (T, k) de Lt (T, k) e e est gale a la somme des volatilits des zro-coupon , e ` e e
k1
t (T, k) =
0
Gammat (T + i, )
(11.2.3)
En particulier, si la volatilit t (T + i, ) est dterministe, dans le march a terme (T + ), il est est de e e e` mme de la volatilit t (T, k), et les facteurs de capitalisation Lt (T, k) ont une volatilit dterministe. e e e e Comme ils sont de rendement nul, leur loi est log-normale. En particulier, ils peuvent ventuellement devenir plus petits que 1, ce qui conduit un taux de swap e ngatif ventuellement. Cest lune des objections majeures a ce mod`le. e e ` e
Evaluation de la swaption
Le pay-o de la swaption est une fonction des facteurs de capitalisation. Son prix est donc calculable a partir de la distribution des variables gaussiennes centres ` e
T
Uj =
t
T s (T + j, (n j))dWs n
(11.2.4)
198
1 puisque L(T + j, (n j)) = Lt (T + j, (n j)) exp[Uj 2 varUj ]. Le domaine dintgration est donc un ensemble de la forme e n j=1
Ki e Ui 1
La matrice de covariance des Uj est celle des Ln(L(T + j, (n j)) et est dsigne par K. e e Numriquement, et le mme argument sera repris dans lautre mod`le, il est indispensable de mettre en e e e oeuvre une procdure ecace de calcul de lintgrale multiple, en essayant en particulier de la ramener a e e ` une intgrale simple. B-G-M proposent de diagonaliser la matrice et den retenir le vecteur propre associ e e a la plus grande valeur propre comme facteur explicatif. En dautres termes, cel` revient a remplacer les ` a ` variables par leurs projections sur ce vecteur V , et ramener ainsi le probl`me a une intgrale simple. Si e ` e on a une bonne information sur les variances des variables, alors on peut faire la mme procdure avec e e la matrice des corrlations. e Pour des choix pertinents de fonctions de volatilits, la rduction de dimension seectue delle-mme car e e e on est alors dans des mod`les gaussiens a facteurs. e `
11.2.3
Evaluation de la swaption dans le cas log-normal sur les taux forwards
Volatilits des taux de direntes maturits e e e

Dans cette partie, nous xons une maturit donne , et supposons que les taux forwards de nimporte e e quelle chance sont log-normaux, de volatilit note t (T ). e e e e Pour simplier les notations relatives aux pricing de swaptions, nous xons la date T dchance de la e e swaption, et notons Lt (j, j + k) = Lt (T + j, k) et Lj = Lt (j, 1). t La formule de composition des taux de capitalisation implique donc que [1 + kLt (j, j + k)] = [1 + Lj ][1 + Lj+1 ]...[1 + Lj+k1 ] t t t (11.2.5)
La proprit de volatilit dterministe nest donc manifestement pas conserve dans ce produit a cause ee e e e ` du dcalage, contrairement a lautre mod`le. e ` e Deux voies se prsentent pour modliser les taux Lt (j, n j) sous la probabilit nale. e e e
1. exploiter le fait que les Lt (j, n j) sont centrs autour de leur valeur forward, mais a volatilit e ` e alatoire, e k1 Lt (j, j + k) Lj+i t t (j, j + k) = t (j + i) Lt (j, j + k) i=0 Lj+i t avec des notations videntes et essayer de trouver une approximation de cette volatilit. e e
2. soit utiliser la formule (11.2.7), et chercher a modliser seulement la loi des L j sous la probabilit ` e e t nale. Cest la solution propose par B-G-M. e Mais bien que ces taux aient une volatilit dterministe, le probl`me nest pas compltement rsolu car e e e e e ils ne sont pas centrs autour de leur valeur forward sous la probabilit de la date nale, mais sous la e e probabilit de lchance T + j. Ces taux ont en fait un dividende alatoire dont il faut tenir compte. e e e e B-G-M proposent de simplier le probl`me en le considrant comme dterministe, aectant seulement le e e e niveau autour duquel le taux diuse, soit Lj T 1 Lj = Lj j exp[Xj var(Xj )] t T 2 (11.2.6)
Calibration du mod`le de march e e
199
o` les Xj sont des variables gaussiennes centres, dont la matrice de covariance est approximativement u e j celle des Ln(LT ). Les coecients j peuvent tre ajusts de plusieurs mani`res : e e e 1. B-G-M propose de les calculer en remplaant le coecient alatoire du drift par sa valeur a la date c e ` t dvaluation. e 2. On peut aussi demander que avec cette approximation,
T n1 Et +n [1 + Lj ][1 + Lj+1 ]...[1 + LT ] = [1 + kLt (j, k)] T T
(11.2.7)
pour tous les j entre 0 et n 1, ce qui fait un syst`me linaire a rsoudre. e e ` e Lintrt de ce point de vue est que le moment dordre 1 des taux intervenant dans la formule est e e conserv. e On sest donc ramen a une situation tr`s proche de celle du mod`le log-normal sur les prix, mais la e ` e e fonction a intgrer a une forme dirente, a priori beaucoup plus dicile a intgrer. Les mmes remarques ` e e ` e e sur la mani`re de se ramener a une intgrale simple sont utilises. e ` e e Les tests empiriques montrent que la matrice de variance-covariance a une premi`re valeur propre plus e de 10 fois suprieure a la seconde, ce qui justie lapproximation uni-dimensionnelle. e ` Nous pouvons donc considrer que vu de la date nale, le mod`le de taux est quasi-log-normal. e e
11.2.4
Calibration de la fonction de volatilit e
La mthode de calibration propose par B-G-M est de type non-param`trique, pour un mod`le deuxe e e e 2 dimensionnel. Ils supposent quil y a deux param`tres de volatilit t (T ), t (T ) pseudo-stationnaires au e e 1 sens o sigmai (T ) = f (t)i (T t) t Les valeurs de f et i (T ) sont ajustes sur des prix de caps et oors et swaptions et sur les donnes de e e corrlations entre futures espacs de direntes chances. Les exemples montrent une fonction f proche e e e e e de 1, et deux facteurs dont aucun ne domine vraiment lautre.
11.2.5
Conclusion
Le point de vue log-normal sur les taux conduit a de proprits satisfaisantes de la famille des dirents ` ee e taux quil engendre. De plus, des approximations raisonnables, permettent de calculer les swaptions avec a peine plus de dicults que dans le cas log-normal sur zro-coupon . Toutefois la calibration des fonc` e e tions de volatilits reste assez complexe a raliser eectivement. e ` e Un autre inconvnient est le caract`re non-markovien, qui fait quil ne peut tre implment e e e e e numriquement sur un arbre. Il rend par suite dicile le pricing doptions a barri`re sur les taux par e ` e exemple. Pour ces raisons, les mod`les a facteurs de type Cheyette, ou Li-Ritcken-Subramanya etc.... e ` trouvent un regain dintret. e Rfrences ee A.Brace,D.Gatarek,M.Musiela (1997). The market model of interest rates dynamics. Mathematical Finance, Vol 7,no2, April 1997, 127-155 K.Miltersen,K.Sandmann, D.Sondermann(1995) Closed Form solutions for Term Structure Derivatives with Log-Normal interest rates. Preprint Universite of Bonn F.Jamshidian (1996) Libor and Swap Market Models and Measures preprint Sakura
200
Chapitre 12
Le mod`le de march : valuation e e e des swaptions et calibration

Remerciements Ce chapitre a t crit par Alexandre dAspremont de luniversit eee e de Stanford. Je le remercie bien vivement de sa contribution. La cohrence des notations e avec le chapitre prcdents nest pas parfaite, mais je nai pas eu le temps de tout corriger. e e
Dans le mod`le classique de [?] sur un actif, calibrer le param`tre de volatilit pour que le mod`le e e e e reproduise le prix dune option cote par le march consiste simplement a inverser la formule du prix. Ce e e ` prix tant une fonction strictement croissante de la volatilit, cette inversion ne pose pas de probl`me e e e numrique particulier. e Cependant, ceci nest plus aussi simple pour des mod`les plus complexes destins a capturer plus e e ` d`lement le smile sur le march action, ou les mouvements de la courbe des taux par exemple sur e e le march des taux. Pour calculer des prix doptions europennes tous les param`tres du mod`le tant e e e e e connus, Monte-Carlo est une solution idale. Mais pour rsoudre le probl`me inverse, i.e. calculer la valeur e e e des param`tres du mod`le qui rplique au mieux les prix doptions observs dans le march, les mthodes e e e e e e de Monte-Carlo sont a la fois trop lentes et trop instables pour permettre une calibration ecace et able. ` Ceci explique donc (en partie) pourquoi tant deorts sont consacrs a lobtention de formules fermes e ` e pour le prix des instruments de base. Cependant, il ne sagit que de lun des lments ncessaires a une ee e ` rsolution satisfaisante du probl`me de calibration. Au del` du calcul des prix, il faut en eet pouvoir e e a rsoudre numriqueement le probl`me doptmisation des param`tres du mod`le. Ceci nest en pratique e e e e e jamais simple, et la mthode qui consiste simplement a minimiser un crit`re (non convexe) du type e ` e moindre carrs entre les prix du mod`le et les prix de march peut savrer dangereusement lente et e e e e instable. Ci-dessous, nous allons examiner un cas o` tout se passe bien, celui du modle de march sur les taux u e e LIBOR. On verra comment une bonne approximation numrique du prix des swaptions dans ce mod`le e e permet de formuler le probl`me de calibration comme un programme semi-dni, programme quune e e extension rcente des mthodes de programmation linaire permet de rsoudre tr`s ecacement. e e e e e
201
202
12.1
12.1.1
Instruments de base
Zro-coupon et taux court e
Comme cest le cas dans tous les mod`les du type Heah-Jarrow-Morton, la description de la dynamique e de la courbe commence par lcriture de celle des zro-coupons, dnis sur un espace de probabilit e e e e (, {Ft ; t 0}, Q) o` Q est une probabilit risque neutre et {Ft ; t 0} est la Q-augmentation de la u e ltration naturelle du mouvement brownien de dimension d, W = {Wt , t 0}. dB(s, T ) = rs ds + B (s, T s)dWs , B(s, T ) o` 0. On suppose que la volatilit {B (t, ) = (t, t + ); 0} est un processus Ft -adapt a valeurs u e e` dans Rd , et que la drive /(B (t, )) est borne sur R2 . e e e Le taux court r(t) satisfait dr(s) = r(s, ) ds +
=0
B (s, )
dWs
=0
et (t) reprsente la valeur en t dune unit de compte capitalise en continu au taux court depuis linstant e e e 0. Labsence darbitrage entre le taux court et les zro-coupons impose alors a e ` B(t, T ) = B(0, T ) exp t
t 0
B (s, T s)dWs
1 2
t 0
B (s, T s) ds
dtre une martingale sous la mesure Q pour tout T > 0. Dans le cadre des mod`les par arbitrage a la [?], e e ` la dynamique de la courbe est alors enti`rement spcie par la donne de la courbe des taux aujourdhui e e e e et de la volatilit des zro-coupons B (s, T s). La particularit du mod`le de march est de spcier e e e e e e cette volatilit non pas directement, mais par lintermdiaire de contraintes sur la dynamique de taux e e forwards, les LIBORs.
12.1.2
Taux LIBOR et swaps
Vers le milieu des annes 80, la liquidit dans les marchs de taux sest tr`s rapidement dplace e e e e e e des obligations vers les swaps. Les taux swaps et les taux forwards correspondants (par ex. le LIBOR, pour London Inter Bank Oered Rates) ont donc rapidement remplac les taux zro-coupons comme e e instruments de rfrence dans la construction de la courbe. ee
Taux LIBOR
On note L(t, ) le taux LIBOR 1 = B(t, t + ) 1 + L(t, )
o` est gal a trois ou six mois en gnral. Le taux forward LIBOR dchance glissante est not u e ` e e e e e L (t, ) = Lt (t + , ), o` dans lquation de droite on fait rfrence aux notations du chapitre prcdent. u e ee e e Labsence darbitrage impose B(t, t + + ) 1 = = Bt (t + , t + + ) 1 + L (t, ) B(t, t + ) ou encore L (t, ) = B(t, t + ) B(t, t + + ) . B(t, t + + )
203
Pour simplifer, on suppose constant dans toute la suite et on crira L(t, ) a la place de L (t, ) quand e ` il ny a pas dambigu e. On note galement K(t, T ) le taux forward Libor dont la maturit est xe a la t e e e ` date T , avec K(t, T ) = L(t, T t).
Taux swap
Le taux swap est le taux qui annule la valeur aujoudhui de lchange de coupons xes (taux swap) e contre des coupons ottants (taux LIBOR par exemple) a une srie de dates T i , i = 1, . . . , n. Dans le cas ` e dun swap(t, T, Tn ) dont la branche ottante paye L (Ti , 0) aux dates Ti = T + i, i = 1, . . . , n, la valeur aujourdhui de la branche ottante est gale a B(t, T ) B(t, Tn ) et le taux swap scrit e ` e swap(t, T, Tn ) = o` u Level(t, T, Tn) =
i=1
B(t, T ) B(t, Tn ) Level(t, T, Tn)

n
B(t, Ti )
et swap(t, T, Tn )Level(t, T, Tn) est la valeur aujourdhui de la branche xe du swap. Dans ce qui suit, on utilisera une autre reprsentation du swap en tant que panier de taux forwards. e En eet on peut crire e
n1
swap(t, T, Tn ) =
i=0
i+1 (t)K(t, Ti )
avec i (t) =
B(t, Ti ) Level(t, T, Tn)
si on note T0 = T . On observe en pratique que la volatilit des poids i (t) est ngligeable par rapport a e e ` celle des taux forward K(t, Ti ), ce qui veut dire quon peut assimiler le taux swap a un panier de taux ` forward a coecients constants (voir [?]). Notons galement que lon a i (t) 0 avec ` e
n
i (t) = 1
i=1
et le swap est donc assimil en pratique a une combinaison convexe de taux forward. e `
12.2
12.2.1
Mod`le de march e e
Dnition e
A mesure que lactivit se dplaait des taux zro-coupons vers les taux LIBOR et swaps, des options e e c e ont naturellement commenc a tre traites sur ces dirents taux et le march a, par habitude, commenc eè e e e e a les coter en termes de volatilit de type Black et Scholes, alors que rien dans la modlisation ne justiait ` e e cette pratique. La question sest alors rapidement pose de savoir sil tait possible de spcier un modle e e e e arbitr au sens de HJM qui donne une volatilit dterministe aux taux LIBOR et swap sous les probas e e e forwards appropries. La rponse est un oui partiel, commme le montre ce qui suit. La solution propose e e e par [?] et [?] est de spcier la volatilit des zro-coupons a partir de celle des LIBOR. e e e ` La description du mod`le commence donc par imposer une volatilit lognormale au taux LIBOR e e dL(t, ) = (...)dt + L(t, )(t, )dWt
204
o` la fonction : R2 Rd est borne par R+ . La dynamique des zeo-coupons impose dautre u e r + + part dL(t, ) = + L(t, ) (1 + L(t, )) B + (t, + )( B (t, + ) B (t, )) dt 1 (1 + L(t, )) ( B (t, + ) B (t, ))dWt .
Pour obtenir une volatilit lognormale, il faut donc imposer a la volatilit des zro-coupons de satisfaire e ` e e B (t, + ) B (t, ) = La dynamique du LIBOR devient alors dL(t, ) = L(t, ) + (t, ) B (t, + )L(t, ) dt + L(t, )(t, )dWt . L(t, ) (t, ). 1 + L(t, )
Si, pour simplier, on impose ensuite B (t, ) = 0 pour tout [0, [, on obtient
1
(t, ) =
k=1
L(t, k) (t, k). 1 + L(t, k)
La volatilit des zro-coupons est donc stochastique (et relativement complexe), par contre celle des e e LIBOR est dterministe gale a (t, ). e e `
12.2.2
Caps
par
Options sur taux
Le prix dun cap dont les cash-ows sont (L (Ti1 , 0) K)+ aux dates Ti , i = 1, . . . , n est donn e
n Tj
capt =
j=1
Et exp
(L (Tj1 , 0) K)
soit capt =
n j=1
B(t, Tj )Et j (L (Tj1 , 0) K)
o` E Tj est lesprance sous la mesure forward dnie par u e e dQTj |t = B(t, Tj )1 exp ( dQ
Tj t
rs ds) = Et,Tj ( B (, Tj )).
Ici, Et,Tj () est la martingale exponentielle, prise entre les dates t et Tj dnie par e Et,Tj ( B (, Tj )) = exp
Tj t
B (s, Tj s)dWs
1 2
Tj t
B (s, Tj s)
ds .
Le sous-jacent du caplet pay en Ti+1 est le taux forward a maturit xe K(t, Ti ) avec K(t, Ti ) = L(t, Ti t) e ` e dont la dynamique dans le mod`le de march est donne par e e e
T dK(s, Ti ) = K(s, Ti )(s, Ti s)dWs i+1
205
et K(t, Ti ) est donc lognormal sous la mesure QTi+1 . Chaque caplet peut donc tre valu en utilisant la e e e formule de Black avec une variance VTi gale a e `
Ti
V Ti =
t
(s, Ti s)
ds,
en adoptant la convention (s, T s) = 0 quand T s < 0.
Swaptions
Le prix dune swaption de strike K, de maturit T crite sur le swap e e swap(t, T, Tn ) = est donn a la date t par e`
n Q P s(t) = B(t, T )Et T i=1 Ti
B(t, T ) B(t, Tn+1 ) Level(t, T, Tn)
(exp
rs ds) (swap(T, T, Tn ) K)
Cette formule dvaluation calcule le prix dune swaption comme la somme des prix des swaplets qui la e compose. Nous verrrons quil est plus avantageux dutiliser ici une approche a la Jamshidian, ([?]), qui crit le prix ` e dune swaption comme celui dun call sur le taux swap, sous une mesure martingale bien choisie. On dnit donc la mesure martingale swap QLV L avec e dQLV L |t = Q dQT Et T
Ti n i=1 (exp T rs ds) Ti n i=1 (exp T rs ds)
= B(t, T )
Ti n i=1 (exp T
rs ds) Levelt (T, Tn )
(12.2.1)
o` Levelt (T, Tn ) est encore une fois u

n
Levelt (T, Tn ) =
i=1
Bt (T, Ti ).
Ce choix de mesure martingale revient a prendre Levelt (T, Tn ) comme numraire. ` e La densit dQLV L /dQT |t est donne par la martingale exponentielle e e Et,Tn (h ) = B(t, T )
Tn n i=1 T
exp T i rs ds Levelt (T, Tn ) 1 2

Tn
(12.2.2) (12.2.3)
= exp
t
hs dWs
hs
t
ds
avec
n
ht =
i=1
Comme dans [?], le thor`me de Girsanov montre alors que e e n i1 B(t, Ti ) K(t, Tj ) dWtLV L = dWtT + (t, Tj t) dt level(t, T, Tn) j=0 1 + K(t, Tj ) i=1 est un QLV L -mouvement brownien et on peut rcrire le prix de la swaption comme ee
Q P s(t) = Level(t, T, Tn)Et LV L (swap(T, T, Tn ) K) +
i1 K(t, Tj ) B(t, Ti ) (t, Tj t) . Level(t, T, Tn) j=0 1 + K(t, Tj )
sachant que le swap forward est une martingale sous la mesure QLV L .
206
12.3
12.3.1
Evaluation des swaptions

Approximation de la dynamique du taux swap
La section prcdente montre que le prix de la swaption peut scrire e e e

Q P s(t) = Level(t, T, Tn)Et LV L (swap(T, Tn ) K) +
o` le swap u
n1
swapt (T, Tn ) =
i=0
i+1 (t)K(t, Ti )
avec i (t) =
B(t, Ti ) , Level(t, T, Tn)
est une QLV L -martingale dont la dynamique est donne par e

LV dswaps (T, TN ) = poids (s) + panier (s) dWs L
o` poids (s) est la contribution des poids dans la volatilit u e

n n
poids (s)(s) =
k=1
k (s)K(s, Tk1 ) B (s, Tk s)
i=1
i (s) B (s, Ti s)
et panier (s) est un terme provenant de la dynamique des forwards

n
panier (s) =
i=1
i (s)K(s, Ti1 )(s, Ti s).
ce dernier terme tant une moyenne pondre par i (s) des volatilits des taux forward K(t, Ti ). Lobjectif e e e e de cette section est dobtenir une formule dvaluation susamment simple pour permettre la rsolution e e du problme de calibration du mod`le de march aux prix de swaptions. Pour cela, il est ncessaire e e e e de commencer par faire deux approximations sur la dynamique des swaps (voir [?] ou [?] pour plus de dtails). e On suppose dabord que les poids sont constants gaux a leur valeur aujourdhui i (t) (les poids e ` sont des QLV L -martingales et leur volatilit est faible). e On ignore leet du changement de mesure QTi vers QLV L et on nglige donc le terme de drift de e LV L K(t, Ti ) sous Q . Moyennant ces hypoth`ses simplicatrices, le problme dvaluation de la swaption se rduit a calculer e e e e ` +
n1 i=0
P s(t) =
Q Level(t, T, Tn)Et LV L
o` la valeur de Level(t, T, Tn) est donne par le march et u e e

LV dK LV L (s, Ti ) = K LV L (s, Ti )(s, Ti s)dWs L
i+1 (t)K LV L (T, Ti ) K
avec comme valeur initiale K LV L (t, Ti ) = K(t, Ti ). Ceci revient a valuer un call sur panier dans un ` e modle de Black-Scholes multivari. e e
207
12.3.2
Calcul du prix
Il ny a pas de formule exacte pour calculer le prix de telles options, mais encore une fois, une approximation sut dans le cas particulier des swaptions. En eet, la volatilit du swap devient e
n1
dswaps (T, Tn )/swap(s, T, Tn ) =

i=0
i+1 (t)K LV L (s, Ti ) (s, Ti n1 LV L (s, T ) i i=0 i+1 (t)K
LV s)dWs L .
Pour pouvoir valuer le prix du call de mani`re explicite, on peut, en premi`re approximation, remplacer e e e la volatilit stochastique du swap e
n1 i=0
i+1 (t)K LV L (s, Ti ) (s, Ti n1 LV L (s, T ) i i=0 i+1 (t)K
s)
par une volatilit dterministe obtenue en substituant aux forward K LV L (s, Ti ) leur valeur aujourdhui e e K(t, Ti ). On obtient nalement une QLV L -martingale lognormale qui approxime le swap
n
dswaps (T, Tn )/swap(s, T, Tn ) =

i=1
LV i (s, Ti1 s)dWs L
avec i = ce qui peut encore scrire e i (t) = i (t) K(t, Ti ) swapt (T, Tn ) i+1 (t)K(t, Ti ) n1 i=0 i+1 (t)K(t, Ti )
Ceci permet dvaluer les swaption en utlisant directement la formule de [?], pour obtenir e P s(t) = Levelt (T, Tn )BS(swapt (T, Tn ), T, VT ) ou encore P s(t) = Levelt (T, Tn ) swapt (T, Tn )N (h) KN (h avec ln h= o` u
T n swapt (T,Tn ) K 1 + 2 VT
VT )
VT
VT =
t
(s)
ds avec (s) =
i=1
i (t)(s, Ti s).
Cette derni`re expression donne une approximation du prix des swaptions dont la prcision est de lordre e e de 1 a 4 points de base (ce qui signie une erreur de 104 sur le prix dune swaption sur un montant ` nominal gal a 1). Ceci est bien infrieur a la taille des fourchettes achat-vente qui sont plutt de lordre e ` e ` o de 10 25 points de base.
208
12.4
12.4.1
Calibration
Contraintes sur les prix de swaptions
Dans cette section, on sintresse au probl`me inverse. On dispose de donnes de march sur les prix e e e e de swaptions sur les swaps swapt (Tk , Tn,k ), k = 1, . . . , m. On dispose galement dun ensemble de donnes e e sur la courbe des taux qui permettent dvaluer swapt (Tk , Tn,k ), Levelt (Tk , Tn,k ) et i,k (t) et on cherche e a calibrer la volatilit (s, Ti s) sur les prix de swaptions (pour simplier, on ne sintresse ici quaux ` e e prix de swaptions, sachant que les caplets peuvent tre traits comme des swaptions a une priode). e e ` e Par simple inversion de la formule de Black, on commmence donc par calculer pour chaque prix de swaption pk une variance de Black VT,k de telle sorte que Levelt (Tk , Tn,k ) swapt (Tk , Tn,k )N (h) KN (h La variance VT dans cette formule peut scrire e VT = = =
T t T t T t
VT,k ) = pk ,
k = 1, . . . , m.
ds i (t) j (t)(s, Ti s)(s, Tj s)ds Tr(Xs )ds

n i,j=1
(s)
o` Tr X dsigne la trace de la matrice X, ayant dni u e e ij = i (t) j (t) et (Xs )ij = (s, Ti s)(s, Tj s). Si on discrtise la covariance Xs dans le temps, ceci devient e
T T
VT =
t
Tr(Xs )ds =
t
Tr(Xs )t = Tr(X)t,
o` les matrices et X sont maintenant bloc-diagonales. Pour reproduire les prix de march p k , il sut u e donc en fait dimposer les contraintes suivantes t Tr(X) = VT,k , m = 1, . . . , m,
ces contraintes tant linaires en la matrice de covariance X. Finalement, trouver une matrice de covae e riance qui satisfait les contraintes de march revient a rsoudre le probl`me suivant e ` e e Trouver X avec t Tr(X) = VT,k , X 0. k = 1, . . . , m
Lensemble des matrices X qui sont solutions du probl`me ci-dessus est convexe, comme lintersection du e cne convexe des matrices positives semidnies avec un espace ane. Nous allons voir que ceci implique o e que ce probl`me peut-tre rsolu tr`s ecacement en utilisant des rsultats rcents sur loptimisation e e e e e e convexe.
12.4.2
Objectifs
Reste maintenant a choisir une matrice parmi lensemble des matrices calibres dcrit en (12.4.1). ` e e Plusieurs types donjectifs sont possibles, le plus simple consiste a minimiser la trace de la matrice X et ` de rsoudre e Minimiser Tr X avec t Tr(X) = VT,k , X 0. k = 1, . . . , m
Volatilit stochastique e
209
Ce programme de minimisation dun objectif linaire avec contraintes linaires sur une matrice semidnie e e e positive sappelle un programme semidni. Il sagit donc dun programme convexe et une extension e rcente (voir [?], [?] ou encore [?]) des algorithmes de programmation linaire permet de rsoudre ce type e e e de programme tr`s rapidement (typiquement, moins dune seconde pour les probl`mes considrs ici). Il e e e e est galement possible de mlanger des contraintes quadratiques convexes aux contraintes de calibration, e e on peut ainsi choisir de lisser la matrice calibre en rsolvant e e
2 Minimiser + Xi,j+1 Xi,j i,j=1 Xi+1,j Xi,j avec t Tr(X) = VT,k , k = 1, . . . , m X 0. n1 2
On peut aussi remplacer les contraintes exactes sur les prix par des fourchettes achat-vente, et rsoudre e par exemple Minimiser Tr X Bid Ask avec VT,k t Tr(X) VT,k , X 0.
k = 1, . . . , m
Enn, il est videmment possible de mlanger tous ces objectifs. e e La seule dicult qui subsiste dans la rsolution du probl`me de calibration vient du fait quil nest e e e pas possible dimposer un rang maximum a la matrice calibre et donc de limiter le nombre de facteurs ` e du mod`le. Ceci est rendu ncessaire par la dicult dvaluer les options amricaines dans un mod`le a e e e e e e ` plus de deux facteurs. Le programme de calibration avec contrainte de rang devient NP-dur et il nexiste pas a lheure actuelle de mthode pour produire une solution avec la mme ecacit et abilit que pour ` e e e e le programme de rang libre. Cependant, on constate en pratique (voir [?]) que minimiser la trace tend a ` produire des solutions de rang faible.
210
Chapitre 13
Appendice : Volatilit stochastique e (par Julien Guyon)

Ce chapitre a t rdig par Julien Guyon, dapr`s le stage quil a fait au Crdit Lyonnais, aupr`s de ee e e e e e lquipe de Christophe Michel. Quils soient tous remercis. e e
13.1
13.1.1
Introduction
Notations
Dans cet article, nous nous proposons dtudier un mod`le a volatilit stochastique propos par Jeane e ` e e Pierre Fouque, George Papanicolaou et K. Ronnie Sircar [1]. Nous reprenons le travail theorique des auteurs, puis nous proposons des exemples de simulation informatique. Le modele est le suivant : dXt = Xt dt + t Xt dWt (13.1.1) t = f (Yt ) t dYt = (m Yt ) dt + dZ Dans cette criture : e X reprsente le sous-jacent, Xt son cours a la date t, e ` est le rendement instantan, suppos constant, e e t est la valeur a la date t de la volatilit du cours du sous-jacent ; elle mesure lintensit du bruit ` e e t Xt dWt auquel est soumis le cours du sous-jacent W est un mouvement brownien standard, la volatilit est elle-mme un processus stochastique, e e fonction dterministe du processus Y ; la fonction f est dnie sur R et a valeurs strictement e e ` positives, Y est un processus dOrnstein-Uhlenbeck, de moyenne a long terme m et de variance a long terme ` ` 2 2 , Z est un mouvement brownien standard ventuellement corrl a W ; nous supposons dans la suite e ee` cette corrlation constante et nous la notons , avec ] 1, 1[, de sorte que d W, Z t = dt. e Si nous dnissons Zt par lgalit Zt = Wt + 1 2 Zt , alors W et Z sont deux browniens e e e indpendants. e On donne ci-dessous un exemple de trajectoires possibles pour les trajectoires de (W, Z) et de (W, Z), dans le cas o` = 0.5 puis dans le cas o` = 0.5. Dans les trois cas, on a utilis les u u e mmes sries dalas. On a utilise un code C pour gnrer ces trajectoires. e e e e e
211
212
Nous nous plaons sur un espace probabilis (, F, P) muni de la ltration Ft = (Ws , Zs , 0 s t). c e Par exemple, on pourra considrer lespace = C 0 (R+ , R2 ) des fonctions continues a valeurs dans e ` R2 muni de sa tribu borlienne et de la mesure de Wiener sur cette tribu. Dans ce cas, il faut voir un e vnement ponctuel comme une trajectoire t (Wt (), Zt ()). Par ailleurs, la ltration Ft reprsente e e e linformation sur les deux mouvements browniens W et Z jusqu` la date t ; cest laugmentation habituelle a de la tribu engendre par les ensembles de la forme { | |Ws | R1 , |Zs | R2 , 0 s t}. e Dans toute la suite, nous nous plaons sous lhypoth`se dabsence dopportunit darbitrage (AOA). c e e Plus prcisment, nous supposons lexistence dune probabilit sur (, F) sous laquelle le prix des actifs e e e actualis est une martingale locale. e
13.1.2
Interprtation e
F. Black et M. Scholes ont propos [2] de modliser la dynamique du cours Xt du sous-jacent par e e lquation direntielle stochastique e e dXt = Xt dt + Xt dWt , X0 = x. (13.1.2)
Typiquement, le sous-jacent est une action ou un indice boursier. Dans ce mod`le, est une constante e strictement positive, i.e. une quantit suppose indpendante du temps et du hasard, quon appelle e e e 0 volatilit. Nous considrons galement un actif sans risque X 0 dont la valeur a la date t est Xt = ert . e e e ` Ceci revient a supposer le taux dintrt a court terme constant gal a r. Lquation (13.1.2) a des ` e e ` e ` e consquences importantes : e Le processus X est un mouvement brownien gomtrique ; on dispose dune expression explicite e e pour Xt : 2 Xt = x exp Wt + t (13.1.3) 2 qui prouve que le logarithme du cours Xt suit une loi gaussienne de moyenne
2 2
t et de
2
variance 2 t. On peut rcrire (13.1.3) sous la forme Xt = et Mt , o` Mt = exp Wt t ee u 2 est une P-martingale de moyenne 1. La gure suivante prsente quatre trajectoires possibles du e processus (Xt )0t1 et la trajectoire moyenne. Le march est viable et complet : e Il existe une et une seule probabilit P sous laquelle le processus des prix actualiss (ert Xt )t0 e e de lactif risqu est une P -martingale. Cette probabilit est appele probabilit risque-neutre. e e e e Lvolution du sous-jacent scrit e e dXt = rXt dt + Xt dWt , X0 = x,
o` W est un P -mouvement brownien. u Toute option europenne de payo H L2 (P , FT ), cest-`-dire toute option dnie par une e a e variable alatoire H FT -mesurable et de carr intgrable sous la probabilit P , est simulable : e e e e il existe un unique portefeuille admissible, i.e. autonanc et minor, ne contenant que de lactif e e sans risque et de lactif risqu, dont la valeur en T est H. De plus, la valeur V (t) de loption est, e sous la probabilit risque-neutre, lesprance actualise du ux terminal H : e e e V (t) = E er(T t) H | Ft . Ceci est une consquence du thor`me de reprsentation des martingales browniennes (notons e e e e que (Ws , 0 s t) = (Ws , 0 s t)). Autrement dit, on peut se couvrir parfaitement liminier le risque - en grant dynamiquement un portefeuille ne contenant que du liquide et du e e sous-jacent. Notons que V (t) est indpendant de la tendance . e
213
Dans le cas particulier o` H = h(XT ), avec h continue et positive, le prix de loption se met u sous la forme P (t, Xt ) avec

P (t, x) = E er(T t) h x exp
(WT Wt )+ r 2
(T t)
(13.1.4)
La fonction P est solution de lquation aux drives partielles e e e LBS ()P = 0, x > 0, P (T, x) = h(x), o` u 2 2 2 + x +r x . t 2 x2 x De plus, la quantit dactif risqu a dtenir a la date t est e e` e ` LBS () = at = (13.1.5)
(13.1.6)
P (t, Xt ), x quantit quon appelle le delta. Par consquent, le portefeuille de couverture contient e e bt = ert P (t, Xt ) Xt P (t, Xt ) x
units dactif sans risque. e Le cas du call correspond au payo h(x) = (x K)+ , on note alors P (t, x) = CBS (t, x; K, T ; ) et CBS (t, x; K, T ; ) = xN (d+ ) Ker(T t) N (d ) (13.1.7) o` u
T t

On donne ci-dessous le graphe de la fonction x CBS (t, x; K, T ; ) pour les valeurs suivantes des param`tres : t = 0, K = 1.1, T = 1, = 0.15, r = 0.05. On a superpos le graphe donnant e e le payo du call, i.e. x (x K)+ . Ci-dessous, on modie la valeur de , toutes choses gales par ailleurs. On regarde succesivement e une volatilit de 5% puis une volatilit de 50%. Les trois graphes sont a la mme chelle. e e ` e e De plus, le portefeuille de couverture contient la quantit e at = N (d+ ) dactifs risqus. Ceci prouve que lgalit (13.1.7) donnant le prix du call sous le mod`le de e e e e Black et Scholes donne aussi la dcomposition du portefeuille de couverture en actif risqu e e et en actif sans risque. Signalons que ce qui prc`de reste vrai si lon autorise le taux dintrt a court terme, dit aussi taux e e e e ` court, et la volatilit a dpendre du temps, mais pas du hasard. Il sut de remplacer r par e` e r= et par o` u 1 T t
T
T t
rs ds
t
T 1 2 s ds T t t dans les formules (13.1.4), (13.1.5), (13.1.6), (13.1.7) et (13.1.8). Le mod`le de Black et Scholes sert de rfrence a tous ceux qui pratiquent la nance des marchs : e ee ` e
2 =
d = + d =
ln ln
x Ker(T t) x Ker(T t)
+ 1 T t, 2 1 T t. 2
(13.1.8)
214

Il est simple : adopter le mod`le de Black et Scholes, cest simplement supposer les cours X a e ` trajectoires continues et a accroissements relatifs indpendants et stationnaires. ` e Il est maniable : il donne lieu a des formules fermes pour le prix des calls et des puts et pour les ` e deltas correspondants, cest-`-dire pour les quantits dactifs risqus que doit contenir le portefeuille a e e de couverture. Cependant : Tous les tests statistiques invalident lhypoth`se log-normale pour le cours du sous-jacent. En e ralit, il semble que les queues de distribution soient plus paisses que ne le prvoit le mod`le e e e e e de Black et Scholes. De plus, les queues de distribution empiriques de ln(Xt ) sont parfois asymtriques. e Nous dnissons la volatilit implicite I par lgalit e e e e CBS (t, x; K, T ; I) = C obs
o` C obs est le prix observ du call de maturit T et de strike K. La dnition a un sens puisque u e e e CBS (t, x; K, T ; ) est une bijection de R sur (x K)+ , x . Ainsi dnie, I est une fonction e + de t, x, K, T et C obs . Si les prix observs taient exactement les prix prvus par le mod`le de e e e e Black et Scholes, la fonction K I(t, x, K, T, C obs ) serait constante et gale au param`tre e e . Or, les donnes de march font appara une dpendance en K. La courbe empirique K e e tre e I(t, x, K, T, C obs ) porte souvent le nom de courbe de smile en rfrence a son allure souriante ee ` (convexe dcroissante puis croissante). e Bien sr pour expliquer ces phnom`nes, il faut raner le mod`le. Il y a bien des faons de le faire : u e e e c par exemple autoriser les cours Xt a avoir des sauts, ou autoriser la volatilit a dpendre de t et de x, la ` e` e seule source de bruit restant le brownien W (cest ce que propose B. Dupire [3]). Une mani`re naturelle e dtendre le mod`le de Black et Scholes est dautoriser la volatilit a tre un processus stochastique e e eè e gouvern par un deuxi`me bruit modlis par un deuxi`me brownien Z ventuellement corrl a W , mais e e e e e ee` non parfaitement corrl, contrairement au cas du mod`le de Dupire. Nous conservons donc lcriture ee e e dXt = Xt dt + t Xt dWt mais est dsormais un processus alatoire dpendant du temps et du hasard (W, Z). Comment choisir e e e ce processus ? Nous souhaitons que la volatilit t soit une quantit Ft -mesurable et strictement positive. e e Aussi nous nous proposons de lcrire sous la forme t = f (Yt ), o` f : R R est une fonction e u + dterministe et Y est un processus alatoire a valeurs relles (Ft )-adapt. Nous nous limiterons aux e e ` e e processus Y qui sont markoviens. Par exemple : un processus markovien de sauts pur a espace dtats ni ou dnombrable, ` e e un processus markovien de sauts pur a espace dtats inni non dnombrable, ` e e une diusion markovienne du type dYt = Y (t, Yt ) dt + Y (t, Yt ) dZt . (13.1.9)
Dans toute la suite, nous nous limiterons aux diusions markoviennes (13.1.9), et parmi elles a celles ` qui poss`dent la proprit de retour a la moyenne, i.e. celles pour lesquelles e ee ` Y (t, y) = (m y). Le param`tre sappelle le taux de retour a la moyenne et le param`tre m la moyenne a long terme. e ` e ` On peut voir Yt comme la position a la date t dune particule soumise a une force de rappel dintensit ` ` e qui a tendance a la ramener a sa position dquilibre (dterministe) m et a une force alatoire - par ` ` e e ` e exemple des chocs - modlise par le bruit Y (t, Yt ) dZt . Le choix Y (t, Yt ) = , o` est une constante, e e u correspond au processus dit dOrnstein-Uhlenbeck.
215
13.1.3
A quoi sattendre ?
Il y a une bonne raison a priori de considrer la volatilit comme une quantit alatoire : des tudes e e e e e empiriques sur les rendements du cours du sous-jacent permettent destimer la volatilit et celle-ci semble e prsenter un comportement stochastique. Mais modliser la volatilit par un processus stochastique, cest e e e en fait reconna que quantier le risque a travers un param`tre de volatilit constant est aujourdhui tre ` e e insusant pour expliquer certains phnom`nes de march. En particulier pour expliquer la courbe de e e e smile. Et cest une modication profonde et puissante qui permet de dcrire un march bien plus complexe e e que le march de Black et Scholes : e nous pouvons reproduire des lois plus ralistes pour les rendements ; en particulier, les queues de e ces distributions sont plus paisses que celles des lois lognormales, e nous pouvons rendre ces distributions asymtriques en corrlant les deux bruits W et Z, e e nous pouvons faire appara du smile. tre Evidemment rien nest gratuit - surtout dans le monde de la nance des marchs - et il faut bien e payer quelque part le prix de ces nettes amliorations : e on ne peut pas observer directement la volatilit ; estimer les param`tres du mod`le (, m, ) et le e e e niveau actuel de la volatilit sont donc des probl`mes diciles, e e le march ainsi modlis est incomplet : lorsquon traite une option, on ne peut pas liminer le risque e e e e en grant un portefeuille contenant du liquide et du sous-jacent. En eet, la variation innitsimale e e de la valeur dun tel portefeuille contient des termes en dWt et en dZt que lon ne peut annuler simultanment. e
13.2
13.2.1
Prix dune option europenne e

EDP dvaluation e
Dans cette section, on consid`re la dynamique (13.1.1) et on sintresse au prix dune option eue e ropenne dchance T1 et de payo h continu ; lacheteur dune telle option reoit h(XT1 ) en T1 . Labe e e c sence dopportunit darbitrage et lhypoth`se markovienne sur Y nous assurent lexistence dune fonction e e e e P (T1 ) : R+ R R R+ , que nous supposons susamment rguli`re, telle que le prix de cette option + (T1 ) a la date t [0, T1 ] scrit P ` e (t, Xt , Yt ). Il est impossible dannuler le risque avec seulement lactif sous jacent. Aussi allons nous considrer un portefeuille qui contient at units dactif risqu, bt units dactif e e e e sans risque et ct options europennes dchance T2 > T1 et de mme payo h. Nous cherchons at , bt et e e e e ct tels que le portefeuille rplique loption et soit autonanc. Lhypoth`se de rplication correspond a e e e e ` lgalit e e P (T1 ) (T1 , XT1 , YT1 ) = aT1 XT1 + bT1 erT1 + cT1 P (T2 ) (T1 , XT1 , YT1 ) et lhypoth`se dautonancement a e ` dP (T1 ) (t, Xt , Yt ) = at dXt + bt d(ert ) + ct dP (T2 ) (t, Xt , Yt ). Par absence dopportunit darbitrage, (13.2.1) implique que a toute date t T 1 e ` P (T1 ) (t, Xt , Yt ) = at Xt + bt ert + ct P (T2 ) (t, Xt , Yt ) P ps (13.2.3) (13.2.2) P ps (13.2.1)
216
cest-`-dire que la valeur du portefeuille est a tout instant gale au prix de loption. Par la formule dIt, a ` e o 1 on a dP (T1 ) (t, Xt , Yt ) = P (T1 ) P (T1 ) (t, Xt , Yt ) dt + (t, Xt , Yt ) dXt t x P (T1 ) 1 2 P (T1 ) + (t, Xt , Yt ) dYt + (t, Xt , Yt ) d X t y 2 x2 2 P (T1 ) 1 2 P (T1 ) + (t, Xt , Yt ) d X, Y t + (t, Xt , Yt ) d Y xy 2 y 2 P (T1 ) P (T1 ) (t, Xt , Yt ) dXt + (t, Xt , Yt ) dYt x y
= A1 P (T1 ) (t, Xt , Yt ) dt + o` A1 est loprateur dni par u e e A1 =
1 2 2 1 2 + x2 f (y)2 2 + xf (y) + 2 2 . t 2 x xy 2 y
Mais, dapr`s lhypoth`se dautonancement, la variation innitsimale de la valeur du portefeuille est e e e aussi gale a e ` dP (T1 ) (t, Xt , Yt ) = at dXt + bt d(ert ) + ct dP (T2 ) (t, Xt , Yt ) = at dXt + rbt ert dt +ct A1 P (T2 ) (t, Xt , Yt ) dt + = P (T2 ) P (T2 ) (t, Xt , Yt ) dXt + (t, Xt , Yt ) dYt x y
ct A1 P (T2 ) (t, Xt , Yt ) + rbt ert dt + at + c t +ct P (T2 ) (t, Xt , Yt ) x dXt
P (T2 ) (t, Xt , Yt ) dYt . y
Il ny a de termes en dZt que dans dYt , si bien que lidentication des termes en dZt donne ct = Lidentication des termes en dWt donne at = do` on dduit u e bt = ert P (T1 ) (t, Xt , Yt ) at Xt ct P (T2 ) (t, Xt , Yt )
1
P (T1 ) y (t, Xt , Yt ) . P (T2 ) y (t, Xt , Yt )
P (T2 ) P (T1 ) (t, Xt , Yt ) ct (t, Xt , Yt ) x x
les galits faisant intervenir Xt et Yt sont a prendre au sens ps e e `
Enn lidentication des termes en dt donne P (T1 ) P (T1 ) (t, Xt , Yt ) + (m Yt ) (t, Xt , Yt ) x y P (T2 ) = ct A1 P (T2 ) (t, Xt , Yt ) + rbt ert + at + ct (t, Xt , Yt ) Xt x A1 P (T1 ) (t, Xt , Yt ) + Xt +(m Yt ) ct P (T2 ) (t, Xt , Yt ), y
217
qui scrit aussi en remplaant at , bt et ct par leurs expressions : e c P (T1 ) (t, Xt , Yt ) y o` u A2 = A 1 + r x Autrement dit, si on dnit loprateur U par e e U= alors UP (T1 ) (t, Xt , Yt ) = UP (T2 ) (t, Xt , Yt ). Comme le membre de gauche dpend de T1 mais pas de T2 et que le membre de droite, lui, dpend de e e T2 mais pas de T1 , les deux membres sont en fait indpendants de T1 et de T2 . Moralement, loprateur e e U annule la dpendance en lchance. Il existe donc une fonction : R+ R R R telle que quelle e e e + que soit son chance T > 0, une option de payo h a un prix P (T ) (t, Xt , Yt ) qui vrie e e e UP (T ) (t, Xt , Yt ) = (t, Xt , Yt ). Dsormais on consid`re loption de payo h et dchance T . Son prix P (t, Xt, Yt ) vrie lquation e e e e e e A2 P (t, Xt , Yt ) (t, Xt , Yt ) P (t, Xt , Yt ) = 0. y (13.2.4) y
1 1
A2 P (T1 ) (t, Xt , Yt ) =
P (T2 ) (t, Xt , Yt ) y . x
A2 P (T2 ) (t, Xt , Yt )
A2
Pour des raisons qui apparaitront claires bientt, on introduit les fonctions et dnies par o e (t, x, y) = (t, x, y) (m y) et (t, x, y) = r + f (y) 1 2 (t, x, y). (13.2.5)
(13.2.6)
Avec ces notations, (13.2.4) se rcrit, en omettant la dpendance en (t, X t , Yt ) ee e

P 2 + 1 Xt f (Yt )2 P + Xt f (Yt ) xy + 1 2 P 2 x2 2 y 2 +r Xt P P + (m Yt ) P P = 0. x y y P t
2 2 2
Cette galit tant vraie ps, le prix P est solution de lquation aux drives partielles e ee e e e (LBS (f (y)) + LOU + L1 ) P (t, x, y) = 0 (13.2.7)
218
avec la condition terminale
P (T, x, y) = h(x), o` u LBS (f (y)) = 1 2 + x2 f (y)2 2 + r x t 2 x x
est loprateur Black-Scholes de param`tre de volatilit f (y), e e e LOU = 1 2 2 + (m y) 2 2 y y
est le gnrateur innitsimal du processus dOrnstein-Uhlenbeck, et e e e L1 = xf (y) 2 (t, x, y) xy y
est un oprateur faisant intervenir la corrlation dune part, en facteur de la drive croise, et la e e e e e fonction dautre part. Cette derni`re est appele prime de risque de volatilit . Plus prcisment, la e e e e e fonction r est exactement la prime de risque lie a la premi`re source de bruit W et est exactement e ` e f la prime de risque lie a la deuxi`me source de bruit Z. En eet, une variation innitsimale du prix de e ` e e loption scrit, en utilisant (13.2.7) et la formule dIt : e o dP (t, Xt , Yt ) P P P r Xt f (Yt ) + (t, Xt , Yt ) 1 2 + rP + f (Yt ) x y y P P P + Xt f (Yt ) dWt + 1 2 dZt . + x y y
dt
La fonction agr`ge les primes de risque lies aux deux sources indpendantes de hasard, a travers e e e ` (13.2.6). On comprend maintenant pourquoi il est bienvenu dcrire la fonction sous la forme (13.2.5)e (13.2.6).
13.2.2
Interprtation probabiliste e
On cherche ici a donner une interprtation probabiliste du prix P (t, x, y). Posons ` e
W t = fr) , (Yt Z t = (t, Xt , Yt ),
et Mt = exp
0
t W s dWs 0
t Z s dZs
1 2
t 0 W s
Z + s
ds .
Sous certaines conditions techniques, par exemple sous la condition de Novikov : E exp 1 2
T 0 W s 2 Z + s 2
ds
< ,
(13.2.8)
M est une P-martingale. On dnit alors bien une mesure de probabilit P() en posant e e dP() () = MT () dP().
Cette nouvelle probabilit est quivalente a P et, dapr`s le thor`me de Girsanov, les processus e e ` e e e Wt = Wt + et
Zt = Z t + 0 t 0 t Z s ds W s ds
219
sont deux P() -mouvements browniens indpendants. On a e dXt = Xt dt + f (Yt )Xt dWt = Xt dt + f (Yt )Xt dWt r dt f (Yt )
= rXt dt + f (Yt )Xt dWt et dYt = (m Yt ) dt + dZt = (m Yt ) dt + dWt + = (m Yt ) dt + dWt + 1 2 dZt r dt f (Yt )
1 2 dZt .
= ((m Yt ) (t, Xt , Yt )) dt + dWt + Si on pose Zt = Wt +

1 2 Zt
1 2 (dZt (t, Xt , Yt ) dt)
on dnit un P() -mouvement brownien et on peut rcrire la dynamique (13.1.1) sous la forme e ee dXt = rXt dt + t Xt dWt t = f (Yt ) dYt = {(m Yt ) (t, Xt , Yt )} dt + dZt Xt = ert Xt est une martingale locale. On se placera sous les hypoth`ses qui assurent que cest en fait une vraie e P() -martingale. On pourra par exemple supposer que E()
0 T 2 f (Yt )2 Xt dt <
(13.2.9)
Sous la probabilit P() , le processus des prix actualiss (Xt )0tT dni par e e e
(13.2.10)
ou mme seulement e
Alors si on value loption europenne de maturit T et de payo H = h(XT ) par e e e Vt = E() er(T t) h(XT ) | Ft
E()
T 0
2 f (Yt )2 Xt dt < .
(13.2.11)
220
on supprime toute possibilit darbitrage. Lnorme inconvnient de ce mod`le a volatilit stochastique, e e e e ` e lorsquon le compare au mod`le de Black et Scholes, cest qu` chaque fonction (t, x, y) correspond e a une probabilit risque neutre P() . On peut adopter le point de vue suivant : le march slectionne e e e naturellement une prime de risque de volatilit quil sagit de mesurer en tudiant lhistorique des e e donnes et/ou lensemble des prix doptions cotes sur le march. Pour ce faire, il sera sans doute raie e e sonnable de supposer dabord que est une constante, puis de considrer que ne dpend que de y, e e ou ventuellement de t et de y. Dans ces derniers cas en eet, la dynamique de Y reste autonome, au e sens o` la dynamique de X ninterf`re pas avec celle de Y . Cest sans doute un probl`me dicile, et qui u e e ne sera pas utile pour la suite de cette tude. Retenons quil existe a priori une innit de possibles, e e auxquels correspondent une innit de probabilits risque-neutre quivalentes P () . Cette proprit est e e e ee caractristique de lincompltude du march. e e e Il semble cependant raisonnable, tant donne linterprtation nanci`re de , de ne considrer que e e e e e des fonctions y (y) bornes. Au vu de (13.2.9), la prime de risque nintervient que dans le terme e de drift de Y o` elle sajoute au terme (m Yt ) qui lui nest pas born. Il est donc lgitime de penser u e e que ne joue quau second ordre. Ainsi, lors des simulations numriques, on ne considrera que le cas e e 0.
13.3
Analyse asymptotique
Lide principale de Jean-Pierre Fouque, George Papanicolaou et K. Ronnie Sircar [1] est de e considrer : e dune part que la volatilit poss`de la proprit de retour a la moyenne, quon modlise par la force e e ee ` e de rappel dterministe (m Yt ) dt, e dautre part que ce retour a la moyenne est rapide. On suppose donc que lintensit de la force ` e de rappel est grande. Grande devant quoi ? est linverse dun temps. Il sagit donc de comparer = 1/ - temps caractristique de retour a la moyenne - a lchelle de temps du probl`me : T t. e ` ` e e 1 Aussi on considrera que e T t ou, de mani`re quivalente, que e e (T t) . Lide est ensuite de proposer un dveloppement limit en du prix de loption. Revenons dabord e e e sur la proprit de retour a la moyenne a travers lexemple du processus dOrnstein-Uhlenbeck. ee ` `
13.3.1
Retour ` la moyenne a
On se propose ici dtudier plus en dtail le processus dOrnstein-Uhlenbeck Y de dynamique e e dYt = (m Yt ) dt + dZt , On a une expression explicite pour Yt : Yt = m + (y m)et +
t 0
Y0 = y.
e(ts) dZs
qui prouve que Yt suit la loi gaussienne de moyenne m + (y m)et et de variance 2 (1 e2t ), o` u 2 2 = 2 ; Yt converge en loi lorsque t + vers = N (m, 2 ), la loi gaussienne de moyenne m et de variance 2 . On donne ci-dessous des trajectoires du processus (Yt )0t1 pour m = 0, = 0.5, y = 0. On teste plusieurs valeurs de : 0.1, 1, 10, 100.
Volatilit stochastique e Probabilit stationnaire e
221
Cette loi limite est aussi la loi stationnaire du processus Y : si Y0 suit la loi N (m, 2 ), alors a toute ` 2 date t 0 la variable alatoire Yt suit aussi la loi N (m, ). Sa densit est donne par e e e (u) = et vrie lquation e e L = 0 OU o` u L = OU est ladjoint de loprateur e LOU = 1 2 ((m y) ) + 2 2 y 2 y 1 (u m)2 exp 2 2 2
1 2 2 + (m y) 2 y 2 y qui est le gnrateur innitsimal de la diusion Y , cest-`-dire par dnition loprateur qui a une e e e a e e ` fonction g : R R de classe C 2 a support compact associe la tendance en moyenne de g(Yt ) connaissant ` Yt : Ey [g(Yt )] g(y) (LOU g) (y) = limt0+ . t Dans cette criture, Ey dsigne lesprance sous la probabilit Py qui est la probabilit conditionnelle e e e e e sachant que Y0 = y. On pose L2 = L2 (R, B (R) , ) , On dnit lapplication Pt : L2 L2 par e (Pt g) (y) = Ey [g(Yt )] et lensemble D = g L2 | L2 , limt0+ Pt g g =0 . t (g1 | g2 ) = g1 g2 d,
R
g =
(g | g).
Le gnrateur innitsimal LOU est en fait dni sur D L2 a valeurs dans L2 . On donnera donc un sens e e e e ` a lexpression LOU g si et seulement si g D. `
Proprit de dcorrlation, thor`me ergodique e e e e e e

Linverse de lintensit de la force de rappel sinterpr`te aussi comme le temps caractristique de e e e dcorrlation du processus dOrnstein-Uhlenbeck, puisque, si s t, e e
s
cov(Ys , Yt ) = cov
0
e(su) dZu ,
s 0
t 0 t 0
e(tv) dZv
= 2 e(t+s) E = e = e
2 (t+s) 2 (t+s) 0
eu dZu e
u
ev dZv ev dZv
E
0 s
d Zu
0
2u
du
= 2 e(ts) e(t+s) .
222
Par consquent, si s et t tendent vers + de sorte que = |t s| reste constant, la covariance limite e de Ys et Yt vaut 2 e . Notons que cest exactement la covariance de Ys et Yt sous la loi stationnaire. A la limite, lorsque ce temps typique de dcorrlation est inniment petit, i.e. lorsque est inniment e e grand, les valeurs Ys et Yt , mme pour des temps voisins s et t, sont indpendantes (leur covariance est e e nulle et le processus Y est gaussien). Cest pour cette raison quon va disposer de thor`mes ergodiques e e du type loi forte des grands nombres. Plus prcisment, pour toute fonction g intgrable contre la mesure e e e stationnaire N (m, 2 ), T 1 lim+ g(Ys ) ds = g (13.3.1) T t t o`, par dnition, g est lesprance de la fonction g contre la mesure stationnaire, i.e. u e e
+
g =
g(u)(u) du.
En pratique, lapproximation 1 T t
T t
g(Ys ) ds g
1 e ne sera valable que si T t . Dans le contexte des marchs nanciers, cela signie que nous ne pourrons faire cette approximation que si nous sommes susamment loin de lchance T de loption traite. e e e
Equation homog`ne e
On sera amen a considrer lensemble H des fonctions D (donc L2 ) et solutions de lquation e` e e homog`ne LOU = 0. Cette derni`re quation est en fait lquation direntielle ordinaire e e e e e 1 2 (y) + (m y) (y) = 0. 2 Lensemble des solutions de cette quation est lespace vectoriel de dimension 2 engendr par les constantes e e y (mz)2 dz. Cette derni`re fonction ntant pas de carr intgrable e e e e et par la fonction : y 0 exp 2 2 contre la mesure stationnaire = N (m, 2 ), H est lensemble des fonctions constantes2 .
13.3.2
Le prix Black-Scholes corrig e
Notations
On se place ici sous lhypoth`se e T t. Moralement, sous cette hypoth`se, Y t atteint sa loi limite e 2 N (m, ) en temps ni. On se placera donc dans lasymptotique
2 ee Comme 2 = 2 , cela signie que = 2 = 2 tend vers +. On peut rcrire la dynamique (13.1.1) en faisant appara le param`tre inniment petit : tre e dXt = rXt dt + t Xt dWt , t = f (Yt ), dY = 1 (m Y ) 2 (t, X , Y ) dt + 2 dZ . t t t t t
0,
2 = cte.
nest mme pas intgrable contre ; de ce fait, on ne peut pas donner de sens a e e ` y (LOU ) (y) = limt0+ [(Ytt)](y) .
[ (Yt )], ni a fortiori a `
Le prix P de loption europenne de maturit T et de payo H = h(XT ) L2 (P , FT ) vrie e e e P t 1 2 2 2P 2 2 2P 2P 2 (Xt ) f (Yt ) x2 + Xt f (Yt ) xy + y 2 Xt P P + 1 (m Yt ) P 2 P = 0 x y y
223
+r
et est donc solution de lEDP 1 1 L0 + L1 + L2 P (t, x, y) = 0 avec la condition terminale P (T, x, y) = h(x), o` u L2 = LBS (f (y)) = 1 2 + x2 f (y)2 2 + r x t 2 x x (13.3.2)
est loprateur Black-Scholes de param`tre de volatilit f (y), e e e L0 = LOU = 2 2 + (m y) y 2 y
est le gnrateur innitsimal du processus dOrnstein-Uhlenbeck multipli par , et e e e e 2 L1 = 2xf (y) 2 . xy y Dans toute la suite, on fait lhypoth`se que la prime de risque est une fonction continue borne ne e e dpendant que de y. e
Le probl`me a rsoudre e ` e
On se place dans les conditions o`, pour tout > 0, lEDP (13.3.2) a une unique solution. On va u voir que cette solution P a une limite quand tend vers 0 et on va sintresser a la correction dordre 1. e ` Pour ce faire, on suppose lexistence dun dveloppement en srie de la forme e e P = P0 + (13.3.2) se rcrit alors formellement ee 0 = 1 L 0 P0 1 + (L0 P1 + L1 P0 ) + (L0 P2 + L1 P1 + L2 P0 ) + (L0 P3 + L1 P2 + L2 P1 ) + P1 + P2 + P3 + 2 P4 +
On cherche des fonctions Pi : R+ R R R susamment rguli`res qui vrient : e e e + P0 (T, x, y) = h(x), L0 P0 = 0, L P + L1 P0 = 0, P1 (T, x, y) = 0, 0 1 L0 Pn + L1 Pn1 + L2 Pn2 = 0, Pn (T, x, y) = 0,
n 2.
224
(cela nest pas vrai pour loprateur L1 par exemple). An de donner un sens a lexpression L0 Pn , il e ` t,x sut donc de donner un sens, pour tous t et x, a L0 Qn . On cherche donc des fonctions Pi telles que ` Pi (t, x, ) D, notamment Pi (t, x, ) L2 . Enn, les oprateurs Li font intervenir des drives premi`res en temps et secondes en x et en y. On e e e e cherche donc des fonctions Pi de classe C 1,2,2 . On se propose donc de rsoudre le probl`me suivant : trouver des fonctions P i : R+ R R R e e + de classe C 1,2,2 qui vrient : e P0 (T, x, y) = h(x), L0 P0 = 0, L0 P1 + L1 P0 = 0, P1 (T, x, y) = 0, L0 Pn + L1 Pn1 + L2 Pn2 = 0, Pn (T, x, y) = 0, n 2. et telles que Pi (t, x, ) D pour tous t, x. Notons, de plus, que pour la probabilit P slectionne par le march, on a e e e e P (t, Xt , Yt ) = E er(T t) h(XT ) | Ft o` Ft est linformation contenue dans les trajectoires des deux browniens W et Z jusqu` la date t. Le u a payo h(XT ) tant suppos de carr intgrable sous P , P (t, Xt , Yt ) est aussi dans lespace L2 (P ). e e e e En fait, on se limitera a la recherche des fonctions P0 et P1 . Elles permettent dobtenir le prix corrig ` e a lordre 1 : P0 + P1 . On va procder en cinq tapes. Avant cela, trois remarques sur les oprateurs ` e e e Li : L0 ne fait intervenir que la variable y ; pour une fonction (t, x), L0 = 0, 2 L1 est une combinaison des drives xy et y ; pour une fonction (t, x), L1 = 0, e e L2 ne fait pas intervenir de drive par rapport a y ; cependant, la variable y est prsente a travers e e ` e ` 2 f (y) en facteur de x2 ; pour une fonction (t, x), L2 (t, x)
+
Loprateur L0 nagit que sur la variable y. Plus prcisment, notons Qt,x = Pi (t, x, ). Cest une e e e i fonction de y seulement. On a (L0 Pi ) (t, x, y) = L0 Qt,x (y) i
=
+
(L2 ) (t, x, u)(u) du 1 2 (t, x) + x2 f (u)2 2 (t, x) + r x (t, x) (t, x) t 2 x x

+
(u) du
= = = o` on a dni u e
1 (t, x) + x2 t 2
f 2 (u)(u) du
2 (t, x) + r x (t, x) (t, x) x2 x
1 2 (t, x) + 2 x2 2 (t, x) + r x (t, x) (t, x) t 2 x x L2 (t, x) 2 =

+
f 2 (u)(u) du = f 2
(on suppose donc dans toute la suite que f L2 ) et L2 = LBS () . Supposons que les fonctions P0 , P1 , P2 , . . . rpondant au probl`me ci-dessus existent, et cherchons e e a calculer P0 et P1 . `
Volatilit stochastique e Etape 1 : L0 P0 = 0
225
Comme L0 P0 = 0, L0 Qt,x = 0 donc LOU Qt,x = 0 : P0 (t, x, ) appartient a lensemble H des solu` 0 0 tions de lquation homog`ne de la diusion Y. On a montr que cet ensemble est rduit aux fonctions e e e e constantes. Ceci prouve que la fonction P0 ne dpend pas de y. Par abus, on notera P0 (t, x). e
Etape 2 : L0 P1 + L1 P0 = 0
Comme P0 ne dpend pas de y, L1 P0 = 0 ; lquation L0 P1 + L1 P0 = 0 se rduit donc a L0 P1 = 0. e e e ` Comme a ltape 1, on montre que la fonction P1 ne dpend pas de y. Par abus, on notera P1 (t, x). ` e e D`s a prsent, on sait que le prix corrig a lordre 1, P0 + P1 ne dpend pas de y. Cest une e ` e e ` e proprit remarquable : a lordre 1, il nest pas besoin de connaitre le niveau actuel de la volatilit pour ee ` e dterminer le prix de loption ; la date t de la transaction et le niveau actuel x du cours du sous-jacent e susent. Cela tombe bien car la volatilit nest pas directement observable. e
Etape 3 : L0 P2 + L1 P1 + L2 P0 = 0
Comme P1 ne dpend pas de y, L1 P1 = 0 ; lquation L0 P2 + L1 P1 + L2 P0 = 0 se rduit donc a e e e ` 2 2 L0 P2 + L2 P0 = 0 ; L0 P2 L (donc L2 P0 L ) et par dnition de la probabilit invariante = e e N (m, 2 ) = (u) du,
+
L0 P2 (t, x)
=
+
(L0 P2 ) (t, x, u)(u) du P2 (t, x, u) (L (u)) du 0
= = 0.
Par consquent, L2 P0 = 0, i.e. L2 P0 = 0, ce qui scrit aussi LBS ()P0 = 0. A lordre 0, le prix de e e loption est donc le prix donn par le mod`le de Black et Scholes, utilis avec le param`tre de volatilit e e e e e constant , moyenne ergodique de la volatilit stochastique. Reste a dterminer P 1 . e ` e
Etape 4 : quation de Poisson e

On conna maintenant P0 , donc aussi L2 P0 : cest une fonction de (t, x, y). Certes P0 ne dpend pas t e 2 de y, mais le coecient f (y) en facteur de x2 dans lexpression de L2 rintroduit de la dpendance en e e y. Soit Rt,x = (L2 P0 ) (t, x, ) et Qt,x = P2 (t, x, ). Comme (L0 P2 ) (t, x, y) = L0 Qt,x (y) (rappelons que 2 2 cest une proprit propre a loprateur L0 ), lgalit ee ` e e e L 0 P2 + L 2 P0 = 0 entre fonctions de trois variables (t, x, y) est quivalente aux galits e e e (t, x) R+ R , + L0 Qt,x + Rt,x = 0 2
entre fonctions dune seule variable (la variable y). On se donne donc une fonction R : R R telle que R = 0 et on cherche Q2 D L2 telle que L0 Q2 + R = 0. (13.3.3)
Cette quation porte le nom dquation de Poisson. En eet, pour une diusion brownienne dans lespace, e e le gnrateur innitsimal vaut 1 , o` est le laplacien, et on obtient alors lquation de Poisson e e e u e 2
226
de llectrostatique : la solution Q2 sinterpr`te, dans les bonnes units, comme le potentiel lectrique e e e e correspondant a la densit volumique de charges R. ` e Lquation (13.3.3) se rcrit e ee 2 Q2 (y) + (m y) Q2 (y) = R(y). Soit D2 = Q2 . La droite de solutions de lquation sans second membre e 2 D2 (y) + (m y) D2 (y) = 0 est engendre par y exp e y (y) exp
(ym)2 2 2 (ym)2 2 2
(13.3.4)
, ou de mani`re quivalente par 1 . Une solution particuli`re e e e
de 2 D2 (y) + (m y) D2 (y) = R(y)

2
est obtenue par la mthode de variation de la constante : on a (y) = R(y) exp (ym) e 2 2 2 Q2 (y) = ou encore Q2 (y) = Comme
y
. Ainsi,
1 exp 2
(y m) 2 2
y y
R(z) exp
(z m) 2 2
dz + cte1
1 2 (y)
R(z)(z) dz + cte2 .
R(z)(z) dz = R = 0, cte2 = 0, do` u Q2 (y) = 1 2 (y)

y
R(z)(z) dz
quil sagit dintgrer pour obtenir Q2 . e Dans le cas que nous tudions, vu que L2 P0 = 0, e R(y) Rt,x (y) = (L2 P0 ) (t, x, y) = (L2 P0 ) (t, x, y) L2 P0 (t, x) 2 P0 1 f (y)2 f 2 x2 (t, x) . = 2 x2 Par consquent, si est une solution de L0 = f 2 f 2 , alors e 1 2 P0 t,x P2 (y) = x2 (t, x) ((y) + cte) . 2 x2 A chaque couple (t, x) x correspond une constante, on note donc e 1 2 P0 (t, x) ((y) + c(t, x)) P2 (t, x, y) = x2 2 x2 et on a pour lexpression (y) = 1 2 (y)
y
f (z)2 f 2
(z) dz .
Volatilit stochastique e Etape 5 : L0 P3 + L1 P2 + L2 P1 = 0
227
Comme L0 P3 = 0, on a L1 P2 + L2 P1 = 0, ce qui scrit aussi LBS ()P1 = L1 P2 . On voit donc e que P1 est solution dune quation aux drives partielles du type Black-Scholes avec second membre. Le e e e second membre est loppos de la moyenne ergodique de L1 P2 et fait donc intervenir, comme le montre e lexpression de L1 , la corrlation entre volatilit et sous-jacent, e e la prime de risque de volatilit. e Plus prcisment, e e L1 P2 (t, x, y) = 2 P2 (t, x, y) 2xf (y) 2(y) xy y 1 2 P0 = 2xf (y) x2 2(y) (t, x) (y) 2 x x2 2 P0 3 P0 2 f (y) (y) 2x2 (t, x) + x3 (t, x) = 2 x2 x3 2 P0 2 (y) (y)x2 (t, x) . + 2 x2
2 3
P P Cette criture fait appara les quantits L2 (t, x) = x2 x20 (t, x) et L3 (t, x) = x3 x30 (t, x) et dcompose e tre e e L1 P2 en : une partie de corrlation pure, en facteur de la combinaison linaire 2L2 + L3 , e e une partie de prime de risque de volatilit pure, en facteur de L2 . e Sur une chelle de temps grande devant , la volatilit atteint son rgime stationnaire : e e e 2 P0 3 P0 2 f 2x2 (t, x) + x3 (t, x) L1 P2 (t, x) = 2 x2 x3 2 2 P0 x2 (t, x) . + 2 x2 Notons P1 = P1 la correction du prix a lordre 1. P1 est solution de lEDP `
LBS ()P1
2 P0 3 P0 f 2x2 (t, x) + x3 (t, x) x2 x3 2 2 P0 (t, x) . x2 x2 2
quon peut galement crire explicitement comme combinaison linaire de L2 et de L3 : e e e LBS ()P1 = V2 x2 avec V2 V3
2
3 P0 2 P0 (t, x) + V3 x3 (t, x) x2 x3
= =
3
(2 f ) , 2 f . 2
n n
P On pose H (t, x) = V2 x2 P0 (t, x) + V3 x3 x30 (t, x). Comme LBS () xn P0 = xn P0 LBS ()P0 = 0, x2 xn xn on a 3 P0 2 P0 (t, x) + V3 x3 (t, x) = 0 LBS ()H = LBS () V2 x2 x2 x3
228
puis
LBS () ((T t)H) = H (T t)LBS ()H = H, ce qui prouve que P1 (t, x) = (T t) V2 x2 2 P0 3 P0 (t, x) + V3 x3 (t, x) . x2 x3 (13.3.5)
On saperoit sur cette formule que pour calculer le prix corrig a lordre 1, il sut de conna les trois c e` tre e e quantits , V2 et V3 . En pratique, il faudra et il sura de calibrer ces trois param`tres qui agr`gent e , m, , , f, , . Nous traiterons ce point plus loin dans la section calibration. On trouvera galement e dans cette section le graphe de la correction x P1 (0, x) dans le cas de loption dachat.
13.3.3
Stratgies de couverture e
Comme nous sommes en march incomplet, il nest pas possible dliminer le risque en grant un e e e portefeuille ne contenant que du liquide et du sous-jacent. Il sagit de transiger entre les pertes ventuelles e dues a une mauvaise couverture et le cot de la couverture. On mesure sous la probabilit subjective P ` u e les performances statistiques dune stratgie. e
La stratgie de couverture dans le mod`le de Black et Scholes e e

Dans le mod`le de Black et Scholes, pour la dynamique suivante du sous-jacent : e dXt = Xt dt + Xt dWt , une option europenne qui paye h(XT ) L2 (P ) vaut P0 (t, Xt ) a la date t et est parfaitement couverte e ` par le portefeuille autonanc qui contient e at = units de sous-jacent et e bt = ert P0 (t, Xt ) Xt P0 (t, Xt ) x P0 (t, Xt ) x
units montaires. En eet : e e ce portefeuille rplique loption : a toute date t, la valeur de ce portefeuille est P 0 (t, Xt ) ; en e ` particulier, a maturit, sa valeur est P0 (T, XT ) = h(XT ), ` e ce portefeuille est autonanc : la formule dIt donne e o dP0 (t, Xt ) = P0 (t, Xt ) dXt + x
2 1 P0 2 P0 (t, Xt ) + 2 Xt (t, Xt ) t 2 x2
dt.
Comme P0 est solution de lEDP Black-Scholes P0 2 2 2 P0 P0 + x +r x P0 t 2 x2 x on a dP0 (t, Xt ) = i.e. dP0 (t, Xt ) = at dXt + bt d ert . Autrement dit, la variation innitsimale dP0 (t, Xt ) de la valeur de ce portefeuille est exactement e la variation due au march. e = 0, (13.3.6)
P0 P0 (t, Xt ) dXt + r P0 (t, Xt ) Xt (t, Xt ) x x
dt,
Dans la suite, on se place dans le cas du mod`le a volatilit stochastique (13.1.1) e ` e dXt = Xt dt + f (Yt )Xt dWt , dYt = (m Yt ) dt + dZt , on propose trois stratgies de couverture et on calcule leur cot. e u
229
Stratgie 1 : delta Black-Scholes e Co t exact On dcide de suivre la mme stratgie de gestion de portefeuille que dans le cas Blacku e e e
Scholes avec volatilit = e f 2 , cest-`-dire quon choisit3 : a at = P0 (t, Xt ), x (1) bt = ert P0 (t, Xt ) Xt P0 (t, Xt ) . x A tout instant, la valeur de ce portefeuille est at Xt + bt ert = P0 (t, Xt ). Comme P0 (T, x) = h(x), la valeur nale est h(XT ) donc ce portefeuille rplique loption. Le hic, cest quil nest pas autonanc. En e e eet, 2 P0 1 (1) 2 P0 dP0 (t, Xt ) = at dXt + (t, Xt ) + f (Yt )2 Xt (t, Xt ) dt t 2 x2 tandis que la variation due au march vaut e at dXt + bt d ert = at dXt + r P0 (t, Xt ) Xt
(1) (1) (1) (1) (1) (1)
P0 (t, Xt ) x
dt,
si bien que la dirence, quon interpr`te comme le cot innitsimal de la couverture, nest pas nulle et e e u e vaut exactement, en utilisant (13.3.6) : dCt
(1) (1) (1)
(13.3.7) (13.3.8) dt
= dP0 (t, Xt ) at dXt + bt d ert = =

(1) 2 1 P0 P0 2 P0 (t, Xt ) + f (Yt )2 Xt (t, Xt ) r P0 (t, Xt ) Xt (t, Xt ) 2 t 2 x x 2 1 2 P0 f (Yt )2 2 Xt (t, Xt ) dt. 2 x2 (1)
Si dCt > 0, on doit injecter de largent dans le portefeuille ; si dCt < 0, on doit en retirer. La formule (13.3.7) est remarquable car elle est valable trajectoire par trajectoire ; cest une formule exacte, en ce sens quelle ne fait pas intervenir desprance ; notamment elle ne suppose aucune probabilit sous-jacente. e e Remarquons tout de suite que le cot de gestion du portefeuille est : u un processus stochastique a variation nie, ` dautant plus petit que la volatilit moyenne est proche de la vraie volatilit f (Yt ), e e la convexit de P0 est petite, i.e. x P0 (t, x) a un prol plat. e Le vendeur de loption touche P0 (0, X0 )+ P1 (0, X0 ) a la date t = 0 ; P1 (0, X0 ) est de signe quelconque, ` comme le montre (13.3.5). Le vendeur investit P0 (0, X0 ) dans le portefeuille, rpartis en a0 units dactif e e risqu et b0 units montaires ; apr`s cet investissement initial, la gestion dynamique du portefeuille de e e e e (1) (1) rplication (at , bt ) a un cot alatoire e u e Ct
3
(1)
=
0
(1) dCs =
1 2
t 0
2 f (Ys )2 2 Xs
2 P0 (s, Xs ) ds. x2
Lindice 1 se rapporte a la stratgie 1. ` e
230
De plus, la richesse P1 (0, X0 ) est place - si elle est positive - ou emprunte - si elle est ngative - a la e e e ` banque.
Eet de moyenne Heuristiquement, lergodicit du processus Y traduit un eet de moyenne et e

permet didentier, dans la limite o` est grand, lintgrale u e
t 0 2 f (Ys )2 Xs
2 P0 (s, Xs ) ds x2
par
t 0 (1) Ct , 2 2 Xs
2 P0 (s, Xs ) ds x2
et par consquent le cot e u qui est la dirence des deux intgrales, est petit. Remarquons quil ne e e sagit pas dune application directe du thor`me ergodique (13.3.1) puisque Y gouverne la dynamique de e e X. Loutil technique pour dmontrer la convergence e
t 0 2 f (Ys )2 Xs
2 P0 (s, Xs ) ds+ x2
t 0
2 2 Xs
2 P0 (s, Xs ) ds x2
est le calcul stochastique. Nous allons en fait dmontrer directement le rsultat du second ordre correse e pondant : 1 1 (1) Ct = (Bt + Mt ) + O ps o` (Bt )t0 est un processus a variation nie et (Mt )t0 une martingale de moyenne nulle dordre 1 u ` vis-`-vis de . a La preuve fait intervenir la fonction de classe C 2 ; rappelons quelle vrie L0 = f 2 f 2 , i.e. e o L0 = f 2 2 . Ainsi, f (Ys )2 2 ds = (L0 ) (Ys ) ds. Comme, par la formule dIt, d(Ys ) = (L0 ) (Ys ) ds + 2 (Ys ) dZs ,
on a f (Ys )2 2 ds = de sorte que Ct

(1)
1 d(Ys ) 2 (Ys ) dZs ,
1 2
t 0
2 Xs
2 P0 (s, Xs ) d(Ys ) 2 2 x
t 0
2 Xs
2 P0 (s, Xs ) (Ys ) dZs . x2
Soit M la P-martingale locale dnie par e Mt = 2 Ainsi, Ct

(1) t 0 2 Xs
2 P0 (s, Xs ) (Ys ) dZs . x2

t 0
1 1 = Mt + 2
(1)
2 Xs
2 P0 (s, Xs ) d(Ys ). x2
Cette criture peut laisser croire que Ct e
1 + O ; il nen est rien car llment direntiel ee e 2 2 e d(Ys ) est un inniment grand vis-`-vis de , dordre contre lintgrand Xs P0 (s, Xs ) qui est une a x2
1 Mt
fonction de X seulement. Prcisment, e e
2 d (Ys )Xs
231
2 P0 (s, Xs ) x2
2 = Xs
2 P0 (s, Xs ) d(Ys ) x2 2 2 P0 +(Ys ) d Xs (s, Xs ) x2 2 P0 (, X ) +d (Y ), X2 x2
,
s
avec d (Y ), X2 2 P0 (, X ) x2
2 3 2 P0 3 P0 = 2f (Ys ) (Ys ) 2Xs (s, Xs ) + Xs (s, Xs ) x2 x3
ds,
vu que et
2 d Xs
d(Ys ) = ds + 2 (Ys ) dZs 2 P0 (s, Xs ) x2 = ds +

2 f (Ys ) 2Xs 3 2 P0 3 P0 (s, Xs ) + Xs (s, Xs ) x2 x3
dWs .
Par consquent, e
(1)
Ct
1 Mt
t 2 3 2 P0 3 P0 f (Ys ) (Ys ) 2Xs (s, Xs ) + Xs (s, Xs ) x2 x3 2 0 t 2 1 2 P0 d (Ys )Xs (s, Xs ) + 2 0 x2
(13.3.9) ds
Le troisi`me terme vaut e

1 2
1 2
t 0
2 (Ys ) d Xs
2
2 P0 (s, Xs ) . x2
2
2 P 2 P (Yt )Xt x20 (t, Xt ) (Y0 )X0 x20 (0, X0 ) et est donc dordre
2
; le qua-
2 tri`me terme aussi car llment direntiel d Xs P0 (s, Xs ) est dordre 1 vis-`-vis de . On pose e ee e a x2
Bt = 2
t 0
2 f (Ys ) (Ys ) 2Xs
3 2 P0 3 P0 (s, Xs ) + Xs (s, Xs ) x2 x3
ds.
(13.3.10) = 0 (eet de
B est un processus a variation nie4 ; il est a priori dordre 1 vis-`-vis de , sauf si f ` a moyenne). Et on a bien 1 1 (1) ps Ct = (Bt + Mt ) + O
Notons que (13.3.10) ne permet pas de dcider du signe du biais B. Une bonne stratgie de couverture e e devrait, a lordre 1 au moins, ne rien coter en moyenne. A cette n, nous proposons ci-dessous de corriger ` u lg`rement le portefeuille Black-Scholes. e e
4
B fait intervenir la combinaison 2L2 + L3 ; cest donc un terme de corrlation pure. e
232
Stratgie 2 : une stratgie autonance en moyenne e e e

Pour quune stratgie ne cote rien en moyenne au premier ordre, il sut de faire appara e u tre le terme t 3 2 3 P0 2 P0 + (s, Xs ) + Xs (s, Xs ) ds (13.3.11) f 2Xs x2 x3 2 0
1 qui viendrait sajouter aux quatre termes (13.3.9) composant Ct . En eet, combin au terme Bt , il e 1 ` e gn`re un terme dordre , a cause de leet de moyenne dcrit ci-dessus. On aurait alors lapproximation e e 1 1 Mt + O pour le cot de gestion. Une ide naturelle, au vu de ce qui prc`de, serait de choisir u e e e (1)
at = a la place de `
P0 x (t, Xt ).
P0 + P1 x
(t, Xt ),
En fait, P1 est solution de lEDP = 3 P0 2 P0 (t, x) + x3 (t, x) f 2x2 2 x x3 2 2 P0 (t, x) . x2 x2 2

3
LBS ()P1
(13.3.12)
Le terme
P P 2x2 x20 (t, x) + x3 x30 (t, x)

2
ressemble beaucoup a ce quon voudrait voir ap`
e e para tre, mais le terme x2 P0 (t, x) est de trop : cest en ralit un terme de prime de risque x2 2 de volatilit pure, alors que, comme prcis plus haut, le biais B que lon cherche a compenser est un e e e ` terme de corrlation uniquement. Aussi est-il utile de dnir la fonction Q1 : R+ R R solution de e e + lEDP 3 P0 2 P0 LBS ()Q1 = (t, x) + x3 (t, x) (13.3.13) f 2x2 2 x x3 2 avec la condition terminale Q1 (T, x) = 0 x > 0 et de considrer le portefeuille dni par e e a(2) = (P0 +Q1 ) (t, X ), t t x b(2) = ert t
P0 + Q1 (t, Xt ) Xt
( P0 +Q 1 ) (t, Xt ) x
` e Ce portefeuille vaut P0 + Q1 (t, Xt ) a la date t ; sa variation innitsimale est d P0 + Q1 (t, Xt ) P0 + Q 1 2 P0 + Q 1 1 (2) 2 (t, Xt ) + f (Yt )2 Xt (t, Xt ) dt, = at dXt + t 2 x2 at dXt + bt d ert
(2) (2)
tandis que la variation due au march est e
(2) = at dXt + r P0 + Q1 (t, Xt ) Xt
P0 + Q 1 x
(t, Xt ) dt,
si bien que le cot innitsimal vrie u e e dCt dt
(2)
233
P0 + Q 1 t
1 2 (t, Xt ) + f (Yt )2 Xt 2
P0 + Q 1 x2
r P0 + Q1 (t, Xt ) Xt = LBS () P0 + Q1 (t, Xt ) +
P0 + Q 1 x
1 2 f (Yt )2 2 Xt 2
(t, Xt )
2
(t, Xt ) P0 + Q 1 x2 (t, Xt )
Etant donn (13.3.13), et vu que LBS ()P0 = 0, on a e dCt

(2)
= dCt f + 2 +
(1)
2 2Xt
3 2 P0 3 P0 (t, Xt ) + Xt (t, Xt ) 2 x x3
dt
2 1 2 Q1 f (Yt )2 2 Xt (t, Xt ) dt, 2 x2
i.e. Ct
(2)
= Ct
(1) t 0 2 2Xs 3 2 P0 3 P0 (s, Xs ) + Xs (s, Xs ) x2 x3
+ f 2 + Le dernier terme est dordre

1
ds
1 2
t 0 2 f (Ys )2 2 Xs
2 Q1 (s, Xs ) ds. x2
2
2 Q : ici leet de moyenne joue sur Xs x21 (s, Xs ) qui est dj` dordre ea
1 ,
comme Q1 . Le second terme est prcisment le terme voulu (13.3.11). Finalement, e e Ct

(2)
1 = Mt + O
Notons que si lon suit cette stratgie de gestion, les valeurs du portefeuille et de loption di`rent d`s e e e 1 lordre , car cette dirence est prcisment Q1 P1 . Si lon souhaite que les valeurs du portefeuille e e e 1 et de loption ne di`rent qu` lordre , il sut dadopter la stratgie suivante. e a e
Stratgie 3 : un portefeuille qui colle au prix de loption e
On choisit
Ce portefeuille vaut P0 + P1 (t, Xt ) a la date t ; sa variation innitsimale est ` e d P0 + P1 (t, Xt ) 2 P0 + P1 P0 + P1 1 (3) 2 (t, Xt ) + f (Yt )2 Xt (t, Xt ) dt, = at dXt + t 2 x2
b(3) = ert t
P0 + P1 (t, Xt ) Xt
( P0 +P1 ) (t, Xt ) x
a(3) = (P0 +P1 ) (t, X ), t t x
234
tandis que la variation due au march est e at dXt + bt d ert
(3) (3)
si bien que le cot innitsimal vrie u e e dCt dt

(3)
(3) = at dXt + r P0 + P1 (t, Xt ) Xt
P0 + P1 x
(t, Xt ) dt,
P0 + P1 t
1 2 (t, Xt ) + f (Yt )2 Xt 2
P0 + P1 x2
r P0 + P1 (t, Xt ) Xt = LBS () P0 + P1 (t, Xt ) + Au vu de (13.3.12), et comme LBS ()P0 = 0, on a dCt

(3)
P0 + P1 x
1 2 f (Yt )2 2 Xt 2
(t, Xt )
(t, Xt )
2
P0 + P1 x2
(t, Xt )
= dCt
(2)
2 2 P0 Xt (t, Xt ) dt x2 2
+ i.e. Ct
(3)
1 2 f (Yt )2 2 Xt 2
P1 Q 1 x2
(t, Xt ) dt,
= Ct
(2) t 0 2 Xs
2 + 1 2
t 0
2 P0 (s, Xs ) ds x2 2 P1 Q 1 x2 (s, Xs ) ds.
2 f (Ys )2 2 Xs
1 1 Le dernier terme est dordre . Le deuxi`me terme, dordre , est le prix a fournir pour retrouver, ` e 1 a lordre du moins, le prix de loption a partir du cot de la stratgie autonance en moyenne. ` ` u e e Cest donc le prix que le vendeur de loption attache a lincompltude du march. Celle-ci est due au ` e e caract`re stochastique de la volatilit. Le vendeur subit donc un risque de volatilit et le quantie via e e e t 2 2 P0 e 2 0 Xs x2 (s, Xs ) ds qui est un terme de risque de volatilit uniquement.
13.4
13.4.1
Lapproche martingale
Dmarche e
On souhaite retrouver le prix corrig a lordre 1 par un raisonnement purement probabiliste. Autree` ment dit, on va regarder ici le prix corrig, non plus comme lapproximation dune solution dune EDP, e mais comme lapproximation dune martingale sous la probabilit de pricing (` des termes dordre pr`s). e a e Nous nous plaons sur lespace probabilis (, F, P) muni de la ltration Ft = (Ws , Zs , 0 s t), c e avec = C 0 ([0, T ] , R2 ) lensemble des fonctions continues a valeurs dans R2 , F sa tribu borlienne et ` e
235
P la mesure de Wiener sur cette tribu. On suppose lexistence dune probabilit P quivalente a P telle e e ` 2 que le prix de loption europenne de payo h(XT ) L (P ) soit donn par e e Vt = E er(T t) h(XT ) | Ft .
(13.4.1)
Soit Dt = dP |Ft ; D est une martingale uniformment intgrable par rapport a (Ft ), strictement positive. e e ` dP Comme (Ft ) est laugmentation habituelle de la ltration canonique du mouvement brownien (W, Z), le thor`me de reprsentation des martingales nous assure lexistence de processus W et Z adapts par e e e e rapport a (Ft ) tels que `
t
t [0, T [, et tels que pour tout t [0, T [

t
W s
Z + s
ds <
ps
Dt = exp
W s dWs
t 0
Z s dZs
1 2
t 0
W s
Z + s
ds
(ceci prouve notamment que D est continue). On dnit alors e

W Wt = Wt + 0 s ds, t Z Zt = Zt + 0 s ds. t
Dapr`s le thor`me de Girsanov, W et Z sont deux P -mouvements browniens indpendants. En termes e e e e de (W , Z ), la dynamique de X scrit : e dXt = Xt dt + f (Yt )Xt dWt =
W = Xt dt + f (Yt )Xt dWt t dt W f (Yt )t Xt dt + f (Yt )Xt dWt .
En supposant que XT L2 (P ) et en faisant h = id dans (13.4.1), on voit que le processus (ert Xt ) est une P -martingale, ce qui implique que
W f (Yt )t = r,
i.e.
W t =
r . f (Yt )
Dans lunivers de pricing, la dynamique de Y scrit : e dYt = (m Yt ) dt + dZt = (m Yt ) dt + dWt + = (m Yt ) dt + dWt = (m Yt ) + dWt + Si on pose Zt = Wt +
1 2 Zt ,
1 2 dZt r dt + f (Yt )
Z 1 2 t Z 1 2 dZt t dt
r + f (Yt )
dt
1 2 dZt .
236
on dnit un P -mouvement brownien et on peut rcrire la dynamique du march sous la forme e ee e dXt = rXt dt + t Xt dWt t = f (Yt ) dYt = {(m Yt ) t } dt + dZt t = r + f (Yt )
Z 1 2 t .
(13.4.2)
avec
Dans toute la suite, on suppose que le processus (t ) peut se mettre sous la forme t = (Yt ) o` u : R R est une fonction continue borne, et on se place dans lunivers de pricing. e
13.4.2
Notations
Soit LOU le gnrateur innitsimal du processus Y dans lunivers de pricing, i.e. loprateur qui a e e e e ` toute fonction g convenable associe la fonction LOU g dnie par e (LOU g) (y) = limt0+ On a dapr`s (13.4.2) e LOU = o` u L0 = 2 1 L0 E [g(Yt ) | Y0 = y] g(y) t
Si on pose s(y) = m y 2(y), on a donc
d2 d + m y 2(y) . 2 dy dy
L0 = 2
d2 d + s(y) . dy 2 dy
Lhypoth`se de bornitude sur la fonction assure lexistence dune probabilit stationnaire (y) dy e e pour Y sous P qui est lunique densit de probabilit solution de lquation L = 0, o` L dsigne e e e u 0 e 0 d ladjoint de L0 ; en eet, on introduit une fonction : R R telle que 2 dy s(y) = 0, par exemple (m y)2 2 (y) = exp (y) 2 2 o` est une primitive quelconque de . Il est alors facile de vrier que u e L0 = do` on tire u L = 2 0 2 d dy d dy d dy
d dy
Il est clair que est une solution de L = 0, intgrable car est borne, et les seules solutions intgrables e e e 0 de cette quation sont les multilpes de , si bien que e (m y)2 2 (y) (y) = J exp 2 2
o` u
+
237
J =
2 (m y)2 (y) exp 2 2
dy
On voit que est une correction dordre
par rapport a . On dnit alors : ` e
la moyenne dune fonction contre cette probabilit stationnaire : e

+
g la volatilit de pricing moyenne : e
g(y) (y) dy
2 = f 2
la solution P0 : [0, T ] R R de lEDP +
LBS ( )P0 = 0, x > 0, P0 (T, x) = h(x)
(13.4.3)
la fonction solution de L0 = f 2 f 2 . le terme de corrlation e V3 = f 2 le terme de source H (t, x) = V3 2x2 la solution Q : [0, T ] R R de lEDP 1 +
3 P0 2 P0 (t, x) + x3 (t, x) x2 x3
LBS ( )Q = H , 1 x > 0, Q (T, x) = 0 1

la fonction Q (t, x) = P0 (t, x) + Q (t, x) 1 le processus stochastique Nt = ert Q (t, Xt ).
(13.4.4)
13.4.3
rT
Le prix corrig comme martingale approche e e
Nous allons montrer qu` des termes dordre pr`s, N est une P -martingale de valeur terminale a e e h(XT ). Rappelons que la valeur Vt de loption, dnie par (13.4.1), est compl`tement caractrise e e e e par le fait que (ert Vt ) est une P -martingale de valeur terminale erT h(XT ). On aura ainsi montr que e Vt = Q (t, Xt ) + O(), ce qui permettra dinterprter Q (t, Xt ) comme le prix de loption au premier ordre. e Il est facile de voir que NT = erT h(XT ). Ce qui est moins facile, cest de montrer que N est une P -martingale, a O() pr`s. On utilise pour cela la formule dIt, en supposant Q susamment rguli`re, ` e o e e
238
et les dnitions de la section prcedente : e e ert dNt
= dQ (t, Xt ) rQ (t, Xt ) dt 2 Q 1 Q 2 Q = (t, Xt ) + f (Yt )2 Xt (t, Xt ) r Q (t, Xt ) Xt (t, Xt ) dt t 2 x2 x Q +f (Yt )Xt (t, Xt ) dWt x 2 1 2 Q (t, Xt ) dt = LBS ( )Q (t, Xt ) + f (Yt )2 2 Xt 2 x2 Q +f (Yt )Xt (t, Xt ) dWt x 2 1 Q 2 Q = H (t, Xt ) + f (Yt )2 2 Xt (t, Xt ) dt + f (Yt )Xt (t, Xt ) dWt . 2 x2 x Il sut donc de voir que
t 0
H (s, Xs ) +
2 1 2 Q f (Ys )2 2 Xs (s, Xs ) 2 x2
ds = P -martingale + O().
Comme
1 2 d (Ys ) = (L0 ) (Ys ) ds + (Ys ) dZs , 2 Q (s, Xs ) ds x2 0 t 2 2 Q (L0 ) (Ys )Xs (s, Xs ) ds = x2 0 t 2 2 Q Xs (s, Xs ) d (Ys ) 2 (Ys ) dZs = 2 x 0 t 2 2 Q = P -martingale + X (s, Xs ) d (Ys ) 2 0 s x2 1 2 1 2 1 2
2 f (Ys )2 2 Xs t
on a
(` supposer que la P -martingale locale a
2 2
2
t 0
P -martingale). Le pi`ge dans lequel il ne faut pas tomber serait de croire que e
2 2 Q Xs x2 (s, Xs ) (Ys ) dZs soit eectivement une vraie
t 0
2 Q O(). Certes (Ys ) = O(1), tout comme Xs x2 (s, Xs ). Mais les variations innitsimales de Ys , et par e 1 consquent celles de (Ys ), sont inniment grandes lorsque devient inniment petit, dordre . A e moins que les deux browniens W et Z gouvernant respectivement X et Y soient indpendants, cela e
2 Q Xs x2 (s, Xs ) d (Ys ) =
gn`re un crochet inniment grand entre lintgrand et le processus contre lequel on lint`gre : e e e e
2 P0 d (Y ), X2 (, X ) 2 x s 3 2 2 P0 2 3 P0 f (Ys ) (Ys ) 2Xs = (s, Xs ) + Xs (s, Xs ) x2 x3
ds
(en eet,
2 d (Ys ) = ds + (Ys ) dZs
et
2 d Xs 2 P0 (s, Xs ) 2 x
239
= ds
2 +f (Ys ) 2Xs 3 2 P0 3 P0 (s, Xs ) + Xs (s, Xs ) 2 x x3 dWs .)
De ce fait, en intgrant par parties, e 2 Q (s, Xs ) d (Ys ) x2 0 t 2 2 Q (s, Xs ) (Ys ) d Xs x2 0

2 Xs t t
2 2 Q (s, Xs ) (Ys )d Xs x2 0 3 2 2 t 3 P0 2 P0 (s, Xs ) + Xs (s, Xs ) ds f (Ys ) (Ys ) 2Xs 0 x2 x3 3 2 2 t 3 P0 2 P0 = O(1) (s, Xs ) + Xs (s, Xs ) f (Ys ) (Ys ) 2Xs 0 x2 x3
ds
2 Q X0 x2 (0, X0 ) (Y0 ), soit remarquer que la prsence de Y dans llment direntiel est sans consquence e ee e e car lintgrand - le processus identiquement gal a 1 - est a variation nie et gn`re donc un crochet nul e e ` ` e e avec llment direntiel. Pour la deuxi`me intgrale, il sut de remarquer que Y est absent de llment ee e e e ee direntiel et que lintgrand (Ys ) est un O(1). e e Par consquent, e 2 1 2 Q f (Ys )2 2 Xs (s, Xs ) ds 2 x2 0 = P -martingale + O() 2 3 t 2 P0 3 P0 f (Ys ) (Ys ) 2Xs (s, Xs ) + Xs (s, Xs ) 2 x x3 2 0 t
2 Q Pour voir que la premi`re intgrale est un O(1), on peut soit lcrire Xt x2 (t, Xt ) (Yt ) e e e
2
H (s, Xs ) +
ds
+
0
H (s, Xs ) ds.
Or,
t 2 3 2 P0 3 P0 f (Ys ) (Ys ) 2Xs H (s, Xs ) ds 2 (s, Xs ) + Xs (s, Xs ) 2 x x3 0 0 2 3 t 2 P0 3 P0 (f (Ys ) (Ys ) f ) 2Xs = (s, Xs ) + Xs (s, Xs ) ds 2 x x3 2 0 O = (eet de moyenne, ou thor`me ergodique) e e 2 = O(). t
ds
Finalement, on a bien
t 0
H (s, Xs ) +
2 1 2 Q f (Ys )2 2 Xs (s, Xs ) 2 x2
ds = P -martingale + O(),
ce quil fallait dmontrer. e
240
13.4.4
Retrouver le prix P0 + P1
Le prix P0 + P1 obtenu par la mthode EDP est la solution de lEDP : e LBS () P0 + P1 = H(t, x),
e Le prix P0 + Q obtenu par la mthode martingale est, lui, la solution de lEDP : 1 LBS ( ) (P0 + Q ) = H (t, x), 1 x > 0, (P0 + Q ) (T, x) = h(x). 1
x > 0,
P0 + P1 (T, x) = h(x).
(13.4.5)
(13.4.6)
Les termes de sources ont les expressions H(t, x) = V2 x2 o` LBS ()P0 = 0 et P0 (T, x) = h(x), et u H (t, x) = V3 2x2
3 P0 2 P0 + x3 x2 x3
2 P0 3 P0 (t, x) + V3 x3 (t, x) x2 x3
(t, x)
o` LBS ( )P0 = 0 et P0 (T, x) = h(x). Nous allons montrer quau premier ordre, les deux prix coincident, u i.e. P0 + Q = P0 + P1 + O(). 1 Pour cela, il sut de montrer que, a O() pr`s, P0 + Q est solution du probl`me (13.4.5). Les conditions ` e e 1 terminales des deux probl`mes (13.4.5) et (13.4.6) tant identiques, il sut de prouver que e e LBS () (P0 + Q ) = H(t, x) + O(). 1
Pour ce faire, nous donnons des dveloppements limits en e e
de LBS ( ) et H (t, x).
Dveloppement limit de LBS ( ) e e

Comme
1 J
= = = = =
(m y)2 2 exp (y) dy 2 2 + 2 (m y)2 exp (y) dy exp 2 2 + (m y)2 2 exp (y) + O() dy 1 2 2 + (m y)2 2 + (m y)2 exp dy (y) exp 2 2 2 2 2 + O() , 2 1
+
dy + O()
on a 1 J = 2
2 + O() 1+
puis 2 (y) = J 2 exp (y) 2 2 = 1+ + O() (y) + O() 1 2 = 1 (y) + O() do` u
+
241
(13.4.7)
=
+
g(y) (y) dy g(y)(y)
(13.4.8)
= = = = puis
(y) dy + 2 + g(y)(y) (y) 2 g g + O() 2 g (g g ) + O(),
g(y)(y) + O()
2 = f + O() f2 f2 2 = 2 + O(). f2 f2
2
f2
Comme L0 = on a f2 f2 = =
2 d dy
d dy
(L0 ) 2 d ( ) dy
+
= 2 = 2
(y) ( ) (y) dy
+
(y) ( ) (y) dy
= 2 o` on a intgr par parties. Par consquent, u e e e
2 = 2 2 + O(),
242
do` u
1 2 LBS ( ) = LBS () + ( 2 2 )x2 2 2 x 2 = LBS () x2 2 + O(). x 2
(13.4.9)
Dveloppement limit de H (t, x) e e

Dapr`s (13.4.8), on a e V3 = = Mais il est facile de voir en utilisant (13.4.7) f do` u f 2 f + O . 2 et (13.4.8) que = f + O ,
V3 = f + O() = V3 + O(). 2 Par ailleurs, la quantit 0 = P0 P0 vrie lEDP e e 2 P0 + O() LBS ()0 = x2 2 x 2 avec une condition terminale nulle, donc 0 = O ( ), i.e. P0 = P0 + O ( ). Par consquent, e H (t, x) = V3 2x2
2 P0 3 P0 (t, x) + x3 x2 x3 2 P0 3 P0 = (V3 + O ()) 2x2 (t, x) + x3 (t, x) + O 2 3 x x 3 P0 2 P0 (t, x) + x3 (t, x) + O() = V3 2x2 x2 x3
(13.4.10)
Conclusion
En mettant bout a bout (13.4.9) et (13.4.10), on obtient ` 2 (P0 + Q ) 1 = + + x2 + O() x2 2 2 (P0 + Q ) 1 + O() = H (t, x) + x2 x2 2 2 3 2 (P0 + Q ) 1 2 P0 3 P0 = V3 2x (t, x) + x (t, x) + x2 + O(). x2 x3 x2 2 Mais P0 = P0 + O ( ) et Q = O( ) donc 1
LBS ( ) (P0 LBS () (P0 + Q ) 1
Q ) 1
LBS () (P0 + Q ) 1 2 3 P0 2 P0 2 P0 = V3 2x (t, x) + x3 (t, x) + x2 (t, x) + O() 2 3 x x x2 2 3 P0 2 P0 + V 3 x3 (t, x) + O(), = V 2 x2 x2 x3
ce qui conclut la preuve.
243
13.5
Calibration
Le mod`le introduit beaucoup de param`tres (, , m, , , f ) mais seuls trois susent a dterminer e e ` e le prix corrig et les stratgies de couverture tudies plus haut : , V2 et V3 . Ils sont bien sr fonctions e e e e u de (, , m, , , f ). Jean-Pierre Fouque, George Papanicolaou et K. Ronnie Sircar [1] assurent que tout processus ergodique Y et toute fonction f L2 m`nent a lexistence des trois param`tres , V2 et e ` e V3 . En pratique, il est essentiel de pouvoir estimer ces trois param`tres. On pourrait chercher les , V 2 et e V3 tels que le prix corrig e P0 + P1 (t, x) = P0 (t, x) (T t) V2 x2 3 P0 2 P0 (t, x) + V3 x3 (t, x) x2 x3
soit le plus proche possible des prix observs, par exemple pour une option dachat classique. On e prf`rera travailler avec les volatilits implicites, qui ne sont quune mani`re de reprsenter les prix a ee e e e ` travers le prisme Black-Scholes.
13.5.1
Le prix corrig de loption dachat e
Dans ce paragraphe, on tudie le cas particulier du call dchance T et de prix dexercice K : e e e h(x) = (x K)+ . On admet quon a le droit dappliquer les rsultats prcdents, malgr le fait que e e e e 2 h nest pas de classe C . On souhaite donner le prix corrig C0 + C1 du call. C0 est le prix du call e Black-Scholes pour la volatilit . Par consquent, e e C0 (t, x) = CBS (t, x; K, T ; ) = xN (d+ ) Ker(T t)N (d ) o` u

(13.5.1)
T t
2
et N (d) =
g(u) du, avec g(u) = d (t, x) x C0 (t, x) x 2 C0 (t, x) x2 3 C0 (t, x) x3
1 2
exp u 2
. On a
1 >0 x T t
= N (d+ ) > 0 1 g(d+ ) > 0 x T t 1 1 = 2 g(d+ ) + 2 2 g (d+ ) x (T t) x T t g(d+ ) = 2 2 d+ + T t . x (T t) = = xN (d+ ) Ker(T t) N (d )
Le prix corrig au premier ordre de loption dachat est donc e C0 + C1 (t, x)
xg(d+ ) (V2 V3 ) T t V3 d+ 2
d = + d =
ln ln
x Ker(T t) x Ker(T t)
T t
+ 1 T t, 2 1 T t, 2
(13.5.2)
244
13.5.2
Surface de volatilit implicite e
On cherche a dvelopper la volatilit implicite sous la forme ` e e I(t, x) = I0 (t, x) + I1 (t, x) + I2 (t, x) + I3 (t, x) + et on souhaite calculer les deux premiers coecients I0 et I1 . Par dnition de la volatilit implicite, e e CBS (t, x; K, T ; I(t, x)) = C obs . Si nous croyons a notre mod`le de march a volatilit stochastique, on a ` e e` e CBS (t, x; K, T ; I(t, x)) = C0 (t, x) + C1 (t, x ) +C2 (t, x) + C3 (t, x) + On dveloppe le terme de gauche : e CBS (t, x; K, T ; I(t, x)) = CBS (t, x; K, T ; I0 (t, x)) CBS + I1 (t, x) (t, x; K, T ; I0 (t, x)) + I0 (t, x) = et I1 (t, x) = C1 (t, x) . CBS (t, x; K, T ; ) I1 . Comme
Lidentication des termes donne
Il est agrable de travailler avec la quantit I1 = e e
CBS (t, x; K, T ; ) = x T tg(d+ ), on a I1 (t, x) = C1 (t, x ) x T tg(d+ )

xg(d+ ) 2
= =
(V2 V3 ) T t V3 d+ x T tg(d+ ) d+ (V2 V3 ) V3 . T t
Le mod`le a volatilit stochatique ergodique gn`re donc un smile : e ` e e e I(t, x) = En explicitant d+ , on obtient I(t, x) = 1 V2 V 3 3 r + 2 2 + V3 ln K x (T t)
2
d+ (V2 V3 ) V3 T t
+ O().
+ O().
Etudier la surface de volatilit implicite, cest sintresser a la dpendance en (K, T ) de cette expression. e e ` e Elle est du type ln K x + b + O(), (13.5.3) (K, T ) a T t
avec
245
V2 et V3 sont petits, dordre , donc a est petit et b est proche de . En pratique, on observe la surface de volatilit implicite empirique (on ne dispose que de quelques e points en ralit), on cherche a et b de sorte que (13.5.3) colle au mieux a la surface de volatilit implicite e e ` e empirique et on inverse le syst`me (13.5.4) : e V3 = a 3 3 V2 = b a r + 2 2 Il faut avoir auparavant mesur la volatilit moyenne , par exemple en tudiant statistiquement la e e e X variance des rendements empiriques X . On note que si on sarrte au premier ordre, la volatilit implicite prvue par le mod`le a volatilit e e e e ` e stochastique est une fonction monotone de K, proportionnelle a ln(K). Lapproximation au premier ` ordre ne permet pas de gnrer un sourire, i.e. une courbe convexe dcroissante puis croissante. La e e e volatilit implicite (13.5.3) est convexe en K si et seulement si a < 0, cest-`-dire V 3 > 0. Dans ce cas, e a lapproximation au premier ordre de la volatilit implicite thorique est une fonction convexe dcroissante e e e qui tend vers linni quand K tend vers 0. Pour voir appara un sourire, il faut pousser le dveloppement tre e limit au second ordre. Jean-Pierre Fouque, George Papanicolaou et K. Ronnie Sircar assurent que e 2 . le terme dordre ne dpend de K qu` travers la quantit ln K e a e x
V3 a = 3 1 b = V2 V 3
r 2
3 2
(13.5.4)
13.6
Simulations numriques e
1 Lhypoth`se e e e T t permet dobtenir un dveloppement limit (13.5.3) du smile ; elle permet 1 . Or, on observe souvent des amplitudes dexpliquer des smiles de faible amplitude, de lordre de empiriques bien plus importantes. On doit alors considrer des valeurs de de lordre de T 1 . On ne e t peut alors plus utiliser le dveloppement limite (13.5.3) et on ne dispose videmment pas de formule ferme e e e pour le prix du call. On va donc eectuer des simulations numriques. On cherche a valuer numriquement e è e des prix doptions et des volatilits implicites, soit par discrtisation de lEDP dvaluation, soit par des e e e mthodes de Monte-Carlo. e
13.6.1
Schmas numriques pour lEDP dvaluation e e e
Mthode e
On rappelle lEDP vrie par le prix P (t, x, y) de loption europenne de maturit T et de payo e e e e H = h(XT ) L2 (P , FT ) :
P t
1 2
P (Xt ) f (Yt )2 P + 2 Xt f (Yt ) xy + x2 2 P y
2 2P y 2
+r Xt P P + 1 (m Yt ) P x y
= 0,
avec la condition terminale P (T, x, y) = h(x). Si on pose Q(t, x, y) = P (t, ex , y), alors la fonction Q est solution de lEDP
f (y)2 Q f (y)2 2 Q Q Q 1 t + 2 x2 + r 2 x rQ + (m y) y 2 2 2Q Q + y2 + 2 f (y) xy 2 (t, ex , y) Q = 0, y
avec la condition terminale Q(T, x, y) = h(ex ).
246
On suppose dans la suite que = 0. Quitte a remplacer f (y) par f (y + m), on peut choisir m = 0 ; ` y est alors centre autour de 0, et lEDP scrit e e
f (y)2 2 Q f (y)2 Q Q t + 2 x2 + r 2 x rQ 2 2Q 2Q 2 1 Q y y + y2 + f (y) xy = 0.
On localise dans les deux directions despace : on cherche une approximation de Q(t, x, y) pour x ]l x , lx [ et y ]ly , ly [. Il sagit de choisir convenablement lx et ly . On eectue ensuite la discrtisation en e espace. On consid`re Nx points rpartis uniformment sur ]lx , lx [ et Ny points rpartis uniformment e e e e e 2ly x sur ]ly , ly [. On appelle hx = N2l+1 et hy = Ny +1 les pas de discrtisation spatiale et on pose e x xi = lx + ihx yj = ly + jhy pour (i, j) {0, 1, . . . , Nx + 1} {0, 1, . . . , Ny + 1}. Alors x0 = lx , xNx +1 = lx . Pour (i, j) {1, . . . , Nx } {1, . . . , Ny }, on pose [i, j] = (i 1)Ny + j. On cherche une famille u(t) de vecteurs de taille Nx Ny telle que u[i,j] (t) Q(t, xi , yj ). Pour ce faire, on utilise des drives discrtises centres e e e e e et des drives secondes discrtises, en utilisant les correspondances : e e e e
Q x 2Q x2 Q y 2Q y 2 2Q xy u[i+1,j] u[i1,j] 2hx u[i+1,j] 2u[i,j] +u[i1,j] h2 x u[i,j+1] u[i,j1] 2hy u[i,j+1] 2u[i,j] +u[i,j1] h2 y u[i+1,j+1] u[i1,j+1] u[i+1,j1] +u[i1,j1] 4hx hy
Loprateur spatial discrtis est alors une matrice A de taille Nx Ny Nx Ny tridiagonale par blocs, chacun e e e des blocs des trois diagonales tant lui-mme tridiagonal. Plus prcisment, si on utilise des conditions e e e e 2 au bord de Dirichlet nulles, on peut dcomposer la matrice5 A = AD en Nx blocs (Ai,k )1iNx ,1kNx e de taille Ny Ny : AD AD AD x 1,1 1,2 1,N AD AD x AD 2,1 2,2 2,N A = AD = . . . . . . . . . ADx ,1 N ADx ,2 N ADx ,Nx N Si |i k| > 1, AD est la matrice nulle. AD i,i1 est tridiagonale et a pour coecients i,k AD i,i1 j,j1 AD i,i1 AD i,i1
5
= =
2f (yj ) , 4 hx hy ,
j,j
j,j+1
f (yj )2 1 f (yj )2 r 2 2hx 2hx 2 2f (yj ) = . 4 hx hy
D pour Dirichlet
AD est tridiagonale et a pour coecients i,i AD i,i
j,j1
247
yj 2 + 2, 2hy hy 2 2 f (yj )2 r 2, h2 hy x yj 2 + 2. 2hy hy
AD i,i AD i,i
j,j
= =
j,j+1
Enn, AD i,i+1 est tridiagonale et a pour coecients AD i,i+1 j,j1 AD i,i+1 AD i,i+1
j,j
j,j+1
2f (yj ) = , 4 hx hy 1 f (yj )2 f (yj )2 + = r 2h2 2hx 2 x 2f (yj ) = . 4 hx hy
Il sagit maintenant de discrtiser en temps. On se donne [0, 1], un entier M 1, un pas temporel e k = T /M et, en sinspirant de (13.3.13), on cherche une famille de M + 1 vecteurs un , 0 n M , de taille Nx Ny , telle que uM = h(exi ) et, pour 0 n M 1, [i,j] un+1 un + Aun + (1 )Aun+1 = 0, k ce qui scrit e Bun = Cun+1 avec Numriquement, on inverse la matrice B par une mthode itrative. Ceci ne peut se faire 6 que si k A < e e e 1. Il faudra donc prendre un pas de discrtisation temporelle susamment petit. e Dans le cas de conditions de Neumann nulles, la matrice A = AN scrit7 e AN + A N AN AN x 1,0 1,1 1,2 1,N AN AN AN x 2,1 2,2 2,N N A=A = . . . . . . . . . N N N N ANx ,1 ANx ,2 ANx ,Nx + ANx ,Nx +1 o`, pour tous i, k, u (Ai,k )0,1 + (Ai,k )1,1 (Ai,k )2,1 . . . (Ai,k )Dy ,1 N
D D D
B = I kA,
C = I + k(1 )A.
Sous rserve de convergence du schma numrique, u0 est une approximation de Q(0, xi , yj ). e e e [i,j]
7
AN = i,k
(Ai,k )1,2 (Ai,k )2,2 . . . (Ai,k )Dy ,2 N

D
(Ai,k )2,Ny . . . D (Ai,k )Ny ,Ny + (Ai,k )Dy ,Ny +1 N
(Ai,k )1,Ny
D
On travaille ici avec la norme N pour Neumann
. Pour v
, v
= max1id |vi |.
248 Rsultats e
On utilise des conditions au bord de Neumann nulles. On teste les fonctions f (y) = mey , f (y) = m (m + y) et f (y) = m |m + y|. On teste = 0.1, 1, 10, = 0.8, 0, 0.8. Sauf indication contraire, = 0.5. On donne la surface des prix et la courbe de smile. Ce travail est malheureusement inachev, e mais le code a ete completement ecrit.
13.6.2
Mthode de Monte-Carlo8 e
Schma dEuler e Dnition L` aussi on suppose = 0 et, quitte a changer f , m = 0. Lquation direntielle stochase a ` e e tique scrit dans ce cas e dXt = rXt dt + t Xt dWt t = f (Yt ) (13.6.1) dYt = Yt dt + dZt
On se donne M 1 pas de temps : on pose t = T /M et tn = nt. Autrement dit, on consid`re la e subdivision rguli`re e e 0 = t0 < t1 < t2 < < tM 1 < tM = T de lintervalle [0, T ]. On peut discrtiser (13.6.1) de plusieurs faons. La plus simple consiste a considrer e c ` e le schma dEuler (X tn , Y tn )0nM dni par e e X tn+1 X tn = rX tn t + f (Y tn )X tn tGn Y tn+1 Y tn = Y tn t + t Gn + 1 2 Gn
(13.6.2)
o` (Gn )0nM 1 et (Gn )0nM 1 sont deux suites indpendantes de variables alatoires indpendantes u e e e de mme loi gaussienne centre rduite. Notons que la dynamique de Y est autonome. e e e
Erreurs statistique et trajectorielle On lance N simulations de trajectoires (13.6.2) et on estime

1 la valeur en t = 0 de loption de payo H = h(XT ) par la moyenne emiprique erT N faisant, on commet deux erreurs : une erreur de nature statistique, dordre 1/ N : N i=1
h(X T ). Ce
(i)
1 N
N i=1
h(X T ) E h X T
(i)
N (0, 1)
e e en loi lorsque N tend vers linni, o` 2 = Var X T . En ralit, on commet aussi une erreur sur u e 2 que lon estime en mme temps que E h X M par la quantit e
2 n
1 = N
N i=1
i h(X T )2
1 N
N i=1
2 i h(X T )
2 e Cependant, on constate en pratique que n converge vite vers une limite qui semble dpendre peu de 2 la valeur du pas de temps t. Ceci permet de bien contrler le rayon N de lerreur statistique, o uniformment en t. e
8
Cette section doit beaucoup a Bernard Lapeyre qui est a lorigine de plusieurs amliorations. ` ` e
249
une erreur de discrtisation temporelle E h X T E [h (XT )] , dordre t = T /M . Comme e les coecients de notre diusion bidimensionnelle sont lipschitziens, on peut facilement majorer cette erreur de discrtisation par une quantit dordre t en utilisant les rsultats de convergence e e e L2 et presque sre [5][8][6] : u C > 0, M 1, E sup
0iM
X ti X ti
Ct, P ps.
<
1 , M sup X ti Xti M 0 2 0iM
En ralit, on peut faire beaucoup mieux. Sous des hypoth`ses de rgularit sur les coecients de e e e e e la diusion et sur le payo, Denis Talay et Luciano Tubaro [5] montrent que E h X T E [h (XT )] = Ct + O t2 (13.6.3)
o` C est une constante dpendant des coecients de la diusions, des valeurs initiales x et y de X u e et Y , du payo h, de T , mais indpendante de t. Denis Talay et Luciano Tubaro introduisent e par exemple les hypoth`ses : e (H0) Les coecients bx (x, y), x (x, y), by (x, y) et y (x, y) de la diusion sont des fonctions C dont toutes les drives sont bornes. e e e (H1) Le payo9 h : R2 R est de classe C et pour tout multiindice de drivation, e p N, CT > 0, (x, y) R2 , | h(x, y)| CT (1 + (x, y) ) . Alors (H0)-(H1) implique (13.6.3). Mais pour un call ou un put, (H1) nest pas vrie. En outre, e e y (H0) nest pas vrie pour le cas f (y) = me . e e Denis Talay et Luciano Tubaro introduisent une autre hypoth`se (H2) qui associe a (H0) e e ` sut a obtenir (13.6.3) pour des payos seulement mesurables et borns. Ceci permet de traiter le ` e cas du put. Il est donc naturel de choisir N et M de sorte que N M 2 , i.e. pour que les deux erreurs soient du mme ordre10 . e
p
Rduction de variance On amliore la vitesse de calcul en proposant des mthodes de rduction e e e e de variance : Lutilisation de variables antithtiques divise par quatre les appels a la fonction random : on lance e ` N/4 simulations de quatre jeux de trajectoires obtenues via les deux suites indpendantes de gause siennes centres rduites indpendantes (Gn )0nM 1 et (Gn )0nM 1 en utilisant respectivement e e e les suites (Gn , Gn )0nM 1 , (Gn , Gn )0nM 1 , (Gn , Gn )0nM 1 et (Gn , Gn )0nM 1 qui ont toutes mme loi. e Dans le cas o` est grand devant T 1 , on sait que le prix de loption est proche de la solution P0 u t de lEDP LBS ()P0 = 0 avec la condition terminale P0 (T, x) = h(x). Si on dispose dune formule pour P0 , on peut esprer rduire la variance en introduisant le mouvement brownien gomtrique e e e e X : bs bs bs dXt = rXt dt + Xt dWt , X0 = x
Dans le cas des options nanci`res, h ne dpend que de la variable x. On consid`re plus gnralement des e e e e e payos - qui portent alors mal leur nom - fonctions de x et y. 10 Reste a estimer la constante Ct en facteur de t. Voir ci-dessous le paragraphe sur lextrapolation de ` Romberg.
9
250
et en notant que
bs E h(X T ) = E h(X T ) h(XT ) + P0 (0, x). bs e On esp`re que Var h(X T ) h(XT ) < Var h(X T ) . On peut introduire un param`re q qui minie bs mise Var h(X T ) qh(XT ) et crire e bs E h(X T ) = E h(X T ) qh(XT ) + qP0 (0, x).
Le meilleur q possible est q=

bs cov(h(X T ), h(XT )) , bs ) Var h(XT
(13.6.4)
on peut lestimer au cours de la simulation. Attention ! Si on estime q au cours de la simulation, bs disons par qN , ce dernier est fonction de tous les tirages de gaussiennes, donc corrl a X T et XT . ee` Par consquent, les variables alatoires e e h XT
(i)
q N h XT
bs,(i)
ne sont pas forcment indpendantes, lestimateur e e 1 N

N i=1
h XT
(i)
q N h XT
bs,(i)
(13.6.5)
bs e e e de E h(X T ) qh(XT ) peut tre biais, de mme que lestimateur de la variance. Si lon dispose dun thor`me central limite pour (13.6.5), lcart-type limite est certainement plus large que pour e e e le q dterministe correspondant (13.6.4). e On peut estimer (13.6.4) dabord en appelant p fois la fonction random, on obtient q p , puis utiliser bs N nouveaux tirages pour estimer E h(X T ) qh(XT ) via
1 N
N i=1
h XT
(i)
q p h XT
bs,(i)
L` encore, qp est une variable alatoire. Il faut tenir compte de sa variance pour dterminer un a e e intervalle de conance relatif a lestimateur ci-dessus. ` Enn, on peut - comme dit au dbut - choisir a priori un q dterministe (par exemple q = 1). Dans e e ce cas, lestimation de lintervalle de conance est ais - mais on peut tre loin du meilleur q e e possible. e Mme pour de petites valeurs de , on peut se donner une valeur de et appliquer la mthode. e En pratique, pour q = 1 et = 1, on observe que la variance est rduite dun facteur 8 environ, et e pour une large gamme de .
Extrapolation de Romberg Sous rserve que lerreur de discrtisation est dordre t, cest-`-dire e e a
si lon a bien le dveloppement (13.6.3), alors on peut mettre en oeuvre la mthode dextrapolation de e e Romberg : on estime E h X T pour deux valeurs t et t/2 du pas de temps, et on en dduit une e estimation de t/2 t t E h X T . ZT = 2E h X T
t ZT est une approximation dordre 2 en temps de E [h (XT )] car (13.6.3) implique t ZT E h X T t
= O t2 .
251
Pour mesurer numriquement cette erreur, il est essentiel de pouvoir estimer dans le code informatique e la constante en facteur du t2 . Pour ce faire, supposons quon dispose dun dveloppement limit e e E h X T Alors il existe C2 tel que
t ZT E [h (XT )] = C2 t2 + o t2 , t
E [h (XT )] = C1 t + C2 t2 + o t2 .
3 C2 t2 + o t2 . 4 Ceci permet destimer a posteriori lerreur due a la discrtisation temporelle C 2 t2 par ` e

t ZT Z T t/2
et
t C2 t2 =
4 t/2 t . ZT Z T 3
En pratique, par exemple pour estimer le put europen dchance T , e e e on xe un grand nombre de tirages N, on se donne un pas de temps minimal > 0, on initialise t a T, ` t t pour cette valeur de t, on estime le put par la moyenne empirique ZN qui estime ZT et on estime le rayon t = 2 s
t Var ZN N
de lerreur statistique, on divise t par 2, on recommence les oprations de la ligne prcedente, et on calcule e e
t C2,N t2 =
4 t/2 t , ZN Z N 3
t/2
t a t nont aucune signication puisquon ne calcule la valeur de ZN (resp. ZN ) quavec une ` s t/2 prcision t (resp. s ). e s t/2 Notons que sauf pour quelques grandes valeurs de t, on a t s . On obtient donc une erreur s statistique uniforme en t. Au nal, on a donc un pas de temps t et on a conance en lestimation t ZN 2t s
t t on sarrte d`s que11 C2,N t2 t ou quand t < . En eet, des valeurs de C2,N t2 infrieures e e e s
pour le put. Cette estimation de lerreur est : globale, non asymptotique.
Amlioration du schma e e
Le schma dEuler a deux grands avantages : il est universel - il vaut pour toute diusion - et facile e a implmenter. Mais, dans le cas de la diusion (13.6.1) vue a travers les deux browniens indpendants ` e ` e 1 2 W et W : dXt = rXt dt + f (Yt )Xt dWt2 + 1 2 dWt1 , X0 = x, (13.6.6) 2 dYt = Yt dt + dWt , Y0 = y, on peut esprer tre plus prcis en exploitant les proprits suivantes : e e e ee
11 t A priori, C2,N t2 dcro avec t. On peut recommencer une ou deux fois les oprations pour sen assurer. e t e
252

la dynamique de Y est autonome - elle ne dpend pas de la dynamique de X ; on peut donc simuler e dabord Y , puis X sachant Y , on sait simuler exactement la loi de Y , car Y est un processus gaussien ; en vue de simuler X, il est en fait ncessaire12 de simuler la loi du couple (Y, W 2 ) ; ca nest pas plus dicile car (Y, W 2 ) e est galement un processus gaussien, e pour simuler ecacement la loi de (Y, W 2 ), on peut exploiter le caract`re markovien de ce processus, e on peut implmenter un schma dEuler pour simuler X sachant Y et W 2 . Mais on dispose dune e e expression exacte de XT en fonction des trajectoires de Y , W 2 et W 1 :
T T
XT = xerT exp
0
f (Yt ) dWt2 +
1 2
f (Yt ) dWt1
1 2
f (Yt )2 dt .
0
On peut esprer tre plus prcis en simulant directement largument sous lexponentielle. Cela e e e revient a simuler par un schma dEuler log(XT ) plutt que XT . ` e o Revenons point par point sur ces amliorations. e
Simulation du couple (Y, W 2 ) Nous proposons deux mthodes pour simuler la loi du couple e
(Y, W 2 ). Elles sont toutes deux bases sur le rsultat suivant : si M est un entier 1 et si 0 < t 1 < t2 < e e < tM = T , alors le vecteur V = Yt1 , Wt2 , Yt2 , Wt2 , Yt3 , Wt2 , . . . , YtM , Wt2 1 2 3 M est un vecteur gaussien. Pour le prouver, considrons 2M rels i et i et montrons que la variable e e alatoire relle e e
M
G=
i=1
i Yti + i Wt2 i
suit une loi gaussienne. Pour ce faire, posons Rt = et Yt ; comme dRt = et dWt2 ,
t
Rt = y +
0
2 es dWs .
Il est alors facile de trouver des rels c, i et i tels que e

M ti
G = c+
i=1 M
i
ti ti1
ti1
2 es dWs + i Wt2 Wt2 i i1
= c+
i=1 t
2 (i es + i ) dWs .
i 2 Or, pour tout i, Ii = ti1 (i es + i ) dWs est une variable gaussienne - car limite dans L2 dune suite de variables gaussiennes ; de plus les Ii sont indpendantes. G est donc la somme de v.a. gaussiennes e indpendantes, cest donc elle-mme une gaussienne. e e
Mthode 1 On gn`re la matrice de variance-covariance du vecteur gaussien V , son vecteur des e e e moyennes m, on calcule une racine carre A de par la mthode de Cholevsky - i.e. on cherche lunique e e A triangulaire infrieure a diagonale strictement positive telle que = AA t - et on gn`re un vecteur G e ` e e de 2M variables alatoires gaussiennes centres rduites indpendantes. Alors le vecteur AG + m a mme e e e e e loi que V .
12
sauf dans le cas o` = 0. u
Pour calculer , il sut de conna tre, pour 1 i j M : cov(Yti , Ytj ) = 2 e(ti +tj ) e(tj ti ) , cov(Wt2 , Wt2 ) = ti , i j 1 eti , cov(Ytj , Wt2 ) = e(tj ti ) cov(Yti , Wt2 ). i j cov(Yti , Wt2 ) = j Pour calculer m, il sut de conna tre E [Yti ] = yeti , E Wt2 i = 0.
253
Linconvnient de cette mthode est que lon utilise des matrices de taille 2M - deux fois le nombre de e e pas de temps - donc ventuellement de grande taille. e
Mthode 2 Ici on exploite le caract`re markovien - en plus du caract`re gaussien - du couple e e e (Yt , Wt2 )0tT . Pour cela, on se donne une subdivision rguli`re 0 = t0 < t1 < t2 < < tM = T de e e [0, T ] de pas t et on remarque que pour 1 n M,
Ytn Wt2 n si bien que si lon pose : Vn Un g on a pour pour n 1 y w , u1 u2 = (Ytn , Wt2 )t n = = e
tn1 tn t
= et
Ytn1 + etn1
tn tn1
2 es dWs
= Wt2 + Wt2 Wt2 , n1 n n1
e
tn1
2 dWs ,
Wt2 n
Wt2 n1
et y + u1 w + u2 Vn = g(Vn1 , Un ).
Or on note que (Un )1nM est une suite de vecteurs alatoires gaussiens indpendants de dimension 2 e e de mme loi N2 (0, ), o` e u t 1 2 e2t 1 e , = et 1 t et indpendante de V0 . Par consquent, (Vn )0nM est une cha de Markov quon peut simuler facie e ne lement en gnrant M lois N2 (0, ) indpendantes. Pour ce faire, on applique la mthode 1 - mais en e e e e dimension 2 seulement ! Cette mthode est plus rapide, car la mthode de Cholevsky en dimension d e e ncessite de lordre de d3 oprations. e e
Simulation de XT
On rappelle que
T T
XT = xerT exp
0
f (Yt ) dWt2 +
1 2
f (Yt ) dWt1
1 2
f (Yt )2 dt
0
254
et que lon a dj` simul le couple (Y, W 2 ) aux dates tn = nT . On dcide dapproximer respectivement ea e e M T T T 2 1 2 I0 = 0 f (Yt ) dt, I1 = 0 f (Yt ) dWt et I2 = 0 f (Yt ) dWt par
t I0
= t
M 1 i=0
f (Yti )2 ,
t I1
M 1 i=0
f (Yti ) Wt1 Wt1 , i+1 i f (Yti ) Wt2 Wt2 . i+1 i
t I2
M 1 i=0
Les valeurs des Yti et Wt2 sont connues, il sut donc a cette tape de gnrer une suite Wt1 Wt1 de ` e e e i i+1 i gaussiennes indpendantes centres et de variance t. On approxime alors X T par e e
t X T = xerT exp I2 + t
1 t t 1 2 I1 I0 2
(13.6.7)
Mise en oeuvre
Dtaillons la mthode mise en oeuvre informatiquement pour lvaluation du put europen - h(x) = e e e e (K x)+ - et de la volatilit implicite : e ` 1. on xe NB TIRAGES N le nombre dappels a la fonction random, 2. on entre les param`tres du mod`le : e e pour le sous-jacent : la valeur SPOT TODAY x du spot aujourdhui ; par dfaut SPOT TODAY vaut 1, cest-`-dire e a quon raisonne avec un spot unit, e le taux court TAUX r, la fonction de volatilit f ; on consid`re souvent f (y) = mey ou f (y) = m |m + y|, e e pour le processus Y qui gouverne la volatilit : e la valeur initiale Y TODAY y, la valeur ALPHA de la force de rappel, la valeur NU de lcart-type a long terme de Y , e ` la valeur RHO de la corrlation entre les deux browniens qui gouvernent X et Y , e
3. on xe ECHEANCE T , la maturit de loption ; par dfaut elle vaut 1, cest-`-dire quon raisonne e e a sur une anne, e 4. on xe M min et M max les valeurs minimale et maximale autorises du nombre M de pas de temps, e
5. on xe strike min, strike max et nb strike, qui sont respectivement le plus petit strike, le plus grand strike et le nombre de strikes considrs ; on en dduit pas strike, e e e 6. on xe une volatilit Black-Scholes sigmabs, e 7. on xe le coecient q - dterministe - qui intervient dans la rduction de variance e e 8. lexcution commence : on lance un chronom`tre, e e 9. on cre deux matrices et huit vecteurs : e prix[j][0] contient le prix du put pour le strike strike min +j pas strike, prix[j][1] contient lerreur statistique sur ce prix, prixfin[j][0] et prixfin[j][1] sont les analogues pour un pas de temps moiti, e ` E est un chantillon de NB TIRAGES spots a la date T , e
255
e est son analogue pour un pas de temps moiti, e 1 Ebs est lchantillon des NB TIRAGES spots Black-Scholes construits a partir de sigmabs, W T et e ` 2 WT , erreurstat[j] prixfin[j][1] et erreurtemps[j] contiennent respectivement le rayon de lerreur statistique et le rayon de lerreur due a la discrtisation temporelle correspondants au ` e strike strike min +j pas strike, call[j] contient le prix du call calcul a partir du prix du put par la relation de parit, e` e vol[j] contient la volatilit implicite calcule a partir de call[j] en inversant la formule de e e ` Black-Scholes, volsup[j] est, elle, calcule a partir de call[j]+erreurstat[j], e ` 10. on initialise a zro lentier arret ; lexcution cessera quand arret vaudra nb strike, signiant ` e e que pour tout j, erreurtemps[j] < erreurstat[j], 11. on initialise M a M min, ` 12. tant que arret < nb strike et M M max, NB PAS DE TEMPS reoit M , c on met arret a zro, ` e 1 on excute moult spots v9(e,E,Ebs,sigmabs) qui remplit e pour la valeur t/2 = 2M du pas e de temps, E pour le pas de temps t et Ebs. Plus prcisment, on rp`te NB TIRAGES/4 fois e e e e lopration suivante : e on simule le vecteur V t/2 = Yt1 , Wt2 , Yt2 , Wt2 , Yt3 , Wt2 , . . . , Yt2M , Wt2 , o` tn = n t ; ceci u 2 2M 3 2 1 t/2 t/2 ncessite 4M tirages de gaussiennes ; on en dduit I0 e e et I2 , on simule B t/2 = (Wt1 , Wt1 , Wt1 , . . . , Wt1 ) ; ceci ncessite 2M tirages de gaussiennes ; on e 1 2 3 2M t/2 en dduit I1 e , on en dduit X T e via (13.6.7) ; on remplit ainsi une nouvelle case de e, t/2 en utilisant V avec B t/2 , puis V t/2 avec B t/2 et enn V t/2 avec B t/2 , on gn`re trois autres valeurs X ; au total on a donc rempli quatre cases de e, e e et de B t = on utilise les mmes valeurs de V t = Yt2 , Wt2 , Yt4 , Wt2 , . . . , Yt2M , Wt2 e 2 4 2M
t t t (Wt1 , Wt1 , . . . , Wt1 ) pour calculer I0 , I1 , I2 et X T ; ceci se fait sans appel a la fonction ` 2 4 2M random ; par le mme jeu sur les signes de V t et de B t , on remplit quatre cases de E, e 1 2 enn on utilise WT et WT pour remplir quatre cases de Ebs, pour chaque j {0, 1, . . . , nb strike 1}, STRIKE reoit strike min +j pas strike, c prix reoit prixfin, et on ractualise prixfin : prixfin[j] reoit moyenne empirique controle bs romberg c e c Ebs,sigmabs,q,prixfin[j]), cest-`-dire quon aecte a prixfin[j][0] la quantit a ` e t t/2
bs qPsigmabs +
1 NB TIRAGES
NB TIRAGES1 i=0
(2h(e[i]) h(E[i]) qh(Ebs[i]))
o` Psigmabs est le prix que donnent Black et Scholes au put pour la volatilit sigmabs, u bs e et a prixfin[j][0] lcart-type correspondant ; on place cette derni`re valeur dans ` e e erreurstat[j], si M = M min, on calcule lerreur temporelle erreurtemps[j] par 4 (prix[j][0]-prixfin[j][0]) 3 et si erreurtemps[j] < erreurstat[j], on incrmente arret de 1, e on multiplie M par 2, 13. si on est sortis de la boucle prcdente sans que arret=nb strike, cest que M max na pas t e e ee choisi susament grand ; on ache un message en ce sens,
256
14. sinon on crit dans un chier la valeur des param`tres entrs, la derni`re valeur prise par le pas de e e e e temps t puis, pour chaque j, la valeur du strike correspondant, la valeur du put prixfin[j][0], lerreur statistique erreurstat[j], lerreur due a la discrtisation temporelle erreurtemps[j] ` e (plus petite), la volatilit implicite vol[j] et lerreur volsup[j]-vol[j] sur cette derni`re, e e 15. enn, on ache le temps total dexcution. e
Rsultats e Un exemple de tableau des rsultats On commence par donner lensemble des rsultats pour e e
les param`tres suivants : e N x r f (y) f Y0 T 250 000 1 0 f ey 0.2 0 1 0.5 0 1
K x
On souhaite reprsenter graphiquement la volatilit implicite en fonction de la quantit log e e e obtenir des points rguli`rement espacs sur ce graphe, on consid`re en fait les strikes e e e e Kj = exp(lmin + jhl ) pour j {0, 1, . . . , 12}, lmin = 0.6 et hl = 0.1. Lexcution prend n avec le pas de temps t = 1/8 et donne les rsultats suivants : e e log K x -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 put 0.000906 0.001997 0.004440 0.009887 0.021635 0.045294 0.088006 0.155243 0.247806 0.363213 0.498493 0.652046 0.82381 erreurstat 0.000046 0.000069 0.000106 0.000161 0.000234 0.000292 0.000309 0.000343 0.000409 0.000473 0.000523 0.000558 0.000580 erreurtemps -0.000022 -0.000038 -0.000026 0.000017 0.000114 0.000181 0.000116 0.000166 0.000075 -0.000073 -0.000186 -0.000108 -0.000109 vol 0.269799 0.257973 0.24672 0.236683 0.228493 0.223003 0.221048 0.223039 0.228421 0.23673 0.247078 0.258379 0.270705 erreurvol 0.003624 0.002861 0.002408 0.002098 0.001907 0.001711 0.001559 0.001821 0.002724 0.004518 0.007701 0.013041 0.021148
. Pour
On donne ci-dessous la volatilit implicite I en fonction de log K . e x On constate que : le smile est convexe, dcroissant puis croissant, avec un minimum autour de la monnaie (K = x ici e car r = 0),
257
le smile vu comme fonction de log K est remarquablement symtrique e x la valeur minimale Imin 0.221 est suprieure a f exp (E [Y ]) f = 0.2 mais infrieure a e ` e ` = f 2 , i.e. si G N (0, 1),
2 2 2 = E f (G)2 = f E e2G = f e2
2
do` 0.2568. u A partir de cette courbe prise comme rfrence, nous allons tudier linuence de chacun des paee e ram`tres sur le smile. On fait successivement varier r, f , y, , , et T , toutes choses gales par ailleurs. e e
Inuence de r .
Augmenter r revient a translater de rT le smile sur la droite. Cela se vrie exactement ` e numriquement : e log K x -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 r=0 0.2700 0.2583 0.2478 0.2377 0.2295 0.2238 0.2213 0.2237 0.2292 0.2370 0.2459 0.2555 0.2645 r = 0.1 0.2801 0.2700 0.2583 0.2478 0.2377 0.2295 0.2238 0.2213 0.2237 0.2292 0.2370 0.2459 0.2555
En eet,
T T T
XT = erT x exp
f (Yt ) dWt2 +
1 2
f (Yt ) dWt1
1 2
f (Yt )2 dt .
0
Inuence de f
.
258

On donne ci-dessous les valeurs de I pour les trois valeurs testes de f : e log K x -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 f = 0.1 0.1710 0.1573 0.1454 0.1345 0.1237 0.1143 0.1104 0.1144 0.1234 0.1335 0.1441 0.1535 0.1618 f = 0.2 0.2700 0.2583 0.2478 0.2377 0.2295 0.2238 0.2213 0.2237 0.2292 0.2370 0.2459 0.2555 0.2645 f = 0.3 0.3714 0.3609 0.3518 0.3439 0.3378 0.3334 0.3317 0.3335 0.3375 0.3430 0.3503 0.3587 0.3674
Autour de la monnaie, f semble jouer proportionnellement ; loin de la monnaie, f semble jouer plutt o additivement.
Inuence de y Pour des grandes valeurs de , leet de moyenne masque y = Y 0 . Par contre, pour
des valeurs de T proches de 1, comme cest le cas ici ( = T = 1), on noublie pas la condition initiale du processus Y . .
Inuence de .
On peut faire les observations suivantes : quand est proche de 0, le smile sapplatit sur la valeur f = 0.2 ; on rappelle quici y = 0 ; dans ce cas en eet, les trajectoires sur [0, 1] de Y restent proches de laxe des abscisses (cf. la gure (??)), donc t = f (Yt ) = f eYt reste proche de f ; quantitativement, la variance de Yt vaut 2 1 e2t est petite, quand augmente, la variance de Yt aussi, la volatilit de la volatilit augmente, ce qui tend a e e ` augmenter la courbure - ou convexit - du smile, e quand tend vers +, le smile sapplatit sur la valeur 0.2568, conformment a lanalyse e ` asymptotique dveloppe plus haut ; cest leet de moyenne : moralement, toutes les trajectoires e e de Y sur [0, 1] visitent tous les tats possibles selon la probabilit stationnaire ; pour le sous-jacent e e X, il y a donc trajectoire par trajectoire un eet de moyenne sur les valeurs possibles de Y ; de ce fait, quelle que soit la trajectoire (Xt , Yt )t[0,1] , le variable alatoire XT est proche dune variable e log-normale pour la valeur qui est a la fois : ` la moyenne spatiale des volatilits f (Y ) contre la probabilit stationnaire de Y , e e
1 la moyenne temporelle de T 0 f (Yt )2 dt sur chaque trajectoire - la mme pour chaque trajece toire. Cest caractristique de la proprit dergodicit. e ee e Il existe donc une valeur critique c de qui maximise la courbure du smile a la monnaie ; sur notre ` exemple o` T = 1, c 1. Rappelons que est linverse dun temps, aussi est-il raisonnable de rechercher u c de la forme k . Cette valeur de marque lquilibre entre deux mcanismes : e e T T
259
Mcanisme 1 : quand augmente, Var[Yt ] = 2 1 e2t augmente et la courbure du smile e aussi : lincertitude sur la volatilit est plus grande et la distribution de XT est dautant plus loin e dune log-normale. Mcanisme 2 : quand augmente, les trajectoires de Y tendent a visiter chacune en particue ` lier tous les tats possibles de Y suivant la probabilit = N (0, 2 ), si bien que la quantit e e e
1 T T 0 T
1 f (Yt ) dt tend a tre la mme pour toutes les trajectoires, de mme pour T 0 f (Yt )2 dt qui è e e tend a tre sur toutes les trajectoires, et XT est proche dune distribution Black-Scholes pour la è 1 T valeur . On peut mesurer la variance de la moyenne temporelle MT = T 0 f (Yt ) dt de la volatilit e f (Y. ) sur [0, T ] dans le cas o` f (y) = 1{y0} + + 1{y>0} , Y0 = 0 : u
E [MT ] = = =
2 E [MT ] =
1 T
T 0
E 1{Yt 0} + + 1{Yt >0} dt
T 1 ( + + ) dt 2T 0 + + 2 1 E f (Ys )f (Yt ) ds dt T2 [0,T ]2
= =
1 T2 2 T2
E [f (Ys )f (Yt )] ds dt
[0,T ]2
E [f (Ys )f (Yt )] ds dt.

{0stT }
Si on note + = (y1 , y2 ) R2 | y1 y2 > 0 le nord-est et le sud-ouest de R2 et = (y1 , y2 ) R2 | y1 y2 0 le nord-ouest et le sud-est de R2 ,

2 E [MT ] =
2 T2
{0stT }
2 2 + + P ((Ys , Yt ) + ) + + P ((Ys , Yt ) ) ds dt. 2
Lorsque +, pour 0 s < t T, cov(Ys , Yt ) 0, (Ys , Yt ) tend en loi vers un couple de gaussiennes centres indpendantes, si bien que P ((Ys , Yt ) + ) et P ((Ys , Yt ) ) tendent vers e e 2 1 2 ; par consquent E [MT ] tend vers ( ++ ) = E [MT ]2 , ce qui prouve que Var[MT ] tend vers 0 e 2 4 quand + : dans cette limite, la moyenne temporelle du processus de volatilit (f (Y t ))0tT e tend vers une quantit dterministe. e e Notons aussi que la volatilit implicite I AT M () a la monnaie13 semble une fonction croissante de e ` AT M + AT M , telle que I (0 ) = f et I (+) = . Nous verrons en outre plus loin que I AT M semble ne dpendre de et T que via le produit T . Elle est donc aussi dautant plus grande que T est petit. e
Inuence de On remarque que :

lorsque tend vers 0, le smile sapplatit sur la valeur f = 0.2 ; en eet, a la limite o` tend vers ` u 0, vu que Y0 = 0, Y vaut identiquement 0, lorsque augmente, la volatilit implicite augmente et la courbure du smile a la monnaie aussi ; e ` les smiles semblent avoir des asymptotes quand log K tend vers ou +, dont les pentes x augmentent - en valeur absolue - avec . Ceci peut se comprendre de la faon suivante : lorsque augmente, cest la volatilit de la volatilit c e e qui augmente, on fait payer un risque de volatilit, les prix doption - et donc la volatilit implicite e e
13
ATM pour at the money
260

sont donc plus levs ; par ailleurs, la distribution de XT sloigne de plus en plus dune log-normale e e e car on donne de plus en plus dimportance au bruit dans Y , numriquement, il semble que la pente asymptotique soit proportionnelle a . En eet, si pour la e ` fonction I(log K ) on note g = I(0.6) I(0.5) et d = I(0.6) I(0.5), on a : x 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
g d
0.0192 0.0206 0.0217 0.0235 0.0239 0.0248 0.0250 0.0247 0.0250
0.0232 0.0223 0.0242 0.0243 0.0244 0.0248 0.0251 0.0251 0.0251
Inuence de On note que :

les volatilits a la monnaie sont a peu pr`s toutes les mmes, e ` ` e e lorsque = 0, la courbe de smile nest plus symtrique par rapport a la monnaie ; ceci signie e ` que la distribution de XT nest plus symtrique autour de x. On peut dcrire ce phnom`ne par e e e e 2 la caricature suivante. Lorsque < 0, imaginons un bruit discret Wtn > 0. Le bruit Wt2 + n 1 2 Wt1 sur le spot a alors tendance a tre ngatif, donc le spot (actualis) a tendance a ` e e e ` n tre plus petit en tn+1 quen tn . Ainsi, les queues de distribution de XT sont dissymtriques : la e e queue de distribution de gauche est plus large que celle de droite ; par consquent, par rapport a la e ` situation o` = 0, on donne plus de poids aux vnements du type XT [x1 , x2 ], o` x1 < x2 < x. u e e u Pour les strikes en-dessous de x, les calls - et la volatilit implicite - sont donc plus bas. Cest e linverse pour les strikes au-dessus de x. Financi`rement, a une volatilit plus grande correspond e ` e des prix de sous-jacents plus bas. On peut bien sr faire un raisonnement analogue dans le cas o` u u > 0. . On remarque que : lorsque T tend vers +, le smile tend a sapplatir sur la valeur 0.2568 ; de ce point de vue, il ` y a quivalence formelle entre les limites + et T + ; linterprtation est la mme que e e e dans lasymptotique +, lorsque T tend vers 0, en revanche, le smile semble se courber de plus en plus. Certes la loi de Yt ne dpend de t que via T , mais la loi de XT dpend de toute la trajectoire de e e Y jusqu` T , qui elle dpend de et T de mani`re plus complexe que simplement via le produit T . En a e e revanche, moralement, aussi bien dans la limite o` T + que dans la limite o` +, on peut u u remplacer (f (Yt ))0tT par . Pour comprendre le fait quon accro la pente du smile quand on diminue T , on peut considrer la t e fonction f (y) = a1{y<0} + b1{y0} .
Inuence de T
Inuence de et T a T constant Il semble que : `

le prix de loption a la monnaie - et donc la volatilit implicite I AT M - ne dpend de et T que ` e e via le produit T, a T constant, la courbure est dautant plus grande que T est petit, donc que est grand. `
261
Cas o` f (y) = 1{y0} + + 1{y>0} Nous reprenons en partie ltude ci-dessus dans le cas o` u e u
f (y) = 1{y0} + + 1{y>0} . On prend = 0.1, + = 0.2. La fonction f est dans ce cas discontinue en 0 ; pour cette raison on distinguera le cas Y0 = 0 du cas Y0 = 0. On commence par traiter ce dernier cas, en choisissant Y0 = 0.1. Dans ce cas, f (Y ) commence par 1 valoir + . Si la force de rappel est petite devant T , les trajectoires (Yt )0tT ont de bonnes chances de rester dans les positifs et on sattend a voir un smile qui sapplatit sur + quand 0+ . En revanche, ` 1 e si est grand devant T , les trajectoires (Yt )0tT perdent la mmoire de la condition initiale et, quand +, pour tout t, la loi de Yt tend vers la loi normale centre autour de 0 et de variance 2 . Au vu de e la thorie ergodique dtaille plus haut, on sattend donc a voir dans cette limite un smile qui sapplatit e e e ` sur 2 2 + + < + . = 2 On vrie ces prdictions sur le graphe ci-dessous, construit pour les valeurs suivantes des parm`tres : e e e N x r f (y) + Y0 T 250 000 1 0 1{y0} + + 1{y>0} 0.2 0.1 0.1 0.5 0 1
De nouveau il existe une valeur critique c pour laquelle la courbure a la monnaie est maximale. ` On fait maintenant varier et T de sorte que T reste gal a 2 : e ` La volatilit implicite a la monnaie semble un invariant de T . e ` Dans le cas o` Y0 = 0, mme pour des tr`s petits, les trajectoires (Yt )0tT quittent ltat 0, u e e e soit par le haut, soit par le bas, ni + ni nest privilgie ; il ny a donc aucune raison pour que le e e smile sapplatisse quand 0+ . Au contraire, plus est petit, plus les trajectoires qui commencent par grimper dans les y > 0 vont avoir tendance a y rester, de mme pour celles qui commencent par ` e descendre dans les y < 0. Ce phnom`ne a tendance a accro lcart de la loi de X T a une log-normale, e e ` tre e ` mme si la variance de Yt est de plus en plus petite. On observe bien ceci sur le graphe suivant : e On semble avoir atteint le smile limite quand 0+ puisque les deux smiles gnrs pour les valeurs e e e = 0.1 et = 0.05 sont confondus ; ce sont ceux qui ont la plus grande courbure ; on peut dire ici que c = 0 + .
13.7
Perspectives
La vraie grande question en suspend est celle de la calibration du mod`le. Cest certainement un e probleme mathmatique delicat. Nous avons montr comment calibrer le mod`le dans le cas o` est e e e u grand - a travers les trois param`tres , V2 et V3 . Mais bien souvent les smiles empiriques invalident cette ` e hypoth`se sur . Il faut donc, apres avoir suppos = 0 par exemple, trouver les valeurs de , m, , , Y 0 e e et la fonction f qui permettent, une fois entrs dans le code informatique, de retrouver - dapprocher e en fait - le smile empirique observ aujourdhui. On pourra en fait xer et f - donc m - et chercher e les trois parametres , et Y0 qui permettent dapprocher au mieux - en un sens a dnir - le smile lu ` e aujourdhui.
262
Par ailleurs, des proprits du mod`le restent mal comprises ; notamment, Joe et moi nexpliquons ee e pas que la volatilit implicite en dehors de la monnaie tende vers plus linni quand la maturit tend e e vers 0 (cest ce que montrent les simulations). Nous navons pas non plus su dmontrer que la volatilite e implicite a la monnaie ne dpend de et T que via le produit T . ` e Il reste aussi a jouer avec les schmas aux dirences nies que nous avons implements, mais pas e e e encore tests. e Enn, dun point de vue thorique, on peut sintresser au terme dordre 2 dans le dveloppement e e e 1 en du prix du call et de la volatilit implicite correspondante, et en particulier a sa dpendance en e e (T, K).
Bibliographie
[1] J.-P. Fouque, G. Papanicolaou, K.R. Sircar, Derivatives in Financial Markets with Stochastic Volatility, Cambridge University Press, 2000. [2] F. Black, M. Scholes, The Pricing of Options and Corporate Liabilities, Journal of Political Economy, 81 : 635-654, 1973. [3] B. Dupire, Arbitrage Pricing with Stochastic Volatility, preprint, 1993. [4] D. Revuz, M. Yor, Continuous Martingales and Brownian Motion, Springer, 1994. [5] D. Talay, L. Tubaro, Probabilistic Numerical Methods for Partial Dierential Equations : Elements of Analysis, publi dans Probabilistic Models for Nonlinear Partial Dierential Equations, Lectures e Notes in Mathematics 1627, 1996. [6] O. Faure, Simulation du mouvement brownien et des diusions, Th`se de doctorat, 1992. e [7] J. Neveu, N. El Karoui, Introduction aux probabilits, Cours de lEcole polytechnique, 1998. e [8] H. Regnier, Interprtation probabiliste des EDP linaires paraboliques et applications a la nance, e e ` Cours du DEA de probabilits et nances de lUniversit Paris VI, 2001-2002. e e [9] D. Lamberton, B. Lapeyre, Introduction au calcul stochastique appliqu a la nance, Ellipses. e` [10] B. Oksendal, Stochastic Dierentail Equations, Springer. [11] S. Durrett, Brownian Motion and Martingales in Analysis, 1984.
263
264
Bibliographie
[Af.Po] [As.Fi] [Bo.Po] [Br.Me] Aftalion.F., Poncet.P (1991) : Les futures sur taux dintrt : le MATIF PUF e e Associs en Finance (1985) Les options sur actions PUF e Bouchaud.J.P., Potters.M. (1997), Thorie des risques nanciers. Alea.Saclay e Brigo.D., Mercurio.F.(2001), A Interest Rate Models : Theory and Pratice Springer Finance. Chesney.M.,Louberg.H.(1992), Les options dE change, PUF Paris e
[CH.DE] Chabardes.P.,Delcaux.F. (1996) Les produits drivs Les Carrs, Gualino diteur e e e e [Ch.Lo.] [Co.Ru.] Cox.J.,.Rubinstein.M.(1985), Options Markets, Englewood Clis, New Jersey : PrenticeHall. [Da.JP] [De.Ro] [Doth] [Du1] [Du2] [Du3] Dana.R.A..Jeanblanc-Picqu.M.(1994) Marchs Financiers en temps continu : valorisae e tion et quilibre Economica e Demange.G..Rochet.J.C.(1992) Mthodes mathmatiques de la Finance Economtrica e e e Dothan.M.(1990) Prices in Fiancial Markets Oxford University Press N.Y. Duffie.D.(1988), Security Markets : Stochastic Models, Boston : Academic Press. Duffie.D.(1992), Dynamic Asset Pricing Theory Princeton University Press. Duffie.D.(1994), Mod`les dynamiques dvaluation Collection Finance PUF. e e
[Fo.Pa.Si] Fouque.J.P.,Papanicolaou.G., Sircar.R.(2000) Derivatives in nancial markets with stochastic volatility Cambridge Univ.Press [Ja.Ru] [Ka.Sh] [Karl] [La.La] Jarrow.R.A and Rudd.A.(1983) Option pricing Irving Karatzas.I.and Shreve.S.(1988) Brownian motion and stochastic calculus. Springer Verlag. New York. Karlin.S(1981) A second course in Stochastic Processes. Academic Press Lamberton.D..Lapeyre.B. (1991-97), Introduction au calcul stochastique appliqu a la e ` nance. Mathmatiques et Applications. Ellipses. Paris e Merton.R.(1991), Continuous time nance, Basil Blackwell. Muller.S. (1987), Arbitrage pricing of contingent claims Lecture Notes in Economics and Mathemetical systems. Springer Verlag n-254 Oksendal.B. (1985), Stochastic dierential equations. Springer- Verlag. Overhaus.M., Ferraris.A.,Knusdden.T, Milward.R.,NguyenNgoc.L.,Schindlmayr.G. (2002), Equity Derivatives : Theory and ApplicationsWiley Finance
[Ma.Pr.Pr] Martellini.L.,Priaulet.P., Priaulet.S.(2003) Fixed-Income securities Wiley [Mert] [Mull] [Okse] [Ov.Fe.]
265
266
[Po.P.H.] Poncet.P, Portait.R.Hayat.S.(1993), Mathmatiques nnanci`res : Evaluation des actifs e e et analyse du risque.Gestion+ .Prcis Dalloz Paris e [Quit] [Simo] [Wilm] Quittard-Pinon.F. (1993), March des capitaux et Thorie Financi`re. Gestion.Economica e e e Simon.Y. edt. (1997), Encyclopdie des marchs nanciers, I-II. Gestion.Economica e e Wilmott.P. (1998), DERIVATIVES, The Theory and Practice of Financial Engineering. John Wiley& Sons
Articles
[Bach] [Bens] [Bl.Sc] [Br.Sch] Bachelier.L.(1900) Thorie de la spculation Ann.Sci.Ecole Norm.Sup.17,pp.21-86. e e Bensoussan.A.(1984), On the theory of option pricing, Acta Applicandae Mathematicae2, pp.139-158. Black F.and Scholes M.(1973),The pricing of Options and Corporate Liabilities,Journal of Political Economy 3, pp.637-654. Brennan.J., E.Schwartz.E.S.(1979),A continuous Time Approch to the pricing of bonds , Journal of Banking and Finance, 3,n-2, Juil 79 pp 133-155
[C.I.R 1] Cox.J., Ingersoll.J. et Ross.S (1985), An Intertemporal General Equilibrium Model of Asset Prices, Econometrica,53, pp.363-384. [C.I.R 2] Cox.J., Ingersoll.J. et Ross.S (1985), An Intertemporal General Equilibrium Model of Asset Prices, Econometrica,53, pp.385-407. [C.R.R] Cox.J., Ross.S. Rubinstein.M.(1979),Option pricing. A simplied approach, J. Fin. Econ.bf 7, pp.229-263.
[De.Er.Ka] Derman.E., Ergener.D., &Kani(1994),Riding on a smile, Risk magazine 7(2). pp. 3239. [Dudl] [Du3] [Du.Ka] [Dupi] [Eins] Dudley.R.M.(1977),Wiener functionals as It integrals,Ann. Probability 5. pp. 140-141. o Duffie.D.(1988), An extension of the Black-Scholes Model of Security Valuation, Journal of Economic Theory, Vol.46, n.1. Duffie.D.Kan.R(1993), A Yield-Factor Model of Interest Rates ,Journal of Finance, a ` paraitre Dupire.B.(1993),Pricing with a smile ,Risk magazine7. pp. 18-20. Einstein A.(1905),On the movement of small particles suspended in a stationary liquid demanded by the molecular-kinetic theory of heat. Ann. Physik,
[EK.Ge] El Karoui.N., Geman.H.(1992) Probabilistic Approach for the Valuation of oating-rate notes with applications to Swaps Advances in Options and Futures 1994 [EK.GE] El Karoui.N. Geman.H. Rochet J.C.(1992) Change of Numraire, Change of Probability e and options AFFI Congr`s de Paris 1992- a paraitre e ` [Ek.M.W.] El Karoui.N Myneni.R. and Wisvanathan.R.(1992) Arbitrage Pricing and Hedging of Interest Rate Claim with State Variable : I Theory II Applications AFFI Congr`s de Loue vain 1991- AFFI Congr`s de Paris 1992 Working paper,Sept 1990-Sept 1992, Laboratoire de e Probabilits Paris VI) e [Ek.R] [Fo.Sc1] El Karoui.N..Rochet.J.C.(1989) A pricing formula for options on coupon bonds, SEEDS working paper 72,1989. Follmer H., Schweitzer.M.(1990) Hedging of Contingent Claims under Incomplete Information Working paper 1990
Bibliographie gnrale e e
[Fo.Sc2] [Fo.So]
267
Follmer H., Schweitzer.M.1993) A Microeconomic Approach to Diusion Models for stock Prices Mathematical nance 3-1 pp 1-23 Follmer.H. Sondermann.D.(1986), Hedging of non redundant contingent claims Contributions to mathematical economics. In Honor of Grard Debreu. Hildenbrand. Mas-Colell edie tors. North-Holland. Geman.H.Yor.M.(1992) Options asiatiques et fonctions conuentes gomtriques, e e C.R.A.S.314 Srie 1, e Geman.H. .Yor.M.1992) Asiatic options and Bessel processes Mathematical Finance 1994 Harrison.M.and Kreps.D.(1979),Martingales and Arbitrage in Multiperiod Securities Markets, Journal of Economic Theory, 20, pp. 381-408.
[Ge.Yo] [Ge.Yo] [Ha.Kr]
[Ha.Pl1] Harisson.J.and Pliska.S.P (1981) Martingales and Stochastic Integrals in the Theory of Continuous Trading. Stochastic Processes and their Applications, 11,pp.215-260. [Ha.Pl2] Harisson.J.and Pliska.S.P(1981) A stochastic calculus model of continuous trading : Complete markets. Stochastic Processes and their Applications, 15,pp.313-316. [H.J.M.] Heath.D. Jarrow.A..Morton.A (1987-92) Bond pricing and the term structure of interest rate : a new methodology Econometrica. 1992. [Ho.Le] Ho.T. and Lee.S.(1986) Term structure Movements and pricing Interest rate Contingents Claims Journal of Finance41,pp.1011-1029
[Hu.Wh] Hull.J. White.A.(1990), Pricing Interest Rate Derivate securities, The Review of Financial Studies3n.4 pp ;573-592 [Jams] Jamshidian. F.(1990),Bond and Option Evaluation in the Gaussian Interest rate Model Res.Finance,9, pp.131-170
[Kara 1] Karatzas. I.(1988),On the pricing of American options, Appl. Math. Optimization,17, pp. 37-60. [Mert 2] Merton.R.(1973), Theory of Rational Option Pricing,Bell Journal of Economics and Management Science, 4, pp.141-183. [Plis] [Sc.Sc] [Stri] [Vasi] [Wi.Ta] Pliska.S. (1986), A stochastic calculus model of continuous trading : optimal portfolios, Math. of operations research. 11, n.2, pp.371-382. Schaeffer.S.M.,Schwartz.E.S. (1990) : A two-factor of the term structure : An approximate analytical solution JFQA19 n-1, mars 1990. pp 413-424. Stricker.C. (1989),Arbitrage et lois de martingale. Annales I.H.P., 26, n-3, pp. 451-460. Vasicek.O.(1977) : An equilibrium Charactrisation of the term of structure Journal of e nancial Economics5, 1977, pp177-188. Willinger.W.,Taqqu.M.1991) Towards a convergence theory for continuous stochastic securities market models Mathematical Finance, 1, pp 55-99.

Masterfin 034

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

Masterfin 034

Transféré par

Droits d'auteur :

Formats disponibles

1 nral2.6.

Couverture des risques dans les marchs e nanciers

Table des mati`res e

4.3 4.4 4.5

6.2 6.3 6.4

8.5 8.6 8.7

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . les prix . . . . . les taux forwards . . . . . . . . . . . . . . . . . . . .

Dea de Probabilit, option nance 2003/2004 e

Prsentation des produits drivs e e e

Dea de Probabilit, option nance 2003/2004 e

Titres de base et produits drivs e e

Les contrats ` terme a

Prsentation des produits drivs e e e

Dea de Probabilit, option nance 2003/2004 e

Caractristiques nanci`res des contrats doptions e e

Prsentation des produits drivs e e e

16 sont traditionnellement les plus proches.

Dea de Probabilit, option nance 2003/2004 e

Remarque 1.3.1 Pour mmoire e

Dans le cas des puts, la terminologie est inverse. e

Remarque 1.3.2 Pour mmoire e

Dea de Probabilit, option nance 2003/2004 e

Fig. 1.1: Prol de prix et valeur intrins`que. e

Figure 1.2: Payo dun straddle vis a vis du vendeur. `

Prsentation des produits drivs e e e Les options exotiques

Utilit des produits drivs e e e

Dea de Probabilit, option nance 2003/2004 e

Les activits de march dune banque e e

Prsentation des produits drivs e e e

respecter les rglementations locales, ex : rserves obligatoires. e e

22 cas, la charge des tches suivantes : a

Dea de probabilits-Option nance 2003/2004 e

EVALUATION et COUVERTURE : La FORMULE DE BLACK et SCHOLES

Dea de probabilits-Option nance 2003/2004 e

La formule de Black et Scholes

Dea de probabilits-Option nance 2003/2004 e

Absence dopportunit darbitrage e

Incidence sur les prix de labsence darbitrage

La formule de Black et Scholes

Evaluation et Couverture dynamique

Quelques considrations de bon sens e

Dea de probabilits-Option nance 2003/2004 e

B- Modlisation mathmatique : le monde e e de Black, Scholes et Merton

La formule de Black et Scholes

Dea de probabilits-Option nance 2003/2004 e

2 1 0 -1 -2 -3 -4 -5 -6 -7 -8 0 1 2 3 4 5 6 7 8 Echelle c = 1 Echelle c = 1.1 Echelle c = 0.9

h(y)l(t, x, y)dy = g(z) =

La densit gaussienne en fonction du temps e

La densit lognormale en fonction du temps e

Dea de probabilits-Option nance 2003/2004 e

h(y)g(d0 (t, xet , y)

Interprtation nanci`re des param`tres du mod`le e e e e

La formule de Black et Scholes

Portefeuille autonanant crit sur un sous-jacent risqu c e e

Dea de probabilits-Option nance 2003/2004 e

Formulation mathmatique du risque nul e

Evaluation par quation aux drives partielles e e e

La formule de Black et Scholes

+ r x vx (t, x) + vt (t, x) rv(t, x) = 0

vx (t, St ) = (t, St ) p.s + r St vx (t, St ) + vt (t, St ) = v(t, St )r

Apr`s simplication, nous obtenons lquation dvaluation du Thor`me 2.5.1. e e e e e

Dea de probabilits-Option nance 2003/2004 e

1 u (t, Wt )dt + ut (t, , Wt )dt + uw (t, Wt )dWt 2 ww