Vous êtes sur la page 1sur 738

2006 Presses de lUniversit du Qubec

dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
PRESSES DE LUNIVERSIT DU QUBEC
Le Delta I, 2875, boulevard Laurier, bureau 450
Qubec (Qubec) G1V 2M2
Tlphone : (418) 657-4399

Tlcopieur : (418) 657-2096


Courriel : puq@puq.uquebec.ca

Internet : www.puq.ca
Diffusion / Distribution :
CANADA et autres pays
Distribution de livres Univers s.e.n.c.
845, rue Marie-Victorin, Saint-Nicolas (Qubec) G7A 3S8
Tlphone

: (418) 831-7474

/

1-800-859-7474 Tlcopieur

: (418) 831-4021
SUISSE
Servidis SA
5, rue des Chaudronniers,
CH-1211 Genve 3
Suisse
FRANCE
AFPU-Diffusion
Sodis
La Loi sur le droit dauteur interdit la reproduction des uvres sans autorisation des titulaires de droits.
Or, la photocopie non autorise le photocopillage sest gnralise, provoquant une baisse des ventes
de livres et compromettant la rdaction et la production de nouveaux ouvrages par des professionnels.
Lobjet du logo apparaissant ci-contre est dalerter le lecteur sur la menace que reprsente pour lavenir
de lcrit le dveloppement massif du photocopillage .
BELGIQUE
Patrimoine SPRL
168, rue du Noyer
1030 Bruxelles
Belgique
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
2006
Presses de lUniversit du Qubec
Le Delta I, 2875, boul. Laurier, bur. 450
Qubec (Qubec) Canada G1V 2M2
FRANOIS-RIC RACICOT
RAYMOND THORET
Avec la collaboration de
CHRISTIAN CALMS ET JUAN SALAZAR
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
1 2 3 4 5 6 7 8 9 PUQ 2006 9 8 7 6 5 4 3 2 1
Tous droits de reproduction, de traduction et dadaptation rservs
2006 Presses de lUniversit du Qubec
Dpt lgal 3
e
trimestre 2006
Bibliothque nationale du Qubec / Bibliothque nationale du Canada
Imprim au Canada
Catalogage avant publication de Bibliothque et Archives Canada
Racicot, Franois-ric
Finance computationnelle et gestion des risques
Comprend des rf. bibliogr.
ISBN 2-7605-1447-1
1. Ingnierie nancire. 2. Mathmatiques nancires Informatique.
3. Institutions nancires Gestion du risque. 4. Analyse nancire Mathmatiques.
5. valuation du risque. I. Thoret, Raymond. II. Titre.
HG176.7.R32 2006 658.15'224 C2006-941134-4
Mise en pages

: Info 1000 mots inc.
Couverture

: Richard Hodgson
Nous reconnaissons laide nancire du gouvernement du Canada
par lentremise du Programme daide au dveloppement
de lindustrie de ldition (PADI) pour nos activits ddition.
La publication de cet ouvrage a t rendue possible
grce laide nancire de la Socit de dveloppement
des entreprises culturelles (SODEC).


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Table des maTires
Introduction 1
Partie1
Les bases de lingnierie fnancire
et de la gestion des risques 7
Chapitre1 Introduction aux options et aux stratgies
sur options classiques 9
1 Lesoptionsclassiques:lescalls(optionsdachat)etlesputs
(optionsdevente)europens 10
2 Laparitput-call 13
3. Stratgies pour modifer les payoffsdescallsetdesputslchance 15
Rsum 25
Chapitre 2 Introduction aux processus stochastiques 27
1 LeprocessusdeWiener 27
2 Lemouvementbrownienarithmtique 33
3 Mouvementbrowniengomtrique 35
4 MouvementOrnstein-Uhlenbeckouprocessus
deretourverslamoyenne 38
5 LeprocessusdItoumouvementbrowniengnralis 39
Rsum 40
Viii Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Chapitre 3 Les options perptuelles 41
1 LelemmedItetlquationdiffrentielledeBlacketScholes 42
2 Optiondevente(put)perptuelleamricaine 46
3 Optiondachat(call)perptuelleamricaine 49
4 LesmodlesdeMcDonaldetSiegeletdePindyck
surloptiondinvestir 52
5 LemodledeDixitdentreetdesortieoptimales 59
Rsum 63
annexe 3a Introduction aux quations diffrentielles linaires 66
1 Lquationdiffrentielledupremierdegr 66
2 Lquationdiffrentielleduseconddegr 69
annexe 3B Autres notes sur les quations diffrentielles et
sur les mathmatiques couramment utilises en fnance 75
annexe 3B1 Les racines dune quation quadratique 75
annexe 3B2 Introduction aux quations diffrentielles linaires dordre 1 76
1 Lecashomogne 77
2 Lecasnonhomogne 78
3 Lesquationsdiffrentiellesdusecondordre 82
4 Fonctioncomplmentaire 88
5 Exemplessynthses 90
annexe 3B3 Notes sur less sup 96
annexe 3B4 Quelques notes sur les intgrales en fnance 99
1. Lintgrale indfnie 99
2. Intgrales dfnies et exemples fnanciers 105
3. Prcisions supplmentaires sur lintgrale dfnie 109
Bibliographie 114
Tabledesmatires iX


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Chapitre 4 Le modle de Black et Scholes et ses applications 115
1 UnaperudelquationdeBlacketScholes 116
2 PreuvedelquationdeBlacketScholes 117
3 Lesgrecques 126
4 LquationdeBlacketScholesgnralise 135
5 Lacouverturedeltaetlacouverturedelta-gammaenaction 138
Rsum 152
Bibliographie 153
Partie2
Calcul numrique
et fnance quantitative 155
Chapitre 5 Les outils du calcul numrique 157
1 Quelquesrglesdebaseencalculstochastique 159
2 Lesmartingales 161
3 LemondeneutreaurisqueetlquationdeFeynman-Kac 164
4 LethormedeCameron-Martin-Girsanov 169
5 LquationditeforwarddeKolmogorov,galementconnue
souslenomdquationdeFokker-Planck 172
6 Lerleduthormecentral-limitedanslecalcul
desprixdesproduitsdrivs 174
Rsum 175
Bibliographie 176
Chapitre 6 Les approches binomiale et trinomiale
la thorie des options 177
1 Lesdeuxapprocheslaconstructiondunarbrebinomial 178
2 Larbretrinomial 188
3 ProgrammesMatlabdarbres 192
4 Larbretrinomialimplicite 195
5 Quelquesapplicationsdelatechniquedelarbrebinomial
la fnance computationnelle des titres revenus fxes :
optionsamricainessurobligationsaveccoupons
etobligationsconvertibles 201
X Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Rsum 216
Bibliographie 216
Chapitre 7 La simulation de Monte Carlo 219
1 LesaspectsgnrauxdelasimulationdeMonteCarlo 219
2 Lesvariablesantithtiques 227
3 Latechniquedesvariablesdecontrle 230
4 LesnombresquasialatoiresetlasimulationdeMonteCarlo 235
Rsum 245
Bibliographie 246
Chapitre 8 Les mthodes des diffrences fnies 247
1 LquationdiffrentielledeBlacketScholes 248
2 LatranspositiondelquationdiffrentielledeBlacketScholes
auplannumrique 252
3. Lquivalence entre la mthode explicite des diffrences fnies
etlarbretrinomial 254
4 Transpositiondesquationsdelamthodeexplicite
des diffrences fnies dans une grille 257
5 ProgrammesVisual Basicpourdterminerlesprix
duncalleuropenetdunputamricainparlamthode
explicite des diffrences fnies 260
6. La mthode implicite des diffrences fnies 265
7. La mthode des diffrences fnies de Crank-Nicolson 279
Rsum 287
Bibliographie 288
Chapitre 9 La programmation dynamique
et lquation de Bellman 289
1 Laprogrammationdynamiquediscrte 290
2. Utilisation de lquation de Bellman en fnance et programme Matlab:
unmodledepricing dactif fnancier 292
Rsum 299
Bibliographie 300
Table des matires XI
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Partie 3
Les contrats terme, lexercice prmatur
des options amricaines classiques,
les options exotiques et autres extensions
du modle de Black et Scholes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
Chapitre 10 Les contrats terme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
1. Dnition dun contrat terme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
2. Les deux grandes catgories de contrats terme . . . . . . . . . . . . . . . . . . . . 305
3. La valorisation des contrats terme de gr gr
sur instruments nanciers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
4. Prix du contrat terme nancier et prvision du prix du sous-jacent . . . . 312
5. Contrats terme et ratio de couverture. . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
6. Les arbitragistes en couverture (hedgers) . . . . . . . . . . . . . . . . . . . . . . . . . . 320
7. Le problme du risque reli lvolution de la base . . . . . . . . . . . . . . . . . 325
8. Le cas particulier des matires premires . . . . . . . . . . . . . . . . . . . . . . . . . . 327
9. Aspects institutionnels. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
10. Les oprations de couverture sur le march terme. . . . . . . . . . . . . . . . . . 349
11. Les swaps de taux dintrt. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
Chapitre 11 Lexercice prmatur des options
amricaines classiques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
1. Lexercice prmatur : aperu gnral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
2. La frontire dexercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360
3. Lapproche de Merton (1973) et de Black (1976)
au calcul du prix dune option amricaine . . . . . . . . . . . . . . . . . . . . . . . . . 365
4. Les conditions que doit satisfaire une option amricaine
classique lors de son exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
5. Lexercice prmatur et les dividendes verss
par le sous-jacent de loption dans le contexte de larbre binomial . . . . . . 372
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389
XII Finance computationnelle et gestion des risques
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Chapitre 12 La volatilit stochastique et le smile. . . . . . . . . . . . . . . . . . . . . 391
1. Un modle de la volatilit stochastique . . . . . . . . . . . . . . . . . . . . . . . . . . . 392
2. Smile en deux et trois dimensions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
3. Critiques du calcul du smile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 408
Chapitre 13 Les options exotiques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409
1. Un dmembrement de lquation de Black et Scholes . . . . . . . . . . . . . 411
2. Les options composes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412
3. Les options barrires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414
4. Loption quanto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
5. Loption asiatique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423
6. Une application de lingnierie nancire : le CPG indiciel. . . . . . . . . . . . 423
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
Chapitre 14 Les processus de sauts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
1. Les vnements normaux et les vnements rares . . . . . . . . . . . . . . . . . . . 428
2. La distribution de Poisson. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 429
3. Mouvements browniens et sauts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431
4. Lquation diffrentielle avec sauts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 436
5. Valorisation dune option dinvestissement (perptuelle) avec sauts . . . . . 445
6. Risque conomique et politique et processus de sauts . . . . . . . . . . . . . . . . 448
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 456
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 457
Chapitre 15 Le prix du risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459
1. Le thorme de Girsanov, lapproche neutre au risque et le prix du risque 459
2. Le prix du risque et lquation diffrentielle de Black et Scholes . . . . . . . 461
3. Cas des actifs non ngocis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 464
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466
Table des matires XIII
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Partie 4
Les mthodes de la gestion des risques. . . . . . . . . . . . . . . . . . . . . . . . . 467
Chapitre 16 La VaR et les autres mesures modernes du risque. . . . . . . . . 469
1. VaR et loi normale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470
2. La simulation historique de la VaR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
3. La mthode delta du calcul de la VaR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 481
4. La simulation de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483
5. La technique du bootstrapping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 487
6. Lexpansion de Cornish-Fisher et la VaR . . . . . . . . . . . . . . . . . . . . . . . . . . 509
7. Mthodes du calcul de la VaR utilisant une distribution autre
que la loi normale mais qui restent bases sur lemploi dun multiple . . . 512
8. Mesures du risque : une gnralisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 515
9. Frontire efciente, moments suprieurs et cumulants. . . . . . . . . . . . . . . . 525
10. Les copules, la transforme de Fourier et le calcul de la VaR . . . . . . . . . . 527
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 541
Annexe Modication du programme de bootstrapping . . . . . . . . . . . . 542
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 544
Chapitre 17 Lassurance de portefeuille . . . . . . . . . . . . . . . . . . . . . . . . . . . . 547
1. Construction dun portefeuille dupliquant . . . . . . . . . . . . . . . . . . . . . . . . . 548
2. Simulation dun portefeuille assur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 551
3. La technique du coussin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 563
Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 567
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 568
Chapitre 18 Le risque de crdit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 569
1. Un modle simple de risque de crdit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 570
2. Le risque de crdit dans le cadre de lquation diffrentielle
de Black et Scholes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 572
3. Le modle de Merton (1974) et ses extensions. . . . . . . . . . . . . . . . . . . . . . 576
4. Modlisation dynamique de la probabilit de dfaut :
les probabilits de transition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 582
5. Les drivs du crdit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587
XIV Finance computationnelle et gestion des risques
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
6. Autres approches au risque de crdit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 595
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597
Chapitre 19 Le modle de Heath, Jarrow et Morton . . . . . . . . . . . . . . . . . 599
1. Introduction la modlisation des taux terme . . . . . . . . . . . . . . . . . . . . . 599
2. Modles classiques darbitrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 604
3. Le pricing des produits drivs dans le modle HJM. . . . . . . . . . . . . . . . . 610
4. Modle HJM un facteur : conditions dun march complet . . . . . . . . . . . 614
5. Certains modles de taux court conformes au cadre HJM . . . . . . . . . . . . . 614
6. Une application Matlab du pricing sous HJM . . . . . . . . . . . . . . . . . . . . . . 622
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 624
Annexe Rappel sur les martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 628
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 631
Partie 5
conomtrie de la gestion des risques
et nance empirique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 633
Chapitre 20 Calibrage conomtrique de processus stochastiques avec
applications aux donnes boursires, bancaires et cambiales
canadiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 635
1. Le mouvement brownien arithmtique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 635
2. Le mouvement brownien gomtrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 640
3. Le processus de retour vers la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . 646
4. Marche alatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 653
5. Estimation des taux dintrt. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 655
6. Calibrage de processus stochastiques avec sauts . . . . . . . . . . . . . . . . . . . . 657
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 664
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 665
Table des matires XV
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Chapitre 21 Quelques applications du ltre de Kalman en nance :
estimation et prvision de la volatilit stochastique
et du rapport cours-bnce. . . . . . . . . . . . . . . . . . . . . . . . . . . 667
1. Le ltre de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 668
2. Estimation de la volatilit stochastique laide du ltre de Kalman . . . . . 670
3. Prvision de la volatilit stochastique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 681
4. Prvision du rapport cours-bnces laide du ltre de Kalman. . . . . . . 681
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 684
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 685
Chapitre 22 Variance macroconomique conditionnelle
et mesure de dispersion des actifs
dans les portefeuilles bancaires . . . . . . . . . . . . . . . . . . . . . . . . 687
Christian Calms et Juan Salazar
1. Les donnes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 689
2. Analyse empirique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 694
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 699
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 700
Chapitre 23 Changement de la structure nancire
et revenus bancaires :
une comparaison Canada tats-Unis . . . . . . . . . . . . . . . . . . 701
Christian Calms et Juan Salazar
1. Le changement dans la structure nancire . . . . . . . . . . . . . . . . . . . . . . . . 703
2. Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 707
3. Est-ce que les revenus non traditionnels constituent
un tampon contre les uctuations ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
Rsum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 722
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 723


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
inTroducTion
La gestion des risques fnanciers occupe une place de plus en plus dominante dans le
monde de la fnance. la suite des faillites en cascade dinstitutions fnancires surve-
nuesaucoursdesdcennies1970et1980etattribuables,entreautres,lescaladedu
loyer de largent et la crise des changes, les institutions fnancires prtent de plus
en plus dattention la gestion des risques fnanciers auxquels elles sont confrontes.
Danslafoule,laBanquedesrglementsinternationaux,unorganismeinternational
desurveillancedesbanques,aincitsesmembresdvelopperdesmodlesdeVaR
et dtenir un montant de capital suffsant de faon faire face aux pertes ventuelles
tabliesparcettemesuredurisqueLesbanquesontdsedoterdespcialistesqui
puissent mesurer les risques fnanciers auxquels elles sont vulnrables. Dans le mme
temps, une nouvelle catgorie dingnieurs fnanciers est apparue : les fnancial risk
Managers Leurs connaissances dans les champs de la thorie des produits drivs
etducalculnumriquedoiventtrepousses
Trspeudemanuelsleuroffrentlagammecompltedesthoriesetdesoutils
dontilsontbesoinpourgrerlesrisquesdesinstitutionsdanslesquellesilsuvrent
Etbiensouvent,cesmanuelssonttropcomplexespourquinapasdesbasessolides
enmathmatiquesIlssintressentdavantagelathoriequlapratique,cequifait
que ltudiant en gestion des risques prouve des diffcults devenir oprationnel.
lvidence,ilexisteunecarencedoutilsdansundomainequivoluetrsrapidement:
celuidelagestiondesrisques
Notre manuel comblera, nous lesprons, les lacunes que prsentent les traits
pdagogiquesactuelsserapportantlagestiondesrisquesSansngligerlathorie,
notre expos vise former des ingnieurs fnanciers qui soient trs laise pour
rsoudre les divers problmes auxquels ils seront confronts dans les institutions
fnancires qui les emploieront. Le lecteur retrouvera donc dans notre manuel un trs
grandnombredeprogrammescritsdanslelangageVisual Basic(Excel)quicouvrent
lacomplexitdessituationsquilrencontreradanssavieprofessionnelleOnlesait,
lelangageVisual Basic est de loin le plus utilis dans la pratique fnancire du fait de
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
sonaccessibilitMaisnousnedevonspaspourautantngligerlelangage Matlab,
qui regroupe un grand nombre dadeptes du milieu professionnel Cest pourquoi
nousinitionsgalementnotrelecteurcelangageenprogrammantencodeMatlab
denombreuxscnariosrelevantdelanalysedesrisquesAprslecturedenotretrait,
lelecteurseradonctrsversatileetassezpolyvalentpoursattaquerdautressitua-
tionsquineseraientpasenvisagesiciIlferagalementmontrederigueurdansses
prsentations,unequalitqui,malheureusement,seperddeplusenplus
Notre manuel permettra au passionn du domaine, et cela sans trop defforts,
de calculer, en faisant appel la programmation, les prix dun trs grand nombre
deproduitsexotiquesetdenconcocterdautresenutilisantlesconnaissancesquil
aura acquises en matire dingnierie fnancire. Il pourra donc se rvler un trs bon
innovateurdansledomaineIlsauragalementcouvrirlesrisquesdesportefeuilles
detitresenutilisantlesdveloppementsdepointecechapitreLescouverturesdelta
etdelta-gammanaurontplusdemystrespourluiIlpourragalementimaginerdes
scnariospourcalculerlaVaRdesonportefeuilleetpourassurercelui-ciIlseraaussi
en mesure destimer le risque de crdit auquel est expose une institution fnancire.
Et ce ne sont l que quelques aspects pratiques de notre manuel. Nous donnerons
cesujetplusdedtailsultrieurement
Il va sans dire quun ingnieur fnancier doit disposer dun bon bagage de
connaissancesquantitativessilveuttrechevronndanscechampLesinstitutions
fnancires sont la recherche demploys qui matrisent les aspects quantitatifs de la
fnance. Tout en mettant laccent sur la pratique, le manuel que nous proposons vise
donner au lecteur une solide formation en fnance computationnelle, qui constitue le
premiervoletdutitredecelivreParunepdagogietrsprogressivequiestsouvent
absentedanslestraitsconcurrents,nousinitionslelecteurauxmthodesquantitatives
de la fnance, qui sont certes trs complexes mais que nous abordons de faon trs
graduelledefaoncequelelecteuraituneconnaissanceapprofondiedecesmthodes
et non la vision superfcielle ou encyclopdique que transmettent bien souvent les
manuels concurrents. Nous voulons former un ingnieur fnancier talentueux qui a des
bases solides dans le domaine de la fnance computationnelle. Sinon, sa formation se
dprcieraitrapidementetilneseraitplusenmesuredefairefacelacomplexitet
aux exigences toujours grandissantes du monde fnancier. Il serait rduit au rle de
technocrate, voire de fonctionnaire de la fnance. Incidemment, nous nhsitons pas
complternotremanuelpardesannexesquirappellentnotrelectoratlesbasesde
lalgbre, au cas o il les aurait oublies. Notre lecteur peut mme devenir autodidacte
dansledomainedelagestiondesrisquesenlisantnotremanuel
Nous avons divis notre trait en cinq parties. La premire jette les fondements
de lingnierie fnancire et de la gestion des risques. Pour introduire les produits
drivs, nous examinons comment on peut modifer les fux montaires des options
classiquesdachatetdeventedefaonformulertouteunegammedestratgiesde
placements Cest dans ce contexte que nous abordons la programmation en Visual
Basic (Excel).Puis,nousplongeonsdembledansluniversdesprocessusstochas-
Introduction


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
tiques qui servent modliser les prix des actifs fnanciers. Le physicien franais
Bachelierestdailleurslepremieravoirutilisdetelsprocessuspourrendrecompte
desmouvementsdelaBoursedeParis
Nous avons choisi dintroduire les modles de prix doptions en analysant
les options perptuelles, qui comportent des solutions analytiques de prix Dans ce
chapitre,noussommesmmedeconstaterquelemondedesaffairesnedisposepas
seulement doptions fnancires mais galement doptions relles. Tout peut devenir
option ! Il sufft de bien conceptualiser la situation. Nous terminons la premire partie
enexaminantdefaondtaillelemodledeBlacketScholes,quiconstitueencore
le modle de rfrence dans le domaine de lingnierie fnancire mme si sa publica-
tion remonte dj 1973. Nous y voyons comment on peut utiliser les grecs pour
couvrir des portefeuilles. Nous montrons de faon dtaille, en nous aidant dExcel,
commenteffectuerunecouverturedeltaetunecouverturedelta-gammaBiensouvent,
les manuels ne font queffeurer cette question et le lecteur nest alors pas en mesure
deprogrammerparlui-mmedetellescouverturesLentreferadeluiunepersonne
comptenteenlamatire
Lingnieur fnancier doit disposer de nos jours dune bote outils trs toffe.
Siautrefoisilpouvaitsecontenterdunecalculatricepouroprer,ledveloppement
effarant de linformatique et lapparition de situations de risque de plus en plus
complexessoulventlimpratifdelacomprhensiondesprincipalestechniquesde
la fnance computationnelle, ce quoi sattaque la partie 2 de notre trait. Cest dans
cette section que le lecteur fera lapprentissage des techniques de programmation
requises en fnance computationnelle et en gestion des risques.
Nous ouvrons cette section sur les fondements du calcul numrique dans un
univers stochastique. Nous nouons connaissance, entre autres, avec les martingales
etluniversrisque-neutrePuisnousexpliquonslesaspectsthoriquesetempiriques
desarbresbinomiauxettrinomiaux,quisontlundespiliersducalculnumriqueen
ingnierie fnancire. Le lecteur sera mme de constater que la dtermination des
prixdesproduitsdrivsseffectuepararbitragedansluniversrisque-neutreetnon
dans le monde rel. Nous y montrons mme comment construire un arbre trinomial
implicite,unetechniquercentedevalorisationdesoptionsVientensuitelasimulation
deMonteCarlo,quiestfortutilisenotammentpourprendreencomptelesmultiples
dimensionsdurisqueDanslapartie2,lelecteurestgalementinvitcalculerles
prix des produits drivs laide de la mthode des diffrences fnies, qui permet de
solutionnerdefaonnumriquedesquationsdiffrentiellesstochastiquesFinalement,
la partie 2 se distingue des autres manuels de fnance computationnelle en abordant
lquationdeBellman,auxplanstantthoriquequepratiqueCettequationconstitue
labasedelaprogrammationdynamiquequiesttrsutilisepourvaloriserdesoptions
amricainesdontladatedexercice,soitlestopping time,constitueunproblmequi
relvedeloptimisationdynamique
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La partie 3 introduit des aspects thoriques et pratiques de lingnierie fnan-
cire qui sont essentiels la profession. Nous traitons dabord de faon dtaille
les contrats terme, qui sont trs utiliss dans les oprations de couverture. Nous y
voyonslesemploisdediverscontratsmisdelavantparlaBoursedeMontral,qui
disposedunquasi-monopoleenmatiredeproduitsdrivsauCanadaOntrouvera
dansleschapitressuivantsdelapartie3dessujetsquisontsouventtraitsdefaon
superfcielle dans les autres traits de fnance computationnelle et de gestion des
risques Lexercice prmatur des options amricaines retient dabord notre atten-
tionDanscettesection,nousmontronscommenttracerlesfrontiresdexercicedes
optionsamricaines,unoutilimportantpourcequiconcernelavalorisationdetelles
options Puis nous construisons des arbres binomiaux pour dterminer les prix des
options crites sur des actions qui versent des dividendes Ensuite nous abordons
desmodlesdevolatilitenrapportaveclavalorisationdesoptionsLavolatilitest
en effet la variable-cl pour dterminer le prix dune option. Nous prsentons cet
effetdesmodlesdevolatilitstochastiquequisontsimulspourdterminerleprix
dune option. Nous montrons galement comment tracer des surfaces de volatilit qui
puissentrenseignersurlavalorisationdesoptionsCequinouspermetdintroduire
leconceptdusmile,quidonnepenserquelquationdeBlacketScholescomporte
certaines faiblesses pour fxer les prix des obligations classiques.
Lingnieur fnancier doit savoir comment dterminer les prix de nouveaux
produits fnanciers qui incorporent des options. En effet, les institutions fnancires
sonttoujourslafftdenouveauxproduitspoursoutenirlaconcurrenceetilimporte
quelesprixdecesproduitssoientjustes(fair)Or,lavalorisationdesproduitsdrivs
seffectueessentiellementparlemcanismedelacouvertureLecotduportefeuille
qui rplique les fux montaires dun produit driv constitue en effet le prix de ce
dernier. Notre chapitre sur les produits exotiques sintresse lensemble de ces
questions. En loccurrence, il analyse la tarifcation dune nouvelle catgorie hybride
dedptintroduitercemmentparlesbanquescanadiennes:leCPGindicielCette
innovationallielaprotectionducapitallaparticipationauxmouvementshaussiers
descoursboursiersDetelsproduitsstructursquicombinentinstrumentsclassiques
et options deviendront la norme dans lavenir. Le df quils prsentent aux ingnieurs
fnanciers savre donc substantiel et notre manuel leur permet de le relever avec brio
enleurprsentantdesprogrammesetdestechniquesapproprisFinalement,latroi-
simepartiedenotremanuelsintressedessujetsquescamotaitleclbremodle
deBlacketScholes:lesprocessusdesautsetleprixdurisqueEneffet,lesprocessus
dediffusionsurlesquelsreposelemodledeBlacketScholessupposentlabsence
de sauts. Nous nous interrogeons donc sur les incidences des sauts, qui reprsentent
des vnements rares, sur la valorisation des produits drivs. Nous analysons lim-
pactdurisquepolitiquesurlarentabilitdesprojetsdinvestissementenutilisantdes
processusdesauts,cequiintresseralesinvestisseursquienvisagentdeffectuerdes
projetsltrangerFinalement,latroisimepartiedenotrelivreabordelimportante
questionduprixdurisque,quidoittreenvisagequandlessous-jacentsdesproduits
drivsnesontpastransigsLeprixdurisquerevtuneimportanceparticulirepour
Introduction


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
lesdrivssurtauxdintrt,carleursous-jacent,soitletauxdintrt,neconstitue
pasunactiftransigCertainschercheursngligentcompltementleprixdurisque,
mais lingnieur fnancier se doit dtre conscient des erreurs occasionnes par une
mise sous le boisseau de ce prix Le prix du risque est galement une variable qui
doittrepriseencomptedanslavalorisationdesoptionsrelles,pourlesquellesle
sous-jacent,soitunprojetdinvestissement,nestpastransig
Lapartie4denotremanuelprsenteltudiantouauspcialistelesmthodes
modernes de gestion des risques. Nous ouvrons cette section sur la VaR et sur les
autres mesures modernes du risque La VaR est maintenant la mesure du risque la
plus utilise dans les institutions fnancires. Nous voyons comment la calculer en
supposantdabordqueladistributiondesrendementsestnormale,puisenlevantcette
hypothse On sait en effet que la distribution des rendements prsente des queues
paissesSilonneprendpasencomptelequatrimemomentdeladistributiondes
rendements,onrisquedesous-estimergrandementlaVaRLelecteurtrouveradans
notrechapitresurlaVaRplusieursprogrammescritsenVisual Basicquisontassez
gnrauxpourtrereprsentatifsdesdiversesmesuresdelaVaRutilisesdanslin-
dustrie fnancire. Certes, il existe des mesures du risque plus appropries que la VaR,
commelaCVaR. Notre chapitre fait donc tat des mesures du risque de seconde gn-
rationquidevraientsimposerdanslavenirCechapitrerenfermemmeunefrontire
effciente base sur les cumulants. Cette frontire prsente lavantage, en regard de la
frontireclassiquedueMarkowitz,deprendreencomptelequatrimemomentde
ladistributiondesrendements,cequidonnelieudeschoixplusappropris
Lassurancedeportefeuilleestuneautremthodedegestiondesrisquesque
doit bien matriser lingnieur fnancier. Nous y consacrons donc un chapitre dans
lequel nous montrons dabord comment construire un portefeuille qui duplique les
fux montaires dun portefeuille doptions. La comprhension des principes qui
guidentlemontageduntelportefeuilleesteneffetessentielleltudedelassurance
dun portefeuille. Nous simulons par la suite un portefeuille assur, cest--dire un
portefeuille dont la valeur ne peut baisser sous un certain seuil Finalement, nous
prsentonsunprogrammequireproduitlatechniqueducoussin
Lerisquedecrditestparailleursunsujetdeplusenplusscrutparlescher-
cheursAucoursdeladcennie1990sontmmesapparusdesproduitsdrivsconus
pour couvrir cette catgorie de risque. Notre chapitre ayant trait au risque de crdit
sedonnepourobjectifdengloberlensembledusujetetsavreraparticulirement
intressant pour les candidats au titre de Financial Risk Manager (FRM). Nous y
montrons comment modliser la prime de dfaut, puis nous analysons les modles
devalorisationdesproduitsdrivsducrdit,telleswapdedfautdecrdit,quiest
deloinlepluspopulaire
Finalement, un modle prend de plus en plus de place dans le domaine des
drivssurtauxdintrt:lemodledeHeath,JarrowetMorton(HJM)Cestpour-
quoinousavonsdciddeluiconsacrertoutunchapitreAprsavoirapprofondiles
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
techniquesdedterminationdestauxterme,noustudionscommentonpeutvaloriser
les produits drivs dans le cadre de ce modle. Nous comparons galement le modle
HJMdautresmodles,commeceuxdeHoetLeeetdeBlacketKarasinski
Un manuel de fnance computationnelle et de gestion des risques ne saurait
trecompletsilnesepenchepassurlecalibragedesmodlesdegestiondesrisques
Notre partie 5 se consacre totalement ce sujet. Un chapitre est consacr au calibrage
conomtrique des processus stochastiques. notre connaissance, il nexiste pas de
manueloudedocumentquiconsidrelecalibragedetouslesprocessusstochastiques
comme nous le faisons dans notre cinquime partie. Nous montrons comment estimer
lesparamtresdesprocessusstochastiquessuivants:mouvementbrownienarithm-
tique; mouvement brownien gomtrique; processus de retour vers la moyenne ou
processusOrnstein-Uhlenbeck;marchealatoire;processusdesautsLestimationdes
modles stochastiques de taux dintrt retient galement notre attention. Nous appli-
quonscesmodlesauxdonnesbancaires,boursiresetcambialescanadiennes
Unproduitdrivnesauraitexisterenlabsencedevolatilitsurlesmarchs
fnanciers. Lestimation de la volatilit est donc un thme de premier ordre en fnance
computationnelle. Cest l la justifcation de notre chapitre sur le fltre de Kalman, un
algorithme que nous utilisons pour estimer et prvoir la volatilit stochastique. Nous
comparons les prvisions obtenues par le fltre celles qui dcoulent des modles
GARCH(generalized autoregressive conditional heteroskedasticity)
la partie 5 se retrouvent galement des chapitres crits par les profes-
seurs Christian Calms et Juan Salazar, tous deux professeurs agrgs de fnance
lUniversitduQubecenOutaouaisLesprofesseursCalmsetSalazarsintressent
lavolatilitetaurisquebancaires
Par son contenu trs toff en programmes indits ayant trait aux diverses
facettes de la thorie des risques, notre manuel confronte le lecteur aux principales
situationsquestsusceptiblederencontrerungestionnairedesrisquesCettefonction
est fort complexe, mais nous avons essay de dmystifer le sujet en amenant progres-
sivement notre lecteur un haut niveau dexpertise dans ce domaine Ce manuel
savre un complment essentiel nos traits suivants, dj publis aux Presses
de lUniversit du Qubec: Trait de gestion de portefeuille (4
e
dition); Le calcul
numrique en fnance empirique et quantitative (2
e
dition); Trait dconomtrie
fnancire; Trait de gestion bancaire Arms de lexpertise que lui procurent ces
crits,lelecteurseraenmesuredaffronterlemonde,souventjughermtique,dela
fnance computationnelle et de la gestion des risques.


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Partie
1
les bases
de lingnierie financire
eT de la gesTion
des risques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
1
inTroducTion
auX opTions eT auX sTraTgies
sur opTions classiques

Lesoptionstransigessurlesmarchsdegrgr
2
existentdepuisbienlongtemps,
maislintroductiondoptionssurdesmarchsorganissaconcidaveclelancement
delaclbreformuledeBlacketScholesayanttraitaucalculduprixduneoption
dachateuropennecritesuruneactionneversantpasdedividendesParlasuite,
bien dautres types doptions sont apparus, les institutions fnancires stant mises en
devoirdedvelopperdenouveauxproduitsdrivstoujoursdavantagesusceptibles
demieuxrpondreauxbesoinsdeleursclientsenmatiredecouvertureetdegestion
desrisquesDetellesoptionssontditesexotiquesetsetransigenthabituellementsur
lesmarchsdegrgr
Dans ce chapitre, nous nous ouvrirons au monde des options en dfnissant
dans un premier temps les options classiques dachat (call) et de vente (put), puis
nous nous intresserons aux diverses stratgies que lon peut formuler partir de
ces options de base. Nous verrons quun investisseur peut de la sorte modifer les
fux montaires ou payoffsduneoptiondemanirelesadaptersesprvisionsen
regard des variables fnancires.
1 Auchapitredesstratgiessuroptions,onpourraconsulterlesouvragessuivants:Bellalah(2003),
Gestion des risques et produits drivs classiques et exotiques, Dunod, Paris; McMillan (2002),
Options as a Strategic Investment, Institute of Finance, New York.
2 Over-the-counter,enanglais
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
1. Les options cLassiques : Les calls (options dachat)
et Les puts (options de vente) europens
Uncallcritsuruneactionestuntitrequidonneledroitdacheteruneactionunprix
dexercicedtermin,disonsX,jusqusadatedchanceLecallestditeuropen
silnepeuttreexercqusonchanceExerceruncall signife prendre possession
delactionenpayantleprixdexerciceXLecall disparat alors. Par ailleurs, un call
estditamricainsilpeuttreexercentouttempsjusqusonchance
Lepayoffduncalleuropencritsuruneactionneversantpasdedividende
estgalaumontantsuivantsonchance:
payoff payoff S
T
X ( )
+
o S
T
est le prix de laction sous-jacente lchance de loption et o
S
T
X ( )
+
MAX S
T
X, 0 ( ) Le payoff dune option est donc toujours positif ou
nulPourlacheteurduncall,lepayoff est reprsent la fgure 1.1.
Figure 1.1 Payoff dun call europen lchance (acheteur)
0
20
40
60
0 20 40 60 80
S
P
a
y
o
f
f
La fgure 1.1 reprsente le payoff que peut esprer lacheteur du call son
chanceselonleprixdelactionquiprvaudracemoment-l,leditcallayantun
prix dexercice de 35$ Mais le vendeur de ce call a un payoff qui est linverse de
celuidelacheteur,cest--direque:
payoff payoff S
T
X ( )
+
Comme lindique la fgure 1.2, le payoffduvendeurducallestlinversedecelui
delacheteuretsavrengatiflorsqueleprixdelactiondpasseleprixdexercice,
ici35$Levendeurestcependantcompensparlacheteurquiluiverseuneprime,
soitleprixproprementditdeloption,dontlamodlisationferalobjetdesprochains
chapitres
Introductionauxoptionsetauxstratgiessuroptionsclassiques 11


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 1.2 Payoff dun call europen lchance (vendeur)
P
a
y
o
f
f
60
40
20
0
0 20 40 60 80
S
Tournons-nousmaintenantversleput,lautreoptionclassiqueCelle-cidonne
le droit son dtenteur de vendre une action au prix dexercice, disons X, jusqu
sonchanceCommelecall,leputpeuttreeuropenouamricain
Pourledtenteur,lepayoffdunputsonchanceestlesuivant:
payoff payoff X S
T
( )
+
Lvolution de ce payoff en fonction du prix de laction, lchance du put, se
retrouve la fgure 1.3.
Figure13 Payoff dun put lchance en fonction de S (acheteur)
P
a
y
o
f
f
0
10
20
30
0 20 40 60 80
S
Levendeurduputaunpayoffinversedeceluidelacheteur,cest--dire:
payoff payoff X S
T
( )
+
Comme lindique la fgure 1.4, le payoff du vendeur du put est ngatif ds
queleprixdelaction,lchancedeloption,sesitueendeduprixdexercice
Lacheteur de loption le compense pour ce risque en lui versant une prime, soit le
prixduput
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure14 Payoff dun put lchance en fonction de S (vendeur)
P
a
y
o
f
f
30
20
10
0
0 20 40 60 80 100
S
Ilestdoresetdjpossibledeformulerlesstratgieslesplussimplesquelesacheteurs
etlesvendeursdecallsetdeputspeuventimaginer
Attardons-nousdabordauxcalls. Comme on peut le constater la fgure 1.1,
legaindundtenteurdecallestdautantplusimportantqueleprixdusous-jacent,
enloccurrencelaction,lestgalementEnfait,onditquuneoptiondachatest
lamonnaie
3
sileprixdelactionestgalauprixdexerciceetdanslamonnaie
4
sile
prixdelactionestsuprieurauprixdexerciceParcontre,sileprixdelactionest
infrieurauprixdexercice,lecallestendehorsdelamonnaie
5
Parconsquent,le
dtenteur dun call est dautant plus favoris que son option est davantage dans la
monnaieLorsquilanticipeunehausseduprixduneaction,linvestisseurauradonc
tendanceacheterdescalls sur cette action de faon engranger des profts. Lachat
decalls estdoncunestratgiebullish
Ilnefautpascroirecependantquelachatdecallscomporteunrisqueminimal
En effet, si le prix de laction demeure en de du prix dexercice, le dtenteur du
callsubitunepertegalelaprimequilapayepourseporteracqureurducall
Mmesinousanticiponssurdesdveloppementsultrieurs,disonsquelerendement
esprduncallestplusimportantqueceluidelactionsous-jacente,linvestissement
dansdescalls tant similaire un portefeuille dactions fnanc par voie demprunts.
Linvestissementdansuncallcomportedoncunlevierquirehaussesonrendement
esprenregarddusous-jacentdecetteoptionMaiscelevieraugmentegalement
lerisquedeloptionenregarddesonsous-jacent
Poursapart,levendeurducallfaitfaceunpayoffngatifquandleprixde
lactionexcdeleprixdexercicedeloptionvendueCertes,ilencaisseuneprime
lorsquilvenduncall,laquellecorrespondauprixdeloptionSastratgieseradonc
devendredescallsendehorsotrsendehorsdelamonnaiedemanireviterque
leprixdelactionneviennesesituerau-dessusduprixdexerciceducalllchance
3 At-the-money,enanglais
4 In-the-money,enanglais
5 Out-of-the-money,enanglais
Introductionauxoptionsetauxstratgiessuroptionsclassiques 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
deloption,cequisetraduiraitparlexerciceducallUnetellestratgiedelapartdu
vendeur est approprie quand le march boursier est relativement stable ou orient
labaisseQuiplusest,uninvestisseurpeutavoirpar-deversluidesactionsquilui
fontsubirdespertesIlpeutdoncvendredescallsendehorsdelamonnaiecritssur
cesactionsdefaonencaisserlesprimesSijamaislemarchdecelles-ciremonte
rapidement,ildisposeradesesactionssilexerciceseproduit
Dplaons-nous maintenant vers des stratgies lmentaires impliquant les
puts classiques Un put est la monnaie si le prix de laction sous-jacente est gal
au prix dexercice du put Il est dans la monnaie si le prix de laction est infrieur
auprixdexerciceetendehorsdelamonnaie,sileprixdelactionestsuprieurau
prixdexercice
Parconsquent,uninvestisseurdtiendraunputcritsuruneactionlorsquil
anticiperaunebaissedeprixdeladiteactionLachatdeputscorresponddoncune
stratgiebearish. Nous laissons au lecteur le soin dimaginer une stratgie que pourrait
suivrelevendeurdunputensinspirantdecelleduvendeurduncall
2. La parit put-call
Avantdintroduiredautresstratgiessuroptionspluscomplexes,nousnousattardons
unerelationquinouspermettradimaginercertainesstratgiessuroptions,soitla
paritput-callCetterelationentreleprixdunputeuropen(P)etleprixduncall
europen(C)demmeprixdexerciceXetdemmedure(T)etdontlesous-jacent
neversepasdedividendesestlasuivante:

P
0
C
0
S
0
+ Xe
rT
orestletauxsansrisque
Une fois que lon a calcul le prix du call, on peut donc calculer le prix du
putensoustrayantleprixactueldelactionetenajoutantlavaleuractualiseduprix
dexerciceCetterelationfaitappelauconceptdabsencedarbitragePourdmontrer
laparitput-call,situons-nouslchanceTdesoptionsetcrivonslaparitput-
callcommesuit:
P
T
+ S
T
C
T
+ X
LesdeuxpartiesdecettequationreprsententchacunedeuxportefeuillesLepremier
estconstitudunputetduneactionLesecondestconstituduncalletdunprt
dunmontantXLetableau11fournitlavaleurdecesportefeuillesselonqueleprix
delactionestsuprieurouinfrieurauprixdexercicelchance
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 1.1
P
T
+ S
T
C
T
+ X
S
T

>
_ X S
T
S
T
S
T
< X X X
On constate au tableau 11 que les deux portefeuilles ont les mmespayoffs
lchance quel que soit ltat de la nature qui prvaut alors Envisageons par
exemplelasituationpourlaquelleS
T
X. Le portefeuille constitu dun putetdune
actionvautalorsS
T
Eneffet,leputnestalorspasexercpuisquilaunpayoffnul
LavaleurduportefeuilleestalorsdeS
T

Que vaut par ailleurs le portefeuille constitu dun call et dun prt dans
les mmes circonstances ? Le callestalorsexercetsonpayoffestde(S
T
X)La
valeur du portefeuille est (S
T
X + X), soit S
T
Les deux portefeuilles ont donc la
mmevaleurquandS
T
X. Et lon tient le mme raisonnement pour dmontrer quils
ontlammevaleurlorsqueS
T
<XLeurvaleurrespectiveestalorsdeX
Comme les deux portefeuilles donnent des fux montaires identiques
lchance, leur valeur actuelle doit ltre galement pour viter tout arbitrage On
peutdonccrire:
P
0
+ S
0
C
0
+ Xe
rT
soit:
P
0
C
0
S
0
+ Xe
rT
Cestllaparitput-call
Onpeutgalementformulerlaparitput-callentermesduprixduncontrat
terme
6
sur une action Ce contrat oblige la livraison de laction lchance du
contrat un prix dtermin lavance, disons X Son payoff lchance est donc
de:(S
T
X)Cepayoffpeutdonctrengatifpuisquelecontrattermeobligeson
dtenteurprendrelivraisondusous-jacentOnpeutcomparercepayoffceluidun
callquiestde:(S
T
X)
+
LorsqueS
T
X, le contrat terme et le callcorrespondant
procurentlesmmespayoffsMaislorsqueS
T
<X,lepayoffducontrattermeest
ngatifalorsquelepayoffducallestnul,ledtenteurducallayantalorsleprivilge
denepasexercersonoption
6 Il sagit ici dun contrat terme de gr gr, soit un contrat Ilsagiticiduncontrattermedegrgr,soituncontratforwardenanglais
Introductionauxoptionsetauxstratgiessuroptionsclassiques 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourvitertoutarbitrage,onpeutprouverqueleprixtermeF
0
estgal:
F
0
S
0
e
rT
Ensubstituantcettequationdanscelledelaparitput-call,ona:
P
0
C
0
F
0
X ( ) e
rT
Cestllaparitput-callexprimeentermesduprixtermedelaction
3. stratgies pour modifier Les payoffs des calls
et des puts Lchance
Danscequisuit,nousadoptonsuneapprochegraphiquepourreprsenterlesstrat-
giesdoptionsConsidronsenpremierlieulespayoffsduncall lchance. Nous
lesreprsentonsentermesdeleurpenteenregardduprixdelactionsous-jacente
Comme on peut le constater la fgure 1.1, jusquau prix dexercice, la pente du call
estnulleenregardduprixdelactionPassleprixdexercice,lapenteducallest
de+1Levecteurquireprsentelespayoffsduncall est donc : (0,+1). La fgure 1.5
donnelareprsentationgraphiqueducallenvisagdanscetteoptique
Figure 1.5 Payoffs dun call
S = prix de laction
+1
0
Call
Silonvenduncall,onauralespayoffsinverses,cest--dire:C=(0,1)
Si lon considre maintenant la fgure 1.3, qui reprsente lachat dun put,on
constatequesapenteestde1jusquauprixdexerciceetde0parlasuiteLachat
dunput peut donc tre reprsent par le vecteur : (1,0), comme lindique la fgure 1.6.
Silonvendunput,lespayoffssinversent:(1,0)=(1,0)
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 1.6 Payoffs dun put
S = prix de laction
1
0
Put
Parquelvecteurpeut-onreprsenterlespayoffsdusous-jacentducalloudu
put, soit laction, en suivant la mme logique ? Comme lindique la fgure 1.7, les
payoffs de lachat dune action peuvent tre reprsents par le vecteur (+1,+1), S
0

tantleprixactueldelactionLespayoffsdelaventedcouvertduneactionsont
doncde:(1,1)
Figure 1.7 Payoffs dune action
S
0
+1
+1
Payoff
S
Il est remarquer quun contrat terme crit sur cette action a le mme
vecteurdepayoffsquelactionelle-mmepuisquelecontrattermelivrelaction
sonchance
Introductionauxoptionsetauxstratgiessuroptionsclassiques 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
.1. le protective put
Envisageonsunepremirestratgiebasesurlaparitput-callOnachteuncontrat
forward et on achte un put Selon la parit put-call, les payoffs de cette stratgie
sontceuxduncallEneffet,onpeutcrirelaparitput-callcommesuitlchance
desoptions:

P
payoffs du put

+ S
T
X ( )
payoffs dun contrat terme

C
payoffsdun call

Siloncombinelespayoffsduncontrattermeceuxdunput,onretrouveceux
dun call On peut galement obtenir cette expression en se servant de la proprit
suivantedelafonctionMAX:
MAX (X,Y) + Z = MAX (X+Z, Y+Z)
Lacombinaisondespayoffsdunputetduncontrattermedonnealors:

MAX X S
T
, 0 ( )
payoffs du put

+ S
T
X ( )
payoffs dun contrat terme

MAX 0, S
T
X ( )
payoffsdun call

Ainsi, en ajoutant aux payoffs dun contrat terme ceux dun put, on tronque la
distribution des payoffs du contrat terme en retranchant tous les payoffs ngatifs
quipourraientsurvenirdeladtentionducontrattermeOnseretrouveavecune
distribution qui ne comporte que des payoffs positifs Cette stratgie est, raison,
appeleprotectiveputenanglais
Lesvecteursdespayoffsdelastratgieprotective putsontlessuivants:
(+1,+1)+(1,0)=(0,+1)
Onretrouvedonclespayoffsduncall
La stratgie du protective put est reprsente la fgure 1.8. Les payoffs de
lastratgiesont,aupire,nuls,maisondoitpayerlaprimeduputpourobtenirune
telleprotectionCestllapremireformedecouverturequenousenvisageonsdans
cemanuel
payoffs duput
payoffs duncontratterme
payoffs duncall
payoffs duput payoffs duncontratterme payoffs duncall
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 1.8 Le protective put
+
=
+1
+1
1
0
0 +1
Forward
Put
Call
On peut dfnir le protective putsurlactionelle-mme comme cestlecasdansla
thoriedelassurancedeportefeuilleLeportefeuilleestalorscomposduneaction
etdunputLepayoffdeceportefeuilleestalors,lchanceduput:
S
T
+ MAX X S
T
, 0 ( ) MAX X, S
T
( )
Leputquisajouteauportefeuillefaitensortequesavaleurnediminuerapasende
duprixdexerciceduputUngestionnairequiveutempcherquesonportefeuillene
tombeendedunecertainevaleurdoitdonctrouverdesoptionsdeventedontle
prixdexercicecorrespondauplancherrecherch
.. reproduction dun put
Toujoursselonlaparitput-calllchancedesoptions,onpeutcrire:
P C S
T
X ( )
Onpeutgalementenarrivercersultatenexploitantlapropritprcdente
delafonctionMAX:

MAX S
T
X, 0 ( )
payoffs dun call

S
T
X ( )
payoffs dun contrat terme

MAX 0, S
T
X ( ) ( )
MAX 0, X S
T
( )
payoffs dun put

payoffs duput payoffs duncontratterme payoffs duncall
Introductionauxoptionsetauxstratgiessuroptionsclassiques 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ainsi, en combinant les payoffs dun call ceux dun contrat terme, on obtient
ceuxdunputParconsquent,silonvenddcouvertuncontrattermeetsilon
achteuncall,ladistributiondespayoffsdelaventedcouvertnecomprendplus
depayoffsngatifsCestluneautreformedecouvertureEntermesdesvecteurs
depayoffs,cettestratgiescrit:
(0,1)+(1,1)=(1,0)
Lacombinaisondonnebienlespayoffsdunput
.. reproduction de linstrument sous-jacent
Acheter un call et vendre un put revient reproduire linstrument sous-jacent, ici
lactionEneffet,entermesdesvecteursdepayoffs,ona:
(0,+1)(1,0)=(+1,+1)
.. le covered call
Vendreuncalletdteniruneaction,iciuncontrattermesurcetteaction,defaon
couvrircetteaction,setraduitparlesvecteursdepayoffssuivants:
(0,+1)+(+1,+1)=(+1,0)
Cest l la stratgie du covered call. Cette stratgie est reprsente la fgure 1.9.
Tant que le prix dexercice nest pas atteint, le call nest pas exerc: le covered
callsecomportecommeuneactionhabituellePassleprixdexercice,toutceque
linvestisseurgagnesursonaction,illereperdsurlaventedesoncallquiestalors
exerc : il nencaisse alors ni gain, ni perte. Comme on peut le constater la fgure
19,lecovered callcorrespondlaventedunput
.. cart bull
Ilexistetroisstratgiespossiblespouruninvestisseuroptimiste,cest--direquianti-
cipeunetendancelahaussedescoursboursiersParordrecroissantderisque,ces
stratgiessont:acheterlaction(contratterme);acheteruncall (action fnance par
empruntoulevier);vendreunputDansunestratgieditecartbull,uninvestisseur
est prt abandonner une partie du potentiel la hausse de laction pour mieux se
protgercontreunebaisseEnvertudecettestratgie,ilachteuncallsuruneaction
auprixdexerciceE
1
etilvenduncallsurcettemmeactionauprixdexerciceE
2
,
avecE
2
>E
1

0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 1.9 Le covered call
+
=
+ 1
+ 1
0
1
+1
0
Forward
Call
Covered call
PourlecallachetauprixdexerciceE
1
,levecteurdespayoffsestlesuivant:
(0,+1,+1)Eneffet:
siS<E
1
payoff=0
siE
1
<S<E
2
payoff=1
siS>E
2
payoff=1
Parcontre,pourlecallvenduauprixdexerciceE
2
,levecteurdepayoffsest:(0,0,1),
cest--dire:
siS<E
1
payoff=0
siE
1
<S<E
2
payoff=0
siS>E
2
payoff=1
Encombinantcesdeuxinstruments,onobtientlcartbull:
(0,+1,+1)+(0,0,1)=(0,+1,0)
Cette stratgie est reprsente la fgure 1.10. Linvestisseur gagne entre E
1
et E
2

PassE
2
,loptiondachatquilavendueestexerceIlsubitalorsuneperte,maiselle
estcompenseparlautreoptionquilaacheteAvantE
1
,aucunedesdeuxoptions
nestexerce,maislinvestisseurretientlaprimesurlecallquilavendu
Introductionauxoptionsetauxstratgiessuroptionsclassiques 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 1.10 Lcart bull
+
=
0
+1
0
0
+1
+1
0 0

1
Acheter un call E
1
Vendre un call E
2
.. la vente de lcart bull : lcart bear
CettestratgieconsistevendreuncallauprixdexerciceE
1
etacheteruncallau
prixdexerciceE
2
Lespayoffsdecettestratgiesontlessuivants:
(0,1,1)+(0,0,+1)=(0,1,0)
SiS<E
1
,linvestisseurretirelaprimesurlecallvenduSiE
1
<S<E
2
,linvestisseur
perdsurlecallvendu,puisquilestexercSiS>E
2
,linvestisseurperdsurlecall
vendu,maiscelaestcompensparsesgainssurlecallachetOnpeutdoncconstater
quelorsquelinvestisseurdtientuncartbear,ilspculesurunebaisseduprixde
laction,levecteurdespayoffsnecomportantpasde+1etincorporantun1Illimite
cependantsonpotentieldeperteenpayantuneprimesurlecallquilachte:illimite
parlefaitmmesonpotentieldepertepassE
2

Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous allons maintenant examiner quelques stratgies qui visent tirer parti
de la volatilit du prix du sous-jacent: les fourches (straddles) et les papillons
(butterfies)
.7. le straddle
On sait que la valeur dun call augmente si le prix de laction augmente et que la
valeurduputaugmentesileprixdelactiondiminueSilonhsitesurlatendance
duprixdelactionmaisquelonprvoitquelavariationduprixdelaction(hausse
oubaisse)seraimportante,onpeutacheteruncalletunputaummeprixdexercice
Cettestratgieestappelefourche(straddle)Levecteurdepayoffsdunstraddle
estlesuivant:
(0,+1)+(1,0)=(1,+1)
Leschmadunstraddle apparat la fgure 1.11.
Le cot du straddle est la somme des primes du call et du put Le straddle
rapportera donc un proft si la variation absolue du prix de laction ( la hausse ou
la baisse) sufft ponger les deux primes. titre dexemple, une telle stratgie
peut tre suivie lors dune lection (le march monte si tel parti est lu et baisse si
telautreestlu)dontlersultatesttrsincertain
Figure 1.11 Straddle
+
=
Achat dun call
Achat dun put
Achat dun straddle
Introductionauxoptionsetauxstratgiessuroptionsclassiques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
.8. le papillon (butterfy)
Cettestratgieestsimilaireunstraddle,maiselleestbornegaucheetdroitepar
des ailes refermes Cette stratgie peut tre obtenue de la faon suivante Il existe
troiscallssuruneactiondontlesprixdexercicesontlessuivants:
E
1
<E
2
<E
3
Pour crer un butterfy, il sufft de vendre un call E
1
, dacheter deux calls E
2

etdevendreuncallE
3
Lasommedecestroistransactionsdonnelastratgie du
butterfy
Reproduisons la stratgie du butterfy dans un chiffrier Excel Pour ce faire,
nousnousservonsdelafonctiondutableau12,criteenVisual Basic,quidonnele
payoffduncalllchance
taBleau 1.2 Fonction Visual Basic du payoff
dun call lchance
Function callpayoff(S, X)
callpayoff=Application.Max(S-X, 0)
End Function
Nous imaginons quil existe trois callsentoutpointidentiquessaufqueleprix
dexercicediffredelunlautreCestroisprixdexercicesontrespectivementde
25, 40 et 60. partir de la fonction du tableau 1.2 et de la commande Excel:Donnes/
Table,nouscalculonslespayoffsdechaquecallpourlestroisprixdexercicepour
desprixdactionsvariantentre0et100etnoussommonslesrsultatsenappliquant
la formule du butterfy. Le rsultat apparat au tableau 1.3. titre dexemple, dans
lacelluleS
12
seretrouvelaformulesuivante:
=P
12
+2*Q
12
R
12
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 1.3 Les composantes dun butterfy
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
O P Q R S T
Prix dexercice
Prix action 25 40 60 Butterfly
5 0 0 0 0
10 0 0 0 0
15 0 0 0 0
20 0 0 0 0
25 0 0 0 0
30 5 0 0 5
35 10 0 0 10
40 15 0 0 15
45 20 5 0 10
50 25 10 0 5
55 30 15 0 0
60 35 20 0 5
65 40 25 5 5
70 45 30 10 5
75 50 35 15 5
80 55 40 20 5
85 60 45 25 5
90 65 50 30 5
95 70 55 35 5
100 75 60 40 5
Finalement,legraphiquedubutterfy apparat la fgure 1.12.
Figure 1.12 Stratgie du butterfy
20
15
10
5
0
5
10
0 20 40 60 80 100
Introductionauxoptionsetauxstratgiessuroptionsclassiques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
rsum
Ce chapitre ne visait qu nous introduire au monde des produits drivs Pour ce
faire,nousavonsmontrcomment,encombinantlesdeuxtypesdoptionsclassiques,
calletput,onpouvaitconcocterunestratgiedepayoffssusceptiblederpondreaux
exigences dun investisseur en matire de rendement et de risque. Nous avons vu que
lesoptionsclassiquespouvaienttoutautantservircouvrirunepositionquspculer
surlestendancesdesmarchsUninvestisseurquiprouveundegrlevdaversion
pourlerisquesedirigeraverslepremiertypedestratgiealorsqueceluiquicraint
moinslerisqueadopteralasecondecatgorie
Les options servent donc, entre autres, modifer la distribution des fux
montaires de leurs sous-jacents, qui constituent en fait les instruments fnanciers de
base Si lon veut couvrir en partie une position, on penchera vers une distribution
des rendements tronque qui efface les fux montaires ngatifs. Certes, une telle
distributioncomporterauncot,cest--direlesprimespayessurlesoptionsquiont
permisdeconstruireunetelledistributionSilonsupprimetoutrisque,onnepourra
gure esprer un taux de rendement suprieur au taux sans risque Par ailleurs, on
peutavoirrecoursleffetdelevierinhrentloptionpourdgagerunrendement
esprsuprieurceluidusous-jacentMaistanttrsrisque,unetellestratgiene
convientgurelinvestisseurmoyen


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
2
inTroducTion
auX processus sTochasTiques
Unprocessusstochastiqueestunesriedevariablesalatoiresquitraduitleurvolution
au cours du temps. Ces processus ont commenc envahir la fnance moderne la
suitedelaparutiondufameuxarticledeBlacketScholesayanttraitlavalorisation
duneoptiondachateuropennecritesuruneactionneversantpasdedividendes
Depuis, les processus stochastiques ont envahi tous les champs de la fnance : thories
de portefeuille, fnance corporative, gestion des risques, ingnierie fnancire, fnance
internationaleet,certes,lathoriedesproduitsdrivs
Dans ce chapitre, nous introduisons le lecteur aux processus stochastiques
lespluscourants:leprocessusdeWiener,lemouvementbrownienarithmtique,le
mouvementbrowniengomtrique,leprocessusOrnstein-Uhlenbeckouprocessusde
retourverslamoyenne,etleprocessusdIt,quiestlaversiongnralisedelen-
sembledesprocessusCefaisant,nousfournissonsaulecteurdesprogrammescrits
enVisual Basicdemanirecequilpuissesimulercesprocessusparlui-mme,ce
qui lui permettra de mieux les matriser.
1. Le processus de Wiener
Le processus de Wiener, que nous dsignons par dz
1
, est bas sur la loi normale
Une variable alatoire X obit une loi normale si sa fonction de densit est la
suivante:
f x ,
2
( )

1
2
e

x ( )
2
2
2
1. Il est galement courant dans la littrature fnancire de dsigner un processus de iener par d. Il est galement courant dans la littrature fnancire de dsigner un processus de iener par d.
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Laloinormaleestdoncentirementcaractriseparsesdeuxpremiersmoments
UnprocessusdeWiener(dz)scritcommesuit:
dz dt
o ~ N 0,1 ( ) etodtdsigneunpetitintervalledetemps,encoredsignparpas
Lesprancededzestgale:
E dz ( ) E dt
,

]
]
dtE ( ) 0
Parailleurs,lavariancededzestgale:
V dz ( ) E dz
2
( )
E dz ( ) ,

]
]
2
E dz
2
( )
E
2
dt
( )
dtE
2
( )
dt
Lcart-type dun processus de Wiener est donc gal dt , do ladage que lin-
certitude augmente avec la racine carre du temps. Ds lors, la diversifcation des
rendementsdansletempsestpossibleencesensquelerisquedunportefeuillesat-
tnueaufuretmesurequelhorizondinvestissementestrepoussAutableau21,
onretrouveunprogrammecritenVisual Basic(Excel)quinouspermetdesimuler
unprocessusdeWiener
taBleau 2.1 Sous-routine Visual Basic de la simulation
dun processus de Wiener
Sub Wiener( )
T=1
N=100
dt=T / N
For i=1 To 100
Randomize
eps=Application.WorksheetFunction.NormSInv(Rnd)
Range(Wien).Offset(i, 0)=eps*Sqr(dt)
Next i
End Sub
La fgure 2.1 retrace une trajectoire dun processus de iener tablie partir de la
sous-routinedutableau21Lapriodeestdunanetelleatdiviseen100sous-
priodes. On remarque que dz fuctue de faon alatoire sans tendance manifeste.
Cette variable obit en fait une marche alatoire. la fgure 2.2, nous avons divis
lapriodeen1000pluttquen100sous-intervallesLecaractrealatoiredelasrie
estencoreplusmanifeste
Introductionauxprocessusstochastiques 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 2.1 Processus de Wiener (N = 100)
0,1
0,05
0
0,05
0,1
0 20 40 60 80 100
Figure 2.2 Processus de Wiener
0,15
0,1
0,05
0
0,05
0,1
0,15
0 200 400 600 800 1000
Avantdepoursuivre,nousdevonsnousarrtersurunaspecttechniquedela
constructiondelasous-routinequelonretrouveautableau21,savoirlagnration
de nombres alatoires partir dune distribution donne Le principe est toujours
lemmeIlsagitdansunpremiertempsdetirerunnombrealatoirepartirdela
distribution uniforme, ce nombre se situant alors entre 0 et 1. Ensuite, il sufft din-
verser la fonction cumulative de la distribution dsire, ici la distribution normale,
pourtrouverlenombrealatoiredsir,laprobabilitcumulativesesituanteneffet
entre 0 et 1. Pour illustrer cette mthodologie, considrons la fgure 2.3, qui donne
lafonctiondedistributioncumulativedelaloinormale
Figure 2.3 Fonction cumulative de la loi normale
0
0,25
0,5
0,75
1
4 3 2 1 0 1 2 3 4
X
Prob.
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Disonsquelonaittirlenombre0,5partirdeladistributionuniformeLa
fgure 2.3 nous dit alors que le nombre alatoire correspondant dans une distribution
normale est de 0 On parle ainsi dinversion de la fonction cumulative, car cest
labscisse et non lordonne de la fonction cumulative qui nous fournit le nombre
alatoiredsir
Comme on peut le constater aux fgures 2.1 et 2.2, le processus de iener, qui
estbassurlaloinormale,nautorisepasdesautsductdelavariabledzOr,les
variables fnancires font parfois montre de sauts. Pour arriver faire sursauter une
srie,unetechniqueestdetirerdesnombresalatoiresgnrsparunedistribution
quifaitmontredunexcsdeleptokurtismeenregarddelanormale
LunedecesfonctionsestlafonctiongammaLafonctiongamma,caractrise
parlesdeuxparamtresoet, se dfnit comme suit :
f x ,
( )

1
( )

x
1
e

o ( ) est la fonction gamma dfnie comme :


( ) y
1
0

e
y
dy
noter que si n etquenestunentier,onaalorslersultatsuivant:
n ( ) n 1 ( )!
LamoyennedunevariablealatoireXquiobitunedistributiongammaestde:
E X ( )
Etsavarianceestde:
V X ( )
2
Letableau22fournitunprogrammecritenVisual Basicquitransposeleprocessus
de iener dans le cadre dune distribution gamma, et la fgure 2.4 montre lvolu-
tion dun tel processus. Comme on peut le constater la lecture de cette fgure, de
nombreuxsautssemanifestentdansuntelprocessusstochastique,encesensqueces
sautssloignentdebeaucoupplusdcart-typesdelamoyennequenelautorisela
distributionnormale
Introductionauxprocessusstochastiques 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 2.2 Sous-routine Visual Basic dun processus alatoire
tabli partir de la distribution gamma
Sub Gamma( )
T=1
N=100
dt=T / N
For i=1 To 1000
eps=Application.WorksheetFunction.GammaInv(Rnd, 1, 2)
If Rnd<=0.5 Then
eps=-eps
Else
eps=eps
End If
gam=eps*Sqr(dt)
Range(gam).Offset(i, 0)=gam
Next i
End Sub
Figure 2.4 Processus stochastique : loi gamma
2
1,5
1
0,5
0
0,5
1
1,5
0 200 400 600 800 1000
LadistributiondeStudentestuneautredistributionquifaitmontredeleptokur-
tismeenregarddelanormaleetquiestdeplusenplusutilisedanslamodlisation
des prix des produits drivs. Soit Z, une N(0,1) et
r ( )
2
,unevariablealatoirechi-
carr avec r degrs de libertAlors T
Z

r ( )
2
/ r
a une distribution t (Student) qui
estnotet
(r)
Elleestsymtriqueautourde0,maistendversladistributionnormale
lorsque le nombre de degrs de libert se dirige vers linfni.
Le tableau 23 fournit un programme crit en Visual Basic qui transpose le
processus de Wiener dans le cadre dune distribution de Student avec 5 degrs de
libert, et la fgure 2.5 prend acte de lvolution dun tel processus. Encore une fois,
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
dessautstrsapparentssefontjourlorsdudroulementduprocessusstochastiquede
lasrie;ilssontdautantplusamplesquelonrduitlenombrededegrsdelibert
deladistributiondeStudent
taBleau 2.3 Sous-routine Visual Basic dun processus alatoire
tabli partir de la distribution t de Student
avec 5 degrs de libert
Sub Student( )
T=1
N=1000
dt=T / N
For i=1 To 1000
Randomize
eps=Application.WorksheetFunction.TInv(Rnd, 5)
If Rnd<=0.5 Then
eps=-eps
Else
eps=eps
End If
stud=eps*Sqr(dt)
Range(stud).Offset(i, 0)=stud
Next i
End Sub
Figure 2.5 Processus stochastique : loi de Student
0,3
0,2
0,1
0
0,1
0,2
0,3
0 200 400 600 800 1000
Nous consacrerons un autre chapitre aux processus de sauts. Au lieu de modifer
ladistributionauseindelaquellesonttirslesnombresalatoires,noussuperposerons
pluttauxmouvementsbrownienstraditionnelsunprocessusdePoissonquignrera
lessautsOnparleraalorsdeprocessusdediffusionavecsauts
Introductionauxprocessusstochastiques 33


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
2. Le mouvement brownien arithmtique
Le processus de Wiener que nous venons dtudier comporte certaines lacunes.
Dabord,sadriveousontrendestnul.Or,plusieurssriesstochastiquescomportent
untrend.Parexemple,lesindicesboursiersfontmontredunetendancelahausse
longterme.Deplus,lavariancedunprocessusstochastiqueestgaleaupas,soitdt.
Comme cette variance ne peut accommoder quun nombre trs limit de processus
stochastiques, il y a lieu de calibrer la partie alatoire dun processus stochastique
par la variance observe de la srie. Le mouvement brownien arithmtique corrige
ces deux dfciences du processus de Wiener. Il scrit comme suit :
dx = dt + dz
omestladrivedelasrieets,soncart-typeet dz = dt .Commeonlevoit,
cest la partie stochastique du processus qui domine court terme et sa tendance
longterme

.
Pour simuler un mouvement brownien arithmtique, nous avons recours au
programmeVisual Basicquelonretrouveautableau.4.Ceprocessusstochastique
comporte les paramtres suivants : m=0,9;s = 0,3 et T = 0,25 anne. Pour les fns
delasimulation,nousavonsdivislapriodeTen100sous-priodes.
Tableau 2.4 Sous-routineVisual Basic
dunmouvementbrownienarithmtique
Sub Brownarith( )
a=0.9
sigma=0.3
T=0.25
N=100
dt=T / N
xt=0
Range(stock).Offset(0, 0)=xt
For i=1 To N
Randomize
eps=Application.WorksheetFunction.NormSInv(Rnd)
xt=xt+a*dt+sigma*eps*Sqr(dt)
Range(stock).Offset(i, 0)=xt
Next i
End Sub
. n effet, neffet,mestmultiplipardtets par dt.
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Comme en prend acte la fgure 2.6, le mouvement brownien arithmtique est
caractrisparuntrendlongtermeponctudedviationsquidpendentdelcart-
typeduprocessusstochastique
Figure 2.6 Mouvement brownien arithmtique
0.05
0
0.05
0.1
0.15
0 20 40 60 80 100
dt
x
Si lcart-type du mouvement brownien arithmtique est nul, il scrit alors
commesuit:
x
t
x
t1
+ adt
Or,parrcursivit,onpeutcrire:
x
t1
x
t2
+ adt
Ensubstituantcettedernireexpressiondanslquationdex
t
,ona:
x
t
x
t2
+ 2adt
Supposons que lon connaisse la valeur initiale de x, soit x
0
, on peut alors crire,
toujoursparrcursivit:
x
t
x
0
+ adt
t1
t

x
0
+ tadt
Lemouvementbrownienarithmtiqueavecuncart-typenul,soitunmouve-
mentdterministe,seprsentedonccommeunedroitelorsquelonreliesonvolution
aux sous-priodes, comme en tmoigne la fgure 2.7. Pour la construire, nous avons
tabliletrend100Lapriodeestgale0,25anneetnouslavonsdiviseen100
sous-priodesSelonlquationdex
t
, sa valeur fnale est gale :
x
t
100 + 100 100
0, 25
100
j
(
,
\
,
(
125
Introductionauxprocessusstochastiques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 2.7 Mouvement brownien arithmtique : sigma nul
100
110
120
130
0 20 40 60 80 100
dt
x
3. mouvement broWnien gomtrique
Unmouvementbrownienarithmtiqueestinappropripourdcrirelvolutionduprix
duneaction,tantdonnlacroissanceespreduprixdecetteaction,dsignepar
o, et lcart-type du taux de rendement de laction, reprsent par o En effet, cela
supposeraitquelerendementtotaldelaction,soit
dS
S
,auraittendancediminuer
aucoursdutemps,cequiestcontraireauxdonnesobservessurlesrendementsdes
actionsOnfaitdonclhypothsequeleprixduneactionobtempreunmouvement
browniengomtrique,cest--dire:
dS Sdt + Sdz
La drive et lcart-type sont donc multiplis par S, soit le niveau du prix de lac-
tion Il sensuit que le taux de rendement de laction suit un mouvement brownien
arithmtique:
dS
S
dt + dz
Le taux de rendement de laction est donc indpendant du niveau de S, ce qui
semble corrobor par les faitsAu tableau 25, on retrouve un programme crit en
Visual Basic qui simule le prix dune action qui se plie un mouvement brownien
gomtrique. La reprsentation graphique de ce mouvement est donne la fgure 2.8.
Figure 2.8 Mouvement brownien gomtrique
90
100
110
120
130
140
0 20 40 60 80 100
dt
St
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 2.5 Sous-routine Visual Basic
dun mouvement brownien gomtrique
Sub Browngeom( )
mu=0.08
sigma=0.5
T=0.25
N=100
dt=T / N
St=100
Range(stock).Offset(0, 0)=St
For i=1 To N
Randomize
eps=Application.WorksheetFunction.NormSInv(Rnd)
St=St+mu*St*dt+sigma*St*eps*Sqr(dt)
Range(stock).Offset(i, 0)=St
Next i
End Sub
Lareprsentationgraphiquedunmouvementbrowniengomtriquenediffre
pas sensiblement de celle dun mouvement brownien arithmtique Mais il y a une
diffrenceessentielleSupposonseneffetqueo

soitdanslaformuledumouvement
brownien gomtrique Ce mouvement devient alors dterministe et scrit comme
suit:
S
t
1+ dt ( )S
t1
Encore une fois, on peut simplifer cette expression par rcursivit. On a :
S
t1
1+ dt ( )S
t2
EnmettantcetteexpressiondansS
t
,onobtient:
S
t
1+ dt ( )
2
S
t2
Enadmettantquilyansous-priodesentrelapriodetetlapriodeinitiale,dsigne
par0,onpeutcrire:
S
t
1+ dt ( )
n
S
0
S
0
tantleprixinitialdelaction,supposconnuOnpeutcrirecetteexpressionsous
uneformeexponentielleenseservantdelapropritlogarithmiquesuivante:
ln x ( ) y x e
y
e
lnx
Introductionauxprocessusstochastiques 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
DanslquationdeS
t
, x 1+ dt ( )
n
Onpeutdonccrire:
S
t
S
0
e
nln 1+dt ( )
S
0
e
ndt
S
0
e
nT
o T = ndt, soit la longueur totale de la priode considre Par consquent, alors
quedansunmouvementbrownienarithmtique,Sentretiendraitunerelationlinaire
avecletemps,ilentretientunerelationexponentielledansunmouvementbrownien
gomtrique. Cette relation apparat trs bien la fgure 2.9, qui relate le mouvement
dterministeduneactiondurantunepriodede20ansquandlemouvementbrownien
gomtriqueauquelellesepliecomporteuncart-typenul
Figure 2.9 Mouvement brownien gomtrique : sigma nul
100
200
300
400
0 5 10 15 20
dt
St
Silquationdiffrentiellestochastiqueduprixdelactionseconformeun
mouvementbrowniengomtrique,alorsleprixdelactionsuituneloilognormale
Etsitelestlecas,lelogarithmedeSsuituneloinormalePourlemontrer,rcrivons
lquationdiffrentielleduprixdelaction:
dS Sdt + Sdz (1)
Soit la fonction g qui est gale ln(S) Cette fonction dpend donc de la variable
alatoire S Selon le lemme dIt, que nous examinerons plus en dtail dans les
prochainschapitres,lquationdiffrentielledegscrit:

dg
dg
dS
dS +
1
2
d
2
g
dS
2
dS
2
(2)
Le lemme dIt sapparente donc une expansion de Taylor du second degr Or,
dg
dS
estgal
1
S
et
d
2
g
dS
2

1
S
2
Ensubstituant cesdrivesdanslquation(2) et
enremplaantdSparlquation(1),onobtient:

dg
1
S
Sdt + Sdz ( )

2
S
2
2S
2
dt
(3)
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
remarquer que dS
2
= o
2
S
2
dt, comme nous le justiferons dans un autre chapitre.
Aprs simplifcation de lquation (3), on obtient :

dg
1
2

2
j
(
,
\
,
(
dt + dz
(4)
LelogarithmedeS,soitlafonctiong,suitbienuneloinormalepuisquedzobit
uneloinormaleOnpeutalorscrireleprixdelactioncommesuit:
S
t
S
t1
e

1
2

2 j
(
,
\
,
(
dt+dz
CettequationnousseratrsutilelorsdesimulationsdeMonteCarlodeprixdoptions
4. mouvement ornstein-uhLenbeck
ou processus de retour vers La moyenne
Certainsprocessusstochastiquesnincorporentpasunedrivemaisontplutttendance
retournerversunniveaumoyenplusoumoinslongtermeCestlecasdestaux
dintrt, des prix de certaines matires premires comme le ptrole et des taux de
changedecertainesdevisesOnestalorsenprsencedunprocessusOrnstein-Uhlen-
beck (O-U), encore appel processus de retour vers la moyenne Supposons que la
variablealatoirersuiveunprocessusO-USonquationdiffrentiellestochastique
estalorsgale:
dr r r ( ) dt + dz
o r est le niveau moyen de long terme de r et u, la vitesse de retour de r vers sa
moyenne de long terme r Plus u est faible, plus la volatilit de r est grande en ce
sensquermetalorsdautantplusdetempsretournerverssamoyennedelongterme
Par ailleurs, plus u est important, plus les fuctuations de r autour de sa moyenne
delongtermesontfaibleset,parconsquent,pluslavolatilitderestfaibleIlen
rsultealorsunediminutiondesprixdesoptionscritessurrLetableau26prsente
unprogrammecritenVisual Basicpoursimulerunevariablequisuitunprocessus
O-U et la fgure 2.10 reprsente un tel processus.
Figure 2.10 Processus Ornstein-Uhlenbeck
0
0,025
0,05
0,075
0,1
0 20 40 60 80 100
dt
Taux
Taux moyen t
a
u
x
Introductionauxprocessusstochastiques 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 2.6 Sous-routine Visual Basic
dun processus Ornstein-Uhlenbeck
Sub OU( )
rbarre=0.06
sigma=0.3
vit=0.8
T=0.25
N=100
dt=T / N
rt=0.04
Range(taux).Offset(0, 0)=rt
For i=1 To N
Randomize
eps=Application.WorksheetFunction.NormSInv(Rnd)
rt=rt+vit*(rbarre-rt)+sigma*eps*Sqr(dt)
Range(taux).Offset(i, 0)=rt
Next i
End Sub
Le processus de taux dintrt reprsent la fgure 2.10 a une moyenne de
longtermede6%etunevitessedajustementmodre,quiestgale0,8Onvoit
queletauxdintrtretourneassezrapidementverssamoyennedelongtermeLes
fuctuations du taux autour de sa moyenne sont modres. Elles sont conditionnes
parlesvaleursrespectivesdeuetdeoPluslavaleurdeuestfaibleetpluslavaleur
deo est importante, plus les fuctuations de r autour de r lesontgalement
5. Le processus dit ou mouvement broWnien gnraLis
Le processus dIt gnralise les mouvements stochastiques prcdents et scrit
commesuit:
dS a(S, t)dt + b(S, t)dz
LesparamtresdeceprocessusdpendentdoncdesniveauxdeSetdet
OnpeutgalementgnraliserleprocessusO-Uenlcrivantcommesuit:
dr r, t ( ) r (t) r ( ) + b(r, t)dz
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La vitesse dajustement de r nest donc plus fxe, mais variable. Elle dpend du niveau
deretdetQuiplusest,letauxmoyende

rverslequelrretournelongtermepeut
se modifer dans le temps. Par ailleurs, le coeffcient de dz dpend galement de r
et de t Un cas particulier du processus O-U gnralis est le processus dit racine
carre,quiscritcommesuitdanssaformelaplussimple:
dr r r ( ) dt + rdz
Ceprocessusfaitensortequeletauxdintrtnepeutprendredevaleursngatives
comme ce serait le cas si lon sen tenait une distribution strictement normale
Le terme alatoire suit alors une distribution
2
dcentre et non une distribution
normale
rsum
Commeonapuleconstaterdanscechapitre,ilyaplusieursfaonsdemodliserle
processusstochastiquedunevariablealatoireLeprocessusdeWienerestlabase
detoutescesreprsentationsstochastiquesIlentrejustementdanslaformulationde
lapartiestochastiquedecesdiversmodlesLemouvementbrownienarithmtique
est le plus simple des processus stochastiques Mais, pour modliser le prix dune
action,sonprincipaldsavantageestquelerendementdecetteactionestunefonction
dcroissanteduprixdelactionOnrecourtparconsquentaumouvementbrownien
gomtriquepourreprsenterlemouvementstochastiqueduprixduneaction
Lestauxdintrt,lestauxdechangeetcertainscoursdematirespremires
ontpourleurparttendanceobirunprocessusOrnstein-Uhlenbeck,cest--dire
unprocessusderetourverslamoyenneLeprocessusOrnstein-Uhlenbeckesttrs
utilis pour valuer les options sur taux dintrt et les options sur obligations Le
processusdItpermetdegnraliserlesmouvementsstochastiquesstandards
LesprocessusstochastiquesstandardsreposenttoussurlaloinormaleEneffet,
letermedzquiestincorpordanscesprocessusestgal dt ,o ~ N(0,1). Ces
processusneconviennentpaspourlestauxdintrt,quisontgnralementpositifs
Le processus racine carre, qui repose sur la
2

dcentre, permet de corriger cette


situationIlfautgalementsloignerdeladistributionnormalepourmodliserles
sauts qui sobservent au chapitre des donnes fnancires et qui sont relis en fait des
vnementsextrmesouraresCestainsiquecechapitrenousagalementprsent
les processus de diffusion avec sauts. Nous avons recouru certaines distributions,
comme la distribution gamma et la distribution de t de Student, pour simuler ces
sautsquireprsententdesvnementsraresouextrmesCesdistributionsprennent
eneffetencompteleleptokurtismequelonnotesurtoutauniveaudeladistribution
desrendementsboursiersjournaliersoudesrendementsintra-journaliers,ditsencore
haute frquence. Nous verrons dans un autre chapitre comment superposer des sauts
auxprocessusstochastiquesstandardsenfaisantappelladistributiondePoisson


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
3
les opTions perpTuelles
Danscechapitre,nousnousintressonsauxoptionsperptuelles,cest--direcelles
qui ont une dure de vie infnie. Les options relles, dont certaines seront envisages
danscechapitre,sontbiensouventdesoptionsperptuellesEllessontplusfaciles
valoriser que les options qui ont une chance fnie car, comme nous serons mme
de le constater, la drive du prix de loption par rapport au temps napparat pas dans
lquationdiffrentielledeloptionperptuellealorsquelleestlunedescomposantes
de lquation diffrentielle dune option munie dune chance fnie. Ce chapitre nous
permettra galement de mieux matriser les quations diffrentielles, qui constituent
lun des piliers de lingnierie fnancire.
Dixit et Pindyck (1994) ont montr que lon pouvait valoriser les options
rellesperptuellesamricainesenrecourantsoitlapprochedelaprogrammation
dynamique,soitlapprochetraditionnelledeBlacketScholes,quiestbasesurla
constructiondunportefeuillesansrisqueDanscechapitre,nousferonssouventappel
lasecondeapprochepourvaloriserlesoptionsrelles,maisnousferonsgalement
appellapremire,quipermetbiensouventdemieuxconceptualiserlexercicede
ladterminationdesprixdesoptionsEntreautres,laprogrammationdynamiqueest
basesurlquationdeBellman,quisassimileunesimplequationderendement
danslecadredusujetquinousintresseetquiferalobjetdunprochainchapitre
Parailleurs,laplupartdesmodlesdoptionsrellesimprimentausous-jacent
de loption un mouvement brownien gomtrique Mais, selon certains auteurs, un
processus Ornstein-Uhlenbeck serait bien souvent plus appropri Sarkar (2003) a
montrqueleprocessusderetourverslamoyennepouvaitexercersurlinvestissement
deseffetsbiendiffrentsdeceuxdumouvementbrowniengomtriqueIlconteste
encelalathsedeHassetetMetcalf(1995),quiallguaientqueleseffetsdesdeux
processus stochastiques sur linvestissement taient les mmes aprs une certaine
priodedetempsEneffet,selonHassetetMetcalf,leprocessusdOrnstein-Uhlenbeck
produit deux effets opposs sur linvestissement. En diminuant la variance des fux du
projet,ildiminuelavaleurdeloptiondinvestissementetacclredonclamiseen
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
uvre du projet. Mais cette rduction de la variance des fux montaires va lencontre
de lobtention de valeurs leves pour les fux montaires, ce qui signife que les fux
montairesesprsnedpasserontpeut-trejamaislemontantinvestiCedeuxime
effet,contradictoireaupremier,dcouragelinvestissementSelonHassettetMetcalf,
cesdeuxmouvementsseneutralisent,detellesortequeleprocessusderetourvers
lamoyennenaaucunavantageparticuliersurlemouvementbrowniengomtrique
pour ce qui concerne la modlisation du processus dinvestissement Sarkar (2003)
allguequelesauteursontngliglimpactduprocessusOrnstein-Uhlenbecksurle
risquesystmatique,alorsqueceprocessussedmarquetrsnettementdumouvement
brownien gomtrique dans lanalyse des projets Cest pourquoi nous tudierons
galementleprocessusOrnstein-Uhlenbeckdanscechapitre,maisnousverronsquil
est plus diffcile manipuler que le mouvement brownien gomtrique. Mais avant
daborderledomainedesoptionsperptuellescommetel,noustudieronslelemme
dIt,quiconstituelefondementdesquationsdiffrentiellesstochastiques
1. Le Lemme dit et Lquation diffrentieLLe
de bLack et schoLes
Le lemme dIt est une formule qui nous permet de rsoudre des quations diff-
rentielles stochastiques Supposons que la variable V soit fonction de deux autres
variables,Sett,StantunevariabledterministeEnrecourantlasriedeTaylor,
sonquationdiffrentielleseraitde:
dV
V
S
dS +
V
t
dt
Lesdrivesduseconddegrnapparaissentpasdanscettequationpuisque
dS
2
etdt
2
sontngligeablesSupposonsmaintenantqueSsoitunevariablealatoire
quiobitauprocessusdItsuivant:
dS adt + bdz
oaestladrive(drift)deSetdzreprsenteunprocessusdeWienergal dt,
o ~ N(0,1)

et dt, un intervalle de temps infnitsimal. Lquation diffrentielle


stochastiquedeVdoitalorsincorporerladrivesecondedeS,cest--dire:
dV
V
S
dS +
V
t
dt +
1
2

2
V
S
2
dS
2
Cette quation reprsente le lemme dIt Elle incorpore la drive seconde
deSpuisque,siloncalculelecarrdedS,onobtient:
dS
2
a
2
dt
2
+ 2abdtdz + b
2
dz
2
Lesoptionsperptuelles


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Or,onpeutdmontrerque
dz dt
Ensubstituantcettequationdanscelle
dedS
2
,ilsuit:
dS
2
a
2
dt
2
+ 2abdt
3
2
+ b
2
dt
LesdeuxpremierstermesdedS
2
disparaissentquanddttendverszromais
nonledernier,detellesorteque dS
2
b
2
dtParconsquent,onnepeutliminerle
termedeladrivesecondedanslquationdiffrentiellededVEnremplaantdS
2

parsavaleurdanslquationdedV,onobtient:
dV
V
S
dS +
V
t
dt +
1
2

2
V
S
2
b
2
dt
En remplaant dS par son quation dans dV et en regroupant les termes, on
a fnalement :
dV a
V
S
+
1
2
b
2

2
V
S
2
+
V
t
,

,
]
]
]
dt + b
V
S
dz
LetermeentrecrochetsestladrivededVLetermeendtestlapartiedter-
ministededValorsqueceluiendzestsacomposantestochastiqueCestcedernier
termequireprsentelerisqueassociladtentiondeVetquiesthritducaractre
stochastiquedeS
IlconvientdesedonneruneversiondulemmedItquinouspermettedele
retenirfacilement
1
ReprenonslquationdulemmedItpourlafonctionV(S,t),S
dsignantleprixdelactionettletempsLelemmedItscritalorscommesuit:
dV
V
S
dS +
V
t
dt +
1
2

2
V
S
2
dS
2
RemplaonsVparX,unevariablealatoirequelconqueSupposonslafonction
f(X,t) Le lemme dIt, qui nous donne lexpression de lquation diffrentielle de
f,estalorsde:
df
f
X
dX +
f
t
dt +
1
2

2
f
X
2
dX
2
Sans perte de gnralit, nous pouvons remplacer le terme dX
2
dans cette
quation par sa variance, cest--dire Var(dX). la suite de cette modifcation, le
lemmedItdevientdonc:
dX
f
X
dX +
f
t
dt +
1
2

2
f
X
2
Var(dX)
1 PourcetteapprocheaulemmedIt,voirCerny(2004)
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Dans lexemple prcdent, Var(dS) est gal b
2
dt. Nous pourrons adapter
facilementcetteformegnraledulemmedItauxprocessusstochastiquesdiffrents
que nous rencontrerons ultrieurement Une forme plus particulire comme celle
que nous avons prsente antrieurement serait plus diffcile transposer dautres
processusstochastiques
Nous considrons maintenant que V est une option crite sur S, une action. Le
prixdelactionsuitlemouvementbrowniengomtriquesuivant:
dS Sdt + Sdz
ooestladrivedelactionet

o,lcarttypedurendementdelactionLquation
diffrentielledeVscrit,envertudelaformegnraledulemmedIt:
dV
V
S
dS +
V
t
dt +
1
2

2
V
S
2
Var(dS)
V
S
dS +
V
t
dt +
1
2

2
V
S
2

2
S
2
dt
Nous voulons construire un portefeuille H

quiliminelerisqueassociV,le
facteurderisquetantreprsentparletermeincorporantdzdanslquationdedV
Pourcefaire,nousexploitonslacorrlationentreleprixdeloption,V,etceluide
sonsous-jacent,SLacompositiondeceportefeuillecomprenduneunitdeloption
etunepositiondcouvertdeA

unitdusous-jacent,cest--dire:
V S
Lquationdiffrentielledeceportefeuilleestgale:
d dV dS
EnremplaantdVparsavaleur,onobtient:
d
V
S
dS +
V
t
dt +
1
2

2
V
S
2

2
S
2
dt dS
V
t
dt +
1
2

2
V
S
2

2
S
2
dt +
V
S

j
(
,
\
,
(
dS
Danscettequation,lerisqueestreprsentparletermedSPourliminerle
risque du portefeuille, il sufft donc de faire en sorte que :
V
S

j
(
,
\
,
(
dS 0
cest--dire quil faut fxer Aauniveausuivant:

V
S
Lquationdiffrentielleduportefeuilledevientalors:
d
V
t
+
1
2

2
S
2

2
V
S
2
j
(
,
\
,
(
dt
Lesoptionsperptuelles


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous supposons que laction paie un dividende proportionnel son prix,
dsignparoCommeledtenteurduportefeuilleaunepositiondcouvertgale
ASsurlaction,ildoitpayeroASdt en dividendes. Le fux montaire de son porte-
feuilleestalorsde:
d
V
t
+
1
2

2
S
2

2
V
S
2
S
j
(
,
\
,
(
dt
Commeceportefeuilleestmaintenantsansrisque,sonrendementdoittregal
au taux sans risque pour viter tout arbitrage Dsignons par r le taux sans risque
Pardollar,lerendementestalorsderdtsurlintervalledtCommeleportefeuillese
chiffreH, son fux montaire doit tre gal :
d rdt
En galisant les deux expressions de dH et en remplaant H par sa valeur,
onobtient:
V
t
+
1
2

2
S
2

2
V
S
2
S
j
(
,
\
,
(
dt r V S ( ) dt
Endivisantpardt,enremplaantAparsavaleuretenregroupantlestermes,
on a fnalement :
V
t
+
1
2

2
S
2

2
V
S
2
+ r ( )S
V
S
rV 0
Cest l lquation diffrentielle de Black et Scholes Pour comprendre sa
forme,nousdevonsrcrireleprocessusstochastiquesuiviparS:
dS Sdt + Sdz
Maiscommenousnoussituonsdansununiverssansrisque,ditencorerisque-
neutre,nouspouvonsremplacerladrivededS,soito,par r ( ) Ona:
dS r ( )Sdt + Sdz
Lquation diffrentielle de Black et Scholes comprend le niveau V du prix
duproduitdriv,sadrivepremireainsiquesadrivesecondeparrapportS,
soit
V
S
et

2
V
S
2
, ainsi que sa drive par rapport t, soit
V
t
. Le coeffcient de V
estr,quelonpeutassimilerauprocessusdactualisationimpliciteaucalculduprix
dune option. Le coeffcient de
V
S
estladrivededSdansununiversrisque-neutre,
soit: r ( )S. Pour sa part, le coeffcient de

2
V
S
2
est gal au carr du coeffcient de dz
dansleprocessusstochastiquededS,multiplipar(1/2)
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lquation diffrentielle de Black et Scholes serait proprement parler une
quation homogne du second degr ntait la prsence de
V
t
Cest ce terme qui
rend sa solution plus diffcile. Dans ce chapitre, nous supposerons quil est nul, cest-
-direquenousnousintresseronsaucasdoptionsperptuelles,soitdesoptionssans
chanceDansunchapitreultrieur,nousverronscommentsesolutionnelquation
deBlacketScholesdanslecasduneoptiondachateuropennequicomporteune
chance fnie.
2. option de vente (put) perptueLLe amricaine
Lquationdiffrentielleduneoptionperptuelleclassiqueestlasuivante:
1
2

2
S
2
d
2
V
dS
2
+ r ( )S
dV
dS
rV 0
cest--direlquationdeBlacketScholessansleterme
V
t
critedelasorte,cette
quation peut tout aussi bien convenir une option classique dachat ou de vente,
quelle soit amricaine ou europenne Ce sont les conditions aux bornes
2
qui
permettent de catgoriser une option. Nous considrons dans cette section le cas dun
putperptuelamricainLesconditionsauxbornessontaunombredetrois:1)lorsque
le prix de laction tend vers linfni, le prix du puttendostensiblementvers0,cest-
-dire: lim
S
V(S) 0 ;2)auprixdexerciceS*,lavaleurduputestgalesavaleur
intrinsque,cest--diresonpayoff :V(S*)=XS*,Xtantleprixdexercicede
loption;3)auprixdexercice,ladriveduprixdeloptiondoittregalecelle
dupayoff :cestlaconditionditedusmooth pasting,quelonpeutpeut-tretraduire
parcollageendouceurPourunput,cetteconditionscritdonc:V'(S*)=1
Poursolutionnerlquationdiffrentielleduput,quiestunequationhomo-
gne,noustentonslasolutionsuivante:
V AS

La drive de V est:
dV
dS
AS
1
et sa drive seconde:
d
2
V
dS
2
1 ( ) AS
2

Ensubstituantcesdrivesdanslquationdiffrentielleduput,ona:
1
2

2
S
2

2

( )
AS
2
+ r ( )SAS
1
rAS

0
2 Boundary conditions,enanglais
Lesoptionsperptuelles 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
EndivisantlesdeuxctsparAS

,onobtientlquationcaractristiquedelquation
diffrentielle:
1
2

2

2

( )
+ r ( ) r 0
qui peut tre rcrite comme suit, en regroupant les termes et en divisant le tout
paro
2
:
0, 5
2
+
r

2
0, 5
j
(
,
\
,
(

r

2
j
(
,
\
,
(
0
Cettequationquadratiqueadmetdeuxracines:
1
et
2
Pourlescalculer,ilfautse
rappelerquesionaunequationquadratiquedelaforme: y ax
2
+ bx + c,sesdeux
racines sont gales : x
1,2

b b
2
4ac
2a
En appliquant cette formule, les deux
racinesdelquationcaractristiquessont:
1
0, 5
r

2
j
(
,
\
,
(
+
r

2
0, 5
j
(
,
\
,
(
2
+
2r

2

et
2
0, 5
r

2
j
(
,
\
,
(

r

2
0, 5
j
(
,
\
,
(
2
+
2r

2
La premire racine est positive et la
seconde,ngativeLasolutiondelquationdiffrentielleestdonc:
V A
1
S

1
+ A
2
S

2
Cettequationcomportetroisinconnues:A
1
,A
2
etS*,soitleprixdelactionauquel
loption est exerce. Elle admet donc une infnit de solutions et comme nous le
disionsantrieurement,ellepeuttoutaussibientrecelleduncalloudunput,quil
soitamricainoueuropenCesonteneffetlesconditionsauxbornesquipermettent
de catgoriser une option, ici un put perptuel La premire condition aux bornes
dun put perptuel nous permet dtablir queA
1
est nul En effet, la racine qui est
associe ce terme est positive. Cela implique que V tend vers linfni quand S tend
vers linfni, ce qui contredit la premire condition aux bornes. Pour trouver les deux
autresinconnues,noussubstituonslesdeuxautresconditionsauxbornes,soitA
2
et
S*,danslquationdiffrentielleduput:
A
2
S* ( )

2
X S*

2
A
2
S* ( )

2
1
1
Delapremirequation,ilrsulteque:
A
2

X S*
S* ( )

2
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ensubstituantcetteexpressiondansladeuximequation,onobtient:
S*

2

2
1
X
Pour fxer les ides, nous allons calculer la valeur dun putperptueldontles
paramtresapparaissentautableau31
taBleau 3.1 Paramtres dun put perptuel
R 0,025
o 0,40
S 45
X 45
o 0
Dans un premier temps, nous supposons donc que le sous-jacent ne verse pas
de dividende proportionnel La solution de ce put perptuel amricain est la
suivante:
V 71, 94 ( )S
0,3125
Leprixdexerciceoptimaldeceputamricainestde:
S*

2

2
1
X 10, 7143
Lvolutionduprixdeceputenfonctionduprixdesonsous-jacentseretrouvela
fgure 3.1.
Figure 3.1 volution du prix dun put perptuel en fonction
de son sous-jacent sans dividende (S* = 10,71)
0
10
20
30
40
50
60
70
80
0 10 20 30 40 50 60
Prix de laction
Prix du put
Valeur intrinsque
P
r
i
x

d
u

p
u
t
Lesoptionsperptuelles 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Comme le rvle la fgure 3.1, le prix dun put perptuel est une fonction
convexe du prix de laction jusquau prix dexercice S* Pour des prix infrieurs,
sonprixestgalsonpayoffLeprixoptimaldexercicedeceput,soitS*,estgal
10,71 $. ce prix, la pente du putestgalecelledelavaleurintrinsque,quiest
gale au payoff de loption Cest l la condition du smooth pasting qui caractrise
lesoptionsamricaines
Dirigeons maintenant notre collimateur vers un put perptuel dont le sous-
jacentpaieundividendeproportionneldsignparoLesinputsduproblmesontles
mmesqueceuxdutableau31,saufquecettefois-cionestplusnul,maisestgal
2 %. La fgure 3.2 retrace lvolution du prix du putenfonctionduprixdelaction
Onconstatequelaprsencedundividendeapoureffetderetarderlexerciceduput
perptuel Lorsque o passe de 0% 2%, le prix dexercice optimal S* diminue en
effetde10,71$9,31$Ledividendeapoureffetdefairediminuerleprixdelaction,
cequivaloriseloptiondeventequiseradoncdtenuepluslongtemps
Figure 3.2 volution du prix dun put perptuel en fonction
de son sous-jacent (avec dividende) (S* = 9,31)
0
10
20
30
40
50
0 10 20 30 40 50 60
Prix du put
Valeur
intrinsque
3. option dachat (call) perptueLLe amricaine
Lavalorisationduncallperptuelamricainseffectuepartirdelammequation
diffrentiellequecelleduput,cest--dire:
1
2

2
S
2
d
2
V
dS
2
+ r ( )S
dV
dS
rV 0
Commedanslecasantrieur,sasolutionestdelaforme:
V A
1
S

1
+ A
2
S

2
Ce sont les conditions aux bornes qui permettent de distinguer un call dun
put perptuel La premire condition aux bornes est que lorsque le prix de laction
estnul,lavaleurducalllestgalement,cest--direV(0)=0Decetteconditionil
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
rsultequeA
2
= 0, car sinon, lorsque S tend vers zro, V tendrait vers linfni puisque
2
estngatif,cequicontreditlapremireconditionauxbornesducallCestlune
premire diffrence entre le call et le put Pour le put,A
1
est nul alors que pour le
call,cestA
2
quiprendcettevaleur
Ladeuximeconditionauxbornesestquauprixdexerciceoptimal,lavaleur
ducalldoittregalesonpayoffCetteconditionestdemmenaturepourlecall
etpourleputsaufquelepayoffduncalldiffredeceluidunputCettecondition
scrit pour un call: V(S*) = S* X La troisime condition est celle du smooth
pasting,quicaractrisegalementleprixdexerciceoptimalS*,cest--direquela
penteducalldoittregalcelledupayoffS*,cest--dire:V'(S*)=1Pourun
put,cettepenteestde1
La solution recherche pour le prix dun call perptuel amricain est donc
de:
V A
1
S

1
Laracinepositive
1
atcalculedanslasectionprcdenteEtensolution-
nantlesconditionsauxbornespourA
1
etS*,ontrouve:
S*

1

1
1
X
et
A
1

S* X
S* ( )

1
taBleau 3.2 Paramtres dun call perptuel
R 0,05
o 0,2
S 45
X 45
o 0,045
Pour illustrer lvolution du prix du call perptuel amricain en fonction du
prix de son sous-jacent, nous recourons des donnes quelque peu modifes par
rapportcellesdutableau31,demaniremieuxmettreenvaleurlesrelationsque
nous voulons faire ressortir, cela sans perte de gnralit. Notons que pour quun
callamricainpuissetreexerc,ilfautquelesous-jacentsoitmunidundividende,
carsinon,ilvauttoujoursdavantagelorsquilnestpasexercCestpourquoinous
avons incorpor au tableau 32 un dividende, qui constitue linput pour le calcul
Lesoptionsperptuelles 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
du call amricain La solution correspondant aux donnes de ce tableau est de:
V=0,0055S
2
Lvolution du prix du call en fonction du prix de son sous-jacent
apparat la fgure 3.3.
Figure 3.3 volution du prix du call perptuel en fonction
de son sous-jacent (delta = 0,045, S* = 90)
0
20
40
60
80
100
0 50 100 150
Prix du call
Valeur intrinsque
On constate la fgure 3.3 que le prix optimal dexercice (S*) est gal 90,
soitaupointdetangenceentrelacourbedelavaleurintrinsqueetcelleduprixdu
call. la fgure 3.4, nous abaissons le taux du dividende un niveau trs bas, soit
0,005
3
. Comme on peut le constater, la fgure ne fait montre daucun point de tangence
entrelavaleurducalletsavaleurintrinsque,cequiindiquequeleprixdexercice
optimalS*sevoitfortementrepoussDefait,ilsesitue643$danscetexemple,
autantdireuneimpossibilitCelaillustrebienquuncallcritsurunsous-jacentqui
neversepasdedividendesneserajamaisexerc
Figure 3.4 volution du prix du call perptuel en fonction
de son sous-jacent (delta = 0,005, S* = 90)
0
50
100
150
200
0 50 100 150 200
Prix de laction
P
r
i
x

d
u

c
a
l
l
Prix du call
Valeur intrinsque
3. Notons que lquation diffrentielle du callamricainperptuelnadmetpasdesolutionsiletaux
dudividendeestnul
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
4. Les modLes de mcdonaLd et siegeL
et de pindyck sur Loption dinvestir
Comme nous le disions dans lintroduction de ce chapitre, les options dites relles
sontsouventdesoptionsperptuellesEnvisageonslecasduneentreprisequidispose
dune option perptuelle dinvestissement, cest--dire quelle peut enclencher son
projetlorsquelleledsireCetteoptionaunevaleurpuisquellepermetdersoudre
en partie lincertitude de lavenir Le projet sera enclench quand les conditions se
rvleront propices. La fexibilit que confre lentrepreneur cette option dinvestir
constituesavaleur
Les modles de McDonald et Siegel (1986) et de Pindyck (1988, 1989)
montrentquunetelleoptionpeuttrevaloriseselonlesrglesquiviennentdtre
tablies pour les options fnancires dinvestissement. Ils montrent galement quelle
rendcaduquelargleclassiquedinvestissement,savoirquilfautinvestirdsque
la valeur actualise nette (VAN) du projet devient positive. Il est en effet optimal de
reporter un projet mme si sa VAN est positive lorsque lentreprise baigne dans un
climatdincertitude
SupposonsquelavaleurduprojetsoitdeVetquelinvestissementrequispour
dmarrerceprojetsoitdeILebutdelexerciceestdedterminerlemomentoptimal
dinvestir,cest--direlemomentolonpaieraIenchangeduprojetVOnsuppose
quelavaleurduprojetobitaumouvementbrowniengomtriquesuivant:
dV Vdt + Vdz
o o est le taux de croissance attendu de la valeur du projet et o, lcart type du
rendementduprojetLerendementattenduduprojetestgal:
+
Silebienquidcouleduprojeteststockable,o

estunrendementdedisponibilit
4

CeseraitletauxdudividendesilactiftaituneactionOnpeutaussiassimileroau
rendement proportionnel des fux montaires du projet.
Loption dinvestir est dsigne par F et est fonction deV, cest--dire: F =
F(V)Cetteoptionestuncall perptuel amricain. Nous voulons dterminer son prix
demmequelavaleurdeVlaquelleilestoptimaldinvestir,soitV*Laprocdure
suivre est la mme que celle que nous avons utilise pour valoriser les options
fnancires amricaines. V est ici le sous-jacent de loption dinvestir. Pour dterminer
sa valeur, nous formons un portefeuille compos dune unit dune option et de la
ventedcouvertdeF
v
unitduprojet, F
V

dF
dV
,qui,onlavuprcdemment,est
4 Convenience yield, enanglais
Lesoptionsperptuelles


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
lavaleurdu associeunecouverturesansrisqueLavaleurdeceportefeuillede
couvertureestdoncde:
F F
V
V
Enappliquantlammeprocdurequlasection1decechapitre,ontrouvelquation
diffrentiellequedoitsatisfaireloptiondinvestir,soit:
1
2

2
V
2
F
VV
+ r ( )VF
V
rF 0
Commeloptiondinvestirestuncallperptuelamricain,lesconditionsauxbornes
sont:
F(0)=0
F(V*)=V*1
F
V
(V*)=1
oV*dsignelavaleuroptimaleduprojetlaquelleloptiondinvestirseraexerce
etIdsigneleprixdexercicedeloptiondinvestir,soitlinvestissementrequispour
enclencherleprojetLasolutionattabliedanslasection3,cest--dire:
F V ( ) AV

avec
V*

1
I
et
A
V* I
V* ( )

Comme > 1, il nest pas optimal dinvestir quand la VAN est nulle mais lorsque
V* > IV* peut mme tre trs nettement suprieur I dans certains cas La rgle
dinvestissement classique nest donc pas valide dans un contexte dincertitude Il
nestoptimaldinvestirquandV*=IIlvautmieuxattendrequeV*soitsuprieur
I car loption dinvestir permet de reporter le projet un moment o la VAN du
projetsavrenettementpositive
Pindyck suppose par la suite que le projet consiste produire une unit de
bienauprixPLexercicerevientalorsdterminerleprixcritiqueP*auquellen-
trepreneurinvestiraLeprixdubienobitunmouvementbrowniengomtrique,
cest--dire:
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
dP Pdt + Pdz
Lerendementrequissurleprojetestencoreunefoisconstitudelasommedeo

et de o Le cot variable de production est de c En plus dune option dattente, le


projetcomporteuneoptiondarrtencesensquilpeuttrestoppentouttempssi
PdevientinfrieurcIlpeuttregalementredmarrentouttempssiPremonte
au-dessusdec
IlyaicideuxproblmessolutionnerIlfautdaborddterminerlavaleurdu
projetV(P)Commenousvenonsdeleconstater,leprojetencauseestuncontinuum
doptionsEnsuite,tantdonnlavaleurduprojet,nousdevonsvaluerlavaleurde
loptiondinvestiretmettrejourlargledelexerciceoptimaldecetteoptionCela
revient calculer un prix critique P*. La frme investira seulement si P P*.
Pour dterminer la valeur du projet, on construit comme laccoutume un
portefeuillesansrisqueensupposantquelincertitudequiestinhrentePpeuttre
reproduite par les actifs existants Ce portefeuille sans risque est constitu dune
position en compte (long) dans le projet et dune position dcouvert deV
p
units
deloutput,V
p
tant la drive de V par rapport P. Ce portefeuille produit un fux
montairecontinudej(Pc)dtoV
P
Rdt, o j = 1 si P c, de telle sorte que la frme
produit, et j = 0 si cette condition nest pas satisfaite Comme laccoutume, le
terme oV
P
Pdt reprsente le paiement requis pour maintenir la position dcouvert
dansloutputLerendementtotalduportefeuillesansrisqueestdoncde:
dV V
P
dP + j P c ( ) V
P
Pdt
En raison du caractre sans risque de ce portefeuille, son rendement est galement
gal:
r V V
P
P ( ) dt
o r est le taux sans risque En recourant au lemme dIt pour dvelopper dV et
en remplaant dP par son mouvement brownien gomtrique, on obtient lquation
diffrentiellequedoitsatisfaireV:
1
2

2
P
2
V
PP
+ r ( ) PV
P
rV+ j P c ( ) 0
CettequationdiffrentiellenestpashomognelorsqueP>cpuisquellecomporte
alorsuneconstanteUneconstantesajouteraalorsdanslasolutiondecettequation
qui, on le sait, est la valeur long terme de V. la suite des hypothses de cette
section,cettevaleurdelongtermeV
L
estgale:
V
L
Pe
t
dt
0

ce
r t
dt
0

Lesoptionsperptuelles


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Commeleprixestincertain,ilestactualisautauxderendementduprojet,soitLe
cotvariableestpoursapartcertainetestactualisautauxsansrisquerEnvertude
son mouvement brownien, le prix du bien crot au taux oPpeutdonctreremplac
par P
0
e
t
dansV
L
,oP
0
estleprixinitialV
L
peutdonctrercritcommesuit:
V
L
P
0
e
( ) t
dt
0

ce
r t
dt
0

P
0
e
( ) t
dt
0

ce
r t
dt
0

Larsolutiondesdeuxintgralesdonnelersultatsuivant:
V
L

1

P
0
e
t

0

1
r
ce
r t

0
,

,
]
]
]

1

0 P
0
( )
1
r
0 c ( )
,

,
]
]
]
V
L

P


c
r
olonaomislindice0Ppuisqueleprixestlinconnuedelexercice
Pourdterminerlesparamtresdelapartiehomognedelquationdiffren-
tielle, il sufft de recourir aux conditions aux bornes. La premire est que V(0) = 0.
En vertu de la deuxime condition, la valeur du projet doit tendre vers sa valeur
long terme quand le prix se dirige vers linfni, cest--dire : lim
P
V
P


c
r
Les
deux autres conditions sont dites de raccordement Elles indiquent que la fonction
V(P)ainsiquesadrivepremiredoiventtrecontinuesaupointcCesconditions
sexprimentcommesuit:
V c

( )
V c
+
( )
V
P
c

( )
V
P
c
+
( )
Il est facile de vrifier que les deux quations qui satisfont lquation
diffrentiellesontlessuivantes:
V P ( )
A
1
P

1
si P < c
A
2
P

2
+
P


c
r
si P c

Cette solution peut tre interprte comme suit. Quand P < c, la frme ne produit
pasAlors A
1
P

1
est la valeur de loption de produire dans lavenir Par ailleurs, si
P c, la frme produit. Si, indpendamment de P, la frme na pas dautre choix
que de produire, la valeur prsente des fux montaires perptuels sera de :
P


c
r

Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Cependant, si P diminue, la frme peut arrter sa production et ainsi viter les pertes.
La valeur de cesser la production est de: A
2
P

2
. Nous pouvons ainsi exprimer les
deuxconditionsprcdentesderaccordementcommesuit:
A
1
c

1
A
2
P

2
+
P


c
r

1
c

1
1

2
A
2
c

2
1
+
1

ConnaissantlavaleurdeV,onpeutmaintenantcalculerlavaleurFdeloption
dinvestirCelle-cidoitsatisfairelquationdiffrentiellesuivante:
1
2

2
P
2
F
PP
+ r ( ) PF
P
rF 0
F(P)doitgalementsatisfaireauxconditionsauxbornessuivantes:
F(0)=0
F(P*)=V(P*)1
F
P
(P*)=V
P
(P*)
La premire condition indique que si le prix est nul, loption dinvestir na aucune
valeur La seconde indique que lors de lexercice, la valeur de loption dinvestir
estgalesonpayoffLatroisimeconditionestlaconditionhabituelledusmooth
pasting,soitladrivedelquationdupayoffparrapportP
LasolutiongnraledelquationdiffrentielledeFestlasuivante:
F P ( )
aP

1
si P P*
V P ( ) I si P > P*

PindyckabordeensuitelastatiquecomparativedesonmodleCommedanslemodle
simple de loption dattente, une entreprise investira seulement si V dpasse suffsam-
mentI,cequivalencontredelargleclassiquedinvestissementquicommande
dinvestir ds que la VAN est nulle. Pour sa part, une augmentation de oapoureffet
daugmenterP*DeuxeffetscontradictoiresentrenticienjeuDaborduneaugmen-
tationdeo,endiminuantletauxdapprciationdeP,causeunediminutiondeV(P),
ce qui a pour consquence de retarder le projet et donc daugmenter P* Ensuite,
cetteaugmentationdeodiminuelavaleurdeloptiondattenteF(P)enaugmentant
le cot dopportunit de lattente : on sacrife en effet le rendement olorsdelattente
CelaapoureffetdediminuerlavaleurdeF(P)etdacclrerleprojet,cest--dire
dediminuerP*Commelepremiereffetdominelesecond,uneaugmentationde o

apoureffetdaugmenterP*
Lesoptionsperptuelles 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
On peut maintenant supposer que les fux montaires nets dsigns par V
suiventunprocessusderetourverslamoyenne,soit:
dV V V
( )
Vdt + Vdz
o estlavitessederetourdeVverssamoyenne VLetauxdecroissanceattendu
de V, soit
1
dt
E dV ( )
V
, nest plus ici constant comme dans les cas prcdents, mais
estunefonctiondeVDsignonspar letauxdecroissanceajustpourlerisquedu
projetLerendementdedisponibilit estalorsunefonctiondeVEneffet:

1
dt
E dV ( )
V
V V
( )
LquationdiffrentielledeF(V),soitloptiondinvestissement,estalorsde:
1
2

2
V
2
F'' V ( ) + r ( )VF' V ( ) rF 0
Enremplaant parsavaleurquivientdtrecalcule,ona:
1
2

2
V
2
F'' V ( ) + r + V V
( ) ( )
VF' V ( ) rF 0
Les conditions aux bornes sont les conditions habituelles pour un call perptuel
classique,cest--dire:F(0)=0;F(V*)=V*1;F'(V*)=1
Lasolutiondecettequationestpluscomplexedanscemodlequedanscelui
oVsuitunmouvementbrowniengomtriqueEllefaiteneffetappelladistribution
hypergomtriqueCettedistributionestbasesurladistributionbinomialePourle
comprendre, reprenons lexemple de Stuart et Ord (1994). On a N balles dans une
urne. On fait lhypothse que Np balles sont rouges et Nq balles sont noires, avec
(p+q)=1Sionfaitnessaisavecremise,laprobabilitdetirerjballesrougeset
(nj)ballesnoiresestde: f
j

n
j
j
(
,
\
,
(
p
j
q
n j
Cestlladistributionbinomiale
Supposons que lon rvise la rgle de la loterie Quand une balle est tire,
(c+1) balles sont retournes dans lurne Les essais successifs cessent alors dtre
indpendants,moinsquecnesoitgal0,auquelcasonretrouveladistribution
binomialeQuandc=1,aucuneballenestretourne,cest--direquonaalorsun
tiragesansremiseLafonctiondeprobabilitdevientalors:
f
j

1
N
n
n
j
j
(
,
\
,
(
Np ( )
j
Nq ( )
n j

Np
j
j
(
,
\
,
(
Nq
n j
j
(
,
\
,
(
N
n
j
(
,
\
,
(
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
CestlladistributionhypergomtriqueLaprobabilitcumulativedecettedistri-
butionacommesolutionlasriesuivante:
F , , , t ( ) 1+

t
1!
+
+1 ( ) +1 ( )
+1 ( )
t
2
2!
+ ...
o n ; Np ; Nq n +1
La solution de lquation diffrentielle prcdente, qui intgre un processus
de retour de la moyenne, est de la forme suivante: F V ( ) AV

h V ( ), au lieu de
F V ( ) AV

commectaitlecaspourlemouvementgomtriquebrownienAprs
substitution, on trouve la solution fnale suivante pour loption dinvestir :
F V ( ) AV

H
2

2
V; , b
j
(
,
\
,
(
oH()estlafonctionhypergomtriqueSasolutionensrieestlasuivante:
H x; , b ( ) 1+

b
x +
+1 ( )
b b +1 ( )
x
2
2!
+
+1 ( ) + 2 ( )
b b +1 ( ) b + 2 ( )
x
3
3!
+ ...
o:
x
2

2
V

1
2
+
r V

2
+
r + V

2

1
2
j
(
,
\
,
(
2
+
2r

2
b 2 +
2 r + V
( )

2
DanslexpressiondeF(V),ilrestedterminerlaconstanteAetleseuilcritiquedin-
vestissementV*laidedesconditionsauxborneshabituellesCommeH()constitue
une srie infnie, ces deux termes doivent tre dtermins numriquement.
Selon Dixit et Pindyck (1994), plus la valeur long terme deV, soit V, est
importante, plus loption dinvestissement F(V) lest aussi, et plus le seuil critique
dinvestissementV*augmenteParailleurs,larelationentreV*etq,soitlavitesse
duretourverslamoyenne,dpendduniveaudelinvestissementinitialIenregard
de V Quand V estimportantenregarddeI,uneaugmentationdeqaugmenteF(V)
etdoncV*Linversetientquand V estfaibleenregarddeI,caralors,uneaugmen-
tationdeqrduitF(V)
Lesoptionsperptuelles 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
5. Le modLe de dixit dentre et de sortie optimaLes
Le modle de Dixit (1989) est intressant en ce sens quil met mal la thorie
marshallienneclassiquedelinvestissementEneffet,lathoriemarshallienneat
formule dans un contexte de certitude. Mais la thorie doit tre modife dans un
universdincertitudequidonnelapartbelleauxoptionsrelles
LinputdumodledeDixitestlesuivantOnconsidreunprojetdinvestis-
sementavecuncotdek,soitlinvestissementinitialIlnyaaucunedprciation
etlecotvariableduprojetestdewparunitdetempspestletauxdintrt,qui
nest pas ncessairement gal au taux sans risque, et le cot de sortie est de L Le
projetproduituneunitdoutputdetellesortequelerevenuduprojetestleprixP
LarglededcisionconsisteendeuxprixcritiquesP
H
etP
L
Linvestissementsera
effectusiPmonteau-dessusdeP
H
etseraabandonnsiPtombeendedeP
L
Le
butdelexerciceestdedterminercesdeuxprixdefaonoptimale
La thorie marshallienne classique, qui fait abstraction de lincertitude, est
essentiellement une thorie marginaliste Linvestissement est effectu ds que le
revenu marginal excde le cot marginal Dans le problme qui nous concerne, le
revenumarginaldeproduireesticidePetlecotmarginaldeproduire,dew+pk
Dans lunivers classique de Marshall, la frme produira tant et aussi longtemps que
P>w+pkElleabandonneraleprojetlorsqueP<w+pL,oLestlecotdelasortie
Donc,danslathoriemarshallienne, P
H
estgal w + k etP
L
estgalwpL
Cependant, dans un monde dincertitude, il faut intgrer les options Or,
loptiondinvestirestpeineenjeuauprixmarshallienP
H
Loptimalitcommande
donc dinvestir lorsque le prix P excde suffsamment le P
H
marshallienDelamme
faon,leprixquicommandelabandonseranettementinfrieur w L pluttque
deluitregalcommedansluniversmarshallien
Pour dterminer P
H
et P
L
, Dixit suppose que le prix P suit un mouvement
brownien gomtrique:
dP
P
dt + dz, o E P
t
/ P
0
( ) e
t
Pour des raisons de
convergence:o<p. Le problme de dcision de la frme comporte donc deux variables
dtat : le prix P et une variable discrte qui indique si la frme est active, la variable
dtat prenant alors la valeur de 1, ou si la frme est inactive, la variable dtat prenant
alors la valeur 0 V
0
P ( ) est la VAN de la frme si elle est inactive et V
1
P ( ) est sa
VAN lorsquelle est active. Dixit fait appel aux techniques de la programmation dyna-
miquepourtablirsesquationsdiffrentiellespuisquilnesupposepasque soit
ncessairementletauxsansrisqueLerendementesprsurunportefeuilleestalors
etpasncessairementrOnfaitalorsappellquationdeBellmanpourtrouver
lasolution,quirelvedelaprogrammationdynamiqueIlestfacilededmontrerque
lquationdiffrentiellequelledoitsatisfairesielleestinactiveestde:
1
2

2
P
2
V''
0
+ PV'
0
V
0
0
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Or, on sait que , tant, on le rappelle, le rendement de disponibilit
LquationdiffrentielledeVscritalors,enremplaantopar ( ) :
1
2

2
P
2
V''
0
+ ( ) PV'
0
V
0
0
On reconnat ici lquation de Black et Scholes, sauf que r est remplac par p
Si lentreprise est active, elle gnre en plus un fux montaire de (P w) par
priodeLquationdiffrentielleestalorsde:
1
2

2
P
2
V''
1
+ ( ) PV'
1
V
1
+ P w ( ) 0
Les deux quations diffrentielles, cest--dire celle correspondant un tat
inactifetcellecorrespondantuntatactif,ontlammepartiehomogneOntrouve
leurquationcaractristiquecommuneenposantcommesolution:V=AP

Onobtient
alorslquationcaractristiquesuivante:
1
2

2
1 ( ) + 0
quipeuttrercritecommesuit:
( )
2
1 m ( ) s 0
o m
2

2
et s
2

2
Cette quation admet une racine positive,
1
, et une racine
ngative,
2
,cest--dire:

1

1 m ( ) + 1 m ( )
2
+ 4s
2

2

1 m ( ) 1 m ( )
2
+ 4s
2
Lasolutionparticulirepourladeuximequationdiffrentielle,quiestnonhomo-
gne,atcalculeantrieurementetestgale:
P

Cetermeauneinterprtation
intressante puisquil est gal : E P
t
w ( ) e
t
dt
0

,
]
]
]
Cest donc lesprance de la
valeur actualise du projet en laissant le projet en action indfniment partir dun prix
initialP
0
qui crot un taux oLessolutionsgnralespourV
0
etV
1
sontdoncde:
V
0
A
0
P

1
+ B
0
P

2
Lesoptionsperptuelles 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
V
1
A
1
P

1
+ B
1
P

2
+
P

j
(
,
\
,
(
CommeV(0)=0,B
0
=0Etcomme lim
P
V
1

P

,A
1
= 0. la suite de lappli-
cationdecesconditionsauxbornes,V
0
etV
1
scrivent:
V
0
A
0
P

1
V
1
B
1
P

2
+
P

j
(
,
\
,
(
Il reste dterminer A
0
, B
1
ainsi que les prix critiques P*
H
et P*
L
qui commandent
lentreetlasortiedelentreprisePourcefaire,onfaitappelauxquatreconditions
de raccordement entre les deux rgimes, entre et sortie, qui dfnissent entre autres
lestransitionsoptimalesentrelesdeuxrgimesCesconditionssontlessuivantes:
1 Lepassagedurgimeinactifactif,quiseffectueauprixP
H
,comporte
lepayoffsuivant:
V
0
P
H
( ) V
1
P
H
( ) k
2 Laconditiondusmooth pastingrelieaupassagedurgimeinactifactif,
soitladrivedupayoff,estlasuivante:
V'
0
P
H
( ) V'
1
P
H
( )
Le prix P
L
qui commande la sortie doit satisfaire aux mmes conditions,
soit:
3 Lepayoff:
V
0
P
L
( ) V
1
P
L
( ) L
4 Lesmooth pasting:
V'
0
P
L
( ) V'
1
P
L
( )
En solutionnant ces quations, on trouve que: P
H
> w k W
H
et que
P
L
< w L W
L
,W
H
etW
L
tantlesbornesmarshalliennesdelinvestissementOn
voitdoncquelasolutionentatdincertitudediffredecelledeMarshallvalableen
tat de certitude Si P
L
P P
H
, une frme oisive ninvestit pas et une frme active
demeure en affaires Lincertitude largit donc lintervalle marshallien dinaction
Incidemment,lorsquelcarttypedurendementduprojettendvers0,lesprixcritiques
sidentifent avec les bornes marshalliennes, ce qui montre bien que cest lincertitude
quiouvreunebrchedanslemondemarshallien
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Linaction est qualife deffet hystrique par Dixit. En effet, le renversement
dune cause ne donne pas ncessairement lieu au renversement de son effet Dixit
cite le cas de frmes trangres qui viennent produire aux tats-Unis pour tirer parti
delapprciationdutauxdechangeamricainOr,siletauxdechangerevientson
niveau initial, les frmes trangres ne ressortent pas ncessairement des tats-Unis
carlesoptionsrellesmisesenplacerehaussentlavaleurdeleursprojetsdinvestis-
sementHystriqueprimeabord,cetteinertienelestpluslorsquelonintroduitles
optionsrellesdanslanalyseToutefois,lemodledeDixitenarrivelaconclusion
quelorsquelescotsdentreetdesortie,respectivementdewetdeL,tendentvers
0, P
H
et P
L
, ils tendent vers une limite commune w Les cots irrcuprables (sunk
costs) sont donc essentiels pour expliquer leffet dhystrie Ils sont galement la
basedelanaissancedesoptionsrelles,puisquelirrversibilitdesinvestissements
est le fondement mme de la thorie des options relles et que cette irrversibilit
reposejustementsurlaprsencedecescotsirrcuprables
Dixit introduit par la suite une plus grande fexibilit dans ce modle en suppo-
santensupposantquelaproductiondoitdmarrerpartirduncertainniveauenraison
dconomiesdchellePourcefaire,ilintroduitunefonctiondeproductiondutype
Cobb-Douglass dans son modle Supposons que v soit loutput et h(), la fonction
deproductionLaformesuivanteestdonnelafonctiondeproduction:
h v ( ) v

Lafonctiondecotestlinaire,cest--direquelleestgalecvLafonction
de proft scrit donc :
Ph v ( ) cv Pv

cv
Lobjectif de lentreprise est de maximiser son proft. En maximisant le proft
par rapport v, on trouve que le proft optimal est de :
1 ( )

c
j
(
,
\
,
(

1
P
1
1
KP

o
1
1
> 1. La fonction de proft est donc convexe.
EnappliquantlelemmedItr,ona:
d
d
dP
dP +
1
2

2
P
2
d
2

dP
2
dt
d KP
1
+
1
2

2
P
2
1 ( ) KP
2
dt
Lesoptionsperptuelles


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Enserappelantque dP Pdt + Pdz ,ona:
d

+
1 ( )
2
2
,

,
]
]
]
dt + dz

dt +

dz
OnrevientdoncunequationdelammeformequecelledePParcons-
quent,poursolutionnerceproblmequiintgreunefonctiondeproductionlaCobb-
Douglas, il sufft de remplacer P par rdanslesquationsdiffrentiellesdeV
0
etV
1

etdutiliser oet olaplacedeoeto. La fexibilit additionnelle que comporte ce


modle sur le plan de la production fait en sorte que la frme investit plus rapidement
etquelleseretirepluslentementLesprixcritiquesP
H
etP
L
sontdonctouslesdeux
abaisss
Finalement,onpeutsupposerqueleprixdubiensuitunprocessusOrnstein-
UhlenbeckpluttquunmouvementbrownienSareprsentationestlasuivante:
dP P P
( )
dt + Pdz
o

PestleprixlongtermeetX,lavitessedajustementduprixverssonniveaude
long terme. la suite de cette modifcation, lquation diffrentielle que doit satisfaire
V
0
,cest--direlavaleurduprojetinactif,estalors:
1
2

2
P
2
V''
0
+ P P
( )
V'
0
V
0
0
et de faon similaire pourV
1
, la valeur du projet en action Ce processus de prix a
pour consquence daugmenter lintervalle dinaction, en ce sens quil accrot P
H
et
abaisseP
L
Parexemple,quandleprixactuelestlev,lventualitdunretourvers
la moyenne rend les perspectives moins favorables Une entreprise est donc plus
rticenteselancerenaffairesdanspareilcontexte
rsum
Nous avons pu constater dans ce chapitre que la mthode utilise pour dterminer
les prix doptions relles perptuelles est trs gnrale tout en tant fort souple La
procdure commune tous les modles tudis est la suivante, qui fait appel la
programmation dynamique Supposons que nous voulions dterminer le prix dune
option F dont le sous-jacent est de V, une variable alatoire qui suit un processus
stochastique connu On fait alors appel lquation du rendement pour dterminer
lquationdiffrentielledeFLerevenuesprdeFestreprsentparE(dF)Cerevenu
doit tre gal au revenu exig sur des projets dinvestissements de mme catgorie
de risque, cest--dire pFdt, o p est le taux de rendement exig sur des projets de
mmecatgoriederisquequeVLquationdurendementestdonc:
Fdt E dF ( )
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
EndveloppantdFselonlelemmedIt,onobtient:
dF F' dV+
1
2
F'' dV
2
IlfautgalementdterminerleprocessusstochastiquesuiviparVSupposonsquil
suive un mouvement brownien gomtrique, cest--dire: dV = oVdt + oVdz En
substituantcetteexpressiondansdFetenprenantlesprance,ontrouve
5
:
E dF ( ) VF' dt +
1
2

2
V
2
F'' dt
Lquationdurendementscritdonc:
Fdt VF' dt +
1
2

2
V
2
F'' dt
Onpeutrcrirecetteexpressiondelafaonsuivante,sachantqueo=po,oo
estlerendementdedisponibilit,assimilableuntauxdedividende:
1
2

2
V
2
F'' dt + ( )VF' dt Fdt 0
CestllquationdiffrentiellequedoitsatisfaireFselonlapprochedelaprogram-
mationdynamique,quilnefautpasconfondreaveclapprocheduportefeuillesans
risqueutiliseparBlacketScholes,oletauxderendementestletauxsansrisqueet
nonuntauxderendementajustpourlerisquecommedanslapprochedelaprogram-
mationdynamiqueCependant,sileportefeuilleestsansrisque,pestalorsgalr,
letauxsansrisque,etenremplaantp parrdanslquationdiffrentiellequenous
venonsdcrire,onretrouveprcismentlquationdeBlacketScholes
Lquation diffrentielle de F qui dcoule de lquation du rendement ne sufft
pas pour dterminer la valeur de F de mme que le seuil critique dinvestissement
V*. En fait, elle admet une infnit de solutions. Il faut recourir aux conditions aux
bornes pour qualifer la catgorie doption analyse et pour trouver une solution.
ConsidronslecasduneoptiondinvestissementLorsqueleprocessusstochastique
suivi par V est un mouvement brownien gomtrique, la solution est alors de la
forme: F A
1
V

1
+ A
2
V

2
, o
1
et
2
sont les racines caractristiques Il y a alors
trois inconnues:A
1
,A
2
et V*, le seuil critique dinvestissement Il faut donc trois
conditionsauxbornes,soitlessuivantes
5. noter que nous ngligeons les termes en dt
2
, qui ninfuencent que marginalement lesprance du
revenuOnrappellegalementqueE(dz)=0etE(dz
2
)=dt
Lesoptionsperptuelles


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La premire condition aux bornes pour un call perptuel amricain est de:
F(0) = 0 Cette condition nous permet dannuler la constante associe la racine
caractristique ngative. Sinon, F tendrait vers linfni quand V tend vers 0, ce qui
contredit la premire condition aux bornes Si
2
est la racine ngative, la solution
rechercheserduitalors: F A
1
V

1
Ilnousrestedoncdeuxinconnuestrouver,
soitA
1
etV*,celapartirdesdeuxconditionsauxbornesrestantes
Ladeuximeconditionauxbornesstipulequelavaleurdeloptionestgale
son payoff lorsquelle est exerce, cest--dire: F(V*) = V* I Cette condition
contreditlargleclassiquedinvestissementquiveutqueloninvestissedsquela
VANduprojetestnulle,cest--diredsqueV=ISelonladeuximecondition,il
faut investir quand: F(V*) + I =V* Dans un monde doptions relles, le montant
sacrif lors de linvestissement, soit I, nest pas le seul cot dopportunit de lin-
vestissement Il y a un autre cot dopportunit qui doit tre compt: la valeur de
loption dinvestissement F En effet, celle-ci a de la valeur tant quelle nest pas
exerce et elle disparat lorsquelle est exerce. Cette option permet de rsoudre en
partie lincertitude de lavenir, cest--dire dinvestir au moment jug opportun Il
yadoncdeuxcotsdopportunitrelisaulancementdunprojetdinvestissement
dansunmondeincertain:I,lemontantdinvestissement,etF,lavaleurdeloption
dinvestissement La deuxime condition aux bornes stipule que lorsque linvestis-
sement senclenche, cest--dire que lorsque loption est exerce, la valeur des fux
montairesactualissduprojetexcluantlinvestissementdoittregalelasomme
du montant dinvestissement I et de la valeur de loption F qui est lun des cots
dopportunit de linvestissement. Par consquent, V doit tre suffsamment suprieur
Ipourquelinvestissementpuissesenclencheretnonluitregalcommedansle
casclassique
La troisime condition aux bornes est celle dite du smooth pasting Cette
condition est spcifque aux options amricaines. La drive ou pente de la fonction
deloptiondoiteneffettregalecelledelafonctiondepayoffaupointdexercice
Danslecasdeloptiondinvestissement,ilfautdoncque:
dF
dV

d V I ( )
dV
1
Aupointdexercice,ilfautdoncque: ( ) . 1 * V ' F
Voilenrsumlatechniquedevalorisationdesoptionsrellesperptuelles
amricaines. Cette mthode dune grande gnralit nous permet de quantifer un trs
grand nombre doptions amricaines, quoiquelle puisse se complexifer pour certains
processus stochastiques. Nous avons vu en effet que si le sous-jacent de loption suit
unprocessusOrnstein-Uhlenbeck,lavalorisationdeloptionfaitappelladistribution
hypergomtrique. Comme cette distribution reprsente une srie infnie, il faut alors
recouriraucalculnumriquepourdterminerlavaleurdeloption
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
annexe
a
IntroductIon aux quatIons
dIffrentIelles lInaIres
Unequationdiffrentiellelinaireestdelaformesuivante:
a
0
y t ( ) + a
1
y'(t) + a
2
y'' t ( ) b
Une quation diffrentielle linaire est donc compose de la valeur de la fonction
y(t) et de ses drives Elle est dite homogne si b est nul et non homogne autre-
mentLquationquenousvenonsdcrireestunequationdiffrentielledusecond
degr, car les drives apparaissent jusquau second degr Rsoudre une quation
diffrentiellerevienttrouveruneexpressionpoury(t)quinestpluscomposede
sesdrivesLasolutionserafonctiondutempsetdecertainsparamtres
1. Lquation diffrentieLLe du premier degr
Nous nous attaquons dans un premier temps aux quations diffrentielles linaires
du premier degr, cest--dire les quations comportant le niveau de la fonction et
sa drive premire Envisageons le cas de lquation diffrentielle homogne du
premierdegrsuivante:
dW t ( )
dt
rW t ( ) 0
oW est la richesse et r, le taux dintrt Cette quation peut tre rcrite comme
suit:
1
W t ( )
dW t ( )
dt
r
Ainsi exprime, cette quation sinterprte alors facilement. Elle signife que la
richesse crot au taux r. On peut la rsoudre en intgrant les deux cts :
Lesoptionsperptuelles 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs

1
W t ( )
dW t ( )
dt
dt

rdt
ln W t ( ) ( ) + c
1
rt + c
2
Enregroupantlesconstantes,ona:
ln W t ( ) ( ) rt + c
o c = c
2
c
1
En mettant cette dernire quation sous forme exponentielle, on
obtient:
W t ( ) e
rt+c
e
rt
e
c
Ae
rt
oA=e
c
. Du fait de la constante A, cette quation diffrentielle admet une infnit de
solutions. Pour fxer A, il faut une condition initiale. Supposons que nous connaissions
lavaleurinitialedeW(t)autemps0,cest--direW(0)Ona:
W 0 ( ) Ae
0t
A
Finalement,lasolutiondenotrequationdiffrentielleestlasuivante:
W t ( ) W
0
e
rt
Reprenonsmaintenantnotrequationdiffrentielledelarichesse,maisensupposant
cettefois-ciquellenestpashomogne,cest--direquellecomporteuneconstante
Ellescritalors:
dW
dt
rW + b 0
ouencore:
dW
dt
rW b
Le terme b peut tre par exemple un fux montaire priodique que reoit le dtenteur
derichesse
LatechniquedersolutiondecettequationcomportedeuxtapesOnrsout
dabord la partie homogne de lquation. On connat la solution de cette quation
quiestdelaforme: W Ae
rt
Onappellecettesolution:fonction complmentaire
Ontrouveensuiteunesolutionparticulirelquationdiffrentiellenonhomogne,
quelonappellesolution particulireouintgrale particulireEssayonslasolutionla
plussimple:W=k,okestuneconstateEnsubstituantcettesolutiondanslquation
diffrentielle,onobtient:
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
rW b W
b
r
Lasolutiongnraledelquationdiffrentielle,dsignepary(t),estconstituede
lasommedelafonctioncomplmentairey
c
etdelintgraleparticulirey
p
,soit:
y t ( ) y
c
+ y
p
Danslecasquinousintresse,lasolutiongnraleest:
W Ae
rt
+
b
r
Pour fxer A, on se sert de la condition initiale connue (0). En substituant cette
valeurdansladernirequation,ontrouve:
W 0 ( ) A +
b
r
A W 0 ( )
b
r
La solution fnale de lquation diffrentielle est donc :
W W 0 ( )
b
r
,

,
]
]
]
e
rt
+
b
r
Comment interprter cette solution ? Eh bien, linterprtation dune telle solution est
toujourslammeLintgraleparticulire,quiprendicilavaleurde(b/r),reprsente
lavaleurlongtermedelarichesse,ou,sionveut,savaleurdquilibreCesticila
valeur capitalise perptuit du fux montaire priodique b que reoit le dtenteur
derichessePoursapart,lquationcomplmentairereprsenteladviationcourt
termedelarichessedesavaleurdquilibre
Commeautreexemple
6
dunefonctiondiffrentielledupremierdegr,suppo-
sons quune entreprise volue dans un univers dterministe et que sa valeur soit
reprsente par V. Elle produit un proft de Pdt par priode. Lquation du rendement
decetteentrepriseestalors:
dV
dt
+ P
j
(
,
\
,
(
dt rVdt
Commeellevoluedansununiversdterministe,sonrevenuglobaldoittrederV
parpriode,ordsigneletauxsansrisqueCommeonpeutleconstater,cerevenu
estconstituduneapprciationde
dV
dt
parpriode,assimilableungaindecapital,
6 CetexemplesinspiredeWilmott(2000),chap61
Lesoptionsperptuelles 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
et un fux montaire de P par priode, assimilable un dividende. Comme on vient
deleconstater,lasolutiongnraledecettequationest:
V t ( ) Ae
rt
+
P
r
Poursolutionner,ilnousfautuneconditionquedoitsatisfairelquationdiffrentielle
Il sagit ici dune condition fnale. Nous posons : V(T) = 0, cest--dire que lentreprise
cessedoprerlapriodeTLentrepriseestdoncassimilableuneannuitPqui
estversepriodiquemententretetTLasolutionparticulireestdoncici:
V T ( ) Ae
rT
+
P
r
0 Ae
rT

P
r
A
P
r
e
rT
EnremplaantAparsavaleurdansV(T),onobtient:
V t ( )
P
r
e
rT
e
rt
+
P
r
V t ( )
P
r
1 e
r Tt ( )
( )
soit la simple actualisation de lannuit P entre t et T On note que si T tend vers
linfni, on obtient alors la perptuit
P
r
, soit la valeur de P capitalise linfni. On
note galement que la solution de lquation diffrentielle du premier degr diffre
beaucoupselonlanaturedelaconditionquisertcalculerlaconstanteALesdeux
exemples que nous venons dtudier ont essentiellement la mme quation diff-
rentielle, sauf que lquation de la richesse est soumise une valeur initiale et que
lquation de la valeur de la frme est soumise une quation fnale. Les solutions
de ces deux quations sont donc trs diffrentes Par ailleurs, le r qui prcde V
dans lquation diffrentielle de la valeur de la frme est le taux descompte des fux,
commeonlauraconstatIlfautdonctoujoursassimilerceparamtredunequation
diffrentielle, quelle soit du premier ou du second degr, au taux descompte des fux
duproblmeOnsenconvaincraenfaisantdautresexercicessimilaires
2. Lquation diffrentieLLe du second degr
Nous abordons maintenant lquation diffrentielle linaire du second degr, dont la
formegnralesexprimecommesuit:
y'' t ( ) + a
1
y' t ( ) + a
2
y(t) b
Nous cherchons une solution de la forme :
y t ( ) y
c
+ y
p
70 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
oy
c
,lquationcomplmentaire,estlasolutiondelapartiehomognedelquation
diffrentielleety
p
estunesolutionparticuliredelquation
CommenonspardterminerlquationcomplmentaireOntentelasolution
suivante: y Ae
rt
Ensubstituantcettevaleurdanslapartiehomognedelquation,
onobtient:
r
2
Ae
rt
+ a
1
rAe
rt
+ a
2
Ae
rt
0
EndivisantparAe
rt
,onobtient:
r
2
+ a
1
r + a
2
0
Lesdeuxracinesdecettequationsontdonc:
r
1,2

a
1
a
1
2
4a
2
2
Lquationcomplmentaireadonclaformesuivante:
y
c
A
1
e
r
1
t
+ A
2
e
r
2
t
Nous devons maintenant tablir lintgrale particulire de notre quation diffren-
tielleEncoreunefois,rduisonsyuneconstantekEnsubstituantcettevaleurdans
lquationdiffrentielle,ona:
a
2
y t ( ) b y t ( )
b
a
2
Lasolutiongnraledelquationdiffrentielleduseconddegrestdonc:
y t ( ) y
c
+ y
p
A
1
e
r
1
t
+ A
2
e
r
2
t
+
b
a
2
Il reste dterminer les deux constantesA
1
etA
2
Comme il y a cette fois-ci deux
inconnues,ilnousfautdeuxconditionsinitialesDisonsquenoussavonsquey(0)=c
1

ety'(0)=c
2
Ensubstituantcesvaleursdansy(t),ona:
y 0 ( ) A
1
+ A
2
+
b
a
2
c
1
y' 0 ( ) r
1
A
1
+ r
2
A
2
c
2
Cesdeuxquationsnecomportentquedeuxinconnues,A
1
etA
2
,quipeuventdslors
trecalculescommelaccoutume
Lesoptionsperptuelles 71


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous allons illustrer lutilisation des quations diffrentielles du second degr
en fnance par lexemple suivant. Supposons quun putdontleprixestdsignpar
V soit fonction de CF, disons les fux montaires dun projet. Les fux montaires
obissentaumouvementbrownienarithmtiquesuivant:
dCF rdt + dz
orestletauxsansrisqueeto, lcart type des fux montaires. Pour dterminer V,
nous formons donc un portefeuille sans risque compos dune unit de loption et
dunepositiondcouvertde
dV
dCF

duprojetEnsuivantleraisonnementdcritdansce
chapitre,onenarrivelquationdiffrentiellesuivantequedoitsatisfaireleput:
1
2

2
d
2
V
dCF
2
+ r
dV
dCF
rV 0
Comme cela est dusage, nous essayons une solution de la forme: V Ae
CF
La
drive premire de V par rapport CF est
dV
dCF
Ae
CF
et sa drive seconde,
d
2
V
dCF
2

2
Ae
CF
En substituant ces valeurs dans lquation diffrentielle et en
divisantletoutpar Ae
CF
,onobtientlquationcaractristiquesuivante:
1
2

2

2
+ r r 0
Endivisantletoutparo
2
,onobtient:
1
2

2
+
r

2

r

2
0
Posons:
r

2
sLesdeuxracinesdelquationcaractristiquesontalors:

1,2
s s
2
+ 2s
o
1
> 0 et
2
< 0
Lasolutiongnraleestdelaforme:
V A
1
e

1
CF
+ A
2
e

2
CF
LesvaleursdeA
1
etA
2
ainsiquelavaleurdexerciceoptimalCF*sontdtermines
parlesconditionsauxbornesCommeilsagiticidunputamricainperptuel,trois
conditionsauxbornesdoiventtresatisfaitescommeonlavudanscechapitre:
lim
CF
V CF ( ) 0
V CF * ( ) X CF *
7 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
V' CF * ( ) 1
LapremireconditionimpliquequeA
1
=0Eneffet,laracinerattacheceterme
est positive, ce qui implique que V tend vers linfni quand CF tend vers linfni, ce
quicontreditlapremireconditionLasolutiongnraledelavaleurduputestdonc
delaforme:
V A
2
e

2
CF
Pour dterminer A
2
et CF*, on se sert des deux autres conditions aux bornes En
substituant la valeur de V, la deuxime condition aux bornes, soit celle du payoff,
scrit:
A
2
e

2
CF*
X CF* A
2
X CF * ( ) e

2
CF*
La troisime condition aux bornes, soit celle du smooth pasting, scrit pour sa
part:
V' CF * ( )
2
A
2
e

2
CF*
1
EnremplaantA
2
parsavaleur,ona:

2
X CF * ( ) e

2
CF*
e

2
CF*
1

2
X CF * ( ) 1 S* X +
1

2
Retraonsmaintenantlvolutionduputperptuelquifaitlobjetdecettesectionen
fonctiondesonsous-jacentCF,etdterminonsCF*,pourlesdonnesquiapparaissent
autableauA1
taBleau a1 Paramtres dun put perptuel
R 0,05
o 0,8
S 25
X 25
o 0
Lesoptionsperptuelles 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
LasolutionpourlavaleurduputperptueldontlesdonnesseretrouventautableauA1
estlasuivante:
V 33, 20e
0,078CF
Lvolution de ce put perptuel en fonction de son sous-jacent CF se retrouve la
fgure A1. Pour les donnes du problme au tableau A1, le fux montaire correspon-
dantlexerciceoptimalestde12,2
Figure a1 volution dun put perptuel en fonction
de son sous-jacent sans dividende (CF* = 12,2)
Prix du put
0
10
20
30
0 10 20 30 40 50 60 70
CF
Valeur du put
Valeur intrinsque
Lemouvementbrownienarithmtiqueseprtebienlasolutionclassiquedesqua-
tionsdiffrentiellesduseconddegrdutype: V Ae
S
Maislonsupposesouvent
en fnance que les mouvements browniens sont du type gomtrique. Les quations
diffrentiellesstochastiquesontalorslaformesuivante,commeonapuleconstater
danscechapitre:
1
2

2
S
2

2
V
S
2
+ r ( )S
V
S
rV 0
La drive seconde deV est multiplie par S
2
et sa drive premire, par S On ne
peutalorsdonnercommesolutionlaformeclassique: V Ae
S
Ensubstituantcette
expressiondanslquationdiffrentielle,onobtiendrait:
1
2

2
S
2

2
Ae
S
+ r ( )SAe
S
rAe
S
0
Endivisantletoutpar Ae
S
,onobtient:
1
2

2
S
2

2
+ r ( )S r 0
Or,onnepeutdanscecasobtenirlquationcaractristiqueenraisondelaprsence
deS
2
etdeSOnnepeutdonctrouverunesolutionpourVensupposantaudpart
que V Ae
S

7 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lesquationsdiffrentiellesquisontissuesdemouvementsbrowniensgom-
triques ont plutt la solution suivante: V AS

En substituant cette solution dans


lquationdiffrentielleprcdente,ontrouve:
1
2

2
S
2

2
V
S
2
+ r ( )S
V
S
rV 0
1
2

2
S
2
1 ( ) AS
2
+ r ( )SAS
1
rAS

0
1
2

2
1 ( ) AS

+ r ( )AS

rAS

0
EndivisantletoutparAS

,ona:
1
2

2
1 ( ) + r ( ) r 0
On retrouve donc lquation diffrentielle caractristique ncessaire la solution
recherche Par consquent, lorsque le sous-jacent dune option obtempre un
mouvement brownien gomtrique, sa solution est du type: V AS

et non du
typeclassique: V Ae
S

Lesoptionsperptuelles 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
annexe
b
autres notes
sur les quatIons dIffrentIelles
et sur les mathmatIques
couramment utIlIses en fInance
anneXe b1
les racInes dune quatIon quadratIque
Onveuttrouverlesracinesdelafonctiondonneparlquationquadratiquedebase:
ax
2
+ bx + c 0Lesdeuxracinesdecettequationsontdonnespar:
x
1,2

b b
2
4ac
2a
Pourillustrercettesolution,considronslexemplesuivantOnveuttrouverlesracines
delafonctionquadratiquesuivante:
f(x) x
2
4x + 4
o:a=1,b=4etc=4Lasolutionest:
x
1,2

4 4
2
4(1)(4)
2(1)
+ 2
En mettant cette quation en facteurs, on trouve: x 2 ( )
2
0 et par consquent il
existeuneracineuniquecettequation,soit2
La dmonstration de ce rsultat repose sur une autre procdure, tout aussi
classiquequecettedernire,nommecompltionducarrPourcomplterlecarr
dunefonctionquadratique,onutiliselexpressionsuivante:
7 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
f(x) a x
2
+ 2
b
2a
j
(
,
\
,
(
x +
b
2a
j
(
,
\
,
(
2
,

,
]
]
]
a
b
2a
j
(
,
\
,
(
2
+ c a x +
b
2a
j
(
,
\
,
(
2

b
2
4ac
4a
Considronslexempledapplicationsuivant:
Soitf(x)=x
2
+40x600,unefonctionquadratiquequelconqueoa=1,b=40
etc=600Ensubstituantcesvaleursdanslexpressiondecompltionducarr,on
obtient:
f(x) 1 x
2
+ 2
40
2
j
(
,
\
,
(
x +
40
2
j
(
,
\
,
(
2
,

,
]
]
]
+
40
2
j
(
,
\
,
(
2
600 1 x
2
40x + 400
( )
+ 400 600
x 20 ( )
2
200
Lexpression x 20 ( )
2
200 atteint sa plus grande valeur (en valeur absolue)
hauteur de 200 lorsque x = 20 Encore une fois, il nexiste quune seule racine
cettequationpuisquellereprsenteuncarrparfait
anneXe b
IntroductIon aux quatIons
dIffrentIelles lInaIres dordre
Les quations diffrentielles font partie intgrante des fondements de la fnance
quantitative moderne. titre dexemple, la clbre quation diffrentielle de Black et
Scholes(1973)estbasesurlhypothsedunportefeuillesansrisquequirapportele
tauxsansrisqueDecefait,cettequationserduitquelquesdiffrencesprsune
quationdiffrentielleclassiqueLesoptionsperptuelles,utilisesdanslvaluation
dentreprisesdontonsupposeuneduredevieillimite,constituentunexempleencore
meilleur de ces quations. Ces observations suffsent motiver ltude des techniques
dersolutiondesquationsdiffrentiellesdterministesDanscequisuit,nousallons
doncprsenterlestechniquesdebaserequisespoursolutionnercesquations
Lesoptionsperptuelles 77


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Afn de donner un avant-got de ce quest une quation diffrentielle, consi-
dronslaformulationsuivante:
dy
dt
b
Cettequationestunequationdiffrentiellelinairedordre1,soitlaplussimple
LasolutionestvidenteEneffet,enprenantlintgraledesdeuxmembresdecette
dernireetenlesmultipliantpardt,onobtient:
dy
dt

dt b

dt
y(t) tb + c
Une quation diffrentielle linaire plus gnrale et plus proche de celles que nous
aurons solutionner en fnance est donne par :
dy
dt
+ u(t)y w(t)
On la nomme quation diffrentielle linaire dordre 1 coeffcient et terme variables
o u(t) est le coeffcient et w(t), le terme variable, tous deux tant fonctions de t.
Afn de simplifer la prsentation, considrons premirement le cas o le
coeffcient et le terme sont constants. En gnrale, on distingue deux types dqua-
tionsdiffrentiellesdanscecas:lquationdiffrentielleditehomogneetlquation
diffrentielleditenonhomogne
1. Le cas homogne
Dans le cas homogne, le terme w(t) est suppos nul et le coeffcient, u(t) = a, est une
constanteLquationdiffrentielleprenddonclaformesuivante:
dy
dt
+ ay 0

1
y
dy
dt
a
Lasolutionrequiertunesimpleintgraleenutilisantlamthodedesubstitutionetla
rgledulogarithme:
1
y

dy
dt
dt a

dt
78 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Maisparlesrglesdesubstitutionetdeslogarithmes,onpeutdvelopperlemembre
gauchedecettedernire:
dy
y

ln y + c
1
Lemembredroitdevient:
adt at + c
2

Engalisantcesrsultatsetencombinantlesconstantes(c
1
+c
2
=c),ona:
ln y at + c
Enmettantlesdeuxmembressousformeexponentielle,onobtient:
y e
at+c
e
at
e
c
e
at
A
oA=e
c
Sionneretientquelesvaleurspositivesdey,lavaleurabsoluedeyest
galeyDonclersultatprcdentdevient:
y(t) Ae
at
(1)
Poursedbarrasserdelaconstante,quiestsommetoutearbitraire,onvaluelquation
saconditioninitiale: y(0) Ae
a0
A Ensubstituantcersultantdansy(t),ona
y(t) y(0)e
at
(2)
Onnommerespectivementcesdeuxderniersrsultatslasolutiongnraleetlasolu-
tion dfnie. Lorsquune valeur est attribue A, on nomme cette solution la solution
particulire
2. Le cas non homogne
Lorsqueletermededroiteestdiffrentdezro,onestalorsenprsencedunequation
linairenonhomognedordre1Elleprendlaformesuivante:
dy
dt
+ ay b
o b est le terme qui a t fx une valeur constante b. La solution de cette quation
estcomposededeuxtermesnomms,respectivement,letermecomplmentairey
c

etlintgraleparticulirey
p
Lasolutiongnraleprendlammeformequedansle
cashomogne,cest--dire:
y
c
Ae
at
Lesoptionsperptuelles 79


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lintgraleparticulireestdelaforme
y
p

b
a
oadoittrediffrentdezroLasommedelasolutioncomplmentaireetdelin-
tgraleparticuliredonnelasolutiongnrale:

y(t) y
c
+ y
p
Ae
at
+
b
a
(a 0) (3)
La solution dfnie suppose une condition initiale y(0) pour t = 0 :
y(0) A +
b
a
A y(0)
b
a
En remplaant ce rsultat dans (3), on obtient la solution dfnie :

y(t) y(0)
b
a
,

,
]
]
]
e
at
+
b
a
(a 0) (4)
Exemple 1
On veut trouver la solution de lquation dy / dt + 3y = 9, avec comme condition
initiale:y(0)=15Commea=3etb=9,alorsonobtient,selonlquation(4):
y(t) 15
9
3
,

,
]
]
]
e
3t
+
9
3
Exemple 2
Onrecherchelasolutiondelquation dy / dt + 3y 0 ,aveccommeconditioninitiale:
y(0)=5Puisquea=3etb=0,onobtient,selonlquation(4):
y(t) 5 0 [ ]e
3t
+ 0 5e
3t
La mme solution aurait pu tre obtenue en utilisant lquation (2) du cas
homogne
80 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Exemple de microstructure des marchs :
le cas de loffre et la demande doptions

Pour illustrer la dynamique des prix entre loffre et la demande doptions et la


formationdunquilibredeprixsurlemarchdesoptions,nousutilisonsunmodle
dynamiquedeprixSupposonsquelademandeetloffredoptionspuissentsemod-
liserpar:
f
1
(P) Q
d
+ P
f
2
(P) Q
o
+ P
o o,,X et o sont suprieurs 0 Le prix dquilibre sobtient comme suit lorsque
(Q
d
=Q
o
),cest--direqueloffreestgalelademande:

+ P + P P( + ) +
P
+
+
(5)
Graphiquement,onpeutillustrercetquilibrecommesuit
quilibre de loffre et la demande doptions
O
D
P
Q
d
= Q
o
Exemple danalyse de la dynamique de prix
Supposonslesconditionsinitialessuivantespourlemarch:
1 P(0)=

P. Cette condition signife que le march est lquilibre au dbut


delanalyseetaucuneanalysedynamiquedeprixnestrequise
7. Lorsque les marchs fnanciers sont incomplets, les modles doffre et de demande pourraient devenir
pertinentspourvaloriserlesoptions
Lesoptionsperptuelles 81


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
2. P(0)

PLeprixdquilibreestaccessibleaprsunprocessusdajustement
durant lequel non seulement le prix va changer travers le temps, mais
lesquantitsvontgalementsajuster
la lumire de ce que nous venons de discuter, les prix et les quantits sont
considrs comme des fonctions du temps La question qui nous intresse dans ce
contexte sexprime comme suit. En supposant que le temps scoule suffsamment
pour que le processus saccomplisse totalement, est-ce que le prix atteindra lqui-
libreauniveau P ? En termes mathmatiques, la question peut se reformuler comme
suitAura-t-on le sentier temporel: P(t) P quand t ? Pour rpondre cette
question,nousdevonspremirementtrouverlesentiertemporeldeP(t)Engnral,
lechangementdeprixestsuppostresoumislaforcerelativequirelielademande
et loffre dans le march. Pour simplifer, supposons que le taux de changement du
prix en regard du temps soit tout moment directement proportionnel lexcdent
dedemande(Q
d
Q
o
)quiprvautcemoment-l:

dP
dt
j Q
d
Q
o
( ) j>0 (6)
o j est le coeffcient dajustement. lquilibre :
dP
dt
0 siQ
d
=Q
o
EnsubstituantQ
d
etQ
o
dans(6),ona:
dP
dt
j( P + P) j( + ) j( + )P

dP
dt
+ j( + )P j( + )
EnposantP=y,a=j(+o)etb=j(o+y),onobtientunequationdiffrentielle
linairenonhomognedordre1:
dy
dt
+ ay b
Lasolutionquenouscherchonsestdonnepar(4),cest--dire:
y(t) y(0)
b
a
,

,
]
]
]
e
at
+
b
a
P(t) P(0)
+
+
,

,
]
]
]
e
j(+)t
+
+
+
P(0) P ,

]
]
e
kt
+ P
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La question pose lorigine tait: si t , P(t)
?
P La rponse est la suivante
tant donn que k > 0 o k = j( + o) et que P(0) et

P sont constants, alors


P(0) P ,

]
]
e
kt
0 lorsque t lim
t
P(t) PDonclarponsenotrequestion
estpositiveLareprsentationgraphiquedeladynamiquedeprixestlasuivante
Exemple danalyse de la dynamique de prix pour trois cas :
P(0)>

P,P(0)=

PetP(0)<

P
P(t)
t
P
P(t) : P(0) >P
P(t) : P(0) <P
P(0)
P(0)
3. Les quations diffrentieLLes du second ordre
Nous avons discut les quations diffrentielles du premier ordre, ayant la caractris-
tiquedeninclureaucunedrivedordresuprieur1Pourmodliser,parexemple,le
tauxdechangementduchangementduncash-fowquelconque,onpeutavoirrecours
auxquationsdiffrentiellesdordre2Eneffet,considronsunefonctiondcrivant
letauxdechangementduchangementduncash-fow(y)dansletemps(t):
dy
2
dt ( )
2
ky
8
8. Notons que cette quation a galement une forme similaire au gamma dune option. En effet, le
gammaduneoptionestcalculparladriveduchangementduprixdecetteoptionOnpourrait
donc penser que ces quations sont mieux adaptes nos problmes en fnance quantitative, en
particulierlorsdupricingdoptions
Lesoptionsperptuelles 8


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Supposons que nous voulions trouver le sentier temporel de la fonction y(t) La
solutionestalorsdonneparlarsolutiondecettequationenutilisantlesmthodes
prsentesdanscettesectionLesquationsdordresuprieur2neserontpastraites
danscettesection,maisvoicilaformequepeutprendreunetellequation:

dy
n
dt ( )
n
+ a
1
d
n1
y
(dt)
n1
+ a
2
d
n2
y
(dt)
n2
+ ... + a
n1
dy
dt
+ a
n
y b (7)
CettequationestditedordrenparcequeladrivelaplusleveestdordrenElle
estgalementlinairepuisquequelavariabledpendante(y)etsesdrivessontdu
premierdegretquaucunproduitdeceux-cinintervientElleestaussicaractrise
par le fait que le terme et le coeffcient sont constants ; cest ce nous allons supposer
danscettesection
Lorsquen=2,onnommealors(7):quationdiffrentiellelinairedordre2
Elleprendlalluresuivante:

y''(t) + a
1
y'(t) + a
2
y b
(8)
o y''(t)
d
2
y
(dt)
2
, y'(t)
dy
(dt)
et a
1
, a
2
et b sont des constantes Lquation (8) est
qualife de non homogne. La solution gnrale de cette dernire est similaire celle
quenousavonsprsentepourlesquationsdordre1,cest--dire:

y(t) y
c
+ y
p
(9)
oy
c
ety
p
sont,respectivement,lessolutionscomplmentaireet(intgrale)particulire
delquationcomplte
.1. cas homogne (b = 0) : solution de la fonction complmentaire
Nous avons trouv, dans le cas des quations linaires du premier ordre, que la solu-
tionavaitlalluresuivante:
y Ae
r t
Faisonslaconjecturequecettesolutionestgalementvalablepourtrouvercellede
lafonctioncomplmentaireEnsupposantcettesolution,nousdevonsaussiaccepter
quelesdrivspremiresetsecondesde(y)sont:
y'(t) rAe
rt
et
y''(t) r
2
Ae
rt
Dans le cas homogne (b = 0) et en prenant en compte ces drivs, lquation (8)
devientalors:

Ae
rt
r
2
+ a
1
r + a
2
( )
0 (10)
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourquelquationsoitnulle,oubienA=0oubienrdoitsatisfairelquation:

r
2
+ a
1
r + a
2
( )
0 (11)
Maistantdonnquenoussavonsqueceproblmecomporteuneconditioninitiale
dfnie sur A, on ne peut pas poser A = 0. On doit donc trouver les valeurs de r qui
satisfont(11)
Lquation(11)estconnuesouslenomdquationcaractristiqueouquation
auxiliairedelquation(8)pourlecashomogne(b=0)Lesracinescaractristiques
sobtiennent comme nous lavons prsent prcdemment pour le cas o a = 1,
b=a
1
etc=a
2
,cest--dire:

r
1,2

a
1
a
1
2
4a
2
2
(12)
Nous devons conclure de (12) quil existe en fait deux valeurs pour r, soit r
1
etr
2
On
adoncdeuxrsultatspournotreconjecture,cest--dire:
y
1
A
1
e
r
1
t
et
y
2
A
2
e
r
2
t
Onpeutdmontrerquesilquation(8)(casb=0)estsatisfaitepoury
1
ety
2
individuel-
lement,alorselleleseraaussipourlasommedecesdeuxvariables,cest--dire:
y''
1
(t) + y''
2
(t)
[ ]
+ a
1
y'
1
(t) + y'
2
(t)
[ ]
+ a
2
y
1
+ y
2
( ) 0
Donclasolutioncomplmentaireest:

y
c
y
1
+ y
2
A
1
e
r
1
t
+ A
2
e
r
2
t
(13)
Ce rsultat est utile en fnance quantitative, par exemple, dans le cas o on cherche
lasolutiondunproblmedoptionperptuelleCetypedoptionestparticulirement
utiledanslecontextedvaluationduneentrepriseEneffet,uneentrepriseesteffec-
tivement perptuelle en ce sens quelle na pas dchance dfnie.
Encequiconcernelintgraleparticulire,ellesobtientsimplementencalculant:

y
p

b
a
2
(14)
Laformule(12)impliqueenfaitquilexistetroiscaspossibles
Lesoptionsperptuelles 8


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
cas 1 racines relles disTincTes
Cestlecasoa
1
2
>4a
2
Lesracinesde(12)sontalorsdesnombresrelsPrenons
unexemple
Exemple
Onveuttrouverlasolutiondelquationdiffrentiellesuivante:
y''(t) + y'(t) 2y 12
De(8)et(14),lintgraleparticulire(y
p
)est: y
p

b
a
2

12
2
6;
De(8),(12)et(13),lasolutioncomplmentaire(y
c
)sobtientcommesuit:
r
1,2

a
1
a
1
2
4a
2
2

1 1 4(2)
2

1 3
2
1, 2
On vrife les rsultats en recourant aux rgles suivantes :
r
1
+ r
2
1 a
1
; r
1
r
2
2 a
2

Donc,lersultatest:
y
c
A
1
e
t
+ A
2
e
2t
o:a
1
=1;a
2
=2;r
1
=1etr
2
=2
Lasolutiongnraleestdonnepar:

y(t) y
c
+ y
p
A
1
e
t
+ A
2
e
2t
+ 6 (15)
Pourtrouverlesvaleursdesconstantes,nousavonsbesoindedeuxconditionsinitiales
Lorsquet=0,ontrouveenutilisantlquation(15)que:

y(0) A
1
e
0
+ A
2
e
2(0)
+ 6 A
1
+ A
2
+ 6
(16)
Encalculantladrivepremirede(14),onagalement:
y'(t) A
1
e
t
2A
2
e
2t

etpourt=0,ona:

y'(0) A
1
e
0
2A
2
e
2(0)
A
1
2A
2

(17)
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Mais pour que les conditions initiales (16) et (17) soient satisfaites, nous devons
poserque y(0) 12 etque y'(0) 2 Onendduitunsystmededeuxquations
deuxinconnues:
A
1
+ A
2
6
A
1
2A
2
2
On trouve la solution de A
1
et A
2
en soustrayant la deuxime quation de la
premire:
A
1
+ A
2
6
A
1
+ 2A
2
2
3A
2
8 A
2
8 / 3
EtensubstituantA
2
danslunedesdeuxquations,ontrouveque:
A
1
+ 8 / 3 6 A
1
10 / 3
La solution dfnie est donc :

y(t)
10
3
e
t
+
8
3
e
2t
+ 6 (18)
Pour vrifer la validit de cette solution, il faut dabord calculer les drives premire
etsecondedecettedernire:
y'(t)
10
3
e
t

16
3
e
2t
et y''(t)
10
3
e
t
+
32
3
e
2t
Ensuite, il faut substituer dans lquation diffrentielle de dpart ces solutions en
prenantencomptelquation(18)Onobtientalors:
10
3
e
t
+
32
3
e
2t
+
10
3
e
t

16
3
e
2t

20
3
e
t

16
3
e
2t
12 12 12 12
On peut galement vrifer que la solution (18) satisfait les conditions initiales :
y(0)
10
3
e
0
+
8
3
e
2(0)
+ 6 12 et y'(0)
10
3
e
0

16
3
e
2(0)
6/3=2CQFD
Deux autres cas possibles existent Le deuxime cas est celui des racines relles
rptes ; enfn, le troisime cas est celui des racines complexes.
Lesoptionsperptuelles 87


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
cas racines relles rpTes (racines gales)
Ce cas est celui o les coeffcients de lquation diffrentielle sont tels que a
1
2
=4a
2

Letermesouslaracinedelquation(12)devientdoncnuletalorslesracinessont
gales,cest--dire:
r r
1
r
2

a
1
2
Cetypederacinesportelenomderacinesrptes(doubles)ouracinesmultiples
Lafonctioncomplmentaireestalorsreprsenteparlexpressionsuivante:
y
c
A
1
e
rt
+ A
2
e
rt
(A
1
+ A
2
)e
rt
A
3
e
rt
Commeonpeutleconstater,nousnavonsdoncplusquuneconstante,cequinest
pas suffsant pour nous ramener dune quation diffrentielle dordre 2 sa fonction
primitivePourviterleffondrementdenotreproblme,nousallonspostulerlasolu-
tiony=A
4
te
rt
,quialacaractristiquedtrelinairementindpendantedey=A
3
e
rt

et qui satisfait (8) pour le cas homogne. On peut en effet vrifer que cette dernire
satisfaitlquation(8)(casob=0)encalculantlesdrivespremireetsecondede
cettesolutionetenlasubstituant,ainsiquesesdrives,dans(8),cest--direquon
substituey=A
4
te
rt
ainsiquey'(t)ety"(t)dans(8)pour(b=0)Ontrouvealorsque
cettesolutionestjusteOnenconclutdoncquelafonctioncomplmentairepourle
casdoublesracinespeutscrirecommesuit:
y
c
A
3
e
rt
+ A
4
te
rt
Exemple
Ondsiretrouverlasolutiondelquationsuivante
y''(t) + 6y'(t) + 9y 10
oa
1
=6eta
2
=9Ontrouvealorsquea
1
2
=4a
2
=36,cequiestdonclecasderacines
rellesrptesEneffet,lesracinessontdevaleuridentique: r r
1
r
2
a
1
/ 2 3
Lafonctioncomplmentaireestalors:
y
c
A
3
e
3t
+ A
4
te
3t
Lintgraleparticuliresobtientencalculant:
b
a
2

10
9
Lasolutiongnraleestdonc:
y(t) y
p
+ y
c
A
3
e
3t
+ A
4
te
3t
+10 / 9
88 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
PourtrouverlesvaleursdesconstantesarbitrairesA
3
etA
4
,ilfautposerdessolutions
initialesPosonsy(0)=5ety'(0)=5Onobtientlesdeuxquationssuivantes:
y(0) A
3
+10 / 9 5 A
3
35 / 9
y'(t) 3A
3
e
3t
3A
4
te
3t
+ A
4
e
3t
y'(0) 35 / 3 + A
4
5
A
4
15 / 3 + 35 / 3 20 / 3
On peut donc crire la solution dfnitive comme suit :
y(t) 35 / 9e
3t
+ 20 / 3te
3t
+10 / 9
cas racines compleXes
Danscettesection,nousnedonneronsquunaperuducasavecracinescomplexes
Toutefois, cet aperu sera suffsant pour tre oprationnel dans ce cas particulier.
La dernire possibilit restante est celle o les coeffcients sont tels que
a
1
2
<4a
2
Danscecas,selonlquation(12),onobtientalorslaracinedunnombrengatif,
cequiimpliquelutilisationduconceptdesnombrescomplexesetimaginaires
4. fonction compLmentaire
Lorsquea
1
2
<4a
2
,lesracinescaractristiquessontunepairedenombrescomplexes
conjugusdonnspar:
r
1
, r
2
h vi
o h =
1
2
a
1
, v
1
2
4a
2
a
1
2
et i est un nombre complexe du type 1Alors la
fonctioncomplmentairesera,paranalogieaveclaformuledeDeMoivre
9
:

y
c
e
ht
A
5
cos vt + A
6
sin vt ( ) (19)
avecA
5
=A
1
+A
2
,A
6
=(A
1
A
2
)iCesrsultatsproviennentdelafonctioncomplmen-
taire y
c
e
ht
A
1
e
vit
+ A
2
e
vit
( )
,formequenousavonsdjrencontreprcdemment
Notons que nous avons implicitement suppos quil tait possible de substituer vt
langle0 dans lquation (18). Est-ce que cette faon de faire est juste ? Pour rpondre
cettequestion,nousdevonsnousrappelerlaquestionducercleunitaireetcertaines
dfnitions et concepts connexes.
9 EnvertudelaformuledeDeMoivre: ( ) + + n sin i n cos sin i cos
n

Lesoptionsperptuelles 89


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La portion dun cercle de rayon unitaire (r = 1) de longueurAB, note arcAB, est
justement gale 0 dans ce cas particulier Cette caractristique nous permet donc
dcrire:

arc AB
r
arc AB
puisque r = 1. Donc, puisque dans ce cas particulier, on a que , qui est habituelle-
mentmesurenradians(notrad,soitunangleetnonpasunnombrehabituel),est
galement une longueur (portion du cercle unitaire), alors il est effectivement justif
desubstituervt0danslafonctioncomplmentaire
Exemple
Soitlquationdiffrentielle:
y''(t) + 2y'(t) + 34y 68
avecpourconditionsinitialesy(0)=3ety'(0)=11
Solution
Lasolutionparticuliresobtientencalculant:
y
p

b
a
2

68
34
2
Comme a
1
2
= 4 < 4a
2
= 136, les racines caractristiques sont une paire de nombres
complexesconjugus(hvi)o:
h
1
2
a
1
1et
1
2
4a
2
a
1
2

1
2
132
Donc,lafonctioncomplmentaireest:
y
c
e
t
A
5
cos
132
2
t + A
6
sin
132
2
t
j
(
,
\
,
(
Encombinanty
p
ety
c
,onobtientlasolutiongnrale:
y(t) e
t
A
5
cos
132
2
t + A
6
sin
132
2
t
j
(
,
\
,
(
+ 2
90 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Afn de fxer les valeurs des constantes A
5
etA
6
,onutiliselesdeuxconditionsinitiales
y(0)=3ety'(0)=11Lasolutiongnraledevient:
y(0) e
0
A
5
cos 0 + A
6
sin 0 ( ) + 2 (A
5
+ 0) + 2
puisquecos0=1etsin0=0Sachantquey(0)=3,ontrouvequeA
5
=1Ilnous
restediffrentierlasolutiongnraleetlonobtient:
y'(t) e
t
A
5
cos
132
2
t + A
6
sin
132
2
t
j
(
,
\
,
(
+ e
t
A
5

132
2
sin
132
2
t
j
(
,
\
,
(
+
132
2
A
6
cos
132
2
t
j
(
,
\
,
(
(Note : on a utilis le rsultat sur les drives de fonctions trigonomtriques :
d
d
sin cos et
d
d
cos sin )Envaluantcettederniret=0,ona:
y'(0) A
5
cos 0 + A
6
sin 0 ( ) + A
5

132
2
sin 0
j
(
,
\
,
(
+
132
2
A
6
cos 0
j
(
,
\
,
(
A
5
+
132
2
A
6
Maissachantquey'(0)=11etqueA
5
=1,ontrouvequeA
6
= 24 / 132
5. exempLes synthses
.1. un exemple tir de la microstructure des marchs
Nous avons prsent prcdemment un modle doffre et de demande doptions
et, pour ce faire, nous avons utilis le calcul reli aux quations diffrentielles du
premier ordre Dans ce qui suit, nous allons largir cette application aux quations
diffrentiellesdudeuximeordre
Une caractristique du modle que nous avons prsent est quil nutilisait
quelinformationsurlesprixMaisilarrivequelesacheteursetvendeurssebasent
nonseulementsurleprixactuel,maisgalementsurlatendancequiprvautcette
priode. partir de cette tendance, ces intervenants fnanciers formeront leurs antici-
pations du niveau futur du prix, ce qui aura une infuence sur leurs dcisions doffre
etdedemande
.. un modle doffre et de demande doptions
incluant la tendance et lanticipation de prix
Entempscontinu,linformationsurlatendanceduprixdquilibreduneoptionsur
le march fnancier peut tre obtenue entudiantlesdrivespremireetsecondeEn
effet,ladrivepremirenousinformesurlapenteduprix(pex,hausseoubaisse
Lesoptionsperptuelles 91


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
deprix)etladriveseconde,surlavariationdanslapente(pex,acclrationde
hausse ou de baisse de prix). Afn de tenir compte de ces constatations, nous allons
modifer notre modle de base comme suit :
Q
d
D P(t), P'(t), P''(t)
[ ]
Q
o
O P(t), P'(t), P''(t)
[ ]
Une spcifcation linaire, par exemple, de ce modle est donne par
Q
d
P + mP'+ nP''
Q
o
+ P + uP'+ wP''
olesparamtres , , et sontsuprieurszroLesparamtresm,n,uetw,qui
nontparailleurspastcontraints,emmagasinentlinformationsurlesanticipations
des acheteurs et vendeurs Par exemple, posons m > 0 Alors une hausse de prix
impliqueraunehaussedelaquantitdemandeCecinousindiquequelesacheteurs
anticipentquelahaussedeprixvasepoursuivreetprfrentaugmenterleursachats
maintenant, quand les prix sont encore relativement bas Par contre, si m < 0, cela
signife quils anticipent un renversement rapide dans la tendance du prix et alors les
acheteursprfrentdiminuerleursachatscourantsetattendreunebaissedeprixqui
seffectueraplustardPoursapart,leparamtrenconcerneletauxdechangementde
lapenteduprixdansletempsIlindiquesilyaacclrationouralentissementdans
laccroissementdesprixCommeonpeutleconstater,lesparamtresmetnajoutent
unlmentdespculationauxprixdansnotrenouveaumodle,cequisavretout
fait raliste en regard des marchs fnanciers.
Afn de simplifer ltude de la dynamique du comportement de notre nouveau
modle,nousallonsposerleshypothsessuivantesPosonsqueu=w=0etquele
marchestlquilibrechaquepointdansletempsOnpeutdoncgaliserloffre
lademandeetobtenir:
Q
o
Q
d
+ P P + mP'+ nP''
P'' +
m
n
P'
+
n
P
+
n
En posant que
y P, a
1

m
n
, a
2

+
n
et b
+
n
, on obtient alors une
quationdiffrentiellelinairedusecondordre
Il est noter quen comparaison avec le modle que nous avons prsent
prcdemmentquiutilisaitunmcanismedajustementdeprix(dP / dt j(Q
d
Q
o
))
impliquant que dP/dt = 0 si Q
d
= Q
o
, ce qui signife un quilibre intertemporel, ce
modlesupposeunquilibreentreloffreetlademandechaquepointdansletemps,
cequinimpliquepasunquilibreintertemporelEndautrestermes,cesdeuxtypes
9 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
dquilibres sont diffrents Il faut galement remarquer que ce sont les drives
premireetsecondequidonnentunenaturedynamiquecedernier,alorsquelas-
pect dynamique est insuff dans le premier modle par le mcanisme dajustement
deprix,quinestvidemmentpasprsentdansnotrederniermodle
Leprix dquilibreintertemporel,cest--direlintgraleparticulireP
p
(y
p
),
estfacilementobtenupar(14):
P
p

b
a
2

+
+
Puisquilsagitduneconstantepositive,celle-cireprsenteunquilibrestationnaire
Pourcequiestdelafonctioncomplmentaire(P
c
), il y a trois cas de fgures possibles :
lecasderacinesrellesdistinctes,lecasderacinesrellesdoublesetlecasderacines
complexeslaboronschacundescas
cas 1 racines relles disTincTes
Lecasdesracinesrellesdistinctes,onlerappelle,concernelasituationo b
2
> 4ac,
cest--dire
m
n
j
(
,
\
,
(
2
> 4
+
n
j
(
,
\
,
(

Lafonctioncomplmentairepourcecasestpar(13):
P
c
A
1
e
r
1
t
+ A
2
e
r
2
t
o

r
1
, r
2

1
2

m
n

m
n
j
(
,
\
,
(
2
+ 4
+
n
j
(
,
\
,
(
,

,
,
]
]
]
]
(20)
Donc,lasolutiongnraleestde:

P(t) P
c
+ P
p
A
1
e
r
1
t
+ A
2
e
r
2
t
+
+
+
(21)
cas racines relles doubles
Le cas des racines relles doubles, on le rappelle, se rattache la situation pour
laquelle b
2
4ac, cest--dire:
m
n
j
(
,
\
,
(
2
4
+
n
j
(
,
\
,
(
Lesoptionsperptuelles 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Danscecas,lesracinescaractristiquesneprennentquuneseulevaleur:
r
m
2n
Lasolutiongnraleestalors:
P(t) A
3
e
mt/2n
+ A
4
te
mt/2n
+
+
+
cas racines compleXes
Lecasdesracinesrellesdoublesestrelilasituationo b
2
< 4ac, cest--dire
m
n
j
(
,
\
,
(
2
< 4
+
n
j
(
,
\
,
(
Danscetroisimecas,lesracinescaractristiquessontunepairedenombrescomplexes
conjugus:
r
1
, r
2
h vi
o
n 2
m
h et v
1
2
4
+
n
j
(
,
\
,
(

m
n
j
(
,
\
,
(
2
Alorslasolutiondelquationgnraleest

P(t) e
mt/2n
A
5
cos vt + A
6
sin vt ( ) +
+
+
(22)
.. analyse dynamique de lquation (1)
CersultatmritequelquesexplicationsLecason>0impliqueque 4
+
n
j
(
,
\
,
(
sera
ngatifetdoncpluspetitque
m
n
j
(
,
\
,
(
2
Donc,lescas2et3peuventtreimmdiatement
rejetsDeplus,parcequeoet>0,lexpressionsouslaracinecarredelquation
(20)doitncessairementexcder(m/n)
2
etdonclaracinedoittresuprieure m / n
Le signe dans (20) produit une racine positive (r
1
) et une autre ngative (r
2
) En
consquence,lquilibreintertemporelestdynamiquementinstable,saufpourlecas
olaconstanteA
1
delquation(21)estnulle
9 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Advenantquen<0,alorslestroiscasprsentsprcdemmentsontpossibles
Danslecas1,nouspouvonsconclurequelesdeuxracinessontngativesenautant
quem<0Lesmmesconclusionssappliquentaucas2,cest--direquelesdeux
racines(rptes)serontngativessim<0Ilenvademmepourlecas3,puisque
h, la partie relle des racines complexes de ce cas, prend la mme valeur que les
racinesrptes(r)ducas2,langativitdemgarantissantquehserangatifDonc,
onpeutconclurequepourlestroiscas,lastabilitdynamiqueestassurelorsqueles
paramtresmetnsontngatifs
Exemple
Supposons que les fonctions de demande et doffre doptions sur le march soient
reprsentesparlemodledynamiquesuivant:
Q
d
30 2P 2P' P''
Q
o
3 + 3P
avecpourconditionsinitialesP(0)=12etP'(0)=1etpourparamtreso=30,=2,
X=3,o=3,m=2,n=1LeproblmeestdetrouverP(t)danslhypothseoles
marchssonttoujourslquilibre,cest--direqueloffresatisfaitlademandeet
vice-versa,celaentouttemps
Solution
Notons que les paramtres m et n sont ngatifs. Nous avons envisag ce cas et en
avons conclu que lquilibre intertemporel est dynamiquement stable Pour trouver
la solution de ce modle, nous devons premirement galiser loffre la demande
(Q
o
=Q
d
)pourobtenirlquationdiffrentiellesuivante:
3 + 3P 30 2P 2P' P''
P'' + 2P' + 5P 33
Lquilibreintertemporelestdonnparlquationparticulire
P
p

+
n

33
5
La solution complmentaire de notre quation diffrentielle (qui est de la forme:
y''(t) + a
1
y'(t) + a
2
y b)estlasolutiondelquationhomogney''(t) + a
1
y'(t) + a
2
y 0,
cest--dire:
r
2
+ a
1
r + a
2
0
r
2
+ 2r + 5 0
Lesoptionsperptuelles 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ontrouvequelesracinescomplexessont:
r
1
, r
2

1
2
a
1
a
1
2
4a
2 ( )

1
2
2 4 20
( )

1
2
2 4i ( ) 1 2i
Ontrouvealorsqueh=(m/2n)=1etv=
1
2
4
+
n
j
(
,
\
,
(

m
n
j
(
,
\
,
(
2
j
(
,
\
,
(
1/2
=2;lasolution
gnraleestdonnepar:
P(t) e
t
A
5
cos 2t + A
6
sin 2t ( ) +
33
5
PourtrouverlesvaleursdesconstantesA
5
etA
6
,onposequet=0danslasolution
gnraleetonobtient:
P(0) e
0
A
5
cos 2(0) + A
6
sin 2(0) ( ) +
33
5
A
5
+
33
5
puisquecos(0)=1etsin(0)=0Deplus,endiffrentiantlasolutiongnraleavec
t=0,ontrouveque:
P'(0) e
0
A
5
cos 2(0) + A
6
sin 2(0) ( ) + e
0
2A
5
sin 2(0) + 2A
6
cos 2(0) ( )
A
5
+ 0 ( ) + 0 + 2A
6
( ) A
5
+ 2A
6
EnutilisantlesconditionsinitialesP(0)=12etP'(0)=1,ontrouvequeA
5
=27/5
etA
6
= 32 / 10. Donc, la solution dfnie est donne par :
P(t) e
t
27
5
cos 2t +
32
10
sin 2t
j
(
,
\
,
(
+
33
5
On peut interprter cette quation comme tant celle dcrivant un sentier
priodiqueenraisondestermessinetcosLapriodesobtientde2r /v=rpuisque
v=2Plusprcisment,uncyclecompletesteffectuchaquefoisquetaugmentede
r=3,14159Letermemultiplicatif e
t
fait en sorte que la fuctuation sestompe.
Lesentiertemporel,quicommenceauprixinitialP(0)=12,convergeverslquilibre
intertemporelP
p
=33/5defaoncyclique
9 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
anneXe b
notes sur less sup
0
En fnance quantitative, la rigueur mathmatique est courante et pour sy retrouver,
nous avons besoin de quelques dfnitions et concepts supplmentaires ceux que
nousavonsprsentsdanslasectionprcdenteParexemple,danslecasdesoptions
amricaines, un concept souvent utilis pour exprimer le maximum est ess sup
11
,
cest--direlessential supremumDanscettesection,nousprsentonsceconceptet
quelques dfnitions relatives ainsi que certains exemples.
Prcisons ici le cadre de notre discussion. Un exemple dutilisation de la df-
nition du concept dess sup est donn par le cas du pricing dun put amricain En
effet,lavaleurdunputamricainestlasuivante:
P
t
ess sup
T(t,T)
E e
r(t )
X S

( )
+
F
t
,

]
]
Danscetteexpression,lesssup(essential supremum) se dfnit comme suit. Supposons
un espace de mesure X, , ( ) et posons la fonction f : X , une application de
X,unespacedemesureavecmesure,danslensembledesrelsunedimension
Lessential supremum (ess sup) de f est le plus petit nombre a pour lequel f

excdeaseulementsurunemesurezroCeconceptnouspermetdoncdegnraliser
lemaximumdunefonction,cettegnralisationfaisantappelauconceptdelimite
12

Formellement,supposons a , et dfnissons :
M
a
x : f x ( ) > a

10 Danscettesection,nousnousinspironsdesdocumentssuivants:essential supremum,<PlanetMath
org>; ScienceDaily, <sciencedailycom/encyclopedia>; WolframResearch, <mathworldwolfram
com>
11 On utilise cette dfnition, par exemple, dans le livre de R. Cont et P. Tankov (2004), Financial
Modelling with Jump Processes, Chapmam & Hall/CRC, Toronto Ce concept fait rfrence au
concept dinfmum (inf). Par exemple, Glasserman (2003), Monte Carlo Methods in Financial
Engineering, Springer, New York, utilise le concept de supremum (sup) et dinfmum (inf) pour
dfnir lexercice anticip (optimal) dans le cadre doptions amricaines.
12 En analyse mathmatique, la dfnition formelle de la limite couramment utilise est la suivante.
Unefonctionfquiapprochelalimite l prsdeascrit: > 0, il y a un > 0 tel que, x,si
< < a x 0
,alors
< < l ) x ( f 0
Pourplusdedtailscesujet,onconsulteraMSpivak
(1980),Calculus,2
e
dition,PublishorPerishInc,Wilmington
Lesoptionsperptuelles 97


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
soitunsous-ensembledeXof(x)estplusgrandqueaAlorsposons
A
0
a : M
a
( ) 0

soitlensembledesnombresrelspourlequelM
a
aunemesure0SiA
0
=,lensemble
vide, alors less sup est dfni comme tant ~
13
Autrement,lesssupdefest
ess sup f : inf A
0
En dautres termes, quand lensemble de rfrence L est non dnombrable, il est
ncessairederemplacerlanotiondesupremumdunefamille(x
l
, l L) devariables
alatoiresparcelledessential supremumCettevariablealatoire,noteesssup
l
x
l
,
estunevariablealatoireuniquextellequedeuxconditions:
a) x x
l
l L et
b) x y pourtoutevariableytelleque: y x l L
Maintenant, discutons du concept dinfmum puisquil est requis pour comprendre
celui dess sup. Linfmum (inf) se dfnit comme tant la plus grande borne infrieure
dun ensemble, par exemple S, dfni par une quantit m telle quaucun membre de
cet ensemble nest plus petit que m. Soit une quantit positive, si petite soit-elle.
Il y a alors toujours un membre de S qui est plus petit que m + . En supposant que
cettequantitexiste
14
, linfmum de S scrit inf S ou inf
xS
xPlusformellement,inf
S pour S, un sous-ensemble non vide, de lensemble des nombres rels affnement
tendus estlaplusgrandevaleur y telleque x S , x y. De
faon parcimonieuse, Spivak (1980) dfnit linfmum de S comme tant le nombre
x respectant les deux conditions suivantes Un nombre x est la plus grande borne
infrieuredunensembleSsi:1)xestuneborneinfrieure
15
deSet2)yuneborne
infrieuredeS,alorsx y. En utilisant cette dfnition, on a que inf S existe toujours,
etenparticulieronaque inf
Afn de clarifer ce concept, voici quelques exemples numriques simples.
Exemple 1
inf x 0 < x < 1

0
puisquey=0esteneffetpluspetitougalx
13 LensemblevideestuncasountelnombrenexistepasUnautrecasdugenreestceluiof(x)=
1/xsur(0,1),lesssupestalorsgalement~
14 Cette dfnition ne suppose pas ncessaire lexistence de celle-ci. En effet, inf nexistepas
15 Un ensemble S de nombres rels est born infrieurement sil existe un nombre x tel que x a,
a dans S. Un nombre tel que x est qualif de borne infrieure.
98 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Exemple 2
inf x x
3
> 2

2
1/3
puisquey= 2
1/3
( )
3
2 estinfrieurougalx
Exemple 3
inf 1 ( )
n
+1 / n n 1, 2, 3, ...

1
puisquonobtient,parexemple,pourn=1,2,3,4,5,6,7,lasriesuivante:0,11/2,
2/3,11/4,4/5,11/6,6/7Onconstatequelalimiteinfrieuredecettesrieestde
1, soit son infmum.
La notion de supremum, note sup, est galement utilise en fnance. Par
exemple,BaxteretRennie(1996)utilisentceconceptdanslecadredupricingdune
option amricaine. Plus prcisment, ils dfnissent la valeur dune option dachat
amricainecommetantlavaleurmaximaledetouteslesstratgiesdarrt(stopping
strategies):
V
0
sup

E
Q
e
r
S

X ( )
+
( )
o ()
+
dsigne le maximum et , la variable alatoire dsignant le temps darrt
En effet, lacheteur dune option amricaine a le choix du moment darrt (exercer
sonoption)etcechoixnutilisequelinformationsurleprixdisponiblejusquce
moment. On utilise le concept de sup pour signifer quil faut maximiser sur lensemble
possibledesstratgiesdarrt
Spivak (1980) dfnit le supremum (sup) comme suit. Un nombre x est la plus
petitebornesuprieuredeSsi:1)xestunebornesuprieure
16
deSet2)yuneborne
suprieuredeS,alors x y
16 Une borne suprieure se dfnit comme suit. Soit S un ensemble de nombres rels. S est born sup-
rieurementsilexisteunnombrextelque: a x pour tout a dans S. Un tel nombre x est qualif
debornesuprieureLensembledesnombresrel ou des nombres naturels N sont des exemples
densemblesnonbornssuprieurementUnexempledensemblebornsuprieurementestdonn
par: 1 x 0 : x S < Labornesuprieuredanscecasesttoutnombresuprieurougal1,
pex,138,2,1,5ou11estgalementlesupdecetensemble
Lesoptionsperptuelles 99


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
anneXe b
quelques notes
sur les Intgrales en fInance
7
Notes de lecture sur le manuel de : N. Piskounov (1976), Calcul diffrentiel et intgral,
tome 1,7
e
dition,Moscou,ditionsMIR
18

1. LintgraLe indfinie
Soitunefonction:F(x)etsadrive:f(x)=F'(x)
Onpeutenvisagerleproblmeinversetantdonnunefonctionf(x),onveut
trouverunefonctionF(x)tellequesadrivesoitgalef(x):
F'(x)=f(x)
1.1. dfnition de la primitive
F(x)estuneprimitivedelafonctionf(x)surlesegment(a,b)sientoutpointdece
segment:F'(x)=f(x)
Si la fonction f(x) admet une primitive, celle-ci nest pas unique Do le
thormesuivant:
Thorme
Si F
1
(x) et F
2
(x) sont deux primitives de la fonction f(x) sur le segment (a,b), leur
diffrenceestuneconstante
17 Pour rdiger cette section, nous nous sommes inspirs de livres suivants: AC Chiang (1984),
Fundamental Methods of Mathematical Economics,3
e
d., McGraw-Hill, New York ; T. Copeland et
FWeston(1988),Financial Theory and Coporate Policy,3
e
d., Addison esley, New York, F. Quit-
tard-Pinon(2002),Mathmatiques fnancires, ditionsEMS,managementetsocit,Paris
18 Danscetteannexe,nousfournissonseneffetnosnotesdelecturesurleschapitres10et11dutome1
du Trait de Piskounov. Notre slection est adapte la fnance.
100 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
SinousconnaissonsuneprimitivequelconqueF(x)def(x),touteautreprimitive
decettefonctionseradelaforme:F(x)+C,oCestuneconstante
1.. dfnition de lintgrale indfnie
On appelle intgrale indfnie de la fonction f(x), que lon note f(x)dx

,touteexpres-
sion de la forme : F(x) + C, o F(x) est la primitive de f(x). Par dfnition :
f(x)dx F(x) + C

F'(x)=f(x)
f(x)estappelefonction sous le signe sommeoufonction intgrer ;f(x)dxestlex-
pression sous le signe somme et le signe

est le signe dintgration ou le signe


somme.
Toute fonction f(x) ne possde pas une primitive, donc une intgrale indfnie.
Maistoutefonctionf(x)continuesurlesegment(a,b)possdeuneprimitive
La drive dune intgrale indfnie est gale la fonction intgrer: si
F'(x)=f(x),alors:
f(x)dx

( )
' F(x) + C ( ) ' f(x)
La diffrentielle dune intgrale indfnie est gale lexpression sous le
signesomme:
d f(x)dx

( )
f(x)dx
1.. lintgrale indfnie de la diffrentielle dune fonction
Lintgrale indfnie de la diffrentielle dune certaine fonction est gale la somme
decettefonctionetduneconstantearbitraire:
dF(x) F(x) + C

Thorme
Lintgrale indfnie de la somme algbrique de deux ou plusieurs fonctions est gale
lasommealgbriquedeleursintgrales:
f
1
(x) + f
2
(x)
[ ]

dx f
1
(x)dx +

f
2
(x)dx

Lesoptionsperptuelles 101


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Thorme
Onpeutsortirunfacteurconstantdesouslesignesomme:
af(x)dx a f(x)dx

1.. quelques rgles
Si f(x)dx F(x) + C

,alors f(ax)dx
1
a

F(ax) + C
Si f(x)dx F(x) + C

,alors f(x + b)dx F(x + b) + C

Si f(x)dx F(x) + C

,alors f(ax + b)dx


1
a
F(ax + b) + C

INTGRATION PAR CHANGEMENT DE VARIABLE


Onveutcalculer f(x)dx


Oneffectuedanscetteintgralelechangementdevariablesuivant:
x t ( )
Alors:
dx '(t)dt
Lgalitsuivanteestalorssatisfaite:
f(x)dx f t ( ) ,

]
]
' t ( ) dt
Lafonction x t ( ) doittrechoisiedemanirequelonpuissecalculerlintgrale
indfnie fgurant droite de cette quation.
Il est parfois prfrable de choisir le changement de variable sous la forme
t (x)
Exemple
Onveutcalculer
' x ( ) dx
x ( )


Oneffectuelechangementdevariablesuivant: (x) t
Alors: '(x)dx dt
' x ( ) dx
x ( )


dt
t
log t

+ C log (x) + C
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Exemple
Onveutcalculer:
xdx
1+ x
2
Changementdevariable:
t=1+x
2
dt=2xdx
xdx
1+ x
2

1
2

dt
t


1
2
log t + C
1
2
log 1+ x
2
( )
+ C
La mthode dintgration par changement de variable est lune des plus
importantes du calcul des intgrales indfnies. Le succs de lintgration dpend
frquemment de notre capacit de choisir le changement de variable appropri qui
simplifera les calculs. Ltude des mthodes dintgration se ramne la dtermination
duchangementdevariableeffectuerpourintgrerunefonctiondonne
INTGRATION PAR PARTIES
SoientuetvdeuxfonctionsdrivablesdexLadiffrentielleduproduituvest:
d(uv)=udv+vdu
Enintgrantcetteexpression:
uv udv + vdu

ouencore:
udv uv vdu

Cestlaformuledelintgrationparparties
Onutilisecetteformulepourintgrerdesexpressionspouvanttremisessous
laformedunproduitdedeuxfacteurs,uetdv,quandlecalculde vdu

estplusfacile
que udv

Lhabiletrequisepoureffectuerunchoixjudicieuxdeuetdvncessite
unecertaineexpriencequelonacquiertparlarsolutiondexercices
Exemple
Onveutcalculer: x
2

e
x
dx
Soitu=x
2
etdv=e
x
dxAlorsdu=2xdxetv=e
x
Ona:
x
2

e
x
dx x
2
e
x
2 xe
x

dx
Lesoptionsperptuelles 10


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
On applique de nouveau cette dernire intgrale la mthode dintgration par
parties:
u
1
=x;du
1
=dx;dv
1
=e
x
dx,v
1
=e
x
Ona:
xe
x

dx xe
x
e
x

dx xe
x
e
x
+ C
On a en dfnitive :
x
2

e
x
dx x
2
e
x
2 xe
x
e
x
( )
+ C x
2
2x + 2
( )
e
x
+ C
1.. rgles dintgration
a) Intgrationdex
n
x
n
dx


1
n +1
x
n+1
+ c
Exemple
x
10
dx


1
10 +1
x
10+1
+ c
1
11
x
11
+ c
b) Intgrationde
f '(x)
f(x)

1
x
dx

ln x + couplusgnralement
f '(x)
f(x)
dx

ln f(x) + c pourf(x)>0
Exemple
3x
2
x
3
dx

ln x
3
+ c
c) Intgrationde f '(x)e
f (x)

e
x
dx

e
x
+ c ou,plusgnralement, f '(x)e
f (x)
dx

e
f (x)
+ c
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Exemple
2xe
x
2
dx e
x
2
+ c

d) Intgrationdekf(x)

kf(x)dx k f(x)dx

okestuneconstante
Exemple
3x
4
dx

3 x
4
dx

e) Intgrationdef(x)
f(x) + g(x) [ ]dx

f(x)dx + g(x)

dx

Exemple
3x
2
+ 4x
5
,

]
]
dx 3x
2
dx

+ 4x
5
dx

f) Intgrationdea
x
a
x
dx


1
ln a
a
x
+ c
Exemple
2
x
dx


1
ln 2
2
x
+ c
g) Mthode de substitution (contrepartie de la rgle de chane) :
f(u)
du
dx
dx f(u)du

Exemples 1
3x
2
+ 2x
x
3
+ x
2
dx

Posons u x
3
+ x
2
;alors du 3x
2
+ 2x
( )
dxDonc
3x
2
+ 2x
x
3
+ x
2
dx
1
u
du ln u + c ln(x
3
+ x
2
) + c

Lesoptionsperptuelles 10


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Exemples 2
x
2
x
3
+1 dx

Posonsu=x
3
+1;alorsdu=3x
2
dxoudx=du/3x
2

x
2
x
3
+1 dx

= x
2
u

du
3x
2

1
3
u du

=
1
3
u
1/2
du


1
3
1
3 / 2
u
3/2
+ c
=
2
9
x
3
+1
( )
3/2
+ c
2. intgraLes dfinies et exempLes financiers
Lintgrale dfnie dune fonction peut se reprsenter comme la surface sous cette
courbe. En effet, il sufft dexaminer la dfnition suivante pour raliser ce fait.
f(x)dx lim
n
f(x
i
)
i1
n

a
b

x
i
A
CetteintgraleestappeleintgraledeRiemannousommedeRiemann
b = x
5
y
x
f(x
1
)
y = f(x)
x
2
x
1
x
3
x
4
a = x
1
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Thorme
Posons F(x) comme tant lintgrale indfnie de f(x), alors
f(x)dx F(b) F(a)
a
b

Ce thorme nous montre comment une intgrale dfnie peut tre value par deux
intgrales indfnies. En effet, on na qu valuer lintgrale indfnie de lintgrand
et substituer les bornes suprieure et infrieure, ensuite effectuer la diffrence On
appelle cette relation entre, dune part, lintgrale et, dautre part, F(a) et F(b), la
formule de Newton-Leibniz.
Exemple
e
x
dx
0
4

e
x
0
4
e
4
e
0
54, 60 1 53, 60
.1. proprits de lintgrale dfnie
1 f(x)dx
a
a

0
2 f(x
a
b

)dx f(x)dx
b
a

3 Sia<c<b,alors f(x
a
b

)dx f(x)dx
a
c

+ f(x)dx
c
d

4 c
a
b

f(x)dx c f(x)dx
a
b

5 f(x) + g(x) [ ]dx f(x)dx


a
b

+ g(x)dx
a
b

a
b

Exemples fnanciers
Supposons quun fux de revenus de 12 000 $/an vous soit offert continuellement pour
lesdixprochainesannesQuelleestsavaleurprsentesiletauxdactualisationest
de 4 % ?
Laformulegnralepourrsoudreceproblmeestdonnepar: PV CFe
rt
dt
0
T


oCFestlecash-fowparunitdetemps,T,letempsolescash-fowsseterminent
etr,letauxdintrtOnpeutdonccrirenotreproblmecommesuit:
VP 12 000
0
10

e
0,04t
dt
Lesoptionsperptuelles 107


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
En utilisant la rgle de substitution, on a: u = 0,04t; du/dt = 0,04 ou bien
dt=du/0,04EnsubstituantcesvaleursdansVP,onobtient:
12 000 e
0,04t
dt
0
10

12 000 e
u

du
0, 04
0
12

12 000
1
0, 04
e
u
du
0
10

12 000
1
0, 04
j
(
,
\
,
(
(e
u
+ c)
0
10
12 000
1
0, 04
j
(
,
\
,
(
e
0,04(10)
e
0,04(0)
,

]
]
98 904
.. intgrales impropres
Quelquefois, les bornes dintgration sont de lordre de ou de Une telle
intgrale est qualife dimpropre.
Quelquesrelations:
f(x)dx
a

lim
b
f(x)dx
a
b

f(x)dx

lim
b
f(x)dx
a
b

f(x)dx

lim
a
b
f(x)dx
a
b

Exemple fnancier 1 : Le delta dune option (ou les grecs)


Le calcul du delta dune option (ou de tout autre grec) requiert lvaluation dune
intgraleimpropredutype:
N(d
1
) f(z)dz

d
1

ozestunevariablealatoiredistribuenormalement
108 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Exemple fnancier 2
Supposons que le fux de revenus de lexemple prcdent soit perptuel. La VP peut
doncsercrirecommesuit:
VP 12 000e
0,04t
dt lim
b
0

12 000e
0,04t
dt
0
b

lim
b
12 000
1
0, 04
j
(
,
\
,
(
e
0,04b
e
0,04(0)
,

]
]
12 000 (25) 0 1 [ ]
puisque e
0,04b
0 lorsque b LaVPestdoncde300000$
.. intgrales multiples
Lintgraledoubledunefonctionf(x,y)deuxvariables,xety,scrit:
f x, y ( ) dydx
c
d

a
b

Onvaluecettefonctionenintgrant,premirement,parrapporty,enmaintenant
x fxe cest--dire,
f(x, y
c
d

)dy
Ensuite,onintgrelafonctionrsultanteparrapportx
Prenons un exemple numrique Soit a = 0; b = 2; c = 0 et d = 3 et posons
f(x,y)=x
3
y
2
,onobtient:
x
3
y
2
dydx
0
3

x
3
y
3
/ 3
( )
0
3
,

,
]
]
]
0
2

dx
0
2

x
3
3
3
/ 3
( )
0
3
/ 3
( )
,

]
]
0
2

dx

x
4
4
9
j
(
,
\
,
(
0
2
9
2
4
4

0
4
4
j
(
,
\
,
(
36
Lorsquef(x,y)estcontinue,lordredintgrationpeuttreinvers:
x
3
y
2
dxdy
2
4
4
dy
0
2


2
4
4
3
3
3
36
0
2

0
3

Lesoptionsperptuelles 109


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
3. prcisions suppLmentaires sur LintgraLe dfinie
Suite des notes de lecture sur le manuel de N. Piskounov (1976), Calcul diffrentiel
et intgral, tome 1,7
e
dition,Moscou,ditionsMIR
19
.1. Thorme de la continuit
Si la fonction f(x) est continue sur le segment (a,b), elle est intgrable sur ce
segment
Lintgrale dfnie dpend seulement de la fonction y = f(x) et des bornes
dintgration,maisnondelavariabledintgration,quonpeutdsignerparnimporte
quellelettre:
f x ( )
a
b

dx f t ( )
a
b

dt ... f
a
b

z ( ) dz
Ona:
f x ( )
a
b

dx f x ( )
b
a

dx
Si a = b, on pose par dfnition, pour toute fonction f(x) :
,
f x ( )
a
a

dx 0
Le calcul des intgrales dfnies en tant que limites de sommes intgrales fait lobjet
de diffcults considrables. Il est donc naturel de chercher une mthode pratique du
calcul des intgrales dfnies. Cette mthode, due Newton et Leibniz, utilise le
lienentrelintgrationetladrivation
Proprit
Onpeutsortirunfacteurconstantdesouslesignesomme:
Af x ( )
a
b

dx A f x ( )
a
b

dx
19 Danscetteannexe,nousfournissonseneffetnosnotesdelecturesurleschapitres10et11dutome1
du Trait de Piskounov. Notre slection est adapte la fnance.
110 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lintgrale dfnie de la somme algbrique de plusieurs fonctions est gale la somme
algbriquedesintgralesdesfonctions
f
1
x ( ) + f
2
x ( ) ,

]
]
a
b

dx f
1
a
b

x ( ) dx + f
2
a
b

x ( ) dx
.. Thorme de la moyenne
Lafonctionf(x)tantcontinuesurlesegment(a,b),ilexistesurcesegmentunpoint
(telquelona:
f x ( )
a
b

dx b a ( ) f ( )
Proprit
Soita,betc,troisnombresarbitrairesOna:
f x ( )
a
b

dx f x ( )
a
c

dx + f x ( )
c
b

dx
pourvuquecestroisintgralesexistent
.. formule de newton-leibniz
Soitxlabornesuprieureett,lavariabledintgrationOna:
f t ( )
a
x

dt
atantuneconstante,cetteintgraleestfonctiondesabornesuprieurexSoit4(x)
cettefonction:
x ( ) f t ( )
a
x

dt
Ladrive de F(x)parrapportx,cest--dire ladrivedelintgraleparrapport
sabornesuprieure,estlasuivante:
' x ( ) f x ( )
Lesoptionsperptuelles 111


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La drive dune intgrale dfnie par rapport sa borne suprieure est gale la
fonctionsouslesignesommedanslaquellelavariabledintgrationatremplace
parlavaleurdelabornesuprieure
X
f()
(x)
x x + x
Interprtation gomtrique de la drive dune intgrale (fgure)
Laccroissement f ( ) x est gal laire (intgrale) du trapze curviligne de
baseAxetladrive ' x ( ) f x ( ) estgalelalongueurdusegmentxX
Toutefonctioncontinueadmetuneprimitive
Thorme
F(x)tantuneprimitivedelafonctioncontinuef(x),ona:
f x ( )
a
b

dx F b ( ) F a ( )
Cette formule est appele la formule de Newton-Leibniz
20
On peut introduire la
notation:
f x ( )
a
b

dx F x ( )
a
b
La formule de Newton-Leibniz fournit un moyen de calcul pratique quand on connat
uneprimitivedelafonctionintgrer
20 Selon Piskounov, cette appellation est conventionnelle, car ni Newton ni Leibniz nont donn expli-
citement cette formule. Mais il est important de souligner que ce sont prcisment Leibniz et Newton
qui, les premiers, ont tabli le lien entre lintgration et la drivation ayant permis dnoncer une
rgle de calcul des intgrales dfnies.
11 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
.. changement de variable dans une intgrale dfnie
Soit:
f x ( )
a
b

dx
Introduisonslanouvellevariabletparlaformule:
x=(t)
Si:
1 (o)=a;j()=b
2 (t)et'(t)sontcontinuessurlesegment(o,)
3 f((t))estcontinuesurlesegment(o,)
alors:
f x ( )
a
b

dx f t ( ) ,

]
]

' t ( ) dt
Parexemple,sionveutcalculerlintgrale:
r
2
x
2
0
r

dx
parlechangementdevariable:x=rsin(t);dx=rcos(t)dt
Ondterminelesnouvellesbornes:x=0pourt=0etx=rpourt=r/2
Ona,suiteauchangementdevariable:
r
2
x
2
0
r

dx r
2
r
2
sin
2
t
0

r cos t dt
quelonpeutdslorssolutionnerplusfacilement
.. intgrale impropre
Lorsquelalimitesuivante:
lim
b+
f x ( )
a
b

dx
Lesoptionsperptuelles 11


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
existe,cettelimitetantappeleintgraleimpropredelafonctionf(x)surlintervalle
(a,+ ),onlareprsentepar:
f x ( )
a
+

dx
Silalimiteexiste,onditquelintgraleconvergeSinon,ellediverge
.. intgrales dpendant dun paramtre : formule de leibniz
Soitlintgraledunef(x)dpendantduparamtreo:
I ( ) f x, ( )
a
b

dx
Sileparamtrevarie,lavaleurdelintgralevarieraaussiLadrivedecetteint-
graleparrapportoestlasuivante:
I' ( ) f '

x, ( ) dx
a
b

CestlaformuledeLeibniz
On suppose maintenant que les bornes dintgration a et b sont galement
fonctionduparamtreo
I ( ) , a ( ), b ( ) ,

]
]
f x, ( )
a ( )
b ( )

dx
Onobtientladrivesuivante:
I' ( ) f '

x, ( ) dx + f b ( ), ,

]
]
db
d
f a ( ), ,

]
]
da
d
a ( )
b ( )

11 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
bibLiographie
BraouezeC, Y. (2003), Les options relles,Economica,Paris
Cerny, A (2004), Mathematical Techniques in Finance : Tools for Incomplete Markets,
PrincetonUniversityPress,Princeton
Dixit,AetRSpinDyCk(1994),Investment under Uncertainty,PrincetonUniversityPress,
Princeton
Dixit,A(1989),EntryandExitDecisionsunderUncertainty,Journal of Political Economy,
vol97,p620-638
hassett,KAetGEMetCalF(1995),InvestmentunderAlternativeReturnAssumptions:
Comparing Random Walks and Mean Reversion, Journal of Economic Dynamics
and Control,vol19,p1471-1488
stuart,AetJKorD(1994),Kendalls Advanced Theory of Statistics. Volume 1 : Distribution
Theory,6
e
dition,Arnold,Londres
MCDonalD,RetDRsiegel(1986),TheValueofWaitingtoInvest,Quarterly Journal
of Economics,vol101,p707-727
neFtCi, S.N. (2000), An Introduction to the Mathematics of Financial Derivatives,2
e
dition,
AcademicPress,Burlington,MA
pinDyCk, RS (1991), Irreversibility, Uncertainty and Investment, Journal of Economic
Literature, vol29,p1110-1148
pinDyCk,RS(1988),IrreversibleInvestment,CapacityChoiceandtheValueoftheFirm,
The American Economic Review,vol78,p969-985
sakar,S(2003),TheEffectofMeanReversiononInvestmentunderUncertainty,Journal
of Economic Dynamics and Control,vol28,p377-396
trigeorgis,L(1996),Real Options,MITPress,Cambridge
WilMott, P (2006), Paul Wilmott on Quantitative Finance, 2
e
dition, vol. 1, iley, New
York.
WilMott,P(2000),Paul Wilmott on Quantitative Finance, iley, New York.


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
4
le modle de black eT scholes
eT ses applicaTions
Le modle de Black et Scholes a vritablement rvolutionn la fnance moderne.
Publien1973,ilcorrespondaulancementdesoptionssurlesboursesamricaines
Le march des options devait connatre par la suite un essor trs considrable.
ContrairementBlacketScholes,lesauteursantrieursnavaientputrouver
unesolutionanalytiqueauprixduncalleuropenquisoitoprationnelleAvant1973,
leschercheurssintressaientsurtoutlavalorisationdeswarrants,lesautresformes
doptionsntantpasngociessurdesmarchsboursiersorganissetfaisantdonc
lobjetdecontratsdegrgrLeswarrantssontdesoptionsdachatlongterme
qui se traduisent par une mission dactions lors de leur exercice Or, les options
dachat classiques ne donnent pas lieu une mission dactions, mais seulement
unsimpletransfertentrelespartiesdelatransactionLeswarrantssetraduisentdonc
paruneffetdedilutionducapitaldesactionnairesexistants,cequinestpaslecas
pourlesoptionsclassiquesCommedavantagedactionssontmiseslorsdelexer-
cicedeswarrants,ilyaeneffetlieudecraindreuneffetdedilution,cest--direune
diminutionduprixdelactionsous-jacente
Or,leschercheursnavaientpasjusque-lsutrouverunesolutionanalytique
oprationnelleauprixduwarrantCettesolutionintgraittoujoursleprixdurisque
et, ipso facto, le degr daversion au risque des investisseurs Ces deux variables
tant trs diffciles estimer, force tait de trouver une solution analytique qui en
fasseabstractionBlacketScholesontsuliminerleprixdurisqueducalculduprix
dun call europen en exploitant la corrlation entre le prix de loption et celui de
sonsous-jacentEncombinantloptionavecsonsous-jacent,ilsontainsipuformer
un portefeuille exempt de risque Le prix du risque tait alors nul Ils ont pu de la
sortetrouverunesolutionexacteauprixduncalleuropencritsuruneactionne
versantpasdedividende
11 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
lintrieur de ce chapitre, nous fournirons dans un premier temps une preuve
de lquation de Black et Scholes En effet, il existe plusieurs faons de prouver
lquationdeBlacketScholesOnpeuteneffetsolutionnerdirectementlquation
diffrentielle de Black et Scholes en recourant lquation de la chaleur, dont la
solution est connue depuis longtemps Black et Scholes ont dailleurs procd de
lasortepourcalculerlquationduprixduneoptiondachateuropennecritesur
une action ne versant pas de dividende On peut par ailleurs invoquer le thorme
dereprsentationdeFeynman-KacpourtablirleprixdeladiteoptionEneffet,en
vertudecethorme,lquationdiffrentielledeBlacketScholesacommependant
uneesprancedansluniversneutreaurisqueEnfait,leprixdeloptiondachatest
lavaleuractualisedelesprancedupayoff fnal de loption, dfnie dans lunivers
neutre au risque Cest de cette faon que nous ferons la preuve de lquation de
Black et Scholes, cette solution tant beaucoup plus simple que celle de lquation
diffrentielledeBlacketScholes
Puisnousdriveronslesgrecquesdesoptions,cest--direlessensibilitsdu
prixdeloptionsesdiversparamtresCommenousseronsmmedeleconstater,
ceux-cisontdesingrdientsessentielslacouverturedelta-neutreetlacouverture
delta-gamma. Puis nous examinerons limpact dun dividende fxe et dun dividende
proportionnel sur la formule de Black et Scholes. Nous pourrons alors introduire
lquationdeBlacketScholesgnralise,quipermetdevaloriserungrandnombre
de produits drivs Font partie de ceux-l les options sur contrats terme et les
optionssurdevises
1. un aperu de Lquation de bLack et schoLes
Commenouslavonsmentionndanslintroductiondecechapitre,BlacketScholes
(1973) furent les premiers driver une solution analytique pour le prix dun call
europenquifasseabstractionduprixdurisqueLeursolutionseveutexacte,carelle
reposesurleprincipedelabsencedarbitrageCettesolution,quenousprouverons
danslasectionsuivante,scrit:
C S
0
N d
1
( ) Xe
r
f
T
N d
2
( )
oCestleprixduncallcritsuruneactionneversantpasdedividende,S
0
,leprix
actuel de laction, X, le prix dexercice de loption, r
f
, le taux sans risque et T, la
dure de loption. N(d) est la probabilit cumulative dune variable normale unitaire,
soit:
N d ( ) f z ( )

dz
LemodledeBlacketScholesetsesapplications 117


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
o
d
1

ln
S
X
j
(
,
\
,
(
+ r
f
T
T
+
1
2
T
d
2
d
1
T
odsignantlcart-typedurendementdelactionCestlapreuvedecettequation
quenousnousattaquonsmaintenant
2. preuve de Lquation de bLack et schoLes
Supposonsquuninvestisseurvendeuncontrattermedegrgr
1
(forwardcontract)
crit sur une action dont le fux montaire fnal est de S
T
, une variable alatoire S
dsigne le prix de laction et T, lchance du contrat. lchance, le prix de ce
contratestdeE(S
T
),oE()estloprateurdespranceLevendeurducontratsen-
gage vendre laction au prix prdtermin X La valeur non actualise (V) de ce
contratest:
V=E(S
T
)X (1)
LavaleurVdececontratestnulleaudpartEneffet,cecontratconstitueune
obligationpourlevendeurdelivrerlactionet,pourlacheteur,deprendrelivraison
delactionIlnyaaucuneautrepossibilitpourlesdeuxpartiesLacheteurnapas
loptiondexercerounonlecontratIldoitobligatoirementlexercerlchanceau
prixXIlenpaiedonclejusteprixsansladditionnerduneprime
CommentsedtermineE(S
T
), le prix du contrat terme ? Puisque S
T
estune
variable alatoire, on pourrait penser que lon doit recourir au calcul probabiliste
pourdterminercetteesprance,enloccurrenceauthormecentrallimiteIlnen
est rien En fait, pour calculer cette esprance, nous pouvons nous camper dans un
universdterministe,soitluniversneutreaurisqueEneffet,levendeurducontrat
terme a le loisir dacheter aujourdhui le sous-jacent dudit contrat, soit laction,
auprixS
0
. Pour fnancer cet achat, il emprunte au taux sans risque r
f
,tauxcompos
de faon continue. lchance du contrat, il pourra livrer laction quil dtient et
rembourser le montant de son emprunt, soit S
0
e
r
f
T
Le prix terme du contrat est
donc S
0
e
r
f
T
Cestcequedevrapayerlacheteurducontrattermesonchance
Cest le prix quimpose larbitrage sur les marchs fnanciers. Tout autre prix donne
lieuunesituationdarbitrage
2

1 Quidoittredistinguducontrattermeboursier(futures contract)
2. Nous recourons donc larbitrage pour valoriser loption en supposant comme donns le prix du
sous-jacent(S
0
)et,commenousleverronsplusloin,leprixduneobligationcouponzro(B
0
)
Cestdonclecouplet(B
0
,S
0
)quisertdepointdedpartnoscalculsUneautrefaondevaloriser
118 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Leprixquenousvenonsdedterminersobtientenrecourantlamesurede
probabilitrisqueneutre,cest--dire:
E
Q
S
T
( ) e
r
f
T
S
0
(2)
oE
Q
()estloprateurdesprancedansununiversneutreaurisqueDanscetunivers,
lavaleurprsentedeS
T
estunemartingaleChoisissonsunboncommenumrairede
manire normaliser le prix de laction. Nous avons :
E
Q
e
r
f
T
S
T
( )
S
0
(3)
LavaleurprsentedeS
T
estdoncbienunemartingale
3
. remarquer que E
Q
()estune
esprance conditionnelle, mme si nous avons simplif la notation. Cette esprance
estconditionnellelinformationdisponibleautemps0,iciS
0
Or,commenousle
verronsultrieurement,martingaleetabsencedarbitragesontdesconceptsquivont
depair
Ensubstituantlquation(2)danslquation(1),cettederniretantactualise
autauxr
f
,ona:
e
r
f
T
V e
r
f
T
e
r
f
T
S
0
( )
e
r
f
T
X S
0
e
r
f
T
X (4)
Comparons cette quation celle du call europen drive par Black et
Scholes:
c S
0
N d
1
( ) e
r
f
T
XN d
2
( ) (5)
En comparant les quations (4) et (5), on voit quelles sont identiques si N(d
1
) = N(d
2
)
=1Parconsquent,uncontrattermeestuneformeparticuliredecallPouruntel
call,laprobabilitdexerciceesteneffetde1encesensquelacheteuralobligation,
etnonloption,dacheterlesous-jacentducontrat
4
Ilnepeutdoncspculersursa
valeur,quiesttablielavance
Pour tablir la preuve de lquation de Black et Scholes, nous devons nous
familiariser avec la distribution lognormale, puisque lon suppose que le prix de
lactiondsignparSobtempreunetelledistributiondanslemodledeBlacket
ScholesPourapprochercettedistribution,nousavons,dansunpremiertemps,tir
10000 nombres alatoires de moyenne 5 et dcart-type 2 dont la distribution est
loptionseraitderecourirlatechniquedelquilibregnralOnnepourraitplusalorsconsidrer
lesprixdelactionetdelobligationcommedonnsIlsseraientdterminsconcomitammentavec
leprixdeloption
3. Dans lunivers des probabilits relles (P), une martingale se dfnit comme ceci : E(S
T

|
S
0
) = S
0

Cest--direquelameilleureprvisiondeS
T
,conditionnellementlinformationdisponibleautemps
0,estS
0
,soitlobservationactuellesurleprixdelaction
4. noter que N(d
2
)reprsentelaprobabilitdexerciceducall
LemodledeBlacketScholesetsesapplications 119


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
lognormale en utilisant linterface PopTools dExcel. Nous avons ensuite construit
le graphique de la fonction de densit de cette distribution laide de la fonction
Frequency dExcel, graphique qui apparat la fgure 4.1.
Figure 4.1 Distribution lognormale dune variable X
desprance 5 et dcart-type 2
500
0
500
1 000
1 500
0 5 10 15 20 25
F
r

q
u
e
n
c
e
On voit que la distribution lognormale se situe exclusivement dans lintervalle des
relspositifsElleprsentegalementuneforteasymtriepositive
Dans un second temps, nous avons calcul le logarithme des nombres ala-
toiresgnrslapremirepasseetnousavonsunefoisdeplustracladistribution
correspondante, qui apparat la fgure 4.2.
Figure 4.2 Distribution de ln(X), X tant une variable lognormale
desprance 5 et dcart-type 2
F
r

q
u
e
n
c
e
500
0
500
1 000
1 500
2 000
2 500
0 1 2 3 4
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Onserendcomptequeladistributiondeln(X)estnormaleDounpremier
rsultat:siladistributiondelavariablealatoireXestlognormale,ladistributiondu
logarithmedeXestnormaleLarelationmathmatiqueentrelesdistributionslognor-
male et normale stablit comme suit La distribution D
z
de la variable lognormale
zscrit:
D
z

1
zs 2
e

1
2
lnz ( )
2
s
2
j
(
,
\
,
(
olnzdsignelelogarithmenpriendezetetssontlesdeuxpremiersmoments
de la distribution normale de lnz. Pour passer cette dernire distribution, il sufft
deffectuerlatransformationjacobienne
5
suivante:
D
lnz
D
z
dz
d ln z
D
z
1
d log z
dz
D
z
1
1
z
zD
z
ce qui implique: D
lnz

1
s 2
e

1
2
lnz ( )
2
s
2
j
(
,
\
,
(
de telle sorte que lnz ~ N(,s
2
) La

diffrenceentrelesdistributionsnormaleetlognormaleenesttoutsimplementune
dchelle,maisilfautremarquerquelepassagedeladistributionnormalelognor-
malesetraduitparlapparitionduneasymtriepositive
6

Si nous calculons les deux premiers moments de la distribution de ln(X)


partirdelchantillondes10000variablesalatoires,noustrouvonsquelamoyenne,
dsignepar,estgale1,5348etquelcart-type,dsignpars,estde0,3808
Onrappellequelesdeuxpremiersmomentsdeladistributiondelavariablelognor-
maleXtaientrespectivementde5etde2
5 Pour la transformation jacobienne, voir: F- Racicot et RThoret (2001),Trait dconomtrie
fnancire,PressesdelUniversitduQubec,Qubec,chapitre1
6. Notons que si z ~ N(,s
2
), alors: f
z
(z)
1
s 2
e

1
2
z ( )
2
s
2
j
(
,
\
,
(
, o f
z
(z) est la fonction de densit

marginale de z Sa fonction de probabilit cumulative est: f


z
u ( ) du F
z
z ( )

Transformons

lafonctiondedensitdezdetellesortequellesuiveuneloinormaledesprance0etdevariance

unitaire Soit y cette nouvelle variable La transformation requise est la suivante: y


z
s

La transformation jacobienne des deux fonctions de densit est la suivante: f


y
(y) f
z
(z)
dz
dy

Comme z sy +
dz
dy
s On a donc: f
y
(y)
1
2
e

1
2
y
2
, ce qui est la fonction de densit

dune normale desprance 0 et de variance 1. La probabilit cumulative de y, dsigne par N(y),

est: f
y
u ( ) du


LemodledeBlacketScholesetsesapplications 11


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
On peut tablir le lien entre les moments de la distribution lognormale de
la variable X et ceux de la distribution normale de la variable ln(X) en recourant
la fonction gnratrice des moments de la distribution lognormale Cette fonction

scritcommesuit: () e
+

2
s
2
2
,o etssontlesdeuxpremiersmomentsdela
distributionnormalecorrespondanteCettefonctionrgurgitelesmomentsnoncentrs
de la distribution lognormale partir de ceux de la distribution normale Si X =1,
on obtient lesprance de la variable X qui suit une distribution lognormale Elle

estdoncgale:E X ( ) e
+
s
2
2
Danslexempleprcdent, =1,5348ets=0,3808

On a donc: E(X) e
1,5348+
0,3808 ( )
2
2
4, 99 5.

On rappelle que lesprance qui nous a


servi gnrer la fgure 4.1 est de 5. Lerreur minime que nous faisons en utilisant la
fonctiongnratricedemomentseneststrictementunedchantillonnage
Pourtablirlavariancenoncentredeladistributionlognormalepartirdes
moments de la distribution normale, nous fxons 2danslafonctiongnratrice
des moments de la lognormale. Nous obtenons : E X ( )
2
e
2+2s
2
Pour calculer la
variance de X, nous nous servons du rsultat: VAR(X) E(X
2
) E X ( ) ,

]
]
2
, E(X)
ayant dj t calcul. Nous obtenons : VAR(X) e
2+2s
2
e
2+s
2
e
2+s
2
e
s
2
1
,

]
]

Lcart-type de X est donc de: s e
+
s
2
2
e
s
2
1
,

]
]
1
2
E(X) e
s
2
1
,

]
]
1
2
En utilisant
la moyenne et lcart-type calculs partir de la distribution de ln(X), on obtient:
s 4, 99 e
0,3808 ( )
2
1
,

]
]
1
2
1, 97 2 On rappelle que lcart-type qui nous a servi
tablir la distribution de X (fgure 4.1) est de 2. Lerreur que nous commettons ici en
est,encoreunefois,strictementunedchantillonnage
Notons que si la densit lognormale de la variable X est la fonction f(x), alors
lesprance E(X) de cette distribution se calcule mathmatiquement comme suit:
E(X) xf(x)dx
0

, les bornes de lintgrale correspondant lintervalle de fuctuation


delalognormaleEnreprsentantparulelogarithmedex,onpeutaussicalculercette
esprancedelafaonsuivante: E X ( ) e
u

g(u)du ,og(u)estladensitnormale
et les bornes de lintgrale correspondent lintervalle de fuctuation de la normale.
Cestenrecourantcettetransformationquenouscalculeronslesintgralesconte-
nantdesvariableslognormalesdanslapreuvequisuit,ladistributionnormaletant
plus mallable que la lognormale. Notons galement que si X suit une distribution
lognormaleetquelesdeuxpremiersmomentsdeladistributiondeln(X)sontde
ets,alorslavariablecentrerduite
ln(X)
s
~ N(0,1). Nous ferons galement appel
cersultatdanslapreuvequisuit
7

7 LemanueldeDelaGranvillerenfermedeuxexcellentschapitressurlespropritsdelaloilognor-
maleetsursesrapportsaveclemouvementbrowniengomtrique,soitleschapitres13et16Voir
ODelaGranville,(2001),Bond Pricing and Portfolio Analysis,TheMITPress,Cambridge
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous supposons donc que S obit une distribution lognormale et que les-
prance et lcart-type de ln(S) sont reprsents respectivement par et s, comme
dans le cas prcdent. Nous avons alors pour un calleuropen
8
:
E(S X)
+
E S ( ) N d
1
( ) XN d
2
( ) (6)
o (S X)
+
est le fux montaire fnal (payoff) du call, avec d
1

ln
E S ( )
X
j
(
,
\
,
(
+
s
2
2
s
,
d
2

ln
E S ( )
X
j
(
,
\
,
(

s
2
2
s
d
1
s et E(.) est loprateur desprance. Nous voulons
prouvercetteformule
Dfnissons f(S) comme tant la fonction de densit de S. Par dfnition, les-
prancede(SX)
+
estdonnepar:
E S X ( )
+
S X ( )
X

f(S)dS (7)
oXestlaborneinfrieuredelintgralepuisqueloptioneuropenneseraexerce
lchancesietseulementsi(S>X),cest--direque S X ( )
0
X

f(S)dS < 0 Cestl


lerisqueasymtriquequecomporteuncallSondtenteurnestpasforcdexercer,
commecestlecasdanslecontrattermeantrieurIlexercerasonoptionlchance
si et seulement si (S > X). Loption ne saurait donc rapporter des fux montaires
ngatifscommedanslecasduncontrattermeCestpourquoiladistributionde(S
X)
+
esttronqueetcomporteXcommeborneinfrieureAvantcetteborne,(S<X)
etledtenteurdeloptionnexercepas
Du fait des proprits de la loi lognormale examines antrieurement, nous savons
que:

E S ( ) e
+
s
2
2
(8)
Nous pouvons donc crire :
ln[E(S)] +
s
2
2
(9)
cequiimpliqueque:
ln[E(S)]
s
2
2
(10)
8. Notre approche sinspire de Hull. Mais nous y avons apport plusieurs nuances. Voir J.C. Hull
(2003),Options, Futures and Other Derivatives,5
e
dition,PrenticeHall,UpperSaddleRiver
LemodledeBlacketScholesetsesapplications 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Defaonobtenirunevariablecentrerduite,nouspouvonsappliquerlatransfor-
mationsuivanteln(S): z
ln(S)
s
Cettetransformationimpliqueque zs + ln(S) ,
cest--dire S e
zs+
Lavariablezestnormalementdistribue,desprancenulleet
dcart-typeunitaireSafonctiondedensit,c--dladistributionnormalestandard,
estdonnepar: f z ( )
1
2
e

z
2
2
Enrecourantcettetransformation,nouspouvons
rcrirelespranceci-dessuscommesuit:
E S X ( )
+
(e
zs+
ln( X)
s

X)f(z)dz (11)
olaborneinfrieureprovientdelatransformationdeSenvariablecentrerduite
Par symtrie, nous devons en effet appliquer la mme transformation X On peut
rcrirecetteintgralecommesuit:
E(S X)
+
e
zs+
ln( X)
s

f z ( ) dz X f(z)dz
ln( X)
s

(12)
Dvelopponslintgranddelapremireintgraledelquation(12):
e
zs+
f z ( ) e
zs+
1
2
e

z
2
2

1
2
e
zs+
z
2
2
j
(
,
\
,
(

1
2
e
+
s
2
2
e
zs ( )
2
2
e
+
s
2
2
f z s ( ) (13)
9
Parconsquent:
E(S X)
+
e
+
s
2
2
ln( X)
s

f z s ( ) dz X f(z)dz
ln( X)
s

(14)
En dfnissant N(x) comme tant la probabilit quune variable normale stan-
dardsoitpluspetitequex,alorslapremireintgralepeuttrereprsentepar
1 N(f(z s)) 1 N
ln(X)
s
s
j
(
,
\
,
(
Ouvrons ici une parenthse. Nous savons que la loi normale est symtrique. Par
dfnition : N(x) f(z)dz

Parsymtrie,nousavonsalors:1 N(x) f(z)dz


x

,ce
qui justife la transformation de la premire intgrale impropre. Nous savons galement
que N(x) = 1 N(x).
9 Puisque +
s
2
2

z s ( )
2
2
+
s
2
2

z
2
2zs + s
2
2
,

,
]
]
]
+
s
2
2

z
2
2
+ zs
s
2
2
+ zs
z
2
2
.

On sest

galementservidursultat: f z s ( )
1
2
e
zs ( )
2
2

1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs

Do, 1 N
ln(X)
s
s
j
(
,
\
,
(
N
ln(X) +
s
+ s
j
(
,
\
,
(

Puisque ln E S ( ) ,

]
]

s
2
2
,ontrouveque:
N
ln
E S ( )
X
j
(
,
\
,
(
+
s
2
2
s
j
(
,
,
,
,
\
,
(
(
(
(
N(d
1
) (15)

La deuxime intgrale slabore de la mme manire et lon obtient N(d


2
)
Ontrouvedoncque:
E S X ( )
+
e
+
s
2
2
N d
1
( ) XN d
2
( ) (16)
o e
+
s
2
2
E(S). Il est remarquer que , soit lesprance de ln(S), est toujours
prsentdanslquation(16)Onsaitquunevariabletrsrapprochedecetteesp-

rance, soit E ln
S
t
S
t1
j
(
,
\
,
(
,

,
]
]
]
, est le rendement espr du prix de laction, une variable

diffcile estimer puisquelle incorpore une prime de risque et, par consquent, le prix
durisqueUndplacementdansluniversneutreaurisquenouspermettradeffacer
cesvariablesgnantes
Pourcomplterlapreuve,situons-nousdoncdansununiversneutreaurisque
et supposons un call (c) crit sur une action S
T
qui ne paie pas de dividende et qui
choit T Le taux sans risque est dsign par r
f
et la volatilit du rendement de
laction,paro
Dansuntelunivers,ona:
c e
r
f
T
E
Q
S
T
X ( )
+
e
r
f
T
E
Q
S
T
( ) N(d
1
) XN(d
2
) ,

]
]
(17)
Comme S
T
est une martingale dans un univers neutre au risque, on peut crire, en
vertudelquation(3)
10
:
10 Dubois et Girerd-Potin (2001) fournissent une preuve de cette quation. Nous en prsentons ici une
versiondtailleCommeleprixdelactionobitunprocessusbrowniengomtrique,iladmet,
comme nous le savons, la solution exacte suivante: S S
t
e
r
f

2
2
j
(
,
\
,
(
t+ t
t
o
) 1 , 0 ( N ~
t

On

veut valuer lintgrale suivante: E


Q
S
t+t
( ) Sf S ( )
0

dS. Pour valuer cette intgrale, il sufft

deffectuerlechangementdevariablequisuitCommelindiquelaformuledeS,lelogarithmede

LemodledeBlacketScholesetsesapplications 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs

E
Q
(S
T
) e
r
f
T
S
0
(18)
On a fnalement :
c e
r
f
T
S
0
e
r
f
T
N(d
1
) XN(d
2
) ,

]
]
S
0
N(d
1
) Xe
r
f
T
N(d
2
) (19)
S suit une loi normale: N r 1 / 2
2
( )
t;
2
t
( ) . Dfnissons la variable centre rduite suivante :

y
ln
S
S
t
j
(
,
\
,
(
r

2
2
j
(
,
\
,
(
t
t
En fait, cette variable, qui nous sert ici transformer lintgrale, est

la variable alatoire c de la fonction S Puisque c ~ N(0,1), sa fonction de densit est donc :

f y ( )
1
2
e

1
2
y
2
. Pour exprimer la distribution de S en fonction de cette variable, il suffit

dexprimer la transformation jacobienne suivante: f S ( )


dy
dS
f(y)
1
S t

1
2
e

1
2
y
2
. Nous

rappelons que nous voulons calculer lesprance neutre au risque de S en changeant la variable
S par la variable y. Nous venons dexprimer f(S) en fonction de y. Lexpression de S en
fonction de y est immdiate puisque cest le terme c de cette fonction Pour exprimer dS en

termes de dy, on isole y dans lquation de S On obtient: y


ln(S / S
0
) r

2
2
j
(
,
\
,
(
t
t
;

dy
1
tS
dS dS tSdy Onadonctouteslesdonnesrequisespourrsoudrelintgrale

encauseenremplaantlavariableSparlavariabley

E
Q
S
t+t
( ) S f(S) dS S
t
e
ty+ r
1
2

2 j
(
,
\
,
(
t


1
S t 2
e

1
2
y
2
tSdy. remarquer que la

variabley,galec, fuctue dans lintervalle :


, + [ [

Cequiseramne:

E
Q

1
2
e

1
2
y
2
S
t
e
ty+ r
1
2

2 j
(
,
\
,
(
t
dyOna: E
Q
S
t
e
r
1
2

2 j
(
,
\
,
(
t
1
2

1
2
y
2
+ ty
dy.

Encompltantle

carrdanslexposantdelintgrale,ontrouve:
E
Q
S
t
e
r
1
2

2 j
(
,
\
,
(
t
1
2

1
2
(y ty)
2
+
1
2

2
t
dy.

E
Q
S
t
e
r
1
2

2 j
(
,
\
,
(
t
e
1
2

2
t 1
2

1
2
(y ty)
2
dy.

E
Q
S
t
e
rt
1
2

1
2
1 t ( )y
( )
2
dy. La transformation

linairedelexposantnaffectantpaslaprobabilitcumulative,ona,puisquelaprobabilitcumula-
tivesouslanormalestandardestde1: E
Q
S
t+t
( ) S
t
e
rt
,cequiestlersultatrecherchLavaleur
prsenteduprixdelactionestbienunemartingaledansluniversneutreaurisquequandceprix
suitunprocessuslognormalOntrouverauneversionabrgedecettepreuvedans:MDubois,etI
Girerd-Potin(2001),Exercices de thorie fnancire et de gestion de portefeuille,DeBoeckUniver-
sit,BruxellesPourlatransformationjacobiennedunedistribution,onconsultera:F-Racicot,
etRThoret(2001),Trait dconomtrie fnancire,PressesdelUniversitduQubec,Qubec,
chapitre1Pouruneautrepreuvedecersultat,voirODelaGranville(2001),Bond Pricing and
Portfolio Analysis,TheMITPress,Cambridge,chapitre16
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
soitlquationdeBlacketScholes
Selonlquation(15),sachantque s T :

d
1

ln
E S ( )
X
j
(
,
\
,
(
+
s
2
2
s

ln
e
r
f
T
S
0
X
j
(
,
\
,
(
+
1
2

2
T
T

ln e
r
f
T
S
0
( )
ln(X) +
1
2

2
T
T

r
f
T + ln(S
0
) ln(X) +
1
2

2
T
T
(20)
On a fnalement :
d
1

ln
S
0
X
j
(
,
\
,
(
+ r
f
T +
1
2

2
T
T
(21)
quipeuttreaussircritcomme:

d
1

ln
S
0
X
j
(
,
\
,
(
+ r
f
T
T
+
1
2
T (22)
Commeonvientdeleconstater,lapreuvedelquationdeBlacketScholes
exigecertainesconnaissancesenstatistiqueEllerequiertunebonnecomprhension
des distributions normale et lognormale et des oprations qui leur sont associes
Elle requiert galement une matrise de lunivers neutre au risque et de la notion de
martingale. Nous avons eu cur, dans la preuve qui prcde, de nescamoter aucune
de ces notions de base en ingnierie fnancire.
Il existe dautres faons de prouver la formule de Black et Scholes Lune
dellessolutionnedirectementlquationdiffrentielledeBlacketScholespluttque
derecourirlanotiondespranceneutreaurisquecommepourlapreuvequenous
venons de fournir. laide de changements de variables, on en arrive transformer
lquationdiffrentielledeBlacketScholesenquationdelachaleur,dontlasolution
estconnuedepuisbienlongtemps
3. Les grecques
Lessensibilitsduprixducallsesdiversparamtressontcourammentregroupes
sous le vocable les grecques dans la littrature fnancire. Ces grecques sont de
toutepremireimportancesagissantdelacouverturedesportefeuillesLessections
quisuiventportantsurlesprincipalesgrecques
LemodledeBlacketScholesetsesapplications 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
.1. le delta du call
Le delta mesure la sensibilit du prix de loption au prix de son sous-jacent, cest-
-dire une action dans le cas dune option crite sur une action Le delta duncall,
calculpartirdelaformuledeBlacketScholes,estgal:
C
S
N d
1
( )
Cette formule est le rsultat dune drivation laborieuse puisque d
1
et d
2
sont eux-
mmes fonction de S dans la formule de Black et Scholes. Nous fournissons, au
tableau 41, le calcul dtaill de cette drive pour le lecteur exigeant et fru de
mathmatiques
11

taBleau 4.1 Drivation dtaille du delta


En vertu de la formule de B S, la valeur dun call europen est gale :

C(S, t) SN(d
1
) Xe
r(tt)
N(d
2
)
o

d
1
ln(S / X) +(r +1/ 2
2
)(T t)
( )
/ (T t)
,

d
2
ln(S / X) +(r 1/ 2
2
)(T t)
( )
/ (T t)
. Le delta dun call, qui est la drive partielle du
call par rapport au prix de laction p, est donn par :


C
S
N(d
1
) +S
N(d
1
)
S
Xe
r(Tt)

S
N(d
2
)

N(d
1
) +SN'(d
1
)
d
1
S
Xe
r(Tt)
N'(d
2
)
d
2
S
o

d
1
S

1/ S
(T t)
,
d
2
S

1/ S
(T t)
. Cela implique

C
S
N(d
1
) + SN'(d
1
) Xe
r(Tt)
N'(d
2
)
,

]
]
1
S (T t)

Pour complter la preuve, il nous reste dmontrer que :

SN'(d
1
) Xe
r(Tt)
N'(d
2
)
. Il nous faut
donc calculer la drive partielle de N(d
1
) et de N(d
2
). Calculons ces drives.
11 Nous nous inspirons des documents suivants : F. Black et M. Scholes (1973), The Pricing of
OptionsandCorporateLiabilities,Journal of Political Economy,mai-juin,p637-659;DGalai
et RMasulis (1976), The Option Pricing Model and the Risk Factor of Stock, Journal of
Financial Economics,janvier-mars,p53-82;PWilmottet al.(1995),The Mathematics of Financial
Derivatives,CambridgeUniversityPress,Cambridge,chapitre5
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous savons que :

N(d
1
)
1
2

d
1

e
z
2
/2
dz , N() = 0, N(+) = 1 et que la drive

dune intgrale borne est la primitive value ses bornes
12
. Alors :

N'(d
1
)
N(d
1
)
S

1
2
e
d
1
( )
2
/2

N'(d
2
)
N(d
2
)
S

1
2
e
d
2
( )
2
/2
Pour faciliter les calculs, considrons la reprsentation suivante :

S
N'(d
1
)
N'(d
2
)
Xe
r(Tt)
de lquation dont on doit prouver lgalit. En remplaant les N(.) par leurs valeurs respectives,
on obtient :

Se
1/2(d
2
2
d
1
2
)
Xe
r(Tt)

Se
1
2
2
(Tt)
(ln(S/ X)
2
+(r1/2
2
)
2
(Tt)
2
+2(r1/2
2
)(Tt)ln(S/ X))(ln(S/ x)
2
+(r+1/2
2
)(Tt)
2
+2(r+1/2
2
)(Tt)ln(S/ X)
,

]
]

Se
1
2
2
(Tt)
r
2
(Tt)
2
r
2
(Tt)
2
+1/4
4
(Tt)
2
+2r ln(S/ X)(Tt)
2
)(Tt)ln(S/ X)r
2
(Tt)
2
1/4
4
)(Tt)
2
r
2
(Tt)
2
2r ln(S/ X)(Tt)
,

]
]

e
1
2
2
Tt ( )

2
(Tt)ln(S/ X
,

]
]

Se
1
2
2
(Tt)
2
2
(Tt)ln(S/ X)2r
2
(Tt)
2
,

]
]
Se
ln(S/ X)+r(Tt) ,

]
]

?
Xe
r(Tt)
Finalement, en prenant le logarithme de chaque membre de cette dernire relation, on a :

lnSln(S / x) r(T t) lnX r(T t) lnSlnX ln(S / X)
Il rsulte que :

C
S
N(d
1
) CQFD.
12 Exemple : Exemple:
d
dx
ydy
0
x

j
(
,
\
,
(
x parceque ydy
0
x

y
2
/ 2 + c
0
x
x
2
/ 2 etdonc
d
dx
x
2
/ 2 x

LemodledeBlacketScholesetsesapplications 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ledeltarevtuneimportanceparticuliredanslathoriedesproduitsdrivs,
notammentauchapitredelacouverturedunportefeuillePourcouvrirunportefeuille,
silondtientuneaction,ilfauteneffetvendredcouvert

1
callspourdisposer

dunportefeuillecouvert,cest--direexemptderisqueLeratio
1

estappelratio

decouvertureOnparlealorsdedelta-hedging oucouvertureparledelta
Pourtablircetterelation,supposonsquenousdtenionsuneactionSetque
nous ayons vendu dcouvert sC calls. Nous voulons trouver le s qui donne un
delta-hedging,cest--dire:
dSsdC=0 (23)
EnvertudelasriedeTaylor,lapproximationdupremierdegrdedCestgale:
dC dS (24)
Ensubstituant(24)dans(23),onobtient:
dS sdS 0 s
1

Donc,pourdtenirunportefeuilledelta-hedged,ilfaut,silondtientuneaction,avoir

vendu dcouvert
1

callsAutrement, si lon a vendu 1 call dcouvert, il faut

dtenirASactionsdefaonavoirunportefeuilledelta-hedged
Certes, pour que le portefeuille ainsi dfni demeure couvert, il faut que sa
composition soit modife continuellement, car le delta du call ne cesse de se modifer.
En loccurrence, le delta de loption se modife chaque fois que change le prix de
lactionOnditalorsquilfauteffectuerunrquilibragedynamiqueduportefeuille
pourlemaintenircouvertPourviterdescotsdetransactionsinutiles,ilestappro-
prideprendreencomptelegammaducalllorsqueloncouvreunportefeuille,ce
quifaitlobjetdelaprochainesection
.. le gamma du call
LegammaducallestladrivedudeltaducallenregardduprixdelactionCest
doncladrivesecondeduprixducallenregardduprixdelactionLegammadu
callestgallexpressionsuivante:


S


2
C
S
2

N' d
1
( )
S T
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourjugerdelimportancedugamma,faisonscettefois-ciuneexpansiondu
seconddegrduprixducall:
dC dS +
1
2!

2
C
S
2
dS
2
dS +
1
2
dS
2
(25)
Maiscomme

S
,onpeutrcrirelquation25commesuit:
dC dS +
1
2

S
dS
2
+
1
2

S
dS
j
(
,
\
,
(
dS +
1
2
d
j
(
,
\
,
(
dS
Ensubstituantcettequationdanslquation(24),onobtient:
dS s +
1
2
d
j
(
,
\
,
(
dS 0 s
1
+
1
2
d
Cestcequonappellelatechniquedecouverturedelta-gammaLeratiodehedging
prend alors en compte les changements du delta qui surviennent la suite des
modifcations du prix de laction. La couverture delta-gamma exige donc beaucoup
moinsderquilibragesquelasimplecouverturedelta,carelleprendencompteles
changementsdudeltaauvoisinageduprixactueldelactionQuanduneactionest
trs en dehors de la monnaie ou trs dans la monnaie, son delta ne se modife que
trs peu et une couverture delta parat alors approprie. Mais une couverture delta-
gamma donnera des rsultats beaucoup plus prcis dans les autres situations Elle
exigeramoinsderquilibrages
Comment oprationnaliser la couverture gamma en pratique ? Il est certain
quepuisquelonveuteffectuerunecouvertureenplusdelacouverturedelta,ilfaut
ajouter au portefeuille delta-neutre une autre option qui puisse ramener le gamma
du portefeuille 0 Disons quune option a un gamma de !
1
et que le portefeuille
delta-neutre a une position gamma gale ! Le nombre doptions acheter ou
vendrepourrendreleportefeuillegamma-neutre,disonsn
1
,doitsatisfairelarelation
suivante:
n
1

1
+ 0 n
1

1
Mais la position delta du portefeuille sest modife la suite de cette transaction.
Cechangementestgal n
1

1
,o
1
estledeltadelanouvelleoptionintroduite
dans le portefeuille Il faut donc acheter ou vendre un nombre dactions gal ce
montantpourrendredenouveauleportefeuilledelta-neutre
13

13 Pourplusdedtailssurlacouverturegamma,voirHull(2003),p313-315
LemodledeBlacketScholesetsesapplications 11


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
.. le thta du call
Le thta du call est la drive du prix du call par rapport au temps On veut ici
mesurer la sensibilit du prix du call lcoulement du temps Le thta est gal
lexpressionsuivante:

C
t

S
2 t
,

,
]
]
]
N' d
1
( ) + Xe
rt
rN d
2
( ) (26)
Danslangledecetteformule,lethtaduncallesttoujourspositifPluslchance
dun call est loigne, plus le prix dun call est important, toutes choses gales
dailleurs. Mais certains auteurs dfnissent le thta comme la perte de valeur du call
mesure que le temps passe, cest--dire au fur et mesure que le prix du call se
rapprochedesonchancePoureux,lethtaducallestalorsngatifetilsmultiplient
alorslquation(26)par(1)
LquationdiffrentielledeBlacketScholestablitunerelationentrelestrois
grecquessuivants:ledelta,lethtaetlegammaRappelonscettequation:
C
t
+
1
2

2
S
2

2
C
S
2
+ r ( )S
C
S
rC 0
En remplaant les drives premire et seconde par les grecques appropris dans
cettequation,onobtient:
+
1
2

2
S
2
+ r ( )S rC 0
Cest l la relation qui doit tenir entre les trois grecques pour viter la prsence
darbitrage
.. le vega dun call
La volatilit du rendement de laction est sans doute le paramtre qui infuence le
plusleprixduneoptionIlnesauraityavoirdoptionssansvolatilitdurendement
dusous-jacentCertes,pourlesactionsclassiques,lavolatilitestsourcederisque
Les investisseurs exigent un rendement espr suprieur pour assumer davantage
de risque Mais pour le dtenteur dune option, il en va tout autrement Lacheteur
duneoptionesteneffetprotgpuisquesonpayoffnesauraittrengatifCertes,il
apayuneprimepoursassurercetteprotectionMaisparlasuite,cestlavolatilit
qui pourra amener le prix delaction au-del du prix dexercice pour un call et en
deduprixdexercicepourunput
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Levegaduncallestlasensibilitduncalllavolatilitimplicitedurende-
ment du prix de laction. Il se dfnit comme suit :
Vega
C

S T tN' d
1
( )
.. le rh dun call
LerhduncallreprsentesasensibilitautauxdintrtPlusletauxdintrtest
important, plus le prix dexercice actualis du call est faible; par consquent, plus
leprixducallestalorsimportantEneffet,uncallquivautunefractiondaction
fnance par un emprunt, mais le dtenteur de loption na pas emprunter tant quil
nachteparlactionauprixdexerciceIlsvitedoncdescotsdempruntdautant
plusimportantsquelestauxdintrtsontlevsLavaleurducallaugmentedonc
lasuiteduneremonteduloyerdelargent
Laformuledurhduncallestlasuivante:
Rh Rho
C
r
X T t ( ) e
r Tt ( )
N d
2
( )
.. les grecques dun put
3.6.. le delta dun put
Onpeutrecourirlaparitput-callpourcalculerledeltadunputeuropencritsur
uneactionquineversepasdedividendesOnalarelationsuivanteentreunputet
uncallenvertudelaparitput-call:
P C S + Xe
r Tt ( )
LedeltaduputestladrivedecetteexpressionparrapportS:
P
S

C
S
1 N d
1
( ) 1
Comme N(d
1
)<1,ledeltadunputesttoujoursngatifLeprixdunputestdautant
pluslevqueleprixdelactionsesitueendeduprixdexercice
LemodledeBlacketScholesetsesapplications 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
3.6.2. le gamma dun put
LegammaestladrivedudeltaparrapportauprixdelactionCest,sionveut,la
convexitduputLegammadunputestgalaugammaduncall,cest--dire:

2
P
S
2

N' d
1
( )
S T t
3.6.3. le thta dun put
Lethtadunput europen se dfnit comme suit :

P
t

S
2 t
,

,
]
]
]
N' d
1
( ) Xe
rt
rN d
2
( )
Cestlammeexpressionquelethtaduncalleuropen,cettediffrenceprsque
le second terme est prcd dun signe ngatif plutt que dun signe positif Tout
commepouruncall,letempsexerceuneffetpositifsurlepremiertermedelqua-
tion de Black et Scholes pour un put europen Mais son effet sur le second terme
est ngatif et si ce terme domine, le prix dunput peut diminuer avec sa dure En
effet,lorsquunputeuropenesttrsdanslamonnaie,sonprixpeuttreinfrieur
savaleurintrinsqueOr,siltaitexerccemoment-l,sonpayoffseraitgalsa
valeurintrinsqueUnechanceinfrieureseraitalorsunatoutpourceput
3.6.4. le vega dun put
Levegadunputestgalauvegaduncall,cest--dire:
P

S T tN' d
1
( )
3.6.5. le rh dun put
Lavaleurintrinsquedunput se dfnit comme suit :
Valeurintrinsque=Xe
r(Tt)
S
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Unehaussedutauxdintrtsetraduitdoncparunediminutiondelavaleurintrin-
squedunputIlexisteparconsquentunerelationngativeentreleprixdunput
etletauxdintrtLaformuledurhdunputestlasuivante:
P
r
X T t ( ) e
r Tt ( )
N d
2
( )
3.6.6. reprsentation graphique des grecques laide dExcel
Nous voulons reprsenter le delta et le thta laide dExcel Pour ce faire, nous
faisons appel un graphique en trois dimensions. Nous aurons donc un graphique
trois axes : x, y et z. Sur laxe des x apparatra le delta, sur laxe des y, le thta et sur
laxedesz,leprixdeloptionLafonctionExcel(Visual Basic)utilisepoureffectuer
cegraphiqueseretrouveautableau42
taBleau 4.2 Programme Visual Basic de la formule de Black et Scholes
Function BS(S, X, rf, T, sig)
d1=((Log(S / X)+(rf*T)) / (sig*Sqr(T)))+0,5*sig*Sqr(T)
d2=d1-sig*Sqr(T)
Nd1=Application.NormSDist(d1)
Nd2=Application.NormSDist(d2)
BS=S*Nd1-X*Exp(-rf*T)*Nd2
End Function
Laprocdurepoureffectuerungraphique3DdansExcelestlasuivanteIlfaut:
1)programmerlafonctionquelondsirereprsenter,parexemplelaformuledeB-S;
2)valuerlafonctionpourdiffrentesvaleurssurlesaxesxety,dolonobtientles
valeursdezDansExcel, il sufft de choisir dans le menu principal : Donnes/Table ;
3)ombragerensuitelaplageillustrerDansnotrecasilsagitdunematriceoudun
tableau. Afn de dillustrer la procdure, considrons le tableau 4.3.
Danscetableau,BSestlafonctionExcel(Visual Basic)rapportelextr-
mitdelamatricebordeparlesdiffrentesvaleurschoisiespourS(45,50,55,60)
etlchanceT(0,5,0,6,0,7,0,8,1)Leschiffreslintrieurdelamatriceontt
obtenus laide de la commande Table du menu Donnes. Il sufft dombrager la
matriceLegraphiqueentroisdimensionsobtenupartirdelamatricedutableau43
se trouve la fgure 4.3.
LemodledeBlacketScholesetsesapplications 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 4.3
S 50
x 40
rf 0,02
T 0,5 S(delta)
sig 0,2 10,528078 45 50 55 60
BS= 10,528078 0,5 5,99276998 10,5280780 15,4205802 20,4012760
0,6 6,2102591 10,6704694 15,5196519 20,4852474
Theta 0,7 6,42050151 10,8177711 15,6244643 20,5720265
0,8 6,62381612 10,9678956 15,7341227 20,6617957
1 7,01162259 11,2714266 15,9644793 20,8499877
Figure 4.3 Les grecques
1
3
5
S1
S2
S3
S4
0
5
10
15
20
25
Prix de loption
(call)
20-25
15-20
10-15
5-10
0-5
Thta: 1 = 0,5 ;
2 = 0,6 ; 3 = 0,7 ;
4 = 0,8 ; 5 = 1.
Delta : S1 = 45 $ ; S2 = 50 $ ;
S3 = 55 $ ; S4 = 60.
4. Lquation de bLack et schoLes gnraLise
LaversiongnralisedelquationdeBlacketScholes(1973)incorporeunterme
additionnelquipermetdecouvrirunepanopliedemodlesEnvertudecettegn-
ralisation,ellepourradoncsappliquerdenombreuxcasdepricingdoptionsEn
effet, la BS gnralise permet le pricing doptions europennes sur actions, sur
actionsavecdividendes,surdescontratstermedemmequelepricingdoptions
surdevisesLersultatanalytiquedelaBSgnraliseestdonnpar:
c
BSG
Se
(br )T
N(d
1
) Xe
r T
N(d
2
)
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
pour le cas de loption dachat (call) Loption de vente (put) se formule comme
suit:
p
BSG
Xe
r T
N(d
2
) Se
(br )T
N(d
1
)
Cedernierrsultatrsultedelapplicationdelaparitput-calld
1
etd
2
ontdesformes
similairesauxrsultatsclassiquesdeBSetsontdonnspar:
d
1

ln(S / X) + (b +
2
/ 2)T
T
d
2
d
1
T
obestlecotdeportage
14
,exprimenpourcentage,associladtentiondusous-
jacent En fait, cest de ce paramtre que la formule de la BS gnralise tire son
originalit En effet, selon la valeur quil prendra, plusieurs des diffrents modles
utiliss dans la pratique apparatront. En voici quelques exemples.
Sib=r,onretrouvelaformuledeBlacketScholes(1973)duprixduncall
europencritsuruneactionneversantpasdedividendesParailleurs,sib=rq,
onrenoueaveclaformuledeMertonduneoptiondontlesous-jacentverseuntaux
de dividende gal q Si b = 0, cest la formule de Black (1976) ayant trait des
options crites sur contrats terme qui apparat. Mentionnons ici que cette formule a
tcriteoriginellementpourdescontratssurmatirespremires,maisquellefutpar
lasuitetransposedesoptionseuropennessurcontratsterme,puisdesoptions
europennessurobligationsFinalement,sib=rr
e
,rtantletauxdintrtintrieur
etr
e
,letauxdintrttranger,onretrouvelaformuledeGarmanetKohlhagen(1983)
ayant trait des options sur devises Le taux dintrt tranger est en effet assimi-
lableundividendepayparlesous-jacentCestdoncunesimpletranspositionde
laversiondelaBSgnraliseavecdividendeDanscederniermodle,onnaqu
poserq=r
e
pourobtenirlaBSgnraliseavecdividendes
Ilesttrssimpledimplantercetteformuledanslelangagedeprogrammation
dExcelLetableau44fournitunefonctioncriteenVisual Basic(Excel)pourcalculer
laformuledelaBSgnralise
15

Il est remarquer que dans ce programmeVBA, on utilise la fonction indi-


catricecallput_indicateurdanslebutdegnraliserlutilisationduprogrammela
foisaupricingduncalletdunput,simplementenindiquantauprogrammelalettre
CpouruncallouPpourunputdansunecelluleExcel
14 Cost-of-carry,enanglais
15 CettefonctionsinspiredeHaugen
LemodledeBlacketScholesetsesapplications 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 4.4 Programme VBA de la formule
de Black et Scholes gnralise
Function gBlackScholes(callput_indicateur As String, S, X, T, r, b, v)
d1=(Log(S / X)+(b+v^2 / 2)*T) / (v*Sqr(T))
d2=d1-v*Sqr(T)
If callput_indicateur=C Then
gBlackScholes=S*Exp((b-r)*T)*Application.NormSDist(d1)-X*Exp(-r*T)*Application.NormSDist(d2)
ElseIf callput_indicateur=P Then
gBlackScholes=X*Exp(-r*T)*Application.NormSDist(-d2)-S*Exp((b-r)*T)*Application.
NormSDist(-d1)
End If
End Function
Pour illustrer lutilisation de ce programme, considrons lexemple suivant
Supposons que lon dsire valoriser un call Dans la cellule Excel du tableau 45,
onentreCSupposonsgalementlesdonnessuivantes:leprixdelactionSestde
100 ; le prix dexercice X, de 90 ; lchance T est fxe 0,5 an ; le taux dintrt
estde2%;bestgal0,02etv=sigma=0,3Lersultatdupricingduncallen
recourantlaBSgnraliseestprsentautableau45
taBleau 4.5 Rsultat de la formule de Black et Scholes
gnralise pour le cas dun call europen sur action
Black et Scholes gnralise
Cou P C
S 100
X 90
T 0,5
r 0,02
b 0,02
v = sigma 0,3
B&S gn. 14,5814104
En vertu de la formule de la BS gnralise, le prix du call est donc de
14,58$
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
5. La couverture deLta et La couverture
deLta-gamma en action
Tout portefeuille qui duplique exactement les fux montaires dune option devrait
comporteruncotgalauprixdeloptionCeprincipepeutsemblervident,mais
sesimplicationssontcrucialessagissantdelvaluationdesproduitsdrivsLune
des conditions la duplication parfaite des fux montaires dune option est que les
marchs fnanciers doivent tre complets. Selon Rebonato (2004)
16
, si les marchs
fnanciers sont incomplets, il nexiste plus un prix unique pour lactif contingent et
cestalorsloffreetlademandedoptionsquiimposerontunprixetnonlephnomne
delarbitrageLeprixdelactifcontingentestalorsdterminsimultanmentavecle
prixdurisqueIlestnoterquedanslemodledeBlacketScholes,lejeudeloffre
et de la demande ne joue aucun rle puisque le prix dun actif contingent est alors
dterminpararbitrage,cest--direenrecourantauportefeuilledupliquant
.1. couverture delta
Nous supposons donc que les marchs fnanciers sont complets. Nous voulons dupli-
queruncalleuropen(c)partirdunportefeuillecomposdactions(S)etdemprunt
BCeportefeuillescrit:
c hS B
ohestleratiodecouverture
Onpeutrcrirecettequationcommesuit
hS B c 0 (27)
Onveutcalculerleratiodehedgingh,quiliminelerisquedeceportefeuilleUne
expansiondeTaylordupremierdegrpourcdonne:
c S
o
C
S
est le delta du call, soit la sensibilit du prix call son sous-jacent qui

est gal N(d


1
)danslemodledeBlacketScholes
Ona:
hS B c hS B S
16 RRebonato(2004),Volatility and Correlation,2
e
dition, iley, New York.
LemodledeBlacketScholesetsesapplications 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Enregroupantlestermes,onobtient:
h ( ) S + B
Pourliminerlerisqueduportefeuille,soitAS,ilfautque:
h 0 h
Ledelta-hedgingestdynamiqueIlfautcontinuellementajusterledeltaducallpour
avoirunportefeuillecouvert
ReprenonsleportefeuillecouvertVdonnparlquation(27),portefeuillequi
rpliqueuncall. linstant 0, il doit tre gal :
V
0

0
S
0
B
0
c
0
0 (28)
Ce portefeuille est autofnanc en ce sens que lcart entre le portefeuille
dactionsetlempruntprovientdelaprimetouchelorsdelaventeducall,soitc
0
,
quiconstitueleprixdeloption
linstant 1, le delta du call se sera modif et le portefeuille couvert devra
tre modif comme suit :
V
1

1
S
1
B
1
c
1
0
Lavariationdeladetteseragale:
B
1
B
0

1
S
1

0
S
0
c
Or,envertuduneexpansiondeTaylordupremierdegr:
c S
0
S
1
S
0
( )
Onadonc:
B
1
B
0

1
S
1

0
S
0

0
S
1
+
0
S
0

1

0
( )S
1
Autrementdit,lavariationdelempruntestgaleaumontantquilfautinvestirdans
lactifsous-jacentpourdemeurercouvertEtlondoitrptercetteprocdurechaque
priodepourdemeurercouvert
quoi sera gal le portefeuille de couverture lchance T de loption. Sa
valeurseratoujoursnullepuisquilatrquilibrcontinuellementOnaura:
V
T

T
S
T
B
T
c
T
0
Si loption est hors-jeu, cest--dire que c
T
est nul,
T
sera alors nul et la dette
accumuleB
T
seranulleParcontre,siloptionestenjeu,
T
seraalorsgal1et
c
T
vaudrasavaleurintrinsque:
c
T
S
T
X
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
oXestleprixdexercicedeloptionLadetteseraalors:
B
T
S
T
S
T
X ( ) X
Celui qui a crit le call reoit alors de lacheteur le prix dexercice X, ce qui lui
permetderemboursersadette
Une faon de vrifer si le delta-hedgingreproduitbienlavaleurdeloption
dachattellequedonneparlquationdeBlacketScholesestdercrirelquation
(28)commececi:

B
0
+ C
0

0
S
0
(29)
On calcule le terme de gauche partir de celui droite car on ne connat pas alors C
0

Etchaquesimulation,onajoutecemontantlajout(ouleretrait)ladetterequis
pourmaintenirlapositioncouverteParexemple,linstant1,onaura:
B
0
+ C
0
+ S
1

1

0
( )
17
la fn de la simulation, on pourra identifer C
0
, car on connatra alors la dette
fnale. Si loption est hors-jeu son chance, alors la dette est nulle, comme on la
vuauparavant,etlemontantsimulestgalC
0
Parcontre,siloptionestenjeu
lchancedeloption,ladetteestgaleXetlemontantsimulestgal(X+C
0
)
Il suffra donc de soustraire X du montant simul pour rcuprer le prix de loption
dachat
Nous voulons reproduire le calleuropen,dontlesparamtressontlessuivants,
partirdudelta-hedging:
s = 00
x = 00
t = 0,25
r = 0 %
sigma = 0,2
SelonlaformuledeBlacketScholes,leprixdececallestde3,98$Cestceprix
que devra nous permettre de rcuprer la simulation. Nous serons alors mme de
jugerdelaprcisiondelacouverture
17 On suppose ici pour simplifer que le taux dintrt est nul.
LemodledeBlacketScholesetsesapplications 11


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lechiffriersuivantdtaillelescalculsdenossimulations:
O P Q R S T
T
0
1
2
3
4
5
6
7
8
9
10
11
12
13
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
0,25
0,230779
0,211538
0,192308
0,173077
0,153846
0,134615
0,115385
0,096154
0,076923
0,057692
0,038462
0,019231
0
S
100
98,06560526
99,24486065
101,1140627
101,9116218
98,76369031
103,3021194
104,7232447
97,6471412
98,12958262
100,44124
95,75480731
96,22661618
N(d1)
0,51993881
0,4380322
0,48547751
0,56756306
0,60610537
0,45250087
0,68418106
0,61235501
0,36207687
0,47610531
0,35605396
0,55245198
0,06054709
0
diff. delta
0,519939
0,081636
0,047174
0,082086
0,038542
0,153604
0,23168
0,071826
0,250278
0,114028
0,120051
0,196398
0491905
0,060547
B+C
51,99388
8,005643
4,681806
8,300003
3,92791
15,17056
23,93305
7,306378
24,43894
11,34653
11,78059
19,72646
47,10226
5,826241
4,280025
Nous avons divis la priode de simulation en trimestres. T varie de 0,25 0,
soit la date de la fn de la simulation. Nous avons simul le prix de laction sur les
13 semaines partir du mouvement brownien gomtrique suivant, o le trend est
nulpuisquelonsupposequeletauxdintrtestnul:
dS Sdz S dt
Le programme de la simulation du prix de laction apparat au tableau 4.6. noter
quelavolatilitdelactionestde0,2selonlesdonnesduproblme
taBleau 4.6 Simulation dun portefeuille dupliquant un call
Sub delta1( )
s=100
sigma=0.2
T=0.25
N=13
dt=T / N
s=100
Range(Stock1).Offset(0, 0)=s
For i=1 To N
s=s+s*Application.WorksheetFunction.NormSInv(Rnd)*sigma*Sqr(dt)
Range(stock1).Offset(i, 0)=s
Next i
End Sub
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Puis nous calculons les N(d
1
)correspondantcesprixdanslacolonneRdu
chiffrierenrecourantlaformuledeBlacketScholesPourlacelluleR5,T=0,25
PourlacelluleR6,T=0,23,etainsidesuiteDanslacolonneS,nouscalculonsla
diffrencedesdeltasdunepriodelautre
DanslacolonneT,nousappliquonslaformule(29)demanirecalculerla
valeurducallSelonlesexplicationsantrieures:
T5=S5*Q5
T6=S6*Q6
Nous cumulons les rsultats de la colonne T et nous obtenons une valeur de 4,28 $
pour le call en regard de sa valeur donne par lquation de Black et Scholes, soit
3,98$
Nous avons repris lexercice 50 fois et nous avons report les rsultats sur
lhistogramme que lon retrouve la fgure 4.4.
Figure 4.4
0
2
4
6
8
1 2 3 4 5 6
Series: N13
Sample 1 50
Observations 50
Mean 3,981000
Median 3,880000
Maximum 6,490000
Minimum 1,000000
Std. Dev. 1,014149
Skewness 0,033614
Kurtosis 3,638650
Jarque-Bera 0,859152
Probability 0,650785
Lamoyennedessimulationsestbiencentresurlavraievaleurducall,soit
3,98$Maisnousconstatonsquelcart-type,hauteurde1,01,estimportantLes
valeursestimesstirentde1$6,49$Certes,unrquilibragelasemainecomme
sur cette fgure est loin dtre continu, comme lexige la thorie.
Au lieu de diviser le trimestre en semaines comme dans la fgure prcdente,
nous le scindons en 1 000. Nous refaisons le mme exercice et nous obtenons la
fgure 4.5.
LemodledeBlacketScholesetsesapplications 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 4.5
Series: N1000
Sample 1 50
Observations 50
Mean 4,006200
Median 3,990000
Maximum 4,170000
Minimum 3,740000
Std. Dev. 0,076556
Skewness 0,172873
Kurtosis 4,743904
Jarque-Bera 6,584878
Probability 0,037163
0
4
8
12
16
3,8 3,9 4,0 4,1
Lamoyennedessimulationsestsommetoutegaleauprixdonnparlquationde
BlacketScholesetlcart-typedelasimulationsestbeaucouprduitIlnestplus
quede0,07Lavaleurminimaleestde3,74etlavaleurmaximalede4,17,desvaleurs
sommetoutetrsrapprochesdelaciblede3,98$
.. couverture delta-gamma
OnintroduituneautreoptionpourcouvrirlerisquerelilvolutiondugammaOn
a,pourlavaleurduportefeuille:
c
1
+ hS + kc
2
B 0
Onveutcalculerhetk,quiliminentlerisqueduportefeuilleEntermesdevariations,
leportefeuillescrit:
c
1
+ hS + kc
2
B 0
UneexpansiondeTaylorduseconddegrdonne:
c
1

1
S +
1
2

1
S
2
c
2

2
S +
1
2

2
S
2
Ensubstituantcesvaleursdansleportefeuilleetenregroupantlestermes,ona:

1
+ h + k
2
( ) S +
1
2

1
+ k
2
( ) S
2
+ B 0
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pour faire disparatre les facteurs de risque ASetAS
2
,ilfautque
18
:

1
+ h + k
2
0 h
1
k
2

1
+ k
2
0 k

1

2
Onpeuteffectuerlemmeexercicequedanslecasdudelta-hedging,cest--
diresimulersurlavaleurdeladetteetleprixducallcouvrirdefaonrcuprer
enboutdepisteleprixducall et vrifer la justesse de la simulation.
chaque priode, il sufft de ramener 0 le portefeuille suivant :
V hS c
1
+ kc
2
B 0
o k

1

2
et h
1
k
2

la fn de la simulation, soit lchance de loption c
1
,ona:

1
0 k 0
h
1
Loption c
2
disparat donc du portefeuille de couverture. Elle na servi qu
rendre plus prcise lopration de couverture Elle a jou le rle de variable de
contrle
Siloption1estenjeusadatedchance,ona:
h
1
1
V
T
S
T
B
T
C
T
0
EtpuisqueC
T
=S
T
X,onretrouveB=XSiparailleursloption1esthors-jeu
sonchance,o
1
=0etB=0CommenousallonssimulersurB+c
1
(0),nousallons
rcuprer la fn de la simulation c
1
(0)+Xsiloptionestenjeuetc
1
(0)siloption
esthors-jeuEtencomparantlavaleursimuledeloptionavecsavaleurdcoulant
delquationdeBlacketScholes,onpourrajugerdelajustessedelacouverture
Les deux options qui servent lopration de couverture apparaissent au
tableau 47 Les paramtres de loption couvrir apparaissent gauche du tableau
(c
1
) et celle qui sert de variable de contrle (c
2
) apparat droite. c
2
a donc une
18 noter que o= N(d
1
), gamma
n d
1
( )
S T
o n d
1
( )
1
2
e

1
2
d
1
2

LemodledeBlacketScholesetsesapplications 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
chanceplusloignequec
1
:cestllaseulediffrenceentrelesdeuxoptionsLe
programmeVisual Basicayanttraitaucalculdugammaduneoptionseretrouveau
tableau48
taBleau 4.7 Les deux options de la couverture delta-gamma
1
2
3
4
5
6
7
8
9
10
11
AB AC AD AE AF
S 100 S 100
X 100 X 100
T 0,25 T 0,5
rf 0 rf 0
sigma 0,2 sigma 0,2
Prix call 3,987761 5,63719778
N(d1) 0,519939 0,52818599
d1 0,05 0,07071068
n(d1) 0,398444 0,39794617
gamma 0,039844 0,02813904
taBleau 4.8 Programme Visual Basic du calcul du gamma dune option
Function done(s, x, T, rf, sigma)
Num=Log(s / x)+(rf+0.5*sigma^2)*T
done=Num / (sigma*Sqr(T))
End Function
Function gamma(s, x, T, rf, sigma)
nd1=(1 / Sqr(2*Application.Pi))*Exp(-0.5*done(s, x, T, rf, sigma)^2)
gamma=nd1 / (s*sigma*Sqr(T))
End Function
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Voici une premire simulation pour laquelle loption 1 fnit en jeu.
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
Y Z AA AB AC AD AE AF AG AH AI
T1 T2 S gamma1 gamma2 k N(d1) N(d2) h c2
0 0,25 0,5 100 0,039844 0,028139 1,415982 0,51993881 0,528186 0,2279633 5,637198
1 0,230769 0,480769 103,0534 0,03775 0,026795 1,408822 0,6409845 0,612648 0,2221274 7,270268
2 0,211538 0,461538 103,6937 0,037961 0,026771 1,417962 0,67014073 0,631144 0,2247972 7,558338
3 0,192308 0,442308 105,6781 0,034307 0,025272 1,357501 0,74970066 0,684996 0,1801819 8,754715
4 0,173077 0,423077 109,958 0,021672 0,020337 1,065649 0,88149564 0,786624 0,0432306 11,80856
5 0,153846 0,403846 108,6249 0,025739 0,022387 1,149737 0,86298722 0,762532 0,0137247 10,67765
6 0,134615 0,384615 108,9499 0,024149 0,022232 1,086202 0,88586417 0,774303 0,04481426 10,82574
7 0,115385 0,365385 104,7181 0,043504 0,028583 1,522037 0,76194436 0,670679 0,258854 7,646751
8 0,096154 0,346154 105,7156 0,039587 0,027851 1,421417 0,82310201 0,702359 0,1752422 8,211329
9 0,076923 0,326923 105,0487 0,045018 0,029483 1,526909 0,82008246 0,687187 0,2291898 7,625531
10 0,057692 0,307692 110,1638 0,009429 0,021222 0,444305 0,97927643 0,823295 0,61348241 11,39213
11 0,038462 0,288462 106,4903 0,025597 0,028433 0,900234 0,94768721 0,738628 0,28274895 8,403242
12 0,019231 0,269231 110,7098 0,000148 0,020381 0,007248 0,99988439 0,849033 0,99373053 11,65313
13 0,00001 0,25 111,6494 0 0,018404 0 1 0,875327 1 12,37113
Lvolutioncorrespondantedelavaleurdeladetteestgale:

AL A
N
AO AP
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
Dette + c1(0)
14,8141546
0,547898255
0,20814157
4,179352213
21,11060946
5,28002219
5,685465756
28,4489044
8,001270268
4,85053758
80,50515746
31,3489523
68,29900567
0,609714763
103,9877612
var. c
0,610199
2,007222
1,294181
0,883071
0,695599
0,773009
0,085875
0,651448
0,110818
0,1465
0,096793
0,002005
6,6E-07
h1s1-h0s0
1,1713048
0,387572
1,1111937
3,0513882
0,051438
0,199386
5,1172703
10,755058
0,0860385
5,5473621
12,76552
0,8283964
0,0011948
h1c1-k0c0
0,3996105
3,4376176
1,7247544
0,890408
0,2977846
0,6031967
0,395684
0,1845609
0,2298561
0,7514918
1,1187401
0,0539844
0,37E-05
DtaillonslescalculsLacelluleAL15estgaleladettelaquellesajoute
le prix du call couvrir, c1, que nous devons rcuprer la fn de la simulation si
leportefeuilleconstiturpliquebiencecallEnvertudesquationsprcdentes,le
montantquisetrouvedanslacelluleAL15estgal:(hS+kc
2
),cequientermes
denotrechiffrier,correspond:
AL15=(AH15*AB15)+(AE15*AI15)
Parlasuite,lavariationdeladetteestgale:
dette = c
1
+ (hS) + (kc
2
)
LemodledeBlacketScholesetsesapplications 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lesvariationsdec
1
sont calcules partir de la formule de Black et Scholes. titre
dexemple,lacelluleAL16,onretrouvelaformulesuivante:
AL16 = AN16 + AO16 + AP16
etainsidesuite
On voit la cellule AL29 que la valeur fnale de la dette et du callestde103,98
Enretranchantleprixdexercice,onretrouvebiensonprixdonnparlquationde
Black et Scholes, soit 3,98$ La couverture savre donc juste Un cas pour lequel
loption 1 fnit hors-jeu se lit au tableau 4.9.
Lvolutiondeladetteetducallestalorslasuivante:
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
A L
Dette + C1(0)
14,8141546
1,36767954
0,446876645
4,804632842
5,091181355
18,6602265
2,93862763
0,9406797
10,6353058
13,8811506
8,380532123
25,50434982
1,718707272
0,008693941
3,987761168
OnretrouvealorsdirectementleprixducalldonnparlquationdeBlacketScholes,
soit 3,98$ On en conclut donc quune couverture delta-gamma est beaucoup plus
prcisequunecouverturedelta
Nous pouvons galement mesurer la performance dune couverture delta
et dune couverture delta-gamma en couvrant loption dachat vendue la premire
semaine
19
etenexaminantlavaleurduportefeuillegrpassivementaprsunesemaine
etaprs13semaines,puisqueloptioncouverteaiciunechancede13semaines
Onimaginealorsdiversprixdelactionetonexaminelvolutionduportefeuillesous
cesdiversprixPoureffectuercescalculs,nousnousservonsdesdeuxcallsquise
retrouventautableau410Laseulediffrenceentrecesdeuxcallsestlchance
19 OnretrouvecetteapprochechezJacksonetStaunton(2001),p190-192
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
t
a
B
l
e
a
u

4
.
9

S
i
m
u
l
a
t
i
o
n

d

u
n
e

o
p

r
a
t
i
o
n

d
e

c
o
u
v
e
r
t
u
r
e

p
o
u
r

l
a
q
u
e
l
l
e

l

o
p
t
i
o
n

t
e
r
m
i
n
e

h
o
r
s
-
j
e
u
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
Y
Z
A
A
A
B
A
C
A
D
A
E
A
F
A
G
A
H
A
I
T
1
T
2
S
g
a
m
m
a
1
g
a
m
m
a
2
k
N
(
d
1
)
N
(
d
2
)
h
c
2
0
0
,
2
5
0
,
5
1
0
0
0
,
0
3
9
8
4
4
0
,
0
2
8
1
3
9
1
,
4
1
5
9
8
2
0
,
5
1
9
9
3
8
8
1
0
,
5
2
8
1
8
6

0
,
2
2
7
9
6
3
3
5
,
6
3
7
1
9
8
1
0
,
2
3
0
7
6
9
0
,
4
8
0
7
6
9
1
0
0
,
2
3
5
8
0
,
0
4
1
3
1
7
0
,
0
2
8
5
9
4
1
,
4
4
4
9
5
5
0
,
5
2
8
9
1
7
7
7
0
,
5
3
4
3
9
4

0
,
2
4
3
2
5
7
3
5
,
6
5
3
1
0
5
2
0
,
2
1
1
5
3
8
0
,
4
6
1
5
3
8
9
6
,
7
7
1
6
5
0
,
0
4
2
7
0
4
0
,
0
2
9
8
8
7
1
,
4
2
8
8
3
7
0
,
3
7
7
9
9
3
4
8
0
,
4
3
1
0
9
7

0
,
2
3
7
9
7
3
1
3
,
8
6
9
2
0
6
3
0
,
1
9
2
3
0
8
0
,
4
4
2
3
0
8
1
0
5
,
4
8
3
5
0
,
0
3
4
8
5
3
0
,
0
2
5
4
8
6
1
,
3
6
7
5
2
5
0
,
7
4
2
9
6
9
0
9
0
,
6
8
0
0
5
5

0
,
1
8
7
0
2
3
8
8
,
6
2
1
8
5
1
4
0
,
1
7
3
0
7
7
0
,
4
2
3
0
7
7
1
0
6
,
8
2
0
6
0
,
0
3
1
6
8
5
0
,
0
2
4
3
7
3
1
,
3
0
0
0
0
7
0
,
7
9
8
0
2
4
8
3
0
,
7
1
6
4
2

0
,
1
3
3
3
2
6
4
9
,
4
4
7
4
1
5
0
,
1
5
3
8
4
6
0
,
4
0
3
8
4
6
1
0
0
,
4
4
5
3
0
,
0
5
0
3
9
8
0
,
0
3
1
0
9
8
1
,
6
2
0
6
0
2
0
,
5
3
8
1
8
4
7
1
0
,
5
3
9
2
3
5

0
,
3
3
5
7
0
0
6
5
,
3
0
4
0
8
5
6
0
,
1
3
4
6
1
5
0
,
3
8
4
6
1
5
1
0
0
,
9
7
3
5
0
,
0
5
3
0
8
2
0
,
0
3
1
5
4
2
1
,
6
8
2
8
6
3
0
,
5
6
6
9
8
7
0
,
5
5
5
7
1
8

0
,
3
6
8
2
0
9
8
5
,
4
7
1
0
2
7
7
0
,
1
1
5
3
8
5
0
,
3
6
5
3
8
5
9
7
,
3
8
5
3
1
0
,
0
5
6
5
9
6
0
,
0
3
3
4
6
1
1
,
6
9
1
4
0
1
0
,
3
6
0
9
1
0
8
4
0
,
4
3
6
9
4
9

0
,
3
7
8
1
4
4
4
3
,
5
6
3
3
1
8
8
0
,
0
9
6
1
5
4
0
,
3
4
6
1
5
4
9
3
,
9
6
9
8
7
0
,
0
4
2
6
8
8
0
,
0
3
2
3
1
1
1
,
3
2
1
1
7
7
0
,
1
6
5
5
5
7
4
2
0
,
3
1
9
2
7
4

0
,
2
5
6
2
6
0
5
2
,
1
5
5
3
6
9
9
0
,
0
7
6
9
2
3
0
,
3
2
6
9
2
3
9
6
,
1
5
2
9
9
0
,
0
5
9
3
7
9
0
,
0
3
4
8
3
1
,
7
0
4
8
3
8
0
,
2
4
8
4
1
4
4
2
0
,
3
8
7
4
8
6

0
,
4
1
2
1
8
7
3
2
,
8
0
8
6
4
6
1
0
0
,
0
5
7
6
9
2
0
,
3
0
7
6
9
2
9
4
,
6
3
4
0
2
0
,
0
4
6
6
5
4
0
,
0
3
4
4
6
8
1
,
3
5
3
5
6
5
0
,
1
3
0
4
8
8
4
0
,
3
2
9
3
6
3

0
,
3
1
5
3
2
5
4
2
,
1
4
2
5
1
7
1
1
0
,
0
3
8
4
6
2
0
,
2
8
8
4
6
2
9
0
,
2
0
2
0
2
0
,
0
0
3
7
4
6
0
,
0
2
7
3
0
7
0
,
1
3
7
1
9
3
0
,
0
0
4
5
3
5
0
5
0
,
1
8
2
3
9
6

0
,
0
2
0
4
8
8
3
0
,
9
1
5
9
3
1
1
2
0
,
0
1
9
2
3
1
0
,
2
6
9
2
3
1
8
8
,
8
5
9
5
9
1
,
9
8
E
-
0
5
0
,
0
2
3
9
8
2
0
,
0
0
0
8
2
6
1
,
0
9
4
2
E
-
0
5
0
,
1
3
8
6
7
9

0
0
0
1
0
3
5
0
,
6
2
1
5
9
1
1
3
0
,
0
0
0
0
1
0
,
2
5
8
8
,
1
1
9
7
3
0
0
,
0
2
1
6
4
8
0
0
0
,
1
1
2
2
3
3
0
0
,
4
6
0
0
4
4
LemodledeBlacketScholesetsesapplications 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 4.10 Donnes du problme de couverture
1
2
3
4
5
6
7
8
9
10
11
BI BJ BK B
L
BM
S 100 S 100
X 100 X 100
T 0,25 T 0,5
rf 0,02 rf 0,02
sigma 0,2 sigma 0,2
Prix du call (c1) 4,2321656 Prix du call (c2) 6,120657
N( d1) 0,5398279 N( d1) 0,556231
d1 0,1 d1 0,141421
n(d1) 0,3969525 n(d1) 0,394973
gamma 0,0396953 gamma 0,027929
Examinons dabord une couverture delta gre passivement aprs une semaineAu
momentdelacouverture,leportefeuilleVvaut:
V=hSBc
1
Lesdtailsdelacouverturepassiveseretrouventselisentautableau411
Lapremiresemaine,onannuleVenutilisantledeltaducallcemoment-l,soit
0,53Onaalorslquationsuivante:
V 0, 53 100 ( ) 49, 75 4, 23 0
Danscettequation,4,23reprsentelavaleurducalllorsdesonmissionet49,75
est la dette contracte pour fnancer la valeur du portefeuille dactions diminue de la
primeencaissePuisonmaintientceportefeuillepassifjusqulchanceducall
Ladettesaccumuleaurythmedesintrtspayer,soit:
B
t
B
t1
e
r
52
taBleau 4.11 Couverture delta passive dun call de trois mois
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
AQ AR AS AT AU AV AW AX AY
S T1 T2 c N( d1) B h V
100 0 0,25 0,5 4,232166 0,539828 49,7506239 0,539828 0
100 1 0,230769 0,480769 4,057268 49,7697625 0,155759
100 2 0,211538 0,461538 3,875664 49,7889084 0,318217
100 3 0,192308 0,442308 3,686419 49,8080616 0,488308
100 4 0,173077 0,423077 3,488359 49,8272223 0,667209
100 5 0,153846 0,403846 3,27997 49,8463903 0,856429
100 6 0,134615 0,384615 3,059252 49,8655656 1,057972
100 7 0,115385 0,365385 2,823454 49,8847484 1,274587
100 8 0,096154 0,346154 2,568618 49,9039385 1,510233
100 9 0,076923 0,326923 2,28867 49,923136 1,770983
100 10 0,057692 0,307692 1,973386 49,9423409 2,067063
100 11 0,038462 0,288462 1,602832 49,9615532 2,418404
100 12 0,019231 0,269231 1,125557 49,9807729 2,87646
100 13 0,00001 0,25 0,025241 50 3,957548
150 Finance computationnelle et gestion des risques
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
T
a
b
l
e
a
u

4
.
1
2

C
o
u
v
e
r
t
u
r
e

d
e
l
t
a
-
g
a
m
m
a

p
a
s
s
i
v
e

d

u
n

c
a
l
l

d
e

t
r
o
i
s

m
o
i
s
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
B
J
B K
B L
B
M
B
N
B
O
B
P
B
Q
B
R
B
S
B
T
B
U
B V
B
W
S
T
1
T
2
c
1
d
e
l
t
a
1
c
2
d
e
l
t
a
2
g
a
m
m
a
1
g
a
m
m
a
2
k
h
B
V
1
0
0
0
0
,
2
5
0
,
5
4
,
2
3
2
1
6
6
0
.
5
3
9
8
2
8
6
,
1
2
0
6
5
7
0
,
5
5
6
2
3
1
0
,
0
3
9
6
9
5
0
,
0
2
7
9
2
9
1
,
4
2
1
3
0
2

0
,
2
5
0
7
4
5

2
0
,
6
0
7
3
8
0
1
0
0
1
0
,
2
3
0
7
6
9
2
3
1
0
,
4
8
0
7
6
9
4
,
0
5
7
2
6
8
5
,
9
9
3
1
2
1

2
0
,
6
1
5
3
1
0
,
0
0
1
5
5
8
1
0
0
2
0
,
2
1
1
5
3
8
4
6
2
0
,
4
6
1
5
3
8
3
,
8
7
5
6
6
4
5
,
8
6
3
3
4
4

2
0
,
6
2
3
2
4
0
,
0
0
6
6
3
9
1
0
0
3
0
,
1
9
2
3
0
7
6
9
2
0
,
4
4
2
3
0
8
3
,
6
8
6
4
1
9
5
,
7
3
1
1
8
3

2
0
,
6
3
1
1
7
0
,
0
1
5
9
7
8
1
0
0
4
0
,
1
7
3
0
7
6
9
2
3
0
,
4
2
3
0
7
7
3
,
4
8
8
3
5
9
5
,
5
9
6
4
8
4

2
0
,
6
3
9
1
1
0
,
0
3
0
5
2
7
1
0
0
5
0
,
1
5
3
8
4
6
1
5
4
0
,
4
0
3
8
4
6
3
,
2
7
9
9
7
5
,
4
5
9
0
7
3

2
0
,
6
4
7
0
5
0
,
0
5
1
5
5
3
1
0
0
6
0
,
1
3
4
6
1
5
3
8
5
0
,
3
8
4
6
1
5
3
,
0
5
9
2
5
2
5
,
3
1
8
7
5
5

2
0
,
6
5
4
9
9
0
,
0
8
0
7
7
9
1
0
0
7
0
,
1
1
5
3
8
4
6
1
5
0
,
3
6
5
3
8
5
2
,
8
2
3
4
5
4
5
,
1
7
5
3
1
2

2
0
,
6
6
2
9
4
0
,
1
2
0
6
4
6
1
0
0
8
0
,
0
9
6
1
5
3
8
4
6
0
,
3
4
6
1
5
4
2
,
5
6
8
6
1
8
5
,
0
2
8
4
9
3

2
0
,
6
7
0
8
9
0
,
1
7
4
7
5
8
1
0
0
9
0
,
0
7
6
9
2
3
0
7
7
0
,
3
2
6
9
2
3
2
,
2
8
8
6
7
4
,
8
7
8
0
1
7

2
0
,
6
7
8
8
4
0
,
2
4
8
7
8
6
1
0
0
1
0
0
,
0
5
7
6
9
2
3
0
8
0
,
3
0
7
6
9
2
1
,
9
7
3
3
8
6
4
,
7
2
3
5
5
8

2
0
,
6
8
6
8
0
,
3
5
2
4
9
2
1
0
0
1
1
0
,
0
3
8
4
6
1
5
3
8
0
,
2
8
8
4
6
2
1
,
6
0
2
8
3
2
4
,
5
6
4
7
3
7

2
0
,
6
9
4
7
5
0
,
5
0
5
2
7
1
1
0
0
1
2
0
,
0
1
9
2
3
0
7
6
9
0
,
2
6
9
2
3
1
1
,
1
2
5
5
5
7
4
,
4
0
1
1
1
4

2
0
,
7
0
2
7
1
0
,
7
5
7
9
4
9
1
0
0
1
3
0
,
0
0
0
0
1
0
,
2
5
0
,
0
2
5
2
4
1
4
,
2
3
2
1
6
6

2
0
,
7
1
0
6
8
1
,
6
2
6
1
0
2
Le modle de Black et Scholes et ses applications 151
2006 Presses de lUniversit du Qubec
dice Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
les intervalles de calculs tant dune semaine. Certes, la valeur du call diminue au fur
et mesure que lon se rapproche de lchance. Comme le prix de laction demeure
100 dans cette simulation, la position nette de linvestisseur mesure par V est de
3,95 $, ce qui correspond grosso modo la prime touche par celui-ci au moment de
la couverture, loption ayant dans ce cas termin hors-jeu. Certes, les intrts pays
par linvestisseur se retranchent la prime touche lors de la couverture.
Envisageons maintenant une couverture passive delta-gamma. Le portefeuille
V est alors gal :
V = hS c
1
+ kc
2
B
o k =

1

2
et h =
1
k
2
. Les dtails du calcul de la couverture delta-gamma
passive se lisent au tableau 4.12.
Lors de la couverture initiale, le portefeuille V est gal :
V = 0, 25 100 ( ) 4, 32 + 1, 42 6,12 ( ) 20, 60 ( ) = 0
On voit que la couverture delta-gamma du call c
1
est bien diffrente de la couverture
delta. Dabord, h est ngatif, cest--dire quon vend dcouvert des actions pour
couvrir c
1
. Ensuite, on doit effectuer un prt plutt quun emprunt pour couvrir ledit
call.
la gure 4.6, on retrouve le portefeuille V sous une couverture delta et sous
une couverture delta-gamma aprs une semaine, le portefeuille V nayant pas t
ajust. On poursuit ici en effet une stratgie passive plutt quune stratgie active ou
dynamique. Sur laxe des abscisses apparat un intervalle de prix raisonnable pour
les variations du prix de laction aprs une semaine. Comme on peut le constater, la
couverture delta peut donner lieu des ux montaires non ngligeables si le prix
de laction varie sensiblement dune semaine lautre. Pour sa part, la couverture
delta-gamma est beaucoup plus able. Les ux montaires sont quasi nuls quelle que
soit lvolution du prix de laction dune semaine lautre.
Figure 4.6 volution de V pour une couverture delta
et une couverture delta-gamma aprs une semaine
2
1,5
1
0,5
0
0,5
90 95 100 105 110
Prix de laction
V
a
l
e
u
r

d
e

V
Delta
Delta-gamma
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Quen est-il du portefeuille V sil est gr passivement aprs 13 semaines ? On
remarque la fgure 4.7 que le portefeuille V couvert initialement par la procdure
deltapeutsubirdespertesapprciablessileprixdelactionsloignebeaucoupdu
prix initial, et ce, quel que soit le signe de la variation Par ailleurs, la couverture
delta-gammaassureuneprotectionbeaucoupplusgrande
Lvolution de V en fonction du prix de laction sassimile la stratgie
du papillon que nous avons examine au chapitre 1 Le second call agit titre de
protectionlorsdunevariationapprciableduprixdelaction,quecettevariationsoit
haussireoubaissireLesailesdelastratgieserelventlorsquelavariationduprix
delactionestimportante,etellesprotgentdelasorteleportefeuilleV
Figure 4.7 volution de V pour une couverture delta
et une couverture delta-gamma aprs 13 semaines
Prix de laction
Delta
Delta-gamma
V
a
l
e
u
r

d
e

V
15
10
5
0
5
70 80 90 100 110 120 130
rsum
Dans ce chapitre, nous avons prsent une formule qui devait rvolutionner la fnance
moderne: celle de Black et Scholes Cette formule a exerc un tel impact sur les
marchs fnanciers que lon croit, tort ou raison, que les prix du march des options
sonttablisenconformitaveclaformuledeBlacketScholespluttquenvertudu
jeulibredeloffreetdelademande!CestdoncdirequelpointlaformuledeBlack
et Scholes sest ancre trs fermement dans les marchs fnanciers.
Commenousavonspuleconstater,lesgrecques,quisonttablispartirde
la formule de Black et Scholes et qui servent mesurer la sensibilit des prix des
options ses divers paramtres, jouent un trs grand rle dans la couverture dun
portefeuillecontrelerisqueauquelilestexposLedeltaestparticulirementimpor-
tantpourobtenirunportefeuilledelta-neutre,cest--direquinestplussensibleaux
variations court terme du prix de laction Mais, pour demeurer delta-neutre, un
telportefeuilledoittresoumisunestratgiedynamique,encesensquildoittre
rajust constamment, car le delta de loption est en constante volution Une telle
stratgiepeutdonnerlieudesfraisdetransactiononreux,aupointdeneplustre
LemodledeBlacketScholesetsesapplications 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
applicablePourpallierceproblme,onpeutintgrerlegammalorsducalculde
la couverture, ce grec reprsentant la convexit du prix de loption On aura alors
unportefeuilledelta-gammaneutreMaiscettecouvertureexigequelonintroduise
une autre option dans le portefeuille de manire ramener la position gamma du
portefeuillezro
Finalement,nousavonsconstatquelagnralisationdelaformuledeBlack
et Scholes permettait de valoriser une grande varit doptions europennes, autres
quelesplain-vanilla.Cetteformulepermeteneffetdecalculerlesprixdescatgories
suivantes doptions europennes: options crites sur une action qui verse un divi-
dende, options sur devises, options sur contrats terme et options sur obligations,
cettedernirecatgorientantquunesimpletranspositiondelaformuledesoptions
surcontratstermeLaformuledeBlacketScholesfaitdoncmontredunegrande
fexibilit, mais elle prsente galement des dfauts, comme nous serons mme de
leconstateraucoursdesprochainschapitresDabord,ellesupposequelavolatilit
du rendement de laction est constate, ce qui donne lieu une sous-valuation des
actions qui sont sensiblement en dehors de la monnaie On dsigne ce phnomne
sous le vocable smile, bien que le smile concerne davantage les options crites sur
desdevisesquesurdesactionsEnsuite,laformuledeBlacketScholessupposeque
la distribution des rendements de laction est gaussienne, ce qui ne semble pas se
vrifer pour les rendements journaliers et intrajournaliers, cest--dire les rendements
mesurs haute frquence. Incidemment, les deux dfciences du modle de Black et
ScholesquenousvenonsdesignalersonteninteractionLesmilequelonremarque
ductdesoptionssurdevisesseraiteneffetcausparunedistributionleptokurtique
desrendementsdesprixdesdevises
bibLiographie
BlaCk,FetMsCholes(1973),ThePricingofOptionsandCorporateLiabilities,Journal
of Political Economy, vol81,p637-659
De la granville, O (2001), Bond Pricing and Portfolio Analysis, The MIT Press,
Cambridge
DuBois,MetIgirerD-potin(2001),Exercices de thorie fnancire et de gestion de porte-
feuille,DeBoeckUniversit,Bruxelles
garMan,MBetSWkohlhagen(1983),ForeignCurrenciesOptionValues,Journal of
International Money and Finance,vol2,p231-237
geMMil,G(1993),Options Pricing : An International Perspective,McGrawHill,Columbus,
OH
haug,EG(1998),The Complete Guide to Option Pricing Formulas, McGrawHill,Columbus,
OH
hull,JC(2006),Options, Futures and Other Derivatives,6
e
dition,PrenticeHall,Upper
SaddleRiver
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
hull,JC(2003),Options, Futures and Other Derivatives,5
e
dition,PrenticeHall,Upper
SaddleRiver
JaCkson,MetMstaunton(2001),Advanced Modelling in Finance using Excel and VBA,
John iley & Sons, New York.
raCiCot,F-etRthoret(2001),Trait dconomtrie fnancire,PressesdelUniversit
duQubec,Qubec
reBonato,R(2004),Volatility and Correlation,2
e
dition, John iley & Sons, New York.


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Partie
2
calcul numrique
eT
finance quanTiTaTiVe


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
5
les ouTils
du calcul numrique
Pour bien assimiler les mthodes du calcul numrique dans ses rapports avec le
calcul des prix des produits drivs, il faut matriser un certain nombre de concepts
etthormesLundescesconceptsestceluidelunivers neutre au risque,quiest
somme toute trs particulier au monde des produits drivs Dans un tel univers,
on peut en effet valuer un produit driv en termes de son sous-jacent en faisant
commesilesinvestisseursnprouvaientaucuneaversionaurisqueOnpeutdslors
actualiser les fux montaires dun produit driv au taux sans risque, ce qui simplife
normmentlescalculs,caronpeutfaireabstractionduprixdurisquepourvaluer
unproduitdriv,leprixdurisquetantrputnuldansununiversneutreaurisque
JusquBlacketScholes(1973),onvaluaitlesproduitsdrivsensecampantdans
le monde rel, cest--dire que lon devait prendre en compte la prime de risque
du sous-jacent pour actualiser les fux montaires dun produit driv de manire
calculersonprixSamuelsonfaisaitfacecedilemmelorsquilvoulutvaloriserun
warrant, lune des seules catgories doptions transiges avant 1973 Ds lors, une
grandepartdarbitrairesincorporaitdansleprixduneoption,carleprixdurisque
est fort diffcile valuer, ntant pas observable.
Black et Scholes ont rvolutionn la fnance moderne en 1973 en se campant
dembledansluniversneutreaurisquepourcalculerleprixduneoptioneuropenne
classiqueEneffet,ilsontform,enexploitantlacorrlationentreleprixdeloption
etceluidesonsous-jacent,unportefeuillesansrisquePouruncalleuropen,ceporte-
feuilleestconstituduncalletdedelta
1
actionvenduedcouvertCeportefeuille
1 Rappelons que le delta dune option est la drive du prix de loption par rapport au prix de son
sous-jacent,uneactionenloccurrence
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
est alors parfaitement couvert (hedged), et par consquent sans risque, et son taux
derendementnepeutalorstrequeletauxsansrisqueDslors,lonsesituedans
luniversneutreaurisquepourvaloriserunproduitdriv
Lethorme de Feynman-Kacnouspermetdecalculerleprixdunproduit
driv comme lesprance de ses cash-fows lchance (payoffs) En effet, le
thorme de reprsentation de Feynman-Kac nous permet de reprsenter (do son
appellation)souscertainesconditionsunequationdiffrentielledutypedecellede
Black et Scholes comme une esprance Plutt que dvaluer le prix dun produit
driv en termes de son quation diffrentielle, ce qui peut savrer laborieux, on
peutdonc,enrecourantauthormedeFeynman-Kac,lecalculerentermesdeles-
prancedesescash-fows fnaux. Dans lunivers neutre au risque, lactualisation de
cescash-fowsseffectueparlebiaisdutauxsansrisquedemanireenarriverau
prixduproduitdrivCeprixestdoncgallespranceneutreaurisquedescash-
fows fnaux de loption. Certes, si loption est amricaine, donc exerable en tout
temps,cettergledecalculsecompliquequelquepeupuisquondoitalorsprendre
encompteladateoptimaledexercice
2
Mais,mmedanscettesituation,leprincipe
ducalculdemeurelemme
Le thorme de reprsentation de Feynman-Kac est trs utile puisquil nous
permetderecourirlasimulationdeMonteCarlopourcalculerleprixdunproduit
driv En effet, la simulation de Monte Carlo est toute dsigne pour valuer une
intgrale quelconque, et une esprance est justement une intgrale. partir dun
modlestochastiqueduprixdusous-jacent,lasimulationdeMonteCarlopermetde
calculerladistributiondescash-fowsdunproduitdrivsonchanceetlamoyenne
decescash-fowsestensuiteactualiseautauxsansrisquepourdevenirleprixdudit
produitdrivLasimulationdeMonteCarloferalobjetdunchapitreultrieur
Mais comment passer du monde rel lunivers neutre au risque ? Ces univers
sonttrsdiffrents,cardanslemonderel,onobservelesprobabilitsobjectiveset
dans le monde neutre au risque, les probabilits dites neutres au risque Lors de la
transformationdesprobabilitsobjectivesenprobabilitsneutresaurisque,desprimes
derisquesajoutentauxprobabilitsneutresaurisque,maisellessontoubliespour
lerestedescalculs
Cestlethorme de Girsanovquinouspermetdetransformerlesprobabilits
objectivesenprobabilitsneutresaurisqueLatransformationseffectueauniveau
duprocessusstochastiquedusous-jacentCommenousleverronsdanscechapitre,
le thorme de Girsanov ne modife que la drive (drift) du processus stochastique
du sous-jacent et non sa volatilit Cette transformation corrige la drive du prix
du risque Certes, il sensuit automatiquement un ajustement au niveau de la partie
stochastique du sous-jacent. la suite de cette transformation, le sous-jacent devient
2 Onparleplusprcismentdoptimal stopping time
Lesoutilsducalculnumrique 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
unemartingale
3
Ilfautcomprendreicitoutelimportanceduconceptdemartingale
dansledomainedupricingdesproduitsdrivsEneffet,silesous-jacentnvolue
passelonunemartingale,alorsleprixduproduitdrivneserapasjuste(fair)ence
sens quil y aura alors possibilit darbitrage la suite du calcul du produit driv,
alorsquelepricingvisejustementlabsencedarbitrageMartingaleetuniversneutre
aurisquevontdoncdepair
4

Lepassagedeluniversrelluniversneutreaurisquesetraduitvritablement
parunchangementdenumraireOnditcommunmentquelonpassedelamesure
P,soitlamesuredonneparlesprobabilitsobjectives,luniversQ,soitlamesure
donne par les probabilits neutre au risque. Cest la drive de Radon-Nykodym
qui nous permet de transformer les probabilits de la mesure P la mesure Q Les
probabilits sous la mesure Q pondrent davantage les vnements dfavorables
linvestisseurquesouslamesureP,carlactualisationseffectueautauxsansrisque
souslamesureQalorsquelleintgrelaprimederisquesouslamesurePIlyaici
uneffetdevasescommunicantsBlacketScholesontchoisilactifsansrisquecomme
numrairedeleurscalculsMaislonpeuttoutaussibienenchoisirunautresilfaci-
lite les calculs. titre dexemple, on utilise souvent comme numraire lobligation
couponzropourcalculerlesprixdesproduitsdrivssurtauxdintrt
1. queLques rgLes de base en caLcuL stochastique
Un modle stochastique comporte la plupart du temps une quation diffrentielle
Parexemple,sionsupposequelavariablexobtempreunmouvementbrownien
arithmtique,oncrira:
dx u x, t ( ) dt + x, t ( ) dz (1)
o est la drive du processus, o, la volatilit de x et dz, un processus deWiener
gal dt o ~ N(0,1) Maisilfautcomprendreiciquecettequationnestquun
raccourcidelintgralestochastiquequellereprsente,cest--dire:
x
t
x
0
+ x
s
, s ( )
0
t

ds + x
s
, s ( ) dz
s
0
t

Parconsquent,quationdiffrentiellestochastiqueetintgralestochastiquevontde
pair,lapremiretantunereprsentationschmatisedelaseconde
3 La variable X
t
, disons le prix dune action, est une martingale si E X
t+1
( ) X
t
, cest--dire que
le meilleur estimateur de X
t+1
est sa valeur observe aujourdhui, soit X
t
La drive (drift) dune
martingaleestdoncnulle
4 Enanglais,onparlecommunmentderisk-neutralpricingoudemartingalepricingVoircesujet
CF Huang et RH Litzenberger (1988), Foundations for Financial Economics, Elsevier, North-
Holland, chapitre8
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Par ailleurs, les rgles de diffrenciation en calcul stochastique diffrent de
cellesducalculdiffrentieletintgralclassique,tantdonnlaplaceprpondrantedu
temps dans le calcul. Nous donnons ci-aprs les principales rgles de diffrenciation
ducalculstochastique
5

Supposons que x suive le processus donn par lquation (1) et soit deux
fonctions: f(x,t) et g(x,t) Envisageons dans un premier temps la drive de x
n
En
calculdiffrentielclassique,cettediffrentielleseraitde:
d x
n
( )
nx
n1
dx
Encalculstochastique,tantdonnladpendancedexdet,ondoitajouterunterme
additionnel:
d x
n
( )
nx
n1
dx +
1
2
n n 1 ( ) x
n2

2
dt
Encalculdiffrentieletintgraltraditionnel,onaurait:
d e
x
( )
e
x
dx
Untermedevariancesajoutepourcettediffrentielleencalculstochastique:
d e
x
( )
dx +
1
2

2
dt
,

,
]
]
]
e
x
Parailleurs,unecombinaisonlinairedesfonctionsfetgalammequationdiff-
rentielle,quelonsoitencalculdiffrentielclassiqueoustochastique,cest--dire:
d af + bg ( ) adf + bdg
MaisladiffrentielleduproduitdecesfonctionsoudeleurratiodiffreEncalcul
diffrentielclassique,ladiffrentielleduproduitfgestgale:
d fg ( ) fdg + gdf
Parailleurs,encalculstochastique,cettediffrentielleestgale:
d fg ( ) fdg + gdf +
2
f
x
g
x
dt
Finalement,encalculdiffrentielclassique,ladiffrentielleduratiodesdeuxfonc-
tionsestde:
d
f
g
j
(
,
\
,
(

gdf fdg
g
2
5 Onretrouvera,entreautres,cesrgleschezQuittard-Pinon(2002)
Lesoutilsducalculnumrique 11


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Encalculstochastique,lammediffrentielledevient:
d
f
g
j
(
,
\
,
(

gdf fdg
g
2


2
g
3
g
x
gf
x
fg
x
[ ]
dt
2. Les martingaLes

Nous donnerons dabord un aperu intuitif de la notion de martingale puis nous


passeronsuneformulationplusformelledececoncept
Ondiraquunprocessusstochastiqueestunemartingalerelativementlen-
sembledinformationUsi:
E x
t+1

( )
x
t
Autrementdit,lameilleureprvisiondex
t+1
estx
t
,cettedernirevariabletantcense
incorporertoutelinformationdisponiblejusquautempst
Si x
t
est une martingale, alors son processus peut se reprsenter comme un
processus autorgressif du premier degr dans lequel le coeffcient de x
t1
estgal
lunit:
x
t
x
t1
+
t
o E
t

( )
0
Autrementdit,untelprocessusstochastiquecomprenddeuxcomposantes:i)cequi
peuttreprditunefoislensembledinformation connu;ii)cequinepeuttre
prditOnpeutaussicrirex
t
commesuit:
x
t
E x
t

( )
+
t
Lquationdex
t
comporte une racine dite unitaire, le coeffcient de x
t1
tantgal
lunitLasriechronologiquex
t
estdoncnonstationnaire
Lintuition du concept de martingale tant donne, nous en fournissons
maintenantuneversionplusformelleUnemartingaleestunprocessusstochastique
sans drive Soit une variable P qui reprsente une martingale On peut alors la
dfnir comme :
dP dz
6 Pour rdiger cette section, nous nous inspirons de: JC Hull (2003), chapitre 21 On consultera
galementlexcellenteintroductionauxmartingalesdeRTavella(2002)
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
odzestunprocessusdeWienerLavariableo peut tre elle-mme dfnie par un
processusstochastiqueEllepeutdpendredePoudautresvariablesstochastiques
Unepropritdsirabledunemartingaleestquesonesprancetoutmomentfutur
soitgalesavaleuractuelle(valeurdaujourdhui),soit:
E(P
T
) P
0
(2)
oP
0
etP
T
sontlesvaleursdePautemps0etT,respectivement(T>0)Unediff-
rence de martingale est alors dfnie par :
E(P
T
P
0
) E(P
T
) P
0
etelleestgale0danscecasLadiffrencedemartingalemesureenloccurrencele
changementesprPourinterprtercersultat,considronscequisuitEnsupposant
quelespetitschangementsdePsontdistribusnormalementavecunemoyennede0,
lesprancedelavariationdePsurnimportequelpetitintervalledetempsestdonc
nulleLavariationdePentrelestemps0etTestlasommedesesconstituantesque
sontlespetitesvariationsdePsurdepetitsintervallesdetempsElleestdoncgale
zroEntermesmathmatiques,onadonc:
E(dP) 0
etnoussavonsque:
P P
T
P
0
P
i
i

pourdepetitsA
i
PIlsuit:
E(P
T
P
0
) E(P
i
)
i

=0
Dfnissons f et g comme tant des prix dactifs transigs qui ne dpendent que
duneseulesourcedincertitude(unseulfacteur)Ensupposantquecesactifsnegn-
rent aucun fux de revenus durant la priode considre, dfnissons galement :

f
g
(3)
soit le prix relatif de f par rapport g Il mesure le prix de f par unit de g plutt
quendollarsLactifgprendlenomdenumraire,uneappellationtrsclassique
ensciencesconomiques
Unrsultatimportantconnusouslenomdemesuredemartingalequivalente
montre que, lorsquil y a effectivement absence darbitrage, est une martingale
enconsidrantuncertainchoixduprixdurisque:X=(r)/oDeplus,pourun
numraire donn g, le mme choix du prix du risque X fait en sorte que est une
martingalepourtoutactiffPuisquedansnotrecasledrift(drive)estnul,lechoix
Lesoutilsducalculnumrique 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
duprixdurisqueselimitelavolatilitdegDonc,danscecas,lorsqueleprixdu
risqueestsupposgallavolatilitdeg,leratiof/gestunemartingalepourtout
actifdeprixf
Afn de prouver ce rsultat et, en loccurrence, le clarifer, considrons ce
qui suit. Supposons que les volatilits de f et de g soient respectivement
f
et
g

Supposonsgalementquelesprocessusstochastiquesdefetdegsoientdonnspar
desmouvementsbrowniensgomtriquesclassiques:
df
f

1
dt +
f
dz
dg
g

2
dt +
g
dz
Sachant que
r

, alors on a: = r + Xo. Donc on peut dfnir les drives

decesprocessussachantque
g
par:

1
r +
g

2
r +
g
2
do on obtient les processus de f et de g dfnis en termes du prix du risque, soit :
df
f
r +
g

f
( )
dt +
f
dz
dg
g
r +
g
2
( )
dt +
g
dz
Nous connaissons galement le rsultat dsormais classique obtenu partir du lemme
dIt que pour un processus, par exemple, G = ln f, on obtient le rsultat que ce
processus est donn par: d ln f
1

f
2
/ 2
( )
dt +
f
dz En appliquant ce rsultat
nosdeuxprocessus,onobtient:
d ln f r +
g

f

f
2
/ 2
( )
dt +
f
dz
d lng r +
g
2
/ 2
( )
dt +
g
dz
Leprocessusde ln ln
f
g
j
(
,
\
,
(
ln f lng estdonc:

d ln d ln f lng ( ) d ln f d lng
g

f

f
2
/ 2
g
2
/ 2
( )
dt +
f

g
( )
dz
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourdterminerleprocessusde=f/gpartirdeln, il sufft dappliquer le lemme dIt
en dfnissant correctement notre fonction G. Nous rappelons ici le lemme dIt appliqu
surunefonctionG=ln(x)ensupposantquexestunmouvementbrowniengomtrique

demoyenneaetdevarianceb
2
,soit: dG
G
x
a +
G
t
+
1
2

2
G
x
2
b
2
j
(
,
\
,
(
dt +
G
x
bdz Dans

le cas qui nous intresse, dfnissons G f / g , x f / g f * , a f * et b


f

g
,
alorsonobtient:
dG
G
f *
f * +
G
t
+
1
2

2
G
(f*)
2
(f*)
2
j
(
,
\
,
(
dt +
G
f *
(
f

g
)dz

dG 0 + 0 + 0 ( ) dt +1(
f

g
)f * dzw

f

g
( )
f
g
dz d
f
g
j
(
,
\
,
(
(4)
Lquation(4)dmontreque(3)estenfaitunemartingaleCecinousretournedonc
lersultatdsirUnmondeoleprixdurisqueest
g
est un monde dfni comme
tant neutre au risque terme (forward risk neutral) par rapport g Parce que
(f /g) est une martingale, en utilisant (2) et en dfnissant
T
f
T
/ g
T
,
0
f
0
/ g
0
,
ona:
E
g

T
( )
0
(5)
o
g
E ()estlesprancedansunmondequiestneutreaurisquetermeparrapport
g. Enfn, on peut rcrire (5) comme suit :
f
0
g
0
E
g
f
T
g
T
j
(
,
\
,
(
f
0
g
0
E
g
f
T
g
T
j
(
,
\
,
(
(6)
Lquation(6)estlabasedupricingdesactifscontingentsetestdoncduneimpor-
tance capitale Elle nous dit quun actif driv peut tre valoris simplement par le
calculduneesprance
3. Le monde neutre au risque et Lquation de feynman-kac

Sintroduiredanslemondeneutreaurisquenouspermetdecalculerdefaonexacte
le prix dun produit driv. Nous avons vu auparavant comment Black et Scholes
avaientrussicalculerleprixduneoptiondachateuropenneenfaisantabstraction
7 Pourcettesection,nousnousinspironsdelexcellenttextedeBjrk(1998)
Lesoutilsducalculnumrique 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
du rendement espr dune action. En effet, seul le taux sans risque apparat alors
dansleur quationdiffrentielleDans lemonde rel, leprixde lactionobtempre
auprocessusstochastiquesuivantsilonsupposequilvolueselonunmouvement
browniengomtrique:
dS Sdt + Sdz
odzreprsenteunprocessusdeWienerParailleurs,danslemondeneutreaurisque,
lquationdiffrentielleduprixdelactionscrit:
dS rSdt + Sdz
Ladrivedelquation,,adonctremplaceparrlorsquelonpassedumonde
rel au monde neutre au risque. Cette transformation simplife de beaucoup les calculs
carrestdirectementobservablealorsquenelestpas
Nous avons vu auparavant comment Black et Scholes sy taient pris pour
transiterdumonderelluniversneutreaurisqueIlsonttoutsimplementexploit
lacorrlationquiexisteentreleprixduneoptionetleprixdesonsous-jacentpour
constituerunportefeuillelabridetoutrisqueCeportefeuille,dsignpar ,est
constituduneoptiondachatetdedeltaactionvenduedcouvertCeportefeuille
estdoncgal:
C S
o C est le prix de loption dachat, A, le delta de loption et S, la valeur du sous-
jacent de loption, en loccurrence une action Comme ce portefeuille est labri
de tout risque, son rendement est gal au taux sans risque si lon veut une absence
darbitrageOnadonc:
d

rdt
OnpeutalorstablirlquationdiffrentielledeCsansrfrencelaprimederisque
delactionOnobtientlquationdiffrentielledeBlacketScholesquipermetdex-
primerCsousuneformeanalytique,soitlaclbreformuledeBlacketScholes
Tavella (2002) prsente de faon simple le thorme de Feynman-Kac qui
estlabasedurecourslasimulationdeMonteCarlopourvaloriserdesproduits
drivsSoitlquationdiffrentiellesuivante:
dy
t
dt + dz
EnvertuduthormedeFeynman-Kac,lesprancesuivante:
f y, t ( ) E
y,t
g(y(T)) [ ]
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
estlasolutiondelquationdiffrentielle:
f
t
+
f
y
+
1
2

2

2
f
y
2
0
sous la condition fnale :
f y, T ( ) g y ( )
Voyons ce que signife ce thorme dans le cadre du modle de Black et
Scholes On rappelle que lquation diffrentielle de Black et Scholes se formule
commesuit:
C
t
+
1
2

2
S
2

2
C
S
2
+ rS
C
S
rC 0
o C est le prix du call europen recherch. La condition fnale de cette quation
scrit:
C S, T ( ) S T ( ) X ,

]
]
+
cest--dire que le payoff fnal de loption est gal sa valeur intrinsque. Selon
lquation de Feynman-Kac, la solution de cette quation diffrentielle est gale
lesprancesuivante:
C
0
e
rT
E
Q
(S(T) X)
+
) ,

]
]
oE
Q
reprsenteloprateurdesprancedansunmondeneutreaurisqueEnrecourant
cetteexpression,leprixduncalleuropendevientdoncfacilecalculersousune
simulation de Monte Carlo. Il sufft de calculer des scnarios de S, et pour chacun de
cesscnarios,oncalculelespayoffsdeloptionOnfaitalorslamoyennedespayoffs
detouslesscnariosquelonactualiseautempsprsentCettemoyenneactualise
nousdonneleprixducall
Lquation: C
0
e
rT
E
Q
C
T
( ) ,oC
T
estlepayoff fnal de loption, est condi-
tionneparlechoixdunumraireEneffet,sonexpressiongnraleestde:

C
0
N
0
E
Q
C
T
N
T
,

,
]
]
]
(7)
o N est un numraire quelconque et o on a ajout lindice 0 aux variables du
membredegauchepourbienfaireressortirquellessontmesuresautempsprsent,
paroppositionauxvariablesdumembrededroite,quisontmesureslchanceT
de loption dachat Si le numraire est un bon (dpt) et que sa valeur au temps 0
est standardise 1 $, cest--dire N
0
= 1 $, alors N
T
estgal(1+r)
T
sionsuppose
que le taux dintrt est fxe et que la composition des intrts est discrte. Lquation
(7)peutalorstrercrite:
Lesoutilsducalculnumrique 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
C
0

1
1+ r ( )
T
E
Q
C
T
( )
Certes,sionsupposequelacompositiondesintrtsestcontinuepluttquediscrte,
onauraitplutt:
C
0
e
rT
E
Q
C
T
( )
forme que lon retrouve plus frquemment dans la littrature fnancire. Par contre,
on peut choisir comme numraire une obligation coupon zro qui verse 1$ son
chance, toujours en supposant un taux constant. N
0
estalorsgale
rT
et N
T
vaut
1$Lquation(7)sexprimealors:
C
0
e
rT
E
Q
C
T
1
j
(
,
\
,
(
Ilsensuitque:
C
0
e
rT
E
Q
C
T
( )
Il rsulte que ces deux numraires, en supposant un taux dintrt constant,
setraduisentparuneformequivalentedelespranceneutreaurisquedanscecas,
mais cette forme peut varier grandement selon le choix du numraire et du modle
stochastiquedutauxdintrt
LethormedeFeynman-Kacpeuttregnralisuneoptionquicomporte
plusieurs sous-jacents Supposons n sous-jacents y
i
, chacun deux se pliant au
processusstochastiquesuivant:
dy
i

i
dt +
i
dz
i
ToujoursenvertuduthormedeFeynman-Kac,lesprancesuivante:
f y
1
, y
2
, ..., y
n
, t ( ) E g(y
1
(T), y
2
(T), ..., y
n
(T))
[ ]
estlasolutiondelquationdiffrentielle:
f
t
+
i
f
y
i i0
n

+
1
2

ij

j
i, j0
n

f
y
i
y
j
0

o
ij

cov dz
i
, dz
j
( )
dt
. La condition fnale de cette quation est :
f y
1
, y
2
, ..., y
n
, T ( ) g y
1
, y
2
, ..., y
n
( )
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous sommes maintenant en mesure de fournir une version plus formelle de
lquation de Feynman-Kac Supposons lquation diffrentielle suivante pour F,
solutionauproblmedevaleursdesbornes(boundary value problem):
F
t
(t, x) + (t, x)
F
x
+
1
2

2
(t, x)

2
F
x
2
(t, x) rF(t, x) 0
F(T, x) (x)
Supposonsgalementqueleprocessus:
(s, X
s
)
F
x
(s, X
s
)
estdanslespace L
2
o X est dfni ultrieurement. Alors F admet la reprsentation
suivantesousformedesprance:
F(t, x) e
r(Tt )
E
t,x
(X
T
)
[ ]
o (X
T
) est le payoff final de loption et X satisfait lquation diffrentielle
stochastique:
dX
s
(s, X
s
)ds + (s, X
s
)dW
s
X
t
=x
Illustrons ce thorme par lexemple suivant On veut trouver la solution de
lquationdiffrentiellepartielle
8
:
F
t
(t, x) +
1
2

2

2
F
x
2
(t, x) 0
F(T, x) x
2
ooestuneconstante
EnvertuduthormedeFeynman-Kac,nousavonsimmdiatement:
F(t,x)=E
t,x
[X
2
T
]
8 Cettequationalammeformequelquationdelachaleurenphysique,quiscritcommesuit:

u
t
a
2

2
u
x
2
o a
2

1
2

2
Certes, la solution diffrera en fonction des conditions aux bornes

Dansnotreproblme,laconditionauxbornesatraitaupayoff fnal de F, cest--dire : F(T,x) = x


2

Lesoutilsducalculnumrique 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
o
dX
s
0ds + dW
s
X
s
x
Lasolutiondecettequationestdonnepar:
X
T
x + W
T
W
t
[ ]
AlorsX
T
suitunedistributionnormale N[x, T t ] Ontrouvedoncquelasolution
pourF(t,x)estdonnepar:
F(t, x) E X
T
2
,

]
]
V(X
T
2
) + E X
T
,

]
]
( )
2

2
(T t) + x
2
Nous venons de traiter le cas dune variable. La gnralisation au cas plusieurs
variablesseffectuesimplementEssentiellement,onobtientlemmersultatpourla
reprsentationsousformedesprancedeFeynman-Kac,cest--dire:
F(t, x) e
r(Tt )
E
t,x
X
T
( ) ,

]
]
oF: R
+
R
n
R estlasolutiondunproblmeauxconditionsdeborneset (X
T
)
est le payoff fnal de loption. Lquation diffrentielle de F pour le cas plusieurs
variablesscrit:
F
t
(t, x) +
i
(t, x)
F
x
i
(t, x) +
1
2
C
ij
(t, x)

2
F
x
i
x
j
(t, x) rF(t, x) 0
i, j1
n

i1
n

Avec,biensr,commeconditionauxborneslepayoff fnal :
) x ( ) x , T ( F
4. Le thorme de cameron-martin-girsanov
Le thorme de Cameron-Martin-Girsanov
9
, d aux trois auteurs portant ces noms,
est plus communment appel, par souci de simplifcation, thorme de Girsanov .
Comme nous le mentionnions prcdemment, les probabilits du monde rel diff-
rent de celles du monde neutre au risque, ces dernires comprenant des primes de
risqueDisonsquelesprobabilitsdumonderelsontmesuressouslamesurePet
celles du monde neutre au risque, sous la mesure Q Pour faire transiter une qua-
9 IVGirsanov(1960)etRHCameronetWTMartin(1944)Onconsulteragalementlesadaptations
decethormeparTavella(2002)etparJamesetWebber(2000)
170 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
tionstochastiquedelamesurePlamesureQ,onrecourtjustementauthormede
Girsanov. Comme nous le verrons, cet ajustement a pour effet de modifer la drive
du processus stochastique suivi par le sous-jacent sans modifer la volatilit de ce
dernier
En termes simples, le thorme de Girsanov peut sexprimer comme suit
Supposons quune action qui ne verse pas de dividende obisse au mouvement
brownien gomtrique suivant: dS Sdt + Sdz, avec dz dt , o ~ N 0,1 ( )
Danscetteexpression,estladrive(drift)relleduprixdelactionetreprsente
lesprancedesonrendement
Nous voulons passer de la mesure P, soit la mesure objective correspondant
aumonderel,lamesureQ,soitlamesureneutreaurisque,diteencoremesure
demartingalePourcefaire,nousdevonsfairesubirlatransformationdeGirsanov
suivante au processus de iener qui apparat dans lquation diffrentielle de S :

z t ( ) z t ( ) x s ( )
0
t

dsPourpasseraumondeneutreaurisque,posons: x s ( )
r

Nous pouvons donc crire : dz


t
d z
t
+
r

dt et, en substituant cette valeur dans

lquationdiffrentielledeS,onobtient: dS rSdt + Sd zCetteexpressionrepr-


sentelquationdiffrentielledeSdansunmondeneutreaurisque,cest--diresous
lamesureQetnonP
OnvoitquelerendementesprdeS,soit,adisparudelquationdiffren-
tielledeSlasuitedelatransformationdeGirsanovEnfait,cettetransformationa
toutsimplementretranchleprixdurisqueduprocessusdeWienerconstruitsousla

mesure P, prix dfni comme :


r

j
(
,
\
,
(
,celaenconformitavecnosdveloppements

antrieursLeprixdurisqueestdonclerendementexcdentairedelactionparunit
derisqueIlestassimilableauratiodeSharpeCommeilnyaiciquunfacteurde
risque,reprsentparleprixdelaction,ilnyaquunseulprixdurisque
Enfait,lquationdiffrentielledeSdansunmondeneutreaurisquepeuttre

galementcritecomme: dS ( )Sdt + Sd z avec


r

Latransformation

deGirsanovadoncpoureffetderetrancher ( ) deMaiscettediffrenceestgale
au taux sans risque, ce qui fait disparatre

danslquationdiffrentielledeSdans
un monde neutre au risque, ce qui tait souhaitable car est une variable quil est
diffcile destimer. Cest parce que S est un actif ngoci ou transig que lon peut faire

disparatre delquationdiffrentielledeSSinon,lonnepourraitcrire:
r

etainsieffacerlavariablegnante,commenousleverronsultrieurement
Lesoutilsducalculnumrique 171


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
OnauraremarququelatransformationdeGirsanovnaaffectqueladrive
de lquation diffrentielle de S. Elle na pas modif la volatilit de S. Cela est d au
faitquelatransformationdeGirsanovnadimpactquesurladrivedunequation
diffrentielle. Elle ninfuence pas la volatilit de lactif considr.
SouslamesureneutreaurisqueQ,lavaleuractualiseduprixdelactionest
unemartingaleEneffet, e
rT
E
Q
S
T
( ) e
rT
E
Q
S
0
e
rT
( )
puisquelerendementesprde
SestgalautauxsansrisquedansunmondeneutreaurisqueOnpeutdonccrire:
e
rT
E
Q
S
T
( ) S
0
, ce qui rpond bien la dfnition dune martingale. Mesure neutre
aurisquefaitdonccorpsavecmartingale
AyantcomprisdefaonintuitivelethormedeGirsanov,noussommesmain-
tenantenmesuredenfourniruneversionplusformelleSupposonsqueW
t
soitun
mouvement brownien dfni sous la mesure P et que y
t
soitunprocessusprvisible

sous la fltration qui satisfait la condition E


P
e
0,5
t
2
dt
0
T

j
(
,
\
,
(
< , qui constitue une
borne,alorsilexisteunemesureQtelleque:
i) QestquivalentP
ii)
dQ
dP
exp
t
dW
t
0, 5
t
2
dt
0
T

0
T

j
(
,
\
,
(
10
iii)

W
t
W
t
+
s
ds
0
t

estunmouvementbrowniensouslamesureQ
En dautres termes,W
t
est un mouvement brownien sous la mesure Q ayant
commedrivey
t
autempstDonc,silondsiretransformerunmouvementbrow-
nien sous la mesure P, soit W
t
, en un mouvement brownien avec un certain drift
y
t
,alorsilexisteunecertainemesureQquiferaletravailPlusprcisment,par

la proprit iii),

W
t

W
t

s
ds
0
t

et
s
ds
t
t
0
0
t
t
0
t

On constate donc

quelepassagedunemesurelautrenaffectequeledrift. Pour clarifer davantage


le thorme de Girsanov, considrons lexemple suivant Supposons que X soit un
processus dfni par :
dX
t

t
dt +
t
dW
t
10 Cette drive se nomme drive de Radon-Nikodym ; elle se dfnit comme suit :
dQ
dP
lim
A w
Q(A)
P(A)
o

A w' : W
t
i
(w') W
t
i
(w), i 1, 2, ..., n
est le flet (maille) ou grille du temps dont les intervalles

serduisentmesurequeAtendversw
17 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
oW
t
est un mouvement brownien dfni sous la mesure P. Supposons que lon dsire
trouverunemesureQquipermetundriftde v
t
dt aulieude
t
dt Lapremiretape
considrerestquedXpeuttrercritcommesuit:
dX
t
v
t
dt +
t

t
v
t

t
j
(
,
\
,
(
dt + dW
t
,

,
]
]
]
En posant que
t
(
t
v
t
) /
t
et en respectant la condition CMG de croissance

E
Q
exp(0.5
t
2
dt
0
t

,
]
]
]
< mentionneplushaut,alorsilexisteeffectivementunemesure

Qtelleque

W
t
: W
t
+ (
s
v
s
) /
s
ds
0
t


estunmouvementbrowniensouslamesure
Q. Mais cela signife que lquation diffrentielle de X sous Q est donne par :

dX
t
v
t
dt +
t
d

W
t
o W
~
estunmouvementbrowniensouslamesureQ,cest--direque

d

W
t

t
dt + dW
t
,
soitlapropritiii)Cetexemplemontreclairementquelorsquonpassedunemesure
uneautre,seuleladriveestaffecteLavolatilitdemeureinchange
5. Lquation dite forward de koLmogorov, gaLement connue
sous Le nom dquation de fokker-pLanck
11
LintrtdecettequationreposedanslefaitquenprsencedunprocessusdeWiener,
lasolutiondelquationdeFokker-Planckestladensitgaussienne,quationquiest
assimilabledanscecaslquationdelachaleur,soitlquationdetypeparabolique
laplussimple
SupposonsquelasolutionpourXdelquation: dX
t
(t, X
t
)dt + (t, X)dz
t

possde une densit de transition p(s,y;t,x)Alors p satisfait lquation forward de


Kolmogorovdonnepar:

t
p(s, y; t, x) A* p(s, y; t, x), (t, x) (0, T) R
p(s, y; t, x)
y
, quand t s.
Sousformemultidimensionnelle,lquationdeFokker-Plancknechangepasdallure,
elleestdonnepar:

t
p(s, y; t, x) A* p(s, y; t, x)
11 CettesectionsinspiredeBjrk(1998)
Lesoutilsducalculnumrique 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
o A* est un oprateur connu sous le nom doprateur infnitsimal ou oprateur de
Dynkinetprendlaforme:
A* f ( ) t, x ( )

x
i i1
n


i
(t, x)f(t, x)
[ ]
+
1
2

2
x
i
x
j
C
ij
(t, x)f(t, x) ,

]
]
i, j1
n

Prenons un exemple. Supposons un processus de iener standard avec un coeffcient


dediffusionconstanto,cest--dire:
dX
t
dW
t
LquationdeFokker-Planckdeceprocessusest:
p
t
(s, y; t, x)
1
2

2

2
p
x
2
(s, y; t, x)
Onpeutmontrerquelasolutiondecettedernireestladensitgaussienne:
p(s, y; t, x)
1
2(t s)
exp
1
2
(x y)
2

2
(t s)
,

,
]
]
]
Ce rsultat est souvent cit dans les livres rcents en fnance quantitative.
Pour ce qui concerne le cas dun mouvement brownien gomtrique coeffcient
constant
12
,lasolutiondelquationdeFokker-PlanckestladensitlognormaleEn
effet,supposonslemouvementbrowniengomtriquehabituelpourlactionS:
dS
S
dt + dz
alorslquationdeFokker-Planckestdonnepar:
p
t '

1
2

2
S'
2

2
S'
2
p
( )


S'
S' p ( )
o p dfnit la densit de probabilit de transition dun tat un autre, t, le temps
prsent,t',letempsfutur,SleprixdelactionautempsprsentetS'leprixdelaction
unepriodefutureLasolutiondecettequationestdonnepar:
p S, t; S', t ' ( )
1
S' 2 t ' t ( )
exp log S / S' ( ) + 1 / 2 ( )
2
( )
t ' t ( )
,

]
]
2
/ 2
2
(t ' t)
CettedensitestlaclbrePDFlognormale
12 Voir:PWilmott(2000),Paul Wilmott on Quantitative Finance, John iley & Sons, New York.
17 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
. Le rLe du thorme centraL-Limite
dans Le caLcuL des prix des produits drivs
Lethormecentrallimitesnoncecommesuit
Si X
1
, X
2
, , X
n
sont des variables alatoires IID( ,
2
) et que X
X
i
i1
n

n
,

alorslastatistique Z
X E X
( )
V X
( )

X

n
n
X u

disposedunePDFquisap-

proche de la loi normale centre et rduite N(0,1) mesure que n tend vers linfni.
Seloncethorme,lamoyennedenvariablesindpendantesquiobissentune
distributionquelconque(enautantqueladistributionaitunemoyenneetunevariance)
sapproche donc dune N(0,1) aprs quon la centre et rduite sur un chantillon
suffsamment grand. Plus formellement, ces rsultats se formulent comme suit.
n
lim
P n
X
n

y
,

,
]
]
]

1
2
e

1
2
Z
2

dZ
Ceciimpliqueque:
nX
n
d

N n,
2
( )
ou,entermesquivalents,
X
n
a
~N ,

2
n
j
(
,
\
,
(
Supposonsquuninvestisseurvendeuncontrattermedegrgr
13
(forward
contract) crit sur une action dont le fux montaire fnal est de S
T
, une variable
alatoire. S dsigne le prix de laction et T, lchance du contrat. lchance, le
prix de ce contrat est de E(S
T
), o E() est loprateur desprance Le vendeur du
contratsengagevendrelactionauprixprdterminXLavaleurnonactualise
(V)dececontratestde:
V=E(S
T
)X (1)
LavaleurVdececontratestnulleaudpartEneffet,cecontratconstitueune
obligationpourlevendeurdelivrerlactionetpourlacheteurdeprendrelivraison
13 Quidoittredistinguducontrattermeboursier(futures contract)
Lesoutilsducalculnumrique 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
de laction Il ny a aucune autre solution pour les deux parties Lacheteur na pas
loptiondexercerounonlecontratIldoitobligatoirementlexercerlchanceau
prixXIlenpaiedonclejusteprixsansladditionnerduneprime
CommentsedtermineE(S
T
), le prix du contrat terme ? Puisque S
T
estune
variablealatoire,onpourraitpenserquelondoitrecouriraucalculprobabilistepour
dterminercetteesprance,enloccurrenceauthormecentrallimiteIlnenestrien
En fait, pour calculer cette esprance, nous pouvons nous camper dans un univers
dterministe,soitluniversneutreaurisqueEneffet,levendeurducontratterme
aleloisirdacheterlesous-jacentduditcontrat,soitlaction,auprixS
0
aujourdhui
Pour fnancer cet achat, il emprunte au taux sans risque r
f
, taux compos de faon
continue. lchance du contrat, il pourra livrer laction quil dtient et rembourser
lemontantdesonemprunt,soit S
0
e
r
f
T
Leprixtermeducontratestdoncde S
0
e
r
f
T

CestcequedevrapayerlacheteurducontrattermesonchanceCestleprix
quimpose larbitrage sur les marchs fnanciers. Tout autre prix donne lieu une
situationdarbitrage
rsum
On peut citer Baxter et Rennie (1996) pour rsumer ce chapitre Baxter et Rennie
qualifent de strong lawlethormecentrallimite
Thus maybe a strong-law price would be appropriate for a call option,
and until 1973, many people would have agreed. Almost everything
appeared safe to price via expectation and the strong law, and only
forwards and close relations seemed to have an arbitrage price. Since
1973, however, and the infamous Black-Scholes paper, just how wrong
this is has slowly come out. Nowhere in this book will we use the strong
law again. Just to muddy the waters, though, expectation will be used
repeatedly, but it will be as a tool for risk-free construction. All deriva-
tives can be built from the underlying arbitrage lurks everywhere
14
.
HuangetLitzenberger(1988)rsumentbienladmarchequilfautsuivrepour
fxer les prix des produits drivs par arbitrage. Disons que nous voulons dterminer le
prixduncallcritsuruneactionquinepaiepasdedividendeIlfautdabordtrans-
formerleprocessussuiviparleprixdusous-jacentenmartingale,pourvitertoute
situationdarbitragePourcefaire,onnormaliseleprixdusous-jacentenrecourant
unnumraire,unbondanslemondedeBlacketScholes,etlonobtientlamartingale
recherche
15
enchangeantlamesuredeprobabilitCettemesuredeprobabilitest
associeaumondeneutreaurisqueCestlethormedeGirsanovquinouspermet
14 BaxteretRennie(1996),p9
15 Onparlealorsdequivalent martingale measure,commeonapulevoirdanscechapitre
17 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
detransiterdesprobabilitsobjectivesverslesprobabilitsneutresaurisqueOnpeut
alorsvaloriserlecallcommeunesimpleesprancedanslemondeneutreaurisque
ainsi dfni. Lesprance est ainsi calcule partir des probabilits neutres au risque
et lactualisation des fux montaires du call peut ds lors seffectuer au taux sans
risqueCestlethormedereprsentationdeFeynman-Kacquiautoriselvaluation
duneoptioncommeuneesprance
bibLiographie
Baxter,MetArennie(1996),Financial Calculus : an Introduction to Derivative Pricing,
CambridgeUniversityPress,Cambridge
BJrk, T (1998), Arbitrage Theory in Continuous Finance, Oxford University Press,
Oxford
CaMeron,RHetWTMartin(1944),TransformationsofWienerIntegralsunderTransla-
tions,Annals of Mathematics,vol45,p386-396
CleWloW, L et C striCklanD (1998), Implementing Derivatives Models, John Wiley &
Sons, New York.
CopelanD,TetVantikarov(2001),Real Options : A Practitioners Guide,Texere,Mason,
OH
girsanov,IV(1960),OnTransformingaCertainClassofStochasticProcessesbyAbsolu-
telyContinuousSubstitutionofMeasures,Theory of Probability and Its Applications,
vol5,p285-301
huang,C-FetRHlitzenBerger(1988),Foundations for Financial Economics,Elsevier,
North-Holland.
hull,JC(2003,2006),Options, Futures and Other Derivatives,PrenticeHall,UpperSaddle
River
JaMes, J. et N. WeBBer(2000),Interest Rate Modeling, John iley & Sons, New York.
Merton,RC(1992),Continuous-time Finance,Blackwell,Cambridge
neFtCi, S.N.(2000), An Introduction to the Mathematics of Financial Derivatives, 2
e
d,
AcademicPress,Burlington,MA
QuittarD-pinon,F(2002),Mathmatiques fnancires,ditionsEMS,Paris
ross, FM (1999), An Introduction to Mathematical Finance, Cambridge University Press,
Cambridge
tavella,D(2002),Quantitative Methods in Derivatives Pricing, JohnWiley&Sons, New
York.
trigeorgis,L(1996),Real Options,TheMITPress,Cambridge
WilMott,P(2006),Paul Wilmott on Quantitative Finance,vol3,JohnWiley&Sons, New
York.
WilMott,P(2001),Paul Wilmott Introduces Quantitative Finance, John iley & Sons, New
York.
WilMott,P(2000),Paul Wilmott on Quantitative Finance,JohnWiley&Sons, New York.


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
6
les approches binomiale
eT Trinomiale la Thorie
des opTions
Cox,RossetRubinstein(1979)ontproposunemthodenumriquetrssimplepour
calculer les prix dune grande diversit doptions qui nadmettent pas de solution
analytique:larbreoutreillisbinomialCettetechniquesupposequtoutinstant,le
prix dun instrument fnancier ne peut enregistrer que deux mouvements : un mouve-
ment de hausse ou un mouvement de baisse. Si lon diminue suffsamment le pas de
la variation du prix de linstrument fnancier, on en arrive reproduire le processus
stochastiquequicommandesonmouvement
La technique de la construction de larbre binomial dun produit driv
seffectue sans diffcults. Elle consiste dabord construire larbre binomial du sous-
jacent du produit driv partir du prix initial connu du sous-jacent On en arrive
ainsignrertouslesprixpossiblesdusous-jacentladatedchancedeloption
Onpeutalorscalculerlespayoffsdeloptionlchance,quiconstituentlesnuds
fnaux de larbre binomial de cette option. On rtrograde ensuite dans larbre du prix
duproduitdrivenactualisantlespayoffsdeloptionjusquladatedelavalorisation
deloptionLavaleuractualisequisytrouveconstitueleprixdeloption
Commenousseronsmmedeleconstaterplusparticulirementauchapitre11,
larbrebinomialestparticulirementbienadaptpourprendreencomptelexercice
prmaturduneoptionamricaineEneffet,chaquenuddelarbre,oncalculele
maximum de la valeur espre actualise des fux montaires de loption ce nud,
quiestsavaleurdecontinuation,etdupayoffcemmenudLavaleurdeloption
cenudestlemaximumdecesdeuxvaleursCommenousleverronsultrieurement,
cetteprocdureestunesimpleapplicationdelquationdeBellman,bienconnueen
programmationdynamique
178 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
LesextensionsdelarbrebinomialsontnombreusesLarbretrinomialestla
premire modifcation que les chercheurs ont fait subir larbre binomial de manire
le rendre plus fexible
1
. tout moment, le prix dun instrument fnancer peut
enregistrer trois mouvements dans un arbre trinomial plutt que deux comme dans
larbre binomial. partir dun tel arbre, on peut par exemple reproduire le processus
Ornstein-Uhlenbeck ou processus de retour vers la moyenne. chaque nud, le prix
de linstrument fnancier peut augmenter, diminuer ou retourner vers sa moyenne de
long terme. Nous donnerons un exemple darbre trinomial la fn de ce chapitre.
Plusrcemment,dautresvariantesdelarbrebinomialsontapparuesDabord,
larbre quadrinomial
2
, qui permet dimprimer quatre mouvements au prix dun
instrument fnancier chaque nud de larbre. Ce type darbre est particulirement
populairedanslathoriedesoptionsrellesEnsuite,Rubinstein(1994)advelopp
rcemmentunarbreimplicitequiprendencompte,lorsdesaconstruction,lesprix
observsdesoptionsUntelarbrepermetdintgrerlephnomnedusmilelorsde
la construction darbres binomiaux, comme nous serons mme de le constater
lintrieurdecechapitre
Finalement,laderniresectiondecechapitreseraconsacrequelquesappli-
cations de la technique de larbre binomial ayant trait aux titres revenus fxes. On
examinera comment construire larbre du prix dune obligation pour ensuite valo-
riseruncallcritsurcetteobligationPuislonsintresseraaucalculduprixdune
obligationconvertible
1. Les deux approches La construction dun arbre binomiaL
3
Il existe deux approches la construction dun arbre binomial: lapproche par le
portefeuille dupliquant et lapproche neutre au risque Toutes deux font appel la
notiondarbitrageCommenousleverrons,lelienentrecesdeuxapprochesesttrs
troit
1.1. lapproche par le portefeuille dupliquant
Supposonsuneoption,disonsuncall,quichoitdansunepriodeLesous-jacentdu
call, disons une action dont le prix initial (connu) est reprsent par S
0
, peut enre-
gistrerdeuxmouvementsaucoursdecettepriodeCeprixpeutsoitaugmenter,soit
diminuerSilaugmente,ilestgaluS
0
la fn de la priode, u tant le multiple de
hausseetdoncsuprieur1Sileprixdiminue,ilestgaldS
0
la fn de la priode,
1. Larticle de base sur lutilisation des arbres trinomiaux en fnance est : Hull et hite (1993). Larticle de base sur lutilisation des arbres trinomiaux en fnance est : Hull et hite (1993).
2 Sur larbre quadrinomial, voir, par exemple : Copeland et Antikarov (2001), chapitre 10 Surlarbrequadrinomial,voir,parexemple:CopelandetAntikarov(2001),chapitre10
3 Pour cette section, nous nous inspirons surtout de Copeland et Antikarov (2001), chapitres 4 et 5 Pourcettesection,nousnousinspironssurtoutdeCopelandetAntikarov(2001),chapitres4et5
Lesapprochesbinomialeettrinomialelathoriedesoptions 179


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
dtantlemultipledebaisseetdoncinfrieur1Lareprsentationdesmouvements
de hausse et de baisse du prix de laction est donne la fgure 6.1, qui reprsente
larbrebinomialdunepriodeduprixdelaction
Figure 6.1 Arbre binomial dune priode du prix de laction
uS
0
S
0

dS
0
Larbrebinomialcorrespondantduprixducall crit sur cette action apparat
pour sa part la fgure 6.2.
Figure 6.2 Arbre binomial du prix du call
C
u

C
0

C
d

Nous voulons calculer C
0
,soitleprixducalldunepriodeAyanttablilarbre
de laction, nous pouvons calculer les payoffs du call lchance de loption Le
payoffducalldansltatdehausseduprixdelactionestgal: C
u
uS
0
X ( )
+
,
XtantleprixdexerciceducallParailleurs,lepayoffducalldansltatdebaisse
duprixdelactionestde: C
d
dS
0
X ( )
+
. Nous savons que le prix du callesten
quelque sorte la valeur espre actualise de ses deux payoffs lchance Mais
comment procder pour calculer cette esprance ?
PourarrivercalculerC
0
,soitleprixrecherchducall,onimagineunporte-
feuille qui duplique les cash-fows du call Il est form de m units du sous-jacent
et dun montant dencaisse B
4
rmunr au taux r
f
Si B est ngatif, il sagit dun
emprunt

C
0
mV
0
+ B
(1)
4 Cette encaisse peut tre assimile des obligations coupon zro qui ne comportent aucun risque Cetteencaissepeuttreassimiledesobligationscouponzroquinecomportentaucunrisque
dedfaut
180 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Autemps1,leportefeuillevaut,danslesdeuxtatsdelanature:
C
u
muS
0
+ 1+ r
f
( ) B (2)
C
d
mdS
0
+ 1+ r
f
( ) B (3)
Le portefeuille form du sous-jacent et dune encaisse duplique donc les payoffs
ducallsonchanceIlyadeuxinconnuesdanslesquations(2)et(3),metB,
puisque:
C
u
uS
0
X ( )
+
C
d
dS
0
X ( )
+
Onpeuttrouverlesdeuxinconnuessoitparsubstitution,soitenrecourantlargle
deCramerRecouronslargledeCramerencrivantlesquations(2)et(3)sous
formematricielleOna:
uS
0
1+ r
f
dS
0
1+ r
f
,

,
]
]
]
m
B
,

,
]
]
]

C
u
C
d
,

,
]
]
]
SelonlargledeCramer,lavaleurdemestgale:
m
C
u
1+ r
f
C
d
1+ r
f
uS
0
1+ r
f
dS
0
1+ r
f

C
u
C
d
uS
0
dS
0

C
u
C
d
S
0
u d ( )
On peut mmoriser rapidement la valeur de m en constatant que C
u
au numrateur
demestassociuS
0
audnominateuretC
d
,dS
0
Onauragalementconstatque

mestleratiodehedgingducallpuisque: m
C
u
C
d
S
u
S
d

C
S

Pour dterminer la valeur de B, on recourt encore une fois la rgle de
Cramer:
B
uS
0
C
u
dS
0
C
d
uS
0
1+ r
f
dS
0
1+ r
f

uC
d
dC
u
u d
1+ r
f

Lesapprochesbinomialeettrinomialelathoriedesoptions 181


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La valeur de B se mmorise elle aussi facilement Examinons le ratio
uC
d
dC
u
u d

qui est actualis au taux sans risque On reprend au numrateur la soustraction du


dnominateur,soit(ud),maisenmultipliantuparC
d
etdparC
u

la priode 0, la valeur du portefeuille dupliquant est donc de mS


0
+BSa
valeurestalorsobservePourvitertoutarbitrage,ilfautdoncquelavaleurducall
soitgalelavaleurduportefeuillequirpliquesespayoffs,cest--dire:
C
0
mS
0
+ B
Onauraremarquque,pourcalculerleprixducall,nousnavonspasfaitappel
aux probabilits de hausse ou de baisse du prix du sous-jacent. Nous avons ainsi pu
viterlesnotionsdaversionaurisqueetdeprixdurisque,desconcepts,ilvasans
dire, diffciles mesurer. Le raisonnement que nous avons suivi consiste appliquer la
notion darbitrage au calcul du prix dun produit driv lorsque les marchs fnanciers
sont complets. On peut alors reproduire parfaitement les fux montaires du produit
drivlaidedunportefeuilleconstitudusous-jacentetdunmontantdencaisse
Pour viter tout arbitrage, la valeur de ce portefeuille au temps 0 est gale au prix
duproduitdriv
Le taux dactualisation des fux montaires de loption varie chaque nud
delarbrebinomialdanslapprocheaucalculduprixduneoptionparleportefeuille
dupliquant Montrons-le pour le cas du modle de larbre une priode que nous
venonsdedvelopperConnaissantlaprobabilitobjectivedunehausseduprixde
lactionetleprixdeloption,ilestpossibledendduireletaux,majordurisque,
auquelsontactualissC
u
etC
d
pourcalculerC
0
Eneffet,onpeutcrire:
C
0
pC
u
e
kt
+ 1 p ( )C
d
e
kt
o p est la probabilit objective du mouvement de hausse du prix de laction et k,
le taux dactualisation major du risque des deux fux montaires C
u
et C
d
Or, k
variechaquenuddelarbrebinomialOnvoiticiquonpeutseramenerlap-
proche classique qui voit le prix dun titre fnancier comme la valeur espre de ses
fux montaires actualiss un taux qui intgre la prime de risque dudit titre. Mais
encore faut-il, pour calculer ce taux, connatre C
0
,soitleprixduproduitdrivOr,
lapproche par le portefeuille dupliquant nous permet de calculer C
0
sans quil soit
besoin de connatre p ou k. Au demeurant, comment pourrait-on calculer C
0
partir
de lapproche classique alors que k est demble inconnu ? On ne peut le calculer
que si lon connat C
0
et lon sengage alors dans un argument circulaire Qui plus
est, le calcul de la probabilit objective p est diffcile estimer. Lapproche par le
portefeuilledupliquantnouspermetdecontournertouscesproblmes
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
1.. lapproche neutre au risque
Nous avons dj examin lapproche neutre au risque au calcul des prix des produits
drivsEnvertudecetteapproche,leprixduneoptioneuropenneestgal:
P E
Q
e
rT
Payoff ( )
T
,

]
]
oPestleprixdeloption,E
Q
(),loprateurdesprancedansununiversneutreau
risqueetT,laduredeloptionLeprixPduneoptioneuropenneestdoncgal
lesprance,dansununiversneutreaurisque,delavaleuractualisedupayoff fnal
5

de loption. Cette formule doit tre modife comme suit sil sagit dune option
amricaine:
P sup
0T
E
Q
e
r
Payoff ( )

]
]
Leprixduneoptioneuropenneestdonclesupremumdelespranceneutreaurisque
dupayoffdeloptionLebutdelexerciceestdetrouverletempsdarrtoptimalr*
quimaximiselesprance
Lapprocheparlarbrebinomialestparticulirementbienadapteaucalculde
tellesesprancesPourcefaire,nousimaginonsunportefeuilleparfaitementcouvert
formduneunitdusous-jacentetdcouverthauteurdemunitsdanslecallCe
portefeuille rapporte le taux sans risque. la priode 1, ce portefeuille vaut, puisquil
rapporteletauxsansrisque:
S
0
mC
0
( ) 1+ r
f
( ) uS
0
mC
u
Isolonsm,leratiodehedging:
S
0
1+ r
f
( ) mC
0
1+ r
f
( ) uS
0
mC
u
S
0
1+ r
f
( ) uS
0
mC
0
1+ r
f
( ) mC
u
m
S
0
1+ r
f
( ) uS
0
C
0
1+ r
f
( ) C
u
Comme le portefeuille est couvert, il rapporte le mme fux montaire dans les deux
tatsdelanaturelapriode1:
uS
0
mC
u
dS
0
mC
d
Ensubstituantmparsavaleur,ona:
u
1+ r
f
( ) u
C
0
1+ r
f
( ) C
u
,

,
]
]
]
C
u
d
1+ r
f
( ) u
C
0
1+ r
f
( ) C
u
,

,
]
]
]
C
d
5 Qui est certes une variable alatoire Quiestcertesunevariablealatoire
(Payoff)
T
(Payoff)
r
Lesapprochesbinomialeettrinomialelathoriedesoptions 18


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
u d
1+ r
f
( ) u
C
0
1+ r
f
( ) C
u
,

,
]
]
]
C
u

1+ r
f
( ) u
C
0
1+ r
f
( ) C
u
,

,
]
]
]
C
d
C
0
1+ r
f
( ) C
u

1+ r
f
( ) u
u d
,

,
]
]
]
C
u
+
u 1+ r
f
( )
u d
,

,
]
]
]
C
d
C
0
1+ r
f
( )
1+ r
f
( ) u
u d
+1
,

,
]
]
]
C
u
+ ...
C
0
1+ r
f
( )
1+ r
f
( ) d
u d
,

,
]
]
]
C
u
+

C
0

1+ r
f
( ) d
u d
,

,
]
]
]
C
u
+
u 1+ r
f
( )
u d
,

,
]
]
]
C
d
1+ r
f
C
0

qC
u
+ 1 q ( )C
d
1+ r
f
(4)
o q et (1 q) sont les probabilits neutres au risque Elles ne sont pas gales aux
probabilitsobjectivespet(1p)Ellesnesontquunsubterfugemathmatiquepour
ajuster les fux montaires du callaurisquedetellesortequilspuissenttreescompts
autauxsansrisque(risk-adjusted probabilitiesouhedging probabilities)
En vertu de lquation (4), le prix dun call est bien une esprance calcule
dansununiversneutreaurisqueLarbrebinomialestparticulirementbienadapt
poureffectueruntelcalculDanscequisuit,nousaugmentonslenombredepasde
larbre de manire accrotre la prcision du calcul du prix. Comme nous le verrons, un
nombreraisonnabledepaspourqueleprixconvergeverssavraievaleurestdenviron
100IlfauttoutefoissoulignerquecenombrevariedunproblmelautreIlvaut
mieux fxer le nombre de pas un niveau suffsamment lev de faon converger
versleprixvritabledeloption
Expliquons maintenant le principe de larbre binomial partir de la fgure
63Danscetarbre,lesintervallesdetempssontdnotsparietchacundesnuds
(tats de la nature), par j. chaque nud, laction peut enregistrer un mouvement de
hausse (u) ou un mouvement de baisse (d). Le prix de laction se modife donc selon
leprocessussuivant: S
0
u
j
d
i j
, j 0,1, 2, ..., i
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 6.3 Reprsentation schmatique dun arbre binomial
j=1
j=2
i=1
j=2
j=1
j=0
i=1
j=3
j=2
j=1
j=0
i=1
Nous voulons calculer le prix dune option dachat europenne par le biais de
larbre binomial. Nous devons dabord valuer les prix de laction sous-jacente au
bout de larbre, tel que cela apparat la fgure 6.4 :
Figure 6.4
uS
dS
u
2
S
udS
d
2
S
S
Lesapprochesbinomialeettrinomialelathoriedesoptions 18


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
o u est le multiple de hausse de S, soit le prix de laction sous-jacente, et d, le
multipledebaissedeSUnefoislesprixdesactionsauboutdelarbredtermins,
oncalculelescash-fows correspondantsducall europen. ltat j, le payoff ou fux
montaireduncall europenestgal:
C(j)=[S(j)X)]
+
oC(j)estlepayoffducallpourltatj;S(j),leprixdelactionsous-jacentepour
cet tat et X, le prix dexercice ou de leve. la fgure 6.5, les fux montaires fnaux
deloptiondachatsontreprsents
Figure 6.5 Flux montaires fnaux (payoffs) du call europen
uS
dS
(u
2
S X)
+
(udS X)
+
(d
2
S X)
+
S
Puisoncalculeleprixducallenactualisantlesprancedesescash-fowsdans
ununiversneutreaurisquePouractualiserlesprancedescash-fows,onrecourtaux
probabilitsneutresaurisquepourpondrerlesmouvementsdehausseetdebaisse
duprixdelactionsous-jacente
C=e
r(Tt)
E
Q
[(S
T
X)
+
]
oCestleprixducalleuropenetE
Q
,lespranceneutreaurisque(Tt)estpar
ailleursladuredeloption
IlrestedterminerlesprobabilitsneutresaurisqueCelles-cisontchoisiesde
faontellequellessoientcompatiblesaveclemodledeBlacketScholesEneffet,la
solutiondelarbrebinomialdoitconvergerverslemodledeBlacketScholesDans
cemodle,leprixdelactionsous-jacenteobtempreunedistributionlognormale
Pourquilyaitcompatibilit,lemouvementdehausseduprixdelactiondanslarbre
binomial doit tre dfni comme suit :
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
u e
t
o est la volatilit du rendement de laction et t, l intervalle de temps dans lequel est la volatilit du rendement de laction et t, l intervalle de temps dans lequel est la volatilit du rendement de laction et t, l intervalle de temps dans lequel t, l intervalle de temps dans lequel t,lintervalledetempsdanslequel
on a divis la dure de loption (T t) Par ailleurs, le mouvement de baisse d du
prixdelactiondoittregal:
d e
t
ToujourspourarrimerlarbrebinomialsurlasolutionanalytiquedeBlacket
Scholesaucalculduprixduncalleuropen,laprobabilitneutreaurisquedehausse
duprixdelactiondoittre:
q
e
rt
d
u d
Certes, la probabilit de baisse est gale (1 q). la fgure 6.6, nous compl-
tons le calcul du prix de loption dachat europenne enclench la fgure 6.5.
Figure 6.6 Calcul binomial du prix de loption dachat europenne
C
22
= (u
2
S X)
+
C
21
= (udS X)
+
C
20
= (d
2
S X)
+
C
11
= e
rt

[
q(u
2
S X)
+
+ (1 q)(udS X)
+
]
C
10
= e
rt

[
q(udS X)
+
+ (1 q)(u
2
S X)
+
]
C
00
= e
rt

[
qC
11
+ (1 q)C
10
]
Le programme Visual Basic pour dterminer le prix du call europen par le
biaisdelarbrebinomialseretrouveautableau61
Lesapprochesbinomialeettrinomialelathoriedesoptions 187


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 6.1 Programme Visual Basic pour calculer le prix
dun call europen par la binomiale
Sub Calloption( )
Sheet1.Activate
Range(G8:L2000).ClearContents
Dim K, T, S, R, N, u, d
X=100
T=0.25
S=100
R=0.06
sigma=0.1
N=Range(nombre)
On dfnit le pas
dt=T / N
On retient le processus de hausse et de baisse
compatible avec B&S
u=Exp(sigma*Sqr(dt))
Range(up)=u
d=Exp(-sigma*Sqr(dt))
Range(down)=d
Dim i As Integer
Dim j As Integer
Dim Smat() As Variant
ReDim Smat(N)
Dim Cash() As Variant
ReDim Cash(N)
Probabilit de hausse conforme au processus
B&S
p=(Exp(R*dt)-d) / (u-d)
Range(prob)=p
La probabilit de baisse est bien sr de (1-p)
Taux descompte des cash-fows de loption
disc=Exp(-R*dt)
Prix de dpart pour calculer les prix de laction
au dernier pas de larbre
Smat(0)=S*(d^N)
Range(st02m).Offset(N, N)=Smat(0)
partir de ce prix, on calcule tous les autres
prix de laction
lextrmit de larbre
For j=1 To N
Smat(j)=Smat(j-1)*(u / d)
Range(st02m).Offset(-2*j+N, N)=Smat(j)
Next j
Puis on calcule les cash-fows de loption au
bout de larbre
For j=0 To N
Cash(j)=Application.Max(0, Smat(j)-X)
Range(cashf2m).Offset(-2*j+N, N)=Cash(j)
Next j
Que lon actualise par la suite jusquau dbut de
larbre. remarquer la notation
pour faire machine arrire
For i=N-1 To 0 Step -1
For j=0 To i
Cash(j)=disc*(p*Cash(j+1)+(1-p)*Cash(j))
Range(cashf2m).Offset(-2*j+i, i)=Cash(j)
Smat(j)=Smat(j) / d
Range(st02m).Offset(-2*j+i, i)=Smat(j)
Next j
Next i
Range(callb)=Cash(0)
End Sub
Avec les donnes qui apparaissent dans le tableau 6.1 et pour N = 2, le prix
ducall europen est gal 2,58 $ selon larbre binomial. la fgure 6.7, on retrouve
lesarbresbinomiauxduprixdelactionetduprixducall quand N = 2, cela toujours
pourlesdonnesduproblmequiapparaissentautableau61
188 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 6.7 Arbres binomiaux des prix de laction et du call (N = 2)
Action
107,33
103,60
100 100
96,53
93,17
7,33
4,35
2,58 0
0
0
Call
Pourlesdonnesdutableau62,leprixducalldonnparlaformuledeBlack
etScholessesitue2,81$Ilfautdoncaugmenterlenombredepaspouraugmenter
la prcision du calcul effectu par larbre binomial. la fgure 6.8, on peut suivre
lvolution du prix du call lorsque N augmente de 2 100. On voit qu partir de
30pas,onobtientuneassezbonneprcision,maisilfautcependantnoterquelon
peut accrotre davantage la prcision du calcul en augmentant davantage le nombre
de pas. Tout compte fait, il vaut mieux fxer N un niveau suffsamment important,
carlaprcisionestdemisepourlecalculdesprixdesproduitsdrivs
Figure 6.8 volution du prix du call en fonction de N
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
0 10 20 30 40 50 60 70 80 90 100
N
P
r
i
x

d
u

c
a
l
l
Prix arbre bino.
Prix B-S
2. Larbre trinomiaL
Dansunarbrebinomial,leprixdelactionnepeuteffectuerquedeuxmouvements
uninstantdonn:unmouvementdehausseouunmouvementdebaisseDansun
arbretrinomial,onimprimeauprixtroismouvementschaquenuddelarbrePar
exemple,uninstantdonn,enplusdemonteroubaisser,leprixduneactionpeut
Lesapprochesbinomialeettrinomialelathoriedesoptions 189


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
resterstable,ouencoreretournerverssamoyennedelongterme,voireenregistrerun
sautLarbretrinomialpeutdoncservirreproduiredesprocessusstochastiquesautres
quelemouvementbrowniengomtrique,commeleprocessusOrnstein-Uhlenbeck
ouleprocessusdediffusionavecsauts
Nous prsentons dans cette section une procdure pour construire larbre trino-
mial qui respecte la lettre le pseudocode propos par Clewlow et Strickland
6
La
confguration de larbre qui sert construire lalgorithme se retrouve la fgure 6.9.
Dsignons,commelaccoutume,parilasous-priodedelarbreetparj,lestats
delanaturepourcettesous-priodeDansunarbretrinomial,jestcomprisentrei
et +i, tel que cela apparat la fgure 6.9. chaque nud, il y a donc trois branches,
doladimensiontrinomialedelarbre
Figure 6.9
3
2
1
0
1
2
3
c2,2
c2,1
c2,0
c2, 1
c2, 2
c00
c1,1
c1,0
c1, 1
c3,3
c3,2
c3,1
c3,0
c3, 1
c3, 2
c3, 3
0 1 2 3
linstar de larbre binomial, on calcule dabord les u, d et p de manire
assurerlacompatibilitaveclemodledeBlacketScholes
7
:
u e
3t
d
1
u
e
3t
p
u

t
12
2
r
f
div

2
2
j
(
,
\
,
(
+
1
6
p
m

2
3
6. Clewlow et Strickland (1998), p. 54, fgure 3.3.
7. ce sujet, on consultera Hull (2000).
190 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
p
d

t
12
2
r
f
div

2
2
j
(
,
\
,
(
+
1
6
o div est le taux de paiement du dividende, p
u
reprsente la probabilit neutre au
risquedunmouvementdehausseduprixdelaction,p
d
,laprobabilitdunmouve-
mentdebaisseetp
m
,celledunmouvementmitoyenQuandilyaundividende,onle
soustraitdutauxdintrtpourconstruirelarbreLeprogrammedelarbretrinomial
seretrouveautableau62
taBleau 6.2 Programme Programme Visual Basic de larbre trinomial
Sub ArbretriBS( )
Sheet10.Activate
Range(g6:df2000).ClearContents
X=100
T=0.25
S=100
sig=0.3
rf=0.06
div=0#
Dim N As Integer
Dim R As Integer
Dim j As Integer
Dim i As Integer
N=100
R=2*N+1
Dim Stree() As Variant
ReDim Stree(R)
Dim Ctree() As Variant
ReDim Ctree(R)
dt=T / N
Range(dtt1).Offset(0, 0)=dt
nu=Exp(sig*Sqr(3*dt))
Range(nut1).Offset(0, 0)=nu
nd=1 / nu
ps=Sqr(dt / (12*sig^2))
pu=ps*(rf-div-sig^2 / 2)+1 / 6
Range(putt1).Offset(0, 0)=pu
pm=2 / 3
Range(pmt1).Offset(0, 0)=pm
pd=-ps*(rf-div-sig^2 / 2)+1 / 6
Range(pdt1).Offset(0, 0)=pd
disc=Exp(-rf*dt)
Stree(1)=S*(nd^(N))
Range(Stree1).Offset(0, 0)=Stree(1)
For j=2 To R
Stree(j)=Stree(j-1)*(nu)
Range(Stree1).Offset(j-1, 0)=Stree(j)
Next j
For j=1 To R
Ctree(j)=Application.Max(0, Stree(j)-X)
Range(Ctreej1).Offset(j, N)=Ctree(j)
Next j
For i=N-1 To 0 Step -1
S=2*i+1
For j=1 To S
Ctree(j)=disc*(pu*Ctree(j+2)+pm*Ctree(j+1)+pd*
Ctree(j))
Range(ctreej1).Offset(j, i)=Ctree(j)
Next j
Next i
Range(call6)=Ctree(1)
End Sub
la fgure 6.10 apparat larbre trinomial du call lorsque (N = 10). Les donnes ayant
serviconstruirecetarbresontintgresdansletableau62etsontlesmmesque
cellesdutableau61
Lesapprochesbinomialeettrinomialelathoriedesoptions 191


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 6.10 Arbre trinomial du call europen
31,50
28,10 27,95
24,79 24,64 24,49
21,58 21,43 21,28 21,13
18,46 18,31 18,16 18,01 17,86
15,42 15,27 15,12 14,97 14,82 14,67
12,47 12,32 12,17 12,03 11,88 11,73 11,58
9,62 9,47 9,31 9,16 9,01 8,86 8,71 8,56
6,94 6,76 6,59 6,42 6,25 6,09 5,93 5,78 5,63
4,59 4,39 4,20 3,99 3,78 3,57 3,35 3,13 2,93 2,78
2,76 2,57 2,37 2,17 1,96 1,73 1,49 1,22 0,91 0,53 0
1,20 1,04 0,88 0,72 0,56 0,40 0,24 0,10 0 0
0,35 0,27 0,19 0,12 0,06 0,02 0 0 0
0,06 0,03 0,01 0,00 0 0 0 0
0,00 0,00 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0
0 0 0 0
0 0 0
0 0
0
Avec10pas,leprixcalculducallestde2,7557$Savaleurdonneparlaformule
de Black et Scholes est de 2,8125$ Il faut donc augmenter le nombre de pas pour
accrotre la prcision du calcul. la fgure 6.11, on peut suivre lvolution du prix
ducallenfonctiondunombredepasdelarbre
Figure 6.11 volution du prix du call en fonction de N
2
2,25
2,5
2,75
3
0 10 20 30 40 50 60 70 80 90 100
N
P
r
i
x

d
u

c
a
l
l
Prix arbre trino.
Prix B-S
On constate la fgure 6.11 que le mcanisme de convergence est diffrent pour les
modlesbinomialettrinomialLeprixdelarbretrinomialconvergeverslasolution
de Black et Scholes de faon continue sans cycles (zigzags) Un tel mcanisme de
convergence savre plus effcace. Nous verrons dailleurs dans un autre chapitre
que,souscertainesconditions,larbretrinomialquivautlamthodeexplicitedes
diffrences fnies.
19 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
3. programmes Matlab darbres

Nous passons maintenant la programmation darbres partir du logiciel Matlab


Nous voulons en premier lieu calculer laide dun arbre binomial le prix dun call
europenauxcaractristiquessuivantes:prixinitialdelaction(S
0
),30;prixdexer-
cice,25;tauxdintrt,0,06;duredeloption,6mois;sigma,0,3;nombredepas
delarbre,30Onretrouveautableau63leprogrammeMatlabdelarbrebinomial
aptecalculerleprixdecetteoption
taBleau 6.3 Programme Matlab du calcul du prix dune option dachat
europenne par la mthode de larbre binomial
function [prix, arbre] = Calleuro(S0,X,r,t,sigma,n)
% fonction pour le call euro par larbre binomial
deltat=t/n;
u=exp(sigma*sqrt(deltat));
d=1/u;
p=(exp(r*deltat)-d)/(u-d);
% initialisation de larbre
arbre=zeros(n+1,n+1);
% Dbut de la boucle
for j=0:n
arbre(n+1,j+1)=max(0, S0*(u^j)*(d^(n-j))-X);
end
% Calcul des combinaisons. Dans Excel (VB), on utilise lapplication Combin
for i=n-1:-1:0
for j=0:i
arbre(i+1,j+1)=exp(-r*deltat)*(p*arbre(i+2,j+2)+(1-p)*arbre(i+2,j+1));
end
end
prix = arbre(1,1) ;
la diffrence du langage Excel (Visual Basic), nous navons pas le loisir

dutliserunefonctionpourcalculerlescombinaisons
n
i
j
(
,
\
,
(
,obtenuesparlacommande:

Application.Combin(n,i). Nous avons donc eu recours une boucle imbrique pour


effectuercecalcul
8 Cette section sinspire fortement de Brandimarte (2002) CettesectionsinspirefortementdeBrandimarte(2002)
Lesapprochesbinomialeettrinomialelathoriedesoptions 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
DansMatlab,oneffectuelecalculduprixducalleuropenci-devantpartir
delafonctiondutableau63delafaonsuivante:
calleuro(30,25,0.06,6/2,0.3,30)
Onobtientlersultatsuivant:
ans = 6.298
La fonction pour effectuer le calcul du prix dun put europen est prsente
autableau64
taBleau 6.4 Programme Matlab du calcul du prix dune option de vente
europenne par la mthode de larbre binomial
function [prix, arbre] = Puteuro(S0,X,r,t,sigma,n)
% fonction pour le call euro. par larbre binomial
deltat=t/n;
u=exp(sigma*sqrt(deltat));
d=1/u;
p=(exp(r*deltat)-d)/(u-d);
% initialisation de larbre
arbre=zeros(n+1,n+1);
% Dbut de la boucle
for j=0:n
arbre(n+1,j+1)=max(0, X-S0*(u^j)*(d^(n-j)));
end
% Calcul des combinaisons. Dans Excel (V.B.), on utilise lapplication Combin
for i=n-1:-1:0
for j=0:i
arbre(i+1,j+1)=exp(-r*deltat)*(p*arbre(i+2,j+2)+(1-p)*arbre(i+2,j+1));
end
end
prix = arbre(1,1) ;
PrenonsparexemplelecasoS0=30,X=25,r=0,08,t=6/12,sigma=
0,3etn=30Onobtientlersultatsuivant:
puteuro(30,25,0.08,6/2,0.3,30)
ans = 0,4374
Maintenant passons au calcul dun put amricain, o nous verrons toute
lutilit dutiliser un mthode numrique comme larbre binomial Le code Matlab
seretrouveautableau65:
19 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 6.5 Programme Matlab du calcul du prix dune option de vente
amricaine par la mthode de larbre binomial
function [prix, arbre]=Putamericain(S0,X,r,t,sigma,n)
% fonction pour le put amricain par larbre binomial
deltat=t/n;
u=exp(sigma*sqrt(deltat));
d=1/u;
p=(exp(r*deltat)-d)/(u-d);
% initialisation de larbre
arbre=zeros(n+1,n+1);
% Dbut de la boucle
for j=0:n
arbre(n+1,j+1)=arbre(n+1,j+1)+max(0, X-S0*(u^j)*(d^(n-j)));
end
% On value lexercice partir de la fn de larbre jusquau dbut
for i=n-1:-1:0
for j=0:i
arbre(i+1,j+1)=max(X-S0*u^j*d^(i-j),
exp(-r*deltat)*(p*arbre(i+2,j+2)+(1-p)*arbre(i+2,j+1)));
end
end
prix=arbre(1,1) ;
tic, putamericain(30,25,0.08,6/2,0.3,0000), toc
Onobtientlersultatsuivant
ans = 0,4484
elapsed_time = ,4752e+003
Le calcul dune option amricaine pour 10000 itrations dans Matlab 61 laide
dunordinateurTecraS1avec1gigaoctetdeRAMconsomme1475,2secondes,soit
environ25minutesCommenousleverrons,lemmecalculeffectulaidedela
mthode des diffrences fnies de Crank-Nicolson ne consomme que 4,3 secondes.
Lesapprochesbinomialeettrinomialelathoriedesoptions 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
4. Larbre trinomiaL impLicite

La mthode de larbre trinomial implicite recourt larbre trinomial standard afn


deffectuerlecalculduprixduneoptiontoutenconsidrantlesprixdArrow-Debreu
LeconceptduprixcontingentdArrow-Debreuesteneffetutilisdanscettemthode
numrique, qui a lavantage de tenir compte de la volatilit implicite, laquelle est
ici suppose une fonction linaire du prix dexercice, ce qui peut tre considr en
contrepartie comme un dsavantage, comme nous le verrons dans le chapitre ayant
trait la volatilit implicite Dans ce qui suit, nous prsentons succinctement les
fondementsdelamthodedeDerman,KanietChriss(1996)
AvantlacontributiondeDermanet al.(1993),larbrebinomialimpliciteest
apparudanslalittratureMaiscettemthodealedfautdegnrerdesprobabilits
de transitions ngatives. Non seulement larbre trinomial implicite prsente-t-il lavan-
tage de pallier ce problme mais il est galement plus fexible et il est en mesure
de reproduire une plus grande classe de structures de volatilits Dans le modle
trinomial implicite, lespace tat
10
est choisi indpendamment des probabilits de
transitionsLesprixdesoptionssontalorsutilisspoursolutionnercesprobabilits
Les probabilits de transitions de hausse et de baisse situes au-dessus du nud
centralsontdonnespar:
p
n,i

e
rfT
C(S
n+1,i+1
, T
n+1
)
n, j
(F
n, j
S
n+1,i+1
)
ji+1
2n

n,i
(S
n+1,i+2
S
n+1,i+1
)
q
n,i

F
n,i
p
n,i
S
n+1,i+2
S
n+1,i+1
( )
S
n+1,i+1
S
n+1,i
S
n+1,i+1
oC()estlavaleurducallcepoint,Fdsigneleprixforwarddonnpar:F
n,i
S
n,i
e
bt

pourltatietlepasn,et
i , n
dsigneleprixArrow-Debreuactueldunactifqui
donneunrevenude1$ltatidelapriodenet0autrementPlusprcisment,les
prixArrow-Debreupourleprochainpas(n+1)secalculentcommesuit:
e
rft

n+1,i

p
n,n

n,n
i n +1
p
n,i1

n,i1
+ (1 p
n,i
)
n,i
1 i n +1
(1 p
n,0
)
n,0
i 0

9. Franois Racicot tient remercier personnellement M. ric Dub, conomiste fnancier, membre du
groupe de Clment Gignac la Financire Banque Nationale, pour ses conseils sur le sujet et les
nombreusesdiscussionsquilaentretenuesavecluisurlesmthodesnumriquesengnralPour
rdigercettesection,nousnoussommesfortementinspirsdeHaug(1998)etdeDerman,Kaniet
Chriss (1996) Pour une prsentation rcente du sujet, on consultera galement Rebonato (2004),
chapitre11
10 Lespace-tatcorrespondauxtatsdelanaturesuivants:haussedeprix,baisseouprixstable,cela
pourunepriodedonne
19 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
C(.) est calcul en utilisant un arbre trinomial standard, comme cela apparat dans
notreprogramme
Quantauxprobabilitsdetransitionsdehausseetdebaisse
11
,situessousousurle
nudcentral,ellessontdonnespar:
p
n,i

F
n,i
q
n,i
S
n+1,i+1
S
n+1,i
( )
S
n+1,i+1
S
n+1,i+2
S
n+1,i+1

q
n,i

e
rfT
P(S
n+1,i+1
, T
n+1
)
n, j
(S
n+1,i+1
F
n, j
)
j0
i1

n,i
(S
n+1,i+1
S
n+1,i
)
oP()estlavaleurduputcepoint(espace-tat)Elleestobtenueenutilisantun
arbre trinomial standard, tel que cela est illustr dans notre programme Ces qua-
tions, qui peuvent tre solutionnes numriquement, sont par la suite utilises pour
calculer les probabilits de transition, les prixArrow-Debreu et la volatilit locale
chaque nud Il faut cependant sassurer que ces probabilits sont situes dans
lintervalle[0,1]
Lesprobabilitsdetransitionchaquepaspeuventtreutilisespourcalculer
lavolatilitlocaleimplicitecepointCelle-ciestdonnepar:

n,i
p
n,i
S
n+1,i+2
F
0
( )
2
+ 1 p
n,i
q
n,i
( )
S
n+1,i+1
F
0
( )
2
+ q
n,i
S
n+1,i
F
0
( )
2
,

]
]
F
0
2
t
( )

1/2
o F
0
p
n,i
S
n+1,i+2
+ (1 p
n,i
q
n,i
)S
n+1,i+1
+ q
n,i
S
n+1,i

Prenonsunexempledontlesdtailsseretrouventautableau66Soitlecalcul
duncallnotparC,S=100,X=90;T=0,5,rf=0,05;b=0,02;o =0,12;asym
=0,0004etnlepas,n=30Onobtientalorsunprixpourlecallgal11,10$par
larbretrinomialimplicitealorsquaveclarbretrinomialsimple,onobtientunprix
de11,05$pourlecalleuropen
12

11 Pourplusdedtailscesujet,voir:RacicotetThoret(2004),p422-428
12 CetexempleesttirdeHaug(1998)
Lesapprochesbinomialeettrinomialelathoriedesoptions 197


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 6.6 Calcul du prix dun call par larbre trinomial simple et
larbre trinomial implicite
Prog par : F.-E. Racicot (2004/11/20)
Arbre trinomial implicite de Derman, Kani et Chriss (1996),
Indicateur. Selon les besoins, choisir entre les options suivantes : C: Call , P: Put,
A = Amricaine, E=Europenne.
Arbre trinomial implicite Arbre trinomial simple
Indicateur : C A,E E
S : prix de l'action 100 CallPut C
X : prix d'exercice 90 S 100
T : chance 0,5 X 90
rf : taux sans risque 0,05 T 0,5
b 0,02 rf 0,05
volatilit

: 0,12 b 0,02
Asym: asymtrie 0,0004 vol. 0,12
n 30 n 30
Valeur de l'actif 11,10 $ Valeur= 11,05 $
Journal of Derivatives, vol. 3, n 4, p. 7-22.
Le programme utilis
13
pour effectuer les calculs du tableau 66 se retrouve
autableau67
taBleau 6.7 Programme Visual Basic (Excel)
de larbre trinomial implicite
Option Base 0
Public Function Arbretrinomial_implicite(Indicateur As String, S As Double, X As Double, T As
Double, rf As Double, b As Double, sig As Double, Asym As Double, n_pas As Integer)
Programme inspir de Haug (1998) et adapt par F.E. Racicot
Dim prixArrowDebreu() As Double, Volatilit_locale() As Double
Dim haut() As Double, bas() As Double
Dim ValeurOptionNud() As Double
Dim dt As Double, u As Double, d As Double
Dim df As Double, Pi As Double, qi As Double
Dim Si1 As Double, Si As Double, Si2 As Double
Dim SigmaI As Double, Fj As Double, Fi As Double, Fo As Double
Dim somme As Double, valeuroption As Double
Dim i As Integer, j As Integer, n As Integer, z As Integer
ReDim ValeurOptionNoeud(n_pas*2) As Double
ReDim prixArrowDebreu(n_pas, n_pas*2) As Double
13 CeprogrammeestuneadaptationtrsrapprochedeHaug(1998)
198 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ReDim haut(n_pas-1, n_pas*2-2) As Double
ReDim bas(n_pas-1, n_pas*2-2) As Double
ReDim Volatilit_locale(n_pas-1, n_pas*2-2) As Double
dt=T / n_pas
u=Exp(sig*Sqr(2*dt))
d=1 / u
df=Exp(-rf*dt)
prixArrowDebreu(0, 0)=1
For n=0 To n_pas-1
For i=0 To n*2
somme=0
Si1=S*u^Application.Max(i-n, 0)*d^Application.Max(n*2-n-i, 0)
Si=Si1*d
Si2=Si1*u
Fi=Si1*Exp(b*dt)
SigmaI=sig+(S-Si1)*Asym Fonction de smile linaire
If i < (n*2) / 2+1 Then
For j=0 To i-1
Fj=S*u^Application.Max(j-n, 0)*d^Application.Max(n*2-n-j, 0)* Fj=S*u^Application.Max(j-n, 0)*d^Application.Max(n*2-n-j, 0)*
Exp(b*dt)
somme=somme+prixArrowDebreu(n, j)*(Si1-Fj)
Next
valeuroption=Arbretrinomial(E, P, S, Si1, (n+1)*dt, rf, b, SigmaI, n+1)
qi=(Exp(rf*dt)*valeuroption-somme) / (prixArrowDebreu(n, i)*(Si1-Si))
Pi=(Fi+qi*(Si1-Si)-Si1) / (Si2-Si1)
Else
valeuroption=Arbretrinomial(E, C, S, Si1, (n+1)*dt, rf, b, SigmaI,
n+1)
somme=0
For j=i+1 To n*2
Fj=S*u^Application.Max(j-n, 0)*d^Application.Max
(n*2-n-j, 0)*Exp(b*dt)
somme=somme+prixArrowDebreu(n, j)*(Fj-Si1) somme=somme+prixArrowDebreu(n, j)*(Fj-Si1)
Next
Pi=(Exp(rf*dt)*valeuroption-somme) / (prixArrowDebreu(n, i)*
(Si2-Si1))
qi=(Fi-Pi*(Si2-Si1)-Si1) / (Si-Si1)
End If
Remplacement des probabilits ngativement
If Pi < 0 Or Pi > 1 Or qi < 0 Or qi > 1 Then
If Fi > Si1 And Fi < Si2 Then
Pi=1 / 2*((Fi-Si1) / (Si2-Si1)+(Fi-Si) / (Si2-Si)) Pi=1 / 2*((Fi-Si1) / (Si2-Si1)+(Fi-Si) / (Si2-Si))
qi=1 / 2*((Si2-Fi) / (Si2-Si))
ElseIf Fi > Si And Fi < Si1 Then
Pi=0.5*((Fi-Si) / (Si2-Si)) Pi=0.5*((Fi-Si) / (Si2-Si))
qi=0.5*((Si2-Fi) / (Si2-Si)+(Si1-Fi) / (Si1-Si))
End If
Lesapprochesbinomialeettrinomialelathoriedesoptions 199


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
End If
bas(n, i)=qi
haut(n, i)=Pi
Calcul des prix Arrow-Debreu
If n=0 Then
prixArrowDebreu(n+1, i)=qi*prixArrowDebreu(n, i)*df
prixArrowDebreu(n+1, i+1)=(1-Pi-qi)*prixArrowDebreu(n, i)*df
prixArrowDebreu(n+1, i+2)=Pi*prixArrowDebreu(n, i)*df
ElseIf n > 0 And i=0 Then
prixArrowDebreu(n+1, i)=qi*prixArrowDebreu(n, i)*df
ElseIf n > 0 And i=n*2 Then
prixArrowDebreu(n+1, i)=haut(n, i-2)*prixArrowDebreu(n, i-2)*df+
(1-haut(n, i-1)-bas(n, i-1))*prixArrowDebreu(n, i-1)*df+qi*
prixArrowDebreu(n, i)*df
prixArrowDebreu(n+1, i+1)=haut(n, i-1)*prixArrowDebreu(n, i-1)*
df+(1-Pi-qi)*prixArrowDebreu(n, i)*df
prixArrowDebreu(n+1, i+2)=Pi*prixArrowDebreu(n, i)*df
ElseIf n > 0 And i=1 Then
prixArrowDebreu(n+1, i)=(1-haut(n, i-1)-bas(n, i-1))*
prixArrowDebreu(n, i-1)*df+qi*prixArrowDebreu(n, i)*df
Else
prixArrowDebreu(n+1, i)=haut(n, i-2)*prixArrowDebreu(n, i-2)*
df+(1-haut(n, i-1)-bas(n, i-1))*prixArrowDebreu(n, i-1)*
df+qi*prixArrowDebreu(n, i)*df
End If End If
Next
Next
Le programme donne une rponse qui est fonction de: Indicateur
Calcul du prix dune option de dachat (call) ou de vente (put) laide de larbre trino-
mial implicite:
If Indicateur=C Then
z=1
ElseIf Indicateur=P Then
z=-1
End If
For i=0 To (2*n_pas)
ValeurOptionNud(i)=Application.Max(0, z*(S*u^Application.Max(i-n_pas, 0)
* d^Application.Max(n_pas-i, 0)-X))
Next
For n=n_pas-1 To 0 Step -1
For i=0 To (n*2)
ValeurOptionNoeud(i)=(haut(n, i)*ValeurOptionNoeud(i+2)+(1-haut(n, i)-bas(n, i))*Val
eurOptionNoeud(i+1)+bas(n, i)*ValeurOptionNoeud(i))*df
Next Next
Next
Arbretrinomial_implicite=ValeurOptionNoeud(0)
End Function
00 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Public Function Arbretrinomial(Indicateurameeuro As String, Indicateurcallput As String, S As
Double, X As Double, T As Double, rf As Double, b As Double, sig As Double, n As Integer) As
Double
Cette fonction calcule larbre trinomial. Prog. inspir de Haug (1998) et adapt par F.E. Racicot
Dim valeuroption() As Double
Dim dt As Double, u As Double, d As Double
Dim pup As Double, pdown As Double, pmilieu As Double
Dim i As Integer, j As Integer, z As Integer
Dim df As Double
ReDim valeuroption(n*2+1)
If Indicateurcallput=C Then
z=1
ElseIf Indicateurcallput=P Then
z=-1
End If
dt=T / n
u=Exp(sig*Sqr(2*dt))
d=Exp(-sig*Sqr(2*dt))
pup=((Exp(b*dt / 2)-Exp(-sig*Sqr(dt / 2))) / (Exp(sig*Sqr(dt / 2))-Exp(-sig*Sqr(dt / 2))))^2
pdown=((Exp(sig*Sqr(dt / 2))-Exp(b*dt / 2)) / (Exp(sig*Sqr(dt / 2))-Exp(-sig*Sqr(dt / 2))))^2
pmilieu=1-pup-pdown
df=Exp(-rf*dt)
For i=0 To (2*n)
valeuroption(i)=Application.Max(0, z*(S*u^Application.Max(i-n, 0)*d^Application.Max(n*2-n-i,
0)-X))
Next
For j=n-1 To 0 Step -1
For i=0 To (j*2)
If Indicateurameeuro=E Then
valeuroption(i)=(pup*valeuroption(i+2)+pmilieu*valeuroption(i+1)+pdown*
valeuroption(i))*df
ElseIf Indicateurameeuro=A Then
valeuroption(i)=Application.Max((z*(S*u^Application.Max(i-j, 0)*d^Application.Max(j*2-j-i, 0)-X)),
(pup*valeuroption(i+2)+pmilieu*valeuroption(i+1)+pdown*valeuroption(i))*df)
End If
Next
Next
Arbretrinomial=valeuroption(0)
End Function
Lesapprochesbinomialeettrinomialelathoriedesoptions 01


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
5. queLques appLications de La technique de Larbre binomiaL
La finance computationneLLe des titres revenus
fixes : options amricaines sur obLigations avec coupons
et obLigations convertibLes
.1. option amricaine sur une obligation avec coupons
La premire tape pour dterminer le prix dune option sur obligation consiste
tracerlarbrebinomialdutauxdintrtsurladuredeviedelobligationIlexiste
plusieursmthodespourtracercetarbre;nousrecouronslatechniqueproposepar
Black,DermanetToy(1990)Cettetechniquevisereproduirelesprixobservsdes
obligationscouponzroselonlesdiverseschancesde mme que leur volatilit
respectiveparchanceSupposonsquelobligationsurlaquelleestcriteloptionque
nousvoulonsvaluercomporteunechancede3ansLemodledeBlack,Derman
et Toy nous a permis dtablir larbre de taux dintrt qui apparat la fgure 6.12.
Figure 6.12
19,6
14,28
10 13,67
9,77
9,54
Ladeuximetapeconsistecalculerlarbrebinomialduprixdelobligation
aveccouponsquiconstituelesous-jacentdeloptionSupposonsquelobligationait
unechancede3ansetquelleverseuncouponannuelde10%Savaleurnominale
estde100$IlyadeuxfaonsdetracercetarbreBlack,DermanetToysuggrent
de considrer chaque cash-fow annuel de lobligation comme une obligation
couponzroTuckman
14
suggrepoursapartdadditionnerlescouponsauxnuds
oilssontverssetdepoursuivrelactualisationdanslarbreExaminonscesdeux
mthodestourtour
14 BTuckman(2002),Fixed Income Securities, John iley & Sons, New York.
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
.. Technique de black, derman et Toy (bdT)
La mthode de BDT consiste dmembrer lobligation avec coupons en autant de
parties quelle comporte de cash-fows Dans le cas qui nous intresse, lobligation
aveccouponsde3anscorrespond3obligationscouponzroLepremiercoupon
de 10$ est une obligation coupon zro de 1 an Le deuxime coupon de 10$ est
une obligation coupon zro de 2 ans La valeur nominale et le troisime coupon,
soit110$,constituentuneobligationcouponzrode3ansOnconstruitlesarbres
decestroisobligationscouponzro,puisonlesadditionne
Considrons dabord larbre du premier coupon de 10 $ (fgure 6.13).
Figure 6.13
10
10
9,048
Comme la probabilit de hausse des taux dintrt est ici gale la probabilit de
baisse, soit 50%, ce prix se calcule comme suit partir de larbre de taux de la
fgure 6.12.
0, 5 10 ( ) + 0, 5 10 ( ) ,

]
]
e
0,10
9, 048
Puis on passe larbre de la deuxime obligation coupon zro (fgure 6.14).
Figure 6.14
8,669
9,069
10
10
10
8,025
Lesapprochesbinomialeettrinomialelathoriedesoptions 0


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
titre dexemple, le cash-fow qui apparat la priode 1 dans ltat 1 est calcul
comme suit, toujours partir de larbre de taux de la fgure 6.12 :
0, 5 10 ( ) + 0, 5 10 ( ) ,

]
]
e
0,1428
8, 669
On construit fnalement larbre constitu de la somme du troisime coupon et de la
valeur nominale (fgure 6.15).
Figure 6.15
110
90,421
80,782 110
76,744 95,945
88,849 110
99,991
110
Puis on additionne les arbres donns par les fgures 6.13, 6.14 et 6.15 (fgure 6.16) :
Figure 6.16
110
100,421
99,451 110
93,817 105,945
107,918 110
109,991
110
Touslesnudsdecetarbrecomportentunintrtcourude10$,sauflepremierEn
retranchant cet intrt couru, on obtient larbre binomial du prix de lobligation de
3 ans (fgure 6.17).
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 6.17
100
90,421
89,451 100
93,817 95,945
97,918 100
99,991
100
.. Technique de Tuckman
TuckmansuggreunemthodeplusrapidequecelledeBDTpourconstruirelarbre
binomialdelobligationaveccouponsLatechniqueestsimpleElleconsisteactua-
liser les cash-fows de lobligation en rtrogradant dans larbre et en prenant soin
dajouterlescouponsauxnudsoilssontverssCelanexigequelaconstruction
dun seul arbre, ce qui simplife de beaucoup la mthode de BDT.
Commenons par la fn de larbre, qui apparat la fgure 6.18.
Figure 6.18
100
100
100
100
Nous sommes la priode 3. Pour insrer les cash-fowsdelapriode2,nousajoutons
lecouponde10$chacundecesnudsetnousactualisonscescash-fowspartir
des taux de la fgure 6.12. Nous obtenons la fgure 6.19.
Lesapprochesbinomialeettrinomialelathoriedesoptions 0


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 6.19
100
90,421
100
95,945
100
99,991
100
Parexemple,lecash-fowdelapriode2ltat2estgal:
0, 5 100 +10 ( ) + 0, 5 100 +10 ( ) ,

]
]
e
0,1960
90, 421
Pourtablirlescash-fowsdelapriode1,onajoutelecouponde10$chacundes
nuds de la priode 2 et on poursuit lactualisation. On obtient la fgure 6.20.
Figure 6.20
100
90,421
89,452 100
95,945
97,918 100
99,991
100
Parexemple,lecash-fowdelapriode1ltat1estgal:
0, 5 90, 421+10 ( ) + 0, 5 95, 945 +10 ( ) ,

]
]
e
0,1428
89, 452
Finalement,pourobtenirleprixdelobligation,onajoutelecouponde10$auxdeux
nuds de la priode 1 et on procde lactualisation. On en arrive la fgure 6.21.
Figure 6.21
100
90,421
89,452 100
93,818 95,945
97,918 100
99,991
100
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ceprixestgal:
0, 5 89, 452 +10 ( ) + 0, 5 97, 918 +10 ( ) ,

]
]
e
0,10
93, 818
Cet arbre du prix de lobligation de 3 ans ninclut pas lintrt couru Il est
identique celui de la fgure 6.17 mais a t obtenu beaucoup plus rapidement. On
estgalementmmedeconstaterqulinstardesdividendespourlesactions,les
couponsrelventleprixduneobligationcouponzro
.. calcul du prix dun call amricain de ans
crit sur lobligation de ans
Nous voulons maintenant calculer le prix dun callde2 anssurlobligation prc-
dentede3ansdontleprixdexerciceestde95$Commececallestamricain,nous
devrons vrifer chaque nud sil ny a pas lieu dexercer loption. Sa valeur un
nudseradoncgale:
MAX(V
D
, V
E
)
oV
D
reprsentelavaleurdedtentiondeloption,soitlescash-fowsactualissde
loptionunnuddelarbre,etV
E
,lavaleurintrinsqueoudexercicedeloption
au mme nud. Comme laccoutume, la fgure 6.22, nous dbutons le calcul du
prixducall en commenant par la fn de larbre. Dans la case suprieure dun nud,
nous indiquons le prix de lobligation ce nud tel que calcul la fgure 6.21 et
dans la case infrieure apparat le cash-fow fnal (payoff)deloption,soitsavaleur
intrinsque
Figure 6.22
90,421
0
95,945
0,945
99,991
4,991
Puis nous reculons dans larbre en actualisant les cash-fows de loption Situons-
nousltat0delapriode1Lavaleuractualisedescash-fowsdeloptionce
nudestde:
0, 5 0, 945 ( ) + 0, 5 4, 991 ( ) ,

]
]
e
0,0977
2, 692
Lesapprochesbinomialeettrinomialelathoriedesoptions 07


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Maiscommeleprixdelobligationcenudestde97,918,lavaleurdexercicedu
callcenudestde:
97,91895=2,918
Commelavaleurdexerciceestpluslevecenudquelavaleurdedtentionde
loption, cest la valeur dexercice qui apparatra ce nud, soit 2,918. La fgure 6.23
donnelarbrebinomialglobalducall. Son prix est de 1,505 $. Le lecteur pourra vrifer
quesicetteoptiontaiteuropenne,sonprixseraitde1,402$
Figure 6.23
90,421
0
89,452
0,409 95,945
93,818 0,945
1,505 97,918
2,918 99,991
4,991
.. obligation convertible
Uneobligationconvertibleestuneobligationquipeuttreconvertieenactionsun
tauxprdterminappelratiodeconversionParexemple,lobligationpeuttre
convertieendeuxactionsdelasocitmettriceLmetteurpeutgalementforcer
la conversion un prix spcif lavance. La valeur de lobligation convertible est
doncgale:
max min Q
1
, Q
2
( ), Q
3
,

]
]
o Q
1
est la valeur de lobligation en labsence dexercice, Q
2
, sa valeur lors du
remboursementanticipetQ
3
,savaleursielleestconvertie
quel taux oprer lactualisation des cash-fows de larbre binomial ? Si on
est certain que lobligation est convertie, on actualise au taux sans risque Si elle
nestpasconvertie,ilfautalorsactualiseruntauxquiinclutlaprimederisquede
lmetteurCestpourquoi,danslarbre,ondistingueradeuxcomposantes:lavaleur
de lobligation convertible comme actions et la valeur de lobligation convertible
commeobligation
08 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lesobligationsconvertiblessonthabituellementmisespardejeunesentre-
prisesrelativementrisquesquiveulentabaisserlecoupondeleursmissionsdobli-
gationsenmettantdesobligationsconvertiblesEllesvitentaussiunetropgrande
dilution de leur capital-actions en mettant des obligations convertibles plutt que
des actions Les actions seront mises lors de la conversion, cest--dire lorsque le
prix de laction aura suffsamment augment.
Pour illustrer comment on valorise une obligation convertible, examinons
lexemple suivant de Hull
15
Une socit met une obligation convertible coupon
zro qui versera 100$ son chance Lchance est de 9 mois Lobligation est
remboursableparanticipationauprixde115$
Laction de la socit cote prsentement 50$ Sa volatilit est de 30% La
courbedutauxsansrisqueesthorizontale10%etcelledesobligationsdelasocit
estelle-mmehorizontale15%Leratiodeconversionestde2Ondterminecomme
laccoutumelesparamtresdelarbrebinomial,quelondiviseentrimestres:
u e
t
e
0,30 0,25
1,161 8
d
1
u

1
1,161 8
0, 860 7
p
e
rt
d
u d
0, 546 7
Lexercicedbuteparlaconstructiondelarbreduprixdelaction
78,42 3
67,49
58,09 58,09 2
50
50
43,04 43,04 1
37,04
31,88 j = 0
i = 0 1 2 3
Commenons construire larbre binomial de lobligation convertible la
fn de larbre, l o ses fux montaires sont connus. Si lobligation est exerce, sa
valeur comme obligation est alors nulle Si elle ne lest pas, elle na aucune valeur
commeactionsetlonretientsavaleurcommeobligationOnactualiseensuiteces
cash-fows selon la procdure spcife.
15 JHull(2004),Options, futures et autres actifs drivs, PearsonEducation,Londres
Lesapprochesbinomialeettrinomialelathoriedesoptions 09


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Danslapremirecasedunnud,nousentronsleprixdelactioncenud
Dans la deuxime case apparat sa valeur comme actions ; dans la troisime, sa valeur
commeobligationetdanslaquatrime,nousentronslasommedesdeuxcasesprc-
dentes, soit la valeur globale de lobligation convertible. Ces calculs pour la fn de
larbresontlessuivants:
78,42
156,84
0
156,84
58,09
116,18
0
116,18
43,04
0
100
100
31,88
0
100
100
Examinonslenud(3,3)Lavaleurdeconversiondelobligationestalorsde
(78,422)=156,84Laconcessionestncessairementexerceetsavaleurcomme
obligationestnulleLavaleurglobaledelobligationestdoncde156,84Ilenestde
mmeaunud(3,2)Aunud(3,1),savaleurdeconversionestde86,04etcelle-ci
nest donc pas exerce, car sa valeur comme obligation est de 100. Le fux montaire
dcoulantdelaconversionestdoncnuletlavaleurglobaledelobligationestde100
Ilenvademmeaunud(3,0)
Nous rtrogradons maintenant dans larbre en actualisant les cash-flows
fnaux.
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
78,42
156,84
0
67,49 156,84
134,98
0 58,09
134,98 116,18
0
50 116,18
61,95
43,66 43,04
105,61 0
100
37,04 100
0
96,32 31,88
96,32 0
100
100
Situons-nous dabord au nud (2,2). Nous navons que deux fux montaires
dcoulant de la conversion actualiser Lactualisation se fait donc au taux sans
risque:
156, 84 0, 546 7 ( ) + 116,18 0, 453 3 ( ) ,

]
]
e
0,100,25
134, 98
Aunud(2,1),lacomposanteactionsetlacomposanteobligationsontposi-
tivesLacomposanteactions,quisesituedansltatdehausse,estactualiseautaux
sansrisqueLacomposanteobligation,quisesituedansltatdebaisse,estactualise
autauxrisquOna,pourlacomposanteactions:
0, 546 7 116,18 ( ) e
0,100,25
61, 95
Et,pourlacomposanteobligation:
0, 453 3 100 ( ) e
0,150,25
43, 66
La valeur de lobligation convertible au nud (2,0) est donc de: 61,95 + 43,66 =
105,61
Aunud(2,0),ilnyaquedeuxcomposantesobligationsactualiser:
100 0, 546 7 ( ) + 100 0, 453 3 ( ) ,

]
]
e
0,150,25
96, 32
Lesapprochesbinomialeettrinomialelathoriedesoptions 11


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous rtrogradons maintenant la priode 1.
78,42
156,84
0
67,49 156,84
134,98
0 58,09
58,09 134,98 116,18
116,18 0
0 50 116,18
116,18 61,95
43,66 43,04
43,04 105,61 0
33,03 100
65,05 37,04 100
98,08 0
96,32 31,88
96,32 0
100
100
la priode (1,1), la valeur actions de lobligation convertible est gale :
134, 98 0, 546 7 ( ) + 61, 95 0, 453 3 ( ) ,

]
]
e
0,100,25
99, 35
Etsavaleurcommeobligationestde:
0 0, 546 7 ( ) + 43, 66 0, 453 3 ( ) ,

]
]
e
0,150,25
19, 79
La valeur globale de lobligation convertible est donc de: 99,35 + 19,06 =
118,41 Comme cette valeur excde 115, lmetteur exerce son option de rembour-
sementanticipMaiscommeledtenteuraleloisirdelaconvertirendeuxactions,
il se prvaut de son droit, ce qui lui rapporte 116,18 (2 58,09), soit un montant
suprieurceluiduremboursementanticip
En poursuivant ces calculs, on obtient 104,95 comme prix de lobligation
convertible Si elle ntait pas convertible, elle vaudrait 100 e
0,150,75
89, 36
Loptiondeconversionestdoncde:104,9589,36=15,59
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
78,42
156,84
0
67,49 156,84
134,98
0 58,09
58,09 134,98 116,18
116,18 0
50 0 50 116,18
76,55 116,18 61,95
28,4 43,66 43,04
104,95 43,04 105,61 0
33,03 100
65,05 37,04 100
98,08 0
96,32 31,88
96,32 0
100
100
OnasupposiciquelobligationnecomportepasdecouponsSiellecomporte
descoupons,onsupposedabordchaquenudquelobligationconvertibleestune
obligationetoninclutdanslacomposanteobligatairelavaleuractuelledescoupons
payablesltapesuivante
Damodaran
16
proposeuneautreprocdurepourvaluerlesoptionsconvertibles
Lavantagedesamthodeenregarddelaprcdenteestquelleprendencomptela
dilutionducapital-actionsdelentreprisequiseproduiralorsquelesobligationsde
lentrepriseserontconvertiesTouteschosesgalesdailleurs,ilsensuivraalorsune
baisse du prix de laction de la socit qui a mis les obligations convertibles Par
ailleurs, pour calculer la prime de conversion, Damodaran recourt la formule de
Black et Scholes Il suppose donc que loption de conversion est europenne alors
quelleesttoutlemoinsbermudenne
17
Deplus,onnesupposepasderembour-
sementanticiplorsdecetexercice
Une socit met 100000 obligations convertibles dont lchance est de
7,5ans Leur valeur nominale est de 1000$ et chacune peut tre convertie en
25,32actions de la socit Le taux du coupon de lobligation est de 5,75% Les
obligationsnonconvertiblesdelasocitontunrendementde9%Aumomentde
lmission,leprixdelactionestde32,5$etlavolatilitdeleurtauxderendementest
de50%Toujoursaumomentdelmission,lecapital-actionsdelasocitcomptait
16 ADamodaran(1996),Investment Valuation, John iley & Sons, New York.
17 Cest--direquellenepeuttreexercequdesmomentsbienprcis
Lesapprochesbinomialeettrinomialelathoriedesoptions 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
47,35 millions dactions Lexercice des obligations convertibles se traduira par un
ajout de 2,532 millions dactions (100000 25,32 actions) Le taux de rendement
dudividendedelactionestde3%
Si lobligation convertible ne lavait pas t (straight bond) et quelle avait
euuncouponde5,75%assortiedunrendementde9%,savaleurcommeobligation
auraitalorstde:
28, 75
1, 045 ( )
t
t1
15

+
1000
1, 045 ( )
15
825, 48 $
Les versements des coupons sont en effet semestriels Chaque coupon vaut:

0, 057 5
2
1 000 28, 75 $ Ilsagiticiduneannuitde15semestres
Pourcalculerloptiondeconversion,onfaitappellaformuleduprixdun
call europen de Black et Scholes. Identifons les arguments de ce call Le prix de

laction est de 32,50$ Le prix dexercice de loption est de:


1000
25, 32
39, 49$ La

volatilitdurendementdelactionestde0,5Lchancedeloptionestde7,5ans
etletauxsansrisqueestde7,75%Letauxderendementdudividendeestde3%
EnsubstituantcesvaleursdanslquationdeBlacketScholes,onobtientunevaleur
de14,17$pourlecallPourcorrigerleffetdedilution,onsesertdufacteurdedilu-
tion,quiestgalaurapportdunombredactionsencirculationavantlaconversion

et du nombre de ces actions aprs la conversion, soit:


47, 35
47, 35 + 2, 532
0, 949

Aprscorrectiondeleffetdedilution,leprixducallestdoncde:14,17 0,949=13,45
Laprimeglobaledeconversionparobligationconvertibleestdoncde:13,4525,32=
340,55Parconsquent,lavaleurdelobligationconvertibleestde:
825,48+340,55=1166,03
Dterminons la valeur de loption de conversion dans le cadre de lexemple
prcdentdeHullenrecourantlamthodedeDamodaranLeprixdelactiontait
de50$Leprixdexercicesesituait100/2=50$Lavolatilitdurendementde
laction stablissait 30% Lchance de loption tait de 9 mois et le taux sans
risquecotait10%EnsubstituantcesdonnesdanslquationdeBlacketScholes,
leprixducallestde6,99$Laprimedeconversionestalorsde13,98$,sanstenir
compte de leffet de dilution, contre 15,59$ en recourant la mthode de Hull
Certes, le calcul deHullsupposequeloptiondeconversionestamricaine,cequi
luiassureuneplus-valueenregarddeloptioneuropenneParcontre,Hullsuppose
unremboursementanticipprvuparlmetteur,cequiplafonnelavaleurdelobli-
gationconvertible
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Wilmott
18
recourtdirectementunequationdiffrentiellestochastiquepour
fxer le prix dune obligation convertible. Supposons que celle-ci soit coupon zro.
Lavaleurdelobligationconvertible(V)dpendalorsduprixdelaction(S)etdu
temps(t),cest--dire:
V V S, t ( )
ReprenonslanalysedeBlacketScholesenconstituantunportefeuille(H)compos
duneobligationconvertibleetdunepositiondcouvertdeAactionsOnrecourt
aulemmedItpourdterminerlquationdiffrentielledeceportefeuille:
d
V
t
dt +
V
S
dS +
1
2

2
S
2

2
V
S
2
dt dS
Pour liminer le risque de ce portefeuille, on fxe comme laccoutume le
deltaauniveausuivant:

V
S
Commeloptionestamricaine,onobtientlingalitsuivantequiditquele
rendementduportefeuilleestauplusceluidutauxsansrisque:
V
t
dt +
1
2

2
S
2

2
V
S
2
dt + rS
V
S
rV 0
En supposant que la valeur nominale de lobligation soit de 1 $, la valeur fnale de
lobligationestde:
V S, t ( ) 1
Puisquelobligationpeuttreconvertieennactions,onalacontrainte:
V nS
Enlabsencederisquedecrdit,onalesconditionsauxbornessuivantes:
V S, t ( ) nS S
V 0, t ( ) e
r Tt ( )
cest--dire que lorsque le prix de laction est important, lobligation convertible
secomportecommelesous-jacentetlorsqueleprixdelactionestfaible,lobliga-
tion convertible se comporte comme une obligation ordinaire, comme lillustre la
fgure 6.24.
18 PWilmott(1998),Derivatives, John iley & Sons, New York.
Lesapprochesbinomialeettrinomialelathoriedesoptions 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 6.24 volution du prix de lobligation convertible
en fonction du prix de laction
Prixobligation
Prixaction
Dans le raisonnement prcdent, on supposait que laction ne verse pas de
coupons et que laction ne comporte pas de dividendes. ce moment-l, lobligation
convertible ne sera jamais exerce avant lchance de lobligation, linstar dun
callcritsuruneactionneversantpasdedividendesMaissilactionsous-jacente
lobligationconvertibleversedesdividendes,alorslavaleurdelobligationconver-
tible fnira pas atterrir en douceur sur la ligne de la valeur intrinsque et il y aura
alorsconversion
Le fait que la valeur de lobligation convertible ne ragit pas au prix de
laction en de dun certain seuil peut tre contestable En effet, la baisse du prix
de laction peut signaler une probabilit de plus en plus importante de faillite pour
lentrepriseOnintroduitalorslerisquedecrditdanslanalyseLavaleurdelobli-
gationconvertiblesamenuiseraitdoncdeplusenplusaufuretmesurequelaction
sedvaloriserait
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
rsum
Dans ce chapitre, nous avons pu constater que larbre binomial est une mthode
numrique trs simple pour calculer les prix de produits drivs En fait, larbre
binomial donne une approximation de lesprance des fux montaires actualiss de
loption dans un univers neutre au risque. Nous savons que cette esprance constitue
leprixdunproduitdrivDanslechapitreayanttraitlexerciceprmaturdune
option amricaine, nous verrons comment on peut modifer le programme de larbre
binomialpouryintgrerloptiondexerciceprmaturdemmequelesdividendes
verss par le sous-jacent. Nous serons en mesure de constater que larbre binomial
sajustetrsbiencesnouvellesdonnesParailleurs,cechapitreagalementprsent
larbre trinomial, qui est de nature reproduire des processus stochastiques plus
complexesquelemouvementbrowniengomtriqueIlpeuteneffetdupliquerdes
processusOrnstein-UhlenbecketdesprocessusdediffusionavecsautsQuiplusest,
le processus de convergence semble plus effcace du ct de larbre trinomial que de
celuidelarbrebinomial
bibLiographie
Benninga,S(2000),Financial Modeling,2
e
dition,TheMITPress,Cambridge
BlaCk, F., e. DerMan et W toy (1990), A One-factor Model of Interest Rates and Its
ApplicationstoTreasuryBondOptions,Financial Analysts Journal,janvier-fvrier,
p33-39
BlaCk,FetMsCholes(1973),ThePricingofOptionsandCorporateLiabilities,Journal
of Political Economy,mai-juin,p637-659
BranDiMarte, P (2002), Numerical Methods in Finance : A MATLAB-based Introduction,
John iley & Sons, New York.
Bryis, E et al. (1998), Options, Futures and Exotic Derivative : Theory, Application and
Practice, iley Frontiers in Finance, New York.
CleWloWLetCstriCklanD(1998),Implementing Derivatives Models,JohnWiley&Sons,
New York.
CopelanD,TetVantikarov(2001),Real Options,Texere,Mason,OH
Cox, J.C., s.a. ross et M ruBinstein (1979), Option Pricing : A Simplifed Approach ,
Journal of Financial Economics,vol7,p229-263
DaMoDaran,A(1996),Investment Valuation, John iley & Sons, New York.
DerMan, e., i. kani et N. Chriss(1996),ImpliedTrinomialTreesoftheVolatilitySmile,
Journal of Derivatives,vol3,p7-22
haug, EG (1998), The Complete Guide to Option Pricing Formulas, McGraw-Hill,
Columbus
hull, JC (2006), Options, Futures and Other Derivative Securities, Prentice Hall, Upper
SaddleRiver
Lesapprochesbinomialeettrinomialelathoriedesoptions 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
hull, JC et AD White (1993), One-factor Interest-rate Models and the Valuation of
Interest-rateDerivativeSecurities,Journal of Financial and Quantitative Analysis,
vol28,p235-254
JaCkson M et M stauton (2001), Advanced Modelling in Finance using Excel and VBA,
John iley & Sons, New York.
neFtCi, S.N. (2000), An Introduction to the Mathematics of Financial Derivatives,Academic
Press,Burlington,MA
raCiCot,F-etRthoret(2004),Le calcul numrique en fnance empirique et quantitative,
PressesdelUniversitduQubec,Qubec
raCiCot, F- et R thoret (2001), Introduction lutilisation des mthodes bases sur
le calcul numrique en fnance quantitative : lvaluation dactifs contingents avec
applications Visual Basic,CRG,13-2001,mai
raCiCotF-etRthoret(2001),Trait dconomtrie fnancire : modlisation fnancire,
PressesdelUniversitduQubec,Qubec
reBonato,R(2004),Volatility and Correlation, 2
e
dition, John iley & Sons, New York.
rostan,P(2001),Produits drivs et Visual Basic : les premiers outils de lingnierie fnan-
cire,Gurinuniversitaire,Montral
ruBinsteint,M(1994),ImpliedBinomialTrees,Journal of Finance,p771-818
tuCkMan,B(2002),Fixed Income Securities, John iley & Sons, New York.
WilMott,P(2006),Paul Wilmott on Quantitative Finance,volumes1,2et3,JohnWiley&
Sons, New York.
WilMott, P (2000), Paul Wilmott on Quantitative Finance, volumes 1 et 2, John Wiley &
Sons, New York.
WilMott,P(1998),Derivatives, John iley & Sons, New York.


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
7
la simulaTion de monTe carlo
Depuis son incorporation par Boyle (1977) dans la panoplie des outils de la fnance
computationnelle, la simulation de Monte Carlo na cess de gagner en popularit
commemthodedecalculdeprixdoptionsdeplusenplusperfectionneetcomme
instrumentdegestiondesrisquesEllesecaractriseparsatrsgrandesouplesseet
parsacapacitdetraiterunproblmeenplusieursdimensions
Lecalculduprixduneoptionrevientlasolutiondunequationdiffrentielle
MaiscommelestipulelethormedeFeynman-Kac,unequationdiffrentiellepeut
trereprsenteparuneesprancemathmatiqueOr,quiditesprancemathmatique
dit intgrale Et cest justement lune des principaux objectifs de la simulation de
MonteCarloquedestimeruneintgraleOncomprenddslorslelientrstroitqui
existeentrelesprixdesproduitsdrivsetlasimulationdeMonteCarlo
Le but du prsent chapitre est dexaminer de faon dtaille les principaux
aspects de lutilisation de la simulation de Monte Carlo en fnance computation-
nelle et de fournir des programmes crits en Matlab et en Visual Basic conus de
manire matriser ces aspects. Nous introduirons dabord ces mthodes en suivant
ladmarcheadopteparBoyledanssonarticlede1977Puisnousverronscomment
laperformancedelasimulationdeMonteCarlopeuttreamlioreenrecourant
plusieurs techniques: variables antithtiques, variables de contrle et squences de
nombrespseudo-alatoires
1. Les aspects gnraux de La simuLation de monte carLo
Nous savons que la solution de Black et Scholes au calcul du prix dune option dachat
europennepasseparlasolutiondelquationdiffrentiellesuivante:
C
t
+
1
2

2
S
2

2
C
S
2
+ rS
C
S
rC 0
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
aveccommeconditionterminale:
C T, S ( ) S T ( ) K
( )
+
SelonlethormedereprsentationdeFeynman-Kac,quitablitlquivalence
entreunequationdiffrentielleetuneesprancemathmatique,siCestunesolution
cesystmedquations,onpeutalorsexprimercettesolutioncommeuneesprance
dupayoff fnal de loption, cest--dire :
C e
r Tt ( )
E
Q
C T, S ( ) ,

]
]
oE
Q
,estloprateurdesprancedansununiversneutreaurisqueC(T,S),lepayoff
1

deloptiondachat,estunevariablealatoireCesontCoxetRoss(1976)quifurent
lespremiersfairelelienentrelethormedereprsentationdeFeynman-Kacetle
prixduncallvucommeuneesprance
Or,uneespranceestuneintgralePourunevariablealatoireX,sonesp-
rancesecalculecommesuit:
E X ( ) xf(x)dx

Parailleurs,oncalculelesprancedunefonctiong(y)commesuit:
E g y ( ) ( )
g y ( )

f y ( ) dy
o f y ( )

dy 1.
Soit E g y ( ) ,

]
]
g On veut trouver une estimation
g de g , ce dernier tant
inconnuOnrecourtpourcefairelasimulationdeMonteCarloLvaluationdin-
tgrales est la principale utilisation de la simulation de Monte Carlo en fnance. En
effet,onpeutreprsenterlesprixdoptionscommesuit:
Prix doptions E
Q
. ( ) . ( )

En temps continu, une esprance est une intgrale En temps discret, cest une
moyenne Cest cette moyenne que vise calculer la simulation de Monte Carlo
Elle deviendra un estimateur du prix dune option. Au tableau 7.1, on identife les
principales tapes du calcul de
g , soit lestimateur de g , laide de la simulation
deMonteCarlo
1 Rappelons que le terme Rappelons que le terme payoff dsigne le cash-fow de loption lchance de celle-ci. Comme
nousneconnaissonspasleprixdelactionlchancedeloption,lepayoffestdoncunevariable
alatoire
LasimulationdeMonteCarlo 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 7.1 Calcul de par la simulation de Monte Carlo
tape 1 Par la simulation de MC, on gnre au hasard des ralisations de y: y
1
, y
2
,,y
n
.
tape 2 Chacune de ces ralisations donne une valeur g(y).
tape 3
Lestimation de lintgrale qui rsulte de la simulation est de:
g
1
n
g y
i
( )
i1
n

tape 4 On peut valuer la prcision de cette estimation en calculant s (dviation standard):





s
1
n 1
g y
i
( )
une itration

g
n itrations

,
,
]
]
]
]
2
i1
n


Asymptotiquement,cest--direquand n ,ladistributionsuivantetendversune
normale:
g g
s n 1
a
~
N 0,1 ( )
Lintervalle de confance de lestimateur est donc de :
g
c
s
n 1
oo
c
estlavaleurcritique
En ce qui nous concerne, est un estimateur du prix dune option.
Pourillustrerlesdveloppementsprcdents,nousallonsvaluerleprixdun
calleuropenasiatiqueenrecourantlasimulationdeMonteCarloLepayoffdune
telleoptionestde: S X
( )
+
,o S estlamoyenneduprixdusous-jacentcalculesur
laduredeviedeloptionLoptionasiatiquedpenddoncdusentiersuiviparlaction
jusqulchancedeloptionOnditenanglaisquelleestpath-dependent.
Leprixdeloptionasiatiqueestgallesprancerisque-neutresuivante:
C t, s ( ) e
r Tt ( )
E
Q
S X
( )
+
,

]
]
E
Q
tantuneintgrale,onlvalueparlasimulationdeMonteCarloEntermesdiscrets,
leprixdeloptionseramnelexpressionsuivante,quiestdirectementcalculable
parlasimulationdeMonteCarlo:

C
CF
i
T ( )
n
i1
n

,
]
]
]
e
r Tt ( )
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ntantlenombreditrationsdelasimulationetCF
i
(T): S
i
T ( ) K ,

]
]
+
,o S
i
T ( ) est
lamoyennedesprixdelactionlorsdelitrationi,quiestunevariablealatoire
Poureffectuerlasimulation,onsedonnedabordunereprsentationlognor-
maleduprixdelaction:

S
t+1
S
t
e
r
1
2

2 j
(
,
\
,
(
t+ t
(1)
o ~ N 0,1 ( ) Lquation (1) est la solution du mouvement brownien gomtrique
suivantsuppospourleprixdelactiondansluniversrisque-neutre:
dS rSdt + Sdz
o dz dt
Les tapes du calcul du prix duncall europen asiatique par la mthode de
lasimulationdeMonteCarlosontlessuivantes:
1 Diviser la dureT de loption en m pas t
T
m
t est dfni sur une

baseannuellepuisquetouslesparamtresducallsontexprimssurune
baseannuelle
2. Gnrer un premier nombre alatoire et calculer S
1
partir de S
0

(connu)
3 Gnrerdefaonsquentielledautresvariablesalatoiresetlessubstituer
dans(1)
4 Onobtientenboutdepisteunetrajectoire(path)deS
Oncalculealorssamoyennesurlatrajectoire:
S
S
j
m
5 Oncalculelecash-fow fnal de loption asiatique pour cette trajectoire :
CF
i
S
i
K
( )
+
On effectue N itrations de la sorte (N doit tre important pour rduire
autant que possible) et on obtient un cash-fow respectif pour chaque
itration
6. On obtient fnalement le prix du callasiatique:

C e
r Tt ( )
CF
i
N
i1
N

LasimulationdeMonteCarlo


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lcart-typedecetteestimationestlesuivant
s
1
n 1
C
i


C
( )
2
o C
i
e
r Tt ( )
CF
i
,isymbolisantlitration
Cetcart-typeestinappropripourvaluerlaperformancedunesimulationde
MonteCarloorienteverslecalculduprixduneoptionEneffet,lespayoffsdune
optionnobissentpasunedistributionnormalePourpallierceproblme,nous
reprendronsungrandnombredefoislammesimulationLadistributiondesrsultats
devrait tendre vers la normale. Nous calculerons la moyenne des rsultats, qui devrait
tre centre sur le prix effectif de loption, de mme que lcart-type. Nous serons
alorsmmedejugerdelaperformancedelasimulationeffectue
Nous voulons valoriser un call asiatique europen dont les spcifcations se
retrouventautableau72Letableau73fournitunprogrammecritenVisual Basic
denaturevaluerleprixduneoptionasiatique(callouput)Quandilsagitdun
call,commedanslecasprsent,lavariableioptprendlavaleur1Etlorsquilsagit
dunput,lavaleur(1)luiestattribueLesparamtresducallasiatiqueseretrouvent
autableau72
taBleau 7.2
S 80
X 85
T 1 an
Rf 0,05
Q 0
o 0,2
Nous fxons dans un premier temps le nombre de pas 100 et le nombre
ditrations, galement 100. Nous obtenons un prix de 1,47 $ pour le calleuropen
asiatique dont les spcifcations apparaissent au tableau 7.2. Nous effectuons, laide
duneboucleajouteauprogrammedutableau73,100simulationsadditionnelles
Lhistogrammedessimulations,demmequelesprincipalesstatistiques,sontrper-
toris la fgure 7.1.
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 7.3 Simulation de Monte Carlo
pour calculer le prix dune option asiatique
Sub simopt( )
Range(d4:iv6000).ClearContents
Range(option1).ClearContents
Dim iopt1, s1, x1, rf1, q1, t1, sigma1, nsimg1, pas
Dim rnmutg, sigtg, sumg, randnsg, S1g, payoff1g, sigsum, sigmoyenne
Dim i As Integer
Dim j As Integer
iopt1=1
s1=80
X1=85
rf1=0.05
q1=0
t1=1
sigma1=0.2
pas=100
nsimg1=100
rnmutg=(rf1-q1-0.5*sigma1^2)*(t1 / pas)
sigtg=sigma1*Sqr(t1 / pas)
sumg=0
For i=1 To nsimg1
S1g=s1
sigsum=0
For j=1 To pas
Randomize
randnsg=Application.NormSInv(Rnd)
S1g=S1g*Exp(rnmutg+randnsg*sigtg)
Range(prix1).Offset(j-1, i-1)=S1g
sigsum=sigsum+S1g
Next j
sigmoyenne=sigsum / pas
Range(prix).Offset(i-1, 0)=sigmoyenne
payoff1g=Application.Max(iopt1*(sigmoyenne-x1), 0)
Range(cash).Offset(i-1, 0)=payoff1g
sumg=sumg+payoff1g
Next i
option1=Exp(-rf1*t1)*sumg / nsimg1
Range(option1).Value=option1
End Sub
LasimulationdeMonteCarlo


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 7.1 Histogramme des simulations
Series: ITER100
Sample 1 100
Observations 100
Mean 2,473247
Median 2,476225
Maximum 3,626531
Minimum 1,385215
Std. Dev. 0,456563
Skewness 0,066643
Kurtosis 2,716794
Jarque-Bera 0,408211
Probability 0,815376
0
2
4
6
8
10
12
1.5 2.0 2.5 3.0 3.5
Source:EViews.
Comme on peut le constater la fgure 7.1, la moyenne des simulations est de
2,47, ce qui est trs rapproch du prix effectif ducall asiatique, cest--dire 2,48$
Lasimulationquenousavonseffectueantrieurementetquiluiassignaitunprixde
1,47 $ tait donc bien loin de la marque. hauteur de 0,45, lcart-type des simula-
tionsestimportantLastatistiqueBera-Jarqueindiquantqueladistributiondesprix
de loption savre normale, lintervalle pour un niveau de confance de 95 % du prix
deloptionestde:
2, 47 1, 96 ( ) 0, 45 ( ) 2, 47 0, 88
Lintervalle de confance du prix de loption est draisonnablement lev puisquil
stire de 1,59 $ 3,35 $. Le rsultat obtenu dune simulation nest donc pas fable
pourunnombreditrationsde100
Une faon de rduire lintervalle de confance du prix de loption est dac-
crotre le nombre ditrations. Nous avons refait les 100 simulations en augmentant
lenombreditrationsde1001000Lesrsultatsdessimulationssontcompils
la fgure 7.2.
On remarque la fgure 7.2 que la distribution des simulations avec 1 000
itrationsestmieuxcentresurleprixthoriqueducallasiatique,hauteurde2,48$,
que la distribution qui correspond 100 itrations (fgure 7.1). On note galement
la fgure 7.2 que lcart-type des simulations sest beaucoup rduit en augmentant
le nombre de simulations de 100 1000 puisquil est pass de 0,45 0,15 Cette
rductiontaitanticipe,carlorsquelenombreditrationsestde100,laracinecarre
delasommedeserreursaucarrestdivisepar 100 lorsducalculdelcart-type,
tandis que lorsque le nombre ditrations est de 1000, le diviseur est de 1 000
Mais encore l, lintervalle de confance du prix de loption se rvle trop important.
Pourlerduiredavantage,onpeutencoreunefoisaugmenterlenombreditrations,
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
mais ces oprations fnissent par consommer beaucoup de temps. Les sections qui
suiventenvisagentdiversestechniquesaptesrduirecetintervalledansunlapsde
tempsraisonnable
Figure 7.2 Rsultats des simulations
Series: ITER100
Sample 1 100
Observations 100
Mean 2,489623
Median 2,477111
Maximum 2,842075
Minimum 2,098875
Std. Dev. 0,155529
Skewness 0,050756
Kurtosis 2,729407
Jarque-Bera 0,348022
Probability 0,840288
0
2
4
6
8
10
2.125 2.250 2.375 2.500 2.625 2.750
Source:EViews.
Nous pouvons galement transposer les programmes prcdents en langage
Matlab Pour ce faire, nous emprunterons nos fonctions Brandimarte (2002) Ces
fonctionsapparaissentautableau74LafonctionAsiacalculeleprixduneoption
asiatique Elle fait appel la fonction SentierBrownien qui gnre les scnarios du
prixdusous-jacent
Calculonslavaleurducallasiatiqueprcdentennousservantdescommandes
Matlab avec, dans un premier temps, 1 000 itrations. Nous crivons dans la fentre
descommandesdulogicielMatlab:
tic,p=asia(80,85,0.05,,0.2,00,000),toc,
p=
2,5260
elapsed_time=
0,300
La valeur calcule pour le prix du call asiatique est donc de 2,52 $. Nous
savons que sa vraie valeur est de 2,48 $. Nous pouvons nous conforter en effectuant
10millionsditrations,cequidpassecerteslescapacitsdeVisual Basic(Excel)
Lersultatcorrespondnosattentes:
LasimulationdeMonteCarlo 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
tic,p=asia(80,85,0.05,,0.2,00,0000000),toc,
p=
2,4847
elapsed_time=
860.670
taBleau 7.4 Fonctions Matlab du calcul du prix dune option asiatique
function [prix,c]=Asia(S0,X,r,t,sigma,Npas,Niter)
proft=zeros(Niter,1);
for i=1:Niter
Sentier=SentierBrownien(S0,r,t,sigma,Npas,1);
proft(i)=max(0,mean(Sentier(2:(Npas+1)))-X);
end
[prix,a,c]=normft(exp(-r*t)*proft);
function Sentier=SentierBrownien(S0,r,t,sigma,Npas,Niter)
dt=t/Npas;
rdt=(r-0.5*sigma^2)*dt;
sidt=sigma*sqrt(dt);
Increments=rdt+sidt*randn(Niter,Npas);
LogSentier=cumsum([log(S0)*ones(Niter,1),Increments],2);
Sentier=exp(LogSentier);
Le rsultat sest affch aprs 14 minutes, ce qui est relativement rapide tant donn
lenombreditrationsdemand
2. Les variabLes antithtiques
2
La technique des variables antithtiques est, parmi la panoplie des techniques de
rduction de la variance, la plus simple. Dfnissons des variables alatoires dites
antithtiques(opposes)dontlacorrlationestde1Cest--direquepourchaque
scnarioduprixdelaction,onauralesdeuxquationssuivantes:
S
t+t
S
t
e
r
1
2

2 j
(
,
\
,
(
t+ t
S
t+t
S
t
e
r
1
2

2 j
(
,
\
,
(
t t
2 Cette section sinspire directement de Racicot et Thoret (2004), chapitre 1 CettesectionsinspiredirectementdeRacicotetThoret(2004),chapitre1
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La mme variable alatoire est dabord introduite avec un signe positif pour
calculerS,puisavecunsignengatifIlenrsulteunecorrlationde(1)entreles
deuxmouvementsbrowniens,cequiacclre,pourunnombreditrationsdonn,la
convergenceverslevraiprixdeloptionLetableau75faittatdeksimulationsde
MonteCarlopouruncalleuropenavecvariablesantithtiques
taBleau 7.5 Programme Visual Basic de k simulations de Monte Carlo
du prix dun call asiatique avec variables antithtiques
Sub simopt( )
Simulation de Monte Carlo pour calculer le prix
dune option asiatique
Range(d4:iv6000).ClearContents
Range(option1).ClearContents
Dim iopt1, s1, x1, rf1, q1, t1, sigma1, nsimg1, pas
Dim rnmutg, sigtg, sumg, randnsg, S1g, payoff1g,
sigsum, sigmoyenne
Dim i As Integer
Dim j As Integer
Randomize
iopt1=1
s1=80
x1=85
rf1=0.05
q1=0
t1=1
sigma1=0.2
pas=100
nsimg1=100
rnmutg=(rf1-q1-0.5*sigma1^2)*(t1 / pas)
sigtg=sigma1*Sqr(t1 / pas)
For k=1 To 100
sumg=0
For i=1 To nsimg1
S1g=s1
S2g=s1
sigsum1=0
sigsum2=0
For j=1 To pas
randnsg=Application.NormSInv(Rnd)
S1g=S1g*Exp(rnmutg+randnsg*sigtg)
Range(prix1).Offset(j-1, i-1)=S1g
sigsum1=sigsum1+S1g
S2g=S2g*Exp(rnmutg-randnsg*sigtg)
sigsum2=sigsum2+S2g
Next j
sigmoyenne1=sigsum1 / pas
Range(prix).Offset(i-1, 0)=sigmoyenne
sigmoyenne2=sigsum2 / pas
payoff1g=0.5*Application.
Max(iopt1*(sigmoyenne1-x1), 0)+0.5*Appli-
cation.Max(iopt1*(sigmoyenne2-x1), 0)
Range(cash).Offset(i-1, 0)=payoff1g
sumg=sumg+payoff1g
Next i
option1=Exp(-rf1*t1)*sumg / nsimg1
Range(histo5).Offset(k, 0)=option1
Next k
End Sub
Commeonleremarquelalecturedutableau75,chaqueitration,oncalcule
la moyenne du prix de laction des scnarios obtenus partir des deux variables
antithtiquesLepayoffdeloptionduneitrationestlamoyennedesdeuxpayoffs
obtenuspartirdesdeuxvariablesantithtiquesCelaacclrelaconvergencevers
levraiprixdelaction
La fgure 7.3 relate les rsultats de 100 simulations du prix du call asia-
tique lorsque lon recourt aux variables antithtiques Chaque simulation comporte
100itrationset100pas
LasimulationdeMonteCarlo 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 7.3
Series: ITER100PAS100
Sample 1 100
Observations 100
Mean 2,471307
Median 2,512031
Maximum 3,058848
Minimum 1,844725
Std. Dev. 0,271140
Skewness 0,181771
Kurtosis 2,522550
Jarque-Bera 1,500508
Probability 0,472247
0
4
8
12
16
20
1.8 2.0 2.2 2.4 2.6 2.8 3.0
0
4
8
12
16
20
1.8 2.0 2.2 2.4 2.6 2.8 3.0
Source:EViews.
On constate que, bien que la moyenne soit la mme que celle obtenue sans
variables antithtiques, lcart-type des simulations sest abaiss de 0,45 0,27
lorsquelonpassedesimulationssansvariablesantithtiquesdessimulationsavec
variablesantithtiquespourunmmenombreditrationsde100,cequiprendacte
delaperformancedelamthodedesvariablesantithtiquesMaisunnombredit-
rations de 100 nest pas encore suffsant, lintervalle de confance du prix de loption
tantencoretroplev
Nous augmentons donc le nombre ditrations pour chaque simulation 1 000.
La fgure 7.4 fait tat des rsultats obtenus.
Comme on le note la fgure 7.4, lcart-type des simulations, hauteur de
0,08,estpratiquementrduitdemoitienregarddessimulationsquinefontpasappel
auxvariablesantithtiques,etce,pourlemmenombreditrations,soit1000Par
ailleurs,laugmentationdunombredepasnamliorepaslesrsultats
La fgure 7.5 montre comment le prix du call asiatique converge vers sa
valeurthoriqueenfonctiondunombreditrationsdansdeuxsituations:luneavec
variables antithtiques et lautre, sans variables antithtiques. La fgure rvle que
les fuctuations du prix de loption en regard de son prix thorique sont beaucoup
plus faibles lorsque lon recourt des variables antithtiques Mais mme aprs
5000itrations,lerisquederreurnestpasngligeablemmesionfaitappeldes
variablesantithtiquespourrduirelavariancedessimulations
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 7.4
Series: ITER100PAS100
Sample 1 100
Observations 100
Mean 2,483627
Median 2,491924
Maximum 2,694837
Minimum 2,277324
Std. Dev. 0,089858
Skewness 0,146602
Kurtosis 2,657132
Jarque-Bera 1,848030
Probability 0,654414
0
2
4
6
8
10
12
14
2.3 2.4 2.5 2.6 2.7
Source:EViews.
Figure 7.5
1,7
1,9
2,1
2,3
2,5
2,7
2,9
3,1
3,3
0 1000 2000 3000 4000 5000
Avec v.a.
Sans v.a.
Valeur thorique
(2,48 $)
3. La technique des variabLes de contrLe
3
Latechniquedesvariablesdecontrle
4
estuneautremthodepourrduirelcarttype
dunesimulationdeMonteCarloFormellement,unevariabledecontrle
5
,quenous
dsignonsparcv,doittrecorrlepositivementavecV,lavaleurdelactifcontin-
gentquenousvoulonsestimerCependant,E(cv)doittregalzroConstruisons
le portefeuille suivant V', o V est le prix de lactif contingent que nous voulons
valuer:
V'=Vcv+(
3 Cette section sinspire directement de Racicot et Thoret (2004), chapitre 1 CettesectionsinspiredirectementdeRacicotetThoret(2004),chapitre1
4 Control variate,enanglais
5. ce sujet, on consultera James et ebber (2000).
LasimulationdeMonteCarlo 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
V' est assimilable un portefeuille couvert au sein duquel cv sert dinstrument de
couverturepourVMaiscettecouvertureestimparfaite,detellesortequelquation
incorporeuntermederreur(PluttquedesimulerdirectementlavaleurdeV,nous
simulons la valeur de V' pour calculer la valeur de V. Nous avons :
E(V')=E(V)
E(cv) tant gal 0, par hypothse. Nous pouvons par consquent approcher la valeur
deVenrecourantauportefeuilleV'LavariancedeV'estde:

v'
2

v
2
2
v,cv
+
2

cv
2
(2)
tantdonnquelutilisationdecvestcenserduirelavariancedelasimu-
lation,ilestappropriderechercherlequiminimise
V'
2
Endrivantladernire
quationparrapportetengalantlersultant0,onobtient:



v,cv

cv
2
(3)
lvidence, ce bta sassimile lestimateur des moindres carrs ordinaires (MCO)
dunergressiondeVsurcvClewlowetStrickland(1997)
6
recourentcettemthode
destimationpourvaluerlasensibilitdeVcvEnsubstituantlquation(3)dans
lquation (2) et en crivant le rsultat en termes de la corrlation p entreV et cv,
ona:

V'
2

V
2
1
2
( )
Envertudecettequation,lavariancedelasimulationestreliengativement
la corrlation entre la valeur du bien contingent et la variable de contrle. la
limite, cette corrlation est de 1. Nous sommes alors en prsence dune couverture
parfaiteetlerreurstandarddelasimulationestnulleUnebonnevariabledecontrle
doitparconsquententretenirunefortecorrlationaveclebiencontingentquenous
voulonsvaluer
Le concept de variable de contrle est si important en fnance que nous nous
devonsdelillustrerparquelquesexemples
7
Lepremierconcerneladterminationdu
prixduneoptiondachatasiatiquearithmtique,dontilatquestiondanslasection
prcdente. Le fux montaire lchance (payoff)decetteoptionestlesuivant:
payoff= S
aT
X
( )
+
6 L Clewlow et C Strickland (1997), Monte Carlo Valuation of Interest Rate Derivatives under
StochasticVolatility,Journal of Fixed Income,p35-45
7. ce sujet, on consultera : Clewlow et Caverhill (1994), Boyle (1977), James et ebber (2000),
ClewlowetStrickland(1998;1997)
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
S
aT
tant la moyenne arithmtique du sous-jacent calcule sur la dure de vie de
loption selon une rgle spcifque. Il nexiste aucune solution analytique pour le
callasiatiquearithmtique,maisilenexisteunepoursaversiongomtrique,dont
le prix est videmment trs corrl avec celui de loption arithmtique. Nous pouvons
exploiter cette relation pour crer une variable de contrle. Noublions pas quune
variable de contrle est un portefeuille couvert en fnance. Ce portefeuille est constitu
dunepositionencompte(long)danslecallarithmtiqueetdunepositiondcouvert
(short)danslecall gomtrique. Nous avons :

A

A cv ( )
o A
~
estleportefeuillequisertcalculerleprixducallarithmtiqueet,lavaleur
simuleducall arithmtique. La variable de contrle choisie cv est de ( G), o
estlavaleursimuleducallgomtriquecalculeenrecourantauxmmesvariables
alatoires que celles qui sont utilises dans le cas du calcul du call arithmtique et
G,lavaleuranalytiqueducallgomtrique,cest--diresavraievaleurEnvertu
de la dfnition de la variable de contrle, lquation prcdente devient :

A

A

G G
( )
Cette variable de contrle satisfait aux deux exigences dune bonne variable de
contrle. Premirement, la corrlation entre et ( G)
8

est videmment trs


leve, tel point que nous fxons 1 Deuximement, E(cv) = 0, parce que
E() = G. Nous pouvons rcrire la dernire quation comme suit pour les besoins
delasimulation:

A G +

A

G
( )
(4)
laide dune simulation de Monte Carlo, on obtient la valeur du portefeuille ( )
en calculant la moyenne actualise des fux montaires lchance (payoffs)dece
portefeuillesurlensembledesMsimulations,cest--dire:

A

G
1
M
S
aT
j
X
( )
+
S
gT
j
X
( )
+
,

,
]
]
]
j1
M

e
rT
Conformment lquation (4), nous ajouterons cette valeur estime G la fn des
simulations de faon obtenir une approximation du prix du call arithmtique En
agissantdelasorte,nousauronsgrandementrduitlcarttypedelasimulationentre
raisondelacorrlationtrslevedesprixdescallsarithmtiqueetgomtrique
8. Noublions pas que G est une constante, tant la solution analytique du callgomtrique
LasimulationdeMonteCarlo


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Une autre faon de construire des variables de contrle est de recourir aux
grecques
9
pour couvrir un portefeuille On peut ainsi construire un portefeuille
quiestcouvertparledelta
10
,parledelta-gamma
11
,etcClewlowetStrickland(1997,
1998) et Clewlow et Carverhill (1994) donnent plusieurs exemples de ces types de
couverturesLeurmthoderecourtlconomtriepourestimerlessensibilitsdes
prixdesoptionsvaluesauxvariablesdecontrle
Considrons un cas de couverture avec les grecques. Nous voulons valuer par
simulation le prix dune option dachat europenne standard
12
Pour y arriver, nous
simulonsleportefeuillesuivant:
Portefeuille=CAS
cest--direlcritureduncallquiestcouvertparunequantitAdusous-jacentS
13

CettecouvertureenestunedutypedynamiqueparcequeAragitauxchangements
de S qui se produisent durant la dure de vie de loption Celui qui crit loption
dposera la prime rsultant de la vente du call dans un compte bancaire et vendra
ou achtera le sous-jacent pour rajuster la couverture la suite du changement du
deltaCeladonnelieudesmouvementsdefondspositifsoungatifsdanslecompte
bancaireLacontrepartiedynamiquedeladernirequationest:
C
0
e
r(T)

C
ti
S

C
ti1
S
j
(
,
\
,
(
S
ti
e
r Tti ( )
i0
N

,
]
]
]
C
T
+ (5)
Le premier terme de lquation (5) est le prix terme (forward price) de loption,
cest--direC
0
e
rT
,oC
0
estlaprimeouleprixdeloptionLetermeentrecrochets,
quiestlavariabledecontrlecv,reprsentelesrajustementsduportefeuillelasuite
deschangementsdudelta
C
ti
S
survenusdurantlasimulationdusentiertemporeldu
sous-jacent. Le delta a une solution analytique, soit le N(d
1
)delquationdeBlacket
ScholesLeprixtermedeloptionadditionndesramnagementsdeportefeuille
reproduit les fux montaires de loption avec une erreur gale qpuisquelescalculs
seffectuententempsdiscret
Enremplaantletermeentrecrochetsparcvdanslquation(5),ona:
C
0
j
e
rT
cv
j
C
T
j
+
j
(6)
9 Rappelons que les grecques sont les diverses drives du prix dune option par rapport ses
variablesexplicatives
10 Undelta-hedged portfolio,enanglais
11 Undelta-gamma-hedged portfolio,enanglais
12 Plain vanilla,enanglais
13 Cette quation est crite en termes de fux montaires. Lencaissement de la prime de loption donne
lieu un fux montaire positif. Lachat de laction donne lieu un fux montaire ngatif.
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
o lindice j dsigne un rsultat de la simulation j parmi M simulations On notera
que le bta de cv est de 1 puisquil est question dune couverture par le delta En
prenantlesprancede(6),onobtient:
C
0
e
rT
E C
T
( )
Par cette quation, on se rend compte que la mthode des variables de contrle est
entirementcompatibleaveclatechniquedeladterminationdesprixdansununivers
neutreaurisque
Lquation(6)peuttrercriteenignorantq
j
:
C
0
j
e
rT
C
T
j
+ cv
j
( )
Cest l le rsultat dune simulation pour le prix du call avec variable de contrle
Aprs M simulations, on obtient lestimation fnale du prix du call:

C
0

1
M
C
0
j
j1
M

Dans le cas de la couverture par le delta, nous avons fx 1 le coeffcient de cv, soit
Supposonsquenousnayonsaucuneidea priori sur la valeur de ce coeffcient.
Pourlecalculer,nousrcrivonscommesuitlquation:
e
rT
C
T
j
C
0
j
cv
j
e
rT
n
j
e
rT
(7)
Or,avecunenotationvidente:
C
T
j*

0
+
1
cv
j*
+ n
j*
j 1, ..., M (8)
Danscettequation, C
T
j*
et cv
j*
sontconnusChaquevariableestunvecteurdeM
observations, rsultant des M simulations Si n
j*
~ N(0,1), on peut rgresser, par la
mthode des moindres carrs ordinaires, C
T
j*
sur cv
j*
pour obtenir une estimation
de

1
pour le coeffcient de cv, soit la variable de contrle
14
Onnote,encomparant
les quations (7) et (8), que

0
est un estim du prix du call, qui fait lobjet de la
simulationCetestimpeuttrecomparaveclersultatdelasimulationpourplus
dassurance
Aprsquelquesoprationslmentaires,letermeentrecrochetsdelquation
(5), qui fait fgure de variable de contrle, peut tre exprim comme suit
15
:
cv
C
ti
S
i0
N1

S
ti+1
E S
ti
( ) ,

]
]
e
r Tt
i+1
( )
Le terme entre crochets dans cette quation reprsente videmment une martingale
basedelta
14 Certes,destechniquesdergressionplusrobustespeuventtreutilises,telleGMM
15 Pourcettetransformationdutermeentrecrochets,voirClewlowetStrickland(1998),p93
LasimulationdeMonteCarlo


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
4. Les nombres quasi aLatoires
et La simuLation de monte carLo
1
LintroductiondesnombresquasialatoiresdanslasimulationdeMonteCarlovise
viterquelesnombresalatoiresgnrsneseprsententengrappes,cest--dire
en sries de nombres rapprochs les uns des autres, ce qui nuit leffcacit de la
simulation de Monte CarloAu lieu de faire appel la distribution uniforme pour
gnrerdesvariablesalatoiresnormales,onfaitappeldessquencesquibalaient
plus rapidement lespace compris entre 0 et 1 On recourt ensuite une fonction
cumulativeinversequinousrgurgitedesvariablesnormalesDanscequisuit,nous
inverseronslafonctioncumulativenormalepouryarriverMaisilexistedestechni-
quesplussophistiquespourgnrerdesvariablesnormales
17

Pourintroduirelesnombresquasialatoires,nousfaisonsappellasquence
deFaur,quiconvertitdesnombresenbase10ennombresbase2
18
Letableau76,
empruntJacksonetStaunton(2001),fournitunprogrammeenlangageVisual Basic
denaturegnrerlasquencedeFaur
taBleau 7.6 Programme Visual Basic du calcul dune squence de Faur
Dim f As Double, sb As Double
Dim i As Integer, n1 As Integer, n2 As Integer
n1=n
f=0
sb=1 / 2
Do While n1 > 0
n2=Int(n1 / 2)
i=n1-n2*2
f=f+sb*i
sb=sb / 2
n1=n2
Loop
FaureBase2=f
End Function
16 Nous nous inspirons fortement de Brandimarte (2002) pour cette section. Nous nous inspirons fortement de Brandimarte (2002) pour cette section.
17 titre dexemple, Jackson et Staunton (2001) utilisent la technique de Moro pour gnrer des titre dexemple, Jackson et Staunton (2001) utilisent la technique de Moro pour gnrer des
variables normales partir de la squence de Faure Par ailleurs, Brandimarte (2002) fait appel
lalgorithmedeBox-MullerpourgnrerdesvariablesnormalespartirdesnombresdeHalton
18 Sur la notion de base, on consultera par exemple le site de Mathworld:<mathworldwolfram Sur la notion de base, on consultera par exemple le site de Mathworld:<mathworldwolfram
com>
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
partir de la fonction FaureBase2, nous gnrons 100 nombres alatoires
compris entre 0 et 1. Le rsultat apparat la fgure 7.6. Il faut noter que la squence
desnombresdeFaur,commecelledesautrescatgoriesdesquencesdenombres
pseudoalatoires,estcompltementdterministeCest--direquenreprenantlecalcul
prcdentpournvariantde1100,nousobtiendronsexactementlesmmesnombres
Pourunnombreditrationsdonn,lasimulationdeMonteCarloduprixduneoption
quifaitappelauxnombresdeFaurdonneradonctoujourslemmersultatCest
pourquoilonparledanscecasdesimulationquasi-MonteCarlo(QMC)
Figure 7.6 Squence de Faur
0
0,2
0,4
0,6
0,8
1
0 20 40 60 80 100
Comme on peut le constater la fgure 7.6, la squence couvre bien la surface
comprise entre 0 et 1. Nous nous servons de ces nombres pour calculer le prix dun
call europen classique dont les paramtres apparaissent au tableau 7.2. Nous faisons
dansunpremiertempsappellasimulationdeMonteCarloclassiquepourcalculer
ceprix,puislaQMCbasesurlasquencedeFaurLesprogrammesVisual Basic
respectifsapparaissentautableau77
la fgure 7.7, nous tudions les convergences respectives des deux mthodes
desimulationCommeonpeutleconstater,lavitessedeconvergencedelaQMCest
beaucoupplusrapidequecelledelaMCclassiqueLeprixthoriqueducalltelque
calculparlaformuledeBlacketScholesesticide5,98$Onestmmedeconstater
quelamthodeduQMCatteintpresqueasymptotiquementsacibletandisquelaMC
classique fuctue beaucoup avec laugmentation du nombre ditrations et est encore
loindesacibleaprs5000itrations,tandisquelaQMClaalorspresqueatteinte
Les nombres quasi alatoires sont donc une autre technique pour acclrer
la convergence dune simulation de Monte Carlo. Pour fxer les ides, considrons
lexemple suivant, qui reprsente une application des nombres quasi alatoires de
Sobol
19
DisonsquelquesmotssurlesnombresdeSobolavantdeformulerlapplication
qui nous intresse Les nombres de Sobol sont initialement construits partir dun
19 Sur les nombres de Sobol, on consultera Brandimarte (2002), Jckel (2002) et Glasserman (2003) SurlesnombresdeSobol,onconsulteraBrandimarte(2002),Jckel(2002)etGlasserman(2003)
LasimulationdeMonteCarlo 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ensembledentiersdanslintervalle[1,2
b
1],obestunparamtrereprsentantle
nombredebits(binary digits), gnralement fx 32. Nous dsignons le n
e
tiragedun
tel nombre entier de Sobol dans la dimension k par x
nk
. La conversion fnale une
variableuniformey
nk
appartenantlintervalle(0,1)esteffectueparlopration:
y
nk

x
nk
2
b
, y
nk
0,1 ( ), x
nk
1, 2
b
1 ,

]
]
taBleau 7.7 Fonctions Visual Basic du calcul du prix dun call europen
classique par la mthode de Monte Carlo classique
et par la QMC faisant appel aux nombres de Faur
Function MCOption(iopt, S, X, r, q, t, sigma, nsim)
Dim i As Integer
rnmut=(r-q-0.5*sigma^2)*t
sigt=sigma*Sqr(t)
sum=0
For i=1 To nsim
aleatoire=Application.NormSInv(Rnd)
s1=S*Exp(rnmut+aleatoire*sigt)
sum=sum+Application.Max(iopt*(s1-X), 0)
Next i
MCOption=Exp(-r*t)*sum / nsim
End Function
Function QMCOptionFaure
(iopt, S, X, r, q, t, sigma, nsim)
Dim i As Integer, iskip As Integer
rnmut=(r-q-0.5*sigma^2)*t
sigt=sigma*Sqr(t)
iskip=(2^4)-1
sum=0
For i=1 To nsim
aleatoire=Application.
NormSInv(FaureBase2(i+iskip))
s1=S*Exp(rnmut+aleatoire*sigt)
sum=sum+Application.Max(iopt*(s1-X), 0)
Next i
QMCOptionFaure=Exp(-r*t)*sum / nsim
End Function
Figure 7.7 Convergences respectives de la MC et de la QMC
4
5
6
7
8
0 1000 2000 3000 4000 5000
nombre ditrations
QMC
MC
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Par construction, la seule variable de Sobol qui peut tre nulle correspond
au 0
e
tirage et cela, pour toute dimension Pour chaque dimension d, la base pour
gnrer les nombres est donne par un ensemble nomm entiers de direction
(direction integers) Il en existe un pour la reprsentation binaire de chaque b bits
delentierEneffet,laclpourgnrerdesnombresdeSobolrsidedanslecalcul
des entiers de direction. Ce calcul implique des coeffcients binaires dun polynme
primaire de module 2 pour chaque dimension Ce polynme, de degr g
k
, prend la
formesuivante:
p
k
(z) a
kj
z
g
k
j
j0
g
k

o les a sont les coeffcients en question. Finalement, les nombres de Sobol peuvent
treobtenuseneffectuantlopration:
x
nk
v
kj
1
j1
d

Considronslexemplesuivant
20
concernantlagnrationdunesquencedeSobol
en une dimension. Nous voulons intgrer la fonction :
f(x, y)
0
1

0
1

dxdy e
xy
sin 6x + cos 8y ( ) dxdy
0
1

0
1

Nous savons quune intgrale dune fonction du type I f(x)dx


0
1

peut tre

vue comme une esprance En effet, il sagit dapproximer lesprance E[f(U)], o


U reprsente la loi uniforme sur lintervalle dintgration (0,1) Plus prcisment,

lintgraleIpeuttreapproximepar:

I
n

A
n
f(x
i
)
i1
n

,oA
21
estlaire(surface)sous

lacourbedanslargiondintgrationEngnral,lasurfaceoulevolumeutilisssont
unitaires,desortequeA=1Cetteintgralepeuttrealorsapproximeparlamoyenne
defvalueauxpointsx
i
engnrantcesvaleurspartirdelaloiUsurlintervalle
(0,1). Donc, pour rsoudre notre problme, il sufft simplement de gnrer des x et des
yentre0et1,lesbornesdintgration,etcalculerlavaleurmoyennedelafonction
cesdiverspointsLecodeMatlabdelafonctionestprsentautableau78
20 Cet exemple est une adaptation de Brandimarte (2003) CetexempleestuneadaptationdeBrandimarte(2003)
21 Il faut gnrer des points afn de couvrir lensemble de la surface A. Si le problme rsoudre est
un volume, alors il faut gnrer des points afn de couvrir ce volume correctement.
LasimulationdeMonteCarlo 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 7.8 Code Matlab de la fonction intgrer
function f1=f(x,y)
f1=exp(-x.*y).*(sin(5*pi*x)+cos(10*pi*y));
Pour tracer le graphique de f(x,y), on utilise la commande Matlab:
surf(x,y,z),oz=f1(x,y)etlesxetysontgnrsparlacommande[x,y]=meshgrid
(0,5 :0,01 :0,5,0,5 :0,01 :0,5). Cette fonction est reprsente la fgure 7.8.
Figure 7.8 Reprsentation graphique de la fonction
z=f1(x,y)=exp(x.*y).*(sin(5*pi*x)+cos(10*pi*y)) ;
Il sufft maintenant de gnrer les x et les y, que nous nommerons S1 et S2. Il faut
galement dfnir le polynme p, donner des valeurs de dpart m0 et identifer le
nombre n de nombres de direction pour enclencher lalgorithme utilis lors de cet
exercice
p=[ 0 ] ;
m0=[ 3 5 9 3 5 7 9 2] ;
[v,m]=nombredirection(p,m0,500) ;
s=sobol(v,0,0000) ;
3
2
1
0
1
2
3

0,5

0,5
0
0

y
0,5 0,5
x
z
=
f
1
(
x
,
y
)
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
p=[ 0 0 0 0 0 0 0 ] ;
m0=[ 3 5 9 3 5] ;
[v,m]=nombredirection(p,m0,500) ;
s2=sobol(v,0.233,0000) ;
plot(s,s2,o)
la fgure 7.9 se retrouve une reprsentation bidimensionnelle de nombres
deSobolOnvoitquelasurfacecompriseentre0et1estassezbiencouverteLes
fgures 7.10 et 7.11 montrent une moins bonne couverture.
Figure 7.9 Nombre quasi alatoire de Sobol pour 10 points
de dpart initial et un polynme dordre 11
DansMatlab,oncritlafonctionsuivante,suiviedelatoucheEntre
mean(f(s,s2))
ans=
0,0234
Cettevaleurestrapprochedecelleobtenuepourunequadraturehabituelle,quiestde
0,0199. Les fgures 7.10, 7.11 et 7.12 illustrent un mauvais remplissage de lespace
couvrirEneffet,nouspourrionscalculerlintgraleprcdenteetnousserionsmme
deconstaterquelavaleurobtenueestloignedursultatrecherchParcetexemple,
oncomprendlimportancedesconditionsinitialessurlchantillonnagedesnombres
LasimulationdeMonteCarlo 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
quasialatoireslaidedelamthodedeSobolOnprendainsiactedelafaiblesse
de ladite mthode. En effet, une simple modifcation des vecteurs initiaux donne lieu
un rsultat erron. Nous allons refaire le mme exercice avec les nombres de Halton
afn de bien illustrer le sujet moderne des simulations quasi-Monte Carlo.
Figure 7.10 chantillon quasi alatoire bidimensionnel de Sobol
pour n = 10 : plat(S1,S1,o)
Figure 7.11 chantillon quasi alatoire bidimensionnel de Sobol
pour n = 1 000
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 7.12 Nombre quasi alatoire de Sobol
pour diffrents points de dpart
taBleau 7.9 Fonction Matlab pour gnrer des nombres de Halton
function Halton=Halton1(n,b)
Halton=zeros(n,1);
nbits=1+ceil(log(n)/log(b));
vb=b.^(-(1:nbits));
wv=zeros(1,nbits);
for i=1:n
% incrmentation du dernier bit: binary digit
j=1;
ok=0;
while ok==0;
wv(j)=wv(j)+1;
if wv(j)<b
ok=1;
else
wv(j)=0;
j=j+1;
end
end
Halton(i)=dot(wv,vb);
End
LasimulationdeMonteCarlo


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Au tableau 79, on retrouve une fonction Matlab emprunte Brandimarte
(2002) pour gnrer des nombres de Halton et la fgure 7.13, une reprsentation
graphique de ces nombres Il est remarquer que la base doit correspondre un
nombrepremier
22

Nous appliquons maintenant la technique des nombres de Halton au calcul du


prixduneoptionasiatiqueLetableau710fournitdesprogrammescritsenlangage
Matlabpourcalculerleprixduneoptionasiatiquepartirdelamthodedelaquasi-
MonteCarloquiintgredessentiersdeprixgnrspardesnombresdeHaltonCes
fonctions sont galement empruntes Brandimarte (2003). Nous avons cependant
modif sa fonction pour gnrer des sentiers de Halton du prix du sous-jacent. Nous
avons eu recours linversion de la fonction normale cumulative pour gnrer des
variablesalatoiresnormalespartirdesnombresdeHaltonetnonlalgorithmede
Box-Muller comme cest le cas chez Brandimarte. Nous avons galement combin la
techniquedesvariablesantithtiquescelledesnombresdeHaltoncommetechniques
derductiondelavariance
Figure 7.13 Nombre de Halton laide du programme Halton 1 :
plat(x,y,o)
Nous avons repris donc le mme calcul que prcdemment partir des fonc-
tionsdutableau710,cest--direcalculerleprixduncalleuropenasiatiquedont
les paramtres sont compils au tableau 7.2. Nous savons que le prix effectif de ce
22 Un nombre premier est un entier suprieur 1 qui nest divisible que par 1 et par lui-mme Unnombrepremierestunentiersuprieur1quinestdivisiblequepar1etparlui-mme
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
call est de 2,48 $. La fgure 7.14 montre comment seffectue la convergence lorsque le
nombre de pas est fx 50. Comme on peut le constater, la convergence est somme
toutergulire
taBleau 7.10 Fonctions Matlab du calcul du prix dune option asiatique
par la mthode de la QMS et des nombres de Halton
function P=AsianHalton3(S0,X,r,T,sigma,Npas
,Niter) ;
Payoff=zeros(Niter,1);% Calcul du Payoff
Path=HaltonPaths3(S0,r,sigma,T,Npas,Niter);
Payoff=max(0,mean(Path(:,2 LNpas+1)),2)-X);
% Calcul du Payoff
P=mean(exp(-r*T)*Payoff);
function Spaths=HaltonPaths3(S0,r,sigma,T,Np
as,Niter)
dt=T/Npas;
nudt=(r-0.5*sigma^2)*dt;
sidt=sigma*sqrt(dt);
Niter=2*ceil(Niter/2);
RandMat=zeros(Niter,Npas);
seeds=myprimes(2*Npas);
Base1=seeds(1:Npas);
Base2=seeds((Npas+1) L2*Npas));
for i=1:Npas
H1=GetHalton(Niter/2,Base1(i));
Norm1=norminv(H1);
Norm2=-norminv(H1);
RandMat(:,i)=[Norm1;Norm2];
end
Increments=nudt+sidt*RandMat;
LogPaths=cumsum([log(S0)*ones(Niter,1),Incre
ments],2);
Spaths=exp(LogPaths);
function Seq=GetHalton1(HowMany,Base)
Seq=zeros(HowMany,1);
NumBits=1+ceil(log(HowMany)/log(Base));
VetBase=Base.^(-(1:NumBits));
WorkVet=zeros(1,NumBits);
for i=1:HowMany
% incrmentation du dernier bit: binary digit
j=1;
ok=0;
while ok==0;
WorkVet(j)=WorkVet(j)+1;
if WorkVet(j)<Base
ok=1;
else
WorkVet(j)=0;
j=j+1;
end
end
Seq(i)=dot(WorkVet,VetBase);
end
function p=myprimes(N)
found=0;
trynumber=2;
p=[ ];
while (found<N)
if isprime(trynumber)
p=[p,trynumber];
found=found+1;
end
trynumber=trynumber+1;
end
LasimulationdeMonteCarlo


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 7.14 Convergence du prix dun call asiatique
calcul partir des nombres de Halton
5
5
15
25
0 10 000 20 000 30 000 40 000 50 000
itrations
P
r
i
x
rsum
UnesimulationdeMonteCarloservletrsutilelorsqueleproblmesolutionner
comporteplusieursdimensionsParexemple,loptionasiatiquecomporteunedimen-
siondeplusqueloptionclassiquedeBlacketScholespuisquelledpenddusentier
suivi par son sous-jacent (path-dependent) Lquation diffrentielle dune option
asiatiquecomportedoncuntermeadditionnelenregarddeloptionclassique,terme
quiestrelisadpendancedusentiersuiviparlesous-jacentCommenouslavons
vudanscechapitre,lasimulationdeMonteCarloestenmesuredesattaquercette
nouvelledimensiondeloption
Toutefois, une simulation de Monte Carlo qui nest pas soumise une tech-
niquederductiondelavariancepeutdonnerdesrsultatsinsatisfaisantsmmesile
nombre ditrations est pouss jusquau million. Nous avons examin dans ce chapitre
commentdiversestechniquesderductiondelavariancepermettaientdeconverger
beaucoup plus rapidement vers le prix de loption asiatique tudie. Nous avons alors
distingulasimulationdeMonteCarloproprementdite,dontlesrsultatssemodi-
fent dune simulation lautre, et la quasi-Monte Carlo, qui fait appel aux nombres
pseudoalatoiresetquidonnetoujourslemmersultatpourunnombreditrations
donn. Nous avons constat que les nombres pseudoalatoires comportaient des forces
etdesfaiblessesLeurobjectifestdecouvrirplusrapidementlasurfacedintgration,
objectifquilsneralisentpastoujoursCesnombresdoiventdonctreutilissavec
doigt et les bases utilises pour concocter ces nombres doivent se plier galement
certainesrgles
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
bibLiographie
Boyle, PP (1977), Options:A Monte Carlo approach, Journal of Financial Economics,
p323-338
BranDiMarte, P (2002), Numerical Methods in Finance : A MATLAB-based Introduction,
John iley & Sons, New York.
CleWloW, L etA Caverhill (1994), On the Simulation of Contingent Claims, Journal
of Derivatives,p66-74
CleWloW, L et C striCklanD (1998), Implementing Derivatives Models, John Wiley &
Sons, New York.
CleWloW,LetCstriCklanD(1997),MonteCarloValuationofInterestRateDerivatives
underStochasticVolatility,Journal of Fixed Income,p35-45
Cox,JCetSAross(1976),TheValuationofOptionsforAlternativeStochasticProcesses,
Journal of Financial Economics,vol3,p145-166
glasserMan, P (2003), Monte Carlo Methods in Financial Engineering, Springer-Verlag,
Berlin
JCkel,P(2002),Monte Carlo Methods in Finance, John iley & Sons, New York
JaMes, J. et N. WeBBer(2000),Interest Rate Modelling, John iley & Sons, New York.
JaCkson,MetMstaunton(2001),Advanced Modelling in Finance using Excel and VBA,
John iley & Sons, New York.
raCiCot,F-etRthoret(2004),Le calcul numrique en fnance empirique et quantitative,
PressesdelUniversitduQubec,Qubec


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
8
les mThodes
des diffrences finies
Nous avons tudi jusquici trois grands outils du calcul numrique : larbre binomial,
larbre trinomial et la simulation de Monte Carlo. Or, il est possible de raffner davan-
tage les calculs en recourant la mthode des diffrences fnies. On peut dmontrer
quelamthodedelarbretrinomialquivautlamthodeexplicitedesdiffrences
fnies que nous tudierons dans un premier temps dans ce chapitre. Puis nous passerons
la mthode des diffrences fnies implicite pour ensuite aborder une synthse de
ces deux mthodes, soit la mthode des diffrences fnies de Crank-Nicolson. Cette
mthodereprsenteeneffetlamoyennedesdeuxautres
Les diverses mthodes de diffrences fnies sont maintenant trs utilises
pour dterminer les prix des options dites exotiques, cest--dire les options autres
quelesoptionsclassiques
1
dachatetdevente(callsetputs)Danscechapitre,nous
expliqueronscesdiversesmthodesetnousverronscommentellespeuventtretrans-
poses en langage Visual Basic, puis en langage Matlab Mais comme nous allons
recourir lquation diffrentielle de Black et Scholes pour illustrer ces mthodes,
nousrappelonsdansunpremiertempscommentestdrivecettequation
2

1 Plain vanilla options,enanglais


2. Pour composer ce chapitre, nous sommes trs redevables Clewlow et Strickland (1998). Nous nous
sommes entre autres inspirs du pseudocode de leurs programmes de puts amricains pour crire
nosprogrammesenVisual Basic. Nous remercions galement notre collgue Pierre Rostan de nous
avoirfourniuneversionprliminairedesprogrammesdeputsamricainsenVisual BasicMaislon
ne doit pas ngliger les autres rfrences qui apparaissent dans la bibliographie et qui constituent
lesfondementsdenospropos
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
1. Lquation diffrentieLLe de bLack et schoLes
Soit une fonction G() qui dpend de deux variables: x, une variable alatoire qui
suitunmouvementbrownienett,quireprsenteiciletempsLexpressiondexest
lasuivante:
dx adt + bz adt + b dt (1)
o dz est un processus de iener qui est le produit de la variable alatoire , qui
obtempreunedistributionnormalestandard,etde dt ,odtestunepetitevariation
dutempsEnvertudulemmedIt,lquationdiffrentielledeGestlasuivante:
dG
G
x
dx +
G
t
dt +
1
2

2
G
x
2
b
2
dt (2)
Un cas particulier est celui o G ne dpend que de x et o x suit le mouvement
browniendonnparlquation(1)EnvertudulemmedIt,lquationdiffrentielle
deGscritalors:
dG
dG
dx
dx +
1
2
b
2
d
2
G
dx
2
dt (3)
SupposonsmaintenantqueGsoitunefonctionsimpledeS,quidsigneleprix
duneactionParexemple,GpeuttreuneoptioncritesurSLeprixdelactionS
obitaumouvementbrowniengomtriquesuivant:
dS Sdt + Sdz (4)
Silemouvementbrownientaitarithmtique,ilscriraitpluttcommesuit:
dS dt + dz (5)
Supposonsque:
F=ln(S) (6)
On transforme en effet souvent le prix de laction sous forme logarithmique
avantdelesimuler,carlquationdiffrentiellequienrsulteadmetalorsunediscr-
tisation
3
exacte,cequineseraitpaslecassilonsimulaitleprixdelactionenfaisant
appellquation(4)EnappliquantlelemmedItF,enobtient:
dF
dF
dS
dS +
1
2

2
S
2
d
2
F
dS
2
dt (7)
3. Rappelons que discrtiser un processus signife le faire passer du temps continu au temps discret.
Les mthodes des diffrences fnies 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
b tant ici gal S Puisque F est gal ln(S), ses drives premire et seconde
sont:

dF
dS

1
S
et
d
2
F
dS
2

1
S
2
(8)
EnsubstituantcesexpressionsdanslquationdedF,onobtient:
dF
1
S
Sdt + Sdz ( )
1
2

2
dt

1
2

2
j
(
,
\
,
(
dt + dz (9)
Cettequationadmetunediscrtisationexactepourleprixdelaction,quiestde:
S
t+t
S
t
e

1
2

2 j
(
,
\
,
(
t+ t
j
(
,
\
,
(
(10)
Parconsquent,lorsquonveutsimulerlemouvementlognormalduprixdune
action, il vaut mieux simuler sur lquation diffrentielle du logarithme du prix de
lactionquesursonniveauRptons-le,cettequationadmetalorsunediscrtisation
exacte. Cela signife que lorsque loption nest pas path-dependent,chaquescnario
duprixdelactionpeutnecomporterquunseulpasIlnenvapasdemmesion
simuledirectementleprixdelactionpartirdesonquationdiffrentielle,soit:
dS Sdt + Sdz (11)
Ladiscrtisationdupremierdegrdeceprocessus,diteencorediscrtisation dEuler,
estlasuivante:
S
t+t
S
t
+ S
t
t + S
t
t
S
t
1+ t + t
( )
(12)
Sionsimuleleprixdelactionlaidedelquation(12),lesscnariosdevront
alorscomporterunnombreimportantdepas,sinonlerreurdesimulationseraleve,
puisque la discrtisation du mouvement brownien en est une du premier ordreTel
nest pas le cas si on simule partir de lquation diffrentielle du logarithme du
prixdelaction,puisquecettequationadmetunediscrtisationexacteCertes,sion
simule lquation (12) en faisant tendre t vers 0, cette simulation donnera le mme
rsultatquelasimulationdelquation(10)
4

4 Onpeutcertesobteniruneplusgrandeprcisionenrecourantunediscrtisationduseconddegr,
diteencorediscrtisation de Milstein,pourdiscrtiserlemouvementbrownienduprixdelaction
MaiscetypedediscrtisationestpluttcomplexePourplusdedtailssurlimpactdeladiscrti-
sationsurlaperformancedunesimulation,voirWilmott(2001),chap26
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Fermons cette parenthse et revenons au problme plus spcifque qui nous
intresse,soitlquationdiffrentielledeBlacket ScholesSoitCleprixduncall
qui dpend dedeuxvariables:Sett LavariableS,soitleprix delaction,obit
unmouvementgomtriquebrownienSelonlelemmedIt,lquationdiffrentielle
deCscrit:
dC
C
t
dt +
C
S
dS +
1
2

2
S
2

2
C
S
2
dt (13)
Nous formons un portefeuille compos dune position en compte (long)danslecall
etdunepositiondcouvert(short) dans laction sous-jacente gale S ( < 1).
La valeur de ce portefeuille est donc de :
C S, t ( ) S (14)
Lechangementsubiparlavaleurduportefeuilledett+dtestde:
d dC dS (15)
EnremplaantdCparsavaleur(quation13),ona:
d
C
t
dt +
C
S
dS +
1
2

2
S
2

2
C
S
2
dt dS (16)
Nous voulons liminer le risque de ce portefeuille. Il y a deux variables dans
cette quation : S et t. Cest ici la variable S qui fait fgure de facteur de risque, S tant
unevariablealatoireLestermesquiincluentdtsontconnuspuisquilsnintgrent
quelesparamtresdelquation,censstreconnusPoursupprimerlerisque,nous
devons donc liminer les termes qui incorporent dS. Pour ce faire, nous fxons le delta
deloptionauniveausuivant:

C
S
(17)
Ensubstituantcettevaleurdanslquation(16),ontrouve:
d
C
t
+
1
2

2
S
2

2
C
S
2
j
(
,
\
,
(
dt (18)
CeportefeuilleestmaintenantsansrisquepuisquelestermescomprenantdS
ont t supprims. Nous avons russi cette manuvre en fxant le delta au niveau
donn par lquation (17), qui reprsente la drive du prix du call par rapport au
prixdelactionUnetelleoprationdecouverture,quipongetoutrisque,estappele
delta-hedging en anglais Certes, pour que le portefeuille demeure couvert, il faut
constammentajusterledeltapuisqueleslmentsdelquationdiffrentielle(16)se
modifent constamment. On parle alors de rquilibragedynamique
Les mthodes des diffrences fnies 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Notre portefeuille tant maintenant sans risque, son taux de rendement doit
tregal autauxsans risqueOnfaiticiappelauprincipe bienconnu delabsence
darbitrage en fnance. Si le taux de rendement dudit portefeuille diffre du taux sans
risque, il y a alors un arbitrage possible qui ramnera son rendement au taux sans
risque. Soit r le taux sans risque. d est donc gal :
d r dt (19)
En remplaant les variables de cette quation par leurs expressions respectives, on
obtient:

C
t
+
1
2

2
S
2

2
C
S
2
j
(
,
\
,
(
dt r C S ( ) dt r C S
C
S
j
(
,
\
,
(
dt (20)
Endivisantpardtetenrarrangeant,onobtient:

C
t
+
1
2

2
S
2

2
C
S
2
+ rS
C
S
rC 0 (21)
Cest l la fameuse quation diffrentielle de Black et Scholes Si on suppose que
lactionverseundividendecontinu(q),lquation(21)devient:

C
t
+
1
2

2
S
2

2
C
S
2
+ (r q)S
C
S
rC 0 (22)
Pour des fns de solution numrique, nous rcrivons lquation (22) comme suit :

C
t

1
2

2
S
2

2
C
S
2
+ (r q)S
C
S
rC (23)
Pourcesraisonsinvoquesauparavant,nousexprimonsleprixdelactionentermes
logarithmiques,cest--dire:
x=ln(S) (24)
la suite de ce changement de variable, lquation (23) devient
5
:

C
t

1
2

2

2
C
x
2
+
C
x
rC (25)
o:
r q
1
2

2
(26)
5 Eneffet,nousavonsvuauparavantquedxestgal:dx=vdt+odzLerestenestquuneaffaire
desubstitution
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous voulons maintenant solutionner lquation (25) de faon numrique.
Pourcefaire,nousdevonsladiscrtiser,cest--diretrouverdesquivalentsnum-
riquesauxdrivesquiapparaissentdanscettequation,cequiconstituelobjetde
lasectionsuivante
2. La transposition de Lquation diffrentieLLe
de bLack et schoLes au pLan numrique
Les mthodes des diffrences fnies sont une simple extension des arbres binomiaux
et trinomiaux. Nous verrons mme ultrieurement que la mthode explicite des diff-
rences fnies quivaut en fait celle de larbre trinomial. Au lieu de se situer dans
un arbre, on se situe dans une grille complte Labscisse de la grille reprsente la
division du temps et lordonne, les variations du prix de laction Une telle grille
apparat la fgure 8.1.
Figure 8.1
x
t
Pour des fns de convergence, x ne doit pas tre choisi indpendamment de t. Sans
le prouver, voici un bon choix de x :
x 3t (27)
Nous voulons solutionner lquation diffrentielle (25) dans cette grille. Pour ce faire,
nousdevonsdabordvaluerlesdrivesquiyapparaissentdefaonnumriqueIl
y a plusieurs faons de procder qui sont relies la mthode numrique retenue:
explicite, implicite ou de Crank-Nicolson. Nous donnons la version explicite de ces
drivesdanscettesectionLesautresversionssuivront
Les mthodes des diffrences fnies


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
La mthode explicite des diffrences fnies calcule une diffrence forwardpour
valuerladrivepremireIntroduisonsleprixducallautempsietdansltatjsur
la grille, soit C
ij
, que nous voulons calculer partir des trois nuds indiqus de la
priode suivante. La reprsentation de ces nuds apparat la fgure 8.2 :
Figure 8.2
Ci+1,j+1
Ci,j Ci+1,j
Ci+1,j-1
La mthode explicite des diffrences fnies recourt une diffrence forward pour
calculer la drive de C par rapport t et des diffrences centrales pour calculer
lesautresdrivesdelquationdiffrentielleOnadonc:

C
t

C
i+1, j
C
i, j
t
(28)

2
C
x
2

C
i+1, j+1
2C
i+1, j
+ C
i+1, j1
x
2
(29)

C
x

C
i+1, j+1
C
i+1, j1
2x
(30)
Ensubstituantcesdrivesdanslquation(25),onobtient:

C
i+1, j
C
i, j
t

1
2

2
C
i+1, j+1
2C
i+1, j
+ C
i+1, j1
x
2
+
C
i+1, j+1
C
i+1, j1
2x
rC
i+1, j
(31)
Onpeutrcrirecettequationcommesuit:
C
ij
t
1
2

2
C
i+1, j+1
2C
i+1, j
+ C
i+1, j1
x
2
+
C
i+1, j+1
C
i+1, j1
2x
rC
i+1, j
j
(
,
\
,
(
+ C
i+1, j
(32)
Onpeutregrouperlestermescommesuit:

C
ij
t
1
2

2
x
2
+

2x
j
(
,
\
,
(
,

,
]
]
]
C
i+1, j+1
+ t
1
2

2
x
2


2x
j
(
,
\
,
(
,

,
]
]
]
C
i+1, j1
+ ...
+ 1 t

2
x
2
rt
,

,
]
]
]
C
i+1, j
(33)
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Comme les expressions entre crochets sont connues, nous pouvons simplifer davan-
tageencrivant:
p
u
t
1
2

2
x
2
+

2x
j
(
,
\
,
(
,

,
]
]
]
(34)
p
m
1 t

2
x
2
rt
,

,
]
]
]
(35)
p
d
t
1
2

2
x
2


2x
j
(
,
\
,
(
,

,
]
]
]
(36)
Lquation diffrentielle scrit fnalement :
C
ij
p
u
C
i+1, j+1
+ p
m
C
i+1, j
+ p
d
C
i+1, j1
(37)
Lquation(37)constituelaclefdevotedelamthodeexplicitedesdiffrences
fnies. Cest elle qui servira calculer le prix du call. Il suffra de commencer les
calculs la fn de la grille, l o les cash-fowsdeloptionsontconnus,puisdereculer
danslagrillejusquaunudosesitueleprixdeloption,soitC(0,0)Maisavant
dedtaillercetteprocdure,nousdevonsexaminerdeplusprslquation(37)
premire vue, cette quation ressemble beaucoup lquation de base de
larbre trinomial Il y a 3 p, qui peuvent tre interprts comme des probabilits
neutres au risque En fait, lcriture de lquation (37) nest pas fortuite Comme
dans un arbre trinomial, p
u
reprsente la probabilit dun mouvement de hausse du
prixdelaction,p
m
laprobabilitdunmouvementnuletp
d
,celledunmouvement
debaisseC
ij
estlapondration,laidedecesprobabilits,destroiscash-fowsqui
luisontrattachslapriodesuivantedelagrilleCelaseramnevidemmentla
procduretablielorsdelaconstructiondelarbretrinomial,commenouslemontrons
danslasectionsuivante
3. LquivaLence entre La mthode expLicite
des diffrences finies et Larbre trinomiaL
Laprocduredelarbretrinomial,toutcommecelledelarbrebinomial,consiste
reproduirelemouvementbrowniensuiviparlelogarithmeduprixdelaction,cest-
-direlemouvementsuivant:
dx dt + dz dt + dt (38)
Les mthodes des diffrences fnies


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Exprimesentermesdiscrets,lespranceetlavariancenoncentre
6
deceprocessus
sontde:

E x ( ) t
(39)
E x
2
( )

2
t +
2
t
2
(40)
Puisquelarbretrinomialveutreproduirelemouvementbrowniendex,lesprance
et la variance de x dans larbre trinomial doivent tre identiques leur pendant
brownien,cest--dire:
E x ( ) p
u
x ( ) + p
m
0 ( ) + p
d
x ( ) t (41)
E x
2
( )
p
u
x
2
( )
+ p
m
0 ( ) + p
d
x
2
( )

2
t +
2
t
2
(42)
Deplus,lasommedesprobabilitsdoittregale1,cest--dire:

p
u
+ p
m
+ p
d
1
(43)
Il est facile de rsoudre ces trois quations en termes de p
u
, p
m
et p
d
Selon
lquation(41):
p
u
p
d
+
t
x
(44)
Etselonlquation(42):
p
u
p
d
+

2
t +
2
t
2
x
2
(45)
Engalisantlesquations(44)et(45),ontrouvep
d
:
p
d

1
2

2
t +
2
t
2
x
2

t
x
j
(
,
\
,
(
(46)
Enseservantdelquation(44),ontrouvep
u
:
p
u

1
2

2
t +
2
t
2
x
2
+
t
x
j
(
,
\
,
(
(47)
Finalement,enrecourantlquationdelasommedesprobabilits,ondduitp
m
:
p
m
1 p
u
p
d
1

2
t +
2
t
2
x
2
(48)
6 Lavariancecentredextantgale: V(x) E x E(x) [ ]
2

Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
partir de ces probabilits neutres au risque, on peut crire lquation de base de
larbretrinomial:
C
i, j
e
rt
(p
u
C
i+1, j+1
+ p
m
C
i+1, j
+ p
d
C
i+1, j1
) (49)
La valeur de loption au nud (i,j), soit C
i,j
, est donc la valeur actualise espre
des valeurs de loption aux nuds de la priode subsquente: (i+1,j+1), (i+1,j) et
(i+1,j1),cestroisvaleurstantconnuesaunud(i,j)
Quelques remarques simposent ici Dabord, comme nous lavons dj
mentionn,larbretrinomialretracelvolutiondumouvementbrownienduprixde
lactionEneffet,ilcomportelammeespranceetlammevariancequelemouve-
mentbrownienEnsuite,leprixdeloptiontelquilsedgagedelarbretrinomialest
une valeur espre actualise, ce qui obit au principe gnral qui veut que le prix
dune option soit la valeur actualise de lesprance neutre au risque du cash-fow
fnal (payoff)deloption,cest--dire:
C e
rT
E
Q
S
T
X ( )
+
,

]
]
(50)
oTdsigneladuredeloption,iciuncall,S
T
,leprixdusous-jacentlchance
deloptionetE
Q
,loprateurdelespranceneutreaurisque
Lquationdebasedelarbretrinomial,soitlquation(49),ressemblebeau-
coup lquation de base de la mthode explicite des diffrences fnies, soit lqua-
tion(37)Enfait,elleluiestquasiquivalenteRcrivonslquationdebasedela
mthode explicite des diffrences fnies :
C
ij
p
u
C
i+1, j+1
+ p
m
C
i+1, j
+ p
d
C
i+1, j1
(51)
linstar de larbre trinomial, C
ij
estlavaleurespredescash-fowsdeloptionaux
nuds (i+1,j+1), (i+1,j) et (i+1,j1), soit les cash-fows de la priode suivante qui
sontrattachsaunudC
ij
. Ces trois valeurs sont connues au nud (i,j). linstar de
larbretrinomial,onpeutgalementmontrerqueC
ij
estunevaleurespreactualise
decestroisnudsPouryarriver,onapproximelederniertermedelquation(51)
aunud(i,j)pluttquaunud(i+1,j)Onobtient:

C
i+1, j
C
i, j
t

1
2

2
C
i+1, j+1
2C
i+1, j
+ C
i+1, j1
x
2
+
C
i+1, j+1
C
i+1, j1
2x
rC
i, j
(52)
Enregroupantlestermescommeauparavant,onobtient:
C
ij

1
1+ rt
p
u
C
i+1, j+1
+ p
m
C
i+1, j
+ p
d
C
i+1, j1
( )
(53)
o:
p
u
t
1
2

2
x
2
+

2x
j
(
,
\
,
(
,

,
]
]
]
(54)
Les mthodes des diffrences fnies 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
p
m
1 t

2
x
2
(55)
p
d
t
1
2

2
x
2


2x
j
(
,
\
,
(
,

,
]
]
]
(56)
Dans lquation (53), le terme
1
1+ rt
est un facteur dactualisation discret plutt
quecontinuLquation(53)estbienunevaleurespreactualiseetestdoncquasi
identique la procdure de larbre trinomial, ce dernier tant une reproduction du
processus de diffusion Certes, les probabilits qui apparaissent dans lquation de
la mthode explicite des diffrences fnies diffrent de celles qui correspondent au
processustrinomialMaisnoublionspasquenousvoluonsdanslemondeducalcul
numrique, soit un monde dapproximations. Il y a plusieurs faons de dfnir les
variablestelleslesdrivesdunefonction,commenousleverronsLecalculnum-
riquecomportedoncunepartdarbitraire
4. transposition des quations de La mthode expLicite
des diffrences finies dans une griLLe
Nous voulons solutionner le systme dquations donn par :
C
ij
p
u
C
i+1, j+1
+ p
m
C
i+1, j
+ p
d
C
i+1, j1
(57)
de faon calculer le prix dune option dachat Comme nous le verrons, cette
quation convient galement pour une option de vente Ce sont les bornes et les
cash-fows lchance qui diffrencient les deux formes doptions dun point de
vuenumrique
Commenouslavonsditauparavant,noussolutionnonscesystmedquations
dans une grille. Celle-ci apparat la fgure 8.3.
Nous supposons que lespace du temps est divis en N sous-intervalles et que
lespacedestats,quireprsententlesvariationsdulogarithmeduprixdelaction,
comprend (2N
j
+ 1) sous-intervalles chaque pas plutt que (2i + 1) comme dans
larbre trinomial. N
j
est ici gal N, bien quil puisse lui tre suprieur. Nous lga-
lerons habituellement N lintrieur de ce chapitre.
En omettant le pas N, soit le dernier au bout de larbre o les cash-fows de
loption sont connus, il y a (2N
j
+1)inconnueschaquepasOr,lesystmedquations
(57) ne nous permet de calculer que (2N
j
1)inconnuesOnnepeuteneffetcalculer
lesvaleursdeC
i,Nj
etdeC
i,Nj
quisesituentauxextrmesdelagrilleEneffet,C
i,Nj

8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
dpend,entreautres,deC
i,-Nj1
,quinefaitpaspartiedelagrille
7
Poursapart,C
i,Nj

dpend, entre autres, de C


i,Nj+1
, qui lui-mme ne fait pas partie de la grille Il nous
manquedoncdeuxquationspoursolutionnerlagrilleCesdeuxquationsnoussont
donnesparlesbornesdeloption,soitlessuivantesPouruncall,onpeutcrire:

C
S
1 (58)
Figure 8.3
?
C(i,Nj) (Nj)
(Nj1)
C(0,0) (Ci,j) 0
(Nj+1)
C(i,Nj) (Nj)
?
celapourunprixdelactionimportant,cest--direquiexcdesensiblementleprix
dexerciceEneffet,uncalltrsenjeuaundeltapratiquementgal1Entermes
delagrillecetteconditionscrit:

C
i,N
j
C
i,N
j1
S
i,N
j
S
i,N
j1
1 (59)
cest--dire:
C
i,N
j
C
i,N
j1

u
(60)
o
u
S
i,N
j
S
i,N
j1
CestllabornesuprieuredelagrillepouruncallLaborne
infrieureestdduitedelobservationsuivanteQuandleprixdelactionesttrsfaible
parrapportauprixdexercice,ledeltaducallestpratiquementnul,cest--dire:

C
S
0 (61)
7. Voir cet effet les points dinterrogation indiqus sur la grille de la fgure 8.3.
Les mthodes des diffrences fnies 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Entermesdelagrille,cetteconditionscrit:

C
i,N
j
+1
C
i,N
j
S
i,N
j+1
S
i,N
j
0 (62)
soit
C
i,N
j
+1
C
i,N
j

L
(63)
o
L
reprsentelaborneinfrieuredelagrille,gale0pouruncall
Dans le cas dun put
8
, ces bornes sont inverses Quand le prix de laction
est lev, le put est compltement hors-jeu et son delta est alors de 0 Cette borne
scrit:
C
i,N
j
C
i,N
j1

u
(64)
o
u
estnuldanslecasdunputParailleurs,sileprixdelactionestfaible,leput
esttrsenjeuetsondeltaestde(1)Laborneinfrieurescritalors:

C
S

C
i,N
j+1
C
i,N
j
S
i,N
j+1
S
i,N
j
1 (65)
Do:
C
i,N
j+1
C
i,N
j

L
(66)
o
L
(S
i,N
j+1
S
i,N
j
) danslecasdunput
Le systme dquations (57), constitu de 2N
j
1quations,etlesdeuxbornes
(63) et (64) de la grille servent calculer les 2N
j
+ 1 inconnues chaque pas i de
la grille, cela pour un call. linstar des arbres binomiaux et trinomiaux, le calcul
senclenche la fn de la grille, l ou les cash-fows (payoffs) du call sont connus
Ainsi,lescash-fowsC
N,-Nj
C
N,Nj
sontconnuspuisquilssontgaux:
C
N,j
=(S
N,j
X)
+
(67)
oS
N,j
est le prix de laction la priode N dans ltat j. Chacune des quations (57)
peut tre rsolue indpendamment puisque les cash-fows la priode (i + 1) sont
connuslapriodeiEtlonreculeainsidanslagrillejusqucequelonaitcalcul
leprixducall,quicorrespondC(0,0)
8 Pournepassurchargerlanotation,nousutilisonslesmmessymbolespourlesquationsducallet
duput
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
5. programmes Visual basic pour dterminer Les prix
dun call europen et dun put amricain par La mthode
expLicite des diffrences finies
.1. cas du call europen
Le programme qui apparat au tableau 8.1 permet de calculer le prix dun calleuro-
pen par la mthode explicite des diffrences fnies.
taBleau 8.1 Programme Visual Basic du calcul du prix dun call
europen par la mthode explicite des diffrences fnies
pd=0.5*dt*((sigma / dx)^2-nu / dx)
Range(pdexp)=pd
Calcul des prix de laction lchance
st(-Nj)=S*Exp(-Nj*dx)
Range(stockexp).Offset(Nj, 0)=st(-Nj)
For j=-Nj+1 To Nj
st(j)=st(j-1)*edx
Range(stockexp).Offset(-j, 0)=st(j)
Next j
Calcul des cash-fows de loption lchance
For j=-Nj To Nj
c(N, j)=Application.Max(0, st(j)-X)
Range(callgrid).Offset(-j, N)=c(N, j)
Next j
Marche arrire dans la grille
For i=N-1 To 0 Step -1
For j=-Nj+1 To Nj-1
c(i, j)=pu*c(i+1, j+1)+pm*c(i+1, j)+pd*c(i+1, j-1)
Range(callgrid).Offset(-j, i)=c(i, j)
Next j
c(i, -Nj)=c(i, -Nj+1)
Range(callgrid).Offset(j, i)=c(i, -Nj)
c(i, Nj)=c(i, Nj-1)+(st(Nj)-st(Nj-1))
Range(callgrid).Offset(-j, i)=c(i, Nj)
Next i
Range(call1)=c(0, 0)
Sub mthode_explicite( )
Sheet2.Activate
X=Range(Xexp).Value
T=Range(Texp).Value
S=Range(Sexp).Value
sigma=Range(sigmaexp).Value
r=Range(tauxexp).Value
div=Range(divexp).Value
N=Range(Nexp).Value
Nj=Range(Njexp).Value
Dim i, j As Integer
Dim edx, dt, nu, pu, pm, pd As Double
Dim lambda_L, lambda_U As Double
Dim c(), st() As Double
ReDim c(0 To N, -Nj To Nj)
ReDim st(-Nj To Nj)
dt=T / N
Range(dtexp)=dt
dx=sigma*sqr (3*dt)
Range(dxexp)=dx
nu=r-div-0.5*sigma^2
Range(nuexp)=nu
edx=Exp(dx)
Range(edxexp)=edx
pu=0.5*dt*((sigma / dx)^2+nu / dx)
Range(puexp)=pu
pm=1-dt*(sigma / dx)^2-r*dt
Range(pmexp)=pm
End Sub
Commelaccoutume,ondclarelesvariablesdelasous-routineLevecteur
cenregistreralescash-fowsducallchaquepasLepremierindiceestlepas,quiva
de 0 N, et le deuxime est ltat, qui stire de (N
j
) N
j
, N
j
tant gal N.
Les mthodes des diffrences fnies 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
redim c(0 to n,-nj to nj)
Parailleurs,levecteurstenregistreralesprixdelactionlchancedelop-
tion,ncessairesaucalculdescash-fowsdeloptionlchance,quiseconfondent
alors avec la valeur intrinsque de loption Il existe un prix daction pour chaque
tat j, j variant de (N
j
) N
j

redim st(-nj to nj)


On calcule par la suite les constantes du programme, soit : le pas (T/N), T tant
laduredeloption,dx,edx,quiservirontcalculerlesprixdelactionlchance,
ainsiquelesprobabilits:p
u
,p
m
etp
d

dt=t / n
range(dtexp)=dt
dx=sigma*sqr (3*dt)
range(dxexp)=dx
nu=r-div-0.5*sigma^2
range(nuexp)=nu
edx=exp(dx)
range(edxexp)=edx
pu=0.5*dt*((sigma / dx)^2+nu / dx)
range(puexp)=pu
pm=-dt*(sigma / dx)^2-r*dt
range(pmexp)=pm
pd=0.5*dt*((sigma / dx)^2-nu / dx)
range(pdexp)=pd
On calcule le prix de laction lchance dans ltat infrieur (N
j
):
st(-nj)=s*exp(-nj*dx)
range(stockexp).offset(nj, 0)=st-nj)
Puisonremontedanslagrillejusqultat suprieur (N
j
) :
for j=-nj+ to nj
st(j)=st(j-)*edx
range(stockexp).offset(-j, 0)=st(j)
next j
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Maintenant que lon dispose des (2N
j
+1)prixdelactionlchance,oncalcule
lescash-fowsducalllchance:
for j=-nj to nj
c(n, j)=application.max(0, st(j)-x)
range(callgrid).offset(-j, n)=c(n, j)
next j
Puis on recule progressivement dans la grille On calcule dabord les cash-
fows de loption au pas (N 1) en se servant des cash-fows calculs au pas N et
de lquation de base dactualisation des cash-fows de la mthode explicite des
diffrences fnies.
marche arrire dans la grille
for i=n- to 0 step-
for j=-nj+ to nj-
c(i, j)=pu*c(i+, j+)+pm*c(i+, j)+pd*c(i+, j-)
range(callgrid).offset(-j, i)=c(i, j)
next j
On calcule les cash-fows de loption aux extrmes de la grille en recourant aux
conditionsauxbornes:
c(i,-nj)=c(i,-nj+)
range(callgrid).offset(j, i)=c(i,-nj)
c(i, nj)=c(i, nj-)+(st(nj)-st(nj-))
range(callgrid).offset(-j, i)=c(i, nj)
Les cash-fows de loption ltape (N 1) tant ainsi calculs, on effectue
lescalculspourlepasprcdent:
next i
Etlonreculeainsidanslagrillejusqulapriode0,losetrouveleprixducall
recherch,soitC(0,0),quelondemandedereportersurlechiffrier:
range(call)=c(0, 0)
Pour illustrer ce programme, nous calculons le prix dun call europen dont
lesdonnesseretrouventautableau82
Les mthodes des diffrences fnies


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 8.2
2
3
4
5
6
7
8
A B
X 45
T 1
S 45
sigma 0,2
taux 0,03
div 0,02
N 3
Lesprixdelactionsous-jacentelchancedeloption,destats(3)(3),sont
pourleurpartautableau83
taBleau 8.3
7
8
9
10
11
12
13
D
81,99535
67,13211
54,96312
45
36,84288
30,1644
24,69652
Les cash-fows correspondants du call lchance, soit (S X)
+
, sont le lot du
tableau84
taBleau 8.4
3
4
5
6
7
8
9
M
36,99535
22,13211
9,963124
0
0
0
0
Lonramnecescash-fowsaudbutdelagrille(tableau85)enrecourantlquation
de base de la mthode explicite des diffrences fnies. Le prix du call est de 3,41$
lorsque N est gal 3.
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 8.5
3
4
5
6
7
8
9
J K L M
37,08595 37,01442 36,9978 36,99535
22,22272 22,15119 22,13456 22,13211
10,78184 10,37804 10,0467 9,963124
3,41171 2,626616 1,577495 0
0,579896 0,24977 0 0
0,039547 0 0 0
0,039547 0 0 0
Selon la formule de Black et Scholes, le prix du call europen correspondant aux
donnes du tableau 82 est de 3,7198$ Le programme Visual Basic utilis pour
calculerceprixselitautableau86
taBleau 8.6 Programme Visual Basic du calcul du prix dun call
europen par la formule de Black et Scholes
Function callBS(S, X, T, sigma, r, div)
logSX=Log(S / X)
nud=(r-div+(0.5*sigma^2))*T
done=(logSX+nud) / (sigma*Sqr(T))
dtwo=done-sigma*Sqr(T)
callBS=(S*Exp(-div*T)*Application.NormSDist(done))-_
X*Exp(-r*T)*Application.NormSDist(dtwo)
End Function
On peut tudier la convergence de la mthode explicite en augmentant
N (N
j
= N). La fgure 8.4 retrace cette simulation.
Figure 8.4 La convergence de la mthode explicite
vers la solution B-S
2,5
2,7
2,9
3,1
3,3
3,5
3,7
3,9
0 20 40 60 80 100 120
Les mthodes des diffrences fnies


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
On constate que la mthode explicite des diffrences fnies converge rapide-
ment vers la solution B-S. Si N = 20, le prix du call est de 3,678 4 $ et si N = 25, il
estde3,6868$
. La mthode impLicite des diffrences finies
Le principe de base de la mthode implicite des diffrences fnies est illustr la
fgure 8.5.
Figure 8.5
C(i,j+1)
C(i,j) C(i+1,j)
C(i,j-1)
Les drives sont donc centres sur le point i plutt que sur le point (i + 1)
comme ctait le cas pour la mthode explicite des diffrences fnies. Lquation
diffrentielledeBlacketScholesscritalors:

C
i+1, j
C
i, j
t

1
2

2
C
i, j+1
2C
i, j
+ C
i, j1
x
2
+
C
i, j+1
C
i, j1
2x
rC
i, j
(68)
En regroupant les termes comme dans le cas de la mthode explicite des
diffrences fnies, on obtient :
p
u
C
i, j+1
+ p
m
C
i, j
+ p
d
C
i, j1
C
i+1, j
(69)
o:
p
u

1
2
t

2
x
2
+

x
j
(
,
\
,
(
(70)
p
m
1+ t

2
x
2
+ rt (71)
pd
1
2
t

2
x
2


x
j
(
,
\
,
(
(72)
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Lesbornessontlesmmesquedanslecasdelamthodeexplicite,cest--dire:
C
i,N
j
C
i,N
j1
u
(73)
C
i,N
j
+1
C
i,N
j
L
(74)
Contrairement la mthode explicite, les (2N
j
+1)quationsconstituespar
lesquations(69),(73)et(74)nepeuventtresolutionnesindpendammentlesunes
des autres. On sen rend compte en examinant la fgure 8.5. Il y a trois inconnues
rattaches C
i+1,j
, ce dernier tant connu Dans le cas de la mthode explicite, on
solutionnait C
i,j
partir de trois points connus puisque les drives taient centres
sur (i + 1). Alors comment solutionner ?
Onpeutdcouvrirlasolutionencrivantlesquationsencommenantauhaut
de la grille (N
j
) et en descendant vers le bas de la grille (N
j
),celapourunidonn
Onacommesystmedquations:
C
i,N
j
C
i,N
j1

u
(75)
p
u
C
i,N
j
+ p
m
C
i,N
j1
+ p
d
C
i,N
j2
C
i+1,N
j1
(76)

p
u
C
i,N
j+2
+ p
m
C
i,N
j+1
+ p
d
C
i,N
j
C
i+1,N
j+1
(77)
C
i,N
j+1
C
i,N
j

L
(78)
Sousformematricielle,cesystmedquationsdevient:

1 1 0 . . . 0
p
u
p
m
p
d
0 . . 0
0 p
u
p
m
p
d
0 . 0
. . . . . . .
0 . 0 p
u
p
m
p
d
0
0 . . 0 p
u
p
m
p
d
0 . . . . 1 1
,

,
,
,
,
,
,
,
,
,
]
]
]
]
]
]
]
]
]
]
]
C
i,N
j
C
i,N
j1
C
i,N
j2
.
C
i,N
j+2
C
i,N
j+1
C
i,N
j
,

,
,
,
,
,
,
,
,
,
,
,
]
]
]
]
]
]
]
]
]
]
]
]
]

u
C
i+1,N
j1
C
i+1,N
j2
.
C
i+1,N
j+2
C
i+1,N
j+1

L
,

,
,
,
,
,
,
,
,
,
,
]
]
]
]
]
]
]
]
]
]
]
]
(79)
Lamatricequisertreprsenterlesystmedquationsdelamthodeimpli-
citeesttridiagonaleLecalculnumriqueproposeplusieursfaonsdesolutionnerle
systme dquations (79) lorsque la matrice qui le reprsente est tridiagonale. Nous
liminerons ici la diagonale suprieure pour en arriver la solution On pourrait
galementsupprimerladiagonaleinfrieure
Les mthodes des diffrences fnies 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pournepassurchargerlanotation,noussupposerons,pourmontrercomment
effectuer la suppression de la diagonale suprieure, que N = N
j
=3Commenouslavons
expliqu prcdemment, nous devons enclencher les calculs la priode (N 1), ici
2, puisque lon connat alors les cash-fows de loption, cest--dire le vecteur qui
apparat droite du systme dquations (79). Pour liminer la diagonale principale
deladitematrice,nousdbutonsparladernirequationdusystme(79):
C
2,3
C
2,2

L
(80)
Onsubstituecettequationdanslaprcdente,soit:
p
u
C
2,1
+ p
m
C
2,2
+ p
d
C
2,3
C
3,2
(81)
p
u
C
2,1
+ p
m
C
2,2
+ p
d
C
2,2

L
( )
C
3,2
(82)
Cettequationpeuttrercritecommesuit:

p
u
C
2,1
+ p'
m2,
C
2,2
p'
2 (83)
o
p'
m,2
p
m
+ p
d
(84)
p'
2
C
3,2
+ p
d

L
(85)
partir de lquation (83), on peut mettre en vidence C
2,2
:
C
2,2

p'
2
p
u
C
2,1
p'
m,2
(86)
Onsubstituecettevaleurdanslquationde(j=1)
p
u
C
2,0
+ p
m
C
2,1
+ p
d
C
2,2
C
3,1
(87)
p
u
C
2,0
+ p
m
C
2,1
+ p
d
p'
2
p
u
C
2,1
p'
m,2
j
(
,
\
,
(
C
3,1
(88)
Cettedernirequationpeuttrercritecommesuit:
p
u
C
2,0
+ p'
m,1
C
2,1
p'
1
(89)
o
p'
m,1
p
m

p
u
p'
m,2
p
d
(90)
p'
1
C
3,1

p'
2
p'
m,2
p
d
(91)
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ceprocessussepoursuitenremontantlagrillejusquj=2,olonobtient:
p
u
C
2,3
+ p'
m,2
C
2,2
p'
2
(92)
cest--dire:
C
2,2

p'
2
p
u
C
2,3
p'
m,2
(93)
Rsumons la dmarche que nous venons de suivre. Nous avons supprim la
diagonaleprincipale,constitudesp
d
,encrivantlesquationssouslaforme(89)
Pourcefaire,nousavonseffectuunesubstitutionrtrogradedevariablespartirde
la fn de la matrice de faon supprimer une inconnue pour chacune des quations.
Cefaisant,nousavonscrunesriedeconstantes,lesp'etp'
m
,quinousserventdans
unedeuximetapetrouverlesinconnuesdelapriode2,soitlesC
2,3
C
2,3

Pour des fns de programmation, il faudra donc calculer deux types de constantes
pourliminerladiagonalesuprieuredelamatricetridiagonalePourchaquepasi,
et ce de ltat j = (N
j
+2) ltat (N
j
1),oncalculeralesp'
m
enutilisantlaforme
gnralercursivesuivante:

p'
m, j
p
m

p
u
p'
m, j1
p
d
(94)
Etpourlesp'delapriodei,laformercursivegnraleestlasuivante:

p'
j
C
i+1, j

p'
j1
p'
m, j1
p
d
(95)
Ces constantes permettent dliminer la diagonale principale de la matrice
tridiagonale,quiestconstituedesp
d
Cesdernierssontabsorbsparlesconstantes
p'etp'
m
. Par ailleurs, pour calculer ces constantes ltat (N
j
+1),onsesertdela
borneinfrieure,commecelaatindiquauparavant
Nous en sommes la deuxime tape, celle de la solution des quations
proprement dite Pour ce faire, nous revenons au dbut de la matrice La premire
quationestlasuivante,soitlabornesuprieure:
C
2,3
C
2,2

u
(96)
Or,selonlquation(93),C
2,2
estgal:
C
2,2

p'
2
p
u
C
2,3
p'
m,2
(97)
Les mthodes des diffrences fnies 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ensubstituantlquation(96)danslquation(97),onobtient:
C
2,2

p'
2
p
u
(C
2,2
+
u
)
p'
m,2
(98)
EtlontrouvealorsC
2,2
:
C
2,2

p'
2
p
u

u
p'
m,2
+ p
u
(99)
Onadonctrouvdeuxinconnues:C
2,3
etC
2,2
Lerestedescalculsestunesimplesubs-
titutiondevariablesendescendantlamatriceOnatablidanslapremiretape:
C
2,1

p'
1
p
u
C
2,2
p'
m,1
(100)
LecalculantrieurdeC
2,2
nouspermetdecalculerC
2,1
puisquelesp'etlesp'
m
sont
desconstantesEtlonprocdeainsijusquC
2,2
PourcalculerC
2,3
,onsesertde
laborneinfrieuredelagrille:
C
2,2
C
2,3

L
(101)
Pour les fns de la programmation, la procdure de substitution obira la
procdure rcursive suivante de ltat (N
j
2) ltat (N
j
+1):
C
i, j

p'
j
p
u
C
i, j+1
p'
m, j
(102)
Parailleurs,pourcalculerC
ij
aux tats N
j
, (N
j
1) et N
j
,onsesertdesbornes
suprieureetinfrieuredelagrille,commecelaatindiqudanscettesection
Onaainsicalcullesinconnuesdelapriode2,cest--direlescash-fowsdu
calldelapriode2Celles-cideviennentlesinputspourcalculerlescash-fowsdela
priode1Laprocduresuivreestlammequlapriode1Etonprocdedela
sortejusqucequonaitcalculC(0,0),soitleprixducallrecherch
.1. cas du call europen
Autableau87,onretrouveunprogrammeVisual Basicquicalculeleprixduncall
europen par la mthode implicite des diffrences fnies.
70 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 8.7 Programme Visual Basic du calcul du prix dun call
europen par la mthode implicite des diffrences fnies
Sub callmthode_implicite( )
Sheet1.Activate
X=Range(X).Value
T=Range(T).Value
S=Range(S).Value
sigma=Range(sigma).Value
r=Range(taux).Value
div=Range(div).Value
N=Range(N).Value
Dim i As Integer, j As Integer
Dim edx As Double, dt As Double, nu As
Double, pu As Double, _
pm As Double, pd As Double
Dim lambda_L As Double, lambda_U As Double
Dim c() As Double, st() As Double
Nj=N
Range(Nj)=Nj
ReDim c(0 To N, -Nj To Nj)
ReDim st(-Nj To Nj)
Dim pmp() As Double, pp() As Double
Dim k As Integer, w As Integer
ReDim pmp(-Nj To Nj)
ReDim pp(-Nj To Nj)
Calcul des constantes
dt=T / N
Range(dt)=dt
dx=sigma*Sqr(3*dt)
Range(dx)=dx
nu=r-div-0.5*sigma^2
Range(nu)=nu
edx=Exp(dx)
Range(edx)=edx
pu=-0.5*dt*((sigma / dx)^2+nu / dx)
Range(pu)=pu
pm=1+dt*(sigma / dx)^2+r*dt
Range(pm)=pm
pd=-0.5*dt*((sigma / dx)^2-nu / dx)
Range(pd)=pd
Calcul des prix de laction lchance
st(-Nj)=S*Exp(-Nj*dx)
Range(stock).Offset(Nj, 0)=st(-Nj)
For j=-Nj+1 To Nj
st(j)=st(j-1)*edx
Range(stock).Offset(-j, 0)=st(j)
Next j
Calcul des cash-fows de loption lchance
For j=-Nj To Nj
c(0, j)=Application.Max(0, st(j)-X)
Range(putmat).Offset(-j, 0)=c(0, j)
Next j
Calcul des bornes de loption
lambda_U=(st(Nj)-st(Nj-1))
Range(lambdaU)=lambda_U
lambda_L=0
Range(lambdaL)=lambda_L
Marche arrire dans la grille
For i=N-1 To 0 Step -1
Solution du systme tridiagonal
substitution des bornes j=-Nj dans j=-Nj+1
pmp(-Nj+1)=pm+pd
Range(pmp).Offset(Nj-1, i)=pmp(-Nj+1)
pp(-Nj+1)=c(0, -Nj+1)+pd*lambda_L
Range(pp).Offset(Nj-1, i)=pp(-Nj+1)
limination de la diagonale suprieure
For k=-Nj+2 To Nj-1
pmp(k)=pm-pu*pd / pmp(k-1)
Range(pmp).Offset(-k, i)=pmp(k)
pp(k)=c(0, k)-pp(k-1)*pd / pmp(k-1)
Range(pp).Offset(-k, i)=pp(k)
Next k
Recours la borne j=Nj et lquation
j=Nj-1
c(1, Nj)=(pp(Nj-1)+pmp(Nj-1)*lambda_U) /
(pu+pmp(Nj-1))
Range(calltrid).Offset(-Nj, i)=c(1, Nj)
c(1, Nj-1)=c(1, Nj)-lambda_U
Range(calltrid).Offset(-Nj+1, i)=c(1, Nj-1)
substitution rtrograde
For w=Nj-2 To -Nj+1 Step -1
c(1, w)=(pp(w)-pu*c(1, w+1)) / pmp(w)
Range(calltrid).Offset(-w, i)=c(1, w)
c(1, -Nj)=c(1, -Nj+1)-lambda_L
Range(calltrid).Offset(Nj, i)=c(1, -Nj)
Next w
Construction de la grille de loption
For j=-Nj To Nj
c(0, j)=c(1, j)
Next j
Next i
Range(put)=c(0, 0)
End Sub
Les mthodes des diffrences fnies 71


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Le dbut du programme est sensiblement le mme que celui ayant servi
implanterlamthodeimplicite:dclarationdesvariablespuiscalculdesconstantes
duprogrammeLesformulesdesprobabilitssonttoutefoisdiffrentesParailleurs,
on remarquera que le premier indice du vecteur c ne comporte que deux indices, 0
et 1. Lindice 0 est utilis pour donner les valeurs fnales des cash-fowsunnud
et lindice 1, pour stocker temporairement les cash-fows de loption lors de lli-
minationdeladiagonalesuprieuredelamatricetridiagonaleOnraliseainsiune
conomiedindices
Oncalculeparlasuitelesprixdelactionlchanceducallselonlesdivers
tats (N
j
N
j
)etlescash-fowscorrespondantsducall
calcul des prix de laction lchance
st(-nj)=s*exp(-nj*dx)
range(stock).offset(nj, 0)=st(-nj)
for j=-nj+ to nj
st(j)=st(j-)*edx
range(stock).offset(-j, 0)=st(j)
next j
calcul des cash-fows de loption lchance
for j=-nj to nj
c(0, j)=application.max(0, st(j)-x)
range(putmat).offset(-j, 0)=c(0, j)
Oncalculeparlasuitelesbornesdeloptionpouruncall
lambda_u=(st(nj)-st(n j-))
range(lambdau)=lambda_u
lambda_l=0
range(lambdal)=lambda_l
Puis le programme sengage dans une grande boucle dans laquelle on fait marche
arriredefaoncalculerlescash-fowsdelagrilleLescalculsdbutentdabord
la priode (N 1) et lon recule par pas dune priode par la suite.
for i=n- to 0 step-

next i
7 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Oncalculedansunpremiertempslep'
m
etlep'quicorrespondentlaborneinfrieure
pouruntatdonnLesformulesdeceux-ci,quiapparaissentauxquations(84)et
(85),diffrentdeleurshomologuesdesautrestats
pmp(-nj+)=pm+pd
range(pmp).offset(nj-, i)=pmp(-nj+)
pp(-nj+)=c(0,-nj+)+pd*lambda_l
range(pp).offset(nj-, i)=pp(-nj+)
Puisonlimineprogressivementladiagonalesuprieureencalculant,selonlesqua-
tions (94) et (95), les p'
m
et les p' que lon stocke puisquils serviront par la suite
calculerlesinconnuesdunpasdonn
for k=-nj+2 to nj-
pmp(k)=pm-pu*pd / pmp(k-)
range(pmp).offset(-k, i)=pmp(k)
pp(k)=c(0, k)-pp(k-)*pd / pmp(k-)
range(pp).offset(-k, i)=pp(k)
next k
remarquer que pour calculer les constantes p' et p'
m
associes chaque tat, on
remonte de ltat (N
j
+ 2) (N
j
1),cederniertantltatquiprcdeimmdiate-
mentlabornesuprieure
Unefoisceprocessustermin,onsesertdelabornesuprieurepourcalculer
les cash-fows du call aux tats N
j
et N
j
1, cela en conformit avec les quations
(96)et(99)
c(, nj)=(pp(nj-)+pmp(nj-)*lambda_u) / (pu+pmp(nj-)
range(calltrid).offset(-nj, i)=c(, nj)
c(, nj-)=c(, nj)-lambda_u
range(calltrid).offset(-nj+, i)=c(, nj-)
On effectue par la suite une substitution rtrograde pour calculer les cash-fows de
ltat (N
j
2) ltat (N
j
+1),soitltatquiprcdelaborneinfrieure,enappliquant
pouryarriverlquation(102)
for w=nj-2 to-nj+ step-
c(, w)=(pp(w)-pu*c(, w+)) / pmp(w)
range(calltrid).offset(-w, i)=c(, w)
Les mthodes des diffrences fnies 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourcalculerlecash-fow de ltat N
j
,onsesertdelaborneinfrieure:
c(,-nj)=c(,-nj+)-lambda_l
range(calltrid).offset(nj, i)=c(,-nj)
Onpeutalorsstockerlesvaleursdescash-fowspourltatj:
for j=-nj to nj
c(0, j)=c(, j)
next j
Etonrefaitcescalculsenreculantcommelindiqueleprogrammejusqulapriode
0Onpeutalorsstockerleprixrecherchducall,soitC(0,0)
Nous avons calcul le prix dun calllaidedelamthodeimplicitepourles
mmes donnes que dans le cas prcdent. Nous avons obtenu un prix de 2,995 2 $,
rsultatquitonnammentestplusloigndelacibleB-Squelamthodeexplicite,
cela pour les mmes donnes Lorsque lon double le nombre dtats dans la grille
(N
j
= 2N), on namliore pas sensiblement le rsultat.
Pourbiencomprendrelamthodeimplicite,nousallonsdanscequisuitdtaillerles
calculsLetableau88fournitlesconstantesdumodleCommeonpeutleconstater,p
u

etp
d
sontngatifsetnepeuventdoncplustreinterprtscommedesprobabilits
taBleau 8.8
12
13
14
15
16
17
18
19
A B
dt 0,333333
nu 0,01
edx 1,221403
pu 0,158333
pm 1,343333
pd 0,175
lambdaL 0
lambdaU 14,86323
Oncalculelesprixdelactionlchancedeloption(tableau89)etonendgage
lescash-fowsdeloptionlchance(tableau810)
7 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 8.9 Prix de laction lchance du call
6
7
8
9
10
11
12
D
81,99534602
67,13211139
54,96312412
45
36,84288389
30,16440207
24,69652362
taBleau 8.10 Cash-fows du call son chance
6
7
8
9
10
11
12
E
36,99534602
22,13211139
9,963124117
0
0
0
0
Lagrilledescash-fowsducallpourlespriodes(i)de02etpourlestats(j)de3
3 est reporte au tableau 8.11. Nous pouvons calculer les cash-fowsdelapriode
2partirdescash-fowsconnusdelapriode3
taBleau 8.11 Grille des cash-fows du call
1
2
3
4
5
6
7
8
9
10
11
P Q R S T
j
37,21905 37,10532 37,03069 3
22,35581 22,24208 22,16745 2
10,83547 10,49182 10,18843 1
2,99522 2,193806 1,219938 0
0,652327 0,376395 0,146373 1
0,146596 0,067988 0,019837 2
0,146596 0,067988 0,019837 3
i 0 1 2
Les mthodes des diffrences fnies 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pour calculer les cash-fows de loption de la priode 2, il nous faut calculer les
constantesp'etp'
m
,essentielleslasolution(tableau812)
taBleau 8.12 Les constantes du systme tridiagonal
1
2
3
4
5
6
7
8
9
10
F G H I J K L M N O
pmp pp
j j
1,32238 1,32238 1,32238 2 23,66986 23,53747 23,4506 2
1,322379 1,322379 1,322379 1 10,78894 10,3525 9,963124 1
1,322336 1,322336 1,322336 0 2,245071 1,239743 0 0
1,319617 1,319617 1,319617 1 0,386579 0,149345 0 1
1,168333 1,168333 1,168333 2 0,067988 0,019837 0 2
i 0 1 2 i 0 1 2
RappelonslecalculdecesconstantesCalculonsdabordp'
m,2
Selonleprogramme
antrieur,celui-ciestgal:
p'
m,2
p
m
+ p
d
1, 3433 0,175 1,1683 (103)
Cestbienlersultatquelonpeutlireautableaudespmpaunud(2,2)delagrille
OnsesertdeC
3,2
(connu)pourcalculerp'
2
:
p'
2
C
3,2
p
d

L
0 0,175 ( ) 0 0 (104)
Cestbienlersultatquelonpeutlireautableaudesppaunud(2,2)delagrille
Parlasuite,pourcalculerlesp'etlesp'
m
,onsesertdesformesrcursivesdonnes
parlesquations(94)et(95)
p'
m,1
p
m

p
u
p'
m,2
p
d
1, 3433
0,158 3 ( )
1,168 3 ( )
0,175 ( ) 1, 319 6 (105)
p'
1
C
3,1

p'
2
p'
m,2
p
d
0 (106)
EtainsidesuiteUnefoiscesconstantescalcules,onrevientauhautdelagrillepour
calculerlescash-fowsdelapriode2encommenantpasC
2,2
(quation99):
C
2,2

p'
2
p
u

u
p'
m,2
+ p
u

23, 45 0,158 3 14, 863 2 ( )


1, 322 3 0,158 3
22,167 4 (107)
C
2,3
C
2,2
+
u
22,167 4 +14, 863 2 37, 030 6 (108)
7 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Puis on descend la grille, toujours en demeurant la priode 2, en se servant de la
formercursive(102)pourdgagerlescash-fowsdesautrestats
C
2,1

p'
1
p
u
C
2,2
p'
m,1

9, 9631 0,158 3 ( ) 22,167 4 ( )


1, 322 3
10,188 4 (109)
C
2,0

p'
0
p
u
C
2,1
p'
m,0

0 0,158 3 ( ) 10,188 4 ( )
1, 322 3
1, 219 9 (110)
C
2,1

p'
1
p
u
C
2,0
p'
m,1

0 0,158 3 ( ) 1, 219 9 ( )
1, 319 6
0,146 3 (111)
C
2,2

p'
2
p
u
C
2,1
p'
m,2

0 0,158 3 ( ) 0,146 3 ( )
1,168 3
0, 019 8 (112)
Finalement,pourcalculerlecash-fowdunudinfrieurdelagrillelapriode2,
onrecourtlaborneinfrieure:

C
2,2
C
2,3
0
C
2,3
0, 019 8
(113)
Lescash-fowsdelapriode2tantcalculs,lescalculsquenousvenonsdeffectuer
serptentlapriode1enprenantcettefois-cicommeinputslescash-fowsdela
priode2,etainsidesuitejusqucequelonaittrouvleprixducallquiestassoci
aunud(0,0)delagrille
Pourlesdonnesantrieures,laconvergenceduprixducalleuropenversla
cible B-S est retrace la fgure 8.6. On se rend compte que cette convergence est
moins rapide que ce ntait le cas pour la mthode explicite des diffrences fnies.
Figure 8.6 La convergence de la mthode implicite
vers la solution B-S
2,5
2,7
2,9
3,1
3,3
3,5
3,7
3,9
0 20 40 60 80 100 120
Les mthodes des diffrences fnies 77


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
.. cas du put amricain
Le programme du put amricain ressemble beaucoup celui du call europen Les
changementsapportersontlessuivants:
i) Lescash-fowsduputlchancesontvidemmentlemaximumdesdeux
nombressuivants:
C
N, j
MAX 0, X S
N, j
( )
(114)
ii) Lesbornesinfrieuresetsuprieuresdelagrilledoiventtrecalculesen
conformitaveclesquations(64)et(66)
iii)Comme le put est ici amricain, on doit vrifer chaque nud la rgle
dexerciceduput,cest--direquepourunnuddonn(i,j):
C
i, j
MAX C*
i, j
, X S
N, j
( )
(115)
o C*
i,j
dsigne le prix du put au nud (i,j) dcoulant de la solution du systme
tridiagonaldquationsOnremarqueraquepouruntatjdonn,cesttoujoursleprix
delactioncorrespondantladatedchancedeloption,soitS
N,j
,quiestutilis,et
cequellequesoitlapriodeolonsesituedanslagrille,contrairementlaproc-
duresuiviedansunarbrebinomialoleprixdelactiondiffrechaquenudLe
programmeVisual Basicducalculduprixduputamricainparlamthodeimplicite
des diffrences fnies se retrouve au tableau 8.13.
taBleau 8.13 Programme Visual Basic du calcul du prix dun put
amricain par la mthode implicite des diffrences fnies
Sub putmthode_implicite( )
Sheet1.Activate
X=Range(X).Value
T=Range(T).Value
S=Range(S).Value
sigma=Range(sigma).Value
r=Range(taux).Value
div=Range(div).Value
N=Range(N).Value
Dim i As Integer, j As Integer
Dim edx As Double, dt As Double, nu As Double, pu As Double, _
pm As Double, pd As Double
Dim lambda_L As Double, lambda_U As Double
Dim c() As Double, st() As Double
Nj=N
Range(Nj)=Nj
ReDim c(0 To N, -Nj To Nj)
ReDim st(-Nj To Nj)
78 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Dim pmp() As Double, pp() As Double
Dim k As Integer, w As Integer
ReDim pmp(-Nj To Nj)
ReDim pp(-Nj To Nj)
Calcul des constantes
dt=T / N
Range(dt)=dt
dx=sigma*Sqr(3*dt)
Range(dx)=dx
nu=r-div-0.5*sigma^2
Range(nu)=nu
edx=Exp(dx)
Range(edx)=edx
pu=-0.5*dt*((sigma / dx)^2+nu / dx)
Range(pu)=pu
pm=1+dt*(sigma / dx)^2+r*dt
Range(pm)=pm
pd=-0.5*dt*((sigma / dx)^2-nu / dx)
Range(pd)=pd
Calcul des prix de laction lchance
st(-Nj)=S*Exp(-Nj*dx)
Range(stock).Offset(Nj, 0)=st(-Nj)
For j=-Nj+1 To Nj
st(j)=st(j-1)*edx
Range(stock).Offset(-j, 0)=st(j)
Next j
Calcul des cash-fows de loption lchance
For j=-Nj To Nj
c(0, j)=Application.Max(0, X-st(j))
Range(putmat).Offset(-j, 0)=c(0, j)
Next j
Calcul des bornes de loption
lambda_L=-1*(st(-Nj+1)-st(-Nj))
Range(lambdaL)=lambda_L
lambda_U=0
Range(lambdaU)=lambda_U
Marche arrire dans la grille
For i=N-1 To 0 Step -1
Solution du systme tridiagonal
substitution des bornes j=-Nj into j=-Nj+1
pmp(-Nj+1)=pm+pd
Range(pmp).Offset(Nj-1, i)=pmp(-Nj+1)
pp(-Nj+1)=c(0, -Nj+1)+pd*lambda_L
Range(pp).Offset(Nj-1, i)=pp(-Nj+1)
elimination de la diagonale suprieure
For k=-Nj+2 To Nj-1
pmp(k)=pm-pu*pd / pmp(k-1)
Range(pmp).Offset(-k, i)=pmp(k)
pp(k)=c(0, k)-pp(k-1)*pd / pmp(k-1)
Range(pp).Offset(-k, i)=pp(k)
Next k
Recours la borne j=Nj et lquation
j = Nj-1
c(1, Nj)=(pp(Nj-1)+pmp(Nj-1)*lambda_U) /
(pu+pmp(Nj-1))
Range(calltrid).Offset(-Nj, i)=c(1, Nj)
c(1, Nj-1)=c(1, Nj)-lambda_U
Range(calltrid).Offset(-Nj+1, i)=c(1, Nj-1)
substitution rtrograde
For w=Nj-2 To -Nj+1 Step -1
c(1, w)=(pp(w)-pu*c(1, w+1)) / pmp(w)
Range(calltrid).Offset(-w, i)=c(1, w)
c(1, -Nj)=c(1, -Nj+1)-lambda_L
Range(calltrid).Offset(Nj, i)=c(1, -Nj)
Next w
Application de la rgle dexercice
For j=-Nj To Nj
Range(callverif).Offset(-j, i)=c(1, j)
c(0, j)=Application.Max(c(1, j), X-st(j))
Range(callfn).Offset(-j, i)=c(0, j)
Next j
Next i
Range(put)=c(0, 0)
End Sub
Souslesmmesdonnesqueleproblmeprcdent,leprixduputamricain,telque
calcul par le programme de la mthode implicite, est de 2,57$Au tableau 814,
nousrvlonslesgrillesquiserventretracercettesolution
Les mthodes des diffrences fnies 79


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 8.14 Dtail du calcul du prix du put amricain
selon la mthode implicite
12
13
14
15
16
17
18
19
A B
dt 0,333333
nu 0,01
edx 1,221403
pu 0,158333
pm 1,343333
pd 0,175
lambdaL 5,467878
lambdaU 0
1
2
3
4
5
6
7
8
9
F G H I J K L M N
pmp pp
j
1,32238 1,32238 1,32238 2 0,177361 0,083029 0,024439
1,322379 1,322379 1,322379 1 0,801232 0,468755 0,184676
1,322336 1,322336 1,322336 0 3,311227 2,46776 1,395447
1,319617 1,319617 1,319617 1 10,56861 10,52261 10,52261
1,168333 1,168333 1,168333 2 15,79248 15,79248 15,79248
i 0 1 2 i 0 1 2
1
2
3
4
5
6
7
8
9
10
P Q R S T
Grille des cash-flows du put
j
0,152366 0,071328 0,020995 3
0,152366 0,071328 0,020995 2
0,624145 0,363019 0,142168 1
2,578807 1,909679 1,072312 0
8,318261 8,203117 8,102646 1
14,64439 14,62879 14,61517 2
20,11227 20,09667 20,08305 3
i 0 1 2
1
2
3
4
5
6
7
8
9
10
11
12
D E
Cash-flows du put Prix de laction lchance
lchance
81,99534602 0
67,13211139 0
54,96312412 0
45 0
36,84288389 8,157116111
30,16440207 14,83559793
24,69652362 20,30347638
. La mthode des diffrences finies de crank-nicoLson
Cette procdure pour calculer le prix dune option est un raffnement de la mthode
implicite des diffrences fnies. Cest, au dire de Clewlow et Strickland, une mthode
pleinementcentreencesensquelesdrivesdelquationdiffrentielledeBlack
etScholessontcentressurunepriodeimaginaire(i+1/2)Aprslerecentragede
cesdrives,lquationdiffrentielledeBlacketScholesdevient:
80 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs

C
i+1, j
C
i, j
t

1
2

2
C
i+1, j+1
2C
i+1, j
+ C
i+1, j1
( )
+ C
i, j+1
2C
i, j
+ C
i, j1
( )
2x
2
j
(
,
\
,
(
+ ...
+
C
i+1, j+1
C
i+1, j1
( )
+ C
i, j+1
C
i, j1
( )
4x
j
(
,
\
,
(
r
C
i+1, j
+ C
i, j
2
j
(
,
\
,
(
(116)
Onvoitquelamthodeeffectueunemoyennedesapproximationsdesdrives
auxpoints(i)et(i+1),doncenfaitaupoint(i+1/2),tandisquedanslamthodedes
diffrences fnies implicites, les drives ntaient calcules que par rapport au point
i. La mthode de Crank-Nicolson fait une moyenne des drives telles que calcules
parlesmthodesimpliciteetexplicite:oncalculelesdrivesauxpointsiet(i+1)
et lon fait une moyenne. Mais la mthode de Crank-Nicolson demeure une mthode
implicitepuisquesasolutionrequiertlarsolutiondunematricetridiagonale
Enregroupantlestermes,lquation(116)devient:
p
u
C
i, j+1
+ p
m
C
i, j
+ p
d
C
i, j1
p
u
C
i+1, j+1
p
m
2 ( )C
i+1, j
p
d
C
i+1, j1
(117)
o:
p
u

1
4
t

2
x
2
+

x
j
(
,
\
,
(
(118)
p
m
1+ t

2
2x
2
+
rt
2
(119)
p
d

1
4
t

2
x
2


x
j
(
,
\
,
(
(120)
Comme dans les cas prcdents, il y a (2N
j
+ 1) inconnues chaque pas Il existe
(2N
j
1)quationsdutype(117)Pourrsoudrelesystmedquationschaquepas
delagrille,ilfautajoutersesbornessuprieureetinfrieure:
C
i,N
j
C
i,N
j1

u
(121)
C
i,N
j+1
C
i,N
j

L
(122)
Les (2N
j
1) quations du type (117) et les deux bornes constituent un systme
tridiagonal dquations pour calculer les (2N
j
+1)inconnueschaquepas,quisontles
cash-fowsdeloptioncepasLaprocdurepoursolutionnercesystmedquations
estidentiquecelledelamthodeimplicite
Les mthodes des diffrences fnies 81


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
En fait, la mthode de Crank-Nicolson
9
estunemoyennedesmthodesimplicite
et explicite. Soit

uneconstantecompriseentre0et1Pourlemontrer,onpeutcrire
lesapproximationsnumriquesdesdrivespremireetsecondecommesuit:

C
x
j
(
,
\
,
(
i, j
1 ( )
C
i+1, j
C
i1, j
2x
+
C
i+1, j1
C
i1, j1
2x
(123)

2
C
x
2
j
(
,
\
,
(
i, j
1 ( )
C
i+1, j
2C
i, j
+ C
i1, j
x ( )
2
+
C
i+1, j1
2C
i, j1
+ C
i1, j1
x ( )
2
(124)
Quand = 0, on obtient la mthode explicite. Par ailleurs, quand = 1, on
retrouve la mthode implicite. La mthode de Crank-Nicolson confre pour sa part une
valeur de 1/2 . Elle peut donc tre considre comme une moyenne des mthodes
expliciteetimplicite
7.1. cas du call europen
Au tableau 8.15 apparat le programme Visual Basic du calcul du prix dun call
amricain par la mthode de Crank-Nicolson, qui nest quune simple variante de
celuiprsentpourlamthodeimplicite
Toujours selon les mmes donnes, la fgure de la convergence de la mthode
de Crank-Nicolson vers la solution B-S apparat la fgure 8.7. Cette convergence
estunpeuplusrapidequedanslecasdelamthodeimplicite,bienquelamthode
explicitecontinuedetenirlehautdupav
Figure 8.7 Convergence de la mthode Crank-Nicolson
vers la solution B-S
2,5
2,7
2,9
3,1
3,3
3,5
3,7
3,9
0 20 40 60 80 100 120
9. Nous adoptons ici la mthode de James et ebber (2000).
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 8.15 Programme Visual Basic du calcul du prix dun call
europen par la mthode de Crank-Nicolson
Sub call_CrankN( )
Sheet3.Activate
X=Range(Xcn).Value
T=Range(Tcn).Value
S=Range(Scn).Value
sigma=Range(sigmacn).Value
r=Range(tauxcn).Value
div=Range(divcn).Value
N=Range(Ncn).Value
Nj=Range(Njcn).Value
dx=Range(dxcn).Value
Dim i As Integer, j As Integer
Dim edx As Double, dt As Double, nu As
Double, pu As Double, _
pm As Double, pd As Double
Dim lambda_L As Double, lambda_U As Double
Dim c() As Double, st() As Double
ReDim c(0 To N, -Nj To Nj)
ReDim st(-Nj To Nj)
Dim pmp() As Double, pp() As Double
Dim k As Integer, w As Integer
ReDim pmp(-Nj To Nj)
ReDim pp(-Nj To Nj)
dt=T / N
Range(dtcn)=dt
nu=r-div-0.5*sigma^2
Range(nucn)=nu
edx=Exp(dx)
Range(edxcn)=edx
pu=-0.25*dt*((sigma / dx)^2+nu / dx)
Range(pucn)=pu
pm=1+0.5*dt*(sigma / dx)^2+0.5*r*dt
Range(pmcn)=pm
pd=-0.25*dt*((sigma / dx)^2-nu / dx)
Range(pdcn)=pd
st(-Nj)=S*Exp(-Nj*dx)
Range(stockcn).Offset(Nj, 0)=st(-Nj)
For j=-Nj+1 To Nj
st(j)=st(j-1)*edx
Range(stockcn).Offset(-j, 0)=st(j)
Next j

For j=-Nj To Nj
c(0, j)=Application.Max(0, st(j)-X)
Range(putmatcn).Offset(-j, 0)=c(0, j)
Next j
lambda_U=(st(Nj)-st(Nj-1))
Range(lambdaUcn)=lambda_U
lambda_L=0
Range(lambdaLcn)=lambda_L
For i=N-1 To 0 Step -1
pmp(-Nj+1)=pm+pd
Range(pmpcn).Offset(Nj-1, i)=pmp(-Nj+1)
pp(-Nj+1)=-pu*c(0, -Nj+2)-(pm-2)*c(0, -Nj+1)-
pd*c(0, -Nj)+pd*lambda_L
Range(ppcn).Offset(Nj-1, i)=pp(-Nj+1)
For k=-Nj+2 To Nj-1
pmp(k)=pm-pu*pd / pmp(k-1)
Range(pmpcn).Offset(-k, i)=pmp(k)
pp(k)=-pu*c(0, k+1)-(pm-2)*c(0, k)-pd*c(0, k-1)-
pp(k-1)*pd / pmp(k-1)
Range(ppcn).Offset(-k, i)=pp(k)
Next k
c(1, Nj)=(pp(Nj-1)+pmp(Nj-1)*lambda_U) /
(pu+pmp(Nj-1))
Range(calltridcn).Offset(-Nj, i)=c(1, Nj)
c(1, Nj-1)=c(1, Nj)-lambda_U
Range(calltridcn).Offset(-Nj+1, i)=c(1, Nj-1)
back-substitution
For w=Nj-2 To -Nj+1 Step -1
c(1, w)=(pp(w)-pu*c(1, w+1)) / pmp(w)
Range(calltridcn).Offset(-w, i)=c(1, w)
c(1, -Nj)=c(1, -Nj+1)-lambda_L
Range(calltridcn).Offset(Nj, i)=c(1, -Nj)
Next w
For j=-Nj To Nj
c(0, j)=c(1, j)
Next j
Next i
Range(put1)=c(0, 0)
End Sub
Les mthodes des diffrences fnies 8


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
7.. cas du put amricain
Finalement,letableau816proposeunprogrammeVisual Basicpourdterminerle
prixdunput amricain par la mthode de Crank-Nicolson
10

10 CeprogrammesinspiredeBrandimarte(2002)
taBleau 8.16 Programme Visual Basic du calcul du prix dun put
amricain par la mthode de Crank-Nicolson
Sub put_CrankN( )
Sheet3.Activate
X=Range(Xcn).Value
T=Range(Tcn).Value
S=Range(Scn).Value
sigma=Range(sigmacn).Value
r=Range(tauxcn).Value
div=Range(divcn).Value
N=Range(Ncn).Value
Nj=Range(Njcn).Value
dx=Range(dxcn).Value
Dim i As Integer, j As Integer
Dim edx As Double, dt As Double, nu As
Double, pu As Double, _
pm As Double, pd As Double
Dim lambda_L As Double, lambda_U As Double
Dim c() As Double, st() As Double
ReDim c(0 To N, -Nj To Nj)
ReDim st(-Nj To Nj)
Dim pmp() As Double, pp() As Double
Dim k As Integer, w As Integer
ReDim pmp(-Nj To Nj)
ReDim pp(-Nj To Nj)
dt=T / N
Range(dtcn)=dt
nu=r-div-0.5*sigma^2
Range(nucn)=nu
edx=Exp(dx)
Range(edxcn)=edx
pu=-0.25*dt*((sigma / dx)^2+nu / dx)
Range(pucn)=pu
pm=1+0.5*dt*(sigma / dx)^2+0.5*r*dt
Range(pmcn)=pm
pd=-0.25*dt*((sigma / dx)^2-nu / dx)
Range(pdcn)=pd
st(-Nj)=S*Exp(-Nj*dx)
Range(stockcn).Offset(Nj, 0)=st(-Nj)
For j=-Nj+1 To Nj
st(j)=st(j-1)*edx
Range(stockcn).Offset(-j, 0)=st(j)
Next j
For j=-Nj To Nj
c(0, j)=Application.Max(0, X-st(j))
Range(putmatcn).Offset(-j, 0)=c(0, j)
Next j
lambda_L=-1*(st(-Nj+1)-st(-Nj))
Range(lambdaLcn)=lambda_L
lambda_U=0
Range(lambdaUcn)=lambda_U
For i=N-1 To 0 Step -1
pmp(-Nj+1)=pm+pd
Range(pmpcn).Offset(Nj-1, i)=pmp(-Nj+1)
pp(-Nj+1)=-pu*c(0, -Nj+2)-(pm-2)*c(0, -Nj+1)-
pd*c(0, -Nj)+pd*lambda_L
Range(ppcn).Offset(Nj-1, i)=pp(-Nj+1)
For k=-Nj+2 To Nj-1
pmp(k)=pm-pu*pd / pmp(k-1)
Range(pmpcn).Offset(-k, i)=pmp(k)
pp(k)=-pu*c(0, k+1)-(pm-2)*c(0, k)-pd*c(0, k-1)-
pp(k-1)*pd / pmp(k-1)
Range(ppcn).Offset(-k, i)=pp(k)
Next k
c(1, Nj)=(pp(Nj-1)+pmp(Nj-1)*lambda_U) /
(pu+pmp(Nj-1))
Range(calltridcn).Offset(-Nj, i)=c(1, Nj)
c(1, Nj-1)=c(1, Nj)-lambda_U
Range(calltridcn).Offset(-Nj+1, i)=c(1, Nj-1)
back-substitution
For w=Nj-2 To -Nj+1 Step -1
c(1, w)=(pp(w)-pu*c(1, w+1)) / pmp(w)
Range(calltridcn).Offset(-w, i)=c(1, w)
c(1, -Nj)=c(1, -Nj+1)-lambda_L
Range(calltridcn).Offset(Nj, i)=c(1, -Nj)
Next w
For j=-Nj To Nj
c(0, j)=Application.Max(c(1, j), X-st(j))
Next j
Next i
Range(put1)=c(0, 0)
End Sub
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous voulons maintenant transposer la mthode de Crank-Nicolson (CN) en
langageMatlab. Nous voulons calculer le prix dun putamricainauxcaractristiques
suivantes:S=30;X=25;r=0,08;t=6/12eto=0,2LeprogrammeMatlabqui
calculeleprixdeceput selon la mthode CN apparat au tableau 8.17.
taBleau 8.17 Calcul du prix dun put amricain en langage Matlab
% Mthode de Crank-Nicolson pour le calcul
dun put amricain
function prix = PutameCN(S0,X,r,t,sigma,Smax,
ds,dt,omega,tol)
m=round(Smax/ds); ds=Smax/m; % Cration de
la grille
n=round(t/dt); dt=t/n;
ancval=zeros(m-1,1); % vecteurs pour la mise
jour pour la mthode de Gauss-Seidel
nouvval=zeros(m-1,1);
vets=linspace(0,Smax,m+1);
veti=0:n; vetj=0:m;
% Mise en place des conditions de frontire
boundary conditions
proft=max(X-vets(2:m),0);
valpasse=proft; % valeurs pour la dernire
strate
valfrontiere=X*exp(-r*dt*(n-veti)); % valeurs
frontires
% tablissement des coeffcients et du ct
droit de la matrice
alpha=0.25*dt*(sigma^2*(vetj.^2)-r*vetj);
beta=-dt*0.5*(sigma^2*(vetj.^2)+r);
gamma=0.25*dt*(sigma^2*(vetj.^2)+r*vetj);
m2=diag(alpha(3:m),-1)+diag(1+beta(2:
m))+diag(gamma(2:m-1),1);
% solution de la squence dquations par la
mthode SOR : Successive OverRelaxa-
tion method
%=Jacobi+Gauss-Seidel. Projected SOR :
bonne pour lexercice anticip prmatur
% ou tout probleme linaire multivari. Ref.
Tavella 2002.
aux=zeros(m-1,1);
for i=n:-1:1
aux(1)=alpha(2)*(valfrontiere(1,i)+valfrontiere(
1,i+1));
% tablissement du ct droit de la matrice et
initialisation
rhs=m2*valpasse(:)+aux;
ancval=valpasse;
erreur=REALMAX;
while tol<erreur
nouvval(1)=max(proft(1),ancval(1)+omega/(1-
beta(2))*(rhs(1)-(1-beta(2))*ancval(1)+gam
ma(2)*ancval(2)));
for k=2:m-2
nouvval(k)=max(proft(k),ancval(k)+omega/(1-b
eta(k+1))*(rhs(k)+alpha(k+1)*nouvval(k-1)-
(1-beta(k+1))*ancval(k)+gamma(k+1)*anc
val(k+1)));
end
nouvval(m-1)=max(proft(m-1),ancval(m-
1)+omega/(1-beta(m))*(rhs(m-
1)+alpha(m)*nouvval(m-2)-(1-beta(m))
*ancval(m-1)));
erreur=norm(nouvval-ancval);
ancval=nouvval;
end
valpasse=nouvval;
end
% Trouver le point le plus prs de S0 sur la
grille et donner les possibilits de prix
% par interpolation linaire
nouvval=[valfrontiere(1); nouvval;0] % ajouter
les valeurs manquantes
jbas=foor(S0/ds);
jhaut=ceil(S0/ds);
if jbas==jhaut
prix=nouvval(jbas+1,1);
else
prix=nouvval(jbas+1,1)+(S0-jbas*ds)*(nouvval(j
haut+1,1)-nouvval(jhaut+1,1))/ds;
end
Les mthodes des diffrences fnies 8


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourmettreenuvreceprogramme,oncritlacommandequisuitdansMatlab:
tic, p=putamecn(30,25,0.08,6/2,0.3,00,,/500,.2,0.000), toc
Etonobtientlersultatsuivant:

nouvval =

24,097
24,0000
23,0000
22,0000
2,0000
20,0000
9,0000
8,0000
7,0000
6,0000
5,0000
4,0000
3,0000
2,0000
,0000
0,0000
9,0000
8,0000
7,0000
6,0000
5,0090
4,357
3,3742
2,796
2,659
,7052
,3278
,0232
0,7809
0,5906
0,4430
0,3297
0,2437
0,789
0,306
0,0949
0,0686
0,0493
0,0354
0,0253
0,080
0,028
0,009
0,0064
0,0045
0,0032
0,0022
0,006
0,00
0,0008
0,0005
0,0004
0,0003
0,0002
0,000
0,000
0,000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0

p =

0,4430

elapsed_time =

3,6960
Leprixduputamricainestdoncde0,4430Danslechapitreprcdentayant
trait lapproche binomiale, nous avions mis environ 25 minutes pour effectuer ce
calculavec10000paslaidedunordinateurTecraS1comportant1gigaoctetde
RAM. Avec la mthode de CN, le mme calcul sest effectu en moins de 4 secondes.
On comprend rapidement pourquoi les mthodes aux diffrences fnies sont trs utili-
ses. Cet exemple un peu exagr illustre tout de mme leffcacit de la mthode des
diffrences fnies de Crank-Nicolson.
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Voiciquelquesprcisionssuruneautremthode,lamthodeSOR:Successive
OverRelaxation
11
Cettemthodeitrativesebasesurdeuxautres:lamthodedeJacobi
etcelledeGauss-SeidelMathmatiquement,lamthodeSORestconstruitepartir
dunemoyennedelaGauss-Seidelavecsonitrationprcdente,cest--dire:

u
i
n+1
u
i
n+1
+ (1 )u
i
n
(125)
o

u
i
n+1

1
a
ii
f
i
a
ij
u
j
n+1
a
ij
u
j
n
j>i

j<i

j
(
,
\
,
(
OnconstateeneffetquelamthodeSORest

une moyenne pondre o le coeffcient de pondration, nomm en loccurrence


paramtre doverrelaxation, est reprsent par . La valeur optimale de ce dernier
est gnralement diffcile calculer. Dans les applications fnancires, le choix le
plus frquent est de poser = 1. Expliquons quelque peu les mthodes de Jacobi et
deGauss-Seidel
LamthodedeJacobiseprsentecommesuitSupposonsunsystmedqua-
tionslinaires:
a
ij
u
j
f
i
, i 1, ..., n
j1

(126)
Ensolutionnantpouruneinconnueparticulireetensupposantquenousconnaissons
touteslesautresvaleurs,onobtientlexpression
u
i

1
a
ii
f
i
a
ij
u
j
ji

j
(
,
\
,
(
(127)
Cettequationnoussuggrelaformeitrative(algorithme)suivante:
u
i
n+1

1
a
ii
f
i
a
ij
u
j
n
ji

j
(
,
\
,
(
(128)
o n reprsente la n
e
itration, quil ne faut pas confondre avec le pas (time step),
celui-cireprsentantunintervalledetemps
LamthodedeGauss-SeidelestunegnralisationdecelleJacobiLadiff-
renceestquelleestaugmenteduchangementdanslesinconnuesLalgorithmese
prsentecommesuit
u
i
n+1

1
a
ii
f
i
a
ij
u
j
n+1
a
ij
u
j
n
j>i

j<i

j
(
,
\
,
(
(129)
11 ce sujet, on consultera R. Tavella (2002), ce sujet, on consultera R. Tavella (2002), Quantitative Methods in Derivatives Pricing : An Intro-
duction to Computational Finance, John iley & Sons, New York. John iley & Sons, New York.
Les mthodes des diffrences fnies 87


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
function [v,m]=nombredirection(p,m0,n)
degre=length(p)-1;
p=p(2:degre);
m=[m0,zeros(1,n-degre)];
for i=(degre+1):n
m(i)=bitxor(m(i-degre),2^degre*m(i-degre));
for j=1:(degre-1)
m(i)=bitxor(m(i),2^j*p(j)*m(i-j));
end
end
v=m./(2.^(1:length(m)));
rsum
Commenousavonspuleconstaterdanscechapitre,linstardelatechniquedelarbre
binomial, les mthodes des diffrences fnies font appel une grille pour dterminer
le prix dune option. Mais ces mthodes essaient de calculer un fux montaire en
chaque point de la grille et non pas seulement sur une partie, comme cest le cas
pourlarbrebinomialEllessontdoncsusceptiblesdeconvergerplusrapidementque
larbre binomial vers le calcul de lesprance neutre au risque laquelle sidentife le
prixdeloptionPoursapart,latechniquedelarbretrinomial,quicouvreuneplus
grande partie de la grille que larbre binomial, sidentife avec la mthode explicite
des diffrences fnies.
Certes, les mthodes aux diffrences fnies, en visant couvrir toute la surface
de la grille de calcul, sapparentent de trs prs la procdure de la mthode de
simulationdeMonteCarlopourcalculeruneesprancetelleprixduneoptionMais
onapuconstaterdanslechapitreayanttraitlasimulationdeMonteCarloqueles
trajectoires du sous-jacent ne couvrent pas a priori toute la surface dintgration
comme cest le cas pour les techniques des diffrences fnies, o les trajectoires sont
soumises des conditions beaucoup plus spcifques qui les forcent se dplacer
surtoutelasurfacedelagrilledecalculPourarriveraummersultatdanslecadre
de la simulation de Monte Carlo, il faut recourir aux techniques de rduction de la
variancecommelessquencesdenombresquasialatoiresquitententdeforcerles
trajectoiresdusous-jacentcouvrirtoutelasurfacedintgrationLesmthodesdes
diffrences fnies sont donc susceptibles de converger beaucoup plus rapidement
versleurciblequelasimulationdeMonteCarloMaiscesmthodesdeviennentde
plus en plus diffciles manipuler au fur et mesure que le nombre de dimensions
du problme augmente, alors que la simulation de Monte Carlo est beaucoup plus
fexible sur ce plan.
88 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
bibLiographie
Benninga,S(2000),Financial Modeling,2
e
dition,TheMITPress,Cambridge
BlaCk,FetMsCholes(1973),ThePricingofOptionsandCorporateLiabilities,Journal
of Political Economy,mai-juin,p637-659
BranDiMarte,P(2002),Numerical Methods in Finance : A Matlab-based Introduction, John
iley & Sons, New York
Bryis, E et al. (1998), Options, Futures and Exotic Derivative : Theory, Application and
Practice, iley Frontiers in Finance, New York.
CleWloWLetCstriCklanD(1998),Implementing Derivatives Models,JohnWiley&Sons,
New York.
Deitel, h.M., p.J. Deitel et TR nieto (1999), Visual Basic 6 : How to Program, Prentice
Hall,UpperSaddleRiver
green,J(1999),Excel 2000 VBA Programmers Reference,Wrox,Birmingham
hull, JC (2006), Options, Futures & Other Derivative Securities, Prentice Hall, Upper
SaddleRiver
hull,JC(1998),Introduction to Futures and Options Markets,PrenticeHall,UpperSaddle
River
hull, J (1989), Options, Futures and Other Derivative Securities, Prentice Hall, Upper
SaddleRiver
hull,JetAWhite (1993), Effcient Procedures for Valuing European and American Path
DependentOptions, Journal of Derivatives,n
o
1,p21-32
JaCksonMetMstaunton(2001),Advanced Modelling in Finance using Excel and VBA,
John iley & Sons, New York.
JuDD,KL(1998),Numerical Methods in Economics,TheMITPress,Cambridge
neFtCi, S.N. (2000), An Introduction to the Mathematics of Financial Derivatives,Academic
Press,Burlington,MA
press,WHet al. (1992),Numerical Recipes in C,CambridgeUniversityPress,Cambridge
raCiCotF-etRthoret(2001),Trait dconomtrie fnancire : modlisation fnancire,
PressesdelUniversitduQubec,Qubec
raCiCot,F-etRthoret(2000),Trait de gestion de portefeuille : titres revenus fxes
et produits drivs,PressesdelUniversitduQubec,Qubec
ross, SM (1999), An Introduction to Mathematical Finance : Options and Other Topics,
CambridgeUniversityPress,Cambridge
rostan,P(2001),Produits drivs et Visual Basic : les premiers outils de lingnierie fnan-
cire,Gurinuniversitaire,Montral
tavella, D et C ranDall (2000), Pricing Financial Derivatives : The Finite Difference
Method, John iley & Sons, New York.
WalkenBaCh,J(2000),Microsoft Excel 2000 Power Programming with VBA,HungryMinds,
New York.
WilMott,P(2001),Paul Wilmott Introduces Quantitative Finance, John iley & Sons, New
York.
WilMott,P(2006),Paul Wilmott on Quantitative Finance,volumes1,2et3,JohnWiley&
Sons, New York.
WilMott,P(1998),Derivatives, John iley & Sons, New York


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
9
la programmaTion dynamique
eT lquaTion de bellman
1
Lquation de Bellman est une extension des travaux de Hamilton et de Jacobi en
physiqueclassiqueCestpourquoionlappellecourammentlquationdeHamilton-
Jacobi-Bellman(HJB)Bellman(1920-1984)apoursapartfondlaprogrammation
dynamique moderne en 1953 Il a aussi effectu dimportantes contributions aux
domainesdesmathmatiquespuresetappliques
Lquation de Bellman a trouv plusieurs applications dans le domaine
des sciences de la gestion, et plus particulirement en sciences conomiques et en
fnance. En sciences conomiques, elle sert entre autres dterminer le plan optimal
de consommation dun agent sur la dure de sa vie. En fnance, elle est primordiale
dans la dtermination du prix dune option amricaine La rgle dexercice qui est
applique chaque nud de larbre binomial pour dterminer si une option sera
exerce ce nud est une variante de lquation de Bellman. chaque nud de
larbre,ondoiteneffetdterminersilyaarrt,cest--direexercice,oupoursuite
Or,ladterminationdutempsdarrtoptimal(optimal stopping time)estduressort
delquationdeBellman
Lanalyse dynamique fnancire ou conomique comporte souvent trois compli-
cationsquinesontpasprsentesdanslanalysedynamiquedesmodlesdesystmes
enphysiquePremirement,leshumainssontdestrespensantscapablesdanalyser
leurs actions prsentes de mme que leurs actions futures (forward-looking) De
ce fait, les modles dynamiques fnanciers qui peuvent tres utiliss pour faire des
prvisions sont des plus utiles Deuximement, plusieurs aspects du comportement
humain sont imprvisibles. Par consquent, les modles dynamiques fnanciers
valablessontessentiellementdenaturestochastiqueTroisimement,lacomposante
1 Pourrdigercechapitre,nousnousinspironsfortementde:MirandaetFackler(2002);Judd(1998);
BriysetViala(1995);Tavella(2002)
90 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
non prvisible du comportement humain est souvent trs complexe Les modles
dynamiques,galementdenaturenonlinaire,sontdslorsapproprispourprendre
encomptecettecomplexit
Les complications causes par le fait que les modles dynamiques sont par
essenceforward-looking,stochastiquesetnonlinaires,rendentimpossiblelobten-
tion dune solution analytique tous les modles dynamiques mais seulement un
petit nombre dentre eux. Nanmoins, la prolifration des ordinateurs personnels
et laugmentation de leur rapidit de concert avec les progrs effectus en fnance
computationnelle permettent une analyse plus en profondeur des modles dynami-
quesstochastiquesnonlinaires,sanssolutionsanalytiques,enutilisantlesmthodes
numriques Dans la section qui suit, nous allons discuter une mthode issue de la
programmation dynamique, nomme mthode de Bellman Cette mthode permet
detrouverlessolutionsdesmodlescomplexes,telsquelesmodlesdynamiques
stochastiques linaires ou non linaires en temps discret. Nous ne discuterons donc pas
dessolutionsauxmodlesdenaturecontinuequiutilisentlamthodedeHamilton-
Jacobi-Bellman
2
,maisnousnouslimiteronsauxmodlesentempsdiscret
1. La programmation dynamique discrte
Les modles de dcision de type markovien discrets ont une structure telle qu
chaque priode t, un agent fnancier observe ltat dans lequel le systme fnancier
setrouve,nots
t
(spourstate),effectueunetransactionx
t
,etobtientlegainf(s
t
,x
t
),
quidpenddeltatdelanatureetdesactionsoutransactionseffectuesLespace
dtatsS,quinumretouslestatspossiblesaccessiblesparlesystme,etlespace
daction X (les transactions fnancires), qui numre toutes les actions possibles
prises par lagent fnancier, sont tous les deux fnis. Ltat du systme fnancier est
unprocessusdeMarkovcontrl,cest--direqueladistributiondeprobabilitsde
ltatdelaprochainepriode,conditionnellementtoutelinformationdisponibleau
prsent,dpendseulementdeltatprsentetdesactionsdelagentOnpeutformuler
cetterelationcommesuit:
P s
t+1
s' s
t
s, x
t
x, autres informations disponibles en t
( )
P s' s, x
( )
UnmodlededcisionmarkovienpeuttredterministeoustochastiqueIlest
dterministesiltatdelaprochainepriodeestconnuaveccertitudelorsqueltat
delapriodeprsentelestetquesesactionssontconnuesDanscecas,ilpeuttre
utiledutiliser,aulieudesprobabilitsdetransitionPquiserventladescriptionde
lvolution de ltat, une fonction dterministe g de ltat qui identife explicitement
ltatdetransition,donnepar:
2 Pour une introduction parcimonieuse ce sujet, on consultera les annexes de Briys et Viala
(1995)
LaprogrammationdynamiqueetlquationdeBellman 91


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
s
t+1
g(s
t
, x
t
)
Lesmodlesdedcisionmarkoviensdiscretspeuventtreanalyssenrecou-
rant la programmation dynamique qui, en loccurrence, est base sur le principe
doptimalit
3

Notons par V
t
(s)lafonctiondevaleur,soitlasommemaximaleaccessibledesgains
prsentsetfuturs,sachantquelesystmesetrouvedansltatsdelapriodetLe
principedoptimalitdeBellmanimpliquequelafonctiondevaleurV
t
,quiestune
applicationdeSdansluniversdesrels,i.e. V
t
: S ,doitsatisfaire:
V
t
(s) max
xX(s)
f(s, x) + P s' s, x
( )
V
t+1
s' ( )
s'S

, s S, t 1, 2, 3, ..., T
Cette quation, nomme en loccurrence lquation de Bellman, a t dveloppe
par Richard Bellman en 1957 Elle a la proprit de capter lessentiel du problme
dynamique auquel un agent fnancier est confront. En effet, lagent fnancier a
besoindquilibrerdefaonoptimalesongainprsentf(s,x)etsongainesprfutur
E
t
V
t+1
s
t+1
( ) . Dans un modle horizon fni, on adoptera la convention que lagent
fnancier optimisateur fait face des dcisions dans lintervalle de priode stirant
de1T< LagentnedoittresoumisaucunedcisionaprslapriodeTmais
peut encaisser un gain fnal de V
T+1
(s
T+1
). Dans plusieurs cas, cette valeur est fxe
zro, ce qui signale quaucun gain ne peut tre ralis aprs la priode de dcision
terminaleT
Pour que les modles markoviens discrets horizon fni soient biens formuls,
il faut que lanalyste spcife la condition terminale V
T+1
tant donn cette valeur
terminale de la fonction de valeur, le modle peut en principe se rsoudre rcursi-
vementenrptantlapplicationdelquationdeBellman,cest--dire:tantdonn
V
T+1
,trouver V
T
(s) pourtouttats;tantdonnV
T
,solutionner V
T1
(s) pourtouttat
s;tantdonn V
T1
,trouver V
T2
(s) pourtouttats;etainsidesuiteLeprocessus
sopre jusqu ce que lon obtienne V
1
(s) pour tout tat s Parce quil ne peut y
avoir quun nombre fni dactions possibles, le problme doptimisation implicite
lquation de Bellman peut toujours se rsoudre en effectuant un nombre fni dop-
rationsarithmtiquesDonc,lafonctiondevaleurdunmodlemarkoviendiscret
horizon fni est toujours bien dfnie, sauf dans quelques cas o plus dune squence
depolitiquespeuventdonnerunmaximum
3 Le principe doptimalit peut sarticuler comme suit Une politique optimale a la proprit que,
peuimportecequesontltatetladcisioninitiale,lesdcisionsrestantesdoiventconstituerune
politiqueoptimaleenregarddeltatrsultantdelapremiredcision(Bellman,1957)
9 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Si le problme de dcision comporte un horizon infni, la fonction de valeur
nedpendraplusdutempstOnpeutalorssedbarrasserdesindicesetcrirelqua-
tion de Bellman comme un vecteur quation point fxe o la seule inconnue est la
fonctiondevaleurV
V(s) max
xX(s)
f(s, x) + P s' s, x
( )
V s' ( )
s'S

, s S
Si le facteur dactualisation est < 1, le mappingsous-jacentdelquationpoint
fxe de Bellman est une contraction forte sur un espace euclidien. Le thorme de
contractionmappinggarantitdonclexistenceetlunicitdelafonctiondevaleur
horizon infni.
2. utiLisation de Lquation de beLLman en finance et
programme Matlab : un modLe de pricing dactif financier
4
Considrons le modle de pricing dactif fnancier suivant o lon suppose un
processusdtatexognededividendesddonnpar:
d
t+1
g(d
t
, e
t+1
)
Onsupposegalementqueleprixduneactionpestdonnparlquationdquilibre
suivante:
u'(d)p(d) E
e
u'(g(d, e))(p(g(d, e)) + g(d, e)) [ ] 0
o u() est une fonction dutilit et E() dsigne lesprance conditionnelle Cette
quation est obtenue de la drive premire de la fonction de valeur par rapport
detenajoutantpcommetantsolutiondecetteconditiondquilibre,quiestaussi
nommeconditiondEulerEnutilisantlanotationusuelledesmodlesdantici-
pationsrationnelles,lafonctiondanticipationscrit:
h(d, p) u'(d)(p + d)
Lafonctiondquilibreestdonnepar:
f(d, p, E(h)) u'(d)p E(h)
4. Cet exemple est tir de Miranda et Fackler (2002). Nous avons toutefois modif lexemple numrique
pourillustrerlutilisationdelafonctionsplinedansMatlab
LaprogrammationdynamiqueetlquationdeBellman 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourcemodledepricing,ilestpossibledobteniruneapproximationdelafonction
derponsedepquiestdelaforme:
p(d) c
j

j
(d)
j1
n

o et n sont des fonctions de base (basis functions) spcifes par lanalyste. La


mthodenumriquedelacollocation,quenousintroduisonsici,requiertquelescoef-
fcients c
j
soient fxs et que les n nuds de collocation d
1
, d
2
, d
3
, ..., d
n
satisfassent
exactement la condition dquilibre. Plus spcifquement, pour introduire la mthode
de collocation, prenons lexemple classique en conomie mathmatique, qui est de
solutionner le problme de fonction implicite univarie Dans ce problme, il faut
trouverunefonctionf:[a,b] quisatisfait:g(x,f(x))=0pourx[a,b],ogestune
application
2
connueLamthodedecollocationconsisteenlapproximation
delafonctiongnralefenutilisantunecombinaisonlinairedenfonctionsdebase
connuesCelle-ciprendlaformesuivante:

f(x) c
j

j
(x)
j1
n

o les n coeffcients c
j
sont fxs en requrant que lapproximation ( f

) satisfasse
lquationfonctionnelleauxnpointsprescritsx
i
danslintervalle[a,b],appelsnuds
de collocation. La mthode de collocation requiert de trouver les n coeffcients c
j
qui
satisfontsimultanmentlesnquationsnonlinaires(quationsdecollocation):
g x
i
, c
j

j
(x
i
)
j1
n

j
(
,
\
,
(
0 i 1, 2, 3..., n
Donc, la mthode de collocation consiste remplacer le problme dune
quation fonctionnelle de dimension infnie par le problme de dimension fnie de
recherchedesracines,cequipeutseffectuerparlesmthodesstandardscommecelle
de Newton ou de Broyden. En gnral, lapproximation (

f )construiteparlamthode
decollocationnesolutionnerapasexactementlquationfonctionnelle,cest--direque
g(x,

f(x)) neserapasexactementgalzrosurlintervalle[a,b],saufauxnudsde
collocation o, par dfnition, ils sont nuls. Lapproximation (

f )serajugeacceptable
silafonctionrsiduelle r(x) g(x,

f(x)) estprochedezrosurlintervalle[a,b]
Donc,danslecadredenotreproblmedepricing,lamthodedecollocation
requiert que les coeffcients c
j
soient fxs en exigeant que les n nuds de collocation
satisfassentlaconditiondquilibredonnepar:
u'(d
i
) c
j

j
(d
i
) E
e
j1
n

u'(g(d
i
, e)) c
j

j
(g(d
i
, e)) + g(d
i
, e)
j1
n

j
(
,
\
,
(
,

,
,
]
]
]
]
0
9 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ouplussuccinctement:
Bc y
cest--dire que les c peuvent tre obtenus numriquement, dans Matlab, en
calculant:
c=B\y
ocestunvecteurdedimension(n 1) de coeffcients de base et B, une matrice de
dimension(nn)ayantpourlmenttypique:
B
ij
u'(d
i
)
j
(d
i
) E
e
[u'(g(d
i
, e))
j
(g(d
i
, e))]
etoyestunvecteurdedimension(n1)prenantlaformesuivante:
y
i
E
e
u'(g(d
i
, e))g(d
i
, e)
[ ]
En dautres termes, lquation de collocation est linaire (Bc = y) Pour rendre
lexempleplusconcret,nousdonneronsuneformefonctionnellelafonctionduti-
lit,soitlasuivante:
u(x)
x
1
1
( )
(1 )
oxestgalddansnotreapplicationet u'(x) x

. Nous supposons galement que


lvolutiondesdividendessuitunprocessusderetourverslamoyennedonnpar:
d
t+1
g(d
t
, e
t+1
) d + d
t
d
( )
+ e
t+1
o e est un terme alatoire NID(0,
2
). Afn de calculer les esprances, nous utilisons
unequadraturegaussiennepourlesnudsetlespoidsnormauxe
k
etw
k
Lemodle
peut tre solutionn en utilisant les routines Matlab faisant partie de la Toolbox
CompEcon
5
. Il faut dabord dfnir les paramtres entrant dans le modle. Ces para-
mtressontlamoyennedelongtermedudividende( d ),lavitessederetourversla
moyenne (le coeffcient dattraction) du dividende (),lcarttypedudividende(),
le coeffcient daversion au risque entrant dans la fonction dutilit ()etletauxdac-
tualisation()DansMatlab, ces paramtres peuvent tre spcifs comme suit :
>> dbar=1.0 ;
>> gamma=0.6 ;
>> beta=0.5 ;
>> sigma=0.2 ;
>> delta=0.85 ;
>> nshocks=3 ;
5 CetteToolboxpeuttreobtenuevialesiteInternet:<mitpressmitedu/CompEcon>
LaprogrammationdynamiqueetlquationdeBellman 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ensuite, il sufft de spcifer les chocs alatoires normaux dans leur intervalle
devariation,letypedemthodequelonveututiliserpourlapproximationdenotre
fonction;enloccurrence,nousavonsutilislafonctionspline(splidanslafonction
Matlabfundefn). Il faut ensuite spcifer la fonction de dividende, ici note par dnext
Nous devons galement spcifer MatlablaformequeprendrontBetyEnsuite,on
calcule la valeur de c. Enfn, on obtient la valeur de p, que lon illustre par la fonction
plot(p),enfonctiondudividended
>> [e,w]=qnwnorm(nshocks,0,sigma^2) ;
>> n=10 ;
>> dmin=dbar+min(e)/(1-gamma) ;
>> dmax=dbar+max(e)/(1-gamma) ;
>>fspace=fundefn(spli,n,dmin,dmax) ;
>>B=diag(dnode.^(-beta))*funbas(fspace,dnode) ;
>>y=0 ;
>> K=3 ;
>> for k=1 :K
dnext=dbar+gamma*(dnode-dbar)+e(k) ;
B=B-delta*w(k)*diag(dnext.^(-beta))*funbas(fspace,dnext) ;
y=y+delta*w(k)*dnext.^(1-beta) ;
end
>> c=B\y ;
>> d=nodeunif(10*n,dmin,dmax) ;
>> p=funeval(c,fspace,d) ;
>> plot(p)
QuelquesmotssurlesfonctionsMatlabCompEconutilisespourraliserce
calcul. Nous avons utilis les fonctions suivantes qui se dfnissent comme suit :
1 [e,w]=qnwnorm(nshocks,0,sigma^2) : Cette routine sert gnrer la
quadraturegaussiennepourlesnudsetlespoidsdevariablesalatoires
normalesLasyntaxeestlasuivante:[x,w]=qnwnorm(n,mu,var), onest
le nombre de variables dsires, mu, la moyenne de la normale dsire
et var la variance dsire Par exemple, supposons que lon veuille
calculerlesprancedeexp(x),oXestdistribunormalementavecune
moyennede3etunevariancede5Onpeutapproximercetteesprance,
pour les spcifcations donnes, comme suit : [x,w]=qnwnorm(4,3,5) ;
esperance=w*exp(x) ;
2 fundefn(spli,n,dmin,dmax) :Cetteroutinesertconstruireuneapproxi-
mation pour une fonction sur un intervalle donn, soit, dans notre cas,
dmin et dmax, en utilisant une mthode dinterpolation donne; dans
notrecasnousavonschoisilafunction spline splidordren=10(sinon
elle est cubique par dfaut). Nous aurions pu utiliser dautres mthodes
9 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
dinterpolationcommelamthodedupolynmedeChebychev(chebou
lin) pour un spline linaire. noter que dans certains cas, il faut prter
attentionautypedesplineutilis,carilestpossible,parexemple,quela
fonction spline cubic introduise des vagues dans lapproximation Dans
ce cas, il est prfrable dutiliser un spline linaire Dans dautres cas,
la mthode de Chebychev peut galement introduire des vagues dans
lapproximation La syntaxe de la fonction est la suivante: fspace =
fundefn(bastype,n,a,b,order), obastype : splin, lin, cheb,nestlevecteur
du degr dapproximation pour chaque dimension; a est un vecteur qui
reprsentelabornegauchedelintervalle,b,labornedroitedelintervalle
dinterpolationetorder,lordredupolynmedapproximation
3 funbas(fspace,dnext). Cette fonction sert valuer la fonction fspace
dnextIci,lafonctionfspaceestnotrefonctionsplineLasyntaxedecette
fonctionestdonnepar:B=funbas(fspace,x,order)ofspaceestlafonction
debase,x,lespointsolafonctiondoittrevalueetorder,lordrede
ladriveeffectuersurlafonctiondebase
4 nodeunif(0*n,dmin,dmax).Ellesertgnrerunvecteurde10*n=100
tatsdistribusgalementsurlintervalledapproximation[dmin, dmax].
Endautrestermes,cetteroutinesertgnrerunegrilledtatssurlin-
tervalledonn
5 funeval(c,fspace,d). Cette fonction sert valuer une fonction au mme
titre que la fonction funbas(fspace,x). La syntaxe de cette fonction est
donnepar: y=funeval(c,fspace,x)Parexemple,lacomparaisondefunbas
funevalpeutseffectuercommesuitPourvaluerunefonctionfsurun
intervalle donn [1,1], on doit dabord dfnir la fonction f :
function y=f(x,alpha)
y=exp(-alpha*x) ;
quelonenregistredansMatlabcommef.mEnsuite,onapproximecettefonctionpar
unemthode,soituneChebychevdordre10:fspace=fundefn(cheb,0,-,). Parla
suite,oneffectuelestimationpourunparamtredonn:c=funftf(fspace,f,alpha) ; on
dfnit la grille : x=nodeunif(00,-,) ; et enfn, on value la fonction sur cette grille :
y=funeval(c,fspace,x).Onpeutgalementeffectuerlammeoprationenutilisantla
fonctionfunbas. En effet, il sufft de calculer : B=funbas(fspace,x) ;ensuite,oncalcule
ypar:y=B*c
LaprogrammationdynamiqueetlquationdeBellman 97


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
6) funnode.Laroutinefunnode,dontlasyntaxeest:x=funnode(fspace),sertcalculer
les nuds standards servant linterpolation et lestimation de fonctions Cette
fonctionretourneunematricededimension(1d)ouunvecteurdedimensionnsi
d = 1 associ une fonction spcifque.
Le rsultat de la programmation dynamique de Bellman pour le modle
de pricing dactions en fonction dun dividende stochastique est reprsent la
fgure 9.1.
Figure 9.1 volution du prix en fonction du dividende
en utilisant la fonction spline
On constate que ce modle dividende stochastique rpond nos attentes,
savoir que le prix de laction est une fonction croissante du dividende En effet,
dansunmodlestandarddutypeGordon-Shapiro,puisqueleprix(p)estlasomme
actualisedesdividendes(d),uneaugmentationdedimpliqueunehaussedepLe
modlestochastiquequenousavonsanalysnestpascontradictoireaveclanalyse
classiquemmesilestaugmentdunprocessusderetourverslamoyennepourle
dividende
98 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Finalement, afn dvaluer la qualit de lapproximation obtenue, il nous faut
calculerlcartrsiduelquidevraitsesituerprsdezroDansMatlab, il sufft dentrer
le code suivant pour obtenir la fgure de cet cart :
>> d=nodeunif(10*n,dmin,dmax) ;
>> p=funeval(c,fspace,d) ;
>> Eh=0 ;
>> m=3 ;
>> for k=1 :m
dnext=dbar+gamma*(d-dbar)+e(k) ;
h=diag(dnext.^(-beta))*(funeval(c,fspace,dnext)+dnext) ;
Eh=Eh+delta*w(k)*h ;
End
>> resid=(d.^(-beta).*p)-Eh ;
>> plot(resid)
Voicilinterprtationduprogrammednextestutilispourgnrerleprocessusde
retour vers la moyenne pour le dividende. h est dfni comme suit : h = (d
t+1

)(p + d
t+1
)
etEh= E

[(d
t+1

)(p + d
t+1
)] ,cequicorrespondaudeuximemembredelquation
dquilibre. Pour calculer lerreur, il sufft de complter la vrifcation de la condition
dquilibre,cest--dire d
t+1

p Eh, qui devrait tre prs de zro. La fgure 9.2 illustre


cecalculenfonctiondudividende
Commeonpeutleconstater,lcartesttrsfaibleOnenconclutdoncquela
fonctionspline performe bien dans cette situation. remarquer que nous aurions pu
utiliser lapproximation de Chebychev Les rsultats obtenus de celle-ci sont simi-
laires pour cette application, ce qui est rassurant, car elle nous conforte dans notre
rsultatMaiscommenouslavonsmentionnplushaut,cesdeuxmthodesnesont
pas toujours valables dans toutes les situations Elles peuvent en effet donner des
rsultatsbiendiffrentsEllesontleursforcesetleursfaiblesses
LaprogrammationdynamiqueetlquationdeBellman 99


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 9.2 Erreur dapproximation en fonction du dividende
rsum
La programmation dynamique sinfltre de plus en plus dans le domaine de la fnance.
titre dexemple, la construction de larbre binomial dune option amricaine est
basesurlquationdeBellman,quiestlacldevotedelaprogrammationdyna-
miqueEneffet,chaquenuddelarbre(tatdelanature),linvestisseurdoitdcider
silexercesonoptionousilpoursuit,cequiconstitueessentiellementunproblme
deprogrammationdynamiquepuisquelinvestisseurdoitdterminerletempsdarrt
optimalquiestreprsentparlexercicedeloptionAprsavoirmontrcommenton
peutrsoudredesproblmesdanalysedynamiquepartirdelquationdeBellman,
nous prsentons une application Matlab de valorisation du prix dune action dont
le dividende obit un processus de retour vers la moyenne Cette application se
fondesurlemodledeMirandaetFackler(2002),quenousadaptonslatechnique
dapproximationduspline
00 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
bibLiographie
BellMan,RE(1957),Dynamic Programming,PrincetonUniversityPress,Princeton
Briys,EetPviala(1995),lments de thorie fnancire, annexes mathmatiques, Nathan,
Paris
JuDD,KL(1998),Numerical Methods in Economics,MITPress,Cambridge,MA
MiranDa,MJetPLFaCkler(2002),Applied Computational Economics and Finance, MIT
Press,Cambridge,MA
tavella,R(2002),Quantitative Methods in Derivatives Pricing, John iley & Sons, New
York.


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Partie
3
les conTraTs Terme,
leXercice prmaTur
des opTions
amricaines classiques,
les opTions eXoTiques
eT auTres eXTensions
du modle
de black eT scholes


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
ChaPitre
10
les conTraTs Terme
Les marchs terme ont connu un dveloppement fulgurant depuis le milieu des
annes1970,alorsmmequedmarraitlemarchdesoptionsCertes,ilexistaitdes
marchstermesurlesmatirespremiresauxtats-Unisdepuisladeuximemoiti
du XIX
e
sicle et lon recourait mme de tels contrats sur une plus faible chelle
depuislAntiquitpoursassurerdesprixdesmatirespremires,entreautresIlfaut
aussimentionnerquelesbanquesconcluaientdepuisdjtrslongtempsdescontrats
terme sur les devises pour les clients qui souhaitaient fxer lavance un taux de
changefutur,maiscescontratsntaientpasngociablesenBourseIlstaientrdigs
selonlesdispositionsdemandesparleclient,etdoncfaitssurmesure
1

Une grande partie de ce chapitre consacr la thorie fnancire des contrats


termeconcerneladterminationdesprixtermeetlesoprationsdecouverturequi
peuventtreeffectuespartirdeceux-ciLutilitdesprixtermecommeoutilde
prvisionestgalementabordeFinalement,nouspasseronsenrevuelescontrats
terme sur les indices boursiers et les titres revenus fxes qui existent au Canada.
1. dfinition dun contrat terme
Un contrat terme est un vhicule fnancier qui promet de livrer son sous-jacent, soit
un instrument fnancier ou un bien, une date et un prix dtermin lavance.
1 Ilsagissaitdoncdecontratstermedegrgr(forward contractsenanglais)
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 10.1 La cration dun contrat terme
a) Le vendeur et lacheteur sentendent sur un prix de 50 $ par baril de ptrole livr en dcembre 2006.
La transaction comporte 1 000 barils.
Promet de payer 50 000 $
Acheteur
Vendeur
Promet de livrer 1 000 barils
b) La chambre de compensation devient lintermdiaire dans le contrat
Promet de payer Promet de payer
50 000 $ 50 000 $
Acheteur

Chambre Vendeur

Promet de livrer Promet de livrer
1 000 barils 1 000 barils
Supposons que le contrat terme qui apparat la fgure 10.1
2
atconcluen
septembre2006Maistablissonsavanttoutunedistinctionentrecontrataucomptant
3

etcontrattermeLecontrataucomptantprvoitlalivraisonimmdiatedutitreou
du bien sous-jacent alors quavec un contrat terme, la livraison du bien, comme
sonnomlindique,neseferaquedansuncertainlapsdetemps,soitdanstroismois
pour le contrat de la fgure 10.1.
Le contrat terme de la fgure 10.1 promet la livraison de 1 000 barils de
ptrole dans trois mois au prix de 50 $ le baril. lchance du contrat, lacheteur
prendra livraison des barils de ptrole et remettra au vendeur 50000$ Le prix
terme du ptrole, soit 50 $, est donc connu lavance. lchance du contrat, soit
en dcembre 2006, lacheteur paiera chaque baril de ptrole 50$, ni plus ni moins,
etcelaenvertudelengagementprisparlevendeurenseptembre2006Lacheteur
connat donc le prix quil paiera pour chaque baril de ptrole ds septembre 2006,
alorsquelalivraisonneseferaquendcembredelammeanne
La deuxime partie du contrat qui apparat la fgure 10.1, celle qui concerne
lesdeuxpartiesetlachambredecompensation,lerendngociable,cest--direquil
peuttrevenduavantsonchanceUnintermdiaire,soitunechambredecompensa-
tion,sinterposeentrelesdeuxpartiesetsassurequellesrespecterontleursengage-
mentsLespartiesducontratneferontpasdirectementaffaireentreelles:ellesnese
2. Cette fgure sinspire dun exemple apparaissant dans Alexander, Sharpe et Bailey (1993), p. 762.
3 Soituncontratspotenanglais
Lescontratsterme 0


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
connaissentpasetnecommuniquentquaveclachambredecompensationpourtout
cequiserapporteleurcontratDisonsquelevendeurestlepremiermanifesterson
dsirdevendre1000barilsdeptroleauprixtermequiprvalaitenseptembre2006
pourlivraisonendcembre2006,soit50$lebarilCestlachambredecompensation
quisechargeradetrouverunacheteurauvendeurLarelationentrelesdeuxparties
ducontratneseffectuedoncqueparlebiaisdelachambredecompensation
2. Les deux grandes catgories de contrats terme
Il existe deux grandes catgories de contrats terme: ceux qui sont ngocis la
Bourse et ceux qui ne le sont pas. Nous dsignerons les premiers par contrats terme
boursiers (futures)etlessecondsparcontrats terme de gr gr (forward)Quand
nous parlerons de contrats terme sans les qualifer, il sera question de contrats
termedegrgr
Comme leur non lindique, les contrats terme boursiers sont ngocis la
Bourse, qui devient la chambre de compensation des contrats. la Bourse, un contrat
peuttrevenduentouttempsavantsonchanceSiuninvestisseurveutliquiderun
contratquilavenduetdontladatedchanceestjuillet2006,ilnaquacheter
le contrat terme qui choit durant le mme mois Sa position est alors ferme du
pointdevuedelaBourse,etilnaplusdengagementenverscelle-ci
La plupart des contrats terme boursiers sont vendus avant leur chance,
cest--dire quils ne donnent pas lieu la livraison de linstrument sous-jacent
4

Dans lexemple de la fgure 10.1, lacheteur du contrat terme ptrolier chant en


dcembre2006naquvendreuncontratchantlammedateentouttempsavant
ladatedchancepourfermersapositionlaBourseLerglementsefaitalorsen
argent comptant et ne donne lieu aucune livraison de ptrole Le contrat est tout
simplementannullaBourse
Les contrats terme de gr gr sont conclus directement entre un agent
et un intermdiaire fnancier, une banque par exemple. Ces contrats ne comportent
pas la deuxime partie de la fgure 10.1, qui a trait linterposition de la chambre
de compensation entre les deux parties Les parties, dont lune est ici la banque et
lautrepeut-treunparticulierouuneentreprise
5
,transigentdirectemententreelles
4 Pasplusde2%descontratstermedonnentlieuunelivraisonImaginezquevousayezconclu
descontratstermesurdesmilliersdebarilsdeptroledemaniretirerpartidevotreprvision
optimisteduprixduptroleSivousnevendezpasvotrecontratavantsonchance,vousdeviendrez
alorspropritairedemilliersdebarilsdeptroleCettesituationseraittoutlemoinsgnante,ne
serait-cequepourlentreposagedunsigrandnombredebarilsPourviterdetelsproblmes,on
fermegnralementsoncontratavantsonchancemoinsdavoirunbesoinimmdiatetpressant
dubiensous-jacentaucontrat
5. Il peut mme sagir dune autre institution fnancire.
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
dans un contrat terme de gr gr Ces contrats sont rdigs sur mesure, en
ce sens quils traduisent expressment la volont du client Lexemple des contrats
terme de gr gr sur devises vient immdiatement lesprit Supposons quun
investisseurcanadienveuilleacheterdesbonsduTrsoramricainstroismoissans
courirderisquesrelisauchangeIlconclutdoncavecsabanqueuncontratterme
degrgrluiprcisantletauxdechangedudollarcanadienlchancedesbons
du Trsor amricains. Linvestisseur canadien connat donc lavance le nombre de
dollarscanadiensquilrecevra,lchancedesesbonsduTrsoramricains,contre
la valeur nominale de ces derniers Il est alors couvert contre les risques relis aux
variationsdutauxdechange
loppos des contrats terme de gr gr, les contrats terme boursiers ne
sont pas des contrats sur mesure: ils sont trs standardiss Ils permettent de livrer
des matires premires ou des instruments fnanciers aux caractristiques bien df-
niesqui,laplupartdutemps,nontaucunrapportaveclesbesoinsdesacheteursdes
contratsoulesdisponibilitsdesvendeurs,ouquinexistentmmepasParexemple,
les contrats ptroliers concernent la livraison de ptrole aux caractristiques bien
dfnies au plan de la temprature, de la qualit, etc. Les contrats boursiers sur les
obligations spcifent certaines chances et certains coupons.
3. La vaLorisation des contrats terme de gr gr
sur instruments financiers

Nous pouvons introduire la valeur dun contrat terme en imaginant une option
dachattrsenjeudontlavaleurdusous-jacent,iciuneaction,excdesensiblement
leprixdexerciceLepayoff
7
decetteoptionlchanceestde:
C
T
S
T
X ( )
+
Maiscommeilestcertainquecetteoptionseraexerce,sonpayofflchanceest
de:
S
T
X
Autemps0,cetteoptionvaut:
F
0,T
P
VP(X)
6 Pour rdiger cette section, nous nous inspirons surtout de: RL McDonald (2003), Derivatives
Markets,AddisonWesley,Boston
7 LepayoffestlavaleurdunepositionunmomentdonnLetermerenvoiesouventimplicitement
la valeur de cette position lchance. titre dexemple, pour une option dachat, le payoffest
(S
T
X)
+
Pouruncontrattermeprpay,lepayoffestde: S
T
F
0,T
P

Lescontratsterme 07


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
o
P
T , 0
F est la valeur dun contrat terme pay lavance et X, le prix dexercice
deloption
Une option dachat trs en jeu quivaut donc un contrat terme prpay,
Comme son nom lindique, dans un tel contrat, le paiement du contrat seffectue
aujourdhuimaislalivraisondusous-jacentnalieuqueplustard
Mais quel est le prix dun contrat terme prpay, dsign ici par F
0,T
P
?
McDonald
8
allguequilyaessentiellementtroisfaonsdedterminerceprix:i)de
faonintuitive;ii)parlamthodedelavaleurprsente;iii)pararbitrage
Supposons que le contrat terme, un contrat trois mois, disons, soit crit
sur une action qui ne verse pas de dividendes Le prix actuel de cette action est de
S
0
. Quel est le prix dun contrat prpay sur cette action ? Que lon reoive laction
maintenantoudanstroismoisnimportepasenlabsencededividendesEntouttat
decause,onserapropritairedelactiondanstroismois F
0,T
P
estdoncgalS
0
,soit
leprixactueldelactionCestllapprocheintuitivelavalorisationducontrat
termeprpay
Essayonsmaintenantderefairelemmeexercice,maiscettefois-cientermes
desprance Le taux de rendement espr de laction est . Le fux montaire du
contratestde S
T
lchanceDanslemonderel(etnonneutreaurisque),leprix
ducontrattermeprpayestde:
F
0,T
P
E
0
S
T
( ) e
T
Lactualisationseffectueiciautauxderendementesprdelaction,untauxajust
en fonction du risque de laction puisquon effectue les calculs dans le monde rel
et non au taux sans risque, comme ce serait le cas dans le monde neutre au risque
LesprancedeS
T
estparailleursde:
E
0
S
T
( ) S
0
e
T
Ensubstituantcetteexpressiondanslquationde
P
T , 0
F ,onobtient:
F
0,T
P
S
0
e
T
e
T
S
0
e
( )T
S
0
soitlemmersultatqueceluiobtenuaveclapprocheintuitive
ExaminonsmaintenantlapprochepararbitrageIlyaarbitragesilyarepas
gratuit, cest--dire si lon peut dgager des fux montaires positifs sans mise de
fonds et sans risque Supposons que le prix terme du contrat prpay soit sup-
8 VoirMcDonald(2003),chapitre5
08 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
rieurauprixdelaction,cest--direque F
0,T
P
> S
0
Loprationlogiqueestdacheter
laction et de vendre le contrat terme. Le tableau 10.1 rsume les fux montaires
dunetelleopration
taBleau 10.1 Flux montaires dune opration darbitrage :
achat de laction et vente simultane du contrat terme
Temps 0 Temps T (chance)
Achat de laction au temps 0 S
0
+S
T
Vente du contrat terme +F
P
0,T
S
0
S
T
Total +F
P
0,T
S
0
0
Au temps 0, on constate au tableau 10.1 que lachat de laction donne lieu un fux
montairengatifdeS
0
et que la vente du contrat terme entrane un fux montaire
positifde F
0,T
P
. Le fux montaire net dune telle opration est donc de F
0,T
P
S
0
,soit
un fux positif par hypothse. lchance du contrat, larbitragiste revend son action,
qui vaut alors S
T
. Il sensuit un fux montaire positif du mme montant. Il ferme
sa position dans le contrat terme en le rachetant Comme ce contrat vaut alors la
valeurdusous-jacentcemoment-l,lavaleurduncontrattermeconvergeantvers
la valeur du sous-jacent lchance, il sensuit un fux montaire ngatif de S
T
Par
consquent, le fux net lchance est nul.
On est dans ce cas en prsence dune opration darbitrage. Il y a fux net
positif au temps 0 et fux nul au temps T. On ralise donc un gain sans mise de fonds,
une situation intenable lquilibre On montre quil y a galement arbitrage pour
lingalitinverse,cest--direquand F
0,T
P
< S
0
etonenconclutqulquilibre,une
situation caractrise par labsence darbitrage, on doit vrifer : F
0,T
P
S
0

Quelseraleprixducontrattermeprpaysilactionsous-jacenteverseun
dividende fxe durant la dure du contrat ? Comme le prix de laction baissera du
montantdudividendelejourex-dividendes,leprixducontrattermedoittrediminu
delavaleurprsentedecedividende,carledtenteurducontrattermesubiraune
perte la date ex-dividendes et il doit donc prendre cette perte en compte lors du
calculdelavaleurducontratLeprixducontrattermeprpayestalorsde:
F
0,T
P
S
0
VP D ( )
oVP(D)estlavaleurprsentedudividende
Lescontratsterme 09


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Supposons maintenant que le taux du dividende soit vers sur une base
journalireLetauxannueldudividendecomposdefaonjournalireestdeoLe
dividendequotidienestdonc:
Dividende quotidien

365
S
0
Sionrinvestitledividendeenactionsurunebasejournalireetquonachteune
actionautemps0,onauralenombredactionssuivantautempsT:
Nombre dactions 1+

365
j
(
,
\
,
(
365T
e
T
PouravoiruneactionautempsT,ilfautdoncacheter e
T
actionautemps0Onaura
alors au tempsT: e
T
e
T
e
( )T
1 Puisque linvestissement de e
T
S
0
donne
uneactionautempsT,leprixduncontrattermeprpaydontlesous-jacentverse
untauxdedividendecontinu estdonc:
F
0,T
P
S
0
e
T
LavaleurdececontratseradeS
T
lchance,soitleprixdelactioncemoment-
l,etlepayoffdelacheteurserade S
T
F
0,T
P

Supposons que le taux annuel continu du dividende dune action qui vaut
aujourdhui100$soitde2%Sionachteuneactionaudbutdelanne,onaura
e
0,02
action la fn de lanne, soit 1,02 action. Par consquent, le contrat terme
prpaydunansurcetteactionvautaujourdhui:100e
0,02
=98$
Tournons-nousmaintenantverslescontratstermenonprpays,cest--dire
ceux qui ne donnent pas lieu un dbours montaire au temps 0 Le contrat sera
payaumomentdesonexcution
Considronsenpremierlieuuncontrattermecritsuruneactionquinepaie
pas de dividendes. Il apparat alors raisonnable de penser que la valeur dun tel contrat
estlavaleurfutureducontratprpaycorrespondant,cest--dire:
F
0,T
S
0
e
rT
orestletauxsansrisque
lchance de ce contrat, son payoffestde:
Payoff
payoff S
T
S
0
e
rT
Cest--dire que le dtenteur du contrat enregistre un gain si le prix de laction au
tempsTestsuprieuraucotducontratetessuieunepertedanslecasinversePour
lacheteur du contrat, nous montrons au tableau 102 quun tel contrat quivaut, en
termesdepayoff,ladtentiondusous-jacentaccompagnedunemprunt:
Contratterme=Sous-jacent+Emprunt
10 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taBleau 10.2 Payoffs associs lachat dune action
accompagn dun emprunt
Temps 0 Temps T (chance)
Achat de laction au temps 0 S
0
+S
T
Emprunt +S
0
S
0
e
rT
Total 0 S
T
S
0
e
rT
LefaiseurdemarchquiavenduuntelcontratestdcouvertdanscecontratSon
fux montaire lchance est donc de : S
0
e
rT
S
T
. Ce fux est incertain puisque S
T

estunevariablealatoire
LefaiseurdemarchnestpasunspculateurSonbutestderetirerdescommis-
sionsetlcartentreleprixdeventeetleprixdachatducontrat
9
Ilvadonccouvrirsa
position en crant un contrat terme synthtique comme celui qui apparat au tableau
102Loprationdecouverturequileffectueseretrouveautableau103
taBleau 10.3 Opration de couverture par le faiseur de march
Temps 0 Temps 1
Position dcouvert dans le contrat terme 0 F
0,T
S
T
Vente de laction S
0
+S
T
Emprunt +S
0
S
0
e
rT
Total 0 F
0,T
S
0
e
rT
=0
Commelindiqueletableau103,pourcouvrirsapositiondcouvertdanslecontrat
terme qui apparat la premire ligne, le faiseur de march cre une position en
compte (longue) dans le contrat terme synthtique quivalent Comme on peut le
constatersurcetableau,ilestalorsparfaitementcouvertOndsigneunetelleopra-
tiondecouvertureparcash-and-carry arbitrage,enanglais
Onpeutcrerdautrescontratssynthtiquesenutilisantlarelationquiliele
contrattermesonsous-jacent,cest--dire:
Contratterme=Action+Emprunt
9 Soitlebid-ask spreadenanglais
Lescontratsterme 11


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Cetterelationpeuttrercritecommesuit:
Action=Contratterme+Prt
OnpeutdonccreruneactionencombinantuncontrattermeavecunprtCette
relationestdmontreautableau104
taBleau 10.4 Cration dune action synthtique
partir dun contrat terme et dun prt
Temps 0 Temps T (chance)
Achat du contrat terme 0 +ST S0erT
Prt S0 +S
0
e
rT
Total S0 S
T

Commecelaestindiquautableau104,lachatducontrattermesetraduitparun
payoffnulautemps0etparunpayoffde S
T
S
0
e
rT
autempsTParailleurs,onprte
unmontantgalauprixdelactionautemps0quisetraduitparunpayoffdeS
0
e
rT

autempsTAutotal,lespayoffssontrespectivementdeS
0
etdeS
T
auxtemps0et
T,quicorrespondentbienceuxduneaction
Onpeutgalementconcocteruneobligationsynthtique,toujoursenutilisant
larelationentrelecontrattermeetsonsous-jacentOna:
Obligation(ouprt)=ActionContratterme
Le tableau 105 montre que les payoffs des deux membres de lquation sont
identiques
taBleau 10.5 Cration dune obligation en combinant
une action avec une position dcouvert
dans le contrat terme correspondant
Temps 0 Temps T (chance)
Position dcouvert dans le contrat terme 0 S0erT ST
Achat dune action S0 +S
T
Total S0 +S
0
e
rT
Dansletableau105,lemontantprtestdeS
0
IlrapporteS
0
e
rT
lchanceCesont
bienllespayoffsduneobligationcoupon0oudunprtLetauxderendement
duneobligationsynthtique,icigalr,estappeltauxrepoimplicite
10

10 Soitimplied repo rate,enanglais


1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
On peut transposer les relations qui viennent dtre exposes au contrat
termequinestpasprpayetdontlesous-jacentverseundividendeensesouvenant
que:
S
T
S
0
e
T
Leprixduntelcontrattermeestdonc:
F
0,T
S
0
e
r ( )T
Etsonpayofflchance:
Payoff payoff S
T
S
0
e
r ( )T
4. prix du contrat terme financier
et prvision du prix du sous-jacent
Rappelons la relation entre le prix terme et le prix au comptantdu sous-jacent
lorsquecederniernepaiepasdedividende:
F
0,T
S
0
e
rT
Cetterelationdmontrequeleprixtermenedonneaucuneinformationadditionnelle
surleprixquiprvaudralchanceducontrat,soitS
T
,queleprixaucomptantlui-
mme,puisquerestconnuEnfait,ilexisteunerelationmcaniqueditedarbitrage
entreleprixaucomptantettermeCetterelationnerenseignepassurleprixfutur
delaction
Enfait,laprvisionduprixdelactionautempsTestdonneparlesprance
deS
T
Cetteprvisionestgale:
E
0
S
T
( ) S
0
e
T
o est le rendement espr de laction Lerreur de prvision inhrente au prix
termeestde:
E
0
S
T
( ) F
0,T
S
0
e
uT
S
0
e
rT
Puisque>r,comportantuneprimederisque,leprixtermesous-estimeleprix
prvu de laction. Pour faire apparatre cette prime de risque, qui est gale (r),
onpeutrcrirecettedernirequationcommesuitpourT=1:
E
0
S
T
( ) S
0
e
r
e
r
1
( )
Lescontratsterme 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Cestdonclaprimederisquequicreuncartentrelespranceduprixdelaction
et son prix terme Si cette prime de risque est nulle, cest--dire si = r, le prix
terme est alors un estimateur non biais du prix futur de laction Mais comme
laction comporte une prime de risque, le prix terme sous-estime le prix de son
sous-jacent
5. contrats terme et ratio de couverture
Danscettesection,nouscalculeronsdabordunratiodecouvertureaveccontrats
termedelafaonlaplussimplequisoitPuisnousendriveronsunautrebassur
la minimisation de la variance de la position. Enfn, nous verrons comment on peut
prendre en compte le rendement espr sur le contrat terme lors du calcul dun
ratiodecouverture
Dsignons par S le prix au comptant et par F le prix terme. Par ailleurs, NS
dsigne le nombre de contrats au comptant et NF, le nombre de contrats terme.
Supposons que le prix au comptant enregistre une variation gale AS et que le
prix terme enregistre dans le mme temps une variation gale AF La variation
danslapositionaucomptantquienrsulteestdoncgale:AS NS et la variation
correspondantedelapositiontermeserade:AF NF.
Pourquelacouverturesoitparfaite,ilfautquelavariationdelapositionau
comptantsoitgalecelledelapositiontermeenvaleurabsolue
11
,cest--dire:
NF NS
S
F
Lenombredecontratsncessairepourassurerunecouvertureparfaitedpend
doncdelavolatilitrelativeduprixaucomptantenregarddecelleduprixterme
qui,danslquationprcdente,estmesureparlerapportdesvariationsduprixau
comptantetduprixterme,ouratiodecouverture
Cersultatnousindiqueque,plusleprixdelinstrumentaucomptantestvolatil
parrapportceluidelinstrumentterme,pluslenombredecontratstermequun
individudevrautiliserpourcouvrirsapositionaucomptantseralevtantdonn
queleprixtermevariemoinsqueleprixaucomptant,lindividudevraacheterun
plusgrandnombredecontratstermepourpallierlamoinsgrandevolatilitduprix
termeLachatdunnombresuprieurdecontratstermeconstitueenquelquesorte
un levier servant accrotre la variation de la position terme.
11 Comme on pouvait sy attendre, ces variations sont opposes en valeur relative puisque, selon le
principemmedelacouverture,cequiestperdusurlemarchaucomptantdoittrercuprsur
lemarchterme
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourvaluerlavolatilitrelativedesprixaucomptantettermedanslecadre
decepremiermodle,ilfautrgresserSsurF,cest--dire:
S
t
+ F
t
+
t
SiSetFsontdesvariablescointgres,cequidevraittrelecas,onpeutrecouriraux
moindrescarrsordinairespourestimerlesparamtresdecettequationLavaleur

estimedeyestalorsde:


cov(S, F)

F
2

SF

F
Seloncersultat,pourcouvrirun

contrataucomptant,ilfautrecourir

contrattermeParexemple,si

=0,5,il
fautalors0,5contrattermepourcouvriruncontrataucomptantpuisqueSnaug-
mentequede0,50$quandFaugmentede1$Ilfautdoncmoinsdecontratsterme
quedecontratsaucomptantpourapparierlespositionsaucomptantettermePar
exemple,supposonsquelacorrlationentreSetFsoitde1danslecasquiprcde
Ilsensuitqueleprixaucomptantestmoinsvolatilqueleprixtermepuisque

<
1 Il faut donc moins de contrats terme que de contrats au comptant pour couvrir
laditeposition
Il y a une autre faon darriver au mme rsultat Supposons quun inves-
tisseur dtienne une action et dsire dterminer le ratio optimal de couverture Son
portefeuilleHestalorslesuivant:
S + hF
o S est le prix dune action, F, le prix dun contrat terme et h, le ratio optimal
decouvertureLeratiooptimaldecouvertureestceluiquiminimiselavariancedu
portefeuilleCelle-ciestgale:

2

S
2
+ h
2

F
2
+ 2h cov(S, F)
S
2
+ h
2

F
2
+ 2h
S

F
Pour minimiser la variance du portefeuille par rapport h, il sufft dannuler sa drive
premireparrapporthOnobtient:

2
h
2h
F
2
+ 2
S

F
0
Enmettanthenvidence,ontrouveleratiooptimaldecouvertureh*:
h*

F
soitlemmersultatquauparavantLesignengatifdanscetteexpressionindiqueque,
pour des fns de couverture, on doit dtenir une position dcouvert (short)terme
puisquelondtientaucomptantunepositionencompte(long),soituneaction
Lescontratsterme 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pourcertains,leportefeuilledecouverturedoittreexprimenvariationavant
decalculerleratiodecouvertureLavaleurdelavariationduportefeuilleestde:
S + hF
Leratiooptimaldecouvertureestceluiquiminimiselavariancedelavariationdu
portefeuilleSeloncetteapproche,leratiooptimaldecouvertureestde:
h*

F
o la corrlation est cette fois-ci dfnie en termes des variations de F et de S et non
entermesdesniveaux
On pourrait aussi dfnir le portefeuille en termes de rendement avant de
calculerleratiodecouvertureKolb(1997)notequilyabeaucoupdecontroverse
concernant lexpression des variables S et F dans le calcul du ratio de couverture
CetauteurrecommandecependantdutiliserlesvariablesSetFenvariationsouen
pourcentagesetnonenniveauxCetterecommandationsembleraisonnablepuisqueles
variablesSetFsontnonstationnairesEllessontcependantcointgres,cequipeut
justifer la nuance que Kolb apporte sa recommandation, savoir que lon pourra
utiliserlesvariablesenniveausilesprixsontrelativementstableslorsdelapriode
destimation Si les prix sont par ailleurs instables, allgue-t-il, il vaut mieux alors
utiliserlesvariablesSetFenvariationspourcalculerleratiodecouverture
Nous recourons au contrat terme BAX de la Bourse de Montral pour illustrer
cesformulesdecalculduratiodecouvertureCecontratdetroismoisestcritsur
uneacceptationbancaire,quiestuntitrecourttermemisparuneentrepriseetqui
est garanti par une banque. Nous disposons dune srie journalire des prix terme
etaucomptantdececontratetdesonsous-jacentpourlapriodede3ansstirant
dejanvier1997dcembre1999
Calculons dabord le ratio de couverture partir des variables S et F expri-
mesenniveauxPourcalculerceratio,nousrgressonsSsurFparlatechniquedes
moindres carrs ordinaires. Nous obtenons le rsultat suivant :
S 3, 82 + 0, 96F
LeR
2
de la rgression se situe 0,99, ce qui signife que presque toute la variance de
S est explique par F. 1,82, la statistique Durbin-atson ne signale pas la prsence
dautocorrlation. Le ratio de couverture est de 0,96 et savre hautement signifcatif
puisque la statistique t qui lui est associe est gale 195,6 Selon cette mesure, il
fautvendre0,96contrattermepourcouvriruncontratdtenuaucomptant
CalculonsmaintenantleratiodecouvertureenrecourantauxvariationsdeS
etdeFLersultatdelargressionestlesuivant:
S 0, 001+ 0, 35F
1 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Le R
2
est beaucoup plus faible dans ce cas puisquil stablit 0,28 Le ratio de
couverture est galement moins signifcatif puisque sa statistique t est de 9,96. Il ne
fautmaintenantplusvendreque0,35contrattermepourcouvrirladtentiondun
contrat au comptant Les deux variables de prix sont donc beaucoup plus relies
entreelleslorsquellessontexprimesenniveauxquelorsquellessontcalculesen
variations
Nous examinons maintenant de plus prs les sries S et F, qui reprsentent ici
respectivementlesprixtermeetaucomptantducontratBAXLorsquonanalyse
des sries temporelles, il faut dabord se demander si elles sont stationnaires Une
srie est stationnaire si sa moyenne et sa variance sont fxes dans le temps et que les
covariances entre les dcalages de cette srie ne dpendent que des intervalles de
temps. la fgure 10.2, on peut suivre lvolution journalire des prix au comptant
et terme du contrat BAX sur une priode stirant de 1997 1999. lvidence,
ces sries sont non stationnaires puisquelles font montre dune nette tendance la
baisse. Leur moyenne nest donc pas fxe dans le temps, ce qui va lencontre de la
premireconditiondestationnarit
12

Il faut ensuite se demander si les deux sries sont cointgres Le concept


de cointgration est lun des plus importants en conomtrie fnancire et est d
Granger (1983) Pour introduire ce concept, supposons la rgression suivante en
moindrescarrsordinaires:
S
t
+ F
t
+
t
Nous savons que les variables S et F sont non stationnaires en ce qui concerne
le contrat BAX Mais supposons que les rsidus de cette rgression soient station-
naires On dit alors que que les deux variables S
t
et F
t
sont cointgres En effet la
combinaisonlinairesuivantedesdeuxvariables: S
t
F
t
eststationnaireLevecteur
decointgrationestalorsde:[1,]
Pour vrifer si deux variables sont cointgres, il sufft deffectuer la rgression
suivantepartirdesrsidusdelargressionprcdente:

t

1
+
2

t1
avec

t1
Cette quation revient estimer un processus stochastique de
retourverslamoyenneSi

2
est ngatif et fortement signifcatif, cela indique que
lesvariablesSetFsontcointgres
13
Eneffet,ilexistealorsunerelationdquilibre
auniveaudestermesderreurquilesramneconstammentversleurniveaumoyen
Le terme derreur est alors une srie stationnaire et les variables S et F sont dites
cointgres
12 OnpeuteffectueruntestDickey-Fullerpoursavoirsiunesrieeststationnaire
13 Une faon plus scientifque de procder est de faire subir le test de Johansen aux deux variables que
lonveutsoumettreautestdecointgration
Lescontratsterme 17


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 10.2 volution des prix journaliers au comptant
et terme du contrat BAX : 1997-1999
98,7
98,8
98,9
99,0
99,1
99,2
99,3
25 50 75 100 125 150 175 200 225 250
98,7
98,8
98,9
99,0
99,1
99,2
99,3
25 50 75 100 125 150 175 200 225 250
S
F
Comment estimer la relation entre deux variables cointgres ? Engle et Granger
(1987)ontdmontrquetouteslessriescointgrespeuventtrereprsentespar
unmodledecorrectionderreur(ECM
14
)Cestllethormedereprsentationde
GrangerLessriescointgressonteneffetliesparunerelationdquilibredelong
terme,maiscourtterme,onpeutobserverdesdviationsdecetterelationdquilibre
DansnotrecasdecontratsBAX,unerelationdarbitragerelielescontratsaucomptant
ettermeCestllarelationdquilibreentreSetFMaiscourtterme,pourtoutes
sortesderaisons,onpeutobserverdesdviationsdecetterelationdquilibre
Un modle ECM entre les deux sries cointgres y et x peut tre repr-
sent comme suit Supposons que la relation long terme suivante relie ces deux
variables:
y
t
x
t
Maiscourtterme,onpeutobserverdesdviationsdecetterelationLemodleECM
reprsentecommesuitlarelationdynamiqueentreyetx:
y
t

1
x
t
+
2
y
t1
x
t1
( )
Le coeffcient
2
mesure la vitesse du retour vers lquilibre de long terme
qui caractrise les deux variables y et x Si ces deux variables sont cointgres,
2

sera ngatif et signifcatif. Par ailleurs, le premier terme du modle ECM, soit
1
Ax
t
,
mesurelesdviationscourttermedelarelationdquilibrelongterme
14 Soit lacronyme dError Correction Model Pour plus de dtails ce sujet, voir Bourbonnais
(2000)
18 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Comment estimer un modle ECM ? On estime dabord la relation de long
termeparlamthodedesmoindrescarrsordinaires,soit:
y
t


+

x
t
+
t
Puisonestimelarelationdynamiquedecourttermeenfaisantappelauxrsidusde
lapremirergression:
y
t

1
x
t
+

t1
+
t
AppliquonscetteprocdureaucontratBAXLarelationlongtermeadj
testimepourcalculerleratiodecouvertureRappelons-la:
S 3, 82
(7,84)
+ 0, 96F
(195,6)
avec entre parenthses les statistiques t des coeffcients estims. Pour cette quation,
noustrouvonsunR
2
de0,99etunestatistiqueDWde1,82Lestimationdumodle
ECMapoursapartdonnlersultatsuivant:
S 0, 48F
18,3 ( )
0, 68

t1
15,5 ( )
Le R
2
de cette rgression est de 0,63 et la statisitique Durbin-Watson, de 1,64 Le
coeffcient de retour vers la moyenne, ngatif comme il se doit pour des variables
cointgres, est fortement signifcatif.
Nous savons que les sries reprsentes par les prix au comptant et terme
ducontratBAXsontnonstationnairesOr,selonlathorieconomtrique,rgresser
entreellesdesvariablesnonstationnairespeutdonnerlieudesrsultatsfallacieux
Ilfautdabordrendrecesvariablesstationnairesavantdenvisagertoutergression
Pourcefaire,onlesexprimehabituellementenpremiresdiffrences,lesvariables
conomiques et fnancires tant habituellement intgres dordre 1
15
Onpeutalors
procder la rgression par les moindres carrs ordinaires Par consquent, pour
calculerleratiodecouvertureassociauxcontratsBAX,ondevraitenpremierlieu
diffrencierlesprixaucomptantettermeMais,danslapratique,onprocdesouvent
en niveaux. Nous avons prsent antrieurement ces deux rgressions.
15 CequelonnoteI(1)SiellesnesontpasI(1),ondoitpasserauxsecondesdiffrences,etainside
suite,jusqucequellessoientstationnaires
Lescontratsterme 19


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Telquilvientdtreprsent,leratiodecouvertureneprendencompteque
lavarianceduportefeuillecouvertIlnestdoncpasgnralementcompatibleavec
lapprochemoyenne-variance,carilngligelesprancedurendementduportefeuille
couvertHsinet al
16
(1994)driventleratiooptimaldecouvertureassocilafonc-
tiondutilitsuivante:
max
h
E R
h
( ) 0, 5A
h
2
,

]
]
oAestleparamtredaversionaurisque,E(R
h
),lesprancederendementduporte-
feuillecouvert,soit: E R
s
( ) + hE R
f
( ) ,eth<0Ensubstituantlesvaleurscorrespon-
dantesdeE(R
h
)etde
h
2
danscettefonction,ontrouve:
E R
s
( ) + hE R
f
( ) 0, 5A
S
2
+ h
2

F
2
+ 2h
S

F
,

]
]
Pour maximiser cette fonction par rapport h, on gale sa drive premire
parrapporthzroOnobtient:
E R
f
( ) Ah
F
2
A
S

F
0
Enmettanthenvidence,ontrouveleratiooptimaldecouverture:
h*
E R
f
( )
A
F
2

F
Envaleurabsolue,leratiooptimaldecouvertureestde:
h *

E R
f
( )
A
F
2
Le premier terme de ce ratio est celui qui dcoule de la simple minimisation de la
varianceduportefeuillecouvertLorsquonintroduitlanalysemoyenne-variance,un

terme nouveau apparat dans le ratio de couverture, soit :


E R
f
( )
A
F
2
Cetermesannule

siE(R
f
)estnulousi A etlonseramnealorsaucasdelasimpleminimisation
delavarianceAnalysonscesdeuxconditionsdeplusprs
SiE(R
f
) est nul, cela signife que : E
t
F
t+1

t
( )
F
t
,oFestleprixducontrat
termeetU
t
, lensemble dinformations disponibles au temps t. Cela signife que F
suitalorsunprocessusdemartingaleOnpeutalorssentenirunesimpleminimi-
sation de la variance du portefeuille couvert pour fxer le ratio de couverture, puisque
lesprancedurendementducontrattermeestnulleParailleurs,si A ,cela
16 Pour une tude documentaire ayant trait aux ratios de couverture par les contrats terme, on
consultera:S-SChen,C-FLeeet K Shrestha (2003), Futures Hedge Ratios : A Review, etKShrestha(2003),FuturesHedgeRatios:AReview,The
Quarterly Review of Economics and Finance,vol43,p433-465
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
signife que linvestisseur prouve une aversion infnie pour le risque. Dans ce cas
aussi linvestisseur pourra sen tenir une simple minimisation de la variance du
portefeuillecouvertpourdterminersonratiooptimaldecouverture
Maissi E R
f
( ) > 0 etque A < ,linvestisseureffectueraalorsunarbitrage
rendement-risque pour tablir son ratio optimal de couverture Selon la formule du

ratio optimal en valeur absolue, soit: h *

E R
f
( )
A
F
2
, le ratio de couverture

sera dautant plus faible que E(R


f
) est important Cela se comprend facilement, car
linvestisseur sacrife alors de plus en plus de rendement en se couvrant, cest--dire
enadoptantunepositiondcouvertsurlescontratstermeParailleurs,seloncette
formule,pluslavarianceduprixducontrattermeestimportante,plushseraimpor-
tantCeladcouledelarbitragetraditionnelentrelerendementetlerisque
. Les arbitragistes en couverture (hedgers)
1
Lesprixtermeonttendancevoluerdanslammedirectionquelesprixaucomp-
tantParconsquent,celuiquiveutcouvrirunepositionaucomptant,parexemplela
dtentiondunportefeuille,doitprendreunepositionopposesurlemarchterme,
cest--dire quil doit vendre des contrats En anglais, on dit quil est long sur le
marchaucomptantetshortsurlemarchterme
Danscettesection,nousexaminonslescouverturesparanticipation,cest--dire
les couvertures dfnies en fonction dune transaction quon a lintention de faire dans
lavenirParexemple,supposonsquunproducteurdefarinealintentiondacheter
du bl dans trois mois, mais quil prvoit une hausse du prix du bl entre-temps
Pour se couvrir contre cette hausse, il achte dores et dj du bl sur le march
termeIleffectuedoncparanticipationlatransactionaucomptantquilalintention
deffectuerdanstroismoisCestbienllessencedunecouvertureparanticipation:
effectuersurlemarchtermelatransactionquonalintentiondeffectuerplustard
aucomptant
Pour illustrer une telle couverture, nous recourons la fgure 10.3, qui repr-
sente un march terme haussier Le producteur de farine achte sur le march
termesonblautemps0mmesilnenabesoinquautempsTIlpaiealorsF
0
sur
le march terme pour son contrat de bl. quel niveau stabilise-t-il son cot de
bl pour la date T, alors quil en aura besoin pour produire sa farine ? F
0
,puisquil
dtientsoncontrattermejusqulchance
17 Lesarbitragistesencouverturesontlesagentsquiveulentcouvrirleurpositionactuelleouprvue
contrelerisqueParailleurs,pourrdigercettesection,nousnoussommesinspirsdeVanderWeide
etMaier(1995),chap12
Lescontratsterme 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 10.3 March terme haussier
0 1 Temps
Prix
F
0
S
0
F
T
= S
T
En effet, la date dchance du contrat, toujours selon la fgure 10.3, la facture
deblslveraS
T
surlemarchaucomptant,quiestaussigaleF
T
suivantle
principedelaconvergenceduprixtermeetduprixaucomptantlchancedun
contrat terme. Le proft quil ralise sur le march terme est alors de (F
T
F
0
)
MaiscommeleprixdelafarineestgalF
T
(=S
T
)lchanceducontratterme,
leprixnetquilpaiepourleblestgal:
Prixnet=F
T
(F
T
F
0
)=F
0
Leprixnetestdoncleprixtermeauquelilapaylebllorsquilaachet
soncontrattermedebltroismoisauparavantSileproducteurdefarinedtientson
contrat terme de bl jusqu son chance, il connat donc lavance le prix quil
paierapourlebl,soitF
0
,leprixquiprvalaitsurlemarchtermedublaumoment
o il a achet son contrat Cest ce que nous entendions lorsque que nous posions
que le contrat terme promettait de livrer un bien un prix dtermin lavance
Certes,pouruncontrattermeboursier,lephnomnedelamarge,envertuduquel
le contrat terme est rengoci chaque jour, peut gner une telle dfnition. Mais si
lacheteurduncontrattermeledtientjusqusonchance,ilestalorsassurde
payer linstrument au comptant au prix auquel il a pay initialement son contrat
terme,etcelaindpendammentdelvolutionfuturedesprixaucomptantetterme
Cetteassurancedcouleduprincipedelaconvergencelchanceducontratentre
les prix au comptant et terme dun instrument Par ailleurs, si notre individu ne
dtient passon contrat termejusqusonchance,ilnest pasdutoutassurdu
prixquilpaierapourlinstrumentaucomptantlorsquilrevendrasoncontrat
Lachat dun contrat terme revient donc supprimer le foss qui spare le
prsentdelavenirIlpermetderduirelincertitudedelaveniroudereportertout
simplement le prsent dans lavenir En achetant un contrat terme de bl et en le
dtenant jusqu son chance, le producteur de farine est assur du prix au comp-
tantquilpaierapoursonbllchancedesoncontratterme,soitF
0
,leprixqui
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
prvalaitsurlemarchtermelachatdesoncontratLecotfuturdesonblest
doncconnulavanceEnachetantsoncontrattermedebl,leproducteurdefarine
adfonclcranquisparelavenirduprsent!
Figure 10.4 March terme baissier
0 1
Temps
Prix
F
T
= S
T
S
0
F
0
Maisquadvient-ilsi,contrairementauxattentesdenotreproducteurdefarine,
leprixdublbaisseaulieudemonterentreladatedelachatducontrattermeetla
date de son chance ? Une telle situation est illustre la fgure 10.4. Ce producteur
paiealorssonblauprixS
T
lchancedesoncontratterme,prixgalF
T
en
vertuduprincipedelaconvergenceMaisilsubitunepertegale(F
0
F
T
)surle
marchtermeCetteperterehausseleprixquilpaiepoursonblCest--direque
leprixnetquilpaiepourlecontratdeblestlesuivant:
Prixnet=F
T
+(F
0
F
T
)=F
0
Il paie donc le mme prix que dans le cas prcdent videmment, si le
producteurdefarineavaitconnulavancelvolutionduprixdubl,ilneseserait
pascouvertLecontratdeblluiauraitalorscotS
T
autempsTsanscouverture,
montant infrieur au prix avec couverture selon la fgure 10.4, soit F
0
Mais celui
qui se couvre ne cherche pas raliser un proft de spculation, il ne cherche qu
sassurer du prix de ses transactions au comptant dans lavenir Dans le cas actuel,
notreproducteurdeblsassuredunprixF
0
silsengagedansuncontrattermeIl
nestproccupqueparlastabilitdesescotsdeproductionEnsengageantdans
uncontratterme,ilsegarantitunetellestabilit:cestlsaseuleproccupation
Pour mieux comprendre le principe de la couverture par anticipation, consi-
dronsunautreexemple,celui-linspirdulivrederfrenceBAXdelaBoursede
MontralVoicilnoncduproblme:
Lescontratsterme


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Un gestionnaire de portefeuille prvoit, le 15 septembre, vendre des
acceptations bancaires pour une valeur nominale de 10 millions de
dollars le 15 dcembre, et cela pour une chance de 91 jours. Ce
gestionnaire craint une hausse des taux dintrt dici trois mois Il
songedoncrecouriraumarchtermedesBAXpourstabiliserson
cot de fnancement.
Letableau106donnelessituationsprvalantsurlesmarchsaucomptantetterme
le15septembreetle15dcembre
taBleau 10.6 tat des marchs au comptant et terme des acceptations
bancaires le 15 septembre et le 15 dcembre
Date March au comptant March terme
15 sept. Taux au comptant: 2,5% Prime terme: 97,25 (taux 2,75%)
15 dc. Taux au comptant: 3,5% Prime terme: 97,25 (taux 2,75%)
Pour stabiliser son cot de fnancement, ce gestionnaire vend 10 contrats
termedeunmilliondedollarschacunle15septembre,puisquilalintentiondmettre
pourunmontantde10millionsdedollarsdacceptationsbancairesle15dcembre
Ilesprecefaisantstabilisersoncotdemprunt2,75%,soitletauxderendement
quiprvautsurlemarchtermeaumomentdelaventedescontratsEnprincipe,
il connat donc lavance son cot de fnancement dans trois mois. Le prix terme
correspondantcetaux,soit97,25(1002,75),estlquivalentduF
0
danslexemple
prcdent,soitleprixtermeactuelquonesprereporterdanslavenirenachetant
ou en vendant des contrats terme, selon la transaction que lon prvoit effectuer
danslavenir
Selonlesdonnesdutableau106,quelgainnotregestionnairercoltera-t-il
sur le march terme trois mois plus tard, soit le 15 dcembre ? Une variation de
unpointdebasedutauxdintrtdumarchterme,soitunevariationde0,01%,
correspondunmontantde25$
18
Unevariationde1%corresponddoncungain
de2500$Legestionnaireavendule15septembre10contratstermeauprixde
97,25$quilrachtele15dcembreauprixde96,5$pourfermersapositionComme
ilaachet10contrats,legainquilralisesurlemarchtermele15dcembreest
lesuivant:
Gain=(97,2596,5)250010=18750$
18 Eneffet: 1 000 000 $ 0, 01%
91
365
25 $.
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Ce gain lui permet dabaisser son cot de fnancement sur le march terme le
15dcembrePourdterminerlemontanttotaldintrtsquilpaiesursonaccepta-
tionbancairele15dcembre,nousdevonsdabordcalculerlefacteurdescomptequi
correspondautauxde3,5%auquellegestionnaireempruntesurlemarchmontaire
Cefacteurdescompte(FE)estgal:
FE
1
1+ 0, 035
91
365
0,991 3
Suivantlesprincipesdelescompte,onpeutcrire:
Valeurescompte(ouprix)=(10M$)FE
Valeurescompte=(10M$)Intrts
Enregroupantcesdeuxexpressions,onobtient:
Intrts=10M$(1FE)
=10M$(10,9913)=86505$
Les intrts que le gestionnaire paie sur le march au comptant des accep-
tations bancaires slvent donc 86505$ Si lon soustrait le gain quil a ralis
sur le march terme, ils sont de 67755$ Lmetteur a donc pay ce montant net
dintrts sur un emprunt de 10 M$ La valeur escompte nette de son emprunt se
chiffredonc:
10000000$67755$=9932245$
Son cot demprunt annualis, ou taux descompte annuel de lemprunt,
stablit:
67 755
9 932 245

365
91
2, 74 %
Cetauxestdonctrsrapprochdeceluiquiprvalaitsurlemarchtermeau
momentdelaventedescontrats,soit2,75%Silyaunepetitedivergence,celaest
daufaitquelecotdintrtestbassurlemontantescomptetnonsurlavaleur
nominale des acceptations bancaires Comme on applique cette deuxime mthode
auxtats-Unis,onnenotepasdetellesdivergences
Envendantdescontratsdacceptationsbancairesle15septembresurlemarch
terme,cest--direenanticipantlatransactionquilavaitlintentiondeffectuersur
lemarchaucomptantle15dcembre,legestionnaireapureporterdu15septembre
au 15 dcembre le taux de rendement des acceptations bancaires observ sur le
march terme le 15 septembre. Celui-ci est en effet devenu son cot de fnancement
le 15 dcembre Le 15 septembre, il connaissait donc lavance le cot auquel il
Lescontratsterme


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
allait se fnancer trois mois plus tard. Cela naurait pas t possible sil navait pas
effectu une opration de couverture sur le march terme Ce gestionnaire nest
toutdemmepasdevin!
. Le probLme du risque reLi LvoLution de La base
Lacheteurquinesecouvrepassurlemarchtermesexposeunrisquedeprix
Entre le temps 0 et le temps 1, le prix au comptant peut en effet fuctuer. Prenons le
casdungestionnairedeportefeuillequinecouvrepassonportefeuilledobligations
Il risque alors dessuyer une perte de capital lorsquil revendra son portefeuille au
temps 1, qui reprsente ici son horizon dinvestissement Cette perte de capital est
alorsgale:
Pertedecapital=S
1
S
0
Par ailleurs, pour couvrir sa position, ce gestionnaire peut vendre aujourdhui son
portefeuillesurlemarchtermeauprixF
0
etleracheterplustardauprixF
1
,temps
qui ne correspond pas ncessairement la date dchance du contrat terme En
effet,ilsaitquelesprixtermevoluenthabituellementdanslammedirectionque
les prix au comptant Il prend donc, sur le march terme, une position oppose
celle quil a sur le march au comptant. Le proft quil espre retirer dune telle
transactionestgal:
F
0
F
1
La perte nette (ou le proft net) quil retirera de ses transactions sur les marchs
aucomptantettermeestgale:
Perte nette (ou proft net) = (S
1
S
0
)(F
1
F
0
)
Telle quexprime, cette dernire quation fait bien ressortir que, pour se
couvrir,notregestionnaireprendsurlemarchtermeunepositionopposecelle
quilasurlemarchaucomptantSilnesecouvraitpas,ilsubiraitunepertegale
(S
1
S
0
)advenantunebaissedesprixdestitresSilsecouvre,illeffaceenpartie
parungainsurlemarchtermegal:(F
1
F
0
),soit(F
0
F
1
)
Le fux montaire que notre gestionnaire reoit, sil se couvre sur le march
terme,estdoncgallexpressionsuivanteautemps1:
Fluxmontaire=(S
1
S
0
)(F
1
F
0
)
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Nous dfnissons la base du contrat terme comme tant lcart entre le prix
aucomptant(S)etleprixterme(F)unmomentdonn
19
nonceentermesde
base, lexpression du fux montaire devient donc :
Fluxmontaire=(S
1
F
1
)(S
0
F
0
)
o (S
0
F
0
) reprsente la base lors de lachat du contrat terme et (S
1
F
1
), celle
qui prvaut lors de la vente La couverture comporte donc une inconnue au temps
0,soitlabasequiprvaudraaumomentdelareventeducontrat,saufbiensrsile
gestionnairerevendlecontratsadatedchance,momentauquellabaseestnulle
envertudelaconvergencedesprixaucomptantettermelchanceducontrat
Ensecouvrantsurlemarchterme,legestionnaireadoncsubstituunrisquede
baseunrisquedeprix,qui,enraisondelacorrlationpositivequiexisteentreles
prixaucomptantetlesprixterme,devraitsavrermoindrequelerisquedeprix
Danslecasquinousconcerne,legestionnairedtientunportefeuilledetitres
aucomptantetavendudescontratstermeSacouvertureseraditeparfaitesile
fux montaire quil drive de ses oprations au comptant et terme est nul, cest--
direquilrcupresurlemarchtermetoutdollarperdusurlemarchaucomptant
Silacouvertureestparfaite,onpeutdonccrire:
Fluxmontaire=(S
1
F
1
)(S
0
F
0
)=0
etenrarrangeant:
(S
1
F
1
)=(S
0
F
0
)
Une opration de couverture sera donc parfaite si la base ne se modife pas
entreladatedelaventeetcelledurachatducontrattermeAutrementdit,ilfaut
que le prix terme baisse au mme rythme que le prix au comptant pour que la
couverturesoitparfaite
Supposons que, dans le cas prcdent, la couverture nait pas t parfaite et
quelle se soit traduite par un fux montaire ngatif. On a alors :
Fluxmontaire=(S
1
F
1
)(S
0
F
0
)<0
Soit
(S
1
F
1
)<(S
0
F
0
)
Si le fux montaire est ngatif, la base se rtrcit entre la date de la vente et celle du
rachatducontrattermeDanspareilcas,leprixaucomptantdiminueplusrapidement
queleprixterme,etlegestionnairenercuprepassurlemarchtermetoutce
quil a perdu sur le march au comptant, do le fux montaire ngatif enregistr par
le gestionnaire. Une telle situation est reprsente la fgure 10.5.
19 Certains chercheurs dfnissent la base comme tant (F S) plutt que (S F).
Lescontratsterme 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Figure 10.5 Une couverture dfavorable pour un vendeur
de contrats terme : une baisse de prix plus importante
sur le march au comptant
S
0
Prix
F
0
S
1
F
1
0 1 Temps
Faisonsmaintenantlhypothsequelegestionnairenerachtepassoncontrat,
cest--direquilfermesapositionseulementlchanceducontrat,soitladate
TOna:
Fluxmontaire=(S
0
F
0
)(S
T
F
T
)
Mais en vertu de la convergence entre les prix terme et au comptant
lchanceduncontrat,onpeutcrire:
Fluxmontaire=(S
0
F
0
)
Comme nous lavons dj mentionn, le fux montaire est certain lors dune
couverturepourlaquellelecontrattermeestdtenujusqulchance:ilestgal
la base initiale. Cette base est gnralement positive pour un titre fnancier et gn-
ralementngativepourunproduitdebase
. Le cas particuLier des matires premires
Danscettesection,nousgnralisonslemodledevalorisationdescontratsterme
crits sur des instruments fnanciers au cas des produits de base dtenus pour lin-
vestissementPuisnousenvisageonslecasplusparticulierdescontratstermesur
desproduitsdebaseacquispourlaconsommation
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
8.1. les prix des contrats terme des produits
de base dtenus pour linvestissement
Certains produits de base sont acquis pour des fns dinvestissement. On compte parmi
euxlesmtauxprcieux:lor,largentouleplatineOntransigesurtoutcesbiensen
fonction de changements qui affecteront leurs prix
20
. titre dexemple, en priode
dinfation importante, lor devient un placement trs rentable, car il est considr
comme un bon rservoir de valeur Laugmentation de son prix a alors tendance
dpasser linfation.
Lemodledevalorisationdescontratstermecritssurdesproduitsdebase
dtenus pour fns dinvestissement ne diffre pas fondamentalement de celui que
nous avons prsent pour les contrats sur titres fnanciers. Les instruments sous-
jacents aux contrats terme crits sur des produits de base et dtenus pour des fns
dinvestissementcomportentdescotsdestockage,cequinestpaslecaspourles
instruments fnanciers. On value ces contrats par le modle des cots de portage
(cost-of-carry), qui gnralise le modle utilis pour valoriser les contrats terme
sur instruments fnanciers.
Notre but est toujours de calculer le prix dun contrat terme en regard du
prixaucomptantdelinstrumentsous-jacentCommenousvenonsdelementionner,
le modle gnralement retenu pour dterminer le prix des contrats terme est
celuidescotsdeportageDansuncontratterme,ilsagitdediffrerlalivraison
dun titre ou dun produit de base. Nous devons donc comparer les avantages et les
inconvnientsdunteltransfertCeluiquidtientuncontrattermejouitdecertains
avantages en regard du propritaire dun instrument au comptant, en ce sens quil
svitecertainscots:
i) les cots dintrt relis lemprunt servant fnancer linstrument au
comptant, ou, si lachat de linstrument au comptant est pay mme
lavoir de lacheteur, lintrt perdu cot doption associ au gel
ducapitaldanslinstrumentaucomptant;
ii) les cots dentreposage et les cots dassurance relis la dtention de
linstrumentaucomptant
En effet, celui qui dtient linstrument au comptant doit en fnancer lachat par
unempruntsilnedisposepasdesfondsrequispourachetercetinstrumentIldevra
doncpayeruncertaintauxdintrtsurlemontantdecetempruntqui,danslunivers
neutreaurisque,estletauxsansrisqueCeluiquiachteuncontrattermefaitdonc
lpargne dun tel cot demprunt. Si, par ailleurs, linstrument terme est fnanc
mmelavoirdelacheteur,cedernierdoitalorsassumeruncotdoptionEneffet,
20 Il ne faut cependant pas oublier que ces produits de base ont aussi des utilisations industrielles
Par exemple, lor sert aux travaux de dentisterie, le platine est utilis dans la fabrication des
automobiles,etc
Lescontratsterme 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
unepartiedesoncapitalestmaintenantimmobilisedanslinstrumentaucomptant
LecotdoptionreprsentelintrtquececapitalauraitpurapporterailleursDans
luniversneutreaurisque,cetauxdintrtestletauxsansrisque
Lacqureur dun instrument au comptant fait galement face des frais
dentreposage
21
. Le propritaire doit louer un local cette fn ou en acheter un ; cela
reprsenteuncotsupplmentaireEnrevanche,lacheteurduncontrattermena
pasassumerdetelscots
Par ailleurs, la dtention dun contrat terme comporte un dsavantage par
rapport celle de linstrument au comptant, soit le revenu sacrif (sil existe) sur la
dtentiondecetinstrumentParexemple,ledtenteurduneobligationaucomptant
touchepriodiquementdescouponsLedtenteurduncontrattermesuruneobli-
gationnyapasdroittantquilnelapasacheteSoncotdoptionestdonclintrt
sacrif entre-temps. Pour le dtenteur dun contrat terme sur un indice boursier, le
revenu sacrif a trait aux dividendes relis aux titres qui composent cet indice.
Nous avons donc tous les lments pour dterminer le prix dun contrat terme,
quenousdsignonsparF,enregarddelavaleuraucomptantdelinstrumentsous-
jacent,quenousdsignonsparS,celaparlamthodedescotsdeportageLeprix
aucomptantduninstrumentserteneffetdematirepremireladterminationdu
prixtermedecemmeinstrumentLeprincipedeladterminationduprixterme
partir du prix au comptant est le suivant. Pour obtenir le prix terme, il sufft :
i) de relever le prix au comptant de la valeur future des avantages relis
la dtention du contrat terme relativement celle de linstrument au
comptant. Ces avantages sont, dune part, les cots de fnancement relis
ladtentiondelinstrumentaucomptantdeladatedachatducontrat
sonchance,dsignsparCF,et,dautrepart,lavaleurfuturedescots
dentreposage,dsignsparCE;
ii) desoustraireduprixaucomptantlavaleurfuturedesdsavantagesrelis
la dtention du contrat terme relativement celle de linstrument au
comptant. Ces dsavantages correspondent aux revenus sacrifs qui sont
relisladtentionducontrataucomptantLavaleurfuturedecesdsa-
vantagesestdsigneparR
Le prix terme (F) dun instrument entretient la relation suivante avec son
prixaucomptant(S):
F=S+ValeurfuturedesavantagesValeurfuturedesdsavantages
F=S+CF+CER
21 Parexemple,unproduitdebasedoittreentrepos
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
CetterelationestlexpressiondumodledescotsdeportageSicetterela-
tion entre les prix terme et au comptant nest pas vrife, il existe une possibilit
darbitrage, incompatible avec lquilibre des marchs fnanciers. Supposons que la
relationsuivantesoitobserve:
F>S+CF+CER
Ilsensuitalors:
F(S+CF+CER)>0
Cettedernireexpressionnousrvlequenvendantladate0lecontrattermeet
en achetant linstrument au comptant, on ralise un fux montaire positif sans risque.
Voyonscomment
Supposons que CE est nul, pour ne pas surcharger le cas Lopration dar-
bitrage est la suivante. la date courante, soit la date 0, on ralise les transactions
suivantes:
i) vendre le contrat terme au prix actuel F
0
Cette vente ne donne lieu
aucun fux montaire ;
ii) acheter linstrument sous-jacent au contrat terme, soit linstrument au
comptant,auprixactuelS
0
. Le fux montaire correspondant est de S
0
;
iii)emprunterlemmemontant,soitS
0
, pour fnancer lachat de ce bien. Le
fux montaire correspondant est de S
0

Au temps 0, le fux montaire net des transactions est donc nul. Par ailleurs,
ladatedelivraisonTducontrat,oneffectueralestransactionssuivantes:
i) racheter le contrat terme. Le proft (ou la perte) ralis est alors de
(F
0
S
T
). Cest le fux montaire correspondant cette transaction ;
ii) livrerlebienreliaucontrattermeLecotdecettelivraisonestdeF
T
,
maisenraisondelaconvergencedesprixaucomptantetdesprixterme
lchanceducontrat,F
T
estalorsgalS
T
. Le fux montaire associ
cettetransactionestdoncdeS
T
;
iii)rembourserleprincipaletlintrtdelempruntinitial,soit(S
0
+CF)Le
fux montaire de cette transaction est de (S
0
+CF);
iv) encaisserlerevenureliladtentiondelinstrumentaucomptant,soit
R. Le fux montaire de cette transaction est donc de R.
La somme des fux montaires relis ces oprations, ou leur proft, est donc
gale:
S
0
+S
0
+(F
0
S
T
)+S
T
(S
0
+CF)+R
Lescontratsterme 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
soit
F
0
S
0
CF+R
Or, cette expression est suprieure 0 suivant lhypothse initiale de cet
exemple,selonlaquelleleprixtermetaitsuprieurauprixaucomptantrehauss
des cots de fnancement de linstrument au comptant et diminu de ses revenus.
Un proft darbitrage, cest--dire sans mise de fonds initiale et sans risque, est donc
possible quand une telle ingalit est observe Cela dmontre que le prix terme
nestpasalorsunprixdquilibre
Supposons une composition annuelle continue des cots de fnancement, des
cotsdentreposageetdesrevenusdesinstrumentsaucomptantLarelationdqui-
libreentrelesprixtermeetaucomptantestalorslasuivante:
( )T re ce rf
S F
+

o rf et ce sont les cots de fnancement et les cots dentreposage exprims en


proportionduprixaucomptant,surunebasedecompositioncontinue,re,lesrevenus
de linstrument au comptant, exprims en proportion du prix au comptant sur une
basedecompositioncontinue,etT,ladatedchanceducontratterme,exprime
enannes
8.. les prix des contrats des produits de base
acquis pour la consommation
linstar des titres, les produits de base dont il a t question dans la section prc-
dente sont acquis pour des fns dinvestissement ou de placement. Mais dautres
produitsdebasesontsurtoutacquispourlaproduction;cestlecas,parexemple,du
ptroleetdesproduitsagricolesLesprixtermedetelsproduitsnesedterminent
pasdelammefaonqueceuxdestitresoudesproduitsdebasedtenuspourlinves-
tissement. En effet, il est gnralement diffcile de vendre dcouvert les produits
de base dtenus aux fns de production, car pour vendre dcouvert, il faut dabord
emprunterdetelsbiensOr,ledtenteurdecesbiensenasrementbesoinpoursa
production,etilnestprobablementpasdisposlesprterpourquilssoientvendus
dcouvert. Les produits de base dtenus aux fns de production ont donc pour leur
propritaire,unrendementimplicitequenousappelonsrendementdedisponibilit
(convenience yield).
Dans les cas de contrats terme de biens de production, il est possible
dobserverlarelationsuivante
22
:
22 Le terme R napparat pas dans cette expression, car les produits de base ne gnrent pas de revenu
explicite
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
CE CF F S >
Cetterelationneseraitpaspossibledanslecasdescontratstermedetitres
ou de produits de base dtenus pour linvestissement, car elle donnerait lieu une
opration darbitrage. Pour le dmontrer, il sufft deffectuer le raisonnement inverse
de celui auquel nous avons eu recours dans la section prcdente et qui concernait
lingalitopposeentrelesprixaucomptantettermeLestransactionssontalors
lessuivantes
la date 0 :
i) vendre dcouvert le produit de base. Cette vente donne lieu un fux
montaire positif de S
0
On se soustrait ainsi la valeur future des frais
dentreposage,soitCE
23
;
ii) acheterlecontrattermecritsurceproduitdebaseauprixF
0
Cetachat
ne donne lieu aucun fux montaire.
iii) prter le produit de la vente dcouvert. Il en rsulte un fux montaire
ngatifdeS
0

la date dchance du contrat terme, soit T :


i) enregistrer le proft cumulatif (ou la perte) rsultant de lachat du contrat
terme:(F
T
F
0
). Ce fux montaire est aussi gal : (S
T
F
0
)enraison
de la convergence des prix au comptant et terme la date dchance
ducontratterme;
ii) fermer sa position sur le contrat terme Cette transaction donne lieu
un fux montaire ngatif de F
T
,quiestaussigalS
T
;
iii)encaisserleprincipalduprtetlintrtCetteoprationdonnelieuun
fux montaire positif de (S
0
+CF)
La somme de tous les fux montaires de ces transactions est de :
S
0
F
0
+CF+CE
Or,cettesommeestpositiveenraisondelarelationinitialequenousavonssuppose
entrelesprixaucomptantettermeduproduitdebaseUneoprationdarbitrage
existe donc si le prix au comptant excde le prix terme diminu des cots de fnan-
cementetdentreposage
Maisunedesconditionsncessairesuntelarbitrageestlapossibilitdevendre
dcouvertleproduitdebaseOr,commenouslavonsmentionnauparavant,ilest
diffcile deffectuer une telle transaction pour les produits de base qui sont dtenus
23 OnrappellequeCF,CEetRsontdesvaleursfuturesdanslexpressionduprixterme
Lescontratsterme


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
aux fns de la production. Par consquent, le prix au comptant dun produit de base
qui est dtenu des fns de production peut excder son prix terme diminu des
cots de fnancement et dentreposage sans quune telle situation ne donne lieu une
opration darbitrage Et il ny a aucune limite un tel cart Le prix au comptant
duntelproduitdebaseauratendanceexcdersonprixtermequandilexisteune
pnurie du produit de base Le march ptrolier fut trs perturb lors de la guerre
entrelIraketleKowetaudbutde1991Ilenrsultaunetellepnuriedeptrole,
enraisondelafermeturedugolfePersiqueetdespertesdeptrolesubiesaucours
decetteguerre,queleprixdecebienaucomptantsurpassaitcertainsmomentsde
beaucoupsonprixterme
Onpeutformuleruneexpressiongnraleduprixtermeenyincluanttout
revenuimplicite,tellerevenuditdedisponibilitdunproduitdebaseservantdes
fns de production. Dans la formule qui suit, nous faisons donc une distinction entre
un tel revenu implicite, que nous dsignons par RI, et un revenu explicite, dsign
parRELesrevenusexplicitessontceuxquisontverssdirectementennumraire,
cest--direlesrevenusdintrtdesobligationsoulesdividendesdactions
Lexpressiongnraleduprixtermedunproduitdebaseouduninstrument
fnancier est alors la suivante :
F=S+CF+CERERI
Certes, il savre trs diffcile de mesurer le revenu implicite (RI) dun produit de
base quon prvoit utiliser pour la production Cest l un terme que nous ajoutons
lquation du prix terme pour indiquer notre degr dignorance lgard de la
dterminationdesprixdescontratstermedetelsproduitsdebase
Surunebasedecompositioncontinue,lexpressiongnraleduprixterme
estde:
F S
rf+cereri ( )T
oriestlerevenuimplicite,exprimenproportionduprix aucomptant et surune
basedecompositioncontinue
8.. la relation entre le prix au comptant
et le prix terme dune devise

Danscettesection,nousmontronscommentsedtermineleprixtermedunedevise
enloccurrenceledollarcanadienparrapportsonprixaucomptantCetterelation
peut paratre diffcile tablir premire vue puisque lon raisonne ici en termes de
24 Pour un excellent expos de cette relation, on consultera Daigler (1993), dont nous nous sommes
inspirs
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
taux de change: deux devises sont donc en jeu et non pas une seule entit comme
ctait le cas pour le prix terme des produits de base et des titres Cependant, la
relationentreleprixtermeetleprixaucomptantdunedevisesedtermineessen-
tiellementparlemodledescotsdeportageParexemple,uninvestisseuramricain
peutenvisagerdeffectuerdesplacementscourttermeauCanadaPourcefaire,il
doit emprunter des dollars amricains : cest le cot de fnancement du modle des
cotsdeportageIlconvertirasesdollarsamricainsendollarscanadiensetrecevra
unrendementcorrespondantautauxdintrtcourttermeauCanada:cestlerevenu
dumodledescotsdeportageMaispourtabliraujourdhuiletauxdeconversion
desdollarsamricainsendollarscanadiens,lchancedesonplacement,ilvend
descontratstermededollarscanadiensOnvoitquelatranspositiondelathorie
descotsdeportageaucasdestauxdechangeestdirecte
Danscettesection,nousenvisageonsdeuxsituations:
1 le cas dun investisseur amricain qui effectue des placements court
termeauCanada;
2 lecasduninvestisseurcanadienquieffectuedesplacementscourtterme
auxtats-Unis
Nous considrons ces deux cas, car il y a souvent confusion au chapitre de la dfni-
tiondutauxdechangelintrieurdelarelationdelaparitdestauxdintrt,soit
larelationentreleprixtermeetleprixaucomptantdquilibredunedeviseEn
effet, il y a deux faons de dfnir un taux de change. Dans le cas du taux de change
du dollar canadien en regard du dollar amricain, les deux dfnitions possibles du
tauxdechangesontlessuivantes:
1 le prix du dollar canadien en dollars amricains Par exemple, le
22juin2005,ledollarcanadienvalaitenviron0,81$EU;
2 le prix du dollar amricain en dollars canadiens Cest linverse de la
premiremesuredutauxdechangeAinsi,toujoursle22juin2005,ledollar
amricainvalait(1/0,81)$CA,soit1,2346$CACestlamesuredutaux
dechangedudollarcanadiencourammentutiliseparlescambistes
Suivant que lon considre le cas dun investisseur canadien ou celui dun
investisseur amricain, la dfnition du taux de change sera diffrente, et la formule
de la parit des taux dintrt sera par consquent inverse Considrons ces deux
castourtour
Lescontratsterme


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
8.3.. cas de linvestisseur amricain qui effectue
un placement court terme au canada
Nous considrons ici le cas dun Amricain qui investirait 1 dollar amricain
25
au
Canada pour 91 jours Il ne dispose pas de ce dollar et il lemprunte donc au taux
dintrt court terme qui prvaut alors sur le march amricain. Nous dsignons ce
tauxparr
EU
. lchance de son emprunt, il devra rembourser le montant suivant :
1 $ 1+ r
EU

91
365
j
(
,
\
,
(
,

,
]
]
]
(1)
Danslebutdachetersonplacementendollarscanadiens,disonsdesbonsduTrsor
canadien, il convertit son dollar amricain en dollars canadiens Il obtient donc le
nombresuivantdedollarscanadiens:
1
S
0
$CA
S
0
correspondauprixdudollarcanadienendollarsamricainsaumomentoileffectue
son placement, ici la priode 0 Par exemple, si le dollar canadien vaut 0,81$EU
comme dans lexemple prcdent, linvestisseur amricain recevra 1,2346 (1/0,81)
dollarcanadienpoursondollaramricain
CetAmricaininvestitleproduitdecetteconversionautauxdintrtcanadien
quiprvautalorslapriode0,soitr
c
Ilrecevradonclemontantsuivant,endollars
canadiens, la fn de son placement :
1
S
0
1+ r
c

91
365
j
(
,
\
,
(
,

,
]
]
]
Notre investisseur a beau connatre le montant quil recevra en dollars cana-
diens la fn de son placement (puisque r
c
est connu la priode 0), il ne sait pas
pourautantquelseraleproduitdesonplacementendollarsamricains,puisquilne
connat pas le taux de change du dollar canadien sur le dollar amricain la fn de
sonplacement,icidans90joursPourviterlerisquedechange,ilvendleproduit
desonplacementendollarscanadienssurlemarchtermelapriode0autauxde
changequiprvautalorsentreledollaramricainetledollarcanadien,soitF(0,91),
cettedernireexpressiondsignantleprixtermedundollarcanadienentermesdu
dollar amricain qui prvaut actuellement pour livraison dans 91 jours. Notre inves-
tisseuramricainsassureainsidutauxauquelilconvertirasesdollarscanadiensen
dollarsamricainslchancedesonplacement,soitdans91jours
25 Cemontantpeutsemblerridiculementbas,maisleniveauduplacementimportepeupourillustrer
leraisonnement
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Enprenantencomptesoncontratdechange,leproduitendollarsamricains
duplacementcanadiendelinvestisseuramricainestdonclesuivant:

1
S
0
1+ r
c

91
365
j
(
,
\
,
(
,

,
]
]
]
F 0, 91 ( ) (2)
la suite du contrat de change, ce montant est maintenant connu la priode 0.
Leprixtermedquilibreestobtenulorsquilnexisteplusaucunepossibilit
darbitrage sur le march terme. Le placement prcdent seffectue sans aucun fux
montairengatifpournotreinvestisseuraudbutdelapriode0Ilyauraabsence
darbitrage, donc quilibre, si 91 jours plus tard, donc lchance du placement,
les fux montaires nets dune telle transaction sont nuls. Lopration de placement
prcdente se traduit par deux fux montaires de signes opposs lchance du
placement:
1. un fux montaire ngatif, soit le remboursement de lemprunt donn par
lquation(1);
2. un fux montaire positif, soit le produit du placement donn par lquation
(2)
Ilyauraabsencedarbitrageet,parconsquent,onatteindralquilibresurle
march terme, si la somme de ces deux fux montaires est nulle, cest--dire :
1
S
0
1+ r
c

91
365
j
(
,
\
,
(
,

,
]
]
]
F 0, 91 ( ) 1$ 1+ r
EU

91
365
j
(
,
\
,
(
,

,
]
]
]
=0
Pour dterminer le taux de change terme dquilibre, on met F(0,91) en
facteurdanslexpressionprcdente:

F 0, 91 ( ) S
0

1+ r
EU
91
365
j
(
,
\
,
(
1+ r
c
91
365
j
(
,
\
,
(
,

,
,
,
,
]
]
]
]
]
]
(3)
Rappelonsencoreunefoisquedanscetteexpression,letauxdechangeestle
prixdudollarcanadienendollarsamricains
Auprixtermedudollarcanadiendonnparlquation(3),notreinvestisseur
amricainnapasintrtconvertirdesdollarsamricainsendollarscanadienspour
effectuer des placements en dollars canadiens Lquation (3) reprsente, par cons-
quent,unerelationdquilibreentreleprixaucomptantetleprixtermedudollar
canadienSiunetellerelationnesobservaitpas,ilyauraitalorspossibilitdarbitrage
puisque,sansaucunemisedefondsinitialedesapart,ilpourraitdterminerdemble
le fux montaire positif net de ses transactions sur les marchs au comptant et terme
Lescontratsterme 7


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
advenantque,parexemple,leproduitdesonplacementexprimendollarsamricains
excdelecotdesonemprunt,toujoursendollarsamricainsIlraliseraitalorsun
proft gratuit . Mais no pain, no gain , en fnance comme partout ailleurs.
Pour illustrer lquation (3), prenons lexemple suivant Le 22 juin 2005, le
tauxderendementdupapiercommercial3moissesituait3,33%auxtats-Unis
et2,59%auCanadaLetauxdechangeaucomptantdudollarcanadientaitalors
de81centsamricainsEnappliquantlquation(3),letauxtermedquilibredu
dollar canadien dans 91 jours est de 81,16 dollars amricains Le taux de change
terme canadien comportait donc une prime Cette prime ntait pas relie une
quelconque anticipation dapprciation du dollar canadien. Elle ne fait que refter
larbitragesurlesmarchsdesdevisescanadienneetamricaine
8.3.2. cas de linvestisseur canadien effectuant un placement
court terme aux tats-unis
Uninvestisseurcanadienenvisagedeplacerundollarcanadienauxtats-Unispour
91joursIlempruntedoncundollarcanadienlapriode0autauxdintrtcanadien
courttermer
c
Ilrembourseradonclemontantsuivantdans91jours:
1 $ 1+ r
c

91
365
j
(
,
\
,
(
,

,
]
]
]
(4)
DefaoninvestirleproduitdesonempruntenbonsduTrsoramricains,
il convertit son dollar canadien en dollars amricains Il obtient le nombre suivant
dedollarsamricains:
1
S'
0
$EU
Dans cette expression, S'
0
est le prix dun dollar amricain en dollars canadiens
Cest donc linverse du taux de change du cas prcdent Dans notre exemple, un
dollaramricainvaut1,2344dollarcanadienIlobtiendraitdoncdanscecas81cents
amricains(1/1,2344)
Auboutde91jours,notreinvestisseurcanadien,quiaprissoindeconclureun
contratdechangeaudbutdesonplacement,recevralemontantsuivantendollars
canadienslasuitedesonplacementendollarsamricains:

1
S'
0
1+ r
EU

91
365
j
(
,
\
,
(
,

,
]
]
]
F'(0, 91) (5)
F'(0,91)dsigneici,biensr,leprixdundollaramricainendollarscanadiens
8 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Pour quil y ait absence darbitrage, il faut que la somme des fux montaires
donne par les expressions (4) et (5) soit nulle En effectuant cette opration et en
mettantF'(0,91)enfacteur,onobtient:

F' 0, 91 ( ) S'
0
1+ r
c
91
365
j
(
,
\
,
(
1+ r
EU
91
365
j
(
,
\
,
(
,

,
,
,
,
]
]
]
]
]
]
(6)

La dfnition des taux de change dans lquation (6) est linverse de celle de lqua-
tion (3) Il est donc normal que lexpression entre crochets des taux dintrt soit
galementinverse
Pour illustrer la formule (6), revenons aux donnes de lexemple prcdent
la priode 0, le prix dun dollar amricain en dollars canadiens est de 1,234 4. Le
tauxdintrtcanadiendupapiercommercial3moissesitue2,59%etsonhomo-
logueamricainestde3,33%Enrsolvantlexpression(6)pourdetellesdonnes,
ontrouvequeleprixtermedundollaramricaindans91joursstablit1,2321
Onretrouvedonclemmersultatquedanslexempleprcdentpuisquecesontles
mmesdonnesinitiales,saufqueletauxdechangeyestexprimdiffremmentSi
un dollar amricain vaut 1,2321 dollar canadien terme, un dollar canadien vaut,
poursapart,0,8116dollaramricain(1/1,2321)terme
Le22juin2005,ledollaramricaintermecomportaitdoncthoriquement
un escompte de 0,23 cent canadien (1,2344 1,2321) On parle aussi de dport
dans ce cas, car la valeur du dollar amricain terme est infrieure sa valeur au
comptant
26

Onpeutcomparercedportthoriqueceluiquifutobservle22juin2005
Le bulletin hebdomadaire de statistiques fnancires de la Banque du Canada dat
du24juin2005indiquaitqueledportobservsurledollaramricainstaitsitu
0,26centcanadienle22juin2005Ilyadoncunelgrediffrenceentrelereport
thoriqueetlereportobservEnraisondescotsdetransaction,unetellesituation
darbitrage ne serait sans doute pas rentable Qui plus est, il nest pas certain que
larbitrage sur le march des changes canadien seffectue partir du taux dintrt
dupapiercommercialtroismoisCertainspraticiensdisentquilsefaitpartirdu
LIBOR
27
Pourcalculerlesreportsoulesdportssurledollaramricain,ilfautalors
utiliserlesLIBORcanadienetamricain3moisCertes,onobtiendraitunrsultat
diffrent
26 Ilyauraitreportdanslecasinverse
27 LIBORestlacronymedeLondon interbank offered rate (tauxinterbancaireoffertLondres)
Lescontratsterme 9


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
8.. larbitrage en fonction du taux implicite des prises en pension
Le taux des prises en pension est celui auquel les courtiers empruntent, pour une
priodegnralementtrscourte,mmemoinsdunjour
28
Pourcefaire,ilsvendent
des titres une institution fnancire qui les leur revendra par la suite un prix plus
lev. La diffrence de prix constitue le revenu de linstitution fnancire ou le cot
de fnancement des courtiers.
Soit lopration suivante sur le march terme dun titre fnancier. Un individu
venduncontrattermeautemps0auprixF
0
;cecontratchoitautempsTIlachte
dans le mme temps linstrument fnancier sous-jacent au prix de S
0
Onsupposeici
quil ny a pas de revenu associ linstrument fnancier sous-jacent entre la date 0
etladateTCetteoprationconsistecrerunbonduTrsorsynthtiqueEneffet,
lindividu achte linstrument au comptant et le revend sur le march terme Son
opration revient donc effectuer un prt sans risque Le rendement dun tel prt,
dit encore taux de prise en pension implicite, est gal r
0,T
dans lexpression
suivante:
F
0
S
0
1+ r
0,T
( )
On annualise ce taux en le multipliant par (365/T) Si ce taux de prise en
pension implicite qui, rptons-le, est un taux associ un prt (un taux dbiteur),
est plus lev que le taux de prise en pension auquel lindividu peut emprunter sur
le march au comptant de faon acheter le titre au comptant, il existe alors une
situationdarbitrageOnaalors:
Tauxdunprtsansrisque>Tauxdunempruntsansrisque
soit une situation de proft certain. Le prix du contrat terme nest pas alors un prix
dquilibre:ilestsurvalu(overvalued). lquilibre, le taux de prise en pension
impliciteestgalauprixobserv
Le raisonnement qui vient dtre effectu nest quune simple application
delarelationquenousavonstablieantrieuremententreuncontrattermeetson
sous-jacent:
Contratterme=Instrumentsous-jacent+Emprunt
Ilenrsulteque:
Prt=Instrumentsous-jacentContratterme
28 Enraisondelagrandefrquencedeleursachatsetventesdetitres,lescourtiersontdesbesoinsde
fnancement qui peuvent fuctuer considrablement dune journe lautre, et souvent lintrieur
dunemmejourneIlspeuventdoncemprunterpourunepriodeinfrieureunjour
0 Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Enachetantlesous-jacentetenvendantlecontrattermecorrespondant,oncreun
prt,soitunbonduTrsorsynthtique
8.. rexamen des aspects prvisionnels des prix terme
Rappelons lquation du prix terme dun instrument fnancier en fonction du prix
aucomptant:
F=S+CFRE
o F est le prix terme, S, le prix au comptant, CF, le cot de fnancement et RE,
lesrevenusexplicitesqueprocurelinstrumentaucomptantCommenousledisions
auparavant,cettequationnelaissepasbeaucoupdemargedemanuvreenmatire
deprvisionLeprixtermepermetdeprvoirleprixaucomptantvenirpourvu
queleprixaucomptantactuelintgredjtoutelinformationdisponiblecesujet,
ce qui devrait tre le cas puisque les marchs fnanciers sont gnralement effcients.
PourDubofsky(1992),laquestionquivientdtreposerelvedelasmantique:
Whether the future price actually incorporates the markets expectations
of the future spot price of the underlying commodity thus becomes a
matter of semantics. The spot price refects the market expectations,
and the future price is determined largely from this spot price. Thus,
the future price does incorporate expectations, but only because they
are refected in spot prices
29
.
Par consquent, les prix terme ne fourniraient pas plus dinformations sur
les prix au comptant venir que les prix au comptant courantsToutefois, dans les
priodesdetempsolquationdesprixtermenesquilibrepas,crantalorsdes
possibilitsdarbitrage,lesprixtermepeuventrenseignerdavantagesurlvolution
futuredesprixaucomptantquelesprixaucomptantcourants
Pourlemontrer,nousrecouronsaumarchtermedudollarcanadienSoitS
letauxdechangedudollarcanadien,quiesticilenombrededollarscanadiensque
peut acheter un dollar amricain; F, le prix terme du dollar canadien; r
C
, le taux
dintrt sans risque au Canada; r
EU
, le taux dintrt sans risque aux tats-Unis;
(T t), le temps quil reste courir avant lchance du contrat terme du dollar
canadien Lquation, qui nous est maintenant familire, du prix terme applique
audollarcanadienestdonc:
F Se
r
C
r
EU
( ) Tt ( )
29 Dubofsky(1992),p374
Lescontratsterme 1


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
Dans cette quation, r
C
tient lieu du cot de fnancement et r
EU
, du revenu
explicite Selon cette quation, si les taux dintrt canadiens sont suprieurs aux
taux amricains, comme cela tait habituellement le cas dans le pass
30
, le prix
termedudollaramricainexprimendollarscanadiens(F)estsuprieursonprix
aucomptantLedollarcanadiencomportealorsunescompteterme:savaleurest
plus faible pour livraison future que pour livraison immdiate Si les taux dintrt
canadienssontsuprieursauxtauxamricains,unAmricainaintrt,touteschoses
galesdailleurs,investirauCanadaPourquilyaitquilibreouabsencedarbi-
trage,ilfautquilperdecetavantageauchange,cest--direquepourchaquedollar
amricaintransformendollarcanadienaudbutducontrat,ilrecevramoinsdeun
dollar amricain la fn du contrat.
Nous avons signal que lorsquil y a possibilit darbitrage, cest--dire
lorsqueleprixtermedviedesavaleurthorique,leprixtermepeutalorsservir
prvoir les prix au comptant futurs auxquels il est associ. Nous allons en faire la
dmonstrationdanslecasdudollarcanadien
Supposonsquenousobservionsunmomentdonnque:
F > Se
r
C
r
EU
( ) Tt ( )
Leprixtermeobservdudollaramricainparrapportaudollarcanadienestalors
plusimportantquesonprixthoriqueIlexiste,biensr,iciunesituationdarbitrage:
vendredescontratstermeamricainsetacheterdesdollarscanadiensMaissuppo-
sons quune telle ingalit ait tendance persister court terme, ce qui signiferait
quelesintervenantsprvoientunefortehaussedudollaramricainLesdtenteursde
contratstermeendollarsamricainsprfrentlesconserverpluttquedelesvendre
demanireexploiterloccasiondarbitrageCescontratstermecomportentalors
un revenu implicite sui generis de la mme faon que les produits de base dtenus
pourlaproductioncomportentunrevenuimpliciteditdedisponibilitDanspareil
cas, cest--dire lorsque le prix terme dun instrument tend dvier pendant un
certaintempsdesonprixthorique,leprixtermeestporteurdinformationquant
auprixfuturdelinstrumentenquestionIci,lingalittendsignalerqueledollar
amricainsapprcieracourtterme
Commeonlavuauparavant,leprixtermedesmatirespremiresdtenues
pour des fns de production constitue un cas particulier en matire dvaluation de
contratstermeLesventesdcouvertnesontpashabituellementpaspossiblessur
detelsbiens,carilsjouissentdunrendementdedisponibilitDslors,ilsconstituent
galement un cas part au plan de la prvision, en ce sens quon pourra tudier la
relationentreprixaucomptantetprixtermepourprvoirlatendancedesprixau
comptantfutursParexemple,disonsqueleprixaucomptantdunematirepremire
dtenue pour fns de production, disons le ptrole, soit sensiblement plus lev que
30 Depuisladcennie1990,onobservesouventdestauxamricainssuprieursauxtauxcanadiens
Financecomputationnelleetgestiondesrisques


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot et R. Thoret, ISBN 2-7605-1447-1 D1447N
Tous droits de reproduction, de traduction et dadaptation rservs
son prix terme Cela tend alors signaler une pnurie temporaire sur le march
ptrolier qui se rsorbera dans un futur rapproch La tendance venir du prix du
ptroleestalorsorientelabaisse
Mais supposons que le prix terme du ptrole soit sensiblement plus lev
que son prix au comptant, cet cart tant plus important que le cot de portage Il
est alors permis de croire que le prix du ptrole augmentera dans lavenir, et cela
dautantplusqueleprixtermedescontratsaugmenteavecleurchanceOnpeut
donc se servir des prix terme pour prvoir les prix au comptant venir, mais les
rservesantrieuressimposent
9. aspects institutionneLs
Hormis les contrats sur matires premires, la Bourse de Montral monopolise les
transactions sur les produits drivs au Canada Sy transigent plusieurs contrats
terme:i)leBAX,soitlecontratsurlacceptationbancairedetroismois;ii)lecontrat
ONX, soit un contrat de 30 jours sur le taux repo un jour ; iii) le contrat CGZ, un
contratsurlobligationdugouvernementduCanadadedeuxans;iv)lecontratCGB,
uncontratsurlobligationdugouvernementduCanadade10ans;v)lecontratSXF,
un contrat sur lindice boursier S&P TSX60. Dans ce qui suit, nous traitons spcif-
quementdeuxdentreeux:lecontratCGBetlecontratSXFLecontratBAXat
examinlasection5
9.1. le contrat cgb de la bourse de montral
Avant dexaminer le contrat CGB, nous devons ouvrir une parenthse pour spcifer
commentsedtermineleprixtermeduneobligationCommetoutcontratterme,
qui est un produit driv dfni sur un sous-jacent, le prix terme dune obligation
doitsatisfairelarelationsuivanteparrapportauprixaucomptant:
Prixterme=Prixaucomptant+Cotdeportage
En effet, celui qui vend un contrat terme doit sassurer de la livraison de
lobligation sous-jacente lchance du contrat Il achte donc lobligation au
moment de lmission du contrat Durant cette priode, il touchera lintrt vers
par lobligation, mais il devra payer le cot de fnancement reli la dtention de
lobligation La diffrence entre les intrts pays et les intrts reus constitue le
cotdeportage
Cest en 1989 que la Bourse de Montral a lanc le contrat terme sur les
obligationsdugouvernementduCanadadedixans,quellealibellcontratCGB
Comme lindique le manuel de rfrence de la Bourse de Montral sur ce contrat,
Lescontratsterme


2006 Presses de lUniversit du Qubec
difce Le Delta I, 2875, boul. Laurier, bureau 450, Qubec, Qubec G1V 2M2 Tl. : (418) 657-4399 www.puq.ca
Tir de : Finance computationnelle et gestion des risques, F.-. Racicot