Vous êtes sur la page 1sur 271

Universit du Qubec Montral

Facult des sciences


Dpartement de mathmatiques








Une introduction aux mathmatiques
de lingnierie financire



Document de rfrence






Compos par :

Mathieu Boudreault, Ph.D., F.S.A.
Professeur adjoint
Dpartement de mathmatiques
Universit du Qubec Montral







Version du 6 septembre 2011 (avec une rvision des notions de thorie de lintrt et de probabilits)

2011 Mathieu Boudreault

Table des matires
Prface ix
0 Introduction 1
0.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.3 Exemples de produits drivs . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.4 Notions darbitrage et de rplication . . . . . . . . . . . . . . . . . . . . . . 3
0.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.5.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.5.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 6
I Modles temps discret pour lactif sous-jacent 9
1 Arbre binomial une priode 11
1.1 Modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 valuation par rplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 valuation neutre au risque . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.1 Une simple rorganisation . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Arbitrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.3 Thorme fondamental dvaluation . . . . . . . . . . . . . . . . . . . 17
1.4 Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5 valuation avec la probabilit relle . . . . . . . . . . . . . . . . . . . . . . . 22
1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 23
2 Arbre binomial deux priodes 25
2.1 Modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 valuation par rplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.1 Complment dinformations . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 valuation neutre au risque . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3.1 Arbitrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.2 Thorme fondamental dvaluation . . . . . . . . . . . . . . . . . . . 35
2.4 Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
iii
iv TABLE DES MATIRES
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 38
3 Gnralisations et applications de larbre binomial 41
3.1 Arbre binomial plusieurs priodes . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.1 valuation par rplication . . . . . . . . . . . . . . . . . . . . . . . . 42
3.1.2 valuation neutre au risque . . . . . . . . . . . . . . . . . . . . . . . 44
3.2 Options amricaines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.3 Options sur autres actifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4 Applications varies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 53
4 Arbres trinomiaux et marchs incomplets 57
4.1 Modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 valuation par rplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.3 valuation neutre au risque . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.1 Arbitrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.2 Thorme fondamental dvaluation . . . . . . . . . . . . . . . . . . . 61
4.4 Arbres trinomiaux deux actifs risqus . . . . . . . . . . . . . . . . . . . . . 67
4.5 Applications actuarielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.6 Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.7.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.7.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 72
II Modle de Black-Scholes 75
5 Mouvement brownien 77
5.1 Rappels et intuitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.2 Construction du mouvement brownien . . . . . . . . . . . . . . . . . . . . . 77
5.3 Mouvement brownien standard (MBS) . . . . . . . . . . . . . . . . . . . . . 80
5.3.1 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3.2 Autres proprits du MBS . . . . . . . . . . . . . . . . . . . . . . . . 83
5.4 Mouvement brownien arithmtique (MBA) . . . . . . . . . . . . . . . . . . . 84
5.4.1 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.5 Mouvement brownien gomtrique (MBG) . . . . . . . . . . . . . . . . . . . 87
5.5.1 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.5.2 Estimation des paramtres . . . . . . . . . . . . . . . . . . . . . . . . 91
5.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.6.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.6.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 92
TABLE DES MATIRES v
6 Introduction au calcul stochastique 95
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.2 Direntiation et intgration dterministe . . . . . . . . . . . . . . . . . . . 95
6.3 Direntiation et intgration stochastique . . . . . . . . . . . . . . . . . . . . 98
6.4 Calcul stochastique dIto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.4.1 Exemples dapplication du lemme dIto . . . . . . . . . . . . . . . . . 102
6.5 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.6.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.6.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 110
7 Solutions au modle de Black-Scholes 113
7.1 Modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2 valuation par rplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.2.1 quations aux drives partielles . . . . . . . . . . . . . . . . . . . . 114
7.2.2 Stratgies auto-nances . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.2.3 Drivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.3 valuation neutre au risque . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7.4 Formule de Black-Scholes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.5 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.6.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.6.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 127
8 Applications du modle de Black-Scholes 131
8.1 Options sur autres actifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
8.1.1 valuation par rplication . . . . . . . . . . . . . . . . . . . . . . . . 131
8.1.2 valuation neutre au risque . . . . . . . . . . . . . . . . . . . . . . . 133
8.1.3 Formule de Black-Scholes . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.2 Options exotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
8.2.1 Options binaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.2.2 Options asiatiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
8.2.3 Options barrire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
8.2.4 Options composes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.2.5 Options cart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
8.2.6 Options dchange . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
8.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
8.3.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
8.3.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 146
9 Couverture de produits drivs 147
9.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
9.2 Rplication dans le modle de Black-Scholes . . . . . . . . . . . . . . . . . . 148
9.3 Couverture delta-neutre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
9.4 Couverture delta-gamma neutre . . . . . . . . . . . . . . . . . . . . . . . . . 154
vi TABLE DES MATIRES
9.5 Autres lettres grecques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
9.6 Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
9.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
9.7.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
9.7.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 159
III Modles et techniques avancs 161
10 Techniques de rduction de variance 163
10.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
10.2 Variable antithtique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
10.3 Variable de contrle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
10.4 chantillonage strati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
10.5 Autres techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
10.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
10.6.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
10.6.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 174
11 Introduction aux modles de taux dintrt alatoire 177
11.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
11.2 Types de taux dintrt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
11.3 Structure des taux dintrt . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
11.4 Arbre binomial pour le taux dintrt . . . . . . . . . . . . . . . . . . . . . . 181
11.4.1 Dnitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
11.4.2 Accumulation et actualisation en intrt stochastique . . . . . . . . . 182
11.4.3 valuation de titres revenus xes et ses drivs . . . . . . . . . . . 184
11.4.4 Exemples dvaluation . . . . . . . . . . . . . . . . . . . . . . . . . . 186
11.5 Arbre binomial de Black-Derman-Toy . . . . . . . . . . . . . . . . . . . . . . 190
11.5.1 Prliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
11.5.2 Calibration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
11.5.3 Exemple de calibration dans larbre de BDT . . . . . . . . . . . . . . 194
11.5.4 Exemple dvaluation dans larbre de BDT . . . . . . . . . . . . . . . 197
11.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
11.6.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
11.6.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 198
12 Modles de base de taux dintrt temps continu 201
12.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
12.2 valuation de titres revenus xes et ses drivs . . . . . . . . . . . . . . . . 203
12.2.1 valuation par rplication . . . . . . . . . . . . . . . . . . . . . . . . 203
12.2.2 valuation neutre au risque . . . . . . . . . . . . . . . . . . . . . . . 205
12.3 Modles dquilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
12.3.1 Rendleman-Bartter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
12.3.2 Vasicek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
TABLE DES MATIRES vii
12.3.3 Cox-Ingersoll-Ross (CIR) . . . . . . . . . . . . . . . . . . . . . . . . . 212
12.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.4.1 Examen MFE/3F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.4.2 Exercices supplmentaires . . . . . . . . . . . . . . . . . . . . . . . . 213
12.A Drivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
12.A.1 valuation par rplication . . . . . . . . . . . . . . . . . . . . . . . . 215
12.A.2 valuation neutre au risque . . . . . . . . . . . . . . . . . . . . . . . 217
IV Annexes 221
A Rvision de notions lmentaires 223
A.1 Thorie de lintrt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
A.1.1 Intrt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
A.1.2 Valeur prsente et accumule . . . . . . . . . . . . . . . . . . . . . . 226
A.2 Probabilits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
A.2.1 Fondements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
A.2.2 Variable alatoire et ses proprits . . . . . . . . . . . . . . . . . . . . 231
A.2.3 Distribution de plusieurs variables alatoires . . . . . . . . . . . . . . 238
A.3 Processus stochastiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
A.4 Thorie de la mesure applique aux probabilits . . . . . . . . . . . . . . . . 244
A.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
A.5.1 Exercices de probabilits . . . . . . . . . . . . . . . . . . . . . . . . . 250
A.5.2 Exercices de processus stochastiques et de thorie de la mesure . . . . 251
B Autres 257
B.1 Formules importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
B.2 Table de la loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
viii TABLE DES MATIRES
Prface
Ce document de rfrence est lintention des tudiants qui sinitient lvaluation de
produits drivs laide des techniques mathmatiques de lingnierie nancire. Les sujets
couverts sont les arbres binomiaux et trinomiaux, le mouvement brownien, le calcul stochas-
tique (une introduction), le modle de Black-Scholes, la couverture dynamique (hedging),
les options exotiques, les techniques de rduction de variance et les modles taux dintrt
alatoire. Pour en apprcier pleinement le contenu, des bases mathmatiques en probabilits
et en processus stochastiques sont fortement recommandes.
Ce document peut galement servir la prparation de lexamen MFE/3F (Society of
Actuaries, Casualty Actuarial Society). Il faut toutefois noter que le syllabus de ces examens
est couvert environ 80% dans ce document.
Des exemples ou des exercices ont t traduits de certaines sources cites travers le
document.
Hull rfre au livre de John C. Hull (2008) Options, futures and other derivatives, 7e
dition, Prentice-Hall.
ASM rfre au guide dtude ASM de lexamen MFE crit par Abraham Weishaus.
Ldition 2007 a t utilise sauf avis contraire.
McDonald rfre au livre de Robert L. McDonald (2005) Derivatives Markets, 2e di-
tion, Addison Wesley. Lerrata est disponible au site web
http : //www.kellogg.northwestern.edu/faculty/mcdonald/htm/typos2e_01.html.
Cvitanic et Zapatero (CZ) rfre au livre de Jaksa Cvitanic &Fernando Zapatero (2005)
Introduction to the Economics and Mathematics of Financial Markets, Prentice-Hall.
ix
x PRFACE
Chapitre 0
Introduction
0.1 Contexte
Un gestionnaire doit comprendre lvolution de chacun des actifs/produits nanciers
compris dans son portefeuille ;
Actif sous-jacent (underlying asset) :
Actif de base transig sur les marchs nanciers (bourse par exemple) dont la valeur
future est incertaine ;
Exemple : action ordinaire dune compagnie, un baril de ptrole, un mga-watt
dlectricit un endroit donn, une once dor ;
Le prix de lactif sous-jacent est tudi par les experts nanciers ;
Exemple : le prix aujourdhui dune action est li la valeur prsente espre du
gain en capital et des dividendes futurs. Un analyste nancier tudiera les prospects
de la compagnie et tablira un prix auquel celui-ci est prt acheter ou vendre
laction.
Les notions de nance corporative sont ncessaires lvaluation du prix dune action;
Lobjectif du cours nest pas dvaluer le prix que devrait avoir un actif sous-jacent
t = 0.
Produit driv (derivative) ou droit conditionnel (contingent claim) :
Actif nancier dont le paiement la maturit dpend de la valeur dun actif sous-
jacent ou de la ralisation dun vnement quelconque sous-jacent ;
Exemple : option sur une action (stock option). Loption est le produit driv et
laction est lactif sous-jacent ;
Exemple : driv climatique (weather derivative). Celui-ci peut payer 10$ le 1er
mars lorsque la temprature moyenne en fvrier est infrieure -5

C.
Autres exemples de produits drivs : drivs nergtiques (energy derivatives),
drivs catastrophiques (catastrophe derivatives), drivs de mortalit (mortality de-
rivative), etc.
Les produits drivs sont populaires car ils permettent de diversier le risque et de sen
prmunir.
Ingnierie nancire consiste au design et la couverture de produits nanciers adapts
aux divers besoins ;
1
2 CHAPITRE 0. INTRODUCTION
Lobjectif du cours est de comprendre comment valuer et couvrir des produits drivs
de base ;
Par consquent, on prend le prix initial de lactif sous-jacent pour acquis (comme
observ) ;
0.2 Notations
Quelques dnitions :
S
t
: prix de lactif sous-jacent au temps t ;
T : chance (maturity) du produit driv ;
K : prix dexercice (strike price) ;
r : taux dintrt sans risque (risk-free rate) ;
En particulier, S
0
correspond au prix observ aujourdhui pour acheter/vendre une
unit de lactif sous-jacent, qui sera livr aujourdhui.
Appel prix au comptant (spot price) ;
Pour t > 0, alors S
t
est une variable alatoire ;
De plus, {S
t
, t 0} est un processus stochastique ;
Taux dintrt sans risque :
Taux dintrt en vigueur pour un prteur/emprunteur qui na aucun risque de
faillite ;
On peut donc prter et emprunter ce taux;
Paiement lchance dun produit driv (derivatives payo ) :
Gnralement fonction du prix du sous-jacent lchance du contrat ;
Variable alatoire car fonction C (S
T
) dune variable alatoire ;
On notera aussi souvent C
T
= C (S
T
) pour allger la notation;
Juste prix (fair price) :
Prix dun produit driv qui doit prvaloir sur les marchs nanciers an dviter les
opportunits darbitrage ;
Par consquent, C
0
correspond au prix qui doit tre observ aujourdhui pour ache-
ter/vendre une unit de ce produit driv ;
Pour t > 0, alors C
t
est une variable alatoire ;
De plus, {C
t
, t 0} est un processus stochastique ;
Un des objectifs du cours est donc de trouver le juste prix dun produit driv ;
0.3 Exemples de produits drivs
Trois exemples de produits drivs qui seront plus tudis :
Options (surtout) ;
Contrats terme ;
Swap;
Option : produit driv qui donne le droit (et non lobligation) son dtenteur dache-
ter ou de vendre un actif sous-jacent un certain prix x K, avant (amricaine) ou
une date donne T (europenne).
0.4. NOTIONS DARBITRAGE ET DE RPLICATION 3
Note : (x)
+
= max (x; 0)
Paiement dune option dachat lchance :
position longue : (S
T
K)
+
position courte : (S
T
K)
+
Paiement dune option de vente lchance :
position longue : (K S
T
)
+
position courte : (K S
T
)
+
Contrats terme (de gr gr ou standardis) (forward ou futures) : produit driv
qui oblige le dtenteur vendre ou acheter un actif sous-jacent une certaine date
T, un prix dtermin davance K.
Paiement du contrat terme lchance :
position longue : S
T
K
position courte : (S
T
K)
Swap : contrat qui relie deux parties dans lchange de ux nanciers. Cet accord
spcie les dates o les paiements surviendront et la faon dont ils seront calculs.
Plus important avec un taux dintrt stochastique. Nous y reviendrons donc plus
tard.
0.4 Notions darbitrage et de rplication
Une des notions qui reviendra le plus souvent dans lvaluation de produits drivs est
labsence darbitrage ;
Il y a arbitrage lorsque les trois conditions suivantes sont remplies :
(1) investissement nul (free lunch) ;
(2) possibilit de gain;
(3) sans aucune possibilit de perte.
Lorsquun item peut sacheter et se vendre de faon simultane des prix dirents,
alors il y a une occasion darbitrage.
Exemple :
Une obligation 2 ans coupons annuels de 7% se transige prsentement 95$.
De plus, une obligation zro-coupon 1 an se transige 90$ (pour 100$ de principal)
et une obligation zro-coupon deux ans se transige 81$ (pour 100$ de principal).
Est-ce quil existe une opportunit darbitrage ?
Solution :
Lobligation 2 ans devrait gnrer les ux nanciers de 7$ et de 107$ aprs 1 an et
2 ans respectivement.
On peut rpliquer cette obligation avec les obligations zro-coupon. En eet, il sut
de 0.07 unit de lobligation zro 1 an, et de 1.07 unit de lobligation zro deux ans.
4 CHAPITRE 0. INTRODUCTION
Le prix de ce portefeuille est de
0.07 90 + 1.07 81 = 92.97$.
Par consquent, il est possible de rpliquer de faon exacte les ux nanciers de
lobligation coupons 2 ans, avec deux obligations zro-coupons. Lune se vend
95$ et le portefeuille de zros cote 92.97$.
Pour proter de cette opportunit darbitrage, on prend une position longue dans
les deux obligations zro-coupon et une position courte dans lobligation coupons.
t = 0, le prot est de 2.03$ i.e. +95 - 92.97.
En vendant lobligation coupons, on sengage payer 7$ au temps t = 1 et 107$
au temps t = 2.
Les obligations zro-coupon permettront de couvrir ces engagements.
t = 1, on reoit un paiement de 7$ de lobligation zro-coupon 1 an et on procde
au paiement du coupon d.
t = 2, on reoit un paiement de 107$ de lobligation zro-coupon 2 ans et on
procde au paiement du principal et coupon d.
Les positions sont fermes t = 2.
Les opportunits darbitrage peuvent exister mais doivent disparatre trs rapidement.
Lore et la demande des biens impliqus dans larbitrage vont squilibrer de telle
sorte quune telle opportunit ne deviendra plus protable.
Dans lexemple prcdent, laugmentation de la demande des obligations zro-coupon
poussera leurs prix la hausse, et les ventes de lobligation coupons poussera son
prix la baisse. Ultimement, les prix squilibreront pour que les deux produits soient
quivalents.
Lexemple prcdent nous amne la loi suivante, la loi dun seul prix.
Loi dun seul prix (law of one price) :
An dviter les opportunits darbitrage, deux produits nanciers (ou portefeuille
dactifs) produisant les mmes ux nanciers dans tous les scnarios possibles, doivent
avoir un prix identique.
Exemple dapplication de la loi dun seul prix : la relation de parit entre les options
dachat et de vente europennes ;
Relation de parit entre les options dachat et de vente europennes :
Il existe une relation dquilibre entre le prix des options dachat, de vente, du sous-
jacent et du titre sans risque ;
Cette relation doit tenir an dviter les opportunits darbitrage ;
Elle peut tre drive selon les mmes arguments ;
On considre deux portefeuille dactifs nanciers :
Portefeuille A : option dachat europenne et un montant dargent t = 0 de
Ke
rT
;
Portefeuille B : option de vente europenne et une action;
Paiement lchance de chacun des portefeuilles :
Ptf S
T
K S
T
> K
A K + 0 K + (S
T
K)
B (K S
T
) +S
T
0 +S
T
0.4. NOTIONS DARBITRAGE ET DE RPLICATION 5
Dans le scnario S
T
K, les portefeuilles A et B paient K;
Dans le scnario S
T
> K, les portefeuilles A et B paient S
T
;
Les deux portefeuilles ont les mmes ux nanciers dans les mmes scnarios ;
Ils doivent donc avoir la mme valeur t = 0.
En appliquant la loi dun seul prix, on obtient que
Ptf A = Ptf B
C
Call
0
+Ke
rT
= C
Put
0
+S
0
o C
Call
0
(C
Put
0
) est la valeur t = 0 dune option dachat (de vente) europenne avec
maturit T et prix dexercice K.
Lorsque des dividendes sont pays sur lactif sous-jacent, alors la relation de parit
devient
C
Call
0
+Ke
rT
= C
Put
0
+S
0
e
r
d
T
o r
d
est le taux de dividende continu. Lorsque les dividendes sont discrets, alors on
remplace S
0
e
r
d
T
par
S
0
D
o D est la valeur prsente (au taux sans risque) des dividendes verss jusqu
lchance du produit driv.
Dans lexemple sur les obligations, nous avons rpliqu les ux nanciers de lobligation
coupons laide dobligations zro-coupons ;
Dans la drivation de la relation de parit, nous avons rpliqu le portefeuille A laide
du portefeuille B;
La notion de rplication est un concept crucial en ingnierie nancire. La rplication
permet de :
Trouver le juste prix dun produit driv ;
Trouver une faon de couvrir les ux nanciers du produit driv (gestion des
risques) ;
valuation par rplication :
Consiste trouver un portefeuille dactifs qui rplique de faon exacte les ux nan-
ciers dans tous les scnarios possibles ;
Exemple : en utilisant lvaluation par rplication, quelle est la valeur aujourdhui (
t = 0) dun contrat terme qui oblige le dtenteur acheter une action ordinaire de
ABC inc. au prix de 40$ dans 3 mois ?
Solution :
Le contrat terme xe 3 mois davance le prix auquel nous allons payer laction
40$.
Si le prix de laction savre tre infrieur 40$, tre entr dans un contrat terme
naura pas t bnque.
Si laction vaut plus de 40$ dans 3 mois, le contrat terme sera bnque.
Par consquent, le prot sur le contrat terme est de
S
T
40
o T = 0.25 (3 mois). Il sagit donc dune variable alatoire.
6 CHAPITRE 0. INTRODUCTION
Pour rpliquer de faon exacte un tel paiement :
Il sut dacheter t = 0 une action : elle vaudra S
T
aprs 3 mois.
On emprunte t = 0 la valeur prsente de 40$, i.e. 40e
rT
. Aprs 3 mois, on devra
rembourser 40$.
Le contrat terme vaut donc t = 0
S
0
40e
rT
.
An de rpliquer des produits nanciers, nous avons appliqu de faon implicite les
hypothses suivantes :
Aucuns frais de transactions ;
Titres nanciers sont inniment divisibles (on peut acheter des fractions de nimporte
quel actif nancier) ;
Taux dintrt pour prter et emprunter est le mme : le taux sans risque ;
moins davis contraire, ces hypothses seront toujours utilises dans les chapitres qui
suivent.
0.5 Exercices
0.5.1 Examen MFE/3F
Mai 2007 : 1, 4 ;
Mai 2009 : aucun;
Q&A (version du 18 aot 2010) : 1, 2, 25, 26, 40 ;
0.5.2 Exercices supplmentaires
Dans un march nancier de type Arrow-Debreu, il existe autant dactifs sous-jacents
que de scnarios possibles. Un actif dArrow-Debreu paie un montant de 1$ t = 1 lorsque
le scnario i se ralise et 0 sinon. On note par
S
(i)
1
=
_
1, scnario ralis est i
0, sinon.
Le prix t = 0 dun tel actif est S
(i)
0
.
1. Supposons quil existe seulement 2 tats de la nature (2 scnarios possibles), tels que
S
(1)
0
= S
(2)
0
= 0.45.
Un produit driv payant 1$ dans tous les tats de la nature est introduit.
(a) Quelle est la nature dun tel produit driv ?
(b) Quel doit tre son juste prix pour viter les opportunits darbitrage ?
(c) Quel est le taux dintrt en vigueur dans ce march ?
0.5. EXERCICES 7
2. Supposons quil existe 3 tats de la nature (3 scnarios possibles), tels que
S
(1)
0
= S
(2)
0
= 0.25
et S
(3)
0
= 0.47.
(a) Un produit driv payant 1$ dans tous les tats de la nature est introduit : son
prix est de 0.95. Est-ce que le prix du produit driv entrane des opportunits
darbitrage ? Si oui, montrez comment vous pouvez exploiter cette opportunit ?
(b) Quel est le juste prix dun produit driv payant 10$ si ltat 1 ou 2 se ralise, et
2$ sinon?
8 CHAPITRE 0. INTRODUCTION
Premire partie
Modles temps discret pour lactif
sous-jacent
9
Chapitre 1
Arbre binomial une priode
1.1 Modle
Dans ce chapitre, on sintresse valuer un produit driv sur un actif sous-jacent
dont lvolution est dicte par un arbre binomial (Bernoulli) ;
March nancier (une conomie) possde deux actifs transigs :
Actif risqu (action ou autre actif sous-jacent) ;
Valeur future est alatoire, do la notion dactif risqu ;
Valeur initiale est connue ;
Actif sans risque (bon du Trsor, compte bancaire, etc.) ;
Aucun risque de dfaut ;
Taux dintrt en vigueur sur la priode est de r;
Peut tre capitalis de faon priodique, ou de faon continue. Sera spci dans
les exemples/problmes.
Actif sans risque
B
0
: prix de lactif sans risque t = 0 ;
B
1
: prix de lactif sans risque t = 1 ;
On requiert B
1
B
0
.
Selon le contexte :
B
t
= B
0
e
rt
(taux de rendement continument compos) ;
B
t
= B
0
(1 +r)
t
(taux de rendement priodiquement compos) ;
Souvent : B
0
= 1;
Notation examen MFE : la dnition de la notation B dans lexamen MFE est
dirente. Plus de dtails un peu plus loin.
Actif risqu
S
0
: prix du sous-jacent t = 0 ;
Connu et observ ;
S
1
: prix du sous-jacent t = 1 ;
Alatoire, inconnu;
On suppose que S
1
peut prendre deux valeurs possibles t = 1 :
S
u
1
avec probabilit p;
S
d
1
avec probabilit 1 p;
11
12 CHAPITRE 1. ARBRE BINOMIAL UNE PRIODE
La probabilit p est appele probabilit relle (observe ou physique) dobserver S
u
1
.
Elle peut tre estime laide de donnes sur lvolution du prix de laction;
Les valeurs de S
u
1
et S
d
1
peuvent tre spcies directement, ou elles peuvent tre
S
u
1
= S
0
u
S
d
1
= S
0
d
o u > d sont des facteurs de croissance et dcroissance situs autour de 1.
Finalement,
S
d
1
< S
0
e
r
< S
u
1
est une condition ncessaire pour la validit de larbre binomial une priode. Nous y
reviendrons plus en dtails plus tard.
1.2 valuation par rplication
Rappel : lvaluation par rplication consiste trouver un portefeuille dactifs qui
rplique de faon exacte les ux nanciers dans tous les scnarios possibles ;
Exemple :
Supposons que les analystes dterminent quun modle raliste pour lvolution du
prix de laction de ABC inc. est tel que laction pourrait gagner 10%.
Si le prix observ de laction aujourdhui est de 100$ et que le taux dintrt (sans
risque, continument compos) est de 6%, quel est le juste prix (qui empche les
opportunits darbitrage) dune option dachat sur laction avec prix dexercice de
105$ dune maturit dun an?
Solution :
On a que le prix de laction est reprsent par un arbre binomial une priode tel
que le prix est donn par larbre suivant.
110
100
90
Bref, S
0
= 100, S
u
1
= 110 et S
d
1
= 90.
La valeur de loption la maturit est une variable alatoire prenant soit 5$ ou 0$.
On cherche le prix dune telle option.
(110 105)
+
= 5
?
(90 105)
+
= 0
On utilisera lvaluation par rplication. Par consquent, quel portefeuille dactifs
permet de rpliquer un paiement de 5$ si le scnario # 1 (S
u
1
) se ralise ET un
paiement de 0$ si le scnario # 2 (S
d
1
) se ralise ?
Quels actifs doit-on utiliser pour btir un tel portefeuille de rplication? On utilise
les actifs disponibles sur le march, i.e. des actions (actif risqu) et des bons du
Trsor (actif sans risque).
1.2. VALUATION PAR RPLICATION 13
Soit x la quantit dactions ncessaire dans le portefeuille de rplication pour repro-
duire les paiements de loption.
Soit y la quantit de bons du Trsor ncessaire dans le portefeuille de rplication
pour reproduire les paiements de loption.
On veut
110 x +e
0.06
y = 5
90 x +e
0.06
y = 0.
En eet, dans le scnario # 1, le prix de laction est de 110$ et la valeur du titre
sans risque est de e
0.06
. Le paiement reproduire est de 5$ dans ce scnario.
De plus, dans le scnario # 2, le prix de laction est de 90$ et la valeur du titre sans
risque est aussi de e
0.06
. Le paiement reproduire est de 0$ dans ce scnario.
En rsolvant ce systme deux quations et deux inconnues, on trouve que
x = 0.25
y = 21.189702.
Par consquent, on trouve que pour rpliquer les paiements de loption dachat, il
sut dacheter 0.25 action et demprunter 21.19 units du titre sans risque.
Quel est le cot dune telle stratgie t = 0 ?
Le cot de cette stratgie est de
100x +y = 100 0.25 21.189702
= 3.810298.
Appliquons cette stratgie t = 0.
On achte 0.25 action quon nance partiellement avec un emprunt de 21.19$. Le
cot net de la stratgie est de 3.81$.
t = 1, lorsque S
1
= 110, alors le portefeuille vaut
110 x +e
0.06
y = 110 0.25 e
0.06
21.189702
= 5.
Lorsque S
1
= 90, alors le portefeuille vaut
90 x +e
0.06
y = 90 0.25 e
0.06
21.189702
= 0.
On a rpliqu de faon exacte les ux nanciers de loption dachat dans tous les
scnarios. Par consquent, par la loi dun seul prix, cette option dachat doit se
transiger 3.81$ t = 0 an dviter les opportunits darbitrage.
Portefeuille de rplication ou portefeuille rplicatif (replicating portfolio) : en-
semble dactifs quun investisseur doit dtenir an de rpliquer de faon exacte les ux
nanciers dun produit driv, et ce, dans tous les scnarios possibles.
Notation :
14 CHAPITRE 1. ARBRE BINOMIAL UNE PRIODE

(1)
1
: le nombre daction quil faut dtenir dans la (premire) priode pour rpliquer
un produit driv (correspond au x prcdent) ;

(0)
1
: le nombre dunits du titre sans risque quil faut dtenir dans la (premire)
priode pour rpliquer un produit driv (correspond au y prcdent) ;
Plus loin, il faudra mettre jour le portefeuille de telle sorte quon aura
t
. De plus,
il se pourrait quil y ait plus dun actif risqu, donc
(i)
t
, i = 1, 2, ...
De faon gnrale, supposons que les paiements du produit driv sont C
u
1
et C
d
1
lorsque
lactif sous-jacent vaut S
u
1
et S
d
1
respectivement.
De plus, le taux dintrt est r et est capitalis de faon continue.
On a

(0)
1
e
r
+
(1)
1
S
u
1
= C
u
1

(0)
1
e
r
+
(1)
1
S
d
1
= C
d
1
.
On soustrait les quations pour liminer
(0)
1
e
r
et on obtient directement

(1)
1
=
C
u
1
C
d
1
S
u
1
S
d
1
. (1.1)
Cette quantit est mieux connue sous lappellation de delta.
Notation MFE : quivalent ;
De plus,

(0)
1
= e
r
_
C
u
1

(1)
1
S
u
1
_
On substitue
(1)
1
et on obtient

(0)
1
= e
r
_
C
u
1

(1)
1
S
u
1
_
= e
r
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
. (1.2)
Notation MFE : attention,
(0)
1
correspond la notation B du livre de McDonald.
Par la loi dun seul prix, on sait que le cot du portefeuille t = 0 doit correspondre au
prix du produit driv t = 0. Sinon, il pourrait exister une opportunit darbitrage.
Par consquent, le cot de ce portefeuille aujourdhui est
C
0
=
(0)
1
B
0
+
(1)
1
S
0
=
(0)
1
+
(1)
1
S
0
et donc,
C
0
= e
r
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
+
C
u
1
C
d
1
S
u
1
S
d
1
S
0
. (1.3)
Exemple (suite) : en utilisant les valeurs de lexemple, on trouve directement,
C
0
= e
r
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
+
C
u
1
C
d
1
S
u
1
S
d
1
S
0
= e
0.06
0 110 5 90
110 90
+
5 0
110 90
100
= 3.8102980.
1.3. VALUATION NEUTRE AU RISQUE 15
1.3 valuation neutre au risque
1.3.1 Une simple rorganisation
Il existe une autre faon dapprocher le problme de lvaluation dun droit condition-
nel.
Pour y parvenir, nous allons rorganiser lquation 1.3. Lexercice peut sembler futile
pour linstant mais sera trs rvlateur mesure que nous avancerons dans le chapitre.
On a donc,
C
0
= e
r
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
+
C
u
1
C
d
1
S
u
1
S
d
1
S
0
= e
r
_
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
+e
r
C
u
1
C
d
1
S
u
1
S
d
1
S
0
_
en isolant e
r
. De plus,
C
0
= e
r
_
C
d
1
S
u
1
C
u
1
S
d
1
+C
u
1
S
0
e
r
C
d
1
S
0
e
r
S
u
1
S
d
1
_
= e
r
_
C
d
1

S
u
1
S
0
e
r
S
u
1
S
d
1
+C
u
1

S
0
e
r
S
d
1
S
u
1
S
d
1
_
en utilisant un dnominateur commun et en isolant certains termes.
Finalement, posons
q
S
0
e
r
S
d
1
S
u
1
S
d
1
. (1.4)
Si on dnit S
u
1
= S
0
u et S
d
1
= S
0
d, alors,
q =
e
r
d
u d
Le prix du produit driv qui empche les opportunits darbitrage est
C
0
= e
r
_
C
d
1
(1 q) +C
u
1
q
_
ce qui ressemble trangement esprance dune variable alatoire.
Nous verrons quil ne sagit pas dun hasard, mais avant, il faut voir quelques notions
supplmentaires.
1.3.2 Arbitrage
Nous avons suppos prcdemment que
S
d
1
< S
0
B
1
< S
u
1
ou de faon quivalente
d < e
r
< u. (1.5)
16 CHAPITRE 1. ARBRE BINOMIAL UNE PRIODE
Observons ce qui se passe si cette condition nest pas remplie. Pour simplier largu-
ment, supposons que B
0
= S
0
= 1.
(1) d < u < e
r
: "Le titre sans risque est toujours plus protable que le titre
risqu. Je vends le titre risqu pour 1$ et jachte le titre sans risque pour 1$. Voil !
Impossible de perdre !"
(2) e
r
< d < u : "Le titre risqu est toujours plus protable que le titre sans
risque. Je vends le titre sans risque pour 1$ et jachte le titre risqu pour 1$. Voil !
Impossible de perdre !"
(3) d < e
r
< u : "Attention! Mme si je vends un titre pour acheter lautre, il y a une
possibilit que je perde de largent t = 1." Donc, aucune opportunit darbitrage
dans ce cas.
Par consquent, la condition d < e
r
< u empche les opportunits darbitrage entre
lactif sans risque et lactif risqu (entre les titres disponibles sur le march).
Sachant que q =
e
r
d
ud
, quel est limpact de labsence darbitrage (dans le march) sur
la valeur de q ?
On peut facilement dduire que
0 < q < 1.
Par consquent, la condition dabsence darbitrage nous assure que q se comporte
comme une probabilit.
Rappel :
Nous avons tabli quil existe une probabilit (relle) p que le scnario # 1 (S
u
1
) se
ralise.
Cette probabilit peut facilement tre estime laide de donnes sur le prix de
laction.
Formellement, q est ce quon appelle une mesure de probabilit quivalente p car
les vnements impossibles sont les mmes avec p quavec q.
Exemple (suite) : dans lexemple, on obtient
q =
S
0
e
r
S
d
1
S
u
1
S
d
1
=
100e
0.06
90
110 90
= 0.80918273.
On trouve que le prix de loption dachat qui empche les opportunits darbitrage est
C
0
= e
r
_
C
d
1
(1 q) +C
u
1
q
_
= e
0.06
(0 (1 0.80918273) + 5 0.80918273)
= 3.8102980
ce qui est videmment quivalent car nous avons obtenu q en rorganisant lquation
1.3.
Exemple (suite) : supposons que lanalyste en charge dvaluer loption dachat men-
tionne a estim que p = 0.85. Peut-on calculer le prix de loption qui devrait prvaloir
sur les marchs nanciers qui empche les opportunits darbitrage ?
1.3. VALUATION NEUTRE AU RISQUE 17
Cela dpend. Quel est le bon taux dintrt pour escompter les ux nanciers ? Cette
question nest pas vidente rpondre car loption dachat est risque (on ne connait
pas sa valeur lchance) ! Par consquent, on ne peut pas escompter au taux sans
risque.
Toutefois, nous venons dutiliser le taux sans risque parce quune fois combin avec
la probabilit q, on obtient le juste prix.
Nous allons formaliser largument dans la prochaine section.
1.3.3 Thorme fondamental dvaluation
Le thorme fondamental dvaluation des actifs nanciers (fundamental theorem of as-
set pricing) formalise le lien entre lvaluation par rplication et les questions souleves
par les derniers exemples.
Nous allons prsenter le thorme dans le contexte de larbre binomial une priode.
Nous reprsenterons le thorme de faon plus gnrale lorsque des modles plus com-
plexes seront abords.
Dabord, nous devons dnir ce quest une martingale temps discret.
Martingale (martingale) : processus stochastique {X
t
, t = 0, 1, 2, ...} tel que
E[ X
s
|
t
] = X
t
, t < s
o

t
= {X
t
, X
t1
, X
t2
, ..., X
0
}
est linformation passe.
Donc, tant donn linformation observe jusqu t, la valeur espre du processus
dans le futur (et nimporte quel futur s) est la valeur prsente (observe t).
Il sagit dun processus qui retourne en moyenne sa valeur "initiale" (ou sa dernire
valeur connue).
Dans le cas discret,
E[ X
s
|
t
] = X
t
, t < s

E[ X
t+1
|
t
] = X
t
, t = 0, 1, 2, ...
Exemple : soit un processus AR(1) tel que
X
t
= X
t1
+
t
, t = 1, 2, 3, ...
avec
t
N (0, 1), X
0
connu et
0
= 0. Est-ce que ce processus est une martingale ?
Solution : nous allons vrier si la condition E[ X
t+1
|
t
] = X
t
est remplie pour tout
t 0. On a
E[ X
t+1
|
t
] = E[ X
t
+
t+1
|
t
]
= E[ X
t
|
t
] + E[
t+1
|
t
]
= X
t
+ 0
= X
t
.
18 CHAPITRE 1. ARBRE BINOMIAL UNE PRIODE
videmment, pour tout t,
E[ X
t+1
|
t
] = X
t
, t = 0, 1, 2, ...
ce qui nest pas une martingale, car en moyenne, sachant le pass, le processus revient
X
t
plutt que X
t
.
Exemple : supposons que
S
t
= S
t1
U
t
, t = 1, 2, ...
o U
t
= {u, d} toute priode (i.i.d. comme U). Est-ce que le processus {S
t
, t = 0, 1, 2, ...}
est une martingale ?
Solution : on doit vrier que
E[ S
t+1
|
t
] = S
t
, , t = 0, 1, 2, ...
Or, on a
E[ S
t+1
|
t
] = E[ S
t
U
t+1
|
t
]
= S
t
E[U
t+1
]
= S
t
E[U]
moins que E[U] = 1, {S
t
, t = 0, 1, 2, ...} nest pas une martingale.
Le thorme fondamental stipule quen absence darbitrage dans un modle binomial
une priode (tel que prsent dans ce chapitre), alors il existera toujours une probabilit
q quivalente p, telle que le prix dun produit driv peut tre exprim comme :
esprance prise avec une probabilit q;
ux nanciers escompts au taux sans risque ;
Linverse du thorme est galement vrai, i.e. si q est une probabilit valide, alors il
ny a pas darbitrage.
Pour valuer un produit driv, alors
C
0
= e
r
E
Q
[C
1
]
o E
Q
[.] signie une esprance prise avec la probabilit q.
Si nous navions pas fait lexercice de rorganiser lquation 1.3, il serait impossible de
dterminer quelle est la valeur de la probabilit q. Toutefois, le thorme fondamental
fournit une rponse ce sujet.
Condition martingale : la probabilit q doit tre telle que
S
0
= e
r
E
Q
[S
1
] ,
i.e. que la valeur prsente de lactif risqu est une martingale, avec la probabilit q.
Vrions que cest bel et bien le cas. On cherche une probabilit q telle que
S
0
= e
r
E
Q
[S
1
] .
1.3. VALUATION NEUTRE AU RISQUE 19
Donc,
e
r
E
Q
[S
1
] = e
r
_
q S
u
1
+ (1 q) S
d
1
_
et pour que ce soit gal S
0
, on a
e
r
_
q S
u
1
+ (1 q) S
d
1
_
= S
0
et en isolant q, on obtient bel et bien
q =
S
0
e
r
S
d
1
S
u
1
S
d
1
.
La condition dabsence darbitrage i.e. S
d
1
< S
0
B
1
< S
u
1
, nous assure que cette proba-
bilit est bien 0 < q < 1.
Illustrons les implications du thorme fondamental.
Illustration :
Le thorme stipule quen absence darbitrage, alors q est une probabilit ;
On sait que pour prvenir les opportunits darbitrage, on a besoin que S
d
1
< S
0
B
1
<
S
u
1
.
Supposons r = 0.1 (compos annuellement), S
0
= 100, S
1
{90, 105} ;
Il y a clairement arbitrage ! Le titre sans risque est toujours plus avantageux, peu
importe le scnario qui se ralisera ultimement.
Alors, on cherche la probabilit q telle que
S
0
=
1
1 +r
E
Q
[S
1
]
i.e.
S
0
= q
S
u
1
1 +r
+ (1 q)
S
d
1
1 +r
.
On trouve
q =
S
0
(1 +r) S
d
1
S
u
1
S
d
1
=
100 1.1 90
105 90
=
20
15
= 1.33.
Il est impossible davoir une probabilit suprieure 1 !
q nest donc pas une probabilit ;
Supposons r = 0.01, S
0
= 100, S
1
{102, 105} ;
Il y a clairement arbitrage ! Le titre risqu est toujours plus avantageux, peu
importe le scnario qui se ralisera ultimement.
Alors, on cherche la probabilit q telle que
S
0
=
1
1 +r
E
Q
[S
1
]
i.e.
S
0
= q
S
u
1
1 +r
+ (1 q)
S
d
1
1 +r
.
20 CHAPITRE 1. ARBRE BINOMIAL UNE PRIODE
On trouve
q =
S
0
(1 +r) S
d
1
S
u
1
S
d
1
=
100 1.01 102
105 102
=
1
3
= 0.33.
Il est impossible davoir une probabilit ngative !
q nest donc pas une probabilit ;
Supposons r = 0.02, S
0
= 100, S
1
{90, 105} ;
La condition de non-arbitrage est remplie. Le titre risqu peut tre plus ou moins
rentable que le titre sans risque.
Alors, on cherche la probabilit q telle que
S
0
=
1
1 +r
E
Q
[S
1
]
On trouve
q =
S
0
(1 +r) S
d
1
S
u
1
S
d
1
=
100 1.02 90
105 90
= 0.8.
q est une probabilit valide.
Donc, sil y a arbitrage, q nest pas une probabilit. Sil ny a pas darbitrage, alors
q est entre 0 et 1 (bornes exclues).
Linverse est galement simple montrer.
Supposons S
0
= 100, S
1
{90, 105}. Laissons r otter.
Sil existe une MME, alors 0 < q < 1. Donc,
0 < q =
S
0
(1 +r) S
d
1
S
u
1
S
d
1
< 1.
Par consquent,
0 <
100 (1 +r) 90
15
< 1
implique
90
100
< 1 +r <
15 + 90
100
0.1 < r < 0.05.
Un tel rsultat est logique car il est facile de voir que si cette ingalit nest pas
respecte, alors il y a arbitrage.
1.3. VALUATION NEUTRE AU RISQUE 21
Pourquoi 0 q 1 nest pas valide ? Il y a deux raisons :
Point de vue nancier : lorsque q = 0 ou q = 1, il est facile de vrier quil existerait
une opportunit darbitrage.
Point de vue probabilit : lorsque q = 0 ou q = 1, alors q nest plus une mesure de
probabilit quivalente p
Deux mesures de probabilit sont quivalentes lorsque les vnements impossibles
sous p sont les mmes sous q galement.
Synonymes :
q est appele une mesure martingale quivalente (MME) ;
q est plus souvent appele la mesure (de probabilit) neutre au risque ;
Pour quelle raison q est-elle appele la mesure neutre au risque ?
Car si les investisseurs taient rellement neutres au risque (contrairement avers
au risque), alors ils exigeraient un taux de rendement de r sur lactif risqu.
La condition martingale est exactement quivalente prtendre un monde virtuel
dans lequel les investisseurs sont neutres au risque.
IMPORTANT : il est crucial de comprendre quen ingnierie nancire (donc dans
ce chapitre et tous les autres que nous verrons), la probabilit neutre au risque na
absolument rien voir avec la probabilit relle quun vnement survienne.
Il sagit dun artice mathmatique ou dun raccourci, qui permet dvaluer un pro-
duit driv sans crer dopportunits darbitrage.
Dans la ralit, les investisseurs sont grandement avers au risque. Ils exigent une
prime de risque.
Par contre, pour valuer un produit driv sans crer dopportunits darbitrage, on
utilise un monde virtuel, convivial mathmatiquement, dans lequel les investisseurs
sont neutres au risque.
Lvaluation par rplication nous a montr que la probabilit p, quon estime avec les
donnes par exemple, nintervient dans aucune tape lorsquon calcule le prix dun
produit driv.
Lingnierie nancire et les mathmatiques actuarielles ont cette dirence fonda-
mentale dans lvaluation des produits.
Un produit driv peut tre rpliqu laide dactifs transigs. Par consquent, la
notion dabsence darbitrage est fondamentale pour assurer lquilibre du march.
Un contrat dassurance sur la vie dun individu ne peut pas tre rpliqu avec des
actifs transigs. Par consquent, la notion dabsence darbitrage est beaucoup moins
importante pour assurer lquilibre du march. Les outils dvelopps en mathma-
tiques actuarielles (bases sur les tables de mortalits, donnes observes daccident,
etc.) sont donc valides.
Exemple : dans lvaluation dun produit driv sur une action laide dun arbre
binomial, on trouve que q = 0.6. laide des donnes sur lvolution du prix de laction,
on estime que p = 0.75. On vous demande, selon vous, quelle est la probabilit que
laction atteigne 110$ dans un an. Que rpondez-vous cette personne ?
Solution : 75%. La probabilit q na de sens que lorsquon dsire calculer le prix sans
arbitrage dun produit driv. Dans nimporte quel autre contexte, q ne fait pas de
sens.
22 CHAPITRE 1. ARBRE BINOMIAL UNE PRIODE
1.4 Rsum
Pour valuer un produit driv, sans crer dopportunits darbitrage, dans un arbre
binomial une priode, il existe deux faons quivalentes :
On trouve le portefeuille qui rplique de faon exacte les ux nanciers dans tous les
scnarios possibles. Le cot initial de ce portefeuille correspond au prix du produit
driv.
On calcule la probabilit neutre au risque q dobserver S
u
1
. Par consquent, le prix
du produit driv correspond la valeur prsente espre (au taux sans risque et
avec q) des ux nanciers du produit driv.
Il existe donc un lien intrinsque entre labsence darbitrage et lexistence de cette
probabilit q.
La probabilit q na de sens que lorsquon dsire calculer le prix sans arbitrage dun
produit driv. Dans nimporte quel autre contexte, q ne fait pas de sens.
1.5 valuation avec la probabilit relle
Il est galement possible dutiliser la probabilit relle p pour trouver le prix dun
produit driv. Tel que mentionn prcdemment, il est toutefois ncessaire de connatre
le bon taux pour escompter les ux nanciers.
Exemple (suite) : on reprend lexemple o p = 0.85 et nous avions trouv que C
0
=
3.8102980. En sachant que p = 0.85, on peut calculer le taux de rendement attendu
par les investisseurs sur laction. En eet,
S
0
e

= S
d
1
(1 p) +S
u
1
p
ce qui implique
e

=
90 0.15 + 110 0.85
100
= 1.07
et 0.07.
Toutefois, une option dachat est plus risque quune action. Comme on a vu laide
du portefeuille de rplication, il sagit dune position
(1)
1
dans laction et dune
position
(0)
1
dans le titre sans risque.
Par consquent, le taux de rendement attendu sur loption est une somme pondre
du rendement attendu sur laction et sur le titre sans risque. On a
C
0
e

=
(1)
1
S
0
e

+
(0)
1
B
0
e
r
.
En utilisant les valeurs de lexemple, on obtient
3.8102980 e

= 0.25 100 1.07 21.189702 e


0.06
= 4.25
do on dduit
= 0.10921158.
1.6. EXERCICES 23
Finalement, le prix de loption dachat, en utilisant la probabilit relle p est
C
0
= e

E
P
[C
1
]
= e
0.10921158
(0.85 5 + 0.15 0)
= 3.810298.
On voit que pour valuer un produit driv avec la probabilit relle, il faut dabord
connatre le cot du portefeuille de rplication, ce qui nous aide gure plus.
Dans tous les autres cas, utiliser la probabilit relle p ncessite de faire une hypothse
sur ce qui peut tre prilleux. En eet, pour une valeur de p donne, il ny a quune
seule valeur de qui assure que le prix ne permette pas dopportunits darbitrage.
Exemple (suite) : supposons que p = 0.85 et quaprs analyse, = 0.12. Alors,
C
0
= e

E
P
[C
1
]
= e
0.12
(0.85 5 + 0.15 0)
= 3.7694119.
Ce prix est infrieur au cot du portefeuille de rplication. Par consquent, il y aurait
une opportunit darbitrage.
1.6 Exercices
1.6.1 Examen MFE/3F
Mai 2007 : 2 ;
Mai 2009 : 3, 7 ;
Q&A (version du 18 aot 2010) : 49 ;
1.6.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004).
1. (CZ) Dans un arbre binomial de CRR une priode, vous avez u = 1.2 et d = 0.98.
De plus, S
0
= 10 et r = 0.05 (priodique). Un droit conditionnel payant
C
1
=
_
|S
1
10|
est mis.
(a) Quel est le portefeuille qui rplique ce paiement et quel est le cot t = 0 ?
(b) laide de lvaluation neutre au risque, trouvez le juste prix de ce droit, et
comparez le avec votre rponse en a).
2. (CZ) On considre un modle de march une priode dont S
0
= 100 et S
1

{110, 100, 80}. Deux options de vente ont t mises : (1) une avec un prix dexer-
cice de 105$ se vend 8$ et (2) une autre avec un prix dexercice de 95$ dont le prix
est de 5$. Lchance de ces options est T = 1.
24 CHAPITRE 1. ARBRE BINOMIAL UNE PRIODE
(a) laide des titres risqus disponibles sur le march, trouvez le portefeuille qui
permet de rpliquer les paiements dun titre sans risque qui paie 1$ dans tous les
tats de la nature.
(b) Quel est le prix t = 0 dun tel portefeuille ? Quel est le taux sans risque (compos
priodiquement) implicite dans cette situation?
3. Vous savez que :
S
0
= 5, u = 1.12, d = 0.95, r = 0.03 (continument compos) et T = t = 1.
Selon lanalyste # 1, le taux dintrt le plus juste pour escompter les ux nanciers
est i
1
= 0.07 (continu) et selon lui, la vraie probabilit dune hausse de laction est
p
1
= 0.74.
Lanalyste # 2 est plus pessimiste. Il croit que le taux dintrt le plus appropri pen-
dant la priode est i
2
= 0.08 (continu) et selon lui, la probabilit dune augmentation
du prix de laction est p
2
= 0.67.
(a) Quel est le prix dune option dachat at-the-money selon chacun des analystes ?
(b) Les prix en a) ne sont pas les mmes. Y-a-t-il des opportunits darbitrage si cette
option est mise par chacun de ces analystes ?
(c) Quel est le prix de cette mme option dachat qui empche les opportunits dar-
bitrage ? Calculez-le laide du portefeuille de rplication et avec la mesure neutre
au risque.
(d) Trouvez le taux de rendement anticip sur laction pour chacun des analystes.
Note : le taux de rendement anticip sur la priode [0, T] est la valeur de tel
que
S
0
= e
T
E
P
[ S
T
| F
0
] = e
T
E
P
[S
T
] .
(e) Trouvez le taux de rendement anticip sur cette option dachat pour chacun des
analystes. Note : le taux de rendement anticip sur la priode [0, T] pour un
droit conditionnel est la valeur de tel que
C
0
= e
rT
E
Q
[C
T
] = e
T
E
P
[C
T
] .
Expliquez votre rsultat.
(f) Rptez e) avec une option de vente at-the-money. Interprtez le rsultat.
4. En utilisant lvaluation neutre au risque, montrer que le prix terme t = 0 pour la
livraison T dun actif sous-jacent ne gnrant aucun revenu est F
0
= S
0
e
rT
.
Chapitre 2
Arbre binomial deux priodes
2.1 Modle
On ajoute maintenant une priode larbre binomial du dernier chapitre. Nous verrons
que les mmes ides sont appliques chaque noeud de larbre.
Nous dbutons la prsentation avec larbre deux priodes car nous allons introduire
des concepts importants.
Par la suite, nous allons gnraliser avec plusieurs priodes.
March nancier (une conomie) possde les deux mmes actifs transigs :
Actif risqu (action ou autre actif sous-jacent) ;
Valeur future est alatoire chacune des deux priodes : processus stochastique ;
Valeur initiale est connue ;
Actif sans risque (bon du Trsor, compte bancaire, etc.) ;
Actif sans risque
B
t
: prix de lactif sans risque au temps t ;
On requiert B
t
B
t1
.
Actif risqu
S
0
: prix du sous-jacent t = 0 ;
S
t
: prix du sous-jacent t ;
{S
t
, t = 0, 1, 2} est un processus stochastique ;
IMPORTANT : un arbre binomial deux priodes est la rptition dun arbre bino-
mial une priode dans chacun des deux scnarios possibles.
S
1
prend deux valeurs possibles : S
u
1
et S
d
1
;
Sachant qu t = 1 on observe S
u
1
, alors le prix de lactif sous-jacent peut prendre
deux valeurs t = 2, i.e. S
uu
2
et S
ud
2
.
Sachant qu t = 1 on observe S
d
1
, alors le prix de lactif sous-jacent peut prendre
deux valeurs t = 2, i.e. S
du
2
et S
dd
2
.
Un arbre binomial ( deux priodes) est dit recombinant si S
ud
2
= S
du
2
.
25
26 CHAPITRE 2. ARBRE BINOMIAL DEUX PRIODES
Illustration :
S
uu
2
S
u
1
S
0
S
ud
2
= S
du
2
S
d
1
S
dd
2
La probabilit relle dobserver chacun des vnements est telle que
p
1
Pr (S
1
= S
u
1
| S
0
)
1 p
1
= Pr
_
S
1
= S
d
1

S
0
_
p
u
2
Pr (S
2
= S
uu
2
| S
1
= S
u
1
)
1 p
u
2
= Pr
_
S
2
= S
ud
2

S
1
= S
u
1
_
p
d
2
Pr
_
S
2
= S
du
2

S
1
= S
d
1
_
1 p
d
2
= Pr
_
S
2
= S
dd
2

S
1
= S
d
1
_
.
La plupart du temps, on pose p
1
= p
u
2
= p
d
2
= p
On peut spcier directement les valeurs de S
u
1
, S
d
1
, S
uu
2
, S
ud
2
et S
dd
2
. On peut galement
utiliser les facteurs de croissance u et dcroissance d (avec u > d) tels que
S
u
1
= S
0
u
S
d
1
= S
0
d
S
uu
2
= S
u
1
u = S
0
u
2
S
ud
2
= S
u
1
d = S
0
ud
...
Finalement,
S
d
1
< S
0
e
r
< S
u
1
S
uu
2
< S
u
1
e
r
< S
ud
2
S
du
2
< S
d
1
e
r
< S
dd
2
sont les trois conditions ncessaires pour la validit de larbre binomial deux priodes.
Nous y reviendrons plus en dtails plus tard.
2.2 valuation par rplication
Rappel : lvaluation par rplication consiste trouver un portefeuille dactifs qui
rplique de faon exacte les ux nanciers dans tous les scnarios possibles ;
Appliqu un arbre binomial deux priodes, chaque scnario correspond un chemin
dirent pris par lactif sous-jacent. Il y a 4 chemins possibles dans notre contexte :
uu, ud, du, dd;
Exemple :
2.2. VALUATION PAR RPLICATION 27
Supposons que les analystes dterminent quun modle raliste pour lvolution du
prix de laction de ABC inc. est tel que
S
0
S
1
S
2
C
2
125 10
120
100 99 3
95
90 1
Un produit driv quelconque est mis tel que les paiements (dans chaque scnario)
sont donns dans la dernire colonne du tableau prcdent.
Sachant que le taux dintrt (sans risque, compos chaque priode) est de 2%, quel
est le juste prix (qui empche les opportunits darbitrage) de ce produit driv ?
Solution :
Lide est exactement la mme quavec un arbre une priode. Il sut de reconnatre
quun arbre binomial deux priodes est une rptition dun arbre binomial une
priode.
Supposons qu t = 1, le prix de laction est de 120$. Quelle serait la valeur de ce
produit driv t = 1 ?
Nous allons rpliquer les paiements dans la partie suprieure de larbre, en traitant
celui-ci comme un arbre une priode i.e.
S
1
S
2
C
2
125 10
120
99 3
Tout comme dans le chapitre 1, on a x la quantit dactions ncessaire dans le
portefeuille de rplication pour reproduire les paiements de loption et y la quantit
de bons du Trsor ncessaire dans le portefeuille de rplication pour reproduire les
paiements de loption.
On veut
125 x + 1.02
2
y = 10
99 x + 1.02
2
y = 3.
En eet, sachant que S
1
= 120, le prix de laction t = 2 est de 125$ lorsque celui-ci
augmente. De plus, t = 2, la valeur du titre sans risque est de 1.02
2
. Le paiement
reproduire est de 10$ dans ce scnario.
Sachant que S
1
= 120, le prix de laction t = 2 est de 99$ lorsque celui-ci diminue.
De plus, t = 2, la valeur du titre sans risque est de 1.02
2
. Le paiement reproduire
est de 3$ dans ce scnario.
En rsolvant ce systme deux quations et deux inconnues, on trouve que
x = 0.26923077
y = 22.735338.
28 CHAPITRE 2. ARBRE BINOMIAL DEUX PRIODES
Formellement, on a donc rsoudre le systme dquations suivant, pour trouver

(0,u)
2
et
(1,u)
2

(0,u)
2
B
2
+
(1,u)
2
S
uu
2
= C
uu
2

(0,u)
2
B
2
+
(1,u)
2
S
ud
2
= C
ud
2
.
On aurait galement pu utiliser les quations 1.2 et 1.1. En eet,

(1,u)
2

C
uu
2
C
ud
2
S
uu
2
S
ud
2
=
10 3
125 99
=
7
26
= 0.269230769.
De plus,

(0,u)
2

1
B
2
C
ud
2
S
uu
2
C
uu
2
S
ud
2
S
uu
2
S
ud
2
=
1
1.02
2
3 125 10 99
125 99
= 22.735338.
Il faut remarquer la notation :

2
signie quil faut dtenir ce portefeuille dans la 2e priode
Dans lindice (1, u), le 1 correspond au titre risqu et le u indique quon a condi-
tionn sur le fait quon observe S
u
1
;
Le 0 de lindice (0, u) correspond au titre sans risque ;
Notez que la partie e
r
a t remplace par
1
B
2
car il sagit du facteur dactualisation
sur 2 priodes. En rsolvant le systme dquations 2 quations et 2 inconnues, le
terme
1
B
2
apparat naturellement.
Quelle est la valeur du produit driv t = 1 sachant que S
1
= 120 ? On doit
calculer le cot du portefeuille quon doit dtenir dans la seconde priode. Le cot
de ce portefeuille est
C
u
1
=
(0,u)
2
B
1
+
(1,u)
2
S
u
1
= 22.735338 1.02 + 0.269230769 120
= 9.1176475.
Par consquent, an dviter les opportunits darbitrage, le produit driv doit se
transiger 9.12$ t = 1 lorsque S
1
= 120.
Supposons maintenant qu t = 2, le prix de laction est de 95$. Quelle serait la
valeur de ce produit driv t = 1 ?
Nous allons rpliquer les paiements dans la partie infrieure de larbre, en traitant
celui-ci comme un arbre une priode i.e.
S
1
S
2
C
2
99 3
95
90 1
2.2. VALUATION PAR RPLICATION 29
Formellement, on a donc rsoudre le systme dquations suivant, pour trouver

(0,d)
2
et
(1,d)
2

(0,d)
2
B
2
+
(1,d)
2
S
du
2
= C
du
2

(0,d)
2
B
2
+
(1,d)
2
S
dd
2
= C
dd
2
.
Au lieu de rebtir les 2 quations pour trouver les deux inconnues, nous allons utliser
directement

(1,d)
2

C
du
2
C
dd
2
S
du
2
S
dd
2
=
3 1
99 90
=
2
9
= 0.2222222

(0,d)
2

1
B
2
C
dd
2
S
du
2
C
du
2
S
dd
2
S
du
2
S
dd
2
=
1
1.02
2
1 99 3 90
99 90
= 18.262207.
On remarque que les indices (1, d) et (0, d) indiquent que nous avons conditionn sur
le fait quon observe S
1
= 95 = S
d
1
t = 1.
Quelle est la valeur du produit driv t = 1 sachant que S
1
= 95 ? On doit calculer
le cot du portefeuille quon doit dtenir dans la seconde priode. Le cot de ce
portefeuille est
C
d
1
=
(0,d)
2
B
1
+
(1,d)
2
S
d
1
= 18.262207 1.02 + 0.2222222 95
= 2.4836579.
Maintenant, nous avons toutes les informations ncessaires an dvaluer le produit
driv t = 0. Nous allons traiter lvaluation comme dans un contexte une priode,
avec
S
0
S
1
C
1
120 9.1176475
100
95 2.4836579
laide des techniques drives dans le chapitre 1, on a

(1)
1
=
C
u
1
C
d
1
S
u
1
S
d
1
=
9.1176475 2.4836579
120 95
= 0.26535958

(0)
1
=
1
B
1
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
=
1
1.02
2.4836579 120 9.1176475 95
120 95
= 22.279904.
30 CHAPITRE 2. ARBRE BINOMIAL DEUX PRIODES
Finalement, le cot de ce portefeuille t = 0 est de
C
0
=
(0)
1
B
0
+
(1)
1
S
0
= 22.279904 1 + 0.26535958 100
= 4.256054.
An dviter les opportunits darbitrage, le prix qui doit prvaloir sur les marchs
nanciers t = 0 est de 4.26$.
Par consquent, un investissement initial de 4.26$ qui est investi dans le portefeuille
de rplication et ajust chaque priode en fonction des prix observs, rpliquera
avec certitude lun des 3 paiements possibles.
2.2.1 Complment dinformations
Ce que nous venons de voir indique une faon pour linvestisseur de rpliquer les paie-
ments dun produit driv.
En eet, en ayant un montant dargent de C
0
et en appliquant la stratgie de rplication
approprie, les paiements du droit conditionnel seront rpliqus avec certitude dans
tous les scnarios.
Au fur et mesure que le prix des actifs volue sur le march, linvestisseur ajuste
son portefeuille ;
Dans lexemple prcdent, linvestisseur doit dtenir 0.26535958 units dactions durant
la premire priode. Toutefois, lorsque le prix de laction augmente 120$, le nombre
dactions dtenir est de 0.269230769. linverse, lorsque le prix de laction diminue,
alors le nombre dactions dtenir est de 0.2222222.
La variation de valeur de chacun des titres et lajustement consquent du portefeuille
expliquent eux seuls la faon de rpliquer un droit conditionnel.
Aucun montant dargent na t ajout ou retir en cours de route ;
Il sagit donc dune stratgie auto-nance.
Stratgie (strategy) : rpartition temporelle
t
=
_

(0)
t
,
(1)
t
_

quelconque dune ri-


chesse initiale dans les actifs disponibles ;

(.)
t
signie que la stratgie est valide sur lintervalle de temps [t 1, t) ;
Valeur dun portefeuille (portfolio value) : valeur nancire dune stratgie ;
Notations :
X

t
: valeur au temps t dune stratgie
t
;
X

0
x : valeur initiale dun portefeuille ou richesse initiale ;
Par consquent,
X

t
=
(0)
t
B
t
+
(1)
t
S
t
, t = 1, 2, ...
Stratgie auto-nance (self-nancing strategy)
Une stratgie est dite auto-nance si les gains et les pertes encourues au cours du
temps sont rinvestis dans les actifs disponibles ;
Une fois que le portefeuille est bti t = 0, alors aucune entre ou sortie externe
dargent nest eectue du portefeuille.
2.2. VALUATION PAR RPLICATION 31
Mathmatiquement, ceci implique
X

t
=
(0)
t
B
t
+
(1)
t
S
t
=
(0)
t+1
B
t
+
(1)
t+1
S
t
pour t = 1, 2, ...
Par consquent, la valeur du portefeuille juste avant et juste aprs un rajuste-
ment est exactement la mme.
Sans le savoir, la section prcdente, nous avons appliqu les principes dune stratgie
auto-nance.
Exemple (suite) : t = 0 on a

(1)
1
= 0.26535958

(0)
1
= 22.279904.
La stratgie
1
sapplique pendant la premire priode, i.e. sur lintervalle [0, 1) . Le
portefeuille de rplication ncessite dtre mis jour chaque priode, en fonction des
prix observs. Supposons quon observe t = 1 que S
1
= 120. Un instant (juste)
avant le rebalancement, on a que
C
u
1
=
(0)
1
B
1
+
(1)
1
S
u
1
= 22.279904 1.02 + 0.26535958 120
= 9.1176475.
La stratgie de rplication est auto-nance, i.e. on ne peut pas ajouter ou retirer
dargent du portefeuille. Les gains et les pertes sont rinvestis dans les titres disponibles.
En fonction des prix observs t = 1, i.e.
S
1
= 120
B
1
= 1.02,
la stratgie est ajuste. La valeur du portefeuille juste avant et juste aprs le reba-
lancement doit tre la mme. On vrie que
C
u
1
=
(0)
1
B
1
+
(1)
1
S
u
1
(juste avant)
= 9.1176475
=
(0,u)
2
B
1
+
(1,u)
2
S
u
1
(juste aprs)
= 22.735338 1.02 + 0.269230769 120
= 9.1176475.
Laugmentation de valeur du portefeuille i.e. de 4.256054 9.1176475 est due
laugmentation de valeur de B et S. Les gains totaux ont t redistribus dans les
deux actifs disponibles.
De plus, la stratgie demandait une augmentation du nombre dactions (i.e. 0.26535958
0.269230769). Ce cot supplmentaire a t compens par un emprunt supplmen-
taire dans le titre sans risque (i.e. 22.279904 22.735338).
32 CHAPITRE 2. ARBRE BINOMIAL DEUX PRIODES
On remarque que
(1)
2
et
(0)
2
doivent tre mis jour (rebalancement) en fonction des
prix des actifs observs t = 1.
Donc,
(1)
2
et
(0)
2
sont des variables alatoires.
De manire gnrale, on dit donc que {
t
, t 1} est un processus stochastique pr-
visible (predictable ou previsible) car il dpend seulement de linformation disponible
t 1.
En observant comment on peut trouver le juste prix dun produit driv, on se rend
compte que nul na besoin de dterminer la probabilit dobserver une trajectoire ou
une autre.
Encore une fois, il sut de rpliquer les ux nanciers du produit driv, dans tous les
scnarios, an de reproduire avec certitude les paiements de celui-ci.
2.3 valuation neutre au risque
Puisque larbre binomial deux priodes nest quune rptition dun arbre binomial
une priode chacun des noeuds, il est donc galement possible de trouver une
probabilit neutre au risque q dobserver chacune des valeurs de larbre.
En rorganisant chacune des quations (comme au chapitre 1)
C
u
1
=
(0,u)
2
B
1
+
(1,u)
2
S
u
1
C
d
1
=
(0,d)
2
B
1
+
(1,d)
2
S
d
1
,
on peut trouver que
q
u
2

S
u
1
B
2
B
1
S
ud
2
S
uu
2
S
ud
2
q
d
2

S
d
1
B
2
B
1
S
dd
2
S
du
2
S
dd
2
.
On peut interprter q
u
2
comme tant la probabilit neutre au risque dobserver S
uu
2
sachant que laction vaut S
u
1
t = 1. Mathmatiquement,
q
u
2
= Pr
Q
(S
2
= S
uu
2
| S
1
= S
u
1
) .
Similairement,
q
d
2
= Pr
Q
_
S
2
= S
du
2

S
1
= S
d
1
_
q
1
= Pr
Q
(S
1
= S
u
1
| S
0
)
Exemple (suite) : nous allons valuer le produit driv de lexemple prcdent laide
de lvaluation neutre au risque. On commence dans larbre du noeud suprieur, ou
autrement dit, en sachant que S
1
= 120. Cet arbre est
S
1
S
2
C
2
125 10
120
99 3
2.3. VALUATION NEUTRE AU RISQUE 33
On a
q
u
2
=
S
u
1
B
2
B
1
S
ud
2
S
uu
2
S
ud
2
=
120 1.02 99
125 99
= 0.9.
Par consquent
C
u
1
=
1
1.02
E
Q
[ C
2
| S
1
= 120]
=
1
1.02
(q
u
2
10 + (1 q
u
2
) 3)
=
1
1.02
(0.9 10 + (1 0.9) 3)
= 9.1176471
ce qui est videmment la mme rponse quobtenue prcdemment.
Dans la partie infrieure de larbre, i.e. lorsque S
1
= 95 on a
S
1
S
2
C
2
99 3
95
90 1
et la probabilit neutre au risque dune augmentation est
q
d
2
=
95 1.02 90
99 90
= 0.76666667.
Par consquent,
C
d
1
=
1
1.02
E
Q
[ C
2
| S
1
= 95]
=
1
1.02
(0.76666667 3 + (1 0.76666667) 1)
= 2.4836601
ce qui est aussi quivalent ce que nous obtenu prcdemment.
Finalement, dans la partie principale de larbre, on a
S
0
S
1
C
1
120 9.1176475
100
95 2.4836579
La probabilit neutre au risque dobserver S
1
= 120 sachant que S
0
= 100, est
q
1
= Pr
Q
(S
1
= S
u
1
| S
0
)
=
S
0
B
1
B
0
S
d
1
S
u
1
S
d
1
=
100 1.02 95
120 95
= 0.28.
34 CHAPITRE 2. ARBRE BINOMIAL DEUX PRIODES
Par consquent,
C
0
=
1
1.02
E
Q
[ C
1
| S
0
= 100]
=
1
1.02
(q
1
9.1176475 + (1 q
1
) 2.4836579)
=
1
1.02
(0.28 9.1176475 + (1 0.28) 2.4836579)
= 4.2560539.
On obtient encore une fois la mme quantit qu la section prcdente.
Tout comme au chapitre 1, les probabilits neutres au risque nont absolument rien
voir avec les vraies probabilits dobserver une augmentation du prix de laction.
2.3.1 Arbitrage
Nous avons suppos prcdemment que
S
d
1
< S
0
e
r
< S
u
1
S
ud
2
< S
u
1
e
r
< S
uu
2
S
dd
2
< S
d
1
e
r
< S
du
2
.
Cette condition est quivalente
S
d
1
< S
0
B
1
< S
u
1
S
ud
2
< S
u
1
B
2
B
1
< S
uu
2
S
dd
2
< S
d
1
B
2
B
1
< S
du
2
.
o
B
t
B
t1
1
est le taux dintrt (compos priodiquement) en vigueur sur la t-me priode. Simi-
lairement, ln
B
t
B
t1
est le taux continument compos sur la mme priode.
Ces conditions sont ncessaires pour avoir labsence darbitrage dans larbre binomial
deux priodes.
Cest quivalent dire que chacun des arbres 1 priode ou chacun des noeuds (qui
cre larbre 2 priodes) ne gnre aucune possibilit darbitrage.
On remarque galement facilement que
S
d
1
< S
0
B
1
< S
u
1
0 < q
1
< 1
S
ud
2
< S
u
1
B
2
B
1
< S
uu
2
0 < q
u
2
< 1
S
dd
2
< S
d
1
B
2
B
1
< S
du
2
0 < q
d
2
< 1.
2.3. VALUATION NEUTRE AU RISQUE 35
Par consquent, labsence darbitrage dans tous les noeuds permet aux probabilits
neutre au risque dexister et vice versa.
Exemple (suite) : sachant que B
t
= 1.02
t
et que lvolution du titre risqu est tel que
S
0
S
1
S
2
125
120
100 99
95
90
dterminez sil y a arbitrage entre le titre risqu et le titre sans risque.
Prcdemment, nous avons pu vrier que q
1
, q
u
2
et q
d
2
sont des probabilits, alors il
y a absence darbitrage.
Inversement,
95 < 100 1.02 < 120
99 < 120 1.02 < 125
90 < 95 1.02 < 99
ce qui implique labsence darbitrage. De plus, les probabilits neutre au risque q
1
, q
u
2
et q
d
2
existent.
2.3.2 Thorme fondamental dvaluation
Le thorme fondamental dvaluation des actifs nanciers (fundamental theorem of
asset pricing) appliqu larbre binomial deux priodes a des consquences similaires
dans ce modle.
Il stipule quen absence darbitrage, les probabilits neutres au risque q
1
, q
u
2
et q
d
2
existent et vice-versa.
Formellement, an de trouver q
1
, q
u
2
et q
d
2
on doit appliquer la condition martingale
chaque arbre une priode.
Condition martingale : chacune des probabilits neutre au risques sont dtermines
en cherchant
q
1
tel que
S
0
B
0
= E
Q
_
S
1
B
1

S
0
_
q
u
2
tel que
S
u
1
B
1
= E
Q
_
S
2
B
2

S
1
= S
u
1
_
q
d
2
tel que
S
d
1
B
1
= E
Q
_
S
2
B
2

S
1
= S
d
1
_
.
Dans chaque noeud, on cherche une probabilit neutre au risque telle que la condition
martingale est respecte.
36 CHAPITRE 2. ARBRE BINOMIAL DEUX PRIODES
Exemple (suite) : on applique maintenant la condition martingale larbre binomial
2 priodes prcdent i.e.
S
0
S
1
S
2
125
120
100 99
95
90
sachant que le taux dintrt est de 2% annuellement compos.
La premire condition implique que
S
0
B
0
= E
Q
_
S
1
B
1

S
0
_
100
1
=
1
1.02
_
q
1
S
u
1
+ (1 q
1
) S
d
1
_
100
1
=
1
1.02
(120q
1
+ 95 (1 q
1
))
et en rsolvant pour q
1
dans lquation prcdente, on trouve
q
1
= Pr
Q
(S
1
= S
u
1
| S
0
)
=
S
0
B
1
B
0
S
d
1
S
u
1
S
d
1
=
100 1.02 95
120 95
= 0.28.
De plus, la seconde condition implique
S
u
1
B
1
= E
Q
_
S
2
B
2

S
1
= S
u
1
_
120
1.02
= E
Q
_
S
2
1.02
2

S
1
= S
u
1
_
=
1
1.02
2
_
q
u
2
S
uu
2
+ (1 q
u
2
) S
ud
2
_
et en rsolvant pour q
u
2
on dduit
q
u
2
=
S
u
1
B
2
B
1
S
ud
2
S
uu
2
S
ud
2
=
120 1.02 99
125 99
= 0.9.
Similairement,
q
d
2
=
95 1.02 90
99 90
= 0.76666667.
2.4. RSUM 37
La consquence du thorme fondamental dvaluation est que
C
0
B
0
= E
Q
_
C
1
B
1

S
0
_
C
u
1
B
1
= E
Q
_
C
2
B
2

S
1
= S
u
1
_
C
d
1
B
1
= E
Q
_
C
2
B
2

S
1
= S
d
1
_
.
On pourrait aussi crire
C
0
=E
Q
_
C
2
B
2

S
0
_
.
Exemple (suite) : lorsque B
t
= 1.02
t
, alors
B
t1
B
t
=
1
1.02
et donc,
C
0
=
1
1.02
E
Q
[ C
1
| S
0
]
C
u
1
=
1
1.02
E
Q
[ C
2
| S
1
= S
u
1
]
C
d
1
=
1
1.02
E
Q
_
C
2
| S
1
= S
d
1

ce qui a t calcul dans la section prcdente.


2.4 Rsum
Un arbre binomial deux priodes est la rptition darbres binomiaux une priode ;
Il y a un arbre une priode lorsque quon observe S
1
= S
u
1
et un autre lorsque
quon observe S
1
= S
d
1
;
Pour valuer un produit driv sans crer dopportunits darbitrage, dans un arbre
binomial deux priodes, il existe deux faons quivalentes :
On trouve le portefeuille qui rplique de faon exacte les ux nanciers du produit
driv dans chacun des noeuds chacune des priodes.
La rplication ncessite de mettre jour la stratgie de rplication au fur et
mesure que les prix sont rvls.
Le cot initial de ce portefeuille correspond au prix du produit driv.
On calcule les probabilits neutres au risque q
1
, q
u
2
et q
d
2
telles que la condition mar-
tingale est applique chaque noeud et priode. Par consquent, le prix du produit
driv correspond la valeur prsente espre (au taux sans risque avec les proba-
bilits q) des ux nanciers du produit driv.
Il existe donc un lien intrinsque entre labsence darbitrage et lexistence des proba-
bilits q
1
, q
u
2
et q
d
2
.
38 CHAPITRE 2. ARBRE BINOMIAL DEUX PRIODES
Les probabilits q
1
, q
u
2
et q
d
2
nont de sens que lorsquon dsire calculer le prix sans
arbitrage dun produit driv. Dans nimporte quel autre contexte, ces probabilits ne
font aucun sens.
2.5 Exercices
2.5.1 Examen MFE/3F
Mai 2007 : 11 ;
Mai 2009 : 1 ;
Q&A (version du 18 aot 2010) : 4, 46 ;
2.5.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exer-
cices nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son
autorisation).
1. Dans un arbre binomial de CRR deux priodes, vous avez u = 1.01 et d =
1
u
.
De plus, S
0
= 100 et r = 0.005 (continument compos). Trouvez le portefeuille qui
rplique les paiements dune option de vente europenne avec prix dexercice de 100$
(at-the-money).
2. (Suite dun exemple prsent dans les notes de cours) Supposons que le taux sans risque
r = 0.02 est capitalis chaque priode et que les trajectoires du titre sous-jacent sont
donnes dans le tableau suivant.
S
0
S
1
S
2
C
(1)
2

1
100 120 125 10

2
100 120 99 3

3
100 95 99 3

4
100 95 90 1
Les paiements dun droit conditionnel C
(1)
2
sont aussi crits dans le tableau prcdent.
(a) laide de lvaluation neutre au risque, montrez que le prix du droit conditionnel
chaque priode est le mme quavec le portefeuille de rplication.
(b) Pour les droits conditionnels suivants, trouvez le juste prix laide du portefeuille
de rplication et de lvaluation neutre au risque. Montrez que les deux prix sont
identiques.
i. Droit conditionnel C
(2)
2
dont le paiement lchance est |S
2
100| (valeur
absolue de S
2
100).
ii. Droit conditionnel C
(3)
2
dont le paiement lchance est
_
S
2
100
_
+
avec
S
2
=
1
3
(S
0
+S
1
+S
2
) (moyenne arithmtique).
2.5. EXERCICES 39
iii. Droit conditionnel C
(4)
2
dont le paiement lchance est
_
S
2


S
2
_
+
avec

S
2
= (S
0
S
1
S
2
)
1/3
(moyenne gomtrique).
3. (CZ) Dans un modle de march binomial 2 priodes, une action de 100$ peut monter
de 15% ou descendre de 5% dans une priode. Si le prix dune option dachat avec prix
dexercice de 115$ et chance de 2 priodes se vend 5.424$, trouvez le taux dintrt
r compos chaque priode.
40 CHAPITRE 2. ARBRE BINOMIAL DEUX PRIODES
Chapitre 3
Gnralisations et applications de
larbre binomial
3.1 Arbre binomial plusieurs priodes
Supposons quon projette la valeur dun actif sous-jacent sur un intervalle de temps
ni [0, T] ;
Lintervalle de temps [0, T] est divis en n sous-intervalles de temps : 0, t, 2t, ..., T
t, T
n + 1 priodes
t = T/n.
Notation : t = 0, t, 2t, ..., T t, T ou k = 0, 1, ..., n sont quivalents.
Lien entre les deux notations : t = kt;
chaque priode de temps, il y a k + 1 noeuds.
moins davis contraire, les hypothses suivantes sont utilises.
March nancier :
Actif risqu : S
t+t
= S
t
U
t+t
avec U
t+t
= {u, d} et U
t+t
i.i.d. dune priode
lautre ;
Actif non risqu : B
t+t
= B
t
e
rt
r est le taux dintrt valide pour une anne ;
On suppose que u et d sont constants partout dans larbre ;
Dans ce cours, u et d seront trs souvent donns ;
Examen MFE : les valeurs de u et d sont souvent
Cox-Ross-Rubinstein (CRR) (trs utilise en pratique) :
u = exp
_

t
_
d = exp
_

t
_
=
1
u
.
Jarrow-Rudd (JR) :
u = exp
_
_
r r
d
0.5
2
_
t +

t
_
d = exp
_
_
r r
d
0.5
2
_
t

t
_
41
42CHAPITRE 3. GNRALISATIONS ET APPLICATIONS DE LARBRE BINOMIAL
Note : est la volatilit de lactif sous-jacent et r
d
est le taux de revenu sur lactif
sous-jacent ;
Dans les deux cas (CRR ou JR), on peut montrer que lorsque t 0, alors la
distribution du prix du sous-jacent T converge vers une distribution lognormale.
Le prix dune option dachat ou de vente europenne converge vers la formule de
Black-Scholes.
On suppose que d < e
rt
< u;
Par consquent, il ny a pas darbitrage partout dans larbre binomial ;
Selon le thorme fondamental dvaluation des actifs nanciers, alors les probabilits
neutres au risque existent et sont uniques (voir plus loin) ;
Prochaine notation facilitera limplmentation informatique de larbre binomial plu-
sieurs priodes ;
Un exemple numrique complet suivra.
3.1.1 valuation par rplication
Supposons quon cherche trouver le juste prix dun produit driv laide de lva-
luation par le portefeuille de rplication.
Par exemple, on a trouv prcdemment

(1,d)
2
=
C
du
2
C
dd
2
S
du
2
S
dd
2

(0,d)
2
=
1
B
2
C
dd
2
S
du
2
C
du
2
S
dd
2
S
du
2
S
dd
2
laide dun arbre binomial deux priodes. En particularisant pour larbre binomial
considr dans cette section, on trouve par exemple

(1,d)
2
=
C
du
2
C
dd
2
S
d
1
(u d)

(0,d)
2
= e
2r
_
C
dd
2
u C
du
2
d
_
u d
.
On ne peut videmment pas utiliser de notation similaire pour un arbre n priodes
car elle deviendrait trop lourde.
On peut gnraliser pour le cas n priodes de la faon suivante.
Le portefeuille rplicatif change chaque noeud et chaque priode ;
Dnitions :

(1)
k
(j) et
(0)
k
(j) : le nombre dunits dans le titre risqu et non risqu, la priode
k et au noeud j.
Indices : k = 1, ..., n et j = 0, 1, 2, ..., k
c
n
(j) : paiement du droit conditionnel (de type europen) la maturit pour le
noeud j.
c
k
(j) : valeur du droit conditionnel (de type europen) la priode k pour le noeud
j.
Indices : k = 0, ..., n et j = 0, 1, 2, ..., k
3.1. ARBRE BINOMIAL PLUSIEURS PRIODES 43
De plus,
S
k
(j) = S
0
u
j
d
(kj)
est le prix du sous-jacent la priode k pour le noeud j.
Tableau illustratif :
k = 0 k = 1 k = 2 k = 3
S
3
(3) j = 3
S
2
(2) S
3
(2) j = 1
S
1
(1) S
2
(1) S
3
(1) j = 2
S
0
(0) S
1
(0) S
2
(0) S
3
(0) j = 0
Un tableau similaire peut tre fait pour c
k
(j) ,
(1)
k
(j) et
(0)
k
(j) .
la dernire priode k = n (ou t = T), il y a n + 1 noeuds.

(1)
n
(j) =
c
n
(j + 1) c
n
(j)
S
n1
(j) (u d)
, j = 0, 1, 2, ..., n 1

(0)
n
(j) = e
rnt
c
n
(j) u c
n
(j + 1) d
u d
, j = 0, 1, 2, ..., n 1
Pour les autres priodes, i.e. k = n 1, n 2, ..., 2, 1, on procde de faon rcursive.
La stratgie est auto-nance, ce qui implique
c
n1
(j) =
(0)
n
(j) e
r(n1)t
+
(1)
n
(j) S
n1
(j) , j = 0, 1, ..., n 1.
On rpte la procdure pour k = n 1, n 2, n 3, ..., 3, 2, 1.
La stratgie rplicative est

(1)
k
(j) =
c
k
(j + 1) c
k
(j)
S
k1
(j) (u d)
, j = 0, 1, 2, ..., k 1

(0)
k
(j) = e
rkt
c
k
(j) u c
k
(j + 1) d
u d
, j = 0, 1, 2, ..., k 1.
La valeur du produit driv est donne par
c
k1
(j) =
(0)
k
(j) e
r(k1)t
+
(1)
k
(j) S
k1
(j) , j = 0, 1, ..., k 1.
Exemple : voici les donnes de lexemple qui seront utilises dans cette sous-section
et les suivantes (gures 11.7 et 11.8 du livre de Hull).
r = 0.05 (continument compos et annuel)
u = 1.2 et d = 0.8
Prix initial de laction S
0
= 50
Prix dexercice : K = 52
T = 2 et n = 2, donc t = 1.
On dsire valuer une option de vente avec maturit T = 2.
Exemple (suite) : laide des donnes prcdentes, utilisez le portefeuille de rplication
pour trouver le juste prix du produit driv.
44CHAPITRE 3. GNRALISATIONS ET APPLICATIONS DE LARBRE BINOMIAL
Solution :
Le tableau suivant rsume les paiements de loption ainsi que la valeur de laction
j S
0
(j) S
1
(j) S
2
(j) c
2
(j)
2 n/a n/a 72 0
1 n/a 60 48 4
0 50 40 32 20
Donc,

(1)
2
(j) =
c
2
(j + 1) c
2
(j)
S
1
(j) (u d)
, j = 0, 1

(0)
2
(j) = e
2r
c
2
(j) u c
2
(j + 1) d
u d
, j = 0, 1
ce qui implique
j
(0)
2
(j)
(1)
2
(j) c
2
(j)
2 n/a n/a 0
1 12e
0.1

1
6
4
0 52e
0.1
1 20
Donc, la valeur de loption aprs une priode est soit de
c
1
(0) = 52e
0.1
e
0.05
1 40 = 9.46393
c
1
(1) = 12e
0.1
e
0.05

1
6
60 = 1.41475.
On cherche le portefeuille qui rplique ces paiements (payos)

(1)
1
(0) =
c
1
(1) c
1
(0)
S
0
(0) (u d)
= 0.4024588

(0)
1
(0) = e
r
c
1
(0) u c
2
(1) d
u d
= 24.315597.
Donc le prix de loption est
c
0
(0) = 24.315597 1 0.4024588 50
= 4.192656731.
3.1.2 valuation neutre au risque
Condition martingale : dans larbre binomial, la condition martingale la plus gn-
rale est telle que
S
t
B
t
= E
Q
_
S
t+1
B
t+1

F
t
_
, t = 0, 1, 2, ...
On note que F
t
correspond linformation donne par toutes les trajectoires possibles
gnres par S
0
, S
1
, ..., S
t
;
3.1. ARBRE BINOMIAL PLUSIEURS PRIODES 45
En termes de probabilits avances, F
t
est la plus petite tribu gnre par S
0
, S
1
, ..., S
t
.
La consquence du thorme fondamental dvaluation est que le prix dun produit
driv est tel que
C
t
B
t
= E
Q
_
C
t+1
B
t+1

F
t
_
, t = 0, 1, 2, ...
Donc,
C
0
=E
Q
_
C
T
B
T

F
0
_
car B
0
= 1.
La premire tape consiste trouver la mesure neutre au risque valide dans larbre
binomial. Une fois que cette mesure est trouve, on value le produit driv rcursive-
ment.
IMPORTANT : La mesure de probabilit neutre au risque na de sens que lorsquon
dsire calculer le prix sans arbitrage dun produit driv. Dans nimporte quel autre
contexte, cette mesure de probabilit ne fait aucun sens.
Dans larbre binomial considr, on retrouve trs facilement la mesure de probabilit
neutre au risque. En eet, on a
S
t
B
t
= E
Q
_
S
t+1
B
t+1

F
t
_
S
t
e
rt
= e
r(t+1)
E
Q
[ S
t
U
t+1
| F
t
]
1 = E
Q
_
U
t+1
e
r

F
t

.
Puisque les U
t+1
sont i.i.d. comme U, alors
E
Q
_
U
t+1
e
r

F
t

= e
r
E
Q
[U
t
] = 1
ce qui implique
q
_
ue
r
_
+ (1 q)
_
de
r
_
= 1
et nalement
q
e
r
d
u d
.
videmment, pour un court intervalle de temps on a
q
e
rt
d
u d
.
Puisquil ny a pas darbitrage, alors 0 < q < 1 ce qui appuie lexistence de la mesure
neutre au risque.
De plus, tant donn que le taux dintrt est le mme toutes les priodes (constant,
at) alors q est le mme pour chaque priode et pour chaque noeud.
Nous procderons une valuation rcursive du prix dun produit driv. En appliquant
C
t
B
t
= E
Q
_
C
t+1
B
t+1

F
t
_
46CHAPITRE 3. GNRALISATIONS ET APPLICATIONS DE LARBRE BINOMIAL
au contexte prsent, on a
c
k1
(j) e
(k1)rt
= q
_
e
krt
c
k
(j + 1)
_
+ (1 q)
_
e
krt
c
k
(j)
_
pour j = 0, 1, ..., k 1 et k = n, n 1, n 2, ..., 3, 2, 1. On peut simplier et obtenir
c
k1
(j) = e
rt
[q c
k
(j + 1) + (1 q) c
k
(j)] , j = 0, 1, ..., k 1.
On dbute avec k = n en utilisant les paiements du droit conditionnel la maturit
comme valeurs de c
n
(j).
Ensuite on procde rcursivement, de k = n k = n1, k = n2, ... etc. jusqu
k = 1.
Exemple (suite) : laide de lvaluation neutre au risque, valuez loption de vente
en question.
On sait que la probabilit neutre au risque dun mouvement la hausse est
q =
e
rt
d
u d
=
e
0.051
0.8
1.2 0.8
= 0.628177741.
Alors
c
k1
(j) = e
rt
[q c
k
(j + 1) + (1 q) c
k
(j)]
pour j = 0, 1, ..., k 1 et k = 1, 2. Donc
c
1
(0) = e
rt
[q c
2
(1) + (1 q) c
2
(0)]
= 9.463930074
c
1
(1) = e
rt
[q c
2
(2) + (1 q) c
2
(1)]
= 1.414753094.
On applique la formule de nouveau
c
0
(0) = e
rt
[q c
1
(1) + (1 q) c
1
(0)]
= 4.192654281.
videmment, on obtient le mme rsultat.
3.1.2.1 Distribution binomiale
En dnissant lvolution du prix de laction comme
S
k
(j) = S
0
u
j
d
kj
,
(pour k = 0, 1, 2, ..., n et j = 0, 1, 2, ..., k) on remarque que le prix du sous-jacent une
certaine priode k suit une loi binomiale (k, q) dans la mesure neutre au risque.
Par consquent, Pr
_
S
k
= S
0
u
j
d
kj
_
correspond la probabilit quil y ait j mouve-
ments la hausse et k j mouvements la baisse durant k priodes.
3.1. ARBRE BINOMIAL PLUSIEURS PRIODES 47
Le juste prix dun droit conditionnel europen C
T
g (S
T
) est donc
C
0
= E
Q
_
C
T
B
1
T

F
0

=
n

j=0
e
rT
g
_
S
0
u
j
d
nj
_
Pr
Q
_
S
n
= S
0
u
j
d
nj
_
=
n

j=0
e
rT
g
_
S
0
u
j
d
nj
_

_
n
j
_
q
j
(1 q)
kj
.
Exemple (suite) : est-il possible dutiliser la distribution binomiale pour valuer le
produit driv prcdent ?
Solution : Oui, on a
C
0
= E
Q
_
C
T
B
1
T

F
0

=
2

j=0
e
rT
g
_
S
0
u
j
d
nj
_
Pr
Q
_
S
2
= S
0
u
j
d
nj
_
=
2

j=0
e
rT
g
_
S
0
u
j
d
nj
_

_
2
j
_
q
j
(1 q)
kj
avec q = 0.628177741. Or
j g (S
T
)
_
2
j
_
Prob.
2 0 1 0.3946073
1 4 2 0.4671409
0 20 1 0.1382518
o Prob=
_
2
j
_
q
j
(1 q)
kj
. Lesprance vaut donc
C
0
= e
20.05
(0 0.3946073 + 4 0.4671409 + 20 0.1382518)
= 4.1926542
ce qui est aussi la mme chose.
Dans certains cas (options exotiques par exemple), il peut tre plus pratique dutiliser
une approche trajectoire par trajectoire (si videmment, le nombre de trajectoires nest
pas trop grand) :
(1) Pour chacune des trajectoires, calculer le paiement du droit lchance.
(2) Calculer la probabilit neutre au risque dobserver chacun des paiements du droit.
Les probabilits doivent sommer 1 sur les trajectoires.
(3) Calculer le facteur dactualisation correspondant chaque trajectoire.
Le prix du droit est donc la somme du produit des trois lments suivants : (1)
paiement T, (2) probabilit neutre au risque et (3) facteur dactualisation.
Exemple (option asiatique) : dans un arbre binomial 3 priodes, vous avez que
S
0
= 100, u = 1.1 et d = 0.9. Une option paie
C
3
= max
_
S
1
+S
2
+S
3
3
100, 0
_
.
48CHAPITRE 3. GNRALISATIONS ET APPLICATIONS DE LARBRE BINOMIAL
Sachant que r (priodique) est de 4%, quel est le prix de cette option?
Solution : la moyenne arithmtique doit tre calcule sur tous les chemins possibles.
Or, on observe le tableau suivant :
S
1
S
2
S
3
Moyenne
1 110 121 133.1 121.37
2 110 121 108.9 113.30
3 110 99 108.9 105.97
4 110 99 89.1 99.37
5 90 99 108.9 99.30
6 90 99 89.1 92.70
7 90 81 89.1 86.70
8 90 81 72.9 81.30
Donc, seules les trois premires trajectoires peuvent produire un paiement positif.
On remarque galement que mme si les trajectoires uud, udu, duu mnent au mme
S
2
, le paiement du produit driv nest pas ncessairement le mme : il dpend de
la trajectoire emprunte.
On a
q =
1.04 0.9
1.1 0.9
= 0.7
et les trajectoires uuu, uud et udu peuvent produire des paiements. Par consquent,
la valeur de loption est
C
0
=
1
1.04
3
_
q
3
21.37 +q
2
(1 q) 13.30 +q
2
(1 q) 5.97
_
=
1
1.04
3
_
0.7
3
21.37 + 0.7
2
(1 0.7) 13.30
+0.7
2
(1 0.7) 5.97
_
= 9.0345144.
3.2 Options amricaines
Un droit conditionnel de type amricain est un droit conditionnel dont lexercice peut
survenir en tout temps avant la maturit du droit.
Lorsque lexercice peut survenir qu certaines priodes pr-spcies davance, il
sagit dune option de type bermudienne.
Le dtenteur du droit conditionnel exercera loption lorsque ce sera optimal de le faire.
Il le fera lorsque la valeur de continuation est infrieure au paiement du droit si
celui-ci tait exerc immdiatement.
La valeur de continuation du droit conditionnel amricain est la valeur prsente espre
des ux nanciers futurs :
V C
k1
(j) e
rt
[q c
k
(j + 1) + (1 q) c
k
(j)] , j = 0, 1, ..., k 1
Cest la valeur de loption k 1 si lexercice tait impossible cette priode.
3.2. OPTIONS AMRICAINES 49
Par consquent, V C
k1
(j) peut galement tre calcul laide dun portefeuille de
rplication.
Si le dtenteur du droit conditionnel amricain dcide dexercer le droit conditionnel
t, alors le paiement sera de g (S
t
) ;
g peut tre (S
t
K)
+
, (K S
t
)
+
, etc.
Le dtenteur exercera seulement si g (S
t
) > V C
t
. Sinon, il conservera loption dexercer.
Par consquent, la valeur de loption au noeud j est
c
k1
(j) = max (V C
k1
(j) , g (S
k1
(j))) , j = 0, 1, ..., k 1
et pour k = 1, 2, ..., n.
Rappels :
Il nest jamais optimal dexercer prmaturment une option dachat amricaine sur
un actif sous-jacent qui ne paie pas de dividende.
Il peut tre optimal dexercer prmaturment une option de vente amricaine sur
un actif sous-jacent qui ne paie pas de dividende.
Sil y a des versements de dividendes, alors il peut tre optimal dexercer :
une option dachat juste avant le versement du dividende ;
une option de vente juste aprs le versement du dividende ;
Exemple (suite) : dans loption de vente en question, on suppose que loption est
amricaine. Quelle est la valeur de lexercice prmatur ?
Solution : on cherche la dirence entre la valeur de loption de vente europenne et
amricaine.
On applique la technique rcursive en sachant
V C
k1
(j) = e
rt
[q c
k
(j + 1) + (1 q) c
k
(j)] , j = 0, 1, ..., k 1
et
c
k1
(j) = max (V C
k1
(j) , g (S
k1
(j))) , j = 0, 1, ..., k 1.
On a trouv prcdemment que
V C
1
(0) = 9.463930074
V C
1
(1) = 1.414753094.
Or,
g (S
1
(0)) = g (40) = 12
g (S
1
(1)) = g (60) = 0.
On dduit que linvestisseur devrait exercer loption t = 1 si le prix de laction est
40. Donc,
c
1
(0) = max (V C
1
(0) , g (S
1
(0)))
= max (9.463930074, 12)
= 12
c
1
(1) = max (V C
1
(1) , g (S
1
(1)))
= max (1.414753094, 0)
= 1.414753094.
50CHAPITRE 3. GNRALISATIONS ET APPLICATIONS DE LARBRE BINOMIAL
Par consquent, le prix de loption est
V C
0
(0) = e
rt
[q c
1
(1) + (1 q) c
1
(0)]
= 5.089632474
et
c
0
(0) = max (5.089632474, 2)
= 5.089632474
car un exercice prmatur de loption procurerait 2$.
La valeur de lexercice prmatur est la dirence de valeur entre loption amricaine
et europenne et correspond
5.089632474 4.1926542 = 0.89697827.
3.3 Options sur autres actifs
Nous avons toujours considr des actifs qui ne fournissaient aucun revenu.
En pratique, plusieurs actifs paient un certain revenu, ou se comportent comme sils
versaient un revenu.
Options sur actifs qui paient un taux de dividende continu :
Que se passe-t-il lorsquune compagnie paie un dividende continu?
Du point de vue de la compagnie, les dividendes diminuent lavoir disponible et
rduisent le potentiel dexpansion de lentreprise.
Pour linvestisseur, les dividendes augmentent le rendement sur laction.
Notation :
S
1
correspond au prix dune action aprs le versement des dividendes (ex-dividend) ;
S

1
correspond la valeur totale de laction privilgie pour linvestisseur (en ajou-
tant le rendement de dividende) o
S

1
= e
r
d
S
1
.
Le rendement en dividende est important considrer car lorsquon rplique les
paiements dune option avec une action privilgie, elle augmentera la valeur de la
portion investie en action.
valuation par rplication : on cherche rsoudre

(0)
1
B
1
+
(1)
1
S
u
1
= C
u
1

(0)
1
B
1
+
(1)
1
S
d
1
= C
d
1
o
S
u
1
= S
u
1
e
r
d
S
d
1
= S
d
1
e
r
d
.
3.4. APPLICATIONS VARIES 51
On rsoud le systme dquation pour trouver

(1)
1
=
C
u
1
C
d
1
S
u
1
S
d
1
= e
r
d
C
u
1
C
d
1
S
u
1
S
d
1

(0)
1
= e
r
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
= e
r
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
.
Par consquent, seulement
(1)
1
est modi.
valuation neutre au risque : on a
C
0
=
(0)
1
B
0
+
(1)
1
S
0
et en rorganisant lquation, on obtient
q =
S
0
B
1
S
d
1
S
u
1
S
d
1
=
S
0
e
r
S
d
1
e
r
d
S
u
1
e
r
d
S
d
1
e
r
d
=
S
0
e
rr
d
S
d
1
S
u
1
S
d
1
ou de faon quivalente,
q =
exp((r r
d
) t) d
u d
.
Options sur devises :
Une devise peut tre vue comme un actif qui paie un dividende de r
f
o r
f
est le
taux sans risque tranger.
Alors,
q =
exp ((r r
f
) t) d
u d
.
Options sur contrats terme :
Un contrat terme peut tre trait dans larbre binomial comme si r
d
= r, ce qui
implique
q =
1 d
u d
.
La maturit du contrat terme doit coincider avec loption sur celui-ci.
3.4 Applications varies
Que se passe-t-il lorsquun dividende discret est vers ? Ou lorsque le taux dintrt
varie dune trajectoire lautre ?
Nous allons tudier ces deux cas particuliers laide dexemples numriques
Exemple : Arbre binomial sur 2 priodes non-recombinant
52CHAPITRE 3. GNRALISATIONS ET APPLICATIONS DE LARBRE BINOMIAL
Supposons les trajectoires suivantes pour le prix du sous-jacent.
S
0
S
1
S
2

1
100 110 120

2
100 110 100

3
100 90 95

4
100 90 80
avec B
t
= 1.02
t
(aucun arbitrage).
Comment peut-on trouver les probabilits neutres au risque ?
Solution : le fait que larbre binomial ne soit pas recombinant nest aucunement
problmatique.
On trouve que
q
1
=
100 1.02 90
110 90
= 0.6
q
u
2
=
110 1.02 100
120 100
= 0.61
q
d
2
=
90 1.02 80
95 80
= 0.7866.
Par consquent, la probabilit neutre au risque de chacune des trajectoires est
Q(
1
) = q
1
q
u
2
= 0.6 0.61 = 0.366
Q(
2
) = q
1
(1 q
u
2
) = 0.6 0.39 = 0.234
Q(
3
) = (1 q
1
) q
d
2
= 0.4 0.7866 = 0.31464
Q(
4
) = (1 q
1
)
_
1 q
d
2
_
= 0.4 0.2134 = 0.08536.
Exemple (suite) : supposons que C
2
= (90 S
2
)
+
. Quelle est la valeur de ce produit
driv ?
Solution : on a directement
10 Q(
4
) 1.02
2
= 10 0.156 1.02
2
= 1.4994233.
Exemple (suite) : supposons maintenant que r
0
, le taux sans risque valide sur [0, 1]
est de 2% (annuel) et que le taux sans risque r
1
valide sur lintervalle [1, 2] est 3%.
Calculez les probabilits neutres au risque.
Solution : en appliquant
S
t1
B
1
t1
= E
Q
_
S
t
B
1
t

F
t1

, t = 1, 2
on obtient
q
1
=
100 1.02 90
110 90
= 0.6
q
u
2
=
110 1.03 100
120 100
= 0.665
q
d
2
=
90 1.03 80
95 80
= 0.8466.
De plus, les Q(
i
) sont obtenues similairement.
3.5. EXERCICES 53
Exemple (suite) : supposons maintenant que dans le contexte original du problme,
on a un dividende discret de 1$ vers t = 1 (immdiatement aprs le dvoilement des
prix). Par consquent, les prix montrs dans le tableau sont juste avant le versement
du dividende. Calculez les probabilits neutres au risque.
Solution : en appliquant
S
t1
B
1
t1
= E
Q
_
S
t
B
1
t

F
t1

, t = 1, 2
on obtient
q
1
=
100 1.02 90
110 90
= 0.6
q
u
2
=
(110 1) 1.02 100
120 100
= 0.559
q
d
2
=
(90 1) 1.02 80
95 80
= 0.71866
De plus, les Q(
i
) sont obtenues similairement.
3.5 Exercices
3.5.1 Examen MFE/3F
Mai 2007 : aucun;
Mai 2009 : 7 ;
Q&A (version du 18 aot 2010) : 5, 44 ;
3.5.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exer-
cices nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son
autorisation).
1. On considre un arbre binomial de CRR 3 priodes. Vous avez r = 0.05 (continu),
S
0
= 100, u = 1.1 et d = 0.9. De plus, laction ne verse aucun dividende.
(a) En utilisant lvaluation neutre au risque, trouvez le juste prix dune option de
vente amricaine at-the-money.
(b) Calculez la valeur de lexercice prmatur de cette option.
2. Une action valant 50$ t = 0 peut monter de 12% dans une priode ou descendre de
8%. Si le taux dintrt continu est de 5%, t = 1 et T = 4, laide de lvaluation
neutre au risque, trouvez le prix dun droit conditionnel qui paie lchance
C
4
= (max (S
1
, S
2
, S
3
, S
4
) 55)
+
(a) ... lorsque laction ne verse aucun dividende ;
54CHAPITRE 3. GNRALISATIONS ET APPLICATIONS DE LARBRE BINOMIAL
(b) ... lorsque laction verse un dividende continu annuel de 1%;
3. (CZ) Nous considrons un arbre binomial de CRR 2 priodes avec r = 0.01 (p-
riodique), S
0
= 100, u = 1.02 et d = 0.98. Laction ne verse pas de dividende. On
considre un droit conditionnel europen qui paie lchance
C
2
=
_
S
2
2
, S
2
> 100
0 S
2
100.
Note : S
2
2
est le carr du prix de lactif sous-jacent au temps t = 2.
(a) En utilisant lvaluation neutre au risque, trouvez le juste prix de ce produit
driv.
(b) En utilisant lvaluation neutre au risque, trouvez le juste prix de la version am-
ricaine de ce produit driv, en assumant que le paiement est le mme en cas
dexercice prmatur.
4. (CZ) On considre les trajectoires suivantes dun actif sous-jacent.

i
S
0
S
1
S
2
1 50 55 57
2 50 55 48
3 50 47 48
4 50 47 41
On a que r = 0.02 (compos chaque priode). Un dividende de 3$ est vers t = 1
(immdiatement aprs le dvoilement des prix t = 1). En utilisant lvaluation neutre
au risque :
(a) Trouvez le prix dune option de vente amricaine avec prix dexercice de 45$ avec
maturit de 2 priodes.
(b) Trouvez le prix dune option dachat amricaine avec prix dexercice de 45$ avec
maturit de 2 priodes.
5. (GG) On considre le modle de march suivant o le taux dintrt est stochastique
mais prvisible. Les trajectoires de lactif sans risque ({B
t
, t = 0, 1, 2}) et de lactif ris-
qu ({S
t
, t = 0, 1, 2}) (qui ne paie aucun revenu) sont donnes dans le tableau suivant.

i
S
0
S
1
S
2
B
0
B
1
B
2
1 40 41 42.50 1000 1020 1040
2 40 41 40.20 1000 1020 1040
3 40 39 39.90 1000 1020 1030
4 40 39 39 1000 1020 1030
Un droit conditionnel payant
C
2
= (max (S
1
, S
2
) 40)
+
est mis.
3.5. EXERCICES 55
(a) Dcrire laide dun arbre, lvolution de {S
t
, t = 0, 1, 2} .
(b) Montrez que ce modle de march nadmet pas larbitrage.
(c) Trouvez la stratgie qui permet de rpliquer les ux nanciers de ce droit condi-
tionnel, pour toutes les priodes, i.e. trouvez
1
et
2
. Il sagit de votre portefeuille
rplicatif.
(d) Dterminez le cot initial du portefeuille rplicatif.
(e) Trouvez la seule et unique mesure martingale quivalente pour ce modle.
(f) Vriez que le cot du portefeuille rplicatif est le mme qu laide de lvaluation
neutre au risque.
(g) Un droit conditionnel D
2
= 100 est mis (obligation zro-coupon). Quel est le
juste prix de ce droit conditionnel ?
6. Une banque dinvestissement europenne met une option de vente sur la devise am-
ricaine dune dure de 6 mois. Vous utilisez un arbre binomial deux priodes. Vous
savez que le taux dintrt sans risque en Europe est denviron 3% alors quil est de 1%
aux tats-Unis. De plus, le taux de change courant est de 1.25$ par euro, la volatilit
du taux de change est de 20% (u est dni selon CRR), et le prix dexercice de loption
est de 1.35$ par euro.
(a) Calculez la valeur de 1000 de ces options (en euro) t = 0 en utilisant lvaluation
neutre au risque ;
(b) Sans mettre loption de vente, de quelle faon la banque dinvestissement peut-
elle rpliquer les paiements de cette option chaque priode et chaque scnario ?
56CHAPITRE 3. GNRALISATIONS ET APPLICATIONS DE LARBRE BINOMIAL
Chapitre 4
Arbres trinomiaux et marchs
incomplets
4.1 Modle
Dans ce chapitre, on sintresse valuer un produit driv sur un actif sous-jacent
dont lvolution est dicte par un arbre trinomial ;
Lactif sous-jacent peut prendre trois valeurs possibles la n de la priode ;
March nancier (une conomie) possde deux actifs transigs :
Actif risqu (action ou autre actif sous-jacent) ;
Actif sans risque (bon du Trsor, compte bancaire, etc.) ;
Comme aux derniers chapitres ;
Valeur au temps t = 0 et t = 1 donn par B
0
et B
1
;
Taux dintrt continument ou priodiquement compos ;
Dterministe (non-alatoire) ;
Actif risqu
S
0
: prix du sous-jacent t = 0 ;
Connu et observ ;
S
1
: prix du sous-jacent t = 1 ;
Alatoire, inconnu;
On suppose que S
1
peut prendre trois valeurs possibles t = 1 :
S
u
1
avec probabilit p
u
;
S
m
1
avec probabilit p
m
S
d
1
avec probabilit p
d
= 1 p
u
p
m
;
On a galement : S
d
1
< S
m
1
< S
u
1
.
Similairement, les probabilits p
u
, p
m
et p
d
sont appeles probabilits relles, observes
ou physiques dobserver S
u
1
, S
m
1
et S
d
1
respectivement.
Finalement,
S
d
1
< S
0
B
1
B
0
< S
u
1
est une condition ncessaire pour la validit de larbre trinomial une priode. Nous
y reviendrons plus en dtails plus tard.
57
58 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
Arbre trinomial peut tre vu comme tant un arbre binomial + un risque supplmen-
taire.
Cest ce risque supplmentaire qui cre les dicults dans lvaluation par rplication
et lvaluation neutre au risque.
4.2 valuation par rplication
On dsire valuer un droit conditionnel sur S
1
dans un arbre trinomial ;
Une premire faon dapprocher le problme est de trouver le portefeuille qui rpliquera
les paiements du produit driv en question;
Rappel : lvaluation par rplication consiste trouver un portefeuille dactifs qui
rplique de faon exacte les ux nanciers dans tous les scnarios possibles ;
Procdons laide dun exemple ;
Exemple : supposons que le taux dintrt annuel est de 10% (compos priodique-
ment). De plus, lactif sous-jacent est tel que S
0
= 6 et S
1
{7.7, 5.5, 3.3}. Une option
de vente avec prix dexercice de 7.70$ avec maturit de 1 an est mis. Quel devrait tre
le prix de cette option de vente an dviter les opportunits darbitrage ?
Solution : on doit trouver la quantit du titre sans risque et du titre risqu quon doit
possder t = 0 de telle sorte que ce portefeuille ait les mmes paiements que loption
de vente, dans tous les scnarios.
Soit x la quantit dactions ncessaire dans le portefeuille de rplication pour repro-
duire les paiements de loption.
Soit y la quantit de bons du Trsor ncessaire dans le portefeuille de rplication
pour reproduire les paiements de loption.
De plus, la valeur du titre risqu et les paiements du produit driv sont :
S
0
S
1
C
1
7.7 (7.7 7.7)
+
= 0
6 5.5 (7.7 5.5)
+
= 2.2
3.3 (7.7 3.3)
+
= 4.4
Le systme dquations devient
7.7x + 1.1y = 0
5.5x + 1.1y = 2.2
3.3x + 1.1y = 4.4.
En rsolvant les deux premires quations on obtient
x = 1, y = 7.
De plus,
3.3 1 + 1.1 7 = 4.4
ce qui signie que le portefeuille [1, 7] permettra de rpliquer les paiements du
produit driv t = 1 dans tous les scnarios possibles.
4.2. VALUATION PAR RPLICATION 59
La valeur de ce droit conditionnel t = 0 (ou le juste prix) est le cot dacquisition
de ce portefeuille et correspond

(1)
1
S
0
+
(0)
1
B
0
= 1 6 + 7 1 = 1.
Exemple (suite) : dans lexemple prcdent, supposons que loption de vente a un prix
dexercice de 6$. Est-il encore possible de construire un portefeuille de rplication?
Solution : lvolution du titre risqu et les paiements du droit conditionnel sont :
S
0
S
1
C
1
7.7 (6 7.7)
+
= 0
6 5.5 (6 5.5)
+
= 0.5
3.3 (6 3.3)
+
= 2.7
Pour trouver le portefeuille de rplication, le systme dquations rsoudre est
7.7x + 1.1y = 0
5.5x + 1.1y = 0.5
3.3x + 1.1y = 2.7
ce qui est un systme de trois quations deux inconnues.
Peut-on rsoudre un tel systme ? Malheureusement non car il ny a aucune solution.
En eet, en rsolvant les deux premires quations, on a
x = 0.22727273, y = 1.5909091
mais
3.3 0.22727273 + 1.1 1.5909091 = 1 = 2.7.
Il nexiste donc pas de portefeuille qui puisse rpliquer les paiements de ce droit
conditionnel. La rplication parfaite est impossible.
quel prix devrait se transiger un tel produit an dviter les opportunits darbi-
trage ? Il existe une innit de prix qui empchent les opportunits darbitrage. En
fait, on aura que C
0

_
C
inf
0
, C
sup
0

.
Par contre, en pratique, comment lacheteur et le vendeur sentendront-ils sur un
prix unique ?
Il est fort probable que le prix oert et demand sera celui qui minimisera le risque
de chacune des parties.
Par consquent, dautres hypothses devront tre utilises pour trouver un prix
unique.
Comment se fait-il que dans le mme march, certains produits peuvent tre rpliqus
alors que dautres ne peuvent ltre ?
Il existe des droits accessibles et des droits non accessibles ;
Droit accessible (attainable claim) : un droit conditionnel pour lequel il existe un
seul et unique portefeuille de rplication.
Exemple (suite) : dans le march nancier prsent dans lexemple prcdent, quels
produits drivs pourraient tre accessibles ? Autrement dit, que devraient tre les
paiements du droit conditionnel an de trouver un portefeuille de rplication unique ?
60 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
Solution : on a
S
0
S
1
C
1
7.7 c
u
6 5.5 c
m
3.3 c
d
et le systme dquations devient
7.7x + 1.1y = c
u
5.5x + 1.1y = c
m
3.3x + 1.1y = c
d
.
En gnral, ce systme dquations nadmet aucune solution la plupart du temps.
Toutefois, lorsque la solution de
7.7x + 1.1y = c
u
5.5x + 1.1y = c
m
permet galement de rsoudre
3.3x + 1.1y = c
d
alors la solution est unique et le droit conditionnel est accessible.
Utilisons la soustraction dquations pour rsoudre ce systme. En soustrayant les
deux premires quations et les deux dernires quations, on a
2.2x = c
u
c
m
2.2x = c
m
c
d
.
Donc la condition daccessibilit est
c
u
c
m
= c
m
c
d
.
Dans le cas de loption de vente avec prix dexercice de 6$, on a
c
u
= 0, c
m
= 0.5, c
d
= 2.7
et pour loption avec prix dexercice de 7.70$, on a
c
u
= 0, c
m
= 2.2, c
d
= 4.4.
On remarque que la condition daccessibilit est rencontre dans le 2e cas seulement.
Cest ce que nous avions not prcdemment.
4.3. VALUATION NEUTRE AU RISQUE 61
4.3 valuation neutre au risque
4.3.1 Arbitrage
Nous avons suppos prcdemment que
S
d
1
< S
0
B
1
B
0
< S
u
1
.
Il est facile de voir quil sagit galement de la condition dabsence darbitrage dans
larbre trinomial :
Le titre risqu doit avoir la possibilit davoir un rendement plus petit ou plus grand
que le titre sans risque ;
On peut donc aborder la version la plus gnrale du thorme fondamental dvaluation
des actifs nanciers ;
4.3.2 Thorme fondamental dvaluation
Dans larbre binomial une ou plusieurs priodes, nous avons remarqu quil existe une
approche alternative dvaluation des produits drivs : lvaluation neutre au risque.
En absence darbitrage, il existe une seule et unique mesure de probabilit neutre au
risque. Le prix dun produit driv qui empche les opportunit darbitrage :
esprance sous la mesure neutre au risque ;
ux nanciers futurs escompts au taux sans risque ;
Comme nous avons vu en manipulant lquation du cot du portefeuille de rplica-
tion, lexistence de lapproche neutre au risque est intrinsque lexistence dun tel
portefeuille ;
Quen est-il pour larbre trinomial (ou nimporte quel autre processus temps discret)
pour reprsenter lvolution de {S
t
, t 0} ?
Thorme fondamental dvaluation (pour larbre trinomial et nimporte quel
autre processus temps discret) : en absence darbitrage, il existe au moins une mesure
neutre au risque telle que la condition martingale est respecte, et vice-versa.
Condition martingale : dans larbre trinomial (ou nimporte quel processus temps
discret), la condition martingale est telle que
S
t
B
t
= E
Q
_
S
t+1
B
t+1

F
t
_
, t = 0, 1, 2, ...
On note que F
t
correspond linformation donne par toutes les trajectoires possibles
gnres par S
0
, S
1
, ..., S
t
;
En termes de probabilits avances, F
t
est la plus petite tribu gnre par S
0
, S
1
, ..., S
t
.
La consquence du thorme fondamental dvaluation est que le prix dun produit
driv est tel que
C
t
B
t
= E
Q
_
C
t+1
B
t+1

F
t
_
, t = 0, 1, 2, ...
Donc,
C
0
=E
Q
_
C
T
B
T

F
0
_
62 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
lorsque B
0
= 1.
La premire tape consiste trouver la mesure neutre au risque valide dans le modle
pour le titre risqu. Une fois que cette mesure est trouve, on value le produit driv
rcursivement.
IMPORTANT : La mesure de probabilit neutre au risque na de sens que lorsquon
dsire calculer le prix sans arbitrage dun produit driv. Dans nimporte quel autre
contexte, cette mesure de probabilit ne fait aucun sens.
Illustration : supposons quun actif risqu est transig avec S
0
connu et S
1

_
S
d
1
, S
m
1
, S
u
1
_
avec S
d
1
< S
m
1
< S
u
1
.
Le thorme fondamental stipule quen absence darbitrage, alors il existe au moins
une mesure neutre au risque (mesure martingale quivalente ou MME) ;
On sait que pour prvenir les opportunits darbitrage, on a besoin que S
d
1
< S
0
B
1
B
0
<
S
u
1
. Supposons B
0
= 1.
Cas # 1 : B
1
= 1.05, S
0
= 100, S
1
{90, 100, 110}.
Il ny a pas darbitrage ! Nous lavons dmontr prcdemment.
Alors, on cherche les probabilits q
u
et q
m
telles que
S
0
B
1
0
= E
Q
_
S
1
B
1
1

F
0

i.e.
S
0
= q
u
S
u
1
B
1
+q
m
S
m
1
B
1
+ (1 q
u
q
m
)
S
d
1
B
1
.
On a
100 = q
u
110
1.05
+q
d
100
1.05
+ (1 q
u
q
m
)
90
1.05
105 = 110q
u
+ 100q
m
+ 90 (1 q
u
q
d
)
Il y a une quation et deux inconnues. Il y a donc une innit de solutions.
Puisquil existe une innit de valeurs de q
u
et q
m
telles que 0 < q
u
< 1 et 0 <
q
m
< 1, alors il existe une innit de MME, ce qui conrme labsence darbitrage.
Cas # 2 : B
1
= 1.1, S
0
= 100, S
1
{90, 100, 105}.
Il y a clairement arbitrage : le titre sans risque rapporte toujours plus que le titre
risqu !
Alors, on cherche les probabilits q
u
et q
m
telles que
S
0
B
1
0
= E
Q
_
S
1
B
1
1

F
0

i.e.
S
0
= q
u
S
u
1
B
1
+q
m
S
m
1
B
1
+ (1 q
u
q
m
)
S
d
1
B
1
.
On a
100 = q
u
105
1.1
+q
m
100
1.1
+ (1 q
u
q
m
)
90
1.1
110 = 105q
u
+ 100q
m
+ 90 (1 q
u
q
m
)
Il y a une quation et deux inconnues. Il y a donc une innit de solutions.
4.3. VALUATION NEUTRE AU RISQUE 63
Toutefois, an de rsoudre cette quation, il est ncessaire que q
u
ou q
m
ou
(1 q
u
q
m
) soit suprieure 1.
En eet, droite de lquation, on a une somme pondre de valeurs toutes inf-
rieures 110. Les poids (ou un des poids) doivent tre ncessairement suprieurs
1.
Des poids suprieurs 1 ne correspondent pas des probabilits valides.
Il nexiste donc aucune MME, ce qui implique quil existe de larbitrage.
Le cas avec S
0
B
1
< S
d
1
est semblable.
Linverse du thorme est simple montrer.
En eet, laissons B
1
otter dans le cas # 2. On suppose galement que 0 < q
u
< 1,
0 < q
m
< 1 et 0 < 1 q
u
q
m
< 1.
On a
100 =
105
B
1
q
u
+
100
B
1
q
m
+
90
B
1
(1 q
u
q
m
)
ou
B
1
= 1.05q
u
+q
m
+ 0.9 (1 q
u
q
m
) .
Par consquent, la somme pondre de 1.05, 1 et 0.9 donnera un rsultat tel que
0.9 < B
1
< 1.05.
Il ny a donc pas darbitrage.
Dans ce qui suit, nous allons illustrer comment trouver les bornes sur les probabili-
ts neutres au risque et comment calculer le prix dun produit driv dans une telle
situation.
Exemple (suite)
Rappel : le taux dintrt annuel est de 10%, S
0
= 6 et S
1
{7.7, 5.5, 3.3} . Deux
options de vente ont t mises : prix dexercice de 6$ et de 7.70$.
Recherche des probabilits neutres au risque :
Dans ce modle de march, il ny a clairement pas darbitrage. Par le thorme
fondamental, on devrait donc trouver au moins une MME.
Nous avons,
S
0
= E
Q
_
S
1
B
1
1

F
0

=
7.7
1.1
q
u
+
5.5
1.1
q
m
+
3.3
1.1
(1 q
u
q
m
) = 6.
On voit que le systme a deux inconnues et une quation. Par consquent, il y
aura une innit de MME.
En eet,
7q
u
+ 5q
m
+ 3 (1 q
u
q
m
) = 6
4q
u
+ 2q
m
= 3
q
u
+ 0.5q
m
= 0.75.
Pas toutes les valeurs de q
u
seront des MME. Si on xe q
m
, alors
0 < q
u
= 0.75 0.5q
m
< 1.
64 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
Puisque 0 < q
u
< 1, alors
0 < 0.75 0.5q
m
< 1
0.75 < 0.5q
m
< 0.25
1.5 > q
m
> 0.5
ou
0 < q
m
< 1
ce qui nest malheureusement pas plus informatif !
De plus,
0 < 1 q
u
q
m
< 1
0 < 1 (0.75 0.5q
m
) q
m
< 1
0 < 0.25 0.5q
m
< 1
0.25 < 0.5q
m
< 0.75
0.5 > q
m
> 1.5
ou
0 < q
m
< 0.5.
Par consquent, lorsquon dtermine q
m
comme variable libre, alors elle doit
respecter 0 < q
m
< 0.5. De plus, q
u
= 0.75 0.5q
m
.
Lorsque q
u
est la variable libre, alors q
m
=
3
2
2q
u
. On applique
0 <
3
2
2q
u
< 1
3
2
< 2q
u
<
1
2
3
4
> q
u
>
1
4
ou
1
4
< q
u
<
3
4
.
De plus,
0 < 1 q
u
q
m
< 1
0 < 1 q
u

_
3
2
2q
u
_
< 1
0 < q
u

1
2
< 1
0.5 < q
u
< 1.5
ou
0.5 < q
u
< 1.
4.3. VALUATION NEUTRE AU RISQUE 65
Lintersection des deux intervalles est
_
1
4
< q
u
<
3
4
_

(0.5 < q
u
< 1) = (0.5 < q
u
< 0.75)
Par consquent, lorsquon dtermine q
u
comme variable libre, alors elle doit
respecter 0.5 < q
u
< 0.75. De plus, q
m
=
3
2
2q
u
.
valuation des produits drivs :
Dbutons avec le cas le plus simple : lorsque le prix dexercice est de 7.70$.
Nous avions trouv que le droit conditionnel tait accessible ;
laide de lapproche neutre au risque, on trouve
C
0
= E
Q
_
B
1
1
C
1

F
0

=
0
1.1
q
u
+
2.2
1.1
q
m
+
4.4
1.1
(1 q
u
q
m
)
= 4 2q
m
4q
u
.
Or, 4q
u
+ 2q
2
= 3 an davoir au moins une MME, ce qui implique
C
0
= 4 2q
2
4q
u
= 4 3 = 1.
On avait,
(1)
1
= 1 et
(0)
1
= 7, ce qui donne aussi C
0
= 7 1 1 6 = 1.
Le droit est accessible, donc le prix est indpendant du choix de q
u
et q
m
(et
vice-versa).
Considrons maintenant le cas o le prix dexercice est de 6$. Nous avions trouv
que le droit ntait pas accessible et donc, quil ny avait pas de portefeuille de
rplication unique.
Par consquent, le prix du droit conditionnel nest pas unique.
Alors,
C
0
= E
Q
_
B
1
1
C
1

F
0

=
0
1.1
q
u
+
0.5
1.1
q
m
+
2.7
1.1
(1 q
u
q
m
)
=
5
11
q
m
+
27
11
(1 q
u
q
m
)
=
27
11

27
11
q
u
2q
m
.
De plus,
C
0
=
27
11

27
11
q
u
2q
m
=
27
11

27
11
(0.75 0.5q
m
) 2q
m
= 0.61363636 0.77272727q
m
.
66 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
Lorsque q
m
= 0 (ce qui narrivera jamais, cest seulement pour borner le prix du
droit conditionnel) ou q
m
= 0.5, alors
C
0
= 0.61363636 0.77272727 0 = 0.61363636 ou
C
0
= 0.61363636 0.77272727 0.5 = 0.22727273.
Par consquent, le prix du droit conditionnel qui empche les opportunits dar-
bitrage est compris dans lintervalle
0.22727273 < C
0
< 0.61363636.
Lorsque q
u
est la variable libre, alors
C
0
=
5
11
q
m
+
27
11
(1 q
u
q
m
)
=
5
11
_
3
2
2q
u
_
+
27
11
_
1 q
u

_
3
2
2q
u
__
=
17
11
q
u

6
11
Puisque 0.5 < q
u
< 0.75, il est facile de voir que le rsultat est le mme, i.e.
0.2272727273 < C
0
< 0.61363636.
Par consquent, lorsque le droit est accessible, le prix dun produit driv est indpen-
dant des valeurs de q
u
, q
m
et est unique.
Lorsque le droit nest pas accessible, le prix dun produit driv nest pas unique et
dpend des valeurs de q
u
, q
m
.
March complet : on dit quun march est complet lorsque tous les droits condition-
nels sont accessibles et quil ny a pas darbitrage dans le march ;
Modle de march bas sur larbre binomial (une ou plusieurs priodes) est complet ;
Le portefeuille de rplication est unique et correspond

(1)
1
=
C
u
1
C
d
1
S
u
1
S
d
1
et
(0)
1
= e
r
C
d
1
S
u
1
C
u
1
S
d
1
S
u
1
S
d
1
.
Les probabilits neutres au risque sont uniques et correspondent
q =
S
0
B
1
B
0
S
d
1
S
u
1
S
d
1
.
Modle de march bas sur larbre trinomial (une ou plusieurs priodes) est incom-
plet ;
Le portefeuille de rplication peut ne pas exister ;
Il existe une innit de probabilits neutres au risque ;
Quel devrait tre le prix dun droit conditionnel dans cette situation?
Tout prix tel que 0.2272727273 < C
0
< 0.61363636 empche les opportunits dar-
bitrage ;
Or, il y en a une innit et dautres hypothses devront tre utilises ;
Ce quil faut retenir est que la rplication nest pas parfaite ;
En choisissant un certain C
0
et en appliquant une des stratgies disponibles, le
paiement nal peut ne peut pas tre rpliqu ;
4.4. ARBRES TRINOMIAUX DEUX ACTIFS RISQUS 67
4.4 Arbres trinomiaux deux actifs risqus
Larbre trinomial est souvent utilis en combinaison avec un second actif risqu et nous
verrons pourquoi ;
Permet de complter le march ;
Illustrons laide dun exemple ;
Exemple : supposons que dans un march, il existe deux actions ordinaires qui sont
transiges : ABC inc. et XYZ inc. On suppose galement que le taux dintrt annuel
est de 4% (compos trimestriellement). On reprsente le prix de chacune des actions
dans 3 mois par des arbres trinomiaux tels que :
S
ABC
0
S
ABC
0.25
S
XYZ
0
S
XYZ
0.25

1
127 58

2
123 124 53 53

3
120 51
On met un droit conditionnel qui paie
C
0.25
=
_
S
ABC
0.25
+S
XYZ
0.25
2
86
_
+
aprs 3 mois. Quel devrait tre le juste prix de ce droit conditionnel ?
Solution : les paiements de ce droit dans chacun des tats de la nature sont :
C
0.25

1
6.50

2
2.50

3
0
valuation par le portefeuille de rplication
Soient x et y le nombre dactions quil faut dtenir de la compagnie ABC et XYZ
pour rpliquer les paiements de cette option. Soit z le nombre dunits du titre
sans risque.
Pour rpliquer les paiements de ce droit conditionnel dans tous les tats de la
nature, il faut rsoudre le systme dquations suivant :
127x + 58y + 1.01z = 6.50
124x + 53y + 1.01z = 2.50
120x + 51y + 1.01z = 0
En soustrayant les deux premires et dernires quations, on obtient
3x + 5y = 4
4x + 2y = 2.5
ce qui donne
x = 0.32142857, y = 0.60714286.
68 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
Finalement,
120 0.32142857 + 51 0.60714286 + 1.01z = 0
implique
z = 68.847242.
Le cot t = 0 du portefeuille rplicatif est
123x + 53y +z = 123 0.32142857 + 53 0.60714286 68.847242
= 2.8670437.
valuation neutre au risque
On cherche les probabilits q
1
, q
2
telles que
S
0
= E
Q
_
S
1
B
1
1

F
0

pour chacun des deux actifs. Donc,


123 =
127
1.01
q
1
+
124
1.01
q
2
+
120
1.01
(1 q
1
q
2
)
53 =
58
1.01
q
1
+
53
1.01
q
2
+
51
1.01
(1 q
1
q
2
) .
On rsoud pour q
1
et q
2
et on trouve
q
1
= 0.11857143, q
2
= 0.85.
Le juste prix du droit conditionnel est donc
C
0
= E
Q
_
C
1
B
1
1

F
0

=
6.50
1.01
q
1
+
2.50
1.01
q
2
+
0
1.01
(1 q
1
q
2
)
=
6.50
1.01
0.11857143 +
2.50
1.01
0.85
= 2.8670439.
Exemple (suite) : existe-t-il des opportunits darbitrage entre S
ABC
, S
XYZ
et le titre
sans risque ?
Solution : pour rpondre cette question il faut regarder toutes les combinaisons
possibles de S
ABC
, S
XYZ
et vrier sil est possible que ce portefeuille rapporte toujours
plus ou toujours moins que le titre sans risque. On pourrait donc vrier sil existe des
valeurs de x et y telles que
127x + 58y > 1.01 (123x + 53y)
124x + 53y > 1.01 (123x + 53y)
120x + 51y > 1.01 (123x + 53y)
ces trois conditions sont remplies simultanment et rpter en inversant lingalit.
4.5. APPLICATIONS ACTUARIELLES 69
Toutefois, nous avons trouv une MME valide dans ce contexte. Par le thorme
fondamental, lexistence dune MME implique labsence darbitrage.
On remarque que lajout dun second titre risqu a permis dans cet exemple de trouver
un portefeuille de rplication unique ;
Lorsque le second titre risqu nest pas redondant (qui peut tre rcrit comme une
combinaison linaire de lautre actif), alors ce titre permet de "complter" le march ;
Sil y a absence darbitrage, alors le march sera complet dans ce contexte.
4.5 Applications actuarielles
En assurance, il existe une gamme de produits dassurance vie et dannuits dont le
paiement / taux dintrt crdit dpend du rendement dun actif risqu : equity-linked
insurance ;
Parmi ces produits existe les fonds distincts (segregated funds ou variable annuities) ;
Plusieurs types de protection qui sont vendues :
prestation de mortalit minimale garantie (PMMG) (guaranteed minimum death be-
net ou GMDB) ;
prestation de survie minimale garantie (PSMG) (guaranteed minimum maturity be-
net ou GMMB) ;
revenu minimal garanti (RMG) (guaranteed minimum income benet ou GMIB) ;
etc.
La dirence avec les produits drivs conventionnels est lajout du risque de mortalit ;
Important : la mortalit dun individu particulier nest pas transige sur les marchs
nanciers ;
March de lassurance est incomplet (du point de vue de lingnierie nancire).
Exemple :
Lassur investit 100$ dans un produit dassurance particulier.
Linvestissement initial crot avec un actif sous-jacent (par exemple un indice bour-
sier). Toutefois, un rendement minimum garanti est oert dans le contrat.
Si les paiements ne dpendaient pas de la survie de lindividu, alors la compagnie
dassurance mettrait une option de vente au client (protective put) ;
Toutefois, dans la plupart des contrats de fonds distincts, la prestation de survie et
de dcs est dirente.
Supposons dans notre exemple quon a :
Dcs : rendement minimum garanti de 3%;
Survie : rendement minimum garanti de 1%;
Lactif sous-jacent est une action dont lvolution est la suivante : S
0
= 100 et
S
1
{90, 110}.
Il sagit dun arbre binomial standard;
Soit B
1
la valeur dun titre sans risque avec taux dintrt de 5%.
Comment peut-on valuer un tel produit ?
Soit I
1
= 1 si lindividu survit durant la priode et I
1
= 0 sinon.
70 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
On a

i
S
0
S
1
I
0
I
1
C
1
1 100 110 1 1 110
2 100 110 1 0 110
3 100 90 1 1 101
4 100 90 1 0 103
Malheureusement, seulement S et B sont transigs sur le march nancier. La mor-
talit de cet individu nest pas transige sur les marchs nanciers. Par consquent,
comment peut-on rpliquer les paiements de 101 et 103 lorsque S
1
= 90 ?
On a le systme dquations suivant :

(0)
1
B
1
+
(1)
1
S
u
1
= 110

(0)
1
B
1
+
(1)
1
S
d
1
= 101

(0)
1
B
1
+
(1)
1
S
d
1
= 103
pour lequel il nexiste aucune solution. La rplication est donc impossible.
Soit q
i
la probabilit neutre au risque dobserver ltat de la nature
i
.
La condition martingale implique
100 =
110
1.05
(q
1
+q
2
) +
90
1.05
(1 q
1
q
2
)
ce qui indique une innit de valeurs pour q
1
et q
2
, et donc une innit de mesures
neutres au risque.
Comment peut-on se sortir de ce ptrin pour trouver la valeur de C
0
?
La mortalit est un risque facilement diversiable pour un assureur :
Le risque de mortalit est indpendant dun individu lautre ;
Lassureur souscrit des milliers de polices dassurance-vie ;
La mortalit des individus est indpendante de lvolution des marchs nanciers ;
Lapproche suivante est souvent utilise pour trouver un prix unique :
C
0
= E
P
_
E
Q
_
C
1
B
1
1

F
0
, I
1

F
0

avec
q
S
0
B
1
S
d
1
S
u
1
S
d
1
.
Exemple (suite) :
La probabilit neutre au risque dune augmentation dans larbre binomial est
q =
105 90
110 90
= 0.75.
Alors,
E
Q
_
C
1
B
1
1

F
0
, I
1
= 1

=
110 0.75
1.05
+
101 0.25
1.05
= 102.61905
ce qui correspond la valeur du produit dassurance en cas de survie.
4.6. RSUM 71
De plus,
E
Q
_
C
1
B
1
1

F
0
, I
1
= 0

=
110 0.75
1.05
+
103 0.25
1.05
= 103.09524
ce qui correspond la valeur du produit dassurance en cas de dcs.
Par consquent,
C
0
= 102.61905 Pr
P
(I
1
= 1) + 103.09524 Pr
P
(I
1
= 0) .
Nous sommes dans un march incomplet, alors il peut exister plusieurs prix qui
empchent les opportunits darbitrage. Par consquent, la manire la plus intuitive
de calculer Pr
P
(I
1
= 1) est dutiliser une table de mortalit.
On a Pr
P
(I
1
= 1) = 0.98 et donc,
C
0
= 102.61905 0.98 + 103.09524 0.02
= 102.62857.
Lassureur peut facilement rpliquer les paiements en cas de survie en utilisant les
techniques du chapitre 1. Par contre, pour 2% des assurs, la couverture sera im-
parfaite car lassur dcdera. Lassureur assume donc le risque dimpecfection de la
couverture (hedging).
4.6 Rsum
Est-ce que ce quon vient de voir invalide tout ce quon a vu en mathmatiques actua-
rielles, en nance, en marketing, etc. ?
NON!
La conclusion est que lingnierie nancire est la science mathmatique de lvaluation
de produits drivs en sachant les prix observs des actifs sous-jacents.
Il faut trouver le prix qui empche les opportunits darbitrage. Cest le concept cl
comprendre.
En assurance, en nance et en marketing, on soccupe souvent de trouver le prix des
actifs sous-jacents, pas le prix des produits drivs ;
En assurance, il est impossible de rpliquer les paiements dun contrat dassurance-vie
avec les actifs qui se transigent New York, Montral, Chicago, etc.
La vie dun individu nest malheureusement pas un risque couvert sur les marchs
nanciers.
Le march de lassurance est incomplet en termes dingnierie nancire.
De plus, il est impossible pour un assur de vendre le contrat dune compagnie et de
protger sa position avec le contrat dune autre compagnie.
Par consquent, plusieurs prix peuvent exister pour le mme contrat.
Sil existait un produit nancier qui couvrait la vie dun invididu et qui tait transig
tous les jours sur les marchs nanciers (I
1
par exemple), alors les techniques de
tarication prcdentes sappliqueraient.
72 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
Similairement, pour les autres produits, lunicit de ceux-ci rend la rplication quasi-
impossible, et donc lexploitation dopportunits darbitrage sans risque trs dicile.
Est-il possible de construire nous-mmes un iPod pour moins cher et den exploiter
un prot sans risque ?
Thorme fondamental dvaluation des actifs nanciers
Si le modle admet des opportunits darbitrage, alors il nexiste pas de MME (me-
sure neutre au risque) et vice versa ;
Si le modle nadmet pas dopportunits darbitrage, alors il existe au moins une
MME (mesure neutre au risque) et vice versa ;
(March complet MME unique) Prix unique (cot de rplication, valeur
espre sous Q, valeur espre ajuste sous P)
(March incomplet MME multiple) Prix multiple mais si le droit est acces-
sible, alors le prix est unique.
4.7 Exercices
4.7.1 Examen MFE/3F
Mai 2007 : aucun;
Mai 2009 : aucun;
Q&A (version du 18 aot 2010) : 3, 27 ;
4.7.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exer-
cices nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son
autorisation).
1. Dans un arbre trinomial une priode, vous avez que S
0
= 27 et S
1
{23, 28, 32}. De
plus, B
0
= 1 et B
1
= 1.1.
(a) Montrez quil nexiste pas darbitrage entre le titre risqu et le titre sans risque.
(b) Quelles sont les conditions ncessaires an quun droit conditionnel mis dans ce
march soit accessible ? Est-ce que le march est complet ?
(c) Trouvez la ou les mesures neutres au risque dans ce march nancier.
(d) En utilisant lapproche par rplication et lapproche neutre au risque, quel est
le prix ou les prix qui empchent les opportunits darbitrage pour une option
dachat europenne avec prix dexercice de 30$.
2. (CZ) Dans un march nancier quelconque, vous avez que

i
S
(1)
1
S
(2)
1
S
(3)
1
1 90 0 0
2 100 0 5
3 120 15 25
4.7. EXERCICES 73
avec S
(1)
0
= 100, S
(2)
0
= 5 et S
(2)
0
= 10. En utilisant un portefeuille de rplication, quelle
doit tre la valeur dun titre sans risque qui paie 1$ dans tous les tats de la nature ?
Par consquent, quel est le taux dintrt (compos annuellement) en vigueur dans ce
march ?
3. (GG) Nous travaillons partir du modle de march illustr dans le tableau suivant.

i
S
0
S
1
S
2
C
2
1 2 2 2 0
2 2 2 3 0
3 2 4 3 0
4 2 4 4 1
5 2 4 6 3
On note que B
0
= 1.1
2
, B
1
= 1.1
1
et B
2
= 1. En gnral, nous ne connaissons pas la
vraie mesure de probabilit qui prvaut sur . Par contre, chacun des intervenants
sur le march prsume, selon ses connaissances, dune certaine mesure de probabilit
P. Lun deux croit que le prix dune part du titre risqu sera, au temps t = 2, vraisem-
blablement infrieur 3 dollars. Cest pourquoi il ore sur le march loption dachat
du titre risqu avec un prix dexercice de K = 3, cest--dire que le droit conditionnel
C
2
reprsentant la valeur de loption dachat au temps t = 2 est C
2
= (S
2
3)
+
.
(a) Dcrire laide dun arbre, lvolution de {S
t
, t = 0, 1, 2} .
(b) Montrez que ce modle de march nadmet pas larbitrage.
(c) Trouvez la stratgie qui permet de rpliquer les ux nanciers de ce droit condi-
tionnel, pour toutes les priodes, i.e. trouvez
1
et
2
. Il sagit de votre portefeuille
rplicatif.
(d) Dterminez le cot initial du portefeuille rplicatif.
(e) Trouvez les mesures neutres au risque (mesures martingales quivalentes) pour ce
modle.
(f) Dterminez, pour chacune des mesures neutres au risque, la valeur actualise
espre du droit conditionnel C
2
. Que constatez-vous ?
(g) En fonction de votre rponse en g), est-ce que le droit conditionnel est accessible ?
Est-ce que le march est complet ?
4. (GG) Le processus stochastique {B
t
, t = 0, 1, 2} reprsente lvolution du prix dune
part dun titre non-risqu. Un second processus stochastique {S
t
, t = 0, 1, 2} reprsente
lvolution du prix dune part dun titre risqu. Lvolution temporelle de ces titres est
donne dans le tableau suivant.

i
S
0
S
1
S
2
B
0
B
1
B
2
1 1 1 1 1 1.1 1.2
2 1 1 2 1 1.1 1.2
3 1 2 1 1 1.1 1.3
4 1 2 2 1 1.1 1.3
5 1 2 3 1 1.1 1.3
74 CHAPITRE 4. ARBRES TRINOMIAUX ET MARCHS INCOMPLETS
Madame va Hachette dtient, au temps t = 0, le portefeuille
(Eva)
2
=
(Eva)
1
= [3, 4]

constitu de trois parts du titre sans risque et de quatre parts du titre risqu. Monsieur
Yvan LeProduit, lui, possde au mme moment le portefeuille
(Yvan)
2
=
(Yvan)
1
=
[2, 9]

qui comprend une dette de deux parts du titre sans risque et neuf parts du titre
risqu. Monsieur Yvan LeProduit ore madame va Hachette loption dchanger
leur portefeuille au temps t = 2, cest--dire que si la valeur X
(Eva)
2
au temps t = 2 du
portefeuille dva est infrieure celle du portefeuille dYvan, X
(Yvan)
2
, va changera
les portefeuilles et ralisera un prot de X
(Yvan)
2
X
(Eva)
2
sinon, elle conservera son
portefeuille et son prot sera nul.
Indice : laide de
(Eva)
2
et
(Yvan)
2
, calculer la valeur de X
(Eva)
2
et X
(Yvan)
2
dans chacun
des tats de la nature. Ensuite, pour chacun des
i
, calculer le paiement du droit
comme tant
_
X
(Yvan)
2
X
(Eva)
2
_
+
.
(a) Dcrire laide dun arbre, lvolution de {S
t
, t = 0, 1, 2} et {B
t
, t = 0, 1, 2} .
(b) Dterminez selon quelles mesures de probabilit les processus de prix actualiss
sont des martingales.
(c) Justiez pourquoi ces mesures sont aussi appeles mesures neutres au risque.
(d) Vriez que le modle de march nadmet pas larbitrage.
(e) Dterminez, pour chacune des mesures trouves en c), la valeur actualisee espre
de cette option (le prix de loption).
(f) Expliquez pourquoi le prix de loption calcul selon les mesures martingales nest
pas unique.
(g) Est-ce que ce droit conditionnel est accessible ? Est-ce que le march est complet ?
Deuxime partie
Modle de Black-Scholes
75
Chapitre 5
Mouvement brownien
5.1 Rappels et intuitions
Arbre binomial pour lactif sous-jacent :
Supposons quon projette la valeur dun actif sous-jacent sur un intervalle de temps
ni [0, T] ;
Lintervalle de temps [0, T] est divis en n sous-intervalles de temps : 0, t, 2t, ..., T
t, T
n + 1 priodes
t = T/n.
Notation : t = 0, t, 2t, ..., T t, T ou k = 0, 1, ..., n sont quivalents.
Actif risqu : S
t+t
= S
t
U
t+t
avec U
t+t
= {u, d} et U
t+t
i.i.d. dune priode
lautre ;
Supposons que u et d sont dtermins selon CRR.
Que se passe-t-il lorsque t 0 ?
Lensemble des valeurs prises par S
T
ressemblera de plus en plus une loi lognormale ;
Similairement pour chacune des valeurs prises par S
t
, t < T.
Par consquent, la loi de S
t
converge vers une loi lognormale mesure que t 0.
Nous allons formaliser largument dans les paragraphes qui suivent.
Dans ce chapitre et les suivants, nous allons nous intresser aux applications du mou-
vement brownien en ingnierie nancire.
5.2 Construction du mouvement brownien
Supposons quon conduise lexprience suivante :
Sur un intervalle de temps [0, T], on lance une pice de monnaie non biaise n fois ;
Lexprience est conduite t = t, 2t, 3t, ..., T o t = T/n;
chaque tirage, on gagne

t$ si le rsultat est pile et on perd

t$ si le rsultat
est face.
On dbute 0, et il est possible davoir une richesse ngative.
77
78 CHAPITRE 5. MOUVEMENT BROWNIEN
On dnit la notation suivante :
X
i
{+1 (pile), 1 (face)}
Y
i

_

t,

t
_
=

tX
i
.
Y
i
reprsente le gain/la perte chacun des tirages.
La pice de monnaie est bien balance, i.e.
Pr (X
i
= 1) = Pr (X
i
= 1) = 0.5
ce qui implique
Pr
_
Y
i
=

t
_
= Pr
_
Y
i
=

t
_
= 0.5
et ce pour tout i = 1, 2, ..., n. De plus, la nature de lexprience fait en sorte que les X
i
sont i.i.d. et les Y
i
galement.
Au lieu de reprsenter la richesse dun joueur, on peut utiliser cette exprience pour
reprsenter le dplacement dune particule le long dune droite.
Soit W
(n)
T
la richesse du joueur la n des n tirages (ou la position nale de la particule
la n de lexprience). On a donc
W
(n)
T

n

i=1
Y
i
=

T

n
i=1
X
i

n
.
Notons que W
(n)
0
= 0 (la richesse initiale est nulle) et que pour 1 k n
W
(n)
kt
=
k

i=1
Y
i
.
Quels sont les moments de W
(n)
T
?
E
_
W
(n)
T
_
= E
_

n
i=1
X
i

n
_
=

n
n E[X] = 0
Var
_
W
(n)
T
_
=
T
n
Var
_
n

i=1
X
i
_
= T Var [X] = T
car les X
i
sont i.i.d. comme X et Var [X] = 1.
Quelle est la loi de W
(n)
T
lorsque n ?
Le thorme central limite stipule que

n
i=1
X
i

n
N (0, 1)
lorsque n .
5.2. CONSTRUCTION DU MOUVEMENT BROWNIEN 79
En dnissant
W
T
lim
n
W
(n)
T
=

T lim
n

n
i=1
X
i

n
on obtient donc
W
T
W
0
N (0, T)
lorsque n ou t 0.
On rpte les mmes arguments sur deux intervalles disjoints [t
1
, t
2
] et [t
3
, t
4
] par
exemple, avec 0 t
1
< t
2
< t
3
< t
4
T
On obtient
W
t
2
W
t
1
N (0, t
2
t
1
)
W
t
4
W
t
3
N (0, t
4
t
3
) .
Puisque les tirages X
i
sont tous i.i.d., alors on dduit que W
t
2
W
t
1
est indpendant
de W
t
4
W
t
3
.
Par consquent, les accroissements (i.e. W
t+t
W
t
) du mouvement brownien sont
i.i.d. et distribus selon une loi normale de moyenne 0 et de variance t.
Attention :
W
t
2
W
t
1
est indpendant de W
t
4
W
t
3
;
Mais W
t
1
, W
t
2
, W
t
3
et W
t
4
sont des v.a. dpendantes !
En eet, les Y
i
qui servent construire W
t
1
sont galement inclus dans W
t
2
.
On eectue n tirages de Y
i
sur lintervalle [0, T] avec t
1
< t
2
< T.
Pour illustrer, on eectue 1000 tirages i.i.d. de X jusqu t
1
et 2000 tirages (au total)
pour aller jusqu t
2
. Alors,
W
t
1
Y
1
+... +Y
1000
W
t
2
Y
1
+... +Y
1000
+Y
1001
+... +Y
2000
= W
t
1
+Y
1001
+... +Y
2000
et W
t
2
dpend de la ralisation de W
t
1
.
Par construction
W
T
= lim
n
W
(n)
T
=

t lim
n
(X
1
+X
2
+... +X
n
)
implique que le mouvement brownien est une marche alatoire.
On peut galement dduire, de la construction du modle, que
W
t+t
W
t
=

tZ
t+t
o W
0
= 0 et Z
t+t
N (0, 1). De plus, les Z
t
sont i.i.d. comme Z.
Utile lorsquon veut procder la simulation du mouvement brownien.
80 CHAPITRE 5. MOUVEMENT BROWNIEN
5.3 Mouvement brownien standard (MBS)
Nous procdons une prsentation plus formelle du mouvement brownien (standard)
(MBS).
Le processus stochastique {W
t
, t 0} est un mouvement brownien sil remplit chacune
des 4 proprits suivantes :
(1) W
0
= 0;
(2) W
t
W
s
obit une loi normale de moyenne 0 et de variance t s (pour s < t)
(3) Les accroissements suivants sont indpendants. Pour 0 t
1
< t
2
< ... < t
n
, alors
les v.a. W
t
2
W
t
1
, W
t
3
W
t
2
, ..., W
tn
W
t
n1
sont indpendantes.
(4) Toute trajectoire issue de {W
t
, t 0} est continue en t.
Commentaires et interprtations :
(1) Il sagit seulement dune convention. On peut dmarrer le mouvement brownien
de nimporte quel point sans en changer le comportement. En eet, on peut utiliser
la dnition suivante
W

t
w +W
t
lorsque le processus dmarre avec W

0
= w ce qui implique que {W

t
, t 0} est un
MBS galement. Cette translation naecte pas le comportement du processus.
(2) La variabilit du mouvement brownien ne dpend que de la longueur de temps
de lintervalle considr t s.
(3) Sans perte de gnralit, si t
2
t
1
= t
3
t
2
reprsentent deux journes cons-
cutives, alors les variations du mouvement brownien dune journe lautre sont
indpendantes.
(3) La 3e condition implique que
Cov (W
t
, W
s
) = min (t, s) .
En eet, lorsque s > t
Cov (W
t
, W
s
) = Cov (W
t
, W
s
W
t
+W
t
)
= Cov (W
t
, W
s
W
t
) + Cov (W
t
, W
t
)
= 0 +t
car les accroissements sont indpendants. Lorsque t > s, alors on obtient
Cov (W
t
, W
s
) = s
ce qui implique
Cov (W
t
, W
s
) = min (t, s) .
(4) Mme si le mouvement brownien est continu en tout point, il nest pas diren-
tiable, et ce pour tout t. Donc, la fonction est continue mais tellement irrgulire
chaque point quelle nest pas drivable.
Le mouvement brownien est un processus markovien.
Soit F
s
lensemble dinformation gnre par la trajectoire du mouvement brownien
jusqu s (s < t). Alors,
W
t
| F
s
W
t
| W
s
car le MBS est une marche alatoire.
5.3. MOUVEMENT BROWNIEN STANDARD (MBS) 81
Donc, il est inutile de connaitre toute la trajectoire avant s car seule la valeur du
processus s est importante.
Par consquent,
E[ W
t
| F
s
] = E[ W
t
| W
s
] , s < t.
Le mouvement brownien est une martingale.
Rappel : une martingale est un processus stochastique {X
t
, t 0} tel que
E[ X
t
| F
s
] = X
s
, s t.
En eet,
E[ W
t
| F
s
] = E[ W
t
| W
s
] (markovien)
= E[ W
t
W
s
| W
s
] +W
s
= W
s
.
Interprtation : la meilleure prvision quon peut faire pour la valeur future dun
mouvement brownien est sa valeur courante.
Similairement, tant donn ce qui est observ jusqu s (indiqu par F
s
), alors en
moyenne, le mouvement brownien retourne sa dernire valeur connue.
Exemple : est-ce que {W
2
t
t, t 0} est une martingale ?
Solution : oui en eet. On complte dabord le carr :
(W
t
W
s
)
2
= W
2
t
2W
t
W
s
+W
2
s
ce qui indique que
W
2
t
= (W
t
W
s
)
2
+ 2W
t
W
s
W
2
s
et donc
E
_
W
2
t
t

F
s

= E
_
(W
t
W
s
)
2
+ 2W
t
W
s
W
2
s
t

F
s

= E
_
(W
t
W
s
)
2

F
s

+2E[ W
t
W
s
| F
s
] E
_
W
2
s

F
s

t.
On a
E
_
(W
t
W
s
)
2

F
s

= t s
E[ W
t
W
s
| F
s
] = E[ (W
t
W
s
) W
s
| F
s
] + E
_
W
2
s

F
s

= 0 +W
2
s
car W
s
est connu. Finalement,
E
_
W
2
t
t

F
s

= t s + 2 W
2
s
W
2
s
t
= W
2
s
s.
Exemple :
Une particule se dplace continument sur une ligne droite partir de la position 0.
Sa position, en fonction du temps, est donne par un MBS {W
t
, t 0}.
82 CHAPITRE 5. MOUVEMENT BROWNIEN
Quelle est la distribution de la position de la particule aprs une priode ?
W
1
N (0, 1) .
Quelle est la probabilit que la particule se retrouve au moins 2 units droite
(+2) en 3 units de temps ?
On cherche Pr (W
3
> 2). On a
Pr (W
3
> 2) = Pr (N (0, 3) > 2) = 1
_
2 0

3
_
= 1
_
2

3
_
= 0.1241.
Calculer un intervalle de conance 95% de la position de la particule aprs 10
priodes sachant quaprs 5 priodes, la particule est la position -1.
W
10
W
5
N (0, 5) en gnral.
On sait que W
5
= 1, on a donc
1 1.96

5.
quoi ressemble une trajectoire dun mouvement brownien? Nous allons simuler une
de ces trajectoires dans Excel.
5.3.1 Simulation
La simulation est une technique qui permet dapproximer numriquement une quantit
dicile valuer ;
Elle consiste crer un chantillon alatoire synthtique partir dune variable ala-
toire ;
Un ordinateur muni dun gnrateur de nombres uniformes permet de gnrer de tels
chantillons ;
Dans Excel, saisir ALEA() dans 1000 cellules direntes permet de raliser un chan-
tillon alatoire de 1000 ralisations dune v.a. uniforme U ;
An de gnrer des ralisations de X, on utilise la mthode inverse (inverse transform
method) :
Principe :
F
1
X
(U) X.
Preuve :
Pr
_
F
1
X
(U) x
_
= Pr
_
F
X
_
F
1
X
(U)
_
F
X
(x)
_
= Pr (U F
X
(x))
= F
X
(x) .
Il faut donc gnrer un nombre uniforme et ensuite, la ralisation de X est obtenue
en valuant U dans la fonction quantile ;
Exemple : pour simuler une ralisation dune loi normale standard dans Excel, on
utilise
=LOI.NORMALE.STANDARD.INVERSE(ALEA())
5.3. MOUVEMENT BROWNIEN STANDARD (MBS) 83
Par consquent, pour simuler une trajectoire dun MBS On sait que
W
t
W
0
normale (0, t)
W
2t
W
t
normale (0, t)
...
W
nt
W
(n1)t
normale (0, t)
et ces v.a. sont i.i.d.
Donc, pour simuler une trajectoire de n priodes dun MBS, on simule n v.a. normales
centres et rduites : Z
t
, Z
2t
, ..., Z
nt
;
Par la suite,
W
t
= W
0
+

tZ
t
W
2t
= W
t
+

tZ
2t
...
W
nt
= W
(n1)t
+

tZ
nt
.
Important : on sait que W
t
N (0, t). Alors, pourquoi ne pas simuler directement
W
1
, W
2
, ... en sachant que
W
1
N (0, 1)
W
2
N (0, 2)
...?
En fait, les v.a. W
1
, W
2
, ... sont dpendantes. Par consquent, il faudrait tenir
compte de la covariance qui existe entre ces v.a. Simuler les accroissements W
kt

W
(k1)t
est donc plus simple.
5.3.2 Autres proprits du MBS
Variation totale : soit
VT lim
n
n

i=1

W
(n)
it
W
(n)
(i1)t

.
La variation totale est la "distance" ou la longueur du chemin parcouru par le MBS
sur [0, T] .
Puisque le MBS est compos dune innit de petits pas en haut et en bas, on peut
montrer que
VT
n
.
84 CHAPITRE 5. MOUVEMENT BROWNIEN
En eet,
VT = lim
n
n

i=1

W
(n)
it
W
(n)
(i1)t

= lim
n
n

i=1
|Y
i
| = lim
n
n

i=1

tX
i

=

T lim
n
n

i=1

X
i

=

T lim
n
n

i=1
1

n
= .
La distance parcourue est inniment grande, mme sur un intervalle de temps ni.
Variation quadratique : soit
VQ lim
n
n

i=1
_
W
(n)
it
W
(n)
(i1)t
_
2
.
Il sagit dune forme de distance.
On peut montrer que cette limite converge vers
VQ
n
T.
En eet,
VQ = lim
n
n

i=1
_
W
(n)
it
W
(n)
(i1)t
_
2
= lim
n
n

i=1
Y
2
i
= lim
n
n

i=1
_

tX
i
_
2
= T lim
n
n

i=1
X
2
i
n
= T lim
n
n

i=1
1
n
= T.
Ce rsultat implique que les variations dordre plus leves (3, 4, etc.) convergent
vers 0.
Important lorsquon introduira le calcul stochastique ;
On peut galement montrer que le mouvement brownien croisera toutes les valeurs
dans R au moins une fois.
5.4 Mouvement brownien arithmtique (MBA)
Un mouvement brownien arithmtique est un MBS auquel on ajoute un coecient de
drive (drift en anglais) et un coecient de diusion (ou volatilit) (diusion ou
volatility en anglais) .
5.4. MOUVEMENT BROWNIEN ARITHMTIQUE (MBA) 85
Aussi appel mouvement brownien gnralis ou processus de Wiener gnralis
Soit W
A
t
un MBA. Alors,
W
A
t
t +W
t
avec W
0
= 0.
On en dduit les proprits suivantes :
W
A
0
= 0;
W
A
t
W
A
s
obit une loi normale de moyenne (t s) et de variance
2
(t s)
(pour s < t)
Les accroissements de W
A
t
sont indpendants.
Les trajectoires
_
W
A
t
, t 0
_
sont continues en t.
En eet :
W
A
0
= 0 car W
A
0
= 0 +W
0
= W
0
= 0;
W
A
t
W
A
s
= (t +W
t
) (s +W
s
) = (t s) + (W
t
W
s
) et selon les pro-
prits du MBS, alors
W
A
t
W
A
s
Normale
E
_
W
A
t
W
A
s

= (t s)
Var
_
W
A
t
W
A
s

= Var [ (W
t
W
s
)] =
2
(t s) .
Avec 0 t
1
< t
2
< t
3
< t
4
T, on a
W
A
t
2
W
A
t
1
= (t
2
t
1
) + (W
t
2
W
t
1
)
W
A
t
4
W
A
t
3
= (t
4
t
3
) + (W
t
4
W
t
3
)
et puisquon sait que W
t
2
W
t
1
et W
t
4
W
t
3
sont indpendants, alors W
A
t
2
W
A
t
1
est
indpendant de W
A
t
4
W
A
t
3
.
On peut dmarrer le MBA la valeur w t = 0 en utilisant la dnition
W
A
t
= w +t +W
t
.
Un MBA est un processus markovien i.e. W
A
t

F
s
W
A
t

W
A
s
.
Un MBA nest pas une martingale sauf si = 0. En eet,
E
_
W
A
t

F
s

= E
_
W
A
t

W
A
s

(markovien)
= E
_
W
A
t
W
A
s

W
A
s

+W
A
s
= (t s) +W
A
s
.
Exemple :
Une particule se dplace continument sur une ligne droite partir de la position 0.
Sa position, en fonction du temps, est donne par un MBA
_
W
A
t
, t 0
_
avec une
tendance vers la gauche = 1 et une diusion = 4.
Quelle est la distribution de la position de la particule aprs une priode ?
W
A
1
N ( 1,
2
1) = N (1, 16) .
Quelle est la probabilit que la particule se retrouve au moins 2 units droite
(+2) en 3 units de temps ?
86 CHAPITRE 5. MOUVEMENT BROWNIEN
On cherche Pr
_
W
A
3
> 2
_
. On a
Pr (W
3
> 2) = Pr
_
N
_
3, 3
2
_
> 2
_
= Pr (N (3, 48) > 2)
= 1
_
2 3

48
_
= 1
_
5

48
_
= 0.2352.
Calculer un intervalle de conance 95% de la position de la particule aprs 10
priodes sachant quaprs 5 priodes, la particule est la position -1.
En gnral, W
A
t
W
A
s
N ((t s) ,
2
(t s)) ou
W
A
10
W
A
5
N (1 5, 16 5)
On sait que W
A
5
= 1, on a donc
6 1.96

16 5.
5.4.1 Simulation
On sait que
W
A
t
W
A
0
normale
_
t,
2
t
_
W
A
2t
W
A
t
normale
_
t,
2
t
_
...
W
A
nt
W
A
(n1)t
normale
_
t,
2
t
_
et ces v.a. sont i.i.d.
Donc, pour simuler une trajectoire de n priodes dun MBA, on simule n v.a. normales
centres et rduites : Z
t
, Z
2t
, ..., Z
nt
;
Par la suite,
W
A
t
= W
A
0
+t +

tZ
t
W
A
2t
= W
A
t
+t +

tZ
2t
...
W
A
nt
= W
A
(n1)t
+t +

tZ
nt
.
Important : on sait que W
A
t
N (t,
2
t). Alors, pourquoi ne pas simuler directement
W
A
1
, W
A
2
, ... en sachant que
W
A
1
N
_
,
2
_
W
A
2
N
_
2, 2
2
_
...?
Pour la mme raison pourquoi nous ne simulons pas un MBS de cette faon car ces
v.a. sont dpendantes.
5.5. MOUVEMENT BROWNIEN GOMTRIQUE (MBG) 87
5.5 Mouvement brownien gomtrique (MBG)
On obtient un mouvement brownien gomtrique (MBG) en prenant lexponentielle
dun mouvement brownien arithmtique.
Le MBG est souvent utilis comme modle de base pour reprsenter lvolution du
prix dun actif sous-jacent car sa valeur est toujours positive.
Soit {S
t
, t 0} un MBG et
_
W
A
t
+w, t 0
_
un MBA qui dmarre w. Alors,
S
t
= exp
_
W
A
t
+w
_
= e
w
e
W
A
t
.
ou
ln (S
t
) = w +W
A
t
.
En posant S
0
= e
w
, alors
S
t
= S
0
exp
_
W
A
t
_
ou
ln(S
t
) = ln (S
0
) +W
A
t
.
Exemple : observons le comportement du MBG sur une priode [t, t + 1]. On a
S
t+1
= S
t
exp ( + (W
t+1
W
t
))
car
S
t+1
= S
0
exp ((t + 1) +W
t+1
)
S
t
= S
0
exp (t +W
t
)
et donc le ratio des deux donne le rsultat dsir.
En prenant le logarithme, on obtient
ln
S
t+1
S
t
= + (W
t+1
W
t
)
= +Z
o Z N (0, 1). On peut interprter cette quantit comme si le rendement prio-
dique sur laction suit une loi normale de moyenne et variance
2
.
Le MBG est un processus markovien i.e. S
t
| F
s
S
t
| S
s
.
Le MBG nest pas une martingale. En eet,
E[ S
t
| F
s
] = E[ S
t
| S
s
] (markovien)
= S
s
E
_
S
t
S
s

S
s
_
= S
s
exp
_
(t s)
_
+

2
2
__
.
Si =
1
2

2
, alors le processus {S
t
, t 0} sera une martingale.
88 CHAPITRE 5. MOUVEMENT BROWNIEN
Important : les moments de S
t
sont relis la fonction gnratrice de moments (f.g.m.)
de la loi normale.
Soit X N (
X
,
2
X
), alors
M
X
(a) = E
_
e
aX

= exp
_
a
X
+
2
X
a
2
2
_
.
Comment applique t-on ce rsultat au MBG?
Premirement,
E[ S
t
| F
0
] = E[ S
0
exp(t +W
t
)| F
0
]
= S
0
e
t
E[ exp (W
t
)| F
0
] .
Puisque W
t
N (0, t) alors,
E[ exp(W
t
)| F
0
] = M
Wt
() = exp
_
t

2
2
_
et donc,
E[ S
t
| F
0
] = S
0
e
t+0.5
2
t
.
Quelle est la variance de S
t
?
On a
E
_
S
2
t

F
0

= E
_
S
2
0
exp (2t + 2W
t
)

F
0

= S
2
0
e
2t
E[ exp(2W
t
)| F
0
]
= S
2
0
e
2t
M
Wt
(2)
= S
2
0
e
2t
exp
_
t
4
2
2
_
= S
2
0
e
2t+2
2
t
.
La variance peut tre calcule comme
Var [ S
t
| F
0
] = E
_
S
2
t

F
0

E[ S
t
| F
0
]
2
= S
2
0
e
2t+2
2
t

_
S
0
e
t+0.5
2
t
_
2
= S
2
0
e
2t+2
2
t
S
2
0
e
2t+
2
t
= S
0
e
2t
e

2
t
_
e

2
t
1
_
.
De plus,
E[ S
a
t
| F
0
] = E[ S
a
0
exp (at +aW
t
)| F
0
]
= S
a
0
e
at
E[ exp(aW
t
)| F
0
]
= S
a
0
e
at
M
W
t
(a)
= S
a
0
e
at
exp
_
t
a
2

2
2
_
.
5.5. MOUVEMENT BROWNIEN GOMTRIQUE (MBG) 89
La covariance entre deux MBG deux moments dirents peut aussi tre calcule
facilement. En eet,
Cov (S
t
, S
s
) = E[S
t
S
s
] E[S
t
] E[S
s
] .
Nous avons calcul les esprances E[S
t
] et E[S
s
] prcdemment. Il nous reste qu
calculer
E[S
t
S
s
] = E[S
0
exp(t +W
t
) S
0
exp(s +W
s
)]
= S
2
0
e
(t+s)
E[exp( (W
t
+W
s
))] .
Or la loi de (W
t
+W
s
) est simplement normale avec moyenne nulle et variance
Var [ (W
t
+W
s
)] =
2
(t +s + 2Cov (W
t
, W
s
))
=
2
(t +s + 2 min (t, s)) .
Soit
X
= 0 et
2
X
=
2
(t +s + 2 min (t, s)). Alors,
E[exp ( (W
t
+W
s
))] = M
X
(1)
= exp
_
1
2
_

2
(t +s + 2 min(t, s))
_
_
et nalement, en combinant les termes on obtient
E[S
t
S
s
] = S
2
0
e
(t+s)
e
0.5(
2
(t+s+2 min(t,s)))
.
Finalement, pour s < t, on a
S
t
= S
0
exp(t +W
t
)
S
s
= S
0
exp(s +W
s
)
et donc,
S
t
S
s
= exp((t s) + (W
t
W
s
)) .
Par consquent,
E[ S
t
| F
s
] = S
s
E[ exp ((t s) + (W
t
W
s
))| F
s
]
= S
s
e
(ts)
M
WtWs
()
= S
s
e
(
+0.5
2
)
(ts)
, s < t.
lexamen MFE, il faut tre trs laise avec ces quantits, ou du moins, tre trs
laise dans la manipulation de la f.g.m. de la loi normale pour le calcul des moments
dun MBG.
Exemple :
Lvolution du prix dune action obit un MBG avec = 0.07, = 0.3 et S
0
= 100.
Quelle est la distribution du prix de laction aprs une priode ?
90 CHAPITRE 5. MOUVEMENT BROWNIEN
ln S
1
ln S
0
N ( 1,
2
1) = N (0.07, 0.3
2
). En dautres termes, S
1
/S
0

LN (0.07, 0.3
2
)
Quelle est la probabilit que le prix de laction soit suprieur 120$ dans 3 priodes ?
On cherche Pr (S
3
> 120). On a
Pr (S
3
> 120) = Pr (ln S
3
> ln120)
= Pr (ln S
3
ln S
0
> ln 120 ln S
0
)
= Pr
_
N
_
3, 3
2
_
> ln 1.2
_
= Pr (N (0.21, 0.27) > ln 1.2)
= 1
_
ln 1.2 0.21

0.27
_
= 0.52124.
Calculer un intervalle de conance 95%du prix de laction aprs 10 priodes sachant
quaprs 5 priodes, le prix de laction est 92$.
En gnral, ln S
t
lnS
s
N ((t s) ,
2
(t s)) ou
ln S
10
ln S
5
N
_
5 0.07, 5 0.3
2
_
On sait que S
5
= 92, on a donc
ln S
10

_
(ln 92 + 0.35) 1.96

5 0.3
2
_
ou
S
10
92e
0.351.96

50.3
2
.
5.5.1 Simulation
On sait que
S
t+t
= S
t
exp
_
W
A
t+t
W
A
t
_
.
En eet,
S
t
= S
0
exp
_
W
A
t
_
S
t+t
= S
0
exp
_
W
A
t+t
_
et le ratio des deux donne le rsultat dsir.
Donc, pour simuler une trajectoire de n priodes dun MBG, on simule n v.a. normales
centres et rduites : Z
t
, Z
2t
, ..., Z
nt
;
Par la suite,
S
t
= S
0
exp
_
t +

tZ
t
_
S
2t
= S
t
exp
_
t +

tZ
2t
_
...
S
nt
= S
(n1)t
exp
_
t +

tZ
nt
_
.
5.5. MOUVEMENT BROWNIEN GOMTRIQUE (MBG) 91
5.5.2 Estimation des paramtres
Illustrons par un exemple
Supposons quon observe les prix dune action de la compagnie ABC inc. la n de
chaque anne, de la faon suivante :
Date Prix
1er janvier 2005 51
31 dcembre 2005 54
31 dcembre 2006 61
31 dcembre 2007 53
31 dcembre 2008 49
On sait que
S
t+1
= S
t
exp ( + (W
t+1
W
t
))
et donc,
ln
S
t+1
S
t
= +Z
t+1
o Z
t+1
N (0, 1) Z.
Par consquent, le rendement annuel continument compos suit une normale avec
variance
2
.
Les rendements sont
Date Prix Rendement
1er janvier 2005 51 -
31 dcembre 2005 54 ln
54
51
= 0.057158414
31 dcembre 2006 61 ln
61
54
= 0.121889818
31 dcembre 2007 53 ln
53
61
= 0.140581951
31 dcembre 2008 49 ln
49
53
= 0.078471615
On calcule la moyenne (x) et la variance chantillonale (s) sur ces 4 rendements et
= x = 0.01
= s = 0.1206.
Que se passe-t-il si les rendements sont calculs sur une priode dun mois (frquence
mensuelle) ?
Alors,
ln
S
t+1/12
S
t
=
1
12
+
_
1
12
Z
t+1/12
et donc,
= 12x
=

12s
car et sont sur une base annuelle.
92 CHAPITRE 5. MOUVEMENT BROWNIEN
5.6 Exercices
5.6.1 Examen MFE/3F
Mai 2007 : aucun;
Mai 2009 : aucun;
Q&A (version du 18 aot 2010) : 13, 34, 63, 70 ;
5.6.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exer-
cices nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son
autorisation).
Dans ce qui suit, on utilise les acronymes suivants : mouvement brownien standard (MBS),
mouvement brownien arithmtique (MBA), mouvement brownien gomtrique (MBG) et
quation direntielle stochastique (EDS). De plus, moins davis contraire, {W
t
, t 0} est
un MBS.
1. La position dune particule est dcrite par un MBS.
(a) En moyenne, o se retrouvera la particule t = 10 ?
(b) Trouvez lintervalle de conance 95% de la position de la particule t = 10 ?
(c) t = 5, vous observez que la particule est la position -2. Refaites les questions
a) et b) en sachant cette nouvelle information.
2. La valeur marchande dune voiture usage est modlise par un MBG dni par
exp (t +W
t
) o = 0.14 et = 0.07. Vous savez galement que la valeur ini-
tiale de la voiture est de 20000$.
(a) Calculez le prix de vente moyen et mdian de la voiture aprs 4 ans (t = 4).
(b) Sachant que sur le march, la mme voiture avec 2 ans (t = 2) dusure se vend
12000$, refaites la question a) ( t = 4).
(c) Quelle est la probabilit que la valeur marchande de la voiture soit suprieure
20000$ aprs 4 annes (t = 4) ?
(d) Combien faut-il dannes pour que la valeur marchande de la voiture corresponde
seulement 5% de la valeur originale (1000$) ?
(e) Dans un contrat de location court terme de 4 ans, le locataire a lopportunit
dacheter la voiture pour 10000$. Sachant quun taux dintrt de 5% est rai-
sonnable pour escompter les ux nanciers, quelle est la valeur de cette option
dachat attache au contrat de location? Quelle est la probabilit quune telle
option dachat soit rentable pour le futur acheteur ?
3. Vous observez les valeurs suivantes pour un MBG : S
0
= 100, S
1
= 98, S
2
= 100,
S
3
= 101, S
4
= 105 et S
5
= 104.
(a) Sil scoule une anne entre S
k
et S
k1
(k = 1, 2, .., 5), estimez et
2
(annualiss)
laide des observations ;
5.6. EXERCICES 93
(b) Sil scoule un mois entre S
k
et S
k1
(k = 1, 2, .., 5), estimez et
2
(annualiss)
laide des observations ;
4. (GG) Soit Z une variable alatoire de loi normale centre et rduite. Pour tout t
0, nous posons X
t


tZ. Le processus stochastique {X
t
, t 0} a des trajectoires
continues et t 0, X
t
est de loi N(0, t). Est-ce que {X
t
, t 0} est un MBS? Justiez
votre rponse.
5. (GG) Soient {W
t
, t 0} et
_

W
t
, t 0
_
deux MBS indpendants et une constante
comprise entre 0 et 1. Pour tout t 0, posons X
t
= W
t
+
_
1
2
W
t
. Est-ce que
{X
t
, t 0} est un MBS? Justiez votre rponse.
6. (GG) Soient
X
t
exp
_
W
t

1
2

2
t
_
Y
t
W
2
t
t.
Montrez que {X
t
, t 0} et {Y
t
, t 0} sont des martingales.
7. Montrez que le processus stochastique {B
t
, t 0} o
B
t

1

W
t
est aussi un MBS.
8. Dmontrez que le processus stochastique {M
t
, t 0} o
M
t
=
e
Wt
E[e
Wt
]
est une martingale.
94 CHAPITRE 5. MOUVEMENT BROWNIEN
Chapitre 6
Introduction au calcul stochastique
6.1 Introduction
Mouvement brownien arithmtique (MBA) : un MBA est tel que
W
A
t
= t + W
t
.
Or,
W
A
t+t
= (t + t) +W
t+t
.
Par consquent, laccroissement du MBA sur lintervalle [t, t + t] est
W
A
t+t
W
A
t
= t + (W
t+t
W
t
) .
Questions :
Quel est le comportement (local) de W
A
t+t
W
A
t
quand t 0 (inniment petit) ?
Dans plusieurs domaines dapplication (nance, physique, chimie, etc.), et ne
sont pas constants. Comment peut-on tenir compte de la variabilit de et pour
dnir un nouveau type de MBA?
Pour rpondre ces questions, nous devons introduire des notions fondamentales de
calcul stochastique.
Calcul stochastique : domaine dapplication des mathmatiques qui traite la driva-
tion et lintgration dun processus stochastique.
Dans ce cours et dans plusieurs applications, le calcul stochastique est bas sur le
mouvement brownien;
Lopration de drivation permet de dterminer le comportement local dun proces-
sus stochastique pour un intervalle de temps inniment petit (dt) ;
Lopration dintgration permet de dterminer le comportement global dun pro-
cessus stochastique sur un intervalle de temps ni quelconque ([a, b]).
6.2 Direntiation et intgration dterministe
Drive totale : soit f (t, x) une fonction deux variables et supposons que x est une
fonction quelconque de t.
95
96 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
Par consquent, f est une fonction de t seulement.
La drive totale est simplement une faon de trouver la drive de f par rapport t
i.e.
df
dt
=
f
t
dt
dt
+
f
x
dx
dt
ou
df =
f
t
dt +
f
x
dx .
Premire criture : il sagit dune forme dquation direntielle : la drive de f est
crite en fonction dautres drives.
Permet davoir le taux de variation instantan de f autour de t. On obtient le
comportement local de f autour de t.
Seconde criture (encadre) : la direntielle totale de la transformation f peut
tre dcompose en deux morceaux : variations par rapport t et variations par rapport
x.
Exemple : soit f (t, x) = t (x + 2), et x(t) = t
2
. Quelle est
df
dt
?
Solution : deux approches.
Simple : on a
f (t, x) = f (t) = t
_
t
2
+ 2
_
= t
3
+ 2t
et
df
dt
= 3t
2
+ 2.
Drive totale : les drives partielles sont
f
t
= (x + 2) = t
2
+ 2
f
x
= t
dx
dt
= 2t
et donc
df
dt
=
f
t
dt
dt
+
f
x
dx
dt
=
_
t
2
+ 2
_
1 +t 2t
= 3t
2
+ 2.
ce qui donne videmment le mme rsultat.
Imaginons le problme inverse : on connait les taux de variation (comportement local)
f
t
,
f
x
et
dx
dt
mais on sintresse au comportement de f (t) sur [a, b].
Intgration dterministe : opration mathmatique qui permet de connaitre la fonc-
tion f telle que
g (x) =
df
dx
o la forme fonctionnelle de g (x) est connue.
6.2. DIFFRENTIATION ET INTGRATION DTERMINISTE 97
Le thorme fondamental du calcul de Leibniz stipule que
f (x) =
_
x
0
g (x) dx.
Dans un cours de calcul de base, on voit lintgrale au sens de Riemann, qui consiste
en laire sous la courbe dune fonction.
En partitionnant lintervalle [a, b] en n rgions de longueur x =
ba
n
, alors
_
b
a
g (x) dx = lim
x0
n

i=1
f (a +ix) x
= lim
x0
n

i=1
f (a + (i 1) x) x.
Il sagit de la somme de laire de plusieurs rectangles de hauteur f (a +ix) ou
f (a + (i 1) x) et de largeur x.
Par consquent, une fonction est intgrable au sens de Riemann si et seulement si
ces deux limites convergent vers la mme valeur.
En calcul, nous avons trouv toutes sortes de rgles de drivation et dintgration
pour des fonctions communes.
En revenant notre problme prcdent, on applique lintgrale de chaque ct, et on
obtient
_
b
a
df =
_
b
a
f
t
dt +
_
t
1
(b)
t
1
(a)
f
x
dx.
Donc
f (b) f (a) =
_
b
a
f
t
dt +
_
t
1
(b)
t
1
(a)
f
x
dx.
Pourquoi t
1
(a) ? f tant une fonction de t et t [a, b], on doit traduire t [a, b]
sur son domaine sur x.
Exemple (suite) : dans lexemple prcdent, on sait que
f (b) f (a) =
_
b
3
+ 2b
_

_
a
3
+ 2a
_
.
Peut-on galement vrier que cest le cas en intgrant les drives partielles ?
Solution : on sait que
f
t
= (x + 2) = t
2
+ 2
f
x
= t
dx
dt
= 2t.
98 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
De plus, x = t
2
, donc intgrer sur t [a, b] quivaut x [a
2
, b
2
]. En intgrant de
chaque ct, on obtient
_
b
a
df =
_
b
a
f
t
dt +
_
a
2
b
2
f
x
dx
f (b) f (a) =
_
b
a
_
t
2
+ 2
_
dt +
_
a
2
b
2

xdx
=
1
3
_
b
3
a
3
_
+ 2 (b a) +
2
3
x
3/2

b
2
a
2
=
1
3
_
b
3
a
3
_
+ 2 (b a) +
2
3
_
b
3
a
3
_
=
_
b
3
a
3
_
+ 2 (b a)
=
_
b
3
+ 2b
_

_
a
3
+ 2a
_
.
Nous utiliserons ces rsultats pour btir une meilleure intuition du calcul stochastique.
6.3 Direntiation et intgration stochastique
Supposons quon sintresse au comportement local du MBA? Que se passe-t-il lorsque
t 0 ?
MBA sous forme dquation direntielle stochastique : on a crit laccroisse-
ment du MBA comme
W
A
t+t
W
A
t
= t + (W
t+t
W
t
) .
Interprtation : sur un intervalle de temps petit [t, t + t], laccroissement total
du MBA (W
A
t+t
W
A
t
) est expliqu par :
un accroissement t cause du temps ;
un accroissement (W
t+t
W
t
) cause de la variation du MBS sous-jacent.
Lorsque t 0 on dnit ce quon appelle une quation direntielle stochastique
(EDS). On a donc,
dW
A
t
= dt +dW
t
.
On remarque que cette forme est familire : ressemble la drive totale en calcul
dterministe.
Interprtation : sur un intervalle de temps inniment petit [t, t +dt], laccroisse-
ment total du MBA (dW
A
t
) est expliqu par :
un accroissement dt cause du temps ;
un accroissement dW
t
cause de la variation innitsimale du MBS sous-jacent.
quation direntielle stochastique (EDS) (stochastic dierential equation ou
SDE) : une EDS est une quation mathmatique qui dnit le comportement local
(sur lintervalle [t, t +dt]) dun processus stochastique ;
LEDS est compose de deux lments : variations par rapport au temps (dt) et
variations par rapport au MBS (dW
t
) .
6.3. DIFFRENTIATION ET INTGRATION STOCHASTIQUE 99
En connaissant le comportement local pour tout t, on peut connaitre le comportement
global de ce processus stochastique.
Intgration stochastique : opration qui consiste intgrer une EDS pour connatre
le comportement global dun processus stochastique (aussi appele solution dune
EDS).
La variable dintrt en intgration stochastique est le temps.
Connatre le comportement global dune EDS sur [a, b] signie trouver la loi du
processus stochastique sur un intervalle de temps [a, b] lorsque ce processus est dni
par une EDS.
Solution dun MBA : on veut connatre le comportement du MBA sur lintervalle
de temps [a, b].
On intgre lEDS du MBA entre a et b, i.e.
_
b
a
dW
A
t
=
_
b
a
dt +
_
b
a
dW
t
.
On a donc une intgrale par rapport au temps, et une seconde intgrale par rapport
laccroissement dun MBS, qui est stochastique.
La premire intgrale peut tre rsolue laide dune intgrale de Riemann. Quen
est-il de la seconde ?
Rsolution de lEDS dun MBA : on a directement,
_
b
a
dt = (b a) .
Quen est-il de
_
b
a
dW
t
. On sort de lintgrale et
_
b
a
dW
t
= W
b
W
a
.
En eet,
_
b
a
dW
t
= lim
t0
n

i=1
_
W
a+it
W
a+(i1)t
_
o t =
ba
n
.
Il sagit dune somme tlescopique et on trouve facilement
_
b
a
dW
t
= W
b
W
a
.
On obtient donc,
W
A
b
W
A
a
= (b a) + (W
b
W
a
) .
Comme prvu,
W
A
b
W
A
a
N
_
(b a) ,
2
(b a)
_
.
Pourquoi na-t-on pas procd la conversion de [a, b] pour la seconde intgrale, comme
nous lavions fait en calcul dterministe ?
En calcul stochastique, le temps est la variable dintrt. Un processus stochastique
volue sur lintervalle [t, t +dt] pour deux raisons : une partie dterministe (le passage
du temps) (dt) et une partie stochastique (accroissement du MBS dW
t
).
100 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
Remarque :
Il est appropri de dire que sur un intervalle de temps petit (mais ni) ([t, t + t]),
alors
W
A
t+t
W
A
t
N
_
t,
2
t
_
.
Il est moins appropri mathmatiquement de dire que sur intervalle de temps inni-
ment petit ([t, t +dt]),
dW
A
t
N
_
dt,
2
dt
_
.
Lintgration de
_
b
a
dW
t
a t simple. Quen est-il de
_
t
0
2W
u
dW
u
?
Il sagit dun processus pour lequel la diusion est relie directement la ralisation
du MBS.
Est-ce gal
_
t
0
2W
u
dW
u
?
= W
2
t
,
comme si les rgles dintgration dterministes sappliquent ?
En fait, W
2
t
nest jamais ngatif. Mais,
_
t
0
2W
u
dW
u
= 2 lim
t0
n

i=1
W
a+(i1)t
_
W
a+it
W
a+(i1)t
_
peut tre ngatif !
Par consquent, les rgles usuelles dintgration ne fonctionnent plus.
Il est ncessaire de dterminer des rgles claires de direntiation et dintgration
stochastique.
Pour tous les cas o la drive et la diusion de notre EDS sont des fonctions quel-
conques, dterministes ou alatoires.
Comme le thorme fondamental du calcul de Leibniz dnit les rgles de drivation et
dintgration de la plupart des fonctions dterministes, nous allons trouver un thorme
fondamental du calcul stochastique pour un ensemble de processus stochastiques.
Calcul stochastique dIto pour les processus dIto ;
6.4 Calcul stochastique dIto
Processus dIto : un processus dIto {X
t
, t 0} est une gnralisation dun MBA o
la drive et la diusion sont stochastiques et dnis tels que
dX
t
= (t, X
t
) dt + (t, X
t
) dW
t
.
Exemples :
Un MBS est un processus dIto o (t, X
t
) = 0 et (t, X
t
) = 1;
En eet,
dX
t
= 0dt + 1dW
t
et donc
_
b
a
dX
t
=
_
b
a
dW
t
= W
b
W
a
.
6.4. CALCUL STOCHASTIQUE DITO 101
Un MBA est un processus dIto o (t, X
t
) = et (t, X
t
) = ;
En eet, comme on a vu prcdemment, on peut crire un MBA sous la forme
dune EDS crite comme
dW
A
t
= dt +dW
t
.
Quelle est la reprsentation dun MBG sous la forme dun processus dIto ? Nous y
reviendrons un peu plus tard.
Pour comprendre le calcul stochastique dIto, il faut tout dabord regarder le compor-
tement de la drive totale dans le calcul dterministe standard. On a obtenu prc-
demment,
df =
f
t
dt +
f
x
dx.
En calcul dterministe dx a un comportement stable et prvisible, i.e. non alatoire.
Supposons cette fois quon cherche le comportement de Y
t
= f (t, X
t
) une transforma-
tion quelconque du processus dIto. Quelle est lEDS de Y
t
? De quelle faon crit-on
df = dY
t
?
On cherche le comportement local et global du processus stochastique {Y
t
, t 0} .
Lemme dIto ou thorme fondamental du calcul (stochastique) dIto :
Soit {X
t
, t 0} un processus dIto tel que
X
t
X
0
=
_
t
0
(s, X
s
) ds +
_
t
0
(s, X
s
) dW
s
et Y
t
= f (t, X
t
) une transformation quelconque du processus dIto.
Alors,
df =
f
t
dt +
f
Xt
dX
t
+
1
2

2
f
X
2
t

2
(t, X
t
) dt .
On peut trouver une preuve heuristique en utilisant lexpansion de Taylor de f (t, x)
jusqu lordre 2, dans la plupart des livres dingnierie nancire.
On remarque que le lemme dIto ajoute un terme
1
2

2
f
X
2
t

2
(t, X
t
) dt la drive totale
obtenue en calcul dterministe.
Cest parce quon ne peut tout simplement pas supposer que

2
f
X
2
t
= 0.
On intgre par rapport un MBS et {dW
s
, s 0} est un processus stochastique.
Dans le calcul dterministe, x est une constante de plus en plus petite.
Pourquoi le terme en

2
f
X
2
t
est important alors que

3
f
X
3
t
,

4
f
X
4
t
sont ignors ?
On a vu plus tt que la variation quadratique dun MBS converge vers une valeur
nie dterministe. La variation cubique, et autres convergent vers 0 ; on peut donc
ignorer ces termes.
La cl de la preuve du lemme dIto repose sur ce fait.
criture alternative du lemme dIto :
dY
t
=
f
t
dt +
f
X
t
dX
t
+
1
2

2
f
X
2
t
(dX
t
)
2
.
102 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
Toutefois, il faut reconnaitre que
(dX
t
)
2
= ((t, X
t
) dt + (t, X
t
) dW
t
)
2
=
2
(t, X
t
) (dt dt) + 2(t, X
t
) (t, X
t
) (dt dW
t
)
+
2
(t, X
t
) (dW
t
dW
t
)
et que
dt dt = 0
dt dW
t
= 0
dW
t
dW
t
= dt
cause de la variation quadratique dun MBS. Par consquent, lcriture est quivalente
car
1
2

2
f
X
2
t
(dX
t
)
2
=
1
2

2
f
X
2
t

2
(t, X
t
) dt.
Finalement, en substituant dX
t
dans le lemme dIto, on obtient
dY
t
= df (t, X
t
) =
f
(t, X
t
) dt +
f
(t, X
t
) dW
t
avec

f
(t, X
t
) =
f (t, x)
t

t,X
t
+(t, X
t
)
f (t, x)
x

t,X
t
+
1
2

2
(t, X
t
)

2
f (t, x)
x
2

t,Xt

f
(t, X
t
) = (t, X
t
)
f (t, x)
x

t,Xt
.
tapes dapplication du lemme dIto :
1. Lorsquon a une transformation f (t, X
t
), alors on lcrit sous la forme f (t, x) .
2. On crit les 3 drives partielles
f(t,x)
t
,
f(t,x)
x
,

2
f(t,x)
x
2
comme fonctions de t et x
3. On value ensuite le rsultat des drives partielles avec X
t
.
6.4.1 Exemples dapplication du lemme dIto
Dans cette sous-section, on regarde plusieurs applications du lemme dIto.
Exemple # 1 : Carr du MBS
On sintresse au comportement de W
2
t
.
On sait quun MBS est un processus dIto tel que
dX
t
= (t, X
t
) dt + (t, X
t
) dW
t
= dW
t
avec (t, X
t
) = 0 et (t, X
t
) = 1.
6.4. CALCUL STOCHASTIQUE DITO 103
La fonction f (t, x) = x
2
. Les drives sont
f (t, x)
t
= 0
f (t, x)
x
= 2x

2
f (t, x)
x
2
= 2.
On trouve

f
(t, X
t
) = 0 + 0 2X
t
+
1
2
1 2
= 1

f
(t, X
t
) = 1 2X
t
.
Par consquent,
df
t
= dt + 2X
t
dW
t
= dt + 2W
t
dW
t
.
On dduit que
f
t
f
0
=
_
t
0
du +
_
t
0
2W
u
dW
u
ou
W
2
t
t =
_
t
0
2W
u
dW
u
.
Il est intressant de constater que si on appliquait les rgles dingration dterministes
sur 2W
u
, on aurait W
2
t
au lieu de W
2
t
t. Donc, le facteur t provient directement
du lemme dIto.
Nous avions vu prcdemment quil ntait pas possible que
_
t
0
2W
u
dW
u
= W
2
t
car le
ct gauche de lquation peut tre ngatif alors que le ct droit est toujours positif.
Le calcul dIto nous a donc permis de rsoudre cette nigme.
Exemple # 2 : Mouvement brownien gomtrique
Comment crit-on le MBG sous la forme dun processus dIto. Il y a deux cas
analyser.
Cas # 1 : supposons quon a un MBG dni tel que
Y
t
= exp (X
t
)
o {X
t
, t 0} est un MBA avec drive et diusion , i.e.
X
t
= t +W
t
ou
dX
t
= dt +dW
t
.
On applique le lemme dIto sur f (t, X
t
) = exp (X
t
) .
104 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
Donc, f (t, x) = exp (x) et les drives partielles sont
f (t, x)
t
= 0
f (t, x)
x
= exp(x) = f (t, x)

2
f (t, x)
x
2
= exp(x) = f (t, x) .
On obtient

f
(t, X
t
) = 0 + f (t, X
t
) +
1
2

2
f (t, X
t
)

f
(t, X
t
) = f (t, X
t
) .
Donc,
df (t, X
t
) = f (t, X
t
)
_
+
1
2

2
_
dt +f (t, X
t
) dW
t
ou
df (t, X
t
)
f (t, X
t
)
=
_
+
1
2

2
_
dt +dW
t
ou en utilisant Y
t
, on a
dY
t
=
_
+
1
2

2
_
Y
t
dt +Y
t
W
t
.
Par consquent, le MBG est aussi un processus dIto.
Cas # 2 : le modle de Black-Scholes. Supposons quon a un MBG dni par
dS
t
= S
t
dt +S
t
dW
t
.
Quel est le comportement de X
t
= ln S
t
?
On applique le lemme dIto sur f (t, S
t
) = ln S
t
.
Donc, f (t, s) = ln (s) et les drives partielles sont
f (t, s)
t
= 0
f (t, s)
s
=
1
s

2
f (t, s)
s
2
=
1
s
2
.
On obtient

f
(t, S
t
) = 0 +S
t

1
S
t
+
1
2

2
S
2
t

1
S
2
t
=
1
2

f
(t, X
t
) = S
t

1
S
t
= .
6.4. CALCUL STOCHASTIQUE DITO 105
Donc,
df (t, X
t
) =
_

1
2

2
_
dt +dW
t
ou
dX
t
=
_

1
2

2
_
dt +dW
t
.
On obtient donc un MBA avec drive
1
2

2
.
Conclusion : il existe deux faons de dnir le MBG et les solutions seront lgre-
ment direntes :
Cas # 1 : si le MBG est dni avec S
t
= S
0
exp (t +W
t
) alors
dS
t
=
_
+
1
2

2
_
S
t
dt +S
t
dW
t
.
Cas # 2 : si le MBG est dni tel que
dS
t
= S
t
dt +S
t
dW
t
comme dans le modle de Black-Scholes, alors,
S
t
= S
0
exp
__

1
2

2
_
t +W
t
_
.
Il est crucial de pouvoir direncier les deux critures du MBG.
Exemple # 3 : (Quiz 15-5 AFM, adapt pour notre notation) : Vous avez
dX
t
X
t
= 0.1dt + 0.5dW
t
avec Y
t
= f (t, X
t
) = X
t
exp (0.02t). Il est possible dexprimer
dY
t
= Y
t
dt +Y
t
dW
t
.
Il faut trouver laide du lemme dIto.
Solution : on a
f (t, x) = xe
0.02t
f (t, x)
t
= 0.02 f (t, x)
f (t, x)
x
= e
0.02t
=
f (t, x)
x

2
f (t, x)
x
2
= 0.
Donc,

f
(t, X
t
) = 0.02f (t, X
t
) + 0.1X
t

f (t, X
t
)
X
t
+ 0
= 0.12 f (t, X
t
)

f
(t, X
t
) = 0.5X
t

f (t, X
t
)
X
t
= 0.5 f (t, X
t
) .
Par consquent, = 0.12.
106 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
En gnral, lorsquon a
dS
t
= S
t
dt +S
t
dW
t
avec S

t
= S
t
exp (t), alors
dS

t
= ( +) S

t
dt +S

t
dW
t
i.e. les termes de drives sadditionnent.
De plus, sans utiliser le lemme dIto, on a
S
t
= S
0
exp
__

1
2

2
_
t +W
t
_
.
En multipliant par exp (t) , on a
S
t
exp (t) = S
0
exp (t) exp
__

1
2

2
_
t +W
t
_
S

t
= S

0
exp
__
+
1
2

2
_
t +W
t
_
ce qui implique aussi
dS

t
= ( +) S

t
dt +S

t
dW
t
.
Exemple # 4 (15G dans ASM, modi) : le prix du sous-jacent suit le processus
dS
t
= 0.2S
t
dt + 0.02S
t
dW
t
.
Trouvez la dynamique de f (t, S
t
) = S
3
t
.
Solution : on applique le lemme dIto en sachant que la transformation est f (t, x) =
x
3
. Donc,
f (t, x) = x
3
f (t, x)
t
= 0
f (t, x)
x
= 3x
2
= 3
f (t, x)
x

2
f (t, x)
x
2
= 6x = 6
f (t, x)
x
2
.
On obtient

f
(t, X
t
) = 0 + 0.2S
t
3
f (t, S
t
)
S
t
+
1
2
S
2
t
0.02
2
6
f (t, S
t
)
S
2
t
= 0.6f (t, S
t
) + 3 0.02
2
f (t, S
t
)
= f (t, S
t
)
_
0.6 + 3 0.02
2
_
= 0.6012 f (t, S
t
)

f
(t, X
t
) = 0.02S
t
3
f (t, S
t
)
S
t
= 0.06 f (t, S
t
) .
6.5. SIMULATION 107
Exemple # 5 ( complter en exercice) : laide du lemme dIto, il est possible de
montrer que la dynamique de S

t
= S

t
(puissance ) est
dS

t
=
_
+
1
2
( 1)
2
_
S

t
dt +S

t
dW
t
.
lexamen MFE, vous pourriez avoir valuer une option exotique telle que
C (S
T
) =
_
S
3
T
K
_
+
.
Par consquent, en utilisant la dynamique de {S

t
, t 0} vous pourriez utiliser la
formule de Black-Scholes pour trouver la solution.
Il nest pas obligatoire dutiliser le lemme dIto pour montrer ce rsultat. En eet, on
a
S
t
= S
0
exp
__

1
2

2
_
t +W
t
_
et en prenant la puissance des deux cts on a
S

t
= S

0
exp
___

1
2

2
_
t +W
t
_

_
= S

0
exp
__

1
2

2
_
t +W
t
_
.
On dduit que le terme de diusion doit tre . De plus,
_

1
2

2
_
t =
_

1
2

2
_
t +
_
()
2
2

()
2
2
_
t
=
_

1
2

2
+
()
2
2
_
t
()
2
2
t
=
_
+
1
2

2
( 1)
_
t
()
2
2
t
et on dduit que le terme de drive doit tre +
1
2
( 1)
2
.
6.5 Simulation
Un processus dIto est dni par
dX
t
= (t, X
t
) dt + (t, X
t
) dW
t
.
Idalement, il faudrait pouvoir simuler directement de la vraie solution de {X
t
, t 0} .
Exemple # 1 : simulation dun MBG dni par
dS
t
= S
t
dt +S
t
dW
t
i.e. le modle de Black-Scholes.
108 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
Solution : on a trouv prcdemment que
d (lnS
t
) =
_

1
2

2
_
dt +dW
t
et donc
ln S
t
= ln S
0
+
_

1
2

2
_
t +dW
t
.
Sur un intervalle de temps petit, alors
ln S
t+t
= ln S
t
+
_

1
2

2
_
t + (W
t+t
W
t
)
ce qui fournit un algorithme de simulation du MBG dans ce cas.
En eet, on simule n v.a. normales centres et rduites : Z
t
, Z
2t
, ..., Z
nt
.
Par la suite,
S
t
= S
0
exp
__

1
2

2
_
t +

tZ
t
_
S
2t
= S
t
exp
__

1
2

2
_
t +

tZ
2t
_
...
S
nt
= S
(n1)t
exp
__

1
2

2
_
t +

tZ
nt
_
.
Il sagit du mme algorithme de simulation quau chapitre prcdent mais o on a
remplac par
1
2

2
.
Que faut-il faire lorsquon ne connait pas la solution exacte dun processus dIto quel-
conque ?
Malheureusement, cest trs commun de ne pas pouvoir trouver la solution exacte.
Il existe certains cas o une solution exacte existe : MBA, MBG, Ornstein-Uhlenbeck
(Vasicek) par exemple.
Lorsquon ne connait pas la solution exacte, on peut utiliser une des deux mthodes
numriques suivantes :
Mthode dEuler(Maruyama) ;
Mthode de Milstein;
Mthode dEuler(Maruyama) :
On approxime la solution exacte du processus dIto {X
t
, t 0} par
X
t+t
= X
t
+(t, X
t
) t + (t, X
t
)

tZ
t+t
o X
0
= x (connu), o Z
t+t
i.i.d.
Z N (0, 1) .
En fait, il sagit dune application directe de lEDS de {X
t
, t 0} car
W
t+t
W
t

tZ
t+t
.
Mthode de Milstein :
6.5. SIMULATION 109
On approxime la solution exacte du processus dIto {X
t
, t 0} par
X
t+t
= X
t
+(t, X
t
) t + (t, X
t
)

tZ
t+t
+
1
2
t (t, X
t
)

(t, X
t
)
_
Z
2
t+t
1
_
o X
0
= x (connu), Z
t+t
i.i.d.
Z N (0, 1) et

(t, X
t
) =

x
(t, x)

t,X
t
.
Par rapport la mthode dEuler, seul un terme supplmentaire calculer est requis.
Lapplication de la mthode dEuler ou de Milstein nest pas trs complique. Il suf-
t, une fois de plus, de simuler un ensemble de v.a. normales centres et rduites :
Z
t
, Z
2t
, ..., Z
nt
, et de calculer, priode par priode, la valeur du processus.
Exemple : simulation dun MBG. Soit t = 1, Z
1
= 1.25 et Z
2
= 0.68. Comparez
les trois trajectoires du MBG, laide de la simulation exacte, dEuler et de Milstein
si le MBG est dni tel que
dS
t
= 0.1S
t
dt + 0.3S
t
dW
t
et S
0
= 100.
Solution :
La solution exacte est
S
t
= S
t1
exp
__
0.1 0.5 0.3
2
_
+ (W
t
W
t1
)
_
= S
t1
exp (0.055 + (W
t
W
t1
))
S
t1
exp (0.055 + 0.3 Z
t
)
avec Z
t
N (0, 1). On a
S
0
= 100
S
1
= 100 exp (0.055 + 0.3 1.25) = 153.72575
S
2
= 153.72575 exp (0.055 + 0.3 0.68) = 132.44536.
Avec la mthode dEuler, on a
S
0
= 100
S
1
= 100 + 100 0.1 + 100 0.3 1.25 = 147.5
S
2
= 147.5 + 147.5 0.1 + 147.5 0.3 0.68 = 132.16.
Finalement, avec la technique de Milstein, on a
S
0
= 100
S
1
= 147.5 + 0.5 (0.3 100) 0.3
_
1.25
2
1
_
= 150.03125
S
2
= 150.03125 + 150.03125 0.1 + 150.03125 0.3 0.68
+0.5 (0.3 150.03125) 0.3
_
0.68
2
1
_
= 130.79844.
En gnral, la mthode de Milstein procure lerreur quadratique moyenne la plus petite.
110 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
6.6 Exercices
6.6.1 Examen MFE/3F
Mai 2007 : 12 ;
Mai 2009 : 6, 10 ;
Q&A (version du 18 aot 2010) : 24, 32, 35, 43, 68 ;
6.6.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exer-
cices nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son
autorisation).
Dans ce qui suit, on utilise les acronymes suivants : mouvement brownien standard (MBS),
mouvement brownien arithmtique (MBA), mouvement brownien gomtrique (MBG) et
quation direntielle stochastique (EDS). De plus, moins davis contraire, {W
t
, t 0} est
un MBS.
1. laide du lemme dIto, compltez lexemple # 5.
2. (GG) laide du lemme dIto, montrez que le processus stochastique {S
t
, t 0} o
S
t
S
0
exp
__
t
0

s
ds
1
2

2
t +W
t
_
satisfait lEDS
dS
t
=
t
S
t
dt +S
t
dW
t
o
s
est une fonction dterministe du temps.
3. (GG) En utilisant le lemme dIto, trouvez lEDS satisfaite par les processus suivants :
(a) X
t
= W
3
t
;
(b) X
t
=
_
W
A
t
_
3
o
_
W
A
t
, t 0
_
est un MBA avec drive = 0.03 et diusion
= 0.2 ;
(c) X
t
= S
3
t
o {S
t
, t 0} est un MBG dni par
exp (t +W
t
)
avec drive = 0.03 et diusion = 0.2 ;
(d) X
t
= S
3
t
o {S
t
, t 0} est un MBG dni par
dS
t
= S
t
dt +S
t
dW
t
avec drive = 0.03 et diusion = 0.2 ;
(e) X
t
= sin (W
t
) ;
(f) X
t
= sin (S
t
) o {S
t
, t 0} est un MBG avec drive = 0.03 et diusion = 0.2 ;
6.6. EXERCICES 111
4. (GG) Soit C une variable alatoire et
A
(t) une variable indicatrice qui prend la valeur
1 si t A. On dnit le processus stochastique {X
t
, t 0} par
X
t
= C
(a,b]
(t)
ainsi que la variable alatoire
Y
_

0
X
t
dW
t
.
En sachant que C et le MBS sont indpendants, rpondez aux questions suivantes :
(a) Quel est le comportement alatoire de Y ?
(b) Quelle est la moyenne et la variance de Y si E[C] =
C
et Var [C] =
2
C
?
112 CHAPITRE 6. INTRODUCTION AU CALCUL STOCHASTIQUE
Chapitre 7
Solutions au modle de Black-Scholes
7.1 Modle
March nancier dans le modle de Black-Scholes :
Actif sans risque (bon du Trsor, compte bancaire, etc.) ;
Aucun risque de dfaut ;
Taux dintrt r connu continument compos ;
Actif risqu (action ou autre actif sous-jacent) ;
Transig tous les instants ;
volution donne par le processus stochastique {S
t
, t 0} avec S
0
connu;
Actif sans risque :
Valeur au temps t
B
t
= B
0
e
rt
o B
0
= 1 la plupart du temps.
On peut galement crire la dynamique du titre sans risque sous la forme dune
quation direntielle ordinaire (EDO) avec
dB
t
= rB
t
dt.
On a
dB
t
B
t
= rdt
d ln B
t
= rdt
lnB
t
ln B
0
= rt
et on retrouve la solution ci-haut en prenant lexponentielle de chaque ct.
Actif risqu : dans le modle de Black-Scholes, la valeur de lactif risqu volue selon
un MBG dni par
dS
t
= S
t
dt +S
t
dW
t
.
On suppose que si = 0, alors = r et si > 0, alors = r. Nous reviendrons sur
cette condition un peu plus tard.
113
114 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
On sintresse, une fois de plus, trouver le juste prix dun produit driv qui paie
C
T
= g (S
T
) lchance du contrat, qui ne crera pas darbitrage.
Deux approches :
valuation par rplication;
valuation neutre au risque ;
7.2 valuation par rplication
Avant de trouver le portefeuille de rplication, nous devons voir deux concepts, non-
relis, qui seront utiles pour trouver le portefeuille de rplication ainsi que sa valeur en
tout point.
quations aux drives partielles ;
Stratgie auto-nance en temps continu;
7.2.1 quations aux drives partielles
quation aux drives partielles (EDP) (partial dierential equations ou PDE) :
type dquation direntielle qui dcrit lvolution dun phnomne dans le temps et
qui scrit comme une fonction de ses drives partielles ;
Trs connues en physique comme en thermodynamique, mcanique des uides, etc.
Exemple : quation de chaleur (heat equation)
Soit u(t, x, y) la temprature dun corps homogne la position (x, y). Alors

t
u(t, x, y) =
_

2
x
2
u(t, x, y) +

2
y
2
u(t, x, y)
_
est lquation de chaleur o u (0, x, y) est connue (condition initiale) comme tant
une fonction des coordonnes (x, y) .
Le but est alors de trouver la forme fonctionnelle de u(t, x, y) i.e. trouver sa solution.
EDP de Feynman-Ka (FK) :
Soient r (t, y) , m(t, y), s (t, y) et V (t, y) des fonctions dterministes connues ;
Alors, lEDP de FK scrit comme
r (t, y) V (t, y) =

t
V (t, y) +m(t, y)

y
V (t, y)
+
1
2
s (t, y)
2

2
y
2
V (t, y)
avec condition terminale V (T, y) = g (y) connue.
Il sagit dune classe dEDP paraboliques ;
La formule ou le thorme de FK permet de relier lEDP de FK une esprance et
vice-versa.
Thorme de FK :
Soit {Y
t
, t 0} un processus dIto quelconque crit sous la forme
dY
t
= m(t, Y
t
) dt +s (t, Y
t
) dW
t
.
7.2. VALUATION PAR RPLICATION 115
De plus, supposons quon a lEDP de FK scrivant comme
r (t, Y
t
) V (t, Y
t
) =

t
V (t, Y
t
) +m(t, Y
t
)

Y
t
V (t, Y
t
)
+
1
2
s (t, Y
t
)
2

2
Y
2
t
V (t, Y
t
) .
Alors,
V (t, y) = E
_
exp
_

_
T
t
r (u, Y
u
) du
_
g (Y
T
)

Y
t
= y
_
avec V (T, Y
T
) = g (Y
T
). Linverse tient aussi.
quoi servent les EDP et le thorme de FK en nance ?
Nous trouverons que la valeur du portefeuille de rplication dans le modle de Black-
Scholes volue dans le temps selon une EDP parabolique, et donc nous pourrons
trouver la formule de Black-Scholes laide du thorme de FK.
7.2.2 Stratgies auto-nances
Nous avons vu dans le chapitre 2 quune stratgie est dite auto-nance si
X

t
=
(0)
t
B
t
+
(1)
t
S
t
=
(0)
t+1
B
t
+
(1)
t+1
S
t
pour t = 1, 2, ... i.e. si la valeur du portefeuille juste avant et juste aprs un rajus-
tement est exactement la mme.
Par consquent :
Les gains et les pertes encourues au cours du temps sont rinvestis dans les actifs
disponibles ;
Aucune entre ou sortie externe dargent nest eectue partir du portefeuille.
Supposons un intervalle de temps petit mais ni t. Alors, par dnition, la valeur
dun portefeuille investi dans les bons du Trsor et dans le titre risqu est
X

t
=
(0)
t
B
t
+
(1)
t
S
t
.
On eectue un rebalancement du portefeuille laide dune stratgie autonance.
Alors,
X

t
=
(0)
t+t
B
t
+
(1)
t+t
S
t
.
t priodes plus tard, la valeur du portefeuille est
X

t+t
=
(0)
t+t
B
t+t
+
(1)
t+t
S
t+t
.
Le prot sur la priode est donc :
X

t+t
X

t
=
_

(0)
t+t
B
t+t
+
(1)
t+t
S
t+t
_

(0)
t
B
t
+
(1)
t
S
t
_
.
=
_

(0)
t+t
B
t+t
+
(1)
t+t
S
t+t
_

(0)
t+t
B
t
+
(1)
t+t
S
t
_
=
(0)
t+t
(B
t+t
B
t
) +
(1)
t+t
(S
t+t
S
t
) .
116 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
Finalement, lorsque t 0, alors on a
dX

t
=
(0)
t
dB
t
+
(1)
t
dS
t
ce qui correspond la condition dauto-nancement en temps continu.
Mme interprtation : la variation de la valeur du portefeuille sur un court intervalle
de temps correspond la somme pondre des variations de valeur de chacun des actifs ;
7.2.3 Drivation
Nous avons donc ce quil faut pour trouver le portefeuille de rplication dans le modle
de Black-Scholes ;
Dans un arbre binomial, nous appliquions les deux tapes suivantes chaque noeud :
Rplication des paiements dans les deux noeuds ;
valuation du portefeuille en sassurant que la stratgie tait auto-nance ;
temps continu, ces deux tapes doivent se faire de faon simultane.
On met un produit driv europen :
Le paiement lchance T est donn par C (T, S
T
) = g (S
T
) ;
Ne dpend en aucun cas de la valeur prise par S
t
pour t < T.
Au temps t, la valeur est C (t, S
t
) ;
On remarque que C (t, S
t
) est une transformation dun processus dIto ;
Il sagit de lquivalent dans larbre binomial de rpliquer les paiements la priode
suivante ;
En utilisant le lemme dIto, on trouve
dC (t, S
t
) =
C
(t, S
t
) dt +
C
(t, S
t
) dW
t
avec

C
(t, S
t
) =
C (t, s)
t

t,S
t
+S
t

C (t, s)
s

t,S
t
+
1
2

2
S
2
t


2
C (t, s)
s
2

t,St

C
(t, S
t
) = S
t

C (t, s)
s

t,St
.
De faon plus claire, notons
C
t

C (t, s)
t

t,St
C
S
t

C (t, s)
s

t,S
t
C
2
S
2
t


2
C (t, s)
s
2

t,St
.
7.2. VALUATION PAR RPLICATION 117
Donc,
dC (t, S
t
) =
_
C
t
+S
t
C
S
t
+
1
2

2
S
2
t

2
C
S
2
t
_
dt +S
t
C
S
t
dW
t
.
De plus, il ne sut pas de rpliquer les paiements du produit chaque instant, la
stratgie de rplication doit tre auto-nance.
On a,
dX

t
=
(0)
t
dB
t
+
(1)
t
dS
t
(auto-nance)
=
(0)
t
(rB
t
dt) +
(1)
t
(S
t
dt +S
t
dW
t
)
=
_
r
(0)
t
B
t
+
(1)
t
S
t
_
dt +
(1)
t
S
t
dW
t
.
Puisque,
X

t
=
(0)
t
B
t
+
(1)
t
S
t

(0)
t
B
t
= X

t

(1)
t
S
t
alors
dX

t
=
_
r
(0)
t
B
t
+
(1)
t
S
t
_
dt +
(1)
t
S
t
dW
t
=
_
r
_
X

t

(1)
S
t
_
+
(1)
t
S
t
_
dt +
(1)
t
S
t
dW
t
=
_
rX

t
+ ( r)
(1)
t
S
t
_
dt +
(1)
t
S
t
dW
t
.
Pour sassurer que la rplication soit auto-nance, alors on doit sassurer que dX

t
=
dC (t, S
t
) pour tout t.
quivalent X

t
= C (t, S
t
) pour tout t.
Il faut donc que
Les coecients devant dW
t
soient identiques ;
Les coecients devant dt soient identiques ;
On a

(1)
t
S
t
dW
t
= S
t
C
S
t
dW
t
et
_
rX

t
+ ( r)
(1)
t
S
t
_
dt =
_
C
t
+S
t
C
S
t
+
1
2

2
S
2
t

2
C
S
2
t
_
dt.
En simpliant, on a

(1)
t
S
t
dW
t
= S
t
C
S
t
dW
t

(1)
t
=
C
S
t
118 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
et
_
rX

t
+ ( r)
(1)
t
S
t
_
dt =
_
C
t
+S
t
C
S
t
+
1
2

2
S
2
t

2
C
S
2
t
_
dt

rC +
C
S
t
S
t
r
C
S
t
S
t
=
C
t
+S
t
C
S
t
+
1
2

2
S
2
t

2
C
S
2
t
rC = rS
t
C
S
t
+
C
t
+
1
2

2
S
2
t

2
C
S
2
t
.
Puisque
X

t
=
(0)
t
B
t
+
(1)
t
S
t
alors,

(0)
t
=
X

t

(1)
t
S
t
B
t
= e
rt
_
C (t, S
t
)
C
S
t
S
t
_
.
Le portefeuille de rplication est donn par

(1)
t
=

St
C (t, S
t
)

(0)
t
= e
rt
_
C (t, S
t
)
(1)
t
S
t
_
ce qui nous assure que X

t
= C (t, S
t
) pour tout t T.
Nous avons trouv deux choses :
Comment rpliquer un paiement de C (T, S
T
) = g (S
T
) chaque instant (
(1)
t
et
(0)
t
) ;
Une EDP parabolique pour la valeur du produit driv chaque priode, i.e.

t
C (t, S
t
) +rS
t


St
C (t, S
t
) +
1
2

2
S
2
t


2
S
2
t
C (t, S
t
) = r C (t, S
t
)
avec conditions aux bornes donnes par C (T, S
T
) = g (S
T
) .
Cette EDP est appele quation de Black-Scholes.
LEDP peut tre rsolue laide du thorme de FK.
La forme de lEDP et des conditions aux bornes dterminent comment rsoudre celle-ci.
quation de Black-Scholes : si le droit conditionnel est europen tel que C (T, S
T
) =
g (S
T
), alors la solution est donne par le thorme de Feynman-Kac. Les trois paie-
ments suivants sont valides :
g (S
T
) = (S
T
K)
+
est le payo dune option dachat europenne ;
g (S
T
) = (K S
T
)
+
est le payo dune option de vente europenne ;
g (S
T
) = I
{S
T
>K}
est le payo dune option dachat binaire cash-or-nothing ;
quation de Black-Scholes avec droit conditionnel amricain : lEDP reste la mme
mais la condition aux bornes doit tre vrie chaque instant pour vrier lopti-
malit ou non de lexercice. Par consquent, la faon de rsoudre lEDP est dirente,
mais son unique solution existera ;
quation de Black-Scholes avec un droit conditionnel quelconque : lEDP reste la
mme mais la condition aux bornes sera dirente et la faon dtre calcule chaque
instant galement.
7.2. VALUATION PAR RPLICATION 119
g (S
1
, S
2
, ..., S
T
) =
_
S K
_
+
est le payo dune option asiatique avec moyenne
arithmtique (ou gomtrique) et ne peut tre utilis avec FK.
Si on change le modle pour lactif sous-jacent ? LEDP sera dirente.
Solution de lquation de Black-Scholes :
Lapplication de Feynman-Kac est directe. En eet, la notation est donne par
Y
t
= S
t
m(t, Y
t
) = rS
t
s (t, Y
t
) = S
t
r (t, Y
t
) = r
V (t, Y
t
) = C (t, S
t
) .
La solution de lEDP de Black-Scholes est donc
C (t, S
t
) = E
_
e
r(Tt)
g (S
T
)

S
t

o {S
t
, t 0} suit la dynamique
dS
t
= rS
t
dt +S
t
dW
t
.
quivalent une valuation dans un monde virtuel o les investisseurs sont neutres au
risque : ils ne veulent aucune compensation pour le risque, ce qui implique que = r.
La solution est donc indpendante de .
Rsum :
La valeur dun produit driv sur S est
C (t, S
t
) = E
_
e
r(Tt)
g (S
T
)

S
t

avec
ln S
T
ln S
t
N
__
r
1
2

2
_
(T t) ,
2
(T t)
_
(voir chapitre 5).
En investissant X

0
= C (0, S
0
) et en appliquant la stratgie

(1)
t
=

S
t
C (t, S
t
)

(0)
t
= e
rt
_
C (t, S
t
)
(1)
t
S
t
_
chaque instant, alors on rplique de faon exacte les paiements du produit driv.
En dautres mots, peu importe la valeur de S
T
, alors X

T
= g (S
T
) .
Exemple : rplication dun contrat terme.
Soit g (S
T
) = S
T
K. Quelle est la valeur de ce droit conditionnel et quelle est la
stratgie qui le rplique ?
120 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
La fonction de paiement g (S
T
) nous permet dutiliser le thorme de Feynman-Kac.
On obtient
C (t, S
t
) = E
_
e
r(Tt)
(S
T
K)

S
t

= e
r(Tt)
E[ S
T
| S
t
] Ke
r(Tt)
.
On a
ln S
T
ln S
t
N
__
r
1
2

2
_
(T t) ,
2
(T t)
_
et donc,
E[ S
T
| S
t
] = S
t
E
_
exp
__
r
1
2

2
_
(T t) +

T t N (0, 1)
__
= S
t
exp
__
r
1
2

2
_
(T t)
_
exp
_
1
2

2
(T t)
_
= S
t
exp (r (T t))
ce qui implique
C (t, S
t
) = e
r(Tt)
E[ S
T
| S
t
] Ke
r(Tt)
= e
r(Tt)
S
t
exp (r (T t)) Ke
r(Tt)
= S
t
Ke
r(Tt)
.
Il sagit de la mme valeur que nous avions obtenue au chapitre 0.
Le portefeuille de rplication est

(1)
t
=
C
S
t
= 1

(0)
t
= e
rt
_
C (t, S
t
)
C
S
t
S
t
_
= e
rt
_
S
t
Ke
r(Tt)
S
t
_
= Ke
rt
e
r(Tt)
= Ke
rT
.
Pour rpliquer la valeur dun contrat terme toute priode t, il faut donc acheter
une action et emprunter la valeur prsente de K t = 0.
Les stratgies sont indpendantes de t ce qui indique que le portefeuille nest jamais
rebalanc.
7.3 valuation neutre au risque
Nous avons suppos que si = 0, alors = r et si > 0, alors = r. Il sagit en fait
de la condition dabsence darbitrage.
7.3. VALUATION NEUTRE AU RISQUE 121
Il est important que {B
t
, t 0} et {S
t
, t 0} ne permettent pas darbitrage.
Dans le cadre de larbre binomial, nous avons vu quil y avait arbitrage lorsque le
titre sans risque rapportait toujours plus ou toujours moins que le titre risqu, pour
au moins un noeud dans larbre binomial.
Ide similaire en temps continu : il sut que
Pr
_
S
t+t
> S
t
e
rt
_
> 0 et Pr
_
S
t+t
< S
t
e
rt
_
> 0, t 0
an dviter larbitrage entre {S
t
, t 0} et {B
t
, t 0} .
Lorsque la volatilit de {S
t
, t 0} est nulle, lactif risqu doit rapporter le taux sans
risque pour viter les opportunits darbitrage ;
De plus, le mouvement brownien tant un cas limite dun arbre binomial lorsque t
0, alors on sattend ce que le thorme fondamental dvaluation des actifs nanciers
sapplique galement.
Thorme fondamental dvaluation :
En absence darbitrage, il existe au moins une mesure neutre au risque telle que la
condition martingale est respecte, et vice-versa.
Sapplique pour nimporte quel processus temps discret ainsi que le modle de
Black-Scholes un ou plusieurs actifs risqus) ;
Condition martingale : la condition martingale est telle que
S
t
B
t
= E
Q
_
S
T
B
T

F
t
_
, t < T
On note que F
t
correspond linformation donne par toutes les trajectoires possibles
gnres par {S
u
, u t}
En termes de probabilits avances, F
t
est la tribu brownienne ;
La consquence du thorme fondamental dvaluation est que le prix dun produit
driv est tel que
C
t
B
t
= E
Q
_
C
T
B
T

F
t
_
, t < T
Donc,
C
0
=E
Q
_
C
T
B
T

F
0
_
lorsque B
0
= 1.
Par consquent, tout produit risqu doit rapporter en moyenne le taux sans risque dans
la mesure neutre au risque ;
Calcul stochastique : une martingale a une drive nulle et vice-versa ;
En eet, une martingale retourne en moyenne sa dernire valeur connue.
Si elle avait une tendance la hausse ou la baisse, la martingale naurait pas
tendance retourner sa dernire valeur connue.
La dynamique de lactif risqu dans la mesure de probabilit relle P est
dS
t
= S
t
dt +S
t
dW
P
t
.
En temps discret, nous avons trouv les probabilits alternatives q telles que la condi-
tion martingale tait respecte.
122 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
En temps continu, nous allons modier la drive du MBS an de respecter la condi-
tion
S
t
B
1
t
= E
Q
_
S
T
B
1
T

F
t

.
Soit une constante et
W
P
t
W
Q
t
t
On a
dS
t
= S
t
dt +S
t
dW
P
t
= S
t
dt +S
t
d
_
W
Q
t
t
_
= S
t
dt +S
t
dW
Q
t
S
t
dt
= ( ) S
t
dt +S
t
dW
Q
t
.
Sous la mesure Q, la valeur prsente de lactif risqu doit tre une martingale. Posons
S

t

S
t
B
t
= S
t
e
rt
.
Donc, laide du lemme dIto, on trouve que
dS

t
= ( r ) S

t
dt +S

t
dW
Q
t
.
Pour obtenir une martingale, on doit avoir
r = 0
ou
=
r

.
est galement connu comme tant le prix du risque W
P
t
(market price of risk) ou
le ratio de Sharpe (Sharpe ratio).
tant donn que < , selon le thorme de Girsanov,
_
W
Q
t
, t 0
_
est un MBS sous
Q.
Exemple : quelles sont les valeurs de E
P
_
W
P
t

,E
P
_
W
Q
t

,E
Q
_
W
P
t

et E
Q
_
W
Q
t

?
Solution : on a
E
P
_
W
P
t

= 0
car
_
W
P
t
, t 0
_
est un MBS sous P. De plus,
E
P
_
W
Q
t

= E
P
_
W
P
t
+t

= t
car
_
W
Q
t
, t 0
_
est un MBA sous P. galement,
E
Q
_
W
P
t

= E
Q
_
W
Q
t
t

= t
car
_
W
P
t
, t 0
_
est un MBA sous Q. Finalement,
E
Q
_
W
Q
t

= 0
car selon Girsanov,
_
W
Q
t
, t 0
_
est un MBS sous Q.
7.4. FORMULE DE BLACK-SCHOLES 123
La dynamique de lactif risqu sous Q est
dS
t
= ( ) S
t
dt +S
t
dW
Q
t
et
=
_
r

_
= r.
On obtient donc
dS
t
= rS
t
dt +S
t
dW
Q
t
ce qui est un MBG avec drive r. Par consquent, sous la mesure neutre au risque,
ln S
t
lnS
0
N
__
r
1
2

2
_
t,
2
t
_
.
Lvaluation sans arbitrage de tout droit conditionnel europen se fera donc en calculant
C
0
= e
rT
E
Q
[ C
T
| F
0
]
en considrant le fait que
ln S
T
ln S
0
N
Q
__
r
1
2

2
_
T,
2
T
_
sous la mesure de probabilit neutre au risque.
Ceci est quivalent la solution trouve laide du thorme de Feynman-Kac.
Lvaluation neutre au risque est donc quivalente lvaluation par rplication.
7.4 Formule de Black-Scholes
Rsum : peu importe la faon dy arriver (rplication ou neutre au risque), nous
avons dmontr que
C
0
= e
rT
E[ g (S
T
)| F
0
]
o
ln S
T
lnS
0
N
__
r
1
2

2
_
T,
2
T
_
.
Formule de Black-Scholes : il sagit de lquation correspondant C
0
dans le cas
dune option dachat europenne, i.e. g (S
T
) = max (S
T
K; 0).
La fonction de paiement nest rien de plus quune prime stop-loss o les pertes sont
distribues selon une loi lognormale.
Quelques rorganisations :
C
0
= e
rT
E
Q
[max (S
T
K; 0)]
= S
0
e
rT
E
Q
_
max
_
S
T
K
S
0
;
0
S
0
__
= S
0
e
rT
E
Q
_
max
_
S
T
S
0

K
S
0
; 0
__
.
Il sagit donc dune prime stop-loss
K
S
0
lorsque S
0
= 0.
124 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
Rsultat (voir le livre Loss Models par exemple pour la preuve) : soit X LN (m, s)
o ln X N (m, s), alors
E [max (X d; 0)] = exp
_
m +
1
2
s
2
_

_
lnd +m +s
2
s
_
d
_
ln d +m
s
_
o (x) est la fonction de rpartition dune loi normale standard.
On a
C
0
= S
0
e
rT
E
Q
_
max
_
S
T
S
0

K
S
0
; 0
__
= S
0
e
rT
_
_
_
_
exp
__
r
1
2

2
_
T +
1
2

2
T
_

_
ln
K
S
0
+(r
1
2

2
)T+
2
T

2
T
_

K
S
0

_
ln
K
S
0
+(r
1
2

2
)T

2
T
_
_
_
_
_
= S
0

_
ln
K
S
0
+
_
r
1
2

2
_
T +
2
T

2
T
_
Ke
rT

_
ln
K
S
0
+
_
r
1
2

2
_
T

2
T
_
= S
0

_
ln
S
0
K
+
_
r
1
2

2
_
T

T
+

2
T

T
_
Ke
rT

_
ln
S
0
K
+
_
r
1
2

2
_
T

T
_
.
En posant
d
2

ln
S
0
K
+(r
1
2

2
)T

T
d
1
d
2
+

T
d
1
=
ln
S
0
K
+(r+
1
2

2
)T

T
on a
C
0
= e
rT
E
Q
[max (S
T
K; 0)]
C
0
= S
0
(d
1
) Ke
rT
(d
2
)
ce qui correspond la formule de Black-Scholes pour une option dachat europenne.
De faon gnrale, la valeur dune option dachat au temps t, en observant S
t
est
C
t
= S
t
(d
1
) Ke
r(Tt)
(d
2
)
avec
d
1
=
ln
St
K
+
_
r +
1
2

2
_
(T t)

T t
d
2
= d
1

T t.
7.5. SIMULATION 125
Exercice : en utilisant la relation de parit des options dachat et de vente, prouvez
que le prix dune option de vente europenne sur le sous-jacent S
t
est
P
t
= Ke
r(Tt)
(d
2
) S
t
(d
1
) .
Exemple (13.6 - Hull) : le prix actuel dune action est de 42$ et deux options sont
mises (achat et vente). Ces options expirent dans 6 mois et le prix dexercice est de
40$. Si le taux dintrt sans risque (continu) est de 10% et que la volatilit de laction
est de 20%, trouver le prix des options dachat et de vente sur ce sous-jacent.
Solution : on a S
0
= 42, K = 40, r = 0.1, = 0.2 et T = 0.5. On obtient
d
1
=
ln
S
0
K
+
_
r +
1
2

2
_
T

T
=
ln
_
42
40
_
+
_
0.1 +
1
2
0.2
2
_
0.5
0.2

0.5
= 0.76926263
d
2
= d
1

T
= 0.76926263 0.2

0.5
= 0.62784127.
Par consquent,
C
0
= 42(0.76926263) 40e
0.05
(0.62784127)
= 4.76.
De faon similaire, on trouve que P
0
= 0.81.
7.5 Simulation
laide de lvaluation neutre au risque, nous avons trouv que
C
0
= e
rT
E
Q
[ C
T
| F
0
]
avec
ln S
T
ln S
0
N
Q
__
r
1
2

2
_
T,
2
T
_
.
La seule restriction sur C
T
est que celui-ci soit europen. Par consquent, C
T
peut tre
une fonction de toute la trajectoire {S
t
, t 0} .
Options exotiques par exemple ;
Lapproche neutre au risque suggre donc une approche naturelle dvaluation des
droits conditionnels par simulation.
Prparation :
On divise lintervalle de temps [0, T] en n sous-intervalles de longueur t = T/n.
t = 0, t, 2t, ..., nt = T quivaut k = 0, 1, 2, ..., n;
Soit N le nombre de trajectoires simuler ;
126 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
Algorithme :
Pour i = 1, 2, ..., N :
Simuler une trajectoire
i
dun MBG {S
t
, t 0} tel que
ln S
t+t
(
i
) ln S
t
(
i
) +N
__
r
1
2

2
_
t,
2
t
_
;
Calculer le paiement du droit conditionnel :
G
i
g (S
t
(
i
) , S
2t
(
i
) , ..., S
nt
(
i
))
Un estimateur (naf) du prix du produit driv est

C
0
= e
rT

1
N
N

i=1
G
i
.
Remarques :
Lorsque le paiement du produit driv ne dpend que de S
T
, alors on peut simuler
directement S
T
plutt que de simuler la trajectoire complte.
Comme prvu, lorsque N , on a

C
0
C
0
= e
rT
E[ C
T
| F
0
] .
Exemple : vous voulez valuer une option dachat avec prix dexercice de 105$ qui
vient maturit dans 3 ans. Si le taux sans risque est de 5%, la volatilit du prix de
laction est de 25% et que le prix initial de laction est de 100$, trouvez le prix de cette
option avec la simulation et les 5 nombres normaux suivants : 0.49296768, -1.14290591,
0.35194092, 0.31634084 et 0.0271845.
Solution :
On trouve S
3
avec
S
3
100 exp
__
0.05
0.25
2
2
_
3 + 0.25

3 Z (
i
)
_
.
On obtient
Z(
i
) S
3
(
i
) C
3
(
i
)
0.49296768 130.958627 25.9586273
-1.14290591 64.4911115 0
0.35194092 123.200742 18.2007423
0.31634084 121.316131 16.3161305
0.0271845 107.038804 2.03880352
Le prix est donc

C
0
= e
rT

1
N
N

i=1
G
i
= e
0.053

1
5
(25.95 + 0 +... + 2.04)
= 10.7613119.
7.6. EXERCICES 127
7.6 Exercices
7.6.1 Examen MFE/3F
Mai 2007 : 3, 15 ;
Mai 2009 : 9, 18, 20 ;
Q&A (version du 18 aot 2010) : 6, 7, 10, 11, 12, 37, 48, 55, 73 ;
7.6.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exer-
cices nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son
autorisation).
1. Dans le modle de Black-Scholes, on suppose que = 0.07, r = 0.04, = 0.25,
S
0
= 100.
(a) Quelle est la probabilit que laction dpasse 120$ aprs 2 ans ?
(b) Quelle est la probabilit neutre au risque que laction dpasse 120$ aprs 2 ans ?
Quelle est la dirence entre cette rponse et celle en a). quoi servent chacune
des probabilits calcules ?
(c) Calculer un intervalle de conance 95% pour le prix de laction dans 1 an.
(d) Une option dachat avec prix dexercice de 110$ et une maturit de 2 ans est
mise. Quelle est la probabilit que loption soit in-the-money lchance ?
2. Dans le modle de Black-Scholes, on voudrait valuer et rpliquer les droits condition-
nels suivants :
C
(1)
T
(S
T
) = S
T
K;
C
(2)
T
(S
T
) =
_
K, S
T
> K
0, S
T
K.
C
(3)
T
(S
T
) = S
n
T
.
Pour chacun des droits conditionnels, rpondre aux questions suivantes :
(a) Dans ce contexte, quelle est lEDP approprie ainsi que la condition aux bornes
ncessaire an dvaluer le droit conditionnel ?
(b) En utilisant le thorme de Feynman-Kac, trouvez la valeur t = 0 du droit
conditionnel.
(c) Combien dunits doit-on dtenir dans le titre risqu et sans risque chaque
priode de temps ? Interprtez. Pourquoi ?
(d) laide de lapproche neutre au risque, valuez le droit conditionnel en question.
Vriez que vous obtenez le mme rsultat quen a).
(e) laide du portefeuille de rplication trouv en c), assurez-vous que
(0)
t
B
t
+
(1)
t
S
t
est quivalent la solution trouve en b) et en d).
128 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
3. (CZ) Dans le modle de Black-Scholes, on suppose que r = 0.05, = 0.2, T = 0.25,
S
0
= 100. Calculez le juste prix du droit conditionnel suivant :
C
T
(S
T
) =
_
_
_
10, S
T
125
0, 100 < S
T
< 125
10, S
T
100.
4. Dans le modle de Black-Scholes, on voudrait valuer le droit conditionnel suivant :
C
T
= max (S
T
1
; S
T
2
) S
T
avec 0 < T
1
< T
2
< T o T est la maturit du droit.
(a) laide de lapproche neutre au risque, valuez le droit conditionnel t = 0.
(b) Expliquez pourquoi il nest pas possible dutiliser le thorme de Feynman-Kac
pour valuer le droit conditionnel.
5. Dans le modle de Black-Scholes, prouvez que le nombre dunits quil faut dtenir
chaque instant dans lactif risqu pour rpliquer une option dachat europenne est
C
S
= (d
1
)
et que dans le cas dune option de vente,
P
S
= (d
1
) 1.
6. Dans un march nancier temps continu, on a que le taux dintrt est nul et que
S
t
= W
t
(MBS) pour tout t. Si

(1)
t
= 2W
t

(0)
t
= t W
2
t
,
est-ce que la stratgie
_

(0)
t
,
(1)
t
_
est auto-nance ?
7. Dans le march nancier suivant, deux titres risqus sont transigs tels que
dS
(1)
t
=
1
S
(1)
t
dt +
1
S
(1)
t
dW
t
dS
(2)
t
=
2
S
(2)
t
dt +
2
S
(2)
t
dW
t
.
De plus, on a que le taux sans risque est de r. On dnit le ratio de Sharpe du march
i comme tant

i


i
r

i
.
Montrez quil existe des opportunits darbitrage lorsque

1
=
2
i.e. lorsque le ratio de Sharpe dans chacun des marchs nest pas identique. Pour y
parvenir, vous devez raliser chacune des tapes suivantes :
7.6. EXERCICES 129
(a) En sachant que la stratgie employer est
(1)
t
=
1
S
(1)
t

1
units du titre risqu #
1,
(2)
t
=
1
S
(2)
t

2
du titre risqu # 2 et le reste dans le titre sans risque, calculez

(0)
t
.
(b) La stratgie prcdente est autonance. Pourquoi ?
(c) Trouvez lEDS de la valeur du portefeuille de rplication.
(d) Trouvez lEDS de la valeur prsente (au taux continu r) du portefeuille de
rplication.
(e) Trouvez la solution de lEDS en d).
(f) Lorsque linvestissement initial est nul, est-ce que la valeur prsente du portefeuille
de rplication est nulle galement ? Que pouvez-vous conclure sur la prsence
darbitrage dans ce march lorsque
1
=
2
?
8. Au lieu de trouver un portefeuille qui met en lumire les opportunits darbitrage dans
le march nancier de la question # 6, nous allons utiliser le thorme fondamental
dvaluation des actifs nanciers pour y parvenir. Supposons un march nancier o
les 2 actifs risqus transigs sont tels que
dS
(1)
t
=
1
S
(1)
t
dt +
1
S
(1)
t
dW
P
t
dS
(2)
t
=
2
S
(2)
t
dt +
2
S
(2)
t
dW
P
t
dans la mesure de probabilit relle P. De plus, on note
t
= e
rt
, un facteur dactua-
lisation.
(a) laide du lemme dIto, prouvez que la dynamique de
_

t
S
(1)
t
_
et
_

t
S
(2)
t
_
est
d
_

t
S
(1)
t
_
= (
1
r)
t
S
(1)
t
dt +
1

t
S
(1)
t
dW
P
t
d
_

t
S
(2)
t
_
= (
2
r)
t
S
(2)
t
dt +
2

t
S
(2)
t
dW
P
t
.
(b) En posant W
P
t
W
Q
t
t, montrez que
d
t
S
(1)
t
= (
1
r
1
)
t
S
(1)
t
dt +
1

t
S
(1)
t
dW
Q
t
d
t
S
(2)
t
= (
2
r
2
)
t
S
(2)
t
dt +
2

t
S
(2)
t
dW
Q
t
.
(c) Montrez quil faut que
=

1
r

1
=

2
r

2
an que
_

t
S
(1)
t
_
et
_

t
S
(2)
t
_
soient des martingales sous la mesure de probabilit
neutre au risque.
(d) laide du thorme fondamental dvaluation des actifs nanciers, que pouvez-
vous conclure sur la relation

1
r

1
=

2
r

2
an de maintenir labsence darbitrage ?
130 CHAPITRE 7. SOLUTIONS AU MODLE DE BLACK-SCHOLES
Chapitre 8
Applications du modle de
Black-Scholes
8.1 Options sur autres actifs
On considre des options sur des actifs qui paient un revenu continu ou son quivalent ;
Actions privilgies (dividendes) ;
Taux de change ;
Contrats terme ;
Dbutons avec les actifs qui paient un taux de dividende continu;
Mme ide quen temps discret ;
Dividendes doivent tre considrs sous le point de vue de la compagnie mettrice et
de linvestisseur ;
Du point de vue de la compagnie, les dividendes diminuent lavoir disponible et
rduisent le potentiel dexpansion de lentreprise.
Pour linvestisseur, les dividendes augmentent le rendement sur laction.
Gain en capital (variation du prix de laction) + Dividendes ;
Soit S
t
la valeur dune action privilgie du point de vue de la compagnie (ex-post ou
aprs versement des dividendes) ;
Taux de rendement de r
d
;
Soit S

t
la valeur dune action privilgie du point de vue de linvestisseur (gain en
capital + dividendes) ;
Taux de rendement de (gain en capital : r
d
, revenu en dividendes : r
d
) ;
8.1.1 valuation par rplication
On a
dS
t
= ( r
d
) S
t
dt +S
t
dW
t
.
Puisque
S

t
= e
r
d
t
S
t
alors par le lemme dIto, on a
dS

t
= S

t
dt +S

t
dW
t
.
131
132 CHAPITRE 8. APPLICATIONS DU MODLE DE BLACK-SCHOLES
Une option est mise sur {S
t
, t 0} (non sur {S

t
, t 0}).
Pour rpliquer les paiements, on utilise le lemme dIto et on trouve (voir chapitre 7) :
dC (t, S
t
) =
_
C
t
+ ( r
d
) S
t
C
S
t
+
1
2

2
S
2
t

2
C
S
2
t
_
dt +S
t
C
S
t
dW
t
.
Du ct de linvestisseur, celui-ci possde laction privilgie et son rendement rel
inclut les gains en capitaux et les dividendes. De plus, on doit sassurer que la stratgie
est auto-nance, et donc (voir chapitre 7) :
dX

t
=
(0)
t
dB
t
+
(1)
t
dS

t
(auto-nance)
=
(0)
t
(rB
t
dt) +
(1)
t
(S

t
dt +S

t
dW
t
)
=
_
r
(0)
t
B
t
+
(1)
t
S

t
_
dt +
(1)
t
S

t
dW
t
La valeur du portefeuille est
X

t
=
(0)
t
B
t
+
(1)
t
S

t
et donc

(0)
t
B
t
= X

t

(1)
t
S

t
.
En substituant
(0)
t
B
t
, on obtient (comme au chapitre 7)
dX

t
=
_
rX

t
+ ( r)
(1)
t
S

t
_
dt +
(1)
t
S

t
dW
t
.
On vise dC (t, S
t
) = dX

t
. Comme au chapitre 7, on doit sassurer davoir galit
devant les termes en dt et en dW
t
.
En galisant les termes en dW
t
on obtient,

(1)
t
S

t
=
C
S
t
S
t
ce qui indique

(1)
t
S
t
e
tr
d
=
C
S
t
S
t
et donc

(1)
t
= e
tr
d
C
S
t
.
De plus, en galisant les termes en dt, on obtient
C
t
+ ( r
d
) S
t
C
S
t
+
1
2

2
S
2
t

2
C
S
2
t
= rC
t
+ ( r)
C
S
t
e
tr
d
S

t
= rC
t
+ ( r)
C
S
t
S
t
Les termes en sannulent une fois de plus, et on obtient lEDP de Black-Scholes
C
t
+ (r r
d
) S
t
C
S
t
+
1
2

2
S
2
t

2
C
S
2
t
= rC
t
.
8.1. OPTIONS SUR AUTRES ACTIFS 133
En utilisant le thorme de FK, on trouve que la valeur dun produit driv sur S est
C (t, S
t
) = E
_
e
r(Tt)
g (S
T
)

S
t

avec
ln S
T
ln S
t
N
__
r r
d

1
2

2
_
(T t) ,
2
(T t)
_
.
8.1.2 valuation neutre au risque
La condition martingale stipule que
S

t
B
t
= E
Q
_
S

T
B
T

F
t
_
, t < T
Il faut inclure le revenu de dividende dans le rendement total.
Donc,
dS

t
= S

t
dt +S

t
dW
P
t
.
On procde au mme changement de mesure et on obtient
=
r

et donc,
dS

t
= rS

t
dt +S

t
dW
Q
t
.
Toutefois, loption est mise sur S
t
pas sur S

t
. Avec le lemme dIto, S
t
= e
tr
d
S

t
et
donc
dS
t
= (r r
d
) S
t
dt +S
t
dW
Q
t
.
Par consquent, dans la mesure neutre au risque, on a
lnS
T
ln S
t
N
Q
__
r r
d

1
2

2
_
(T t) ,
2
(T t)
_
et donc la valeur dun produit driv est
C
t
= e
r(Tt)
E
Q
[ C
T
| F
t
] .
8.1.3 Formule de Black-Scholes
Nous avons dmontr quen utilisant le portefeuille de rplication ou lapproche neutre
au risque, on obtient lquivalent de
C
t
= e
r(Tt)
E[ C
T
| F
t
]
o
ln S
T
ln S
t
N
__
r r
d

1
2

2
_
(T t) ,
2
(T t)
_
.
134 CHAPITRE 8. APPLICATIONS DU MODLE DE BLACK-SCHOLES
Par consquent, la formule de Black-Scholes lorsquun taux de dividende de r
d
est pay
continument est
C (t, S
t
) = e
r(Tt)
E
Q
_
(S
T
K)
+

F
t

= S
t
e
r
d
(Tt)
(d
1
) Ke
r(Tt)
(d
2
)
avec
d
1
=
ln
St
K
+
_
r r
d
+
1
2

2
_
(T t)

T t
d
2
= d
1

T t.
Autres actifs :
Taux de change : taux de dividende quivaut au taux sans risque dans le pays tranger
i.e. r
d
= r
f
;
Contrat terme de mme chance que loption : taux de dividende quivaut au
taux sans risque i.e. r
d
= r;
Exemple 8A (ASM) : pour des options europennes maturit de 3 mois et un prix
dexercice de 52$, on a
Le prix actuel de laction est de 50$ ;
La volatilit de laction est de 40%;
Le taux continu de dividende est de 4%;
Le taux sans risque est de 8% continu;
Il faut calculer le prix des options dachat et de vente.
Solution : On a S
0
= 50, = 0.4, r
d
= 0.04, r = 0.08, T = 0.25 et K = 52. Par
consquent,
d
2
=
ln
S
0
K
+
_
r r
d

1
2

2
_
(T t)

T t
=
ln
_
50
52
_
+
_
0.08 0.04
1
2
0.4
2
_
0.25
0.4

0.25
= 0.246103566
d
1
= d
2
+

T t
= 0.246103566 + 0.4

0.25
= 0.046103566.
On a donc
C
0
= 50e
0.040.25
(0.0461) 52e
0.080.25
(0.2461)
= 3.31.
Similairement pour loption de vente P
0
= 4.78.
Exemple 8B (ASM) : Une action verse des dividendes trimestriels. Le dernier divi-
dende sur cette action a t vers juste avant lmission de loption. De plus :
Le prix actuel de laction est de 42$ ;
8.2. OPTIONS EXOTIQUES 135
Les dividendes trimestriels (certains) sont de 0.75$ ;
La volatilit de laction est de 30%;
Le taux sans risque est de 4% continu;
Calculer le prix dune option de vente de 6 mois avec prix dexercice de 40$
Solution : Il y aura 2 dividendes verss durant la dure de vie de loption : t = 0.25
et t = 0.5. Par consquent, la valeur prsente des dividendes est de
D = 0.75
_
e
0.040.25
+e
0.040.5
_
= 1.4776864
S
0
D = 42 1.4776864
= 40.522314.
On utilise la formule de Black-Scholes, sans dividende continu, pour trouver
d
1
= 0.2615
d
2
= 0.0494.
Par consquent, le prix de loption de vente est
P
0
= 40e
0.040.5
0.4801 40.52231 0.3974 = 2.72.
Exemple 8D (ASM) : Un contrat terme sur de largent (mtaux prcieux!) avec
livraison dans 1 an se transige prsentement 10$. La volatilit du contrat terme est
de 25% et le taux sans risque est de 4%. Calculez le prix dune option dachat sur ce
contrat terme si le prix dexercice est aussi de 10$.
Solution : on a
d
2
=
ln
S
0
K
+
_
r r
d

1
2

2
_
(T t)

T t
=
0 +
_

1
2
0.25
2
_
0.25
= 0.125
d
1
= 0.125
ce qui implique
C
0
= 10e
0.04
0.5517 10e
0.04
0.4483
= 0.993.
8.2 Options exotiques
On considre plusieurs types doptions exotiques populaires en nance.
Binaires (binary) ;
Asiatiques (sur la moyenne) (Asian) ;
Barrire (barrier) ;
Composes (compound) ;
136 CHAPITRE 8. APPLICATIONS DU MODLE DE BLACK-SCHOLES
cart (gap) ;
change (exchange) ;
Avec les outils mathmatiques dvelopps jusqu maintenant, il peut tre dicile
dobtenir des formules fermes pour certaines de ces options.
Toutefois, ces formules existent et nous rfrons le lecteur au livre de Hull et McDo-
nald le cas chant.
8.2.1 Options binaires
Option dachat binaire : ce sont des options qui paient un certain montant dargent
seulement si une barrire est atteinte lchance (pas dici lchance). Le paiement
est nul si celle-ci nest pas atteinte.
Condition remplir : S
T
K;
Deux paiements possibles :
Cash-or-nothing : le montant pay T est K si S
T
K;
Asset-or-nothing : le montant pay T est S
T
si S
T
K ;
Option de vente binaire : options qui paient un certain montant dargent seulement
si une barrire nest pas atteinte lchance (pas dici lchance). Le paiement est
nul si celle-ci est atteinte.
Exactement linverse de loption dachat ;
Condition remplir : S
T
K;
Deux paiements galement possibles : cash-or-nothing ou asset-or-nothing ;
Lvaluation de ces options est directe. On sait que dans la mesure neutre au risque on
a
lnS
T
ln S
t
N
Q
__
r r
d

1
2

2
_
(T t) ,
2
(T t)
_
et donc la valeur dun produit driv est
C
t
= e
r(Tt)
E
Q
[ C
T
| F
t
] .
Option dachat binaire cash-or-nothing :
C
t
= e
r(Tt)
E
Q
[ K I
S
T
K
| F
t
]
= Ke
r(Tt)
Pr
Q
(S
T
K)
= Ke
r(Tt)
(d
2
) .
Option de vente binaire cash-or-nothing :
C
t
= e
r(Tt)
E
Q
[ K I
S
T
K
| F
t
]
= Ke
r(Tt)
(d
2
) .
Option dachat binaire asset-or-nothing :
C
t
= e
r(Tt)
E
Q
[ S
T
I
S
T
K
| F
t
]
= e
r(Tt)
_

K
sg (s) ds
8.2. OPTIONS EXOTIQUES 137
o g (s) est la fonction de densit de S
T
sous Q. laide des proprits de la loi
lognormale (esprances limites), on trouve
C
t
= S
t
e
r
d
(Tt)
(d
1
) .
Option de vente binaire asset-or-nothing : similairement
P
t
= S
t
e
r
d
(Tt)
(d
1
) .
Une option europenne standard est compose dune option binaire de type cash-or-
nothing ainsi que dune option binaire de type asset-or-nothing.
Sapplique aux options dachat et de vente.
En eet, pour une option dachat, le paiement lchance scrit comme
(S
T
K)
+
= (S
T
K) I
S
T
K
= S
T
I
S
T
K
K I
S
T
K
ce qui correspond une position longue dans une option dachat asset-or-nothing et
une position courte dans une option dachat cash-or-nothing.
8.2.2 Options asiatiques
Options dont le paiement est reli la valeur moyenne du prix de laction au cours
dun intervalle de temps.
Direntes saveurs :
Options dachat ou de vente ;
Prix dexercice x ou bas sur la moyenne ;
Types de moyenne S : arithmtique ou gomtrique ;
Frquence de calcul de la moyenne ;
Average strike : option asiatique dont le "prix dexercice" est reli une certaine
moyenne.
Le paiement de loption dachat lchance est
_
S
T
S
_
+
;
Le paiement de loption de vente lchance est
_
S S
T
_
+
;
Average price : option asiatique dont le prix dexercice est x mais le paiement nal
est reli une certaine moyenne.
Le paiement de loption dachat lchance est
_
S K
_
+
;
Le paiement de loption de vente lchance est
_
K S
_
+
;
Plus stable quune option dachat ou de vente standard;
Le type de moyenne (arithmtique ou gomtrique) dtermine la complexit de la
formule dvaluation.
Moyenne arithmtique :
1
n
(x
1
+x
2
+... +x
n
)
Moyenne gomtrique : (x
1
x
2
... x
n
)
1
n
Proprit : la moyenne gomtrique de plusieurs v.a. lognormales est galement lo-
gnormale ;
Vrication avec deux priodes ;
Preuve plus longue avec plusieurs priodes et un peu plus complique ;
138 CHAPITRE 8. APPLICATIONS DU MODLE DE BLACK-SCHOLES
Vrication :
(S
t
1
S
t
2
)
0.5
=
_
S
2
0
_
0.5
exp
_
0.5
__

1
2

2
_
(t
1
+t
2
) +W
t
1
+W
t
2
__
= S
0
exp
__

1
2

2
_
t
1
+t
2
2
+

2
(W
t
1
+W
t
2
)
_
.
Or la loi de W
t
1
+W
t
2
est N (0, V ar [W
t
1
+W
t
2
]) o
V ar [W
t
1
+ W
t
2
] = t
1
+t
2
+ 2Cov [W
t
1
, W
t
2
]
= t
1
+t
2
+ 2 min (t
1
, t
2
) .
Donc on retrouve aussi une loi lognormale.
Par consquent, on peut facilement trouver une formule ferme dans les cas suivants :
Options asiatiques dachat ou de vente ET
Paiement de type average price ET
Frquence de calcul de la moyenne discrte (nie) ;
En eet, on obtient (lognormale K)
+
ou (K lognormale)
+
ce quon reconnait avec
Black-Scholes.
Formule ferme disponible la page 466 de McDonald.
Autre cas o on a une formule ferme :
Options asiatiques dachat ou de vente ET
Paiement de type average price ET
Frquence de calcul de la moyenne continue (innie) ;
On peut utiliser la formule de Black-Scholes avec

3
;
r

d

1
2
_
r +r
d
+

2
6
_
.
Des options asiatiques de type average strike sont plus complexes car S
T
et S sont des
v.a. dpendantes ;
Annexes 14.A et 19.A de McDonald discutent de lvaluation exacte de ces options ;
Finalement, lorsquon utilise une moyenne arithmtique, il nexiste plus de formules
analytiques.
Approximations existent ;
Formules prsentes dans le livre de Hull section 24.10 ;
Donc, lorsquaucune formule ferme nexiste, on peut utiliser la simulation combine
aux techniques de rduction de variance ;
8.2.3 Options barrire
Soit la v.a. du moment o lactif sous-jacent dmarrant S
0
croise une barrire H
pour la premire fois. On a
= min (t > 0 : S
t
= H)
pour S
0
H ou S
0
H.
8.2. OPTIONS EXOTIQUES 139
Loi du premier passage dun MBG une barrire H;
Option barrire : produit driv dont lexistence du paiement dpend du passage
du prix du sous-jacent une barrire dici lchance.
Option dachat ou de vente dtermine le montant du paiement : (S
T
K)
+
ou
(K S
T
)
+
;
Passage du sous-jacent une barrire H dtermine lexistence du paiement : I
T
ou I
T
;
Knock-in barrier option : option barrire qui prend vie lorsque H est atteint avant
lchance.
Bas sur I
T
;
Down-and-in (DI) : la barrire H est atteinte par le haut (vers le bas) pour que
loption prenne vie (S
0
H)
Up-and-in (UI) : la barrire H est atteinte par le bas (vers le haut) pour que loption
prenne vie (S
0
H)
Knock-out barrier option : option barrire qui meurt lorsque H est atteint avant
lchance.
Bas sur I
T
;
Down-and-out (DO) : la barrire H est atteinte par le haut (vers le bas) pour que
loption meurt (S
0
H)
Up-and-out (UO) : la barrire H est atteinte par le bas (vers le haut) pour que
loption meurt (S
0
H)
Formules fermes existent (Hull section 24.6 ou McDonald section 22.3) ;
Relations importantes :
Option dachat (de vente) ordinaire = option dachat (de vente) DI + option dachat
(de vente) DO
Option dachat (de vente) ordinaire = option dachat (de vente) UI + option dachat
(de vente) UO
En eet,
(S
T
K)
+
= (S
T
K)
+
I
T
+ (S
T
K)
+
I
T
(K S
T
)
+
= (K S
T
)
+
I
T
+ (K S
T
)
+
I
T
do
(Knock-in) + (Knock-out) = (Option rgulire).
8.2.4 Options composes
Option compose (compound option) : une option compose donne le droit son
dtenteur dacheter/vendre une option dachat/vente un prix dtermin davance ;
Option (dachat/de vente) sur une option (dachat/de vente) ;
4 possibilits ;
Soient :
K
1
le prix dexercice de loption compose ;
K
2
le prix dexercice de loption sous-jacente ;
T
1
la maturit de loption compose ;
140 CHAPITRE 8. APPLICATIONS DU MODLE DE BLACK-SCHOLES
T
2
la maturit de loption sous-jacente avec T
2
> T
1
.
COC
t
la valeur au temps t dune option dachat sur une option dachat (call on
call ) ;
Similairement, COP
t
, POC
t
et POP
t
reprsentent la valeur au temps t dun call on
put, put on call et put on put.
Relations de parit : t = 0, on a
COC
0
POC
0
= C
0
K
1
e
rT
1
COP
0
POP
0
= P
0
K
1
e
rT
1
.
Pourquoi ? Regardons la premire relation de parit.
Au temps T
1
,
COC
T
1
POC
T
1
= (C
T
1
K
1
)
+
(K
1
C
T
1
)
+
et donc peu importe ce qui se produira, on aura une position longue dans loption
dachat sous-jacente et une position courte (emprunt) de K
1
.
Par consquent, au temps t = 0,
COC
0
POC
0
= C
0
K
1
e
rT
1
.
Mme raisonnement pour une option de vente sous-jacente.
Dmonstration et valuation numrique exacte discutes dans McDonald p.467.
Exemple 14A (ASM) : pour une action ne payant pas de dividende, on a que que
la valeur initiale de laction est de 40$, sa volatilit est 25% et le taux sans risque est
5%. De plus, une option compose avec expiration de 3 mois et prix dexercice de 3.60$
permet dacheter une option de vente avec prix dexercice de 40$ qui expire dans 9
mois. Ce produit cote 0.5117$. Quel est le prix dune option de vente sur cette option
de vente ?
Solution : on a T
1
= 0.25, T
2
= 0.75, K
1
= 3.60, K
2
= 40, r = 0.05, CallOnPut=
0.5117, S
0
= 40 et = 0.25.
Donc,
d
1
=
ln
_
40
40
_
+ (0.05 + 0.5 0.25
2
) 0.75
0.25

0.75
= 0.28145826
d
2
= 0.28145826 0.25

0.75 = 0.064951909
et donc
P
0
= 40e
0.050.75
(0.06) 40(0.28)
= 2.755.
En utilisant la relation de parit sur les options composes sur les options de vente,
on a
COP
0
POP
0
= P
0
K
1
e
rT
1
0.5117 POP
0
= 2.755 3.6e
0.050.25
8.2. OPTIONS EXOTIQUES 141
et donc,
POP
0
= 0.5117 2.755 + 3.6e
0.050.25
= 1.3119801.
Loption compose permet galement dvaluer une option dachat amricaine sur une
action qui paie un dividende unique.
En eet, supposons que T
2
est la maturit de loption dachat alors quau temps T
1
,
un dividende unique D est vers.
Alors, T
1
, le dtenteur de loption dachat doit dcider sil exerce son option dachat
ou sil la conserve jusqu la n.
Soit S
T
1
la valeur de laction privilgie juste aprs le versement du dividende.
Soit C
(Euro)
T
1
la valeur T
1
dune option dachat europenne avec prix dexercice de
K et maturit T
2
.
Par consquent, T
1
aprs le versement du dividende, la valeur de loption dachat
amricaine est
max
_
C
(Euro)
T
1
; S
T
1
+D K
_
Il faut rappeler que le dtenteur dune option dachat amricaine exercera son droit
immdiatement avant le paiement du dividende, do un paiement en cas dexercice
de S
T
1
+D K.
La relation de parit sur les options europennes rgulires (juste aprs le versement
du dividende) stipule que
C
(Euro)
T
1
= P
(Euro)
T
1
+S
T
1
Ke
r(T
2
T
1
)
.
Donc, loption amricaine paie
max
_
C
(Euro)
T
1
; S
T
1
+D K
_
= max
_
P
(Euro)
T
1
+S
T
1
Ke
r(T
2
T
1
)
; S
T
1
+D K
_
= S
T
1
+D K
+max
_
P
(Euro)
T
1
D +K
_
1 e
r(T
2
T
1
)
_
, 0
_
.
Par consquent, t = 0, loption amricaine vaut donc,
S
0
Ke
rT
1
+COP
0
o le prix dexercice du call-on-put est D K
_
1 e
r(T
2
T
1
)
_
.
Exemple 14.2 (McDonald) (corrig avec lerrata) : une action valant 100$ paiera
un dividende de 5$ dans 91 jours (T
1
= 91/365). Une option dachat amricaine avec
prix dexercice de 90$ expirera dans 152 jours (T
2
= 152/365). Si = 0.3 et le taux
sans risque est de 8% (continu), quelle est la valeur de lexercice prmatur ?
Solution : loption dachat europenne peut tre calcule en utilisant S
0
= 100
5e
91/3650.08
= 95.098738 et la formule de Black-Scholes donne
C
(Euro)
0
= 11.678.
142 CHAPITRE 8. APPLICATIONS DU MODLE DE BLACK-SCHOLES
Pour le call-on-put, on doit calculer le prix dexercice comme
D K
_
1 e
r(T
2
T
1
)
_
= 5 90
_
1 e
0.08(15291)/365
_
= 3.8047205.
laide de la formule ferme en annexe du chapitre 14 de McDonald, on trouve
COP
0
= 1.7552.
Par consquent, loption amricaine vaut
S
0
Ke
rT
1
+COP
0
= 100 90e
0.0891/365
+ 1.7552
= 13.532485.
Lexercice prmatur vaut
C
(Amr)
0
C
(Euro)
0
= 13.532485 11.678
= 1.854485
8.2.5 Options cart
Option cart (gap option) : une option cart permet dacheter/vendre un actif
sous-jacent un prix K
1
, seulement si la valeur du sous-jacent franchit une valeur K
2
lchance T.
Prix dexercice (strike price) : K
1
;
Prix de dclenchement (trigger price) : K
2
;
Option dachat cart (gap call option) : le paiement lchance est
(S
T
K
1
) I
S
T
K
2
o K
1
K
2
ou K
1
K
2
.
Option de vente cart (gap put option) : le paiement lchance est
(K
1
S
T
) I
S
T
K
2
o K
1
K
2
ou K
1
K
2
.
Attention : dpendant de la relation entre K
1
et K
2
, le paiement lchance peut
tre ngatif !
Une option dachat ou de vente standard est retrouve lorsque K
1
= K
2
.
La formule dvaluation est simple retrouver. En eet, pour loption dachat cart,
on a
(S
T
K
1
) I
S
T
K
2
= (S
T
K
1
+K
2
K
2
) I
S
T
K
2
= (S
T
K
2
) I
S
T
K
2
+ (K
2
K
1
) I
S
T
K
2
et donc
C
t
= e
r(Tt)
E
Q
[ (S
T
K
1
) I
S
T
K
2
| F
t
]
= BS(K
2
) +e
r(Tt)
(K
2
K
1
) Pr
Q
(S
T
K
2
)
= S
t
e
r
d
(Tt)
(d
1
(K
2
)) K
2
e
r(Tt)
(d
2
(K
2
))
+e
r(Tt)
(K
2
K
1
) (d
2
(K
2
))
= S
t
e
r
d
(Tt)
(d
1
(K
2
)) K
1
e
r(Tt)
(d
2
(K
2
))
8.2. OPTIONS EXOTIQUES 143
o
d
1
(K
2
) =
ln
St
K
2
+
_
r r
d
+
1
2

2
_
(T t)

T t
d
2
(K
2
) = d
1
(K
2
)

T t.
Pour loption de vente cart, lvaluation est similaire car
(K
1
S
T
) I
S
T
K
2
= (K
1
K
2
+K
2
S
T
) I
S
T
K
2
= (K
1
K
2
) I
S
T
K
2
+ (K
2
S
T
) I
S
T
K
2
et donc,
P
t
= K
1
e
r(Tt)
(d
2
(K
2
)) S
t
e
r
d
(Tt)
(d
1
(K
2
)) .
Exemple 14C (ASM) : une option dachat cart un an est mise. On vous donne
que S
0
= 65, r
d
= 0.02, r = 0.05, = 0.1, K
1
= 70 et K
2
= 60. Quelle est la valeur de
cette option?
Solution : on a
d
1
(K
2
) =
ln
_
65
60
_
+
_
0.05 0.02 +
1
2
0.1
2
_
0.1
= 1.1504271
d
2
(K
2
) = 1.1504271 0.1 = 1.0504271
et la valeur de loption est
C
0
= 65e
0.02
(1.15) 70e
0.02
(1.05)
= 1.062.
8.2.6 Options dchange
Option dchange (exchange option) : produit driv qui donne le droit dacheter un
actif risqu en change dun autre actif risqu ;
March nancier :
Bon du Trsor B
t
= B
0
e
rt
;
Actif risqu # 1 {S
t
, t 0} ;
Actif risqu # 2 {K
t
, t 0} ;
Dynamique des actifs :
dS
t
=
S
S
t
dt +
S
S
t
dW
(S)
t
dK
t
=
K
K
t
dt +
K
K
t
dW
(K)
t
o
__
W
(S)
t
, W
(K)
t
_
, t 0
_
est un MBS deux dimensions. De plus,
Corr
_
W
(S)
t
, W
(K)
t
_
= .
Par consquent, les rendements raliss sur les deux actifs sont corrls.
144 CHAPITRE 8. APPLICATIONS DU MODLE DE BLACK-SCHOLES
La solution de dS
t
et dK
t
est
S
T
= S
t
exp
__

S

1
2

2
S
_
(T t) +
S
_
W
(S)
T
W
(S)
t
_
_
K
T
= K
t
exp
__

K

1
2

2
K
_
(T t) +
K
_
W
(K)
T
W
(K)
t
_
_
.
Paiement lchance :
(S
T
K
T
)
+
= S
T
I
S
T
K
T
K
T
I
S
T
K
T
= K
T
_
S
T
K
T
1
_
+
.
La valeur t de loption dchange est
C
t
= e
r(Tt)
E
Q
_
K
T
_
S
T
K
T
1
_
+

F
t
_
.
Avec les techniques mathmatiques dveloppes jusqu maintenant, il est dicile de
trouver une formule analytique.
En fait, il faudrait conditionner sur la valeur de K
T
et donc passer par la loi nor-
male bivarie. Lorsque (ln S
T
, ln K
T
) suit une normale bivarie, alors ln S
T
| lnK
T
est
galement une loi normale.
La technique du changement de numraire (change of numeraire) simplie de beau-
coup les calculs.
Solution de Margrabe (1978) ;
Peu importe la faon dy arriver, la formule correspondant C
t
est
C
t
= S
t
e
r
(S)
d
(Tt)
(d
1
) K
t
e
r
(K)
d
(Tt)
(d
2
)
avec
d
1
=
ln
_
S
t
e
r
(S)
d
(Tt)
_
ln
_
K
t
e
r
(K)
d
(Tt)
_
+
1
2

2
(T t)

T t
d
2
= d
1

T t
et

1
T t
Var
_
ln
_
S
T
K
T
_

F
t
_
.
On a
ln
_
S
T
K
T
_
= ln
_
_
_
_
_
_
S
t
K
t
exp
_
_
_
_
_
_
_

S

1
2

2
S
_
(T t)

K

1
2

2
K
_
(T t)
+
S
_
W
(S)
T
W
(S)
t
_

K
_
W
(K)
T
W
(K)
t
_
_
_
_
_
_
_
_
_
_
_
_
_
= lnS
t
ln K
t
+... +
S
_
W
(S)
T
W
(S)
t
_

K
_
W
(K)
T
W
(K)
t
_
8.2. OPTIONS EXOTIQUES 145
et la variance est
Var
_
ln
_
S
T
K
T
_

F
t
_
=
2
S
Var
_
W
(S)
T
W
(S)
t

F
t
_
+
2
K
Var
_
W
(K)
T
W
(K)
t

F
t
_
2Cov
_
W
(S)
T
W
(S)
t
, W
(K)
T
W
(K)
t
_
=
_

2
S
+
2
K
_
(T t) 2
K

S
(T t) .
Par consquent,

2
=
2
S
+
2
K
2
K

S
.
On note quon peut retrouver la formule dvaluation dune option dachat ou de vente
standard.
Option dachat : pour acheter S
T
, on change K en bons du Trsor ;
Option de vente : pour acheter K en bons du Trsor, on change S
T
;
Exemple 14E (ASM) : on met une option dchange qui permet de recevoir une
action de ABC inc. en change dune action de XYZ inc. la n de lanne. On vous
donne galement : S
0
= 50, K
0
= 55, r
(S)
d
= 0.02, r
(K)
d
= 0.03,
S
= 0.3,
K
= 0.1 et
= 0.6.
Solution : on calcule tout dabord
2
i.e.

2
= 0.3
2
+ 0.1
2
2 0.6 0.3 0.1 = 0.064
=

0.064 = 0.25298221.
On trouve que
d
1
=
ln (50e
0.02
) ln (55e
0.03
) +
1
2
0.064

0.064
= 0.21072699
d
2
= d
1

T t = 0.21072699

0.064 = 0.4637092.
Par consquent,
C
t
= 50e
0.02
(0.21) 55e
0.03
(0.46)
= 3.198.
On peut gnraliser loption dchange comme tant la possibilit dacheter aS
T
en
change de bK
T
. Dans ce cas, le paiement lchance scrit
(aS
T
bK
T
)
+
et on a qu multiplier les valeurs initiales des actifs par a et b. De plus,
2
reste la
mme car
Var
_
ln
_
aS
T
bK
T
_

F
t
_
= Var
_
ln
_
S
T
K
T
_

F
t
_
.
146 CHAPITRE 8. APPLICATIONS DU MODLE DE BLACK-SCHOLES
8.3 Exercices
8.3.1 Examen MFE/3F
Mai 2007 : 3, 6, 8, 5, 17, 18 ;
Mai 2009 : 2, 8, 11, 13, 16, 17, 19 ;
Q&A (version du 18 aot 2010) : 8, 9, 16, 19, 20, 25, 28, 33, 36, 41, 42, 50, 51, 53, 54,
56, 61, 62, 64, 65, 66, 67, 71, 74 ;
8.3.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exer-
cices nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son
autorisation).
1. (CZ) Dans le modle de Black-Scholes, on suppose que r = 0.07, = 0.3, T = 0.5,
S
0
= 100. Pour un prix dexercice de 100$, calculez le prix dune option dachat et de
vente, toutes deux europennes, lorsque :
(a) Le taux instantan de dividende est de 3%;
(b) Un dividende unique de 3$ est pay dans 3 mois ;
2. laide des proprits de la loi lognormale, montrez que le prix dune option binaire
dachat ou de vente de type asset-or-nothing est
C
t
= S
t
e
r
d
(Tt)
(d
1
)
P
t
= S
t
e
r
d
(Tt)
(d
1
) .
3. Combien dunits du titre risqu (
(1)
t
) doit-on dtenir chaque instant pour rpliquer
les paiements des options suivantes :
(a) Option binaire dachat de type cash-or-nothing ;
(b) Option binaire de vente de type asset-or-nothing ;
(c) Option dachat cart ;
Chapitre 9
Couverture de produits drivs
9.1 Contexte
La banque dinvestissement ou la compagnie dassurance qui met un produit driv
sexpose donc aux variations alatoires du march.
Exemples :
Une banque dinvestissement met une option dachat.
Une compagnie dassurance met une assurance-vie avec une garantie sur la valeur
de la prestation de dcs (GMDB) ;
Idalement, pour une couverture parfaite, ces institutions essaieraient de trouver lop-
tion quivalente sur les marchs et prendre la position inverse ;
Ce nest pas toujours possible !
Exemples :
Une banque dinvestissement met une option dachat de dure 2 ans sur le titre de
ABC inc. avec prix dexercice de 47$. Toutefois sur le march, il existe seulement des
options dachat de dure 6 mois, 1 an et 3 annes, avec des prix dexercice variant
entre 48$ et 52$.
Pour les compagnies dassurance, les garanties de placement sont oertes sur un
horizon de 5 20 ans et des options de vente quivalentes nexistent pas sur le
march. En eet seulement des maturits plus petites sont disponibles. De plus, la
compagnie dassurance ore une protection en cas de dcs, ce qui nest pas transig
sur les marchs nanciers.
La solution communue ces problmes est de mettre en place un programme de rpli-
cation ou de couverture (hedging) ;
Rplication ou couverture (hedging) :
Procd par lequel un investisseur tente de rpliquer parfaitement les ux nanciers
dun produit quil a mis ;
Il sagit de trouver le portefeuille de rplication;
Dans le cadre de larbre binomial ou du modle de Black-Scholes, nous avons trouv le
portefeuille qui rplique les paiements de plusieurs produits drivs.
IMPORTANT : Si les hypothses du modle savrent tre observes, le portefeuille
de rplication est lunique faon de se protger contre toutes les uctuations de lactif
147
148 CHAPITRE 9. COUVERTURE DE PRODUITS DRIVS
sous-jacent.
En pratique, il en est autrement :
Impossible de transiger de faon continue ;
Frais de transaction;
Taux dintrt pour prter et emprunter est dirent ;
Incertitude quant lexactitude du modle ;
Incertitude quant aux paramtres du modle ;
Donc, en pratique, une rplication parfaite en utilisant le portefeuille de rplication
(tel que dni aux chapitres prcdents) est impossible.
Consquence : la valeur du portefeuille de rplication lchance de loption sera
dirente du paiement du produit i.e.
X

T
= C (S
T
) .
Erreur de rplication : dirence entre ces deux quantits ;
Imprvisible : risque assumer.
Dans ce chapitre, on traite dabord de limplmentation dun programme de rplication
dans le cadre du modle de Black-Scholes.
On cherchera ensuite rduire lerreur de rplication sachant les contraintes pra-
tiques quon peut observer.
9.2 Rplication dans le modle de Black-Scholes
Nous avons trouv dans le chapitre 7 que pour rpliquer un produit driv europen
dont le paiement ne dpend que de S
T
, alors le portefeuille de rplication est tel que

(1)
t
=

S
t
C (t, S
t
)

(0)
t
= e
rt
_
C (t, S
t
)
(1)
t
S
t
_
lorsque lactif sous-jacent suit un MBG.
Pour rpliquer de faon exacte, le portefeuille doit tre mis jour chaque
instant.
Option dachat europenne : par consquent,
C (t, S
t
) = S
t
(d
1
) Ke
r(Tt)
(d
2
)
avec
d
1
=
ln
St
K
+
_
r +
1
2

2
_
(T t)

T t
d
2
= d
1

T t.
On peut montrer que

(1)
t
=

St
C (t, S
t
) = (d
1
)
9.2. RPLICATION DANS LE MODLE DE BLACK-SCHOLES 149
ce qui indique

(0)
t
= e
rt
_
C (t, S
t
)
(1)
t
S
t
_
= e
rt
_
S
t
(d
1
) Ke
r(Tt)
(d
2
) S
t
(d
1
)
_
et donc

(0)
t
= Ke
rT
(d
2
)
o il faut rappeler que d
2
est galement fonction de t.
Par consquent, si chaque instant on dtient
(1)
t
units du titre risqu et
(0)
t
du
titre sans risque, alors le portefeuille X

t
vaudra exactement C (t, S
t
) .
En pratique, il est impossible de mettre jour de faon continue (innie, chaque
instant) notre portefeuille de rplication.
Exemple # 1 : une compagnie met une option dachat de maturit 1 an, avec prix
dexercice de 950$ sur un actif sous-jacent qui vaut 1000$ t = 0. La volatilit de
ce titre est de 20% et le taux sans risque est de 4%. Construisez un programme de
rplication qui ne peut tre appliqu quune fois par mois. De plus, calculez lerreur de
rplication en sachant quun mois plus tard, le sous-jacent vaut 975$.
Solution : t = 0, on peut calculer
d
1
= 0.556466472
d
2
= 0.356466472
et donc, le programme de rplication est

(1)
0
= 0.711053996

(0)
0
= 583.4794068.
avec un cot initial de
X

0
=
(0)
0
B
0
+
(1)
0
S
0
= 583.4794068 1 + 0.711053996 1000
= 127.57459 = C (0, S
0
) .
Un mois aprs, le portefeuille vaut
X

1/12
=
(0)
0
B
1/12
+
(1)
0
S
1/12
= 583.4794068 e
0.04
12
+ 0.711053996 975
= 107.85006.
On rebalance notre portefeuille. Quelle devrait tre la nouvelle stratgie t = 1/12 ?
On trouve

(1)
1/12
= 0.663808842

(0)
1/12
= 539.8880715.
150 CHAPITRE 9. COUVERTURE DE PRODUITS DRIVS
Le cot de ce portefeuille serait
C
_
1
12
, S
1/12
_
=
(0)
1/12
B
1/12
+
(1)
1/12
S
1/12
= 539.8880715 e
0.04
12
+ 0.663808842 975
= 105.52292.
Toutefois, nous avons 107.85$ de ct, il y a donc un prot denviron 2$.
Il sagit dune erreur de rplication : cette erreur peut mener un prot ou une
perte.
chaque priode, linvestisseur a le choix :
Il comble le manque gagner ou encaisse les prots rsultant de lerreur de discr-
tisation chaque priode ;
Dans lexemple prcdent, aprs un mois, le programme de rplication rcolte 2$.
Ajuste seulement le nombre dactions. Le reste est ajust automatiquement dans le
titre sans risque ;
Stratgie auto-nance.
Dans lexemple prcdent, le montant en actions doit tre de
0.663808842 975 = 647.21362
ce qui est nanc par un emprunt supplmentaire en utilisant le 107.85$ disponible
dans le portefeuille, pas le 105.52$.
Ces deux approches sont similaires : si on accumule les prots et pertes de la premire
approche, alors a correspondra lerreur de rplication de la seconde.
Exemple # 2 : une option dachat europenne at-the-money avec maturit de 4 mois
est mise sur un actif sous-jacent qui ne paie pas de dividende.
Vous supposez que le modle de Black-Scholes est appropri avec les paramtres
= 0.07, r = 0.04, = 0.2.
Le prix du sous-jacent aujourdhui est S
0
= 25 et le prix de loption dachat
lmission correspond au prix selon le modle de Black-Scholes avec les paramtres
prcdents.
Quel est le prot ou perte de rplication lchance de loption si la stratgie de
rplication doit demeurer auto-nance et que sur la priode de 4 mois, vous avez
observ que le sous-jacent a vari de la faon suivante :
t S
t
t S
t
0 25
3
12
27
1
12
26
4
12
29
2
12
28
Solution : on calcule tout dabord le prix dmission de loption dachat. Avec la
formule de Black-Scholes et en utilisant une maturit de T =
4
12
, on obtient C
0
=
1.2635.
De plus, en calculant le prix dmission de loption, on a que d
1
= 0.17 (arrondi 2
dcimales pour les tables de loi normale) et donc (d
1
) = 0.5675.
9.2. RPLICATION DANS LE MODLE DE BLACK-SCHOLES 151
Par consquent, sur lintervalle de temps
_
0,
1
12
_
, il faut dtenir 0.5675 action, chacune
cotant 25$, i.e. 25 0.5675 = 14.1875.
On a reu seulement 1.2635$ pour nancer 14.1875$ en actions, alors il faudra em-
prunter t = 0 la dirence, i.e. 14.1875 1.2635 = 12.9240.
Le portefeuille dtenir sur lintervalle de temps
_
0,
1
12
_
est

(0)
1
12
= 12.9240 et
(1)
1
12
= 0.5675.
Aprs un mois, laction vaut 26$ et le portefeuille vaut (avant rebalancement) :
X

1
12
= 12.9240 e
0.04
1
12
+ 0.5675 26 = 1.7878.
Selon Black-Scholes, on doit dtenir (d
1
) = 0.7054 unit dactions sur lintervalle
_
1
12
,
2
12
_
(calcul avec S 1
12
et une maturit de T t =
3
12
).
Aprs rebalancement, le portefeuille doit galement valoir 1.7878. On a donc,
X

1+
12
= 1.7878 =
(0)
2
12
e
0.04
1
12
+ 0.7054 26
ce qui donne

(0)
2
12
= 16.4975 et
(1)
2
12
= 0.7054.
Aprs deux mois, laction vaut 28$ et le portefeuille vaut (avant rebalancement) :
X

2
12
= 16.4975 e
0.04
2
12
+ 0.7054 28 = 3.1433.
Selon Black-Scholes, on doit dtenir (d
1
) = 0.9345 unit dactions sur lintervalle
_
2
12
,
3
12
_
(calcul avec S 2
12
et une maturit de T t =
2
12
).
Aprs rebalancement, le portefeuille doit galement valoir 3.1433. On a donc,
X

2+
12
= 3.1433 =
(0)
3
12
e
0.04
2
12
+ 0.9345 28
ce qui donne

(0)
3
12
= 22.8697 et
(1)
3
12
= 0.9345.
On procde ainsi chaque priode et on obtient les rsultats du tableau suivant :
t T t S
t
B
t

(1)
t+
1
12
= (d
1
)
(0)
t+
1
12
X

t
0 0.33333333 25 1.0000 0.5675 -12.9240 1.2635
0.08333333 0.25 26 1.0033 0.7054 -16.4975 1.7878
0.16666667 0.16666667 28 1.0067 0.9345 -22.8697 3.1434
0.25 0.08333333 27 1.0101 0.9222 -22.5409 2.1320
0.33333333 0 29 1.0134 inutile inutile 3.9004
Le portefeuille vaut 3.9004$ la n alors que le paiement de loption dachat est de
29 25 = 4, ce qui mne une perte de rplication de 10 cents.
IMPORTANT : lerreur de rplication due la discrtisation est dicile prvoir.
Il sagit donc dun risque assumer.
Deux faons de rduire lerreur due la discrtisation :
Rebalancer plus souvent. En pratique, rebalancer implique des cots de transaction.
Modier la stratgie de rplication. Cest ce quon appellera une approche dimmu-
nisation (neutraliser delta, delta et gamma, et autres lettres grecques).
152 CHAPITRE 9. COUVERTURE DE PRODUITS DRIVS
9.3 Couverture delta-neutre
Supposons que la seule variable alatoire qui aecte le prix dun produit driv est le
prix du sous-jacent ;
Cest eectivement le cas dans le modle de Black-Scholes : les autres paramtres
r, , etc. sont constants dans le modle ;
Soit S
t
la v.a. du prix du sous-jacent dans t unit de temps et S
0
la valeur initiale
du sous-jacent
On note par C (S
0
) la valeur initiale du produit driv (connu) et C (S
t
) la valeur
du produit driv t.
C (S
t
) est une v.a. t = 0.
Linvestisseur dtient un portefeuille contenant trois lments :
titre sans risque B
t
;
actif sous-jacent S
t
;
produit driv C (S
t
) ;
Soient x
B
, x
S
et x
C
le nombre dunits dtenues dans ces titres et (S
t
) la valeur de
ce portefeuille t = t. On a
(S
t
) = x
B
B
t
+x
S
S
t
+x
C
C (S
t
) .
Il y a un seul risque dans ce portefeuille : les variations alatoires de S
t
.
Linvestisseur dsire enrayer le risque dans ce portefeuille.
Expansion de Taylor de la fonction f (x) autour de x
0
:
f (x) = f (x
0
) +

k=1
f
(k)
(x
0
)
(x x
0
)
k
k!
o f
(k)
(x
0
) est la k-me drive de f value x
0
.
On applique lexpansion de Taylor (S
t
) autour de S
0
pour obtenir
(S
t
) = (S
0
) +

k=1

(k)
(S
0
)
(S
t
S
0
)
k
k!
Dans cette section, on sintresse aux variations de premier ordre, i.e. on ignore les
termes suprieurs k = 1. Par consquent, on a
(S
t
) (S
0
) +

(S
0
) (S
t
S
0
) .
Est-il possible dajuster son portefeuille de telle sorte que ce dernier soit sans risque
(au premier ordre de Taylor) ?
Oui. Il sut davoir

(S
0
) = 0.
En eet, dans ce cas (S) (S
0
) et la valeur du portefeuille t = t nest plus
alatoire.
9.3. COUVERTURE DELTA-NEUTRE 153
Or,

(S
0
) = x
S
+x
C
C

(S
0
)
et pour avoir

(S
0
) = 0, alors, le portefeuille doit respecter
0 = x
S
+x
C
C

(S
0
)
x
S
= x
C

C
o
C
C

(S
0
) .
Couverture delta-neutre (delta-hedging) : la couverture delta-neutre consiste tran-
siger dans les actifs disponibles an que

(S
0
) = 0.
Exemple : une banque a mis un produit driv quelconque. Combien dunits de
lactif sous-jacent doit-elle dtenir pour delta neutraliser son portefeuille ?
Solution : les positions actuelles de la banque sont x
B
= x
S
= 0 et x
C
= 1. On
trouve directement
x
S
=
C
ce qui est cohrent avec ce que nous avons fait prcdemment.
Pour une option dachat dans le modle de Black-Scholes, on a

C
=
C
S
= e
r
d
(Tt)
(d
1
) .
Attention : la couverture delta-neutre ignore les eets de 2e ordre et plus.
En eet,
(S
t
) = (S
0
) +

(S
0
) (S
t
S
0
) +

k=2

(k)
(S
0
)
(S
t
S
0
)
k
k!
.
Par consquent, si t nest pas si petit, alors il se peut que S
t
S
0
soit susamment
grand, de telle sorte que lapproximation de Taylor de premier ordre ne soit pas assez
prcise.
Alors, on ne peut plus considrer que

k=2

(k)
(S
0
)
(S
t
S
0
)
k
k!
0.
Deux solutions :
Appliquer la couverture delta-neutre des intervalles t plus petits, i.e. rebalancer
plus souvent.
Ajouter un second terme dans lexpansion de Taylor : couverture delta-gamma
neutre.
La couverture delta-neutre est applique dynamiquement i.e. que le portefeuille est
rebalanc chaque priode pour sassurer que la couverture soit delta-neutre tous
les rebalancements.
154 CHAPITRE 9. COUVERTURE DE PRODUITS DRIVS
9.4 Couverture delta-gamma neutre
Pour delta-neutraliser un portefeuille, on doit investir ou emprunter dans le titre sous-
jacent.
Dsormais, pour delta-gamma-neutraliser un portefeuille, on devra investir dans un
second produit driv.
Par consquent, on a
(S
t
) = x
B
B
t
+x
S
S
t
+x
C
1
C
1
(S
t
) +x
C
2
C
2
(S
t
) .
Dans cette section, on sintresse aux variations de premier et deuxime ordres, i.e. on
ignore les termes suprieurs k = 2. Par consquent, on a
(S
t
) (S
0
) +

(S
0
) (S
t
S
0
) +

(S
0
)
(S
t
S
0
)
2
2
.
Or,

(S
0
) = x
S
+x
C
1

C
1
+x
C
2

C
2

(S
0
) = x
C
1

C
1
+x
C
2

C
2
o

C
i
= C

i
(S
t
)

C
i
= C

i
(S
t
)
pour i = 1, 2.
On remarque que lorsque

(S
0
) =

(S
0
) = 0, alors
(S
t
) (S
0
)
et le portefeuille est sans risque (au 1er et 2e ordres de Taylor).
Supposons que linvestisseur possde x
C
1
units du produit driv # 1. Combien duni-
ts de lactif sous-jacent et du produit driv # 2 doit-il possder pour delta-gamma
neutraliser on portefeuille ?
On a
0 = x
S
+x
C
1

C
1
+x
C
2

C
2
0 = x
C
1

C
1
+x
C
2

C
2
avec x
C
1
connu. On veut rsoudre pour x
S
et x
C
2
. On trouve
x
C
2
= x
C
1

C
1

C
2
et
x
S
= (x
C
1

C
1
+x
C
2

C
2
) .
9.4. COUVERTURE DELTA-GAMMA NEUTRE 155
Exemple (12H de lASM) : pour une option dachat europenne un an, vous avez que
S
0
= 50, = 0.25 et r = 50. Vous avez mis cette option avec un prix dexercice de
50$ et il existe une option dachat similaire avec prix dexercice de 60$. De plus,
K C
0

50 6.17 0.6274 0.1056
60 2.51 0.3430 0.1026
Combien dunits du titre risqu et de loption K = 60 devez-vous acheter/vendre
pour delta-gamma neutraliser lmission de loption K = 50 ?
Solution : on a x
C
1
= 1 et on cherche les quantits x
S
et x
C
2
. Le systme dquations
est
0 = x
S
1 0.6274 +x
C
2
0.3430
0 = 1 0.1056 +x
C
2
0.1026
et on obtient
x
C
2
=
0.1056
0.1026
= 1.0292398
x
S
= (1 0.6274 + 1.0292398 0.3430)
= 0.27437076.
Pour une option dachat dans le modle de Black-Scholes, on a

C
= e
r
d
(Tt)
(d
1
)
S
t

T t
o est la fonction de densit dune loi normale centre et rduite.
Un portefeuille delta-gamma neutre est moins expos aux variations des prix du sous-
jacent. Par consquent, lerreur de rplication sera rduite.
Exemple # 1 (suite) : supposons quune option dachat at-the-money est galement
disponible. Comment peut-on amliorer le programme de couverture ?
Solution : on a
K C
0

950 127.574589 0.711053996 0.001708596
1000 99.25053717 0.617911422 0.001906939
On delta-gamma neutralise un portefeuille o loption dachat avec K = 950 est
mise. On trouve
x
C
2
= x
C
1

C
1

C
2
=
0.001708596
0.001906939
= 0.89598881
156 CHAPITRE 9. COUVERTURE DE PRODUITS DRIVS
et
x
S
= (x
C
1

C
1
+x
C
2

C
2
)
= (0.711053996 + 0.89598881 0.617911422)
= 0.15741228.
Lmission doption a rapport initialement 127.574589$. Le cot des actions est de
157.41$ et le cot de la seconde option est de
99.25053717 0.89598881 = 88.927371.
Le cot total est de
88.927371 + 157.41228 = 246.33965
et on emprunte donc
246.33965 127.574589 = 118.76506.
En rsum,
x
B
= 118.76506
x
S
= 0.15741228
x
C
2
= 0.89598881.
Dans un mois, le prix du sous-jacent est de 975$. Donc,
S
t
= 975
C
2
(975) = 79.57932706.
Le portefeuille vaut dsormais
(S
t
) = x
B
e
r/12
+ 975x
S
+ 79.579x
C
2
= 118.76506 e
0.04/12
+ 975 0.15741228
+79.57932706 0.89598881
= 105.61756.
Selon Black-Scholes, C
1
(975) = 105.5229203 ce qui correspond une erreur de r-
plication de 9 sous (un prot ici de 9 sous).
Avec une couverture delta-neutre, on avait une erreur denviron 2$ (un prot galement).
9.5 Autres lettres grecques
Nous avons suppos prcdemment que la seule variable (alatoire) qui aecte le prix
dun produit driv est le prix actuel du sous-jacent.
9.5. AUTRES LETTRES GRECQUES 157
Cest eectivement le cas dans le modle de Black-Scholes puisquil sagit de la seule
et unique source de risque.
Passage du temps t aecte galement le prix dun droit conditionnel, mais t nest
pas alatoire.
En pratique, le modle de Black-Scholes nest pas appropri. Par consquent, dautres
risques aectent le prix dun produit driv :
Volatilit du sous-jacent ;
Taux dintrt sans risque r;
En utilisant une expansion de Taylor plusieurs variables (autour de t
0
, S
0
, r
0
et
0
),
on a
C (t, S, r, ) = C (t
0
, S
0
, r
0
,
0
) +
C
S
S +
C
r
r +
C

+
C
t
t
+
1
2
_

2
C
S
2
(S)
2
+

2
C
r
2
(r)
2
+

2
C

2
()
2
_
+...
o t = t t
0
, S = S S
0
, r = r r
0
et =
0
.
Pour amliorer la qualit de la rplication, on peut utiliser une approche similaire la
delta-gamma neutralisation, en ajoutant dautres variables neutraliser.
La variation du prix dun produit driv par rapport lune de ces variables est note
par une lettre grecque.
Theta :
C
t
.
Sensibilit du prix du produit driv par rapport au temps ;
Pour une option dachat dans le modle de Black-Scholes, on a

C
= e
r
d
(Tt)
S
t

(d
1
)
2

T t
rKe
r(Tt)
(d
2
) .
Vega :
C

.
Nest pas une lettre grecque !
Sensibilit du prix du produit driv par rapport la volatilit ;
Pour une option dachat dans le modle de Black-Scholes, on a

C
= S
t
e
r
d
(Tt)
(d
1
)

T t.
Rho :
C
r
.
Sensibilit du prix du produit driv par rapport aux variations du taux sans risque ;
Pour une option dachat dans le modle de Black-Scholes, on a

C
= K (T t) e
r(Tt)
(d
2
) .
Dans le modle le Black-Scholes, r et sont constants ;
En pratique, r et varient.
On peut supposer que sur un court intervalle de temps (une journe par exemple),
r et sont constants (ou bougent trs peu) :
Sur une journe, les hypothses de Black-Scholes peuvent tre ralistes ;
158 CHAPITRE 9. COUVERTURE DE PRODUITS DRIVS
Toutefois, si les rebalancements sont eectus des intervalles de temps plus longs,
les variations observes de r et peuvent avoir un impact sur la qualit de la cou-
verture.
En utilisant les ralisations de r et chaque jour dans la couverture dynamique
de Black-Scholes, lerreur de rplication peut tre rduite.
Lien avec lEDP de Black-Scholes : on sait que lEDP de Black-Scholes est
C
t
+rS
t

C
S
t
+
1
2

2
S
2
t


2
C
S
2
t
= rC.
En utilisant les lettres grecques, on obtient
+ rS +
1
2

2
S
2
= rC.
9.6 Rsum
Dun point de vue thorique, le portefeuille de rplication permet de rpliquer de faon
parfaite les ux nanciers dun produit driv.
En pratique, plusieurs dicults peuvent survenir ;
Source importante derreur de rplication : impossibilit de mettre jour le
portefeuille de faon continue ;
Autres dicults ne pas ngliger :
Dirences entre la dynamique observe des prix du sous-jacent (volatilit stochas-
tique, taux dintrt alatoire, prsence de sauts) et le modle utilis pour btir le
programme de rplication (Black-Scholes par exemple qui ne tient pas compte de ces
lments) ;
Peut galement provenir de lincertitude dans lestimation des paramtres.
Dirence entre le taux pour prter et emprunter : les emprunts sont plus dispen-
dieux;
Frais de transaction : viennent limiter la frquence de rebalancements ;
Risque de liquidit : dicile dacheter ou vendre dans un moment de crise ;
Solutions :
Rebalancer le portefeuille de faon plus frquente ;
Couvrir gamma et autres lettres grecques ;
Amliorer la modlisation des prix du march ;
Malgr ces dicults, la couverture est une faon trs importante de rduire le risque
sur lmission de produits drivs. Cette approche est en gnral beaucoup moins ris-
que que dassumer soi-mme le risque (i.e. approche actuarielle) ;
9.7 Exercices
9.7.1 Examen MFE/3F
Mai 2007 : 10, 19 ;
9.7. EXERCICES 159
Mai 2009 : 4 ;
Q&A (version du 18 aot 2010) : 18, 31, 45, 47, 69 ;
9.7.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exercices
nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son au-
torisation). Les exercices nots ASM proviennent du guide dtude ASM 2007 de lexamen
MFE.
1. Dans lexemple # 2 des notes de cours, on a suppos que la stratgie doit demeurer
auto-nance. Calculez lerreur de rplication chaque mois, tout en mentionnant le
montant dargent qui doit tre retir ou ajout chaque rebalancement pour tre en
accord avec Black-Scholes. Comparez les erreurs de rplication mensuelles dans cette
approche avec lerreur de rplication calcule dans les notes de cours.
2. laide la relation de parit entre les options dachat et de vente europennes, calculez
les lettres grecques suivantes pour une option de vente europenne :
(a) Delta ;
(b) Gamma ;
(c) Theta ;
(d) Vega ;
(e) Rho ;
3. (ASM) Pour une option mise sur une action qui ne paie pas de dividende, on vous
donne :
Le prix initial de laction est 47$ ;
La volatilit du rendement du prix de laction est 20%;
= 0.8704;
= 0.0380;
= 365 0.00842;
Le prix de cette option est de 5.9642$
Quel est le taux sans risque dans ce march ?
4. (ASM) Pour une option mise sur une action qui ne paie pas de dividende, on vous
donne :
Le prix de cette option est de 11.4611$ ;
La volatilit du rendement du prix de laction est 20%;
= 0.8472;
= 0.0180;
= 365 2.17175;
Le taux sans risque continu est de 5%.
Quel est le prix initial de laction?
160 CHAPITRE 9. COUVERTURE DE PRODUITS DRIVS
5. (ASM) Voici linformation quon vous donne pour deux options dachat europennes :
K = 45 K = 50
C
0
14.9835 10.2270
0.9320 0.9300
0.0030 0.0160
De plus, S
0
= 60 et aucun dividende nest vers. Calculez la quantit dactions et
de loption dachat avec K = 50 qui sont ncessaires de dtenir an de delta-gamma
neutraliser lmission dune option dachat avec K = 45.
Troisime partie
Modles et techniques avancs
161
Chapitre 10
Techniques de rduction de variance
10.1 Contexte
Dans le chapitre 7, nous avons prsent une faon de calculer le prix de tout produit
driv en utilisant la simulation.
Rappel de lalgorithme (voir chapitre 7 galement) :
Pour i = 1, 2, ..., N :
Simuler une trajectoire
i
dun MBG {S
t
, t 0} tel que
ln S
t+t
(
i
) ln S
t
(
i
) +N
__
r
1
2

2
_
t,
2
t
_
;
Calculer le paiement du droit conditionnel :
G
i
g (S
t
(
i
) , S
2t
(
i
) , ..., S
nt
(
i
))
Un estimateur (naf) du prix du produit driv est

C
0
= e
rT

1
N
N

i=1
G
i
.
Lorsque N , on a

C
0
C
0
= e
rT
E[ g ({S
t
, 0 t T})| F
0
] .
De plus, la variance de lestimateur

C
0
est
V ar
_

C
0
_
=
1
N
e
2rT
Var
Q
[g ({S
t
, 0 t T})]
o Var
Q
[g ({S
t
, t 0})] peut tre calcul laide de lestimateur empirique de la va-
riance.
Ce qui dtermine la variance de lestimateur

C
0
:
Nombre de simulations (nombre de chemins N) ;
Variance de la variable alatoire (variance du paiement du produit driv) (Var
Q
[g ({S
t
, 0 t T})
163
164 CHAPITRE 10. TECHNIQUES DE RDUCTION DE VARIANCE
Comment peut-on augmenter la prcision dun estimateur Monte Carlo (MC) ?
Augmenter le nombre de simulations ? ;
La convergence vers la vraie valeur est trs lente (proportionnelle

N) ;
Le but des techniques de rduction de variance est de trouver un estimateur alternatif

C
0
de C
0
ayant une plus petite variance.
Se fait en tirant avantage des connaissances du phnomne simuler ;
Illustration :
Supposons quon dsire valuer une option de vente avec S
0
= 100 et K = 30.
Loption est in-the-money lorsque S
T
< 30, ce qui pourrait arriver rarement puisque
S
0
= 100;
Par consquent, la trs grande majorit des simulations du paiement du droit condi-
tionnel sera de 0.
Seulement une minorit des chemins gnreront un paiement dirent de 0 et servi-
ront calculer le prix du droit.
Existe-t-il un moyen de simuler plus ecacement des ralisations du paiement de
loption?
Oui : techniques de rduction de variance.
Notation :
Rednit la notation an quelle soit plus gnrale (car ces techniques peuvent ga-
lement tre utilises dans dautres domaines comme la statisque et lactuariat).
Soient X
1
, X
2
, ..., X
N
un ensemble de v.a. i.i.d. et distribues comme X et soit g (X)
une fonction quelconque de X.
Finalement,
E[g (X)]
est approxim par


1
N
N

i=1
g (X
i
) .
Cet estimateur est appel lestimateur MC naf (naive estimator)
La variance de lestimateur MC naf est
Var
_

_
= Var
_
1
N
N

i=1
g (X
i
)
_
=
1
N
Var [g (X)]
=
1
N

2
o
2
= Var [g (X)].
Application nancire : pour procder lvaluation de produits drivs, alors
g (X) = e
rT
g ({S
t
, 0 t T})
et {S
t
, 0 t T} est gnr sous la mesure neutre au risque.
Actuariat/nance : les techniques de rduction de variance peuvent tre utilises :
10.2. VARIABLE ANTITHTIQUE 165
Rduire le temps de calcul lorsquil y a un trs grand nombre de contrats valuer ;
Rduire le temps de calcul des stratgies de rplication car elles ncessitent souvent
2 niveaux de simulation (stochastic on stochastic) ;
Excellente rfrence : livre Monte Carlo Methods in Financial Engineering de Paul
Glasserman.
10.2 Variable antithtique
La technique de la variable antithtique (antithetic variable) consiste estimer
laide de X et sa rexion X

.
X
i
et X

i
sont obtenus en simulant X
i
= F
1
X
(U
i
) et X

i
= F
1
X
(1 U
i
) ;
Par exemple, si X
i
implique que loption est trs out-of-the-money, alors X

i
crera
une ralisation trs in-the-money, contribuant ainsi au calcul du prix de loption.
Variable antithtique : on dnit un nouvel estimateur de comme tant

(anti)

1
N
N

i=1
_
g (X
i
) +g (X

i
)
2
_
.
Les paires (X
1
, X

1
) , ..., (X
N
, X

N
) sont i.i.d. Toutefois, X
i
et X

i
sont corrles ngati-
vement.
Il est vident que cet estimateur est sans biais :
E
_

(anti)
_
=
1
N
N

i=1
E
_
g (X
i
) +g (X

i
)
2
_
= .
Variance de lestimateur : la variance de cet estimateur est
Var
_

(anti)
_
= Var
_
1
N
N

i=1
_
g (X
i
) +g (X

i
)
2
_
_
=
1
N
2
NVar
_
g (X
i
) +g (X

i
)
2
_
=
1
N
1
4
Var [g (X
i
) +g (X

i
)] .
Or,
Var [g (X
i
) +g (X

i
)] = 2
2
+ 2Cov (g (X
i
) , g (X

i
))
ce qui implique
Var
_

(anti)
_
=
1
N
1
2
_

2
+ Cov (g (X
i
) , g (X

i
))
_
Var
_

_
.
Lorsque la Cov (g (X
i
) , g (X

i
)) est ngative, alors cette approche est plus ecace que
de simuler directement 2N ralisations de g (X).
166 CHAPITRE 10. TECHNIQUES DE RDUCTION DE VARIANCE
Avantages :
Trs simple dutilisation;
Peut parfois tre aussi ecace que des mthodes plus complexes ;
Dsavantage :
Lorsquon considre le temps de calcul pour gnrer 2 fois plus de ralisations, il se
peut que le gain decacit soit moins important.
En nance, lutilisation de la variable antithtique implique la simulation dun chemin
et de sa rexion exacte.
En dautres termes, on procde la simulation des N chemins de la manire conven-
tionnelle et partir des N ralisations prcdentes, on calcule la trajectoire rchie.
Par la suite, on calcule le paiement de loption pour chacun des 2N chemins et la
moyenne chantillonale correspond un estimateur du juste prix du produit driv.
Exemple : vous voulez valuer une option de vente avec prix dexercice de 105$ qui
vient maturit dans 3 ans. Si le taux sans risque est de 5%, la volatilit du prix de
laction est de 25% et que le prix initial de laction est de 100$, calculez un estimateur
du prix de cette option en utilisant une variable antithtique et les 5 nombres normaux
suivants : 0.49296768, -1.14290591, 0.35194092, 0.31634084 et 0.0271845. Utilisez un
nombre normal par trajectoire et comparez votre rsultat avec un estimateur naf.
Solution :
Dans le cas de nombres normaux, simuler avec U et 1U revient utiliser Z et Z.
Par consquent,
S
3
100 exp
__
0.05
0.25
2
2
_
3 + 0.25

3 Z (
i
)
_
S

3
100 exp
__
0.05
0.25
2
2
_
3 0.25

3 Z (
i
)
_
On obtient
Z (
i
) S
3
(
i
) S

3
(
i
) C
3
(
i
) C

3
(
i
)
0.49296768 130.958628 85.4523507 0 19.5476493
-1.14290591 64.4911116 173.523487 40.5088884 0
0.35194092 123.200742 90.8332399 0 14.1667601
0.31634084 121.316131 92.2443085 0 12.7556915
0.0271845 107.038804 104.548278 0 0.45172231
Lestimateur MC naf du prix de loption est

C
(naf)
0
= e
rT

1
N
N

i=1
G
i
= e
0.053

1
5
40.5088884
= 6.9732647.
10.3. VARIABLE DE CONTRLE 167
Lestimateur antithtique du prix de loption est

C
(anti)
0
= e
rT

1
5
N

i=1
G
i
+G

i
2
= e
0.053

1
10
(40.5088 + 19.5476 +... + 0.4517)
= 7.525231084.
10.3 Variable de contrle
La variable de contrle (control variate) est une technique de rduction de variance qui
modie lestimateur MC naf :
(1) en tenant compte du fait que lon connaisse la forme exacte de E[h(X)] (ou trs
rapide calculer) o h est une autre fonction;
(2) en considrant un certain lien entre h(X) et g (X) ;
Lide est dutiliser la connaissance de la formule exacte de E[h(X)] pour ajuster
lerreur qui pourrait exister entre et

;
Exemple classique : option asiatique avec moyenne arithmtique
On a une formule analytique pour E[h(X)] o h est la fonction paiement dune
option asiatique avec moyenne gomtrique ;
On ne connait pas la formule pour E[g (X)] o g est la fonction paiement dune
option asiatique avec moyenne arithmtique ;
g (X) et h(X) sont trs fortement dpendants : quand la moyenne gomtrique
monte (descend), la moyenne arithmtique saccrot (dcrot) galement ;
Lerreur quon commettra en simulant h(X) peut tre calcule car on connait E[h(X)] .
Par consquent, lerreur observe en simulant g (X) devra tre proportionnelle
lerreur sur h(X) ;
Soient E[h(X)] et

(X) g (X) + (h(X) ) .


Alors,
E[

(X)] = E[g (X) + (h(X) )] =


et
Var [

(X)] = Var [g (X) + (h(X) )]


=
2
+
2
Var [h(X)] + 2Cov (g (X) , h(X)) .
On voudrait trouver de telle sorte que Var [

(X)] soit minimise. On trouve que


=
Cov (g (X) , h(X))
Var [h(X)]
minimise la dite variance.
168 CHAPITRE 10. TECHNIQUES DE RDUCTION DE VARIANCE
Variable de contrle : on dnit donc un nouvel estimateur MC de comme tant

(cont)

1
N
N

i=1
(g (X
i
) + (h(X
i
) ))
o
=
Cov (g (X) , h(X))
Var [h(X)]
.
Cet estimateur est sans biais :
E
_

(cont)
_
=
1
N
N

i=1
(E[g (X
i
)] + (E[h(X
i
)] ))
= .
Variance de lestimateur : la variance de cet estimateur est
Var
_

(cont)
_
=
1
N
_
Var [g (X)] +
2
Var [h(X)] + 2Cov (g (X) , h(X))
_
avec calcul plus tt.
En pratique, est inconnu et on doit galement lestimer.
Une solution est dutiliser

calcul laide des estimateurs chantillonaux de Cov (g (X) , h(X))


et Var [h(X)] ;
Linconvnient est dinsrer de la dpendance dans les ralisations de g (X
i
)+ (h(X
i
) ) ,
i = 1, 2, ..., N.
Modie le comportement de lestimateur

(cont)
dans de petits chantillons ;
On remarque que

est en quelque sorte la pente de la rgression de g (X) sur h(X).
Il est donc possible dutiliser plusieurs variables de contrle ;
Attention car chaque variable de contrle ajoute un temps de calcul considrable
galement ;
Attention la notation de lexamen MFE : dans le livre de McDonald, on calcule
plutt

(cont)

1
N
N

i=1
(g (X
i
) + ( h(X
i
)))
o
=
Cov (g (X) , h(X))
Var [h(X)]
.
Cest exactement la mme chose o et h(X
i
) sont inverss. La consquence est
que a un signe ngatif en moins et que
Var
_

(cont)
_
=
1
N
_
Var [g (X)] +
2
Var [h(X)] 2Cov (g (X) , h(X))
_
.
Exemple : vous voulez calculer le juste prix dune option dachat europenne de matu-
rit 1 an avec prix dexercice de 50$. Vous utilisez la simulation laide dune variable de
contrle et des cinq nombres normaux suivants : 0.49296768, -1.14290591, 0.35194092,
10.3. VARIABLE DE CONTRLE 169
0.31634084 et 0.0271845. Votre collgue a calcul le prix exact dune option similaire
mais avec un prix dexercice de 47$ et a obtenu une valeur de 6.85$. Si la valeur ini-
tiale de laction est de 49$, la volatilit est 25% et que le taux sans risque est 4%
continu, alors calculez un estim naf et un estim avec la variable de contrle du prix
de loption.
Solution : on a
S
1
(
i
) 49 exp
__
0.04
0.25
2
2
_
+ 0.25 Z (
i
)
_
.
laide des nombres normaux, on simule les cinq valeurs de S
1
. Le calcul du paiement
de chacune des options est galement prsent dans le tableau suivant.
Z
1
(
i
) S
1
(
i
) C
(47)
1
(
i
) C
(49)
1
(
i
)
0.49296768 55.9138559 8.91385586 6.91385586
-1.14290591 37.1455441 0 0
0.35194092 53.976865 6.97686496 4.97686496
0.31634084 53.4986012 6.49860122 4.49860122
0.0271845 49.7677121 2.76771214 0.76771214
Moyenne 5.03140684 3.43140684
Variance 12.8625614 8.63115454
La ligne moyenne et variance calcule la moyenne et la variance chantillonale des 5
ralisations de C
(47)
1
(
i
) et C
(49)
1
(
i
) .
Lestimateur naf du prix de loption avec prix dexercice de 49$ est

C
(49,naf)
0
= e
0.04
3.43140684
= 3.2968595.
On doit galement calculer la covariance chantillonale entre C
(47)
1
(
i
) et C
(49)
1
(
i
).
On trouve
Cov = 8.27748637.
Rappel : la covariance chantillonale entre deux v.a. est

Cov (X, Y ) =
1
N
N

i=1
x
i
y
i

_
1
N
N

i=1
x
i
_

_
1
N
N

i=1
y
i
_
.
Un estimateur de est

=
8.27748637
12.8625614
= 0.64353328.
Par consquent,

C
(49,cont)
0
= e
0.04
3.43140684 + 0.64353328
_
6.85 e
0.04
5.03140684
_
= 4.5941437.
170 CHAPITRE 10. TECHNIQUES DE RDUCTION DE VARIANCE
Lexemple prcdent est acadmiquement intressant pour illustrer les concepts mais
en pratique nest pas trs utile.
Exemple classique (suite) : option asiatique avec moyenne arithmtique
On voudrait trouver le juste prix dune option asiatique avec moyenne arithmtique
(g) mais il nexiste pas de formule analytique.
Le prix dune option asiatique avec moyenne gomtrique (h) existe avec une formule
analytique.
Il existe un fort lien de dpendance entre les fonctions g (X) et h(X) ;
On simule N trajectoires du prix du sous-jacent sous la mesure neutre au risque ;
On calcule la moyenne arithmtique et la moyenne gomtrique sur chacune des tra-
jectoires pour calculer le paiement dune option asiatique avec moyenne arithmtique
et gomtrique ;
On calcule

partir des ralisations des paiements des deux options ;
Un estimateur du prix de loption asiatique avec moyenne arithmtique est donn
par

(cont)
.
Avantages :
Simple dutilisation;
Peut tre trs ecace, surtout lorsque la variable de contrle est une bonne approxi-
mation du phnomne en question;
Dsavantage :
Dans certaines situations, il peut tre dicile de trouver une bonne variable de
contrle avec une formule analytique.
10.4 chantillonage strati
Lchantillonnage strati (stratied sampling) est une technique de simulation qui
consiste sassurer que la proportion observe dans un certain intervalle soit exacte-
ment gale la proportion thorique.
Supposons quon procde au tirage de 100 ralisations dune v.a. uniforme ;
Il est presque impossible quil y ait exactement une ralisation dans chacun des
intervalles
_
k
100
,
k+1
100

, k = 0, ..., 99;
En eet, il pourrait y avoir 2 ralisations dans lintervalle [0.51, 0.52] et 0 ralisation
dans [0.1, 0.11] ;
Si on pouvait sassurer davoir une ralisation dans chaque intervalle
_
k
100
,
k+1
100

, k =
0, ..., 99, les ralisations seraient plus typiques dune loi uniforme.
Simulation dune loi uniforme avec N strates :
Soient {U
i
, i = 1, 2, ..., N} des ralisations i.i.d. dune loi uniforme ;
On partitionne lintervalle [0, 1] en N sous-intervalles, appeles strates (stratas) dans
ce contexte.
On a les partitions
A
k
=
_
k
N
,
k + 1
N
_
, k = 0, 1, ..., N 1.
10.4. CHANTILLONAGE STRATIFI 171
Soient
V
i
U
i
| U
i
A
i
, i = 0, 1, ..., N 1
Par consquent,
V
i
=
i 1
N
+
U
i
N
, i = 1, 2, ..., N
sont des ralisations de V
i
U
i
| U
i
A
i
. On peut galement dire que les V
i
sont
distribus uniformment sur A
i
.
Exemple : vous avez les ralisations suivantes dune loi uniforme : 0.22, 0.65, 0.89,
0.12. En utilisant lchantillonage strati bas sur 4 strates, simulez 4 ralisations
dune loi uniforme.
On voit dailleurs quil y a 2 ralisations dans le premier quartile (0.12 et 0.22) mais
aucune ralisation dans le second quartile.
Solution : on a N = 4 et donc
V
i
=
i 1
4
+
U
i
4
ce qui donne
V
1
= 0 +
0.22
4
= 0.055
V
2
=
1
4
+
0.65
4
= 0.4125
V
3
=
2
4
+
0.89
4
= 0.7225
V
4
=
3
4
+
0.12
4
= 0.78.
On a donc une ralisation dans chacun des quartiles.
Dans lexemple prcdent, il serait possible de simuler 1000 nombres uniformes avec 4
strates.
En eet, on simule 250 ralisations V
i
= U
i
| U
i
A
1
, 250 simulations de V
i
= U
i
| U
i

A
2
, ...
De plus, partir des ralisations de V , on peut simuler des ralisations de X qui sont
plus reprsentatives de la loi de X.
Technique inverse applique avec V .
Exemple : laide des 4 nombres uniformes suivants (0.22, 0.65, 0.89, 0.12), on vous
demande de calculer le prix dune option dachat europenne un an, avec prix dexercice
K = 12, S
0
= 10, = 0.2 et r = 0.04. Deux mthodes de simulation doivent tre
utilises : un estimateur naf et un chantillonage strati avec 2 strates.
Solution : on sait que
S
1
(
i
) 10 exp
_
0.04 0.5 0.2
2
+ 0.2Z
1
(
i
)
_
.
Simulation nave : on doit dabord simuler les 4 nombres normaux. laide de la
172 CHAPITRE 10. TECHNIQUES DE RDUCTION DE VARIANCE
technique inverse, on obtient :
U (
i
) Z
1
(
i
) S
1
(
i
) C
1
(
i
)
0.22 -0.77219321 8.74206516 0
0.65 0.38532047 11.01931 0
0.89 1.22652812 13.038294 1.03829396
0.12 -1.17498679 8.06543571 0
La valeur du produit driv est

C
(naf)
0
= e
0.04

1
4
1.03829396
= 0.24939547.
chantillonage strati : on simule les v.a. V et ensuite on simule les v.a. normales
partir de V . laide de la technique inverse, on obtient :
U (
i
) V (
i
) Z
1
(
i
) S
1
(
i
) C
1
(
i
)
0.22 0.11 -1.22652812 7.9827221 0
0.65 0.825 0.93458929 12.2988154 0.29881543
0.89 0.445 -0.13830421 9.92368428 0
0.12 0.56 0.15096922 10.514749 0
Il faut noter que les 4 ralisations de V proviennent du fait quon simule 4 nombres
uniformes laide de 2 strates, i.e.
V
1
= 0 +
0.22
2
= 0.11
V
2
=
1
2
+
0.65
2
= 0.825
V
3
= 0 +
0.89
2
= 0.445
V
4
=
1
2
+
0.12
2
= 0.56.
La valeur du produit driv est

C
(strat)
0
= e
0.04

1
4
0.29881543
= 0.071774677.
Avantages :
Performe mieux quand le nombre de simulations est petit ;
Facilite la simulation de valeurs extrmes ;
Dsavantages :
Dicile de caractriser la distribution de lestimateur de .
Lorsquon a plusieurs variables corrles simuler, lextension de lchantillonage stra-
ti est appel Latin hypercube sampling.
10.5. AUTRES TECHNIQUES 173
10.5 Autres techniques
chantillonnage stratgique (importance sampling) :
Technique qui consiste modier articiellement le comportement de X an de
simuler dans des zones plus ecaces.
Les ralisations sont ensuite ajustes an de contrler la modication applique au
comportement de X.
Exemple :
Dans le cas dune option de vente out-of-the-money, lide serait de rduire le
coecient de drive de {S
t
, t 0} pour obtenir plus de ralisations sous K (au
lieu de = r, on pourrait avoir < r).
Les ralisations du paiement de loption sont par la suite ajustes an que

(IS)
soit sans biais ;
Peut tre extrmement ecace lorsque lajustement dans le comportement de X est
bien trouv ;
Dicile dans la plupart des cas de trouver le bon ajustement la distribution de X ;
Si on trouve un mauvais ajustement la distribution de X, alors la rduction de
variance peut tre trs minime, voire ngative (augmentation de la variance) ;
Appariement des moments (moment matching)
Technique qui consiste ajuster

an de tenir compte des dviations entre la
moyenne (et/ou la variance) chantillonnale des ralisations de X et la vraie es-
prance (et/ou variance) thorique.
Lide est que lorsque la moyenne et la variance de X sont bien reprsentes, alors
g (X) devrait tre mieux reprsente galement.
Fonctionne trs bien lorsque N est petit mais perd videmment de son ecacit
lorsque N est grand (puisque la moyenne chantillonnale est trs prs de sa valeur
thorique dans ce cas) ;
Exemple : soient X
1
, ..., X
n
des ralisations dune loi normale et on veut calculer
= E[g (X)]. Alors on peut ajuster

pour tenir compte de lcart entre = E[X]


et X.
Squences faible discrpance (low discrepancy sequences) ou quasi-Monte Carlo (QMC) ;
Ide est de gnrer des nombres uniformes dune faon dterministe de telle sorte
que lintervalle [0, 1] soit bien couvert.
Peut tre trs ecace plusieurs dimensions ;
Peut tre combin avec dautres techniques de rduction de variance ;
10.6 Exercices
10.6.1 Examen MFE/3F
Mai 2007 : pas au syllabus ;
Mai 2009 : aucun;
Q&A (version du 18 aot 2010) : 52, 57, 58, 59, 75 ;
174 CHAPITRE 10. TECHNIQUES DE RDUCTION DE VARIANCE
10.6.2 Exercices supplmentaires
Pour les questions # 1 et 2, utilisez les 10 nombres uniformes suivants : 0.545153575,
0.31625967, 0.332655671, 0.269598036, 0.191482066, 0.623200663, 0.047453662, 0.44664081,
0.655702288, 0.070742871. Vous pouvez utiliser Excel pour acclrer vos calculs.
1. Lvolution dune action ordinaire est donne par un MBG dni par
dS
t
= 0.07S
t
dt + 0.19S
t
dW
t
avec S
0
= 100. Une option de vente europenne de maturit 3 ans et prix dexercice
92$ est mise. Le taux sans risque, continument compos est de 2%. Pour simuler S
3
,
utilisez un nombre uniforme par trajectoire
i
. moins davis contraire, calculez les
quantits demandes laide de la simulation.
(a) Calculez la probabilit que loption soit in-the-money lchance ;
(b) Calculez le juste prix de loption avec un estimateur naf ;
(c) Calculez le juste prix de loption avec la technique antithtique ;
(d) En utilisant une option binaire asset-or-nothing comme variable de contrle, cal-
culez le prix de cette option.
(e) En utilisant 2 simulations par strate (5 strates), utilisez lchantillonage strat-
gique pour calculer le prix de loption. Note : utilisez les 2 premiers nombres
uniformes pour la premire strate, les 2 nombres suivants pour la 2e strate, et
ainsi de suite.
2. Lvolution dune action ordinaire est donne par un MBG dni par
dS
t
= 0.08S
t
dt + 0.22S
t
dW
t
avec S
0
= 100. Une option dachat europenne cart de maturit 1 an est mise.
Le prix dexercice est de 102$ et le prix de dclenchement est de 104$. Le taux sans
risque, continument compos est de 3%. Pour simuler S
1
, utilisez un nombre uniforme
par trajectoire
i
. moins davis contraire, calculez les quantits demandes laide
de la simulation.
(a) Calculez la probabilit que le paiement de loption soit nul lchance ;
(b) Calculez le juste prix de loption avec un estimateur naf ;
(c) Calculez le juste prix de loption avec la technique antithtique ;
(d) En utilisant une option dachat europenne avec maturit 1 an et prix dexercice
de 103$ comme variable de contrle, calculez le prix de cette option.
(e) En utilisant 5 simulations par strate (2 strates), utilisez lchantillonage strat-
gique pour calculer le prix de loption. Note : utilisez les 5 premiers nombres
uniformes pour la premire strate et les 5 nombres suivants pour la 2e strate.
3. Pour les variables antithtiques :
(a) Montrez que lorsque la fonction g est linaire (i.e. g (X) = a + bX pour a et b
constants) et X N (0, 1), alors

(anti)
a une variance nulle.
10.6. EXERCICES 175
(b) Montrez que lorsque la fonction g est telle que g (X) = bX
2
et X N (0, 1), alors
Var
_

(anti)
_
= Var
_

_
.
4. Dans le cadre de la variable de contrle, montrez que lorsque

Cov (g (X) , h(X))
Var [h(X)]
alors Var [

(X)]
2
.
176 CHAPITRE 10. TECHNIQUES DE RDUCTION DE VARIANCE
Chapitre 11
Introduction aux modles de taux
dintrt alatoire
11.1 Contexte
Compagnies cherchent constamment du nancement pour leurs projets ;
Deux principales faons :
mission dactions (stocks) ;
mission dobligations (corporatives) ((corporate) bonds) ;
Sorte de prt consenti par les investisseurs la compagnie ;
Une obligation est un produit nancier qui promet le paiement de coupons dintrt sur
un principal ainsi que le remboursement du capital (principal) une certaine maturit.
La valeur dune obligation dpend de deux choses :
Taux dintrt sans risque (bon du Trsor par exemple) ;
Prime de risque pour la faillite de lentreprise (risque de crdit) ;
Autres produits nanciers dpendent du taux dintrt : swaps, caps, oors, etc.
Les obligations et ces produits forment lensemble des titres revenus xes.
Titres revenus xes (xed-income) : ensemble de produits nanciers, autres que
les actions, qui oblige une partie des paiements priodiques, xes ou variables.
Produits drivs sur titres revenus xes (xed income derivatives) :
Swaps de dfaillance (credit default swaps ou CDS), options sur taux dintrt, op-
tions sur obligations, contrats terme, etc.
Compagnies dassurance investissent massivement dans les titres revenus xes ;
En eet, la maturit des passifs des compagnies dassurance sapparient raisonnable-
ment bien avec les obligations corporatives ;
Passifs trs long terme : taux dintrt a un eet important sur la valeur des ux
nanciers ;
Dans ce chapitre, on introduit les notions essentielles la modlisation du taux din-
trt ;
Principes gnraux et modle binomial discuts dans ce chapitre ;
Modles temps continu discuts dans le prochain chapitre.
IMPORTANT : on ignore le risque de crdit ;
177
178CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
Par consquent, on sintresse la modlisation du taux dintrt sans risque (gou-
vernemental) ;
Objectifs :
valuation sans arbitrage de titres revenus xes ainsi que de produits drivs sur
titres revenus xes bass sur le taux dintrt du gouvernement.
Rserves actuarielles sur des produits dassurance ;
11.2 Types de taux dintrt
Obligation zro-coupon (zero-coupon bond) : instrument nancier qui promet le
paiement de 1$ une certaine chance T.
Obligations coupons (coupon bond) : instrument nancier qui paie un coupon
dintrt priodique ainsi quun montant nominal la maturit de celle-ci.
Une obligation coupons est un portefeuille dobligations zro-coupons.
Soit P
t
(T) le prix au temps t dune obligation zro-coupon avec chance T :
Dure restante de cet instrument : T t;
On a galement P
T
(T) = 1 ;
Taux au comptant (spot rate) : taux dintrt annualis en vigueur entre aujourdhui
(t) et une chance quelconque T.
Taux dintrt (annualis) exig pour un prt de dure T t entre t et T;
Aussi appel taux zro (zero rates) ;
Peut tre compos de faon continue ou de faon priodique ;
Soit R
t
(T) le taux au comptant continuellement compos en vigueur entre t et T.
Relation : On a
P
t
(T) exp (R
t
(T) (T t)) = 1
ou de faon quivalente

lnP
t
(T)
Tt
= R
t
(T) .
Exemple #1 : aujourdhui t = 0, on observe la structure suivante de prix dobligations
zro-coupon :
P
0
(1) = 0.98
P
0
(2) = 0.955
P
0
(5) = 0.88.
Quelle est la structure des taux au comptant ?
Solution : on a
R
0
(1) =
ln P
0
(1)
1
=
ln 0.98
1
= 0.0202
R
0
(2) =
ln P
0
(2)
2
=
ln 0.955
2
= 0.02302
R
0
(5) =
ln P
0
(5)
5
=
ln 0.88
5
= 0.02556.
11.2. TYPES DE TAUX DINTRT 179
Exemple #2 : aujourdhui t = 0, on observe la structure suivante de prix dobligations
coupons (avec valeur nominale de 100$) :
chance Coupon Prix
0.25 0 97.5
0.5 0 94.9
1 0 90
1.5 8 96
2 12 101.6
Quelle est la structure des taux au comptant ?
Solution : On sait que
0.975 = e
0.25R
0
(0.25)
0.949 = e
0.50R
0
(0.5)
0.900 = e
1.0R
0
(1)
ce qui implique
R
0
(0.25) = 0.10127
R
0
(0.5) = 0.10469
R
0
(1) = 0.10536.
Pour lobligation de 1.5 anne, on reoit un coupon semi-annuel de 4$ aux temps
0.5, 1 et 1.5. Donc,
4e
0.104690.5
+ 4e
0.105361.0
+ 104e
R
0
(1.5)1.5
= 96.
Par consquent, on trouve R
0
(1.5) = 0.10681.
Pour lobligation 2 ans, lide est la mme :
6e
0.104690.5
+ 6e
0.105361.0
+ 6e
0.10681.5
+ 106e
R
0
(2)2
= 101.6.
On obtient, R
0
(2) = 0.10808.
Il est presque impossible en pratique dobserver des obligations coupons avec de
telles maturits :
Des approximations sont utilises et une des plus populaires est lapproche de
Nelson-Siegel.
Taux terme (forward rate) : taux dintrt (continuellement compos) dtermin
aujourdhui (t) valide sur lintervalle de temps [T
1
, T
2
] avec t < T
1
< T
2
.
Dni par f
t
(T
1
, T
2
) ;
En transigeant dans les obligations zro-coupons, on peut rpliquer le taux terme.
Stratgie :
Vendre dcouvert une unit de lobligation zro-coupon T
1
: montant reu P
t
(T
1
)
Acheter
Pt(T
1
)
Pt(T
2
)
units de lobligation T
2
: cot
Pt(T
1
)
Pt(T
2
)
P
t
(T
2
)
Investissement initial est 0.
180CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
On vrie que la stratgie assure un rendement de f
t
(T
1
, T
2
) sur la priode en question.
Au temps T
1
on paie 1$ et au temps T
2
on reoit
P
t
(T
1
)
Pt(T
2
)
> 1.
On vient de trouver une faon de xer t un rendement entre T
1
et T
2
.
Donc, le rendement est
1 exp (f
t
(T
1
, T
2
) (T
2
T
1
)) =
P
t
(T
1
)
P
t
(T
2
)
ou de faon quivalente
f
t
(T
1
, T
2
) =
lnPt(T
1
)lnPt(T
2
)
T
2
T
1
.
Exemple # 1 (suite) : trouver le taux terme dtermin aujourdhui sur lintervalle
de temps [2, 5] .
Solution :
f
0
(2, 5) =
ln P
0
(2) ln P
0
(5)
5 2
=
ln 0.955 ln0.88
3
= 0.02726.
11.3 Structure des taux dintrt
Les exemples prcdents illustrent un point trs important : le taux dintrt dpend
de la maturit considre.
En eet, en pratique, il cote gnralement plus cher pour emprunter sur une dure de
10 ans que sur une dure de 1 an.
Similairement, lorsquon investit dans des bons du Trsor ou des certicats de dpt,
le taux de rendement annuel est gnral plus intressant pour un certicat de 5 ans
que de 1 an.
Structure (ou courbe) des taux au comptant observe t : relation entre R
t
(T) et T
pour T > t;
La structure des taux au comptant (spot rate curve ou zero curve) a trois formes
possibles :
Croissante (increasing) (la plus observe) ;
Dcroissante (decreasing) ;
Bossue (hump-shaped) ;
IMPORTANT : soit t = 0 correspond aujourdhui. Alors, la modlisation du taux
dintrt doit considrer :
(1) il y a une relation entre R
0
(T) et T pour T > 0;
Similairement avec f
0
(T
1
, T
2
) pour T
2
> T
1
> 0;
(2) pour un moment futur t, alors toute la courbe R
t
(T) est alatoire ;
Similairement avec f
t
(T
1
, T
2
) pour T
2
> T
1
> t;
Quest-ce qui dtermine la forme de la courbe des taux au comptant ?
Une thorie gnralement accepte qui fonctionne bien pour expliquer les structures
de taux possibles est la thorie de la prfrence pour la liquidit.
11.4. ARBRE BINOMIAL POUR LE TAUX DINTRT 181
Thorie de la prfrence pour la liquidit (liquidity preference theory) ;
Prteurs prfrent geler leurs investissements sur une courte priode de temps ;
Emprunteurs sont avers au risque et prfrent xer le taux sur une longue priode
de temps ;
Les institutions augmentent les taux long terme des dpts terme et des prts :
Incite les pargnants investir long terme ;
Incite certains emprunteurs xer leur taux court terme pour bncier dun
taux plus bas.
Diminue les taux court terme et augmente les taux long terme ;
Explique trs bien une structure croissante des taux.
La courbe des taux sera dcroissante seulement si le march anticipe une baisse
prononce des taux court terme.
11.4 Arbre binomial pour le taux dintrt
11.4.1 Dnitions
Dnition et notation :
On tudie les taux dintrt qui prvaudront sur lintervalle de temps [0, T] o t = 0
est aujourdhui et t = T est la n de lhorizon de ltude.
On fractionne lintervalle de temps [0, T] en n sous-intervalles de temps de longueur
t =
T
n
.
On note
r
k
R
kt
((k + 1) t) , k = 0, 1, ..., n 1.
r
0
est le taux au comptant valide sur lintervalle [0, t[ : observ et connu aujour-
dhui ;
r
k
est le taux au comptant valide sur lintervalle [kt, (k + 1) t[ pour k = 1, 2, ...n
1 : inconnu aujourdhui et alatoire ;
Taux dintrt r
k
peut tre compos priodiquement (1 +r
k
) ou continument (e
r
k
) :
spci dans le problme ;
Arbre binomial :
On suppose que r
1

_
r
u
1
, r
d
1
_
(tant donn F
0
ou r
0
)
Avec probabilit p dobserver r
u
1
et (1 p) dobserver r
d
1
dans la mesure de pro-
babilit relle ;
Avec probabilit q dobserver r
u
1
et (1 q) dobserver r
d
1
dans la mesure de pro-
babilit neutre au risque ;
Similairement au chapitre 1 et 2, r
2

_
r
uu
2
, r
ud
2
, r
du
2
, r
dd
2
_
(tant donn F
0
ou r
0
).
Arbre est recombinant si r
ud
2
= r
du
2
.
Un modle quelconque dnira la transition entre les valeurs possibles de r
u
1
, r
d
1
, r
uu
2
, ...
Modles existants sont souvent des discrtisations de leur version continue :
Multiplicatif (MBG ou Rendelman-Bartter) ;
Black-Derman-Toy (BDT) ;
Heath-Jarrow-Morton (HJM) en gnral ;
Vasicek, Ho-Lee, Hull & White, etc. ;
182CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
Pour reprsenter la structure terme des taux dintrt, il nest pas ncessaire de
modliser simultanment le taux dintrt toutes les maturits.
La faon dont r
k
volue dans le temps permettra de reproduire les trois types de
structure terme.
Black-Derman-Toy par exemple.
Arbre binomial multiplicatif : tout comme dans la modlisation de lvolution du
prix dune action on a
r
k
= r
k1
U
k
o U {u, d} et U
1
, U
2
, ... sont i.i.d. comme U.
11.4.2 Accumulation et actualisation en intrt stochastique
Rgle : lactualisation et laccumulation des ux nanciers se fait trajectoire par tra-
jectoire.
Sapplique dans TOUS les contextes o lintrt est alatoire ;
Exemple : supposons quon modlise le taux au comptant de maturit 1 an dni par
r
k
R
k
(k + 1)
par un processus stochastique {r
k
, k = 0, 1, 2, ...}. On sait t = 0, que r
0
= 0.04.
Par consquent, r
1
, r
2
, ... sont des v.a. alatoires par rapport t = 0. On simule deux
trajectoires quiprobables du taux au comptant 1 an :

1
: r

1
1
= 0.05, r

1
2
= 0.06

2
: r

2
1
= 0.03, r

2
2
= 0.02.
Un montant de 1$ est attendu dans 3 ans. Quelle est la valeur aujourdhui de ce ux
nancier ?
Solution : on a

1
: P

1
0
(3) = exp (0.04 0.05 0.06) = exp (0.15) = 0.86071

2
: P

2
0
(3) = exp (0.04 0.03 0.02) = exp (0.09) = 0.91393.
Avec probabilit 0.5, la valeur prsente de 1$ est 0.8607 et avec probabilit 0.5, cette
valeur est 0.9139. Par consquent, la valeur prsente espre de ce ux nancier est
1
2
0.86071 +
1
2
0.91393 = 0.88732.
Actualisation : supposons quun montant F est promis T. En utilisant la dnition
r
k
R
k
(k + 1), la valeur prsente espre (VPE) de F est
VPE(F) = F E
_
exp
_

T1

k=0
r
k
__
= F

exp
_

T1

k=0
r

k
_
Pr () .
11.4. ARBRE BINOMIAL POUR LE TAUX DINTRT 183
Accumulation : un montant de F est investi aujourdhui. Quelle est la valeur accu-
mule espre (VAE) de F ? On a
VAE(K) = F E
_
exp
_
T1

k=0
r
k
__
= F

exp
_
T1

k=0
r

k
_
Pr () .
Attention : comme on peut voir,
VPE(F) =
1
VAE(F)
Pour une trajectoire donne, le facteur dactualisation est linverse du facteur
daccumulation.
Par contre, en considrant lensemble des trajectoires, la VPE nest pas linverse de
la VAE.
Conclusion : que ce soit en temps discret ou en temps continu, laccumulation et
lactualisation sappliquent trajectoire par trajectoire.
Exemple : une rente temporaire 4 ans est mise un individu de 85 ans. Les actuaires
ont dtermin que le taux au comptant annuel obit un arbre binomial multiplicatif
avec r
0
= 0.04, u = 1.25 et d = 0.75. Les probabilits de dcs sont telles que
q
85
= 0.1
q
86
= 0.12
q
87
= 0.15.
Quelle est la valeur prsente actuarielle (VPA) de ce contrat si la probabilit dobserver
une augmentation du taux dintrt chaque priode est de 60%? Considrez que la
vie de lindividu et les taux dintrt sont indpendants et que la rente est verse en
dbut de priode.
Solution : on a besoin du taux dintrt sur les priodes [0, 1] , [1, 2] et [2, 3]. Le tableau
suivant dcrit les possibilits.
r
0
r
1
r
2

1
0.04 0.05 0.0625

2
0.04 0.05 0.0375

3
0.04 0.03 0.0375

4
0.04 0.03 0.0225
Une rente certaine 1 an cote 1$ (1$ au temps t = 0).
Une rente certaine 2 ans (1$ aux temps t = 0, 1) cote
1 +e
0.04
= 1.96078944.
184CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
Une rente certaine 3 ans (1$ aux temps t = 0, 1, 2) cote
1 +e
0.04
+ 0.6
_
e
0.040.05
_
+ 0.4
_
e
0.040.03
_
= 2.8821057.
Une rente certaine 4 ans (1$ aux temps t = 0, 1, 2, 3) cote
1 +e
0.04
+0.6
2
_
e
0.040.05
+e
0.040.050.0625
_
+0.6 0.4
_
e
0.040.05
+e
0.040.050.0375
_
+0.4 0.6
_
e
0.040.03
+e
0.040.030.0375
_
+0.4
2

_
e
0.040.03
+e
0.040.030.0225
_
= 3.7638595
On pourrait galement utiliser un arbre pour valuer cette rente, comme on le ferait
avec une obligation coupons (voir plus loin).
Par consquent, la VPA de ce contrat est
VPA = 1
0|
q
85
+ 1.96078944
1|
q
85
+2.8821057
2|
q
85
+ 3.7638595
3
p
85
= 1 0.1
+1.96078944 0.9 0.12
+2.8821057 0.9 0.88 0.15
+3.7638595 0.9 0.88 0.85
= 3.1879896.
De plus, on a galement que
VPA =
3

k=0
E
_
e

k1
i=0
r
i
_
k
p
x
lorsque le taux dintrt est alatoire.
11.4.3 valuation de titres revenus xes et ses drivs
On sintresse lvaluation sans arbitrage dun produit nancier mis sur le taux
dintrt ;
Obligation ( coupons ou non), produit driv, etc.
Obligation zro-coupon :
On sait que P
t
(T) est le prix t dune obligation zro-coupon venant chance
T.
Similairement, on note P
k
(n) le prix t = kt dune obligation venant chance
t = nt.
Une ralisation de cette variable alatoire serait par exemple P
ud
k
(n) ;
Produit driv sur titre revenus xes :
11.4. ARBRE BINOMIAL POUR LE TAUX DINTRT 185
Soit C
k
le prix t = kt dun tel produit driv mis sur le taux dintrt.
Une ralisation de cette variable alatoire serait par exemple C
ud
k
;
Dans un arbre binomial, on a toujours besoin de deux actifs de base qui sont transigs
pour rpliquer tous les produits drivs ;
Deux tats de la nature possibles : deux quations et deux inconnues ;
Premier actif de base : compte bancaire (ou numraire de base)
Valeur accumule de B
0
au temps t i.e.
B
t
= B
0
exp
_
t1

k=0
r
k
_
o t est un nombre entier positif.
Montant initial est connu B
0
mais le solde nal est inconnu car le taux dintrt est
alatoire.
Que devrait tre le second actif de base ?
Dans les chapitres prcdents, le second actif de base tait lactif sous-jacent.
Ce dernier tait transig et la valeur tait reprsente par un arbre binomial.
Toutefois, le taux au comptant 1 priode est alatoire mais nest PAS transig.
Consquence : on doit introduire un second actif de base, dont sa valeur dpendra
du taux dintrt.
Obligation zro-coupon T
1
annes ;
Second actif de base : obligation zro-coupon T
1
anne dont la valeur est donne
par P
t
.
Les autres produits drivs seront valus en transigeant dans B
t
et P
t
.
Pourquoi ne pas modliser P
t
directement plutt que modliser le taux dintrt ?
Car B
t
et P
t
dpendent tous les deux de lvolution du taux dintrt.
Il est donc logique de modliser r
t
et par la suite reprsenter le prix de B
t
et P
t
.
Rsum :
Dans un march taux dintrt constant (comme on a vu prcdemment aux cha-
pitres 1 8) :
Unique source de risque : dynamique de lactif risqu {S
t
, t 0} ;
Les actifs transigs sont B et S.
Dans un march nancier taux dintrt alatoire (tel que nous lavons dni) :
Unique source de risque : dynamique du taux dintrt {r
t
, t = 0, 1, 2, ..} ;
Les actifs transigs sont B et P.
P drive sa valeur partir de {r
t
, t = 0, 1, 2, ..} et le taux dintrt nest pas
transig.
Consquences :
Rserves et valuation actuarielle (o labsence darbitrage nest pas essentiel) :
Rien ne change, i.e. comme lhabitude, on utilise les meilleures hypothses de
lanalyste.
Par consquent, des sries temporelles sur lvolution du taux dintrt peuvent
tre utilises pour dterminer lvolution de larbre.
valuation sans arbitrage (par rplication) :
Impossible dliminer la prime de risque (comme dans le chapitre 7) dans le
186CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
passage de P vers Q;
Solution : pour valuer un produit driv, les analystes utilisent les prix de produits
drivs pour dduire la mesure neutre au risque approprie.
Les modles de taux dintrt alatoire temps discret sont souvent dnis direc-
tement sous la mesure neutre au risque ;
Dans ce chapitre, les probabilits relles et les probabilits neutres au risque seront
directement donnes/modlises. Le contexte dutilisation de chacune des probabilits
est clair :
Q pour lvaluation sans arbitrage de produits nanciers ;
P pour tout le reste.
11.4.4 Exemples dvaluation
Principe : le prix C
k
t = kt dun produit driv sur le taux dintrt est la VPE des
ux nanciers futurs en escomptant au taux sans risque, dans une mesure de probabilit
neutre au risque i.e.
C
k
B
k
= E
Q
[ B
k+1
C
k+1
| F
k
]
ou, de manire quivalente,
C
k
= e
r
k
E
Q
[ C
k+1
| F
k
]
car r
k
est valide sur [kt, (k + 1) t[ est est connu sachant F
k
.
Exemple # 1 : On considre un arbre binomial 2 priodes avec r
0
= 0.03. On a que
r
1
= r
0
U o U = {u, d} avec u = 1.2 et d = 0.8. Quel est le prix dune obligation
zro-coupon de deux ans si t = 1 ? Les taux sont composs annuellement et q = 0.5.
Solution : On a r
0
= 0.03 et r
1
{0.03 1.2, 0.03 0.8} = {0.036, 0.024}. On cherche
P
0
(2) . Par consquent,
P

2
(2) = 1 pour {uu, ud, du, dd}
P
u
1
(2) =
1
1.036
(0.5 1 + 0.5 1) = 0.96525
P
u
1
(2) =
1
1.024
(0.5 1 + 0.5 1) = 0.97656
P
0
(2) =
1
1.03
(0.5 0.96525 + 0.5 0.97656)
= 0.94263.
Exemple # 1 (suite) : dans lexemple prcdent, quel est le taux au comptant continu
qui prvaut sur [0, 2[ ? Quel est le taux terme continu dtermin t = 0 valide sur
lintervalle [1, 2[ ?
Solution : le taux au comptant est
R
0
(2) =
ln P
0
(2)
2
=
ln 0.94263
2
= 0.02954.
11.4. ARBRE BINOMIAL POUR LE TAUX DINTRT 187
On cherche galement f
0
(1, 2). On a, par dnition,
f
0
(1, 2) =
ln P
0
(1) lnP
0
(2)
2 1
= ln
_
1
1.03
_
ln 0.94263
= 0.02952.
Exemple # 1 (suite) : dans le contexte de larbre binomial prcdent, on veut valuer
un droit conditionnel payant
C
2
= 1000 (r
2
0.03)
+
t = 2 .
Solution : On a que r
0
= 0.03 est valide sur [0, 1[, r
1
est rvl t = 1 et valide sur
[1, 2[ et nalement, r
2
est rvl t = 2 et est valide sur [2, 3[.
r
1
{0.024, 0.036} et r
2
{0.0192, 0.0288, 0.0432}
Les paiements sont t = 2 sont 0, 0 et (0.0432 0.03) 1000 = 13.2.
La valeur de ce droit conditionnel est
13.2 0.5
2
1.03 1.036
= 3.0926.
Le seul paiement positif est lorsquon observe u u. La probabilit neutre au risque
de deux u conscutifs est 0.5
2
et les taux dintrt pour actualiser sur ce chemin sont
3% et 3.6%.
Exemple # 2 :
On considre un arbre binomial 2 priodes o r
0
= 0.05.
Les taux au comptant varient avec un facteur u = 1.1 et d = 0.9 de telle sorte que
r
1
= r
0
U o U = {u, d}.
On veut valuer une option dachat europenne de maturit 1 an sur une obligation
zro-coupon venant chance au temps 2 (qui verse 100$ t = 2). Le prix dexercice
de loption est de 95$.
La probabilit neutre au risque dune augmentation est q = 0.5.
Le taux court est compos annuellement (t = 1).
Solution :
r
1
{0.05 1.1, 0.05 0.9} = {0.055, 0.045}
Le paiement de loption est
(100P
1
(2) 95)
+
.
Lchance de loption est dun an mais il faut modliser le taux au comptant sur 2
ans.
On a que
P
u
1
(2) = 1.055
1
= 0.94787
P
d
1
(2) = 1.045
1
= 0.95694
188CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
par consquent,
C
u
1
= (100P
u
1
(2) 95)
+
= 0
C
d
1
=
_
100P
d
1
(2) 95
_
+
= 0.694.
Le prix de loption est donc de
1
1 +r
0
_
qC
u
1
+ (1 q) C
d
1
_
=
1
1.05
0.5 0.694
= 0.33048.
Exemple (Cvitanic & Zapatero (2004) exemple 8.2) : Le taux au comptant 1 an
observ aujourdhui est de 4%. Dans un an, le taux au comptant 1 an sera soit de
5% ou 3%. De plus, on observe aujourdhui quune obligation zro-coupon 2 ans vaut
92.278$ (base de 100$). Quel est le prix dune option dachat europenne de maturit 1
an sur cette obligation et prix dexercice de 96$. Les taux sont composs annuellement.
Solution : on observe donc
r
0
= 0.04
ce qui implique
P
0
(1) =
1
1.04
= 0.96154.
De plus,
P
0
(2) = 0.92278 =
1
1 +r
0
_
q P
u
1
(2) + (1 q) P
d
1
(2)
_
avec
P
u
1
(2) =
1
1.05
= 0.95238
P
d
1
(2) =
1
1.03
= 0.97087.
On trouve donc
0.92278 =
1
1.04
(q 0.95238 + (1 q) 0.97087)
ce qui implique q = 0.60459.
La valeur de loption est donc
C
0
=
1
1.04
_
q (100P
u
1
(2) 96)
+
+ (1 q)
_
100P
d
1
(2) 96
_
+
_
=
1
1.04
(1 0.60459) (100 0.97087 96)
= 0.41328.
Exemple # 3 : on tudie un swap de maturit 3 ans sur le taux LIBOR. On modlise
le taux LIBOR par un arbre binomial o r
0
= 0.05 et r
k
= r
k1
U
k
avec u = 1.1,
d = 0.9 et q = 0.5. Le swap change xe pour variable, o le taux xe est de 5.1%. Le
taux variable utilis dans le calcul des paiements au moment k est le taux r
k
valide sur
lintervalle [k, k + 1[ . Il ny a pas dchange t = 0. Le notionnel est 100$.
11.4. ARBRE BINOMIAL POUR LE TAUX DINTRT 189
Swap : produit nancier qui lie deux parties dans lchange de ux nanciers.
Comprend gnralement une partie qui paie (reoit) un montant xe (variable) et
reoit (paie) un montant variable (xe) en change.
Plusieurs saveurs de swaps : swap de taux classique, croissant, dcroissant, progressif,
swap de devises, etc.
Swap de taux classique : le swap est dni tel que lintrt xe sur le notionnel est
chang contre lintrt variable sur celui-ci. Comment lintrt variable est calcul est
spci dans les termes du contrat ;
Lvaluation est simple : il sagit de la dirence entre une obligation taux xe et
une obligation taux variable sur le notionnel.
Swap de devise : les ux nanciers (xes ou variables) dans une devise sont changs
contre des ux nanciers (xes ou variables) dans une autre devise.
Les swaps permettent de transformer des actifs/passifs qui paient xe ou variable en
actifs/passifs qui paient variable ou xe.
Solution de lexemple # 3 : la valeur dun swap de taux classique lmission, o
nimporte quelle priode est la dirence entre une obligation coupons variables et
une obligation coupons xes.
Les paiements surviennent t = 1, 2, 3 et les taux requis sont r
1
, r
2
et r
3
.
laide de larbre binomial, on trouve
r
1
{0.055, 0.045}
r
2
{0.0605, 0.0495, 0.0405}
r
3
{0.06655, 0.05445, 0.04455, 0.03645} .
Obligation coupons variables : les paiements de coupons et de principal t = 3
sont 106.655, 105.445, 104.455, 103.645.
Les paiements de coupons t = 2 sont 6.05, 4.95 et 4.05 et nalement les coupons
t = 1 sont 5.5 et 4.5. Les paiements sont prsents dans le tableau suivant.
5.5 6.05 106.655
4.5 4.95 105.445
4.05 104.455
103.645
Le calcul de la valeur de lobligation se fait rcursivement, en prenant soin de
toujours ajouter les ux nanciers au bon moment.
190CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
La valeur de lobligation coupons variables V est
V
uu
2
= 6.05 +
1
1.0605
(106.655 0.5 + 105.445 0.5) = 106.05
V
ud
2
= 4.95 +
1
1.0495
(105.445 0.5 + 104.455 0.5) = 104.95
V
dd
2
= 4.05 +
1
1.0405
(104.455 0.5 + 103.645 0.5) = 104.05
V
u
1
= 5.5 +
1
1.055
(106.05 0.5 + 104.95 0.5) = 105.50
V
d
1
= 4.5 +
1
1.045
(104.95 0.5 + 104.04 0.5) = 104.50
V
0
=
1
1.05
(105.50 0.5 + 104.50 0.5) = 100.
Obligation coupons xes : la valeur de lobligation coupons xes F est
F
uu
2
= 5.10 +
1
1.0605
(105.10 0.5 + 105.10 0.5) = 104.20
F
ud
2
= 5.10 +
1
1.0495
(105.10 0.5 + 105.10 0.5) = 105.24
F
dd
2
= 5.10 +
1
1.0405
(105.10 0.5 + 105.10 0.5) = 106.11
F
u
1
= 5.10 +
1
1.055
(104.20 0.5 + 105.24 0.5) = 104.36
F
d
1
= 5.10 +
1
1.045
(105.24 0.5 + 106.11 0.5) = 106.22
F
0
=
1
1.05
(104.36 0.5 + 106.22 0.5) = 100.28.
La valeur du swap est donc 100 100.28 = 0.28. Pour la partie recevant variable
(payant xe), le swap a une valeur ngative.
Attention :
Lorsque les taux dintrt sont alatoires, la valeur dune obligation coupons va-
riables (telle que dnie dans lexemple) t = 0 ne sera pas ncessairement toujours
100$.
Dans lexemple # 3, nous avons obtenu 100$ car q = 0.5, u + d = 2 et lintrt est
compos priodiquement.
En exercice, vous aurez un exemple o justement u +d = 2 et donc V
0
= 100.
11.5 Arbre binomial de Black-Derman-Toy
Larbre binomial de Black-Derman-Toy (BDT) donne une alternative raliste au modle
binomial multiplicatif pour mieux pouser la dynamique des taux dintrt.
Modie seulement la construction de larbre binomial ;
Lvaluation de produits nanciers nest pas modie ;
11.5. ARBRE BINOMIAL DE BLACK-DERMAN-TOY 191
La principale caractristique de larbre de BDT est que la volatilit du taux au comp-
tant peut varier selon la maturit de linstrument.
Taux court terme plus volatils car soumis aux alas du march ;
Taux long terme retent une tendance long terme de lconomie qui est gnrale-
ment plutt stable ;
La procdure de calibration prsente permet de rpliquer les prix observs sur le
march (ou la structure de taux au comptant) ;
11.5.1 Prliminaires
Rappel :
r
0
est connu et est valide sur [0, t[ ;
r
k
pour [kt, (k + 1) t[ est alatoire pour k = 1, 2, ...;
Discrtisation du modle de BDT implique :
Arbre recombinant ;
r
1
(v.a.) peut prendre deux valeurs : r
u
1
et r
d
1
avec probabilits 0.5 dans la mesure
neutre au risque.
Alors, la construction de larbre de BDT implique
E
Q
[ ln r
1
| r
0
] = 0.5 ln r
u
1
+ 0.5 ln r
d
1
Var
Q
[ ln r
1
| r
0
] = E
Q
_
_
ln r
1
E
Q
[ ln r
1
| r
0
]
_
2

r
0
_
= 0.5
_
ln r
u
1
E
Q
[ ln r
1
| r
0
]
_
2
+
0.5
_
ln r
d
1
E
Q
[ ln r
1
| r
0
]
_
2
.
En substituant E
Q
[ ln r
1
| r
0
] dans Var
Q
[ ln r
1
| r
0
] on a
Var
Q
[ ln r
1
| r
0
] = 0.5
_
ln r
u
1
0.5 ln r
u
1
0.5 ln r
d
1
_
2
+
0.5
_
ln r
d
1
0.5 ln r
u
1
0.5 ln r
d
1
_
2
= 0.5
_
0.5 ln r
u
1
0.5 ln r
d
1
_
2
+
0.5
_
0.5 ln r
d
1
0.5 ln r
u
1
_
2
=
_
0.5 ln r
u
1
0.5 ln r
d
1
_
2
=
_
0.5 ln
r
u
1
r
d
1
_
2
.
Cette relation est valide dans larbre une priode et intuitivement devrait tenir
nimporte quelle priode.
Regardons la seconde priode. On a que r
2
| r
u
1

_
r
uu
2
, r
ud
2
= r
du
2
_
et r
2
| r
d
1

_
r
du
2
= r
ud
2
, r
dd
2
_
.
Puisque la relation prcdente a t dduite parce que les ralisations sont quipro-
bables sous Q, alors on a galement
Var
Q
[ lnr
2
| r
u
1
] =
_
0.5 ln
r
uu
2
r
ud
2
_
2
=
_
0.5 ln
r
uu
2
r
du
2
_
2
Var
Q
_
lnr
2
| r
d
1

=
_
0.5 ln
r
du
2
r
dd
2
_
2
=
_
0.5 ln
r
ud
2
r
dd
2
_
2
192CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
car larbre de BDT est recombinant.
De plus,
Var
Q
[ ln r
2
| r
u
1
] = Var
Q
_
lnr
2
| r
d
1

car la volatilit du taux varie selon lchance, pas dun noeud lautre (pour une
priode xe).
Variance future du log-taux au comptant un an (une priode) : soit

2
k
Var
Q
[ ln r
k
| F
k1
] ,
alors

1
= 0.5 ln
r
u
1
r
d
1

2
= 0.5 ln
r
uu
2
r
ud
2
= 0.5 ln
r
du
2
r
dd
2
= ... (recombinant)
et ainsi de suite pour les autres k = 3, 4, ...

2
k
est donc la variance du log-taux au comptant 1 an (ou 1 priode) qui prvaudra
sur lintervalle [k, k + 1[.
Illustration : au temps k dans Black-Scholes, on a

2
= Var
Q
[ lnS
k
| F
k1
]
ce qui correspond la variance du rendement continu 1 an de laction. Toute-
fois, si la volatilit du rendement de laction variait dans le temps, on aurait que
Var
Q
[ ln S
k
| F
k1
] dpendrait de k.
De la relation prcdente, on dduit que
r
u
1
= r
d
1
exp (2
1
)
r
du
2
= r
dd
2
exp (2
2
)
r
uu
2
= r
ud
2
exp (2
2
)
= r
dd
2
exp (4
2
) .
Cest donc en utilisant ces relations que larbre binomial de BDT est construit ;
Important pour lexamen MFE;
Par consquent :
il faut connatre
1
et r
d
1
pour dduire r
u
1
;
il faut connatre
2
et r
dd
2
pour dduire r
du
2
= r
ud
2
et r
uu
2
;
il faut connatre
3
et r
ddd
3
pour dduire le reste des r
...
3
Toutefois, on nobserve pas les r
d
1
, r
dd
2
, r
ddd
3
, ni les volatilits
1
,
2
,
3
, ...
On doit dduire ces variables laide de donnes observables (calibration) :
Prix dobligations zro-coupon (ou de faon quivalente, des taux au comptant) ;
Volatilit observe des taux au comptant ;
Une fois les paramtres de larbre connu, on peut facilement btir larbre des taux r
k
.
11.5. ARBRE BINOMIAL DE BLACK-DERMAN-TOY 193
11.5.2 Calibration
Donnes observes :
Aujourdhui (t = 0) : structure terme des taux au comptant R
0
(k), ou de faon
quivalente les prix des obligations zro-coupon P
0
(k) ;
Srie temporelle passe de structure terme des taux au comptant, i.e. les R
0
(k)
(pour tout k) observe tous les mois (jours ou annes) dans le pass.
On doit connaitre
2
k
qui correspond la variance future du taux au comptant 1 an (1
priode)
Impossible connaitre ;
Toutefois, on peut plus facilement estimer la variance aujourdhui de la structure
terme ;
Variance du log-taux au comptant de maturit k 1 annes (dans un an
(une priode)) : soit

2
,k
Var
Q
[ ln R
1
(k)| F
0
] , k = 2, 3, 4...
Note : R
0
(1) = r
0
et est connu. Les seuls taux inconnus sont R
1
(k) pour k = 2, 3, ...
Illustration : au temps k dans Black-Scholes, on a
k
2
= Var
Q
[ ln S
k
| F
0
] .
Si la variance du rendement continu ntait pas proportionnelle k
2
, alors il faudrait
dnir une variance pour tout k.

2
,k
peut tre estim de la faon suivante :
Supposons quon a observ dans le pass les structures terme suivantes
R
0
(1) R
0
(2) R
0
(3)
n 1999 0.03 0.04 0.05
n 2000 0.035 0.05 0.06
n 2001 0.027 0.032 0.04
... ... ... ...
n 2009 0.005 0.01 0.02
On pourrait approximer :

2
,2
par la variance chantillonale calcule sur 0.03, 0.035, 0.027, ..., 0.005 ;
En eet, au dbut 1999, 0.03 est une ralisation de R
1
(2), au dbut 2000, 0.035
est une ralisation de R
1
(2) galement, et ainsi de suite.

2
,3
par la variance chantillonale calcule sur 0.04, 0.05, 0.032, ..., 0.01 ;
En eet, au dbut 1999, 0.04 est une ralisation de R
1
(3), au dbut 2000, 0.05 est
une ralisation de R
1
(3) galement, et ainsi de suite.
Pour utiliser une telle approche, il faut supposer que les volatilits observes (sous
P) sont les mmes que les volatilits requises (sous Q) ;
Remarque : dans le modle de BDT, il y a donc deux types de volatilits :
Variance future du log-taux au comptant un an (une priode) :
2
k
= Var
Q
[ ln r
k
| F
k1
]
(non-observe, qui sera modlise) ;
194CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
Variance du log-taux au comptant de maturit k1 annes :
2
,k
Var
Q
[ ln R
1
(k)| F
0
] , k =
2, 3, 4... (observe) ;
Puisquil y a seulement deux valeurs possibles pour le taux au comptant et que ces
ralisations sont quiprobables dans la mesure neutre au risque, alors

2
,k
=
_
0.5 ln
R
u
1
(k)
R
d
1
(k)
_
2
, k = 2, 3...
(voir la dmarche avec Var
Q
[ ln r
1
| r
0
] =
_
0.5 ln
r
u
1
r
d
1
_
2
par exemple).
En utilisant le lien entre lobligation zro-coupon et le taux au comptant, on a

2
,k
=
_
0.5 ln
_
ln P
u
1
(k)
ln P
d
1
(k)
__
2
, k = 2, 3, ...
lorsque lintrt est capitalis continument.
De plus, on a que

2
,2
= Var
Q
[ ln R
1
(2)| F
0
]
= Var
Q
[ ln r
1
| r
0
] =
2
1
.
Marche suivre pour calibrer larbre de BDT : pour chaque k = 2, 3, ...
Btir le systme deux quations et deux inconnues donn par
Prix thorique P
0
(k) = Prix observ P
0
(k)

2
,k
thorique =
2
,k
observ
crire les quations pour ressortir les deux inconnues : r
dd...d
k
et
k
et rsoudre nu-
mriquement pour celles-ci.
Pour k = 1, on a directement P
0
(1) et on peut dduire r
0
.
11.5.3 Exemple de calibration dans larbre de BDT
Exemple (McDonald p.799 et les suivantes) :
On observe :
chance Prix des zro Volatilit
1 1.1
1
= 0.90909
2 1.11
2
= 0.81162 10%
3 1.12
3
= 0.71178 15%
4 1.125
4
= 0.62430 14%
Les prix observs sont des prix dobligations zro-coupon.
Lintrt est compos annuellement ;
Les volatilits observes sont pour des taux au comptant de direntes maturits ;
On veut rpliquer la gure 24.5 de McDonald;
Solution :
11.5. ARBRE BINOMIAL DE BLACK-DERMAN-TOY 195
Obligation 1 an : on a directement
r
0
= 0.1.
Obligation 2 ans
On a
P
0
(2) = 0.81162
=
1
1 +r
0
_
0.5 P
u
1
(2) + 0.5 P
d
1
(2)
_
=
1
1.1
_
0.5
1
1 +r
u
1
+ 0.5
1
1 +r
d
1
_
.
On sait que
r
u
1
= r
d
1
exp (2
1
)
tant donn que
,2
=
1
= 0.1, alors
r
u
1
= r
d
1
exp (2 0.1)
= r
d
1
e
0.2
.
Donc,
0.81162 =
1
1.1
_
0.5
1
1 +r
d
1
+ 0.5
1
1 +r
d
1
e
0.2
_
qui possde une seule inconnue : r
d
1
. Il sagit dune quation quadratique en r
d
1
.
En eet, en rorganisant, on obtient
0.81162 1.1
0.5
=
1
1 +r
d
1
+
1
1 +r
d
1
e
0.2
0.81162 1.1
0.5
_
1 +r
d
1
_ _
1 +r
d
1
e
0.2
_
=
_
1 +r
d
1
e
0.2
_
+
_
1 +r
d
1
_
.
en multipliant par
_
1 +r
d
1
_ _
1 +r
d
1
e
0.2
_
des deux cts. En rsolvant cette quation
quadratique, on trouve que
r
d
1
= 0.10824.
La solution ngative est videmment rejeter.
Finalement
r
u
1
= r
d
1
e
0.2
= 0.10824 e
0.2
= 0.132205.
Obligation 3 ans
On a
P
0
(3) = 0.71178
=
1
1 +r
0
_
0.5 P
u
1
(3) + 0.5 P
d
1
(3)
_
.
196CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
De plus,
P
u
1
(3) =
1
1 +r
u
1
_
0.5 P
uu
2
(3) + 0.5 P
ud
2
(3)
_
P
d
1
(3) =
1
1 +r
d
1
_
0.5 P
ud
2
(3) + 0.5 P
dd
2
(3)
_
.
On connait dj r
0
, r
u
1
et r
d
1
. On doit trouver P
uu
2
(3) , P
ud
2
(3) , P
dd
2
(3).
Or,
P
dd
2
(3) =
1
1 +r
dd
2
P
ud
2
(3) =
1
1 +r
ud
2
P
uu
2
(3) =
1
1 +r
uu
2
.
De plus,
r
ud
2
= r
dd
2
exp (2
2
)
r
uu
2
= r
dd
2
exp (4
2
) .
On utilise maintenant le fait que

,3
= 0.15 =
1
2
ln
_
P
u
1
(3)
0.5
1
P
d
1
(3)
0.5
1
_
car lintrt est compos annuellement.
Par consquent, on a deux quations et deux inconnues. On les rsoud numrique-
ment et on obtient

2
= 0.1947864095
r
dd
2
= 0.09253876052.
On trouve
r
dd
2
= 0.09253876052
r
ud
2
= r
dd
2
exp (2
2
) = 0.13662
r
uu
2
= r
dd
2
exp (4
2
) = 0.20170.
Le principe est le mme pour dcrire lvolution du prix de lobligation zro-coupon
4 ans.
Dans un contexte dexamen, vous pourriez calibrer un arbre de 2 ans et valuer des
ux nanciers sur 2 ans.
11.5. ARBRE BINOMIAL DE BLACK-DERMAN-TOY 197
11.5.4 Exemple dvaluation dans larbre de BDT
Exemple : cap
Cap de 4 ans avec taux dintrt maximum de 12%. Notionnel de 100$ ;
Larbre utilis est larbre de BDT prcdent (page 801 de McDonald).
Solution de lexemple :
Un cap est une srie de caplets avec maturits de 1 an, 2 ans, 3 ans et 4 ans.
Le paiement est calcul sur le taux dintrt en vigueur durant la priode [k, k + 1[
(ce taux est r
k
) et pay la n de la priode ( k + 1).
Paiement (vers la n de la priode) :
100 (r
k
0.12)
+
, k = 0, 1, 2, 3.
Paiement (en VP au dbut de la priode) (ce qui est calcul dans McDonald) :
100 (r
k
0.12)
+
1 +r
k
, k = 0, 1, 2, 3.
1er caplet : k + 1 = 1, il ny a aucun paiement car
r
0
= 0.1 < 0.12.
La valeur de ce caplet est 0.
2e caplet : k + 1 = 2, il y a un paiement positif seulement au noeud u. La VPE
de ce caplet est
100 (r
u
1
0.12)
1 +r
u
1

q
1 +r
0
=
1.22
1.1322

1
1.1
0.5 = 0.48979.
3e caplet : k + 1 = 3, il y a deux paiements possibles :
100 (r
uu
2
0.12) = 8.17
100
_
r
ud
2
0.12
_
= 1.66
La VPE de ce caplet est
1
1.10
1
1.1322
8.17
1.2017
0.25
+
1
1.10
1
1.1322
1.66
1.1366
0.25
+
1
1.10
1
1.1082
1.66
1.1366
0.25
= 1.9574.
4e caplet : k + 1 = 4, il y a 3 paiements possibles :
100 (r
uuu
3
0.12) = 8.03
100
_
r
uud
3
0.12
_
= 3.68
100
_
r
udd
3
0.12
_
= 0.28.
La VPE de ce caplet est (en prenant les paiements et en les escomptant avec les bons
taux) : 1.4603$.
Donc, la valeur du cap est 0.48979 + 1.9574 + 1.4603 = 3.9075. En utilisant plus de
prcision dans les taux dintrt, on obtient la mme rponse (3.909$).
198CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
11.6 Exercices
11.6.1 Examen MFE/3F
Mai 2007 : 9 ;
Mai 2009 : 5, 14 ;
Q&A (version du 18 aot 2010) : 15, 29, 30, 39, 76 ;
11.6.2 Exercices supplmentaires
Les exercices nots CZ proviennent du livre de Cvitanic et Zapatero (2004). Les exercices
nots GG proviennent des notes de cours de Genevive Gauthier (reproduits avec son au-
torisation). Les exercices nots ASM proviennent du guide dtude ASM 2007 de lexamen
MFE.
1. On modlise lvolution du taux au comptant un an r
k
R
k
(k + 1) par un arbre
binomial dont les transitions (dans la mesure neutre au risque) sont donnes par r
k
=
r
k1
U o U {1.1, 0.9} o q = 0.5 et r
0
= 0.1.
(a) Calculez le prix dune obligation zro-coupon de maturit 2 ans et de 3 ans.
(b) Avec vos rponses obtenues en a), quels sont les taux au comptant en vigueur
t = 0 pour des maturits de 2 ans et 3 ans. En dautres termes, quelles sont les
valeurs de R
0
(2) et R
0
(3) ?
(c) Quel est le taux terme f
0
(2, 3) en vigueur sur lintervalle [2, 3[ en fonction de
ce qui est connu aujourdhui t = 0 ?
(d) Est-ce que les taux dintrt R
0
(2) , R
0
(3) et f
0
(2, 3) calculs prcdemment sont
valides dans la ralit ou sont seulement valides dans la mesure neutre au risque ?
(e) Un an plus tard, vous observez que r
1
= 11%. Quels sont les prix des obligations
zro-coupons 2 ans et 3 ans ?
(f) Avec vos rponses obtenues en e), quels sont les taux au comptant en vigueur
t = 1 pour des maturits de 2 ans et 3 ans. En dautres termes, quelles sont les
valeurs de R
1
(3) et R
1
(4) ?
(g) tant donn que r
1
= 11%, quel est le taux terme f
1
(2, 3) en vigueur sur
lintervalle [2, 3[ en fonction de ce qui est connu t = 1 ?
2. (CZ) Le taux au comptant 1 an observ aujourdhui est r
0
= 6%. Dans un arbre
binomial pour lvolution du taux au comptant 1 an, valuez une option de vente sur
100P
1
(2) avec prix dexercice de 95$ et maturit de 1 an. Notez que r
1
= r
0
U o
U {1.1, 0.9}, q = 0.5 et que tous les taux dintrt sont composs annuellement.
3. (CZ) Les prix des bons du Trsor avec chances de 3 mois et 9 mois sont respectivement
de 98.788$ et 96.27$ aujourdhui (sur une base de 100$). Dans un modle de taux
dintrt alatoire temps discret, le taux au comptant 6 mois qui sera valide dans 3
mois sera soit de 5.5% ou de 5% (annualis). Calculez le prix dune option de vente de
3 mois sur une obligation zro-coupon 9 mois o le prix dexercice est de 97.50$. Note :
q est inconnu et tous les taux dintrt sont composs trimestriellement.
11.6. EXERCICES 199
4. (CZ) Les taux au comptant 1 mois et 2 mois sont respectivement de 4% et 4.1%. Dans
un modle de taux dintrt alatoire temps discret, le taux au comptant 1 mois dans
1 mois sera soit de 3.5% ou de 4.5%. Calculez le prix dun droit conditionnel qui paie
1$ si le taux observ dans 1 mois est de 4.5% et 50c/ sinon. Note : q est inconnu et tous
les taux dintrt sont composs mensuellement.
5. (CZ) Dans un arbre de Black-Derman-Toy avec r
0
= 0.05, r
d
= 0.0645, r
dd
= 0.065 et

1
= 0.08,
2
= 0.07, valuez une option dachat at-the-money dchance 2 ans, sur
une obligation zro-coupon 3 ans. Considrez que tous les taux dintrt sont composs
annuellement.
6. Dans lexemple # 3 de la page 188 :
(a) Recalculez la valeur du swap quand u = 1.2 et q = 0.6. Par consquent, u+d = 2
et la valeur de lobligation variable ne devrait pas tre 100$.
(b) Recalculez la valeur du swap quand les paiements variables au temps k sont cal-
culs avec r
k1
(valide sur [k 1, k[ .
200CHAPITRE11. INTRODUCTIONAUXMODLES DETAUXDINTRTALATOIRE
Chapitre 12
Modles de base de taux dintrt
temps continu
12.1 Introduction
Pour modliser la structure terme des taux dintrt, nous avons modlis le taux au
comptant dune maturit dune priode.
Arbres binomiaux, dont larbre de Black-Derman-Toy.
Nous allons maintenant modliser lvolution du taux dintrt tous les instants.
Deux types de taux dintrt qui nous intressent :
Taux court ;
Taux terme (surtout pour le modle de Heath-Jarrow-Morton) ;
Taux court (short rate) : taux au comptant observ aujourdhui (t) valide pour une
priode de temps innitsimale.
Valide sur [t, t +dt[ ;
Le taux court t est trouv lorsque t 0 i.e.
r
t
= lim
t0
R
t
(t + t)
= lim
t0

ln P
t
(t + t)
t
= lim
t0

ln P
t
(t + t) ln P
t
(t)
t
=

T
ln P
t
(T)

T=t
.
Taux terme instantan (instantaneous forward rate) : taux terme dtermin
aujourdhui (t) valide pour une priode de temps innitsimale T (pour t < T).
Valide sur [T, T +dt[ ;
Le taux terme instantan T est trouv lorsque t 0 i.e.
f
t
(T) = lim
t0
f
t
(T, T + t) = lim
t0
lnP
t
(T + t) lnP
t
(T)
t
=

T
ln P
t
(T) .
201
202CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
En intgrant cette relation, on obtient
P
t
(T) = exp
_

_
T
t
f
t
(u) du
_
ce qui ne ncessite pas desprance car la structure des taux terme est connue t.
Finalement, puisque
r
t
=

T
ln P
t
(T)

T=t
alors on dduit que
r
t
= f
t
(t) .
Facteur dactualisation stochastique : pour actualiser au temps t, F$ vers T,
alors, on a
F exp
_

_
T
t
r
u
du
_
qui est alatoire.
Facteur daccumulation stochastique : pour accumuler au temps T, F$ vers t,
alors, on a
F exp
__
T
t
r
u
du
_
qui est alatoire.
Il sagit dun investissement initial de F$ qui est continuellement reconduit sur les
intervalles [t, t +dt[ , [t +dt, t + 2dt[ , ...
Le taux dintrt valide sur chacune de ces courtes priodes de temps est {r
u
, u t} ;
Par consquent, dune trajectoire lautre, le facteur daccumulation/actualisation est
linverse de lautre.
Toutefois, la valeur prsente espre (VPE) t de F$ vers T est
VPE = F E
_
exp
_

_
T
t
r
u
du
_

F
t
_
o F
t
est lensemble de toute linformation connue jusqu t. De plus, la valeur accu-
mule espre (VAE) T de F$ vers t est
VAE = F E
_
exp
__
T
t
r
u
du
_

F
t
_
.
Par consquent, la VAE (VPE) nest pas linverse de la VPE (VAE).
Rappels :
t = 0, r
0
et f
0
(T) , T > 0 sont connus.
Par contre, pour u > 0, alors r
u
et f
u
(T) , T > u sont alatoires.
Dans ce chapitre, nous allons modliser {r
t
, t 0} comme un processus stochastique.
On peut galement modliser {f
t
(T) , 0 t T} comme un processus mais cest
plus dicile (modle de Heath-Jarrow-Morton).
12.2. VALUATION DE TITRES REVENUS FIXES ET SES DRIVS 203
12.2 valuation de titres revenus xes et ses drivs
Compte bancaire {B
t
, t 0} (tant donn F
0
) : valeur de 1 accumul au temps t.
On a
B
t
= exp
__
t
0
r
u
du
_
.
r
0
est connu mais r
u
, u > 0 est alatoire.
Il sagit du facteur daccumulation stochastique dni prcdemment ;
En termes dEDO, on a
dB
t
= r
t
B
t
dt
(avec B
0
= 1) qui ne contient aucun terme supplmentaire en dW
t
. Toutefois, r
t
est
alatoire et donc B
t
sera alatoire.
Quelle devrait tre la dynamique du taux court ?
Taux dintrt doit tre toujours positif ;
Il ne doit pas y avoir darbitrage possible entre les obligations zro-coupon transiges
sur le march.
Dynamique du taux dintrt : le taux court suit le processus dIto
dr
t
= (t, r
t
) dt + (t, r
t
) dW
t
avec r
0
connu.
March nancier :
Rappel : taux dintrt nest pas transig !
Ncessite deux actifs transigs de base.
Actif de base # 1 : compte bancaire B
t
transig.
Actif de base # 2 : P
t
(T
1
) : une obligation zro-coupon avec maturit T
1
;
T
1
peut tre nimporte quelle valeur ;
P
0
(T
1
) est une constante connue aujourdhui t = 0 et P
T
1
(T
1
) = 1.
On veut valuer en absence darbitrage le juste prix dun titre revenus xes ou dun
produit driv sur celui-ci.
Exemples : obligation zro-coupon de maturit T < T
1
, option sur le taux dintrt,
swap, cap, etc.
12.2.1 valuation par rplication
On cherche une stratgie auto-nance qui rpliquera exactement la valeur dun titre
revenus xes (ou un driv sur celui-ci) toutes les priodes et dans tous les tats
de la nature.
Ce portefeuille est compos de
(1)
t
units de lobligation P
t
(T
1
) et
(0)
t
units du compte
bancaire B
t
.
Approche exactement identique celle illustre au chapitre 7 : nous avions, en intrt
constant, un portefeuille compos de
(1)
t
units du titre risqu S
t
et
(0)
t
units du
compte bancaire B
t
.
Dans le contexte intrt alatoire, le titre risqu en question est P
t
(T
1
) .
204CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
Attention : le taux dintrt nest pas transig, mais P
t
(T
1
) qui est une transformation
de r
t
, est transig.
Chapitre 7 : rplique C (t, S
t
) avec B
t
et S
t
qui sont tous les deux transigs directe-
ment ;
Ce chapitre : rplique C (t, r
t
) avec B
t
et P
t
(une transformation de r
t
) ;
Impact important sur la dynamique du portefeuille de rplication;
Dynamique de lobligation zro-coupon de base P
t
(T
1
) :
Correspond lactif de base # 2 ;
Pour allger la notation, notons P
(1)
t
P
t
(T
1
) ;
Puisque P
t
(T
1
) est une transformation quelconque du taux court, alors laide du
lemme dIto on trouve
dP
(1)
t
=
_
P
(1)
t
t
+(t, r
t
)
P
(1)
t
r
t
+
1
2

2
(t, r
t
)

2
P
(1)
t
r
2
t
_
dt
+ (t, r
t
)
P
(1)
t
r
t
dW
t
.
De plus, nous allons noter
dP
(1)
t
= (r
t
, t, T
1
) P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
t
avec
(r
t
, t, T
1
)
1
P
(1)
t
_
P
(1)
t
t
+(t, r
t
)
P
(1)
t
r
t
+
1
2

2
(t, r
t
)

2
P
(1)
t
r
2
t
_
q (r
t
, t, T
1
)
1
P
(1)
t
(t, r
t
)
P
(1)
t
r
t
.
Portefeuille de rplication : pour un titre C de maturit T < T
1
mis sur le taux
court, alors lEDP que doit obir C est
r
t
C =
C
t
+ ((t, r
t
) +(t, r
t
, T
1
) (t, r
t
))
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
avec une certaine condition aux bornes pr-spcie (paiement du droit lchance)
et o
(t, r
t
, T
1
)
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
.
Drivation complte en annexe (quivalent lquation 24.18 dans McDonald en
tenant compte de lerrata) ;
On remarque quon ne peut pas faire disparatre (t, r
t
) dans la dynamique du porte-
feuille de rplication;
Dans le chapitre 7, nous avions russi faire disparaitre de lEDP de Black-Scholes.
Le taux dintrt nest pas transig !
Cest comme si au chapitre 7, on avait dni un march avec B
t
et C (S
t
) transigs
(o C (S
t
) est la valeur dune option dachat) ;
12.2. VALUATION DE TITRES REVENUS FIXES ET SES DRIVS 205
S
t
nest plus transig dans ce march ;
La dynamique de S
t
(et la perception du risque des investisseurs par rapport S
t
)
doit donc tre incluse dans C (S
t
) ;
La valeur dun autre produit driv C
(2)
(S
t
) (une option de vente par exemple)
retera la valeur de galement ;
Consquence : il sera ncessaire de spcier (t, r
t
, T
1
) .
Appel ratio de Sharpe ;
Ratio de Sharpe : (t, r
t
, T
1
) indique le prix au march du risque de lobligation
zro-coupon de base.
De plus, pour viter larbitrage, le ratio de Sharpe doit tenir pour tous les titres
mis sur le taux court.
En exercice au chapitre 7, nous avons dtermin que dans un march dni par
dS
(1)
t
=
1
S
(1)
t
dt +
1
S
(1)
t
dW
t
dS
(2)
t
=
2
S
(2)
t
dt +
2
S
(2)
t
dW
t
(o chaque actif est expos la mme source de risque dW
t
), alors

1
r

1
=

2
r

2
doit tenir an dviter les opportunits darbitrage.
Similairement, tous les titres revenus xes et ses drivs dpendent de la mme
source de risque : lvolution du taux court. Par consquent, le prix de ces titres/drivs
doit respecter le ratio de Sharpe pour viter larbitrage.
Par exemple, pour deux obligations zro-coupons P
t
(T
1
) et P
t
(T), alors le ratio de
Sharpe
(t, r
t
, T
1
) = (t, r
t
, T)
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
=
(r
t
, t, T) r
t
q (r
t
, t, T)
doit tenir pour tout T < T
1
.
12.2.2 valuation neutre au risque
Dans la mesure neutre au risque, la valeur prsente espre (au taux sans risque) de
tous les actifs, doit tre une martingale sous la mesure Q. Pour lobligation zro-coupon
de base, on a donc
P
(1)
t
B
t
= E
Q
_
P
(1)
T
1
B
T
1

F
t
_
206CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
ou de faon quivalente
P
(1)
t
= B
t
E
Q
_
P
(1)
T
1
B
T
1

F
t
_
= exp
__
t
0
r
u
du
_
E
Q
_
exp
_

_
T
1
0
r
u
du
_
1

F
t
_
= E
Q
_
exp
_

_
T
1
t
r
u
du
_

F
t
_
.
On adopte une approche similaire celle utilise au chapitre 7, i.e. on cherche une
mesure neutre au risque telle que la relation prcdente est respecte.
Dtails en annexe.
On sait que
dP
(1)
t
= (r
t
, t, T
1
) P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
P
t
o
_
W
P
t
, t 0
_
est un MBS sous la mesure de probabilit relle. On peut montrer (en
annexe) que la dynamique de lobligation zro-coupon dans la mesure neutre au risque
est
dP
(1)
t
= r
t
P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
Q
t
o
_
W
Q
t
, t 0
_
est un MBS sous la mesure de probabilit neutre au risque.
De plus,
dr
t
= (t, r
t
) dt + (t, r
t
) dW
P
t
= ((t, r
t
) +(t, r
t
, T
1
) (t, r
t
)) dt + (t, r
t
) W
Q
t
(voir en annexe pour les dtails) (quivalent lquation 24.19 dans McDonald).
La forme de (t, r
t
, T
1
) dpend de la formulation du modle pour {r
t
, t 0} comme
nous verrons plus loin.
On remarque que le terme devant
C
r
t
dans lEDP est (t, r
t
) +(t, r
t
, T
1
) (t, r
t
) ce
qui correspond exactement la drive de r
t
sous la mesure neutre au risque.
Attention!
Nous navons pas pu liminer (t, r
t
) dans la dynamique de {r
t
, t 0} sous la mesure
neutre au risque.
Raison : le taux court nest pas transig.
"Solution" : certains auteurs crivent directement la dynamique de {r
t
, t 0} dans
la mesure neutre au risque comme
dr
t
=
Q
(t, r
t
) dt + (t, r
t
) dW
Q
t
de telle sorte que
dr
t
=
_

Q
(t, r
t
) (t, r
t
, T
1
) (t, r
t
)
_
dt + (t, r
t
) dW
P
t
sous la mesure relle.
Lide est qu partir des prix des produits drivs sur le march, la dynamique de
{r
t
, t 0} est estime directement sous Q. Par la suite, si on veut valuer dautres
produits drivs, on utilise cette dynamique.
12.3. MODLES DQUILIBRE 207
Toutefois, dans le cadre de la gestion des risques, la dynamique de {r
t
, t 0} sous
P est ncessaire, ce qui implique lestimation de (t, r
t
, T
1
) .
Le prix de tout titre revenus xes (ou produit driv sur celui-ci) C (t, r
t
) est donc
calcul comme tant
C
t
B
t
= E
Q
_
C
T
B
T

F
t
_
ou
C
t
= E
Q
_
exp
_

_
T
t
r
u
_
C
T

F
t
_
.
Obligation zro-coupon de maturit T : on a directement C
T
= 1 et donc
P
t
(T) = E
Q
_
exp
_

_
T
t
r
u
_

F
t
_
.
Attention : puisque B
T
et C
T
dpendent de la mme source de risque i.e. le taux
court, alors B
T
et C
T
sont dpendantes. En dautres termes,
C
t
= E
Q
_
exp
_

_
T
t
r
u
_

F
t
_
E
Q
[ C
T
| F
t
]
= P
t
(T) E
Q
[ C
T
| F
t
] .
12.3 Modles dquilibre
Direntes classes de modles de taux dintrt (dont les modles peuvent appartenir
plusieurs de ces classes) :
quilibre (equilibrium models) (hypothses sur des variables conomiques) ;
"Sans arbitrage" (sajustent exactement la structure terme observe) ;
Structure ane (log-prix de lquation dune obligation zro-coupon est linaire) ;
Modles pour le taux terme (Heath-Jarrow-Morton principalement) ;
Trois modles dquilibre principalement :
Rendleman-Bartter (Brennan-Schwartz) ;
Vasicek;
Cox-Ingersoll-Ross ;
Chacun des trois modles dnissent la dynamique du taux court comme
dr
t
= (r
t
) dt + (r
t
) dW
P
t
dans la mesure relle de probabilit.
12.3.1 Rendleman-Bartter
Modle de Rendleman-Bartter : le taux court (sous la mesure relle de probabilit)
suit un MBG i.e.
dr
t
= r
t
dt +r
t
dW
t
208CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
avec
(r
t
) = r
t
(r
t
) = r
t
.
Avantages :
Taux dintrt nest jamais ngatif ;
Volatilit du taux court est proportionnelle la valeur de r
t
;
Dsavantages :
Aucune formule ferme pour le prix dune obligation zro-coupon
Simple contrecarrer en rsolvant numriquement lEDP.
Taux dintrt peuvent tre absorbs 0 ou exploser ;
On sattend ce que les taux dintrt montrent une forme de retour la moyenne.
Retour la moyenne (mean-reversion) :
Dviations importantes par rapport une moyenne long terme sont automatique-
ment corriges par un retour naturel vers celle-ci.
Les banques centrales ont tendance contrler lination en augmentant les taux din-
trt durant la croissance conomique et en rduisant ceux-ci en priodes de rcession.
Cycles ou retour la moyenne.
12.3.2 Vasicek
Modle de Vasicek : le taux court (sous la mesure relle de probabilit) obit un
processus dOrnstein-Uhlenbeck
dr
t
= a (b r
t
) dt +dW
t
o b est une moyenne long terme et a est le taux de retour la moyenne.
Vasicek a eu lide dutiliser ce processus dans un contexte de modlisation des taux
dintrt.
Lorsque r
t
b (trs suprieur ) alors b r
t
est ngatif et la drive est ngative, ce
qui poussera le taux court vers le bas.
Linverse est aussi vrai.
Avantages :
Retour la moyenne ;
Formules simples pour le prix dune obligation zro-coupon;
Dsavantages :
Volatilit est constante (non proportionnelle r
t
) ;
Taux dintrt peuvent tre ngatifs (taux court, taux au comptant, etc.) ;
Solution au modle de Vasicek : en utilisant la transformation r

t
= e
at
r
t
, on
obtient que
r
t
= e
a(ts)
r
s
+b
_
1 e
a(ts)
_
+
_
t
s
e
a(tu)
dW
u
.
De plus, on peut montrer quer
t
| r
s
obit une loi normale avec moyenne
e
a(ts)
r
s
+b
_
1 e
a(ts)
_
12.3. MODLES DQUILIBRE 209
et variance

2
r
2a
_
1 e
2a(ts)
_
.
Estimation : maximum de vraisemblance bas sur la loi normale prcdente ;
Simulation : simulation exacte directe avec la loi prcdente ;
Ratio de Sharpe : dans le modle de Vasicek, le ratio de Sharpe est
(t, r
t
, T
1
) =
i.e. une constante indpendante de T
1
et r
t
.
Prix dune obligation zro-coupon de maturit T < T
1
:
Le march est compos dun compte bancaire B
t
et dune obligation zro-coupon de
maturit T
1
;
On dsire valuer une obligation zro-coupon de maturit T < T
1
.
Deux faons quivalentes :
Trouver la solution lEDP (trouver le portefeuille rplicatif) ;
Calculer une esprance sous la mesure de probabilit neutre au risque ;
valuation par rplication : lEDP peut tre rsolue laide de deux quations dif-
frentielles ordinaires de Ricatti car il sagit dun modle structure ane.
valuation neutre au risque : on a que sous la mesure Q, lEDS du taux court est
dr
t
= (a (b r
t
) +) dt +dW
Q
t
.
Alors on calcule le prix dune obligation zro-coupon avec chance T comme
P
t
(T) = E
Q
_
exp
_

_
T
t
r
u
du
_

F
t
_
.
Cette esprance nest pas ncessairement facile calculer car il faut intgrer la so-
lution dun processus dOrnstein-Uhlenbeck. Toutefois, ce dernier obit une loi
normale et lesprance peut tre calcule avec la f.g.m. de cette dernire.
Peu importe lapproche utilise, on obtient
P
t
(T) = A(t, T) exp(B(t, T) r
t
)
o
B(t, T) =
1 e
a(Tt)
a
A(t, T) = exp
_
r (B(t, T) (T t)) B(t, T)
2

2
4a
_
r = b +

a
0.5

2
a
2
.
r est le taux de rendement sur une obligation de maturit innie.
Puisque le prix est dtermin comme tant une fonction de linformation disponible
jusqu t, alors r
t
est connu et correspond au taux court observ t.
210CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
Notation :
B(t, T) ici est un terme qui appartient au modle de Vasicek et ne doit pas tre
confondu avec le compte de banque B
t
. Ce choix de notation est cohrent avec la
plupart des livres sur le sujet.
Dans lexamen MFE, on note P (r
t
, t, T) le prix t dune obligation zro-coupon
de maturit T o le dernier taux court observ est r
t
.
Exemple # 1 (ASM 2010 26F) : Dans le modle de Vasicek, vous observez le prix
de deux obligations zro-coupon
P (0.03, 1, 3) = 0.9607
P (0.05, 0, 2) = 0.9323.
Calculez P (0.06, 2, 4).
Solution de lexemple # 1 : une quantit importante dans les modles structure
ane (Vasicek, CIR, etc.) est le temps restant jusqu la maturit, i.e. T t. Dans les
3 obligations, T t = 2. Par consquent,
A(0, 2) = A(1, 3) = A(2, 4) A
B(0, 2) = B(1, 3) = B(2, 4) B.
Donc,
P (0.03, 1, 3) = Aexp (0.03 B)
P (0.05, 0, 2) = Aexp (0.05 B)
P (0.06, 2, 4) = Aexp (0.06 B) .
On trouve A et B laide des deux premires obligations et on value la troisime. On
obtient
0.9607
0.9323
= exp (0.03 B + 0.05 B)
et donc
B = 1.5003767.
De plus, on retrouve A facilement car
A = 0.9607 exp (0.03 1.5003767) = 1.0049303.
Finalement,
P (0.06, 2, 4) = Aexp(0.06 B)
= 1.0049303 exp (0.06 1.5003767)
= 0.91841638.
Exemple # 2 (ASM 2010 26H) : Vous observez que le taux court obit
dr
t
= 0.1 (b r
t
) + 0.2dW
t
et que (0.045, 0, 3) = 0.148672. Calculez le ratio de Sharpe dans ce march.
12.3. MODLES DQUILIBRE 211
Solution de lexemple # 2 : on sait que
(r
t
, t, T
1
) =
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
en gnral et que dans le modle de Vasicek, cette quantit devrait tre une constante.
On a que r
t
= 0.045 et on cherche q (0.045, 0, 3). Or,
q (0.045, 0, 3) =
1
P
(1)
t
(0, 0.045)
P
(1)
t
r
t
.
On cherche

P
(1)
t
rt
P
(1)
t
qui est facilement trouv avec un modle structure ane car
P
t
(T) = A(t, T) exp (B(t, T) r
t
)
P
t
r
t
= B(t, T) P
t
(T) .
Par consquent,

P
(1)
t
rt
P
(1)
t
= B(t, T)
pour tout modle structure ane. Dans le modle de Vasicek,
B(0, 3) =
1 e
30.1
0.1
= 2.5918178
et par consquent,
q (0.045, 0, 3) = 2.5918178 0.2
et le ratio de Sharpe est
=
0.148672 0.045
2.5918178 0.2
= 0.2.
Exemple # 3 : un modle de Vasicek dni par
dr
t
= a (b r
t
) dt +dW
t
a t estim laide doptions sur le taux dintrt. On a obtenu a = 0.5,

b = 0.04
et = 0.02. Calculez le taux de rendement trs long terme sur une obligation de
maturit innie si le taux court observ aujourdhui est r
0
= 0.032.
Solution de lexemple # 3 : pour contrecarrer le besoin destimer , lanalyste a
donc estim le modle directement dans la mesure neutre au risque, i.e.
dr
t
= a (b r
t
) dt +dW
Q
t
.
Par consquent, = 0 et
r = b +

a
0.5

2
a
2
= 0.04 0.5
0.02
2
0.5
2
= 0.0392.
212CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
12.3.3 Cox-Ingersoll-Ross (CIR)
Modle de Cox-Ingersoll-Ross : le taux court obit (sous la mesure relle de pro-
babilit)
dr
t
= a (b r
t
) dt +

r
t
dW
t
o b est une moyenne long terme et a est le taux de retour la moyenne.
Avantages :
Retour la moyenne ;
Formules simples pour le prix dune obligation zro-coupon;
Taux dintrt toujours positifs (taux court, taux au comptant, etc.) ;
Dsavantages :
Loi de r
t
na pas une forme simple ;
Solution au modle de CIR : la loi de r
t
est relie une loi khi-deux non-centre
dont la densit est dicilement calculable.
Estimation : dicile par maximum de vraisemblance ;
Simulation : simulation exacte passe par la simulation dune loi khi-deux non-centre,
mais une approche Milstein fonctionne galement trs bien.
Ratio de Sharpe : dans le modle de CIR, le ratio de Sharpe est
(t, r
t
, T
1
) =

r
t

o est une constante ;


Prix dune obligation zro-coupon de maturit T < T
1
:
Deux approches galement.
Solution dun modle structure ane, i.e. que peu importe lapproche utilise, on
obtient
P
t
(T) = A(t, T) exp(B(t, T) r
t
)
o A(t, T) et B(t, T) sont des formules complexes des paramtres du modle.
Les formules sont prsentes dans le livre de Hull et McDonald.
Exemple # 4 (ASM 2010 26J) : dans le modle de CIR, on a =
0.1

0.05
, B(0, 1) =
0.84696 et (0.05, 0, 1) = 0.071174. Calculez le ratio de Sharpe lorsque le taux court
observ est 4%.
Solution de lexemple # 4 : le ratio de Sharpe dans le modle de CIR est
(t, r
t
, T
1
) =

r
t

=
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
.
Or,
(0.05, 0, 1) r
t
q (0.05, 0, 1)
=
0.071174 0.05
q (0.05, 0, 1)
o
q (0.05, 0, 1) =
1
P
(1)
t
(0, 0.05)
P
(1)
t
r
t
.
12.4. EXERCICES 213
Dans un modle structure ane, on a

P
(1)
t
rt
P
(1)
t
= B(t, T)
et dans le modle de CIR, on a
(0, 0.05) =
0.1

0.05

0.05 = 0.1.
Par consquent,
q (0.05, 0, 1) = 0.84696 0.1
= 0.084696
et

r
t

=
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
implique

0.05

0.05
0.1
=
0.071174 0.05
0.084696
et = 0.5. Donc,
(0.04) = 0.5

0.04

0.05
0.1
= 0.22360680.
12.4 Exercices
12.4.1 Examen MFE/3F
Mai 2007 : 7, 13 ;
Mai 2009 : 15 ;
Q&A (version du 18 aot 2010) : 14, 21, 22, 60 ;
12.4.2 Exercices supplmentaires
Les exercices nots ASM proviennent du guide dtude ASM 2010 pour lexamen MFE.
1. Lorsque le modle de Vasicek est dni directement comme
dr
t
= a (b r
t
) dt +dW
Q
t
,
quelle est la formule dvaluation du prix dune obligation zro-coupon P
t
(T) ?
2. Dans le modle de Vasicek dni directement sous la mesure de probabilit neutre au
risque avec paramtres a = 0.25, b = 0.06, = 0.06 et r
0
= 0.05, calculez :
(a) Le prix dune obligation zro-coupon avec maturit de 3 ans et le taux au comptant
R
0
(3).
214CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
(b) Le prix dune obligation zro-coupon avec maturit de 5 ans et le taux au comptant
R
0
(5).
(c) Le taux terme f (0, 3, 5).
(d) Est-ce que les taux dintrt R
0
(3) , R
0
(5) et f (0, 3, 5) calculs prcdemment
sont valides dans la ralit ou sont seulement valides dans la mesure neutre au
risque ?
3. Dans le modle de Vasicek, tracez la courbe de la structure des taux au comptant pour
dirents paramtres laide dExcel :
(a) Graphique # 1 : r
0
= 0.05, a = 0.2, b = 0.1, = 0 pour les valeurs de =
0.02, 0.1, 0.15. Que constatez-vous ?
(b) Graphique # 2 : r
0
= 0.05, = 0.1, b = 0.1, = 0 pour les valeurs de a =
0.2, 0.3, 0.4. Que constatez-vous ?
4. (ASM 2010 26.16) On vous donne que dans le modle de Vasicek, (0.06, 0, 1) =
0.150662, (0.05, 1, 3) = 0.201435 et = 0.2. Calculez le ratio de Sharpe.
5. (ASM 2010 26.17) Dans un modle de CIR, le taux dintrt court obit au processus
dr
t
= 0.2 (0.06 r
t
) dt + 0.1

r
t
dW
t
.
On vous donne que B(0, 3) = 1.84088 et (0.04, 0, 3) = 0.051046. Calculez (0.09, 0, 3).
6. On suppose que le taux court suit un MBA (dans la mesure relle de probabilit) i.e.
dr
t
=
r
dt +
r
dW
t
(on peut supposer que
r
et
r
sont tels que des taux dintrt ngatifs surviennent
toute n pratique jamais). De plus, la prime de risque est une constante.
(a) laide de la dynamique du taux court, montrez que la forme de lEDP suivie
par un droit conditionnel mis sur le taux dintrt {r
t
, t 0} est
r
t
C =
C
t
+ (
r
+
r
)
C
r
t
+
1
2

2
r

2
C
r
2
t
(utilisez des rsultats dj dmontrs en classe).
(b) tant donn quune obligation zro-coupon peut tre considre comme un droit
conditionnel avec paiement nal certain de C (r
T
, T) = 1, utilisez le thorme de
Feynman-Kac pour montrer que la solution du portefeuille de rplication est
P
t
(T) = E
_
exp
_

_
T
t
r
u
du
_

r
t
_
o
dr
t
= (
r
+
r
) dt +
r
dW
t
.
12.A. DRIVATIONS 215
(c) Montrez que la dynamique du taux court dans la solution donne par Feynman-
Kac est
r
u
r
0
= (
r
+
r
) u +
r
W
u
.
(d) tant donn que
_
T
t
W
u
du N
_
0,
T
3
t
3
3
_
(moyenne nulle et variance (T
3
t
3
) /3), laide de la solution de Feynman-Kac,
donnez la formule du prix dune obligation zro-coupon P
t
(T) sachant que le
dernier taux court observ est r
t
.
(e) laide des arguments de lvaluation neutre au risque, rinterprtez les tapes
b), c) et d) de la solution donne par la valeur du portefeuille de rplication.
12.A Drivations
12.A.1 valuation par rplication
Nous allons maintenant appliquer les mmes tapes quau chapitre 7 pour dduire la
dynamique du portefeuille de rplication.
Puisque le prix du droit conditionnel est une transformation du processus de taux
court, en utilisant le lemme dIto on a
dC (t, r
t
) =
_
C
t
+(t, r
t
)
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
_
dt + (t, r
t
)
C
r
t
dW
t
.
Par consquent, C (0, r
0
) sera le cot pour rpliquer ce droit conditionnel, i.e. le juste
prix t = 0 de ce droit.
Maintenant, on voudrait trouver la stratgie auto-nance
t
, qui permet de trouver
exactement la valeur de ce droit avec un investissement de C (0, r
0
).
On a,
dX

t
=
(0)
t
dB
t
+
(1)
t
dP
(1)
t
(auto-nance)
=
(0)
t
(r
t
B
t
dt) +
(1)
t
_
(r
t
, t, T
1
) P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
t
_
=
_
r
t

(0)
t
B
t
+
(1)
t
(r
t
, t, T
1
) P
(1)
t
_
dt
(1)
t
q (r
t
, t, T
1
) P
(1)
t
dW
t
.
Puisque,
X

t
=
(0)
t
B
t
+
(1)
t
P
(1)
t

(0)
t
B
t
= X

t

(1)
t
P
(1)
t
216CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
alors
dX

t
=
_
r
t

(0)
t
B
t
+
(1)
t
(r
t
, t, T
1
) P
(1)
t
_
dt

(1)
t
q (r
t
, t, T
1
) P
(1)
t
dW
t
=
_
r
t
_
X

t

(1)
t
P
(1)
t
_
+
(1)
t
(r
t
, t, T
1
) P
(1)
t
_
dt

(1)
t
q (r
t
, t, T
1
) P
(1)
t
dW
t
=
_
r
t
X

t
+ ((r
t
, t, T
1
) r
t
)
(1)
t
P
(1)
t
_
dt

(1)
t
q (r
t
, t, T
1
) P
(1)
t
dW
t
.
Il faut que dX

t
= dC (t, r
t
) ou X

t
= C (t, r
t
) et ce, t. Par consquent, il faut

(1)
t
q (r
t
, t, T
1
) P
(1)
t
dW
t
= (t, r
t
)
C
r
t
dW
t
et
_
r
t
X

t
+ ((r
t
, t, T
1
) r
t
)
(1)
t
P
(1)
t
_
dt
=
_
C
t
+(t, r
t
)
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
_
dt.
En simpliant, on a

(1)
t
q (r
t
, t, T
1
) P
(1)
t
dW
t
= (t, r
t
)
C
r
t
dW
t

(1)
t
=
(t, r
t
)
C
rt
q (r
t
, t, T
1
) P
(1)
t
=
C
rt
P
(1)
t
r
t
.
De plus
_
r
t
X

t
+ ((r
t
, t, T
1
) r
t
)
(1)
t
P
(1)
t
_
dt =
_
C
t
+(t, r
t
)
C
rt
+
1
2

2
(t, r
t
)

2
C
r
2
t
_
dt

((r
t
, t, T
1
) r
t
)
(t, r
t
)
C
r
t
q (r
t
, t, T
1
) P
(1)
t
P
(1)
t
=
C
t
+(t, r
t
)
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
r
t
C

(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
(t, r
t
)
C
r
t
=
C
t
+(t, r
t
)
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
r
t
C
12.A. DRIVATIONS 217
Maintenant, posons
(t, r
t
, T
1
)
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
qui reprsente le ratio de Sharpe, ou le prix au march du risque pour lobligation
chance T
1
. La condition sur la drive devient
(t, r
t
, T
1
) (t, r
t
)
C
r
t
=
C
t
+(t, r
t
)
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
r
t
C
r
t
C =
C
t
+ ((t, r
t
) +(t, r
t
, T
1
) (t, r
t
))
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
.
Par consquent, lEDP que doit obir tout droit conditionnel C sur le taux court r
t
est
r
t
C =
C
t
+ ((t, r
t
) +(t, r
t
, T
1
) (t, r
t
))
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
avec une certaine condition aux bornes pr-spcie (quivalent lquation 24.18 dans
McDonald).
12.A.2 valuation neutre au risque
On dnit
t
B
1
t
.
Dans la mesure neutre au risque, la valeur prsente espre de lactif risqu, doit tre
une martingale sous la mesure Q i.e.

t
P
(1)
t
(T) = E
Q
_

T
P
(1)
T
(T)

F
t
_
ou de faon quivalente
P
(1)
t
(T) = B
t
E
Q
_

T
P
(1)
T
(T)

F
t
_
= exp
__
t
0
r
u
du
_
E
Q
_
exp
_

_
T
0
r
u
du
_
1

F
t
_
= E
Q
_
exp
_

_
T
t
r
u
du
_
1

F
t
_
.
Nous avons
dP
(1)
t
= (r
t
, t, T
1
) P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
P
t
et le compte bancaire est tel que
dB
t
= r
t
B
t
dt
o
_
W
P
t
, t 0
_
est un MBS sous la mesure de probabilit relle.
218CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
An de procder au changement de mesure de probabilit, dnissons
W
Q
t
W
P
t

_
t
0
(u, r
u
, T
1
) du
ou
W
P
t
= W
Q
t
+
_
t
0
(u, r
u
, T
1
) du
o cette fois, {(t, r
t
, T
1
) , t 0} est un processus stochastique.
Alors,
dP
(1)
t
= (r
t
, t, T
1
) P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
P
t
= (r
t
, t, T
1
) P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
d
_
W
Q
t
+
_
t
0
(u, r
u
, T
1
) du
_
= ((r
t
, t, T
1
) q (r
t
, t, T
1
) (t, r
t
, T
1
)) P
(1)
t
dt
q (r
t
, t, T
1
) P
(1)
t
dW
Q
t
.
De plus,
d
_

t
P
(1)
t
_
= ((r
t
, t, T
1
) q (r
t
, t, T
1
) (t, r
t
, T
1
) r
t
)
t
P
(1)
t
dt
q (r
t
, t, T
1
)
t
P
(1)
t
dW
Q
t
doit avoir une drive nulle pour obtenir une martingale. Donc,
(r
t
, t, T
1
) q (r
t
, t, T
1
) (t, r
t
, T
1
) r
t
= 0
implique
(t, r
t
, T
1
) =
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
an que la drive soit nulle.
Supposons que les conditions techniques ncessaires sur {(t, r
t
, T
1
) , t 0} sappliquent
pour lapplication du thorme de Girsanov. Donc,
_
W
Q
t
, t 0
_
est un mouvement
brownien sous Q et
dP
(1)
t
= ((r
t
, t, T
1
) q (r
t
, t, T
1
) (t, r
t
, T
1
)) P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
Q
t
=
_
(r
t
, t, T
1
) q (r
t
, t, T
1
)
_
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
__
P
(1)
t
dt
q (r
t
, t, T
1
) P
(1)
t
dW
Q
t
= r
t
P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
Q
t
reprsente la dynamique du prix de lobligation zro-coupon T
1
sous la mesure neutre
au risque.
Il faudrait trouver la dynamique du taux court sous la mesure neutre au risque.
12.A. DRIVATIONS 219
On sait que
W
P
t
= W
Q
t
+
_
t
0
(u, r
u
, T
1
) du
avec (u, r
u
, T
1
) connu.
Par consquent,
dr
t
= (t, r
t
) dt + (t, r
t
) dW
P
t
= (t, r
t
) dt + (t, r
t
) d
_
W
Q
t
+
_
t
0
(u, r
u
, T
1
) du
_
= ((t, r
t
) +(t, r
t
, T
1
) (t, r
t
)) dt + (t, r
t
) W
Q
t
(quation 24.19 dans McDonald).
Puisque
_
W
Q
t
, t 0
_
est un MBS sous Q, alors, nous avons trouv la dynamique de
{r
t
, t 0} sous la mesure neutre au risque.
La forme de (t, r
t
, T
1
) dpend de la formulation du modle pour {r
t
, t 0} comme
nous verrons plus loin.
On remarque que le terme devant
C
rt
dans lEDP est (t, r
t
) +(t, r
t
, T
1
) (t, r
t
) ce
qui correspond exactement la drive de r
t
sous la mesure neutre au risque.
220CHAPITRE 12. MODLES DE BASE DE TAUX DINTRT TEMPS CONTINU
Quatrime partie
Annexes
221
Annexe A
Rvision de notions lmentaires
Ce chapitre consiste en une rvision de concepts fondamentaux en mathmatiques
nancires, probabilits et statistiques ;
Ce chapitre ne doit pas tre un substitut pour des cours complets couvrant cette partie
de la matire ;
Rfrences :
Sheldon M. Ross (2009) Introduction to probability models, 10th edition, Academic
Press
Steven E. Shreve (2005) Stochastic Calculus for Finance I : The Binomial Asset
Pricing Model, Springer Finance Textbook
Steven E. Shreve (2004) Stochastic Calculus for Finance II : Continuous-Time Mo-
dels, Springer Finance Textbook
A.1 Thorie de lintrt
A.1.1 Intrt
Une des bases dune conomie est le crdit, i.e. prter (investir) ou emprunter un
montant de capital une autre personne/entit ;
Ne se fait pas sans cot !
Intrt (interest) :
Pour un prteur (lender) (investisseur), lintrt est une forme de compensation
(revenu) pour stre dparti dun montant de capital durant une priode de temps
dtermine ;
Pour un emprunteur (borrower), lintrt consiste la compensation (cot) ncessaire
pour obtenir un montant de capital durant une priode de temps dtermine ;
Taux dintrt (interest rate) : montant reu en intrt sur une anne, exprim comme
un pourcentage du capital prt ou emprunt ;
Notation : on crit le taux dintrt comme i ou r
Exemple : un taux dintrt annuel de 12% signie que pour prter un montant de
100$, on recevra une compensation de 12$ la n de lanne (en plus du remboursement
du capital) ;
Que se passe-t-il lorsquon prte 100$ pendant 2 ans ?
223
224 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
(1) Devrait-on recevoir 24$ la n des deux annes (en plus du capital initial de
100$) ?
(2) Devrait-on recevoir 12$ la n de chacune des annes (en plus du capital initial
de 100$) ?
(3) Devrait-on convenir que lintrt non-pay la n de la premire anne doit
galement tre soumis une compensation (prendre de lintrt galement) ?
Intrt simple (simple interest) : lintrt annuel est calcul partir du capital initial,
durant toute la dure du prt/emprunt ;
Situations # 1 et # 2 ;
Intrt compos (compound interest) : lintrt annuel non pay, est ajout au solde
initial et porte intrt galement ;
Situation # 3 ;
Dans ce cas, le montant total rembourser la n des deux annes est
100 + 100 0.12 + (100 + 100 0.12) 0.12 = 100 1.12
2
= 125.44.
Ce montant est videmment plus grand que les 124$ qui devront tre rembourss
dans les situations # 1 et # 2.
Soit B
0
un montant de capital initial (souvent 1$) et B
t
le montant total (avec intrt)
devant tre pay ou rembours par lemprunteur/prteur la n du prt ;
Alors, en intrt simple,
B
t
= B
0
+ B
0
i +B
0
i +... +B
0
i
. .
peroit de lintrt pendant t annes (t fois B
0
i)
= B
0
(1 +ti) .
En intrt compos,
B
t
= B
0
+ B
0
i
..
intrt de la 1re anne
+ [B
0
+B
0
i] i
. .
intrt de la 2e anne
+(B
0
+B
0
i + [B
0
+B
0
i] i) i
. .
intrt de la 3e anne
+...
= B
0
(1 +i)
t
.
Exemple (suite) : nous avions un taux dintrt annuel de 12% et B
0
= 100. Lorsque
nous avons de lintrt simple, alors
B
t
= B
0
(1 +ti)
B
2
= 100 (1 + 2 0.12) = 124.00.
En intrt compos, alors, tel que mentionn plus tt,
B
t
= B
0
(1 +i)
t
B
2
= 100 (1 + 0.12)
2
= 125.44.
La dirence de 1.44$ est lintrt sur 100$, i.e. 12$, qui prend intrt 12% sur une
anne, cest--dire
12 0.12 = 1.44.
A.1. THORIE DE LINTRT 225
Plutt que de recevoir lintrt la n de chaque anne, que se passe-t-il si linvestisseur
dsire recevoir lintrt tout au long de lanne plutt qu la n?
Frquence de capitalisation : nombre de fois dans une anne que lintrt annuel
sur un capital est vers ou calcul ;
Exemple (suite) : dans lexemple prcdent, linvestisseur pourrait demander de rece-
voir une partie de lintrt annuel tous les mois. Par consquent, il recevrait 1$ par
mois, plutt que 12$ la n de lanne.
Soit n le nombre de fois dans une anne que linvestisseur peroit lintrt annuel sur
un prt et i
(n)
le taux dintrt annuel pour lequel lintrt est calcul chacune des n
priodes dune anne.
Celui-ci reoit donc
i
(n)
n
chacune des n priodes dune anne.
Alors, en intrt simple, la valeur accumule de linvestissement est
B
t
= B
0
+ B
0

i
(n)
n
+B
0

i
(n)
n
+... +B
0

i
(n)
n
. .
peroit de lintrt pendant tn priodes (tn fois B
0

i
(n)
n
)
Plutt que de recevoir lintrt chaque priode, linvestisseur pourrait dcider daccu-
muler lintrt sur lintrt chaque priode, en tenant compte que celui-ci est calcul
n fois par an, pendant t annes. On a
B
t
= B
0
+ B
0
i
(n)
n
. .
intrt de la 1re priode
+
_
B
0
+B
0
i
(n)
n
_
i
(n)
n
. .
intrt de la 2e priode
+
_
B
0
+B
0
i
(n)
n
+
_
B
0
+B
0
i
(n)
n
_
i
(n)
n
_
i
(n)
n
. .
intrt de la 3e priode
+...
= B
0
_
1 +
i
(n)
n
_
tn
.
Plus la frquence de capitalisation est grande, plus il est coteux (payant) pour un
emprunteur (prteur) de laisser accumuler lintrt impay. Voir tableau suivant.
Exemple (suite) : on a i
(n)
= 0.12, B
0
= 100 et t = 1. On cherche B
1
pour direntes
valeurs de n, i.e. le tableau plus bas calcule B
1
= 100
_
1 +
0.12
n
_
n
.
n B
1
1 112.00
2 112.36
4 112.55
6 112.62
12 112.68
52 112.73
365 112.7475
10000 112.7496
226 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
On remarque que lorsque n devient de plus en plus grand, alors B
1
tend vers 112.75$.
En fait, mathmatiquement,
lim
n
_
1 +
i
(n)
n
_
n
= exp
_
i
()
_
o exp (ou e) est la fonction exponentielle ou la constante dEuler, i.e.
e
1
= exp(1) = 2.718281828.
Par consquent,
100 e
0.12
= 112.74969.
On dit alors que lintrt est continument compos (continuously compounded).
A.1.2 Valeur prsente et accumule
Valeur accumule : il sagit du montant total (capital et intrt) qui sera rembours
la n du terme dun prt ou dun emprunt.
Il sagit de la valeur de B
t
pour un B
0
donn. On a
B
t
= B
0
_
1 +
i
(n)
n
_
tn
et lorsque n , alors
B
t
= B
0
exp
_
i
()
t
_
.
Exemple : un investisseur dtient un capital de 1000$ quil veut prter sur 5 ans. Le
taux dintrt annuel est de 5%, mais il a le choix entre un taux dintrt compos
annuellement ou compos continument. Quelle est la dirence entre les deux valeurs
accumules ?
Solution : dans le cas o lintrt est compos annuellement, on a
B
5
= 1000 1.05
5
= 1276.30.
Dans le cas o lintrt est compos continument, on a
B
5
= 1000e
50.05
= 1284.00.
Une dirence de 7.70$.
Facteur daccumulation : il sagit de la valeur accumule de 1$ aprs t annes, i.e.
la valeur de B
t
lorsque B
0
= 1.
Jusqu maintenant, nous avons seulement tudi le cas o nous voulions connatre la
valeur nale (capital et intrt) dun prt ou dun emprunt.
On peut se poser la question inverse, i.e. quel est le montant en capital requis aujour-
dhui pour avoir une valeur accumule donne. Par exemple, si je dsire avoir 1000$
dans 5 ans (capital et intrt), combien dois-je investir aujourdhui ?
A.2. PROBABILITS 227
Dans ce cas, on cherche B
0
lorsque B
t
est donn. Donc,
B
t
= B
0
_
1 +
i
(n)
n
_
tn
implique
B
0
= B
t

_
1 +
i
(n)
n
_
tn
ou
B
0
= B
t
exp
_
t i
()
_
.
On dit que B
0
est la valeur actualise t = 0 de B
t
$ peru au temps t.
Valeur actualise : montant de capital requis t = 0 pour recevoir un certain montant
donn en capital et intrt au temps t.
Exemple : une personne voudrait avoir 12000$ dans 3 ans an dacheter une voi-
ture. Combien doit-il investir aujourdhui pour rencontrer son objectif, lorsque le taux
dintrt annuel est de 4%.
Solution : on a
12000 = B
0
1.04
3
et on trouve directement
B
0
=
12000
1.04
3
= 10668.
Un montant de 10668$ investi aujourdhui saccumulera pendant 3 ans pour obtenir
12000$.
Facteur dactualisation : il sagit du montant requis aujourdhui pour obtenir 1$
dans t annes. On notera ce facteur par
1
B
t
= B
1
t
=
_
1 +
i
(n)
n
_
tn
ou exp
_
t i
()
_
lorsquil est implicite que B
0
= 1.
Remarque nale : moins davis contraire, la plupart du temps en mathmatiques
de lingnierie nancire, le taux dintrt est compos continument ou une fois par
an.
A.2 Probabilits
A.2.1 Fondements
Ensemble fondamental (sample space) : ensemble de tous les rsultats possibles
dune exprience aux rsultats alatoires.
On dit que lensemble fondamental est dnombrable si
= {
1
,
2
, ...,
n
}
o n est ni ou inni.
228 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Exemple (lancer dune pice de monnaie) :
= {P,F} .
Exemple (lancer dun seul d) :
= {1, 2, 3, 4, 5, 6} .
Exemple (modle binomial une priode pour le prix dune action) : dans la pro-
chaine priode, le prix dune action peut monter (u) ou descendre (d). Alors,
= {u, d} .
Exemple (lancer de deux pices de monnaie) :
= {PP, PF, FP, FF} .
Exemple (modle binomial deux priodes pour le prix dune action) : chaque
priode, le prix dune action peut monter (u) ou descendre (d). Alors,
= {uu, ud, du, dd} .
Exemple (lancer de deux ds) :
=
_

_
11, 12, 13, 14, 15, 16,
21, 22, 23, 24, 25, 26.
...
61, 62, 63, 64, 65, 66
_

_
.
On dit que lensemble fondamental est non-dnombrable lorsque est un intervalle
de longueur nie ou innie ou une rgion continue (comme R ou [0, 1]).
Exemple (cible) : si on dnit lexprience alatoire comme tant le lancer dune
chette sur une cible dnie dans le cercle unitaire, alors
=
_
(x, y)| x
2
+y
2
1
_
.
vnement (event) : sous ensemble A de .
Exemple (lancer dun seul d) :
Obtenir un nombre pair de points : A = {2, 4, 6} ;
Obtenir un nombre impair de points : A = {1, 3, 5} ;
Exemple (lancer de deux pices de monnaie) :
Obtenir au moins 1 pile : A = {PP,PF,FP} ;
Obtenir 2 faces : A = {FF} ;
Exemple (cible) : lvnement A datteindre le centre de la cible (bulls eye) cor-
respond la surface du cercle rouge au centre de la cible. Par consquent, A peut
tre
A =
_
(x, y)| x
2
+y
2
0.1
_
.
On peut galement dnir lvnement B qui est datteindre la coordonne exacte
(0.025457212, 0.012374845).
A.2. PROBABILITS 229
(Mesure de) Probabilit (probability (measure)) : fonction Pr qui assigne un poids
entre 0 et 1 tous les vnements possibles de qui respecte les trois conditions
suivantes :
1. Pour A un sous-ensemble de (donc un vnement), alors,
0 Pr (A) 1.
2. Pr () = 1;
3. Pour des sous-ensembles disjoints A
1
, A
2
, ... (i.e. A
i
A
j
= ) alors
Pr
_
_
i
A
i
_
=

i
Pr (A
i
) .
Exemple (lancer dune pice de monnaie) : si la pice de monnaie nest pas biaise,
alors
Pr ({P}) = Pr ({F}) = 0.5.
Si la pice de monnaie est truque, alors on peut observer
Pr ({P}) = 1 Pr ({F}) = 0.2
Exemple (lancer dun seul d) : lvnement "Obtenir un nombre pair de points"
est caractris par lensemble A = {2, 4, 6} avec probabilit
Pr (A) = Pr ({2}) + Pr ({4}) + Pr ({6})
=
1
6
+
1
6
+
1
6
=
1
2
.
Toutefois, lorsque lensemble fondamental est non-dnombrable, les vnements d-
nis sur un seul point ont une probabilit nulle.
En eet, si ces vnements avaient une probabilit non-nulle (trs trs petite), alors
la somme innie de tous ces points serait suprieure 1, violant ainsi un des axiomes
de probabilit.
Exemple (cible) : par consquent, Pr (A) > 0 et Pr (B) = 0.
Probabilit conditionnelle (conditional probability) : probabilit de survenance dun
vnement, sachant quun autre vnement sest produit. On a
Pr (A| B) =
Pr (A B)
Pr (B)
.
La probabilit conditionnelle remplit les conditions pour tre une probabilit car
(A B) B
et par consquent,
Pr (A B) Pr (B) .
Donc,
0 Pr (A| B) 1.
Les autres proprits sont faciles vrier.
230 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Exemple (lancer dun seul d) : quelle est la probabilit dobtenir un nombre suprieur
ou gal 4 sachant quon a obtenu un nombre pair ?
Soit A lvnement "Obtenir un nombre pair", i.e. A = {2, 4, 6} ;
Soit B lvnement "Obtenir un nombre suprieur ou gal 4", i.e. B = {4, 5, 6} ;
A B = {4, 6} avec probabilit Pr (A B) =
2
6
et Pr (B) =
3
6
.
Donc,
Pr (A| B) =
Pr (A B)
Pr (B)
=
2
6
3
6
=
2
3
.
Exemple (lancer de deux ds) : quelle est la probabilit dobtenir une somme de 6 si
nous avons obtenu 4 au premier lancer.
Notons par B lvnement "Obtenir 4 au premier lancer". On a B = {41, 42, 43, 44, 45, 46}
avec probabilit Pr (B) =
6
36
.
Notons par A lvnement "Obtenir une somme de 6". On a A = {15, 24, 33, 42, 51}
avec probabilit Pr (B) =
5
36
.
Lintersection est A B = {42} avec probabilit Pr ({42}) =
1
36
.
Par consquent, la probabilit conditionnelle est
Pr (A| B) =
Pr (A B)
Pr (B)
=
1
36
6
36
=
1
6
.
Remarque : par la dnition de la probabilit conditionnelle, on a
Pr (A B) = Pr (A| B) Pr (B)
= Pr (B| A) Pr (A) .
Une probabilit conjointe peut tre rcrite en "conditionnant" sur B (premire ligne),
ou sur A (seconde ligne).
Indpendance (independence) : deux vnements sont dits indpendants lorsque
Pr (A| B) = Pr (A) .
Par consquent, B na aucun impact sur la probabilit de ralisation de A.
En utilisant la probabilit conditionnelle, on obtient
Pr (A B) = Pr (A) Pr (B) .
Exemple (lancer de deux ds) : est-ce que les vnements A et B sont indpendants
dans lexemple prcdent ?
On a
Pr (A) Pr (B) =
6
36

5
36
=
5
216
= 0.023148148
alors que nous avons calcul
Pr (A B) =
1
36
= 0.02777.
A.2. PROBABILITS 231
Par consquent les deux vnements ne sont pas indpendants.
Intuitivement, le premier lancer va avoir un impact vident sur la probabilit davoir
un total de 6. Si on obtient un 6 au premier lancer, alors il est impossible davoir
une somme de 6. Toutefois, lorsquon obtient 1, 2, 3, 4 ou 5 au premier lancer, alors
on a toujours 1 chance sur 6 dobtenir une somme de 6.
A.2.2 Variable alatoire et ses proprits
Variable alatoire ou v.a. (random variable ou r.v.) : fonction X valeurs relles
ayant comme domaine lensemble fondamental . Donc,
X : R.
Peut aussi tre vu comme tant une fonction valeurs relles dun sous-ensemble
(ou vnement).
La variable alatoire assigne une valeur relle un vnement ;
Variable alatoire discrte : X est une v.a. discrte lorsquelle peut prendre un
nombre dnombrable (ni ou inni) de valeurs.
Variable alatoire continue : X est une v.a. continue lorsquelle peut prendre un
nombre non-dnombrable de valeurs. Cest gnralement le cas lorsque X appartient
un intervalle continu de valeurs, comme R.
Exemple (lancer de deux ds) : soit X la somme du nombre de points quon obtient
en lanant un d deux reprises. Alors,
{X = 2} = {11}
{X = 3} = {12, 21}
{X = 4} = {13, 22, 31}
...
{X = 12} = {66} .
Lorsque le d nest pas truqu, alors
Pr (X = 2) = Pr ({11}) =
1
36
Pr (X = 3) = Pr ({12, 21}) =
2
36
...
Pr (X = 12) = Pr ({66}) =
1
36
.
Exemple (modle binomial une priode pour le prix dune action) : soit S
1
le prix
dune action aprs 1 priode. Alors,
S
1
: = {u, d} R.
Dans ce cas, on peut associer
{S
1
= 110.25} = {u}
{S
1
= 90.1} = {d} .
232 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Exemple (jeu de 52 cartes) : soit lensemble des rsultats possibles en pigeant une
carte dans un paquet de 52 cartes. Alors
=
_
2 coeur, ...valet coeur,
dame coeur, ...,
2 pique
, ...as carreau, ...
_
.
On peut dnir une variable alatoire X qui calcule le nombre de points obtenus aprs
le tirage dune carte au blackjack. On a alors
{X = 2} =
_
2 coeur, 2 tre, 2 carreau,
2 pique
_
.
Exemple (cible) : dans le jeu de chettes conventionnel, on obtient 50 points lorsquon
atteint le double-centre et 25 points lorsquon atteint le simple centre. De plus, chaque
zone dans la cible a un pointage dirent. On dnirait donc
A = {(x, y)| zone de double-centre}
B = {(x, y)| zone de simple-centre}
C, D, E.... pour toutes les autres zones.
Soit X la v.a. du nombre de points quun joueur obtient lors du lancer dune seule
chette. Alors
{X = 50} = {(x, y)| zone de double-centre}
{X = 25} = {(x, y)| zone de simple-centre} .
...
Soit Y la v.a. de la distance entre la coordonne exacte atteinte par la chette et le
centre (0, 0).
La v.a. X prend les valeurs 1,2,3,....,20, (les simples) 2, 4, 6, ..., 40 (les doubles), 3,
6, 9, ..., 60 (les triples), 25 et 50 (centre) et est discrte.
La v.a. Y est continue car elle prend des valeurs dans lintervalle [0, 1] .
Fonction de rpartition (cumulative distribution function ou c.d.f.) : la fonction de
rpartition est une fonction F
X
(x) telle que
F
X
(x) = Pr (X x)
ayant les proprits suivantes :
F
X
(x) est non-dcroissant en x;
lim
x
F
X
(x) = F
X
() = 1;
lim
x
F
X
(x) = F
X
() = 0;
La fonction de rpartition donne la probabilit que la v.a. X prenne une valeur inf-
rieure ou gale x.
Exemple (lancer de deux ds) : on dnit X comme la somme du nombre de points
quon obtient en lanant deux ds. Alors
F
X
(3) = Pr (X 3) = Pr ({X = 2} {X = 3})
= Pr (X = 2) + Pr (X = 3)
=
3
36
=
1
12
.
A.2. PROBABILITS 233
Fonction de masse de probabilit (probability mass function ou p.m.f.) : pour
une v.a. discrte, il sagit de la fonction p
X
(x) telle que
p
X
(x) = Pr (X = x) .
La fonction de masse de probabilit donne la probabilit dobserver lvnement {X = x} .
On dduit que
F
X
(x) =

jx
Pr (X = j) .
Donc, p
X
(x) a les proprits :
0 p
X
(x) 1 pour toutes les valeurs possibles de x prises par X


x
p
X
(x) = 1.
Lois de probabilit discrtes : une loi de probabilit discrte dnit une fonction
de masse de probabilit p (x) pour un domaine de x quelconque ;
Lois connues :
Bernoulli(p) : x = 0, 1 seulement. Il sagit dune variable alatoire binaire dnie par
le paramtre p = Pr (X = 1) = p
X
(1).
Binomiale(n, p) : x = 0, 1, 2, ...n. La loi binomiale donne la probabilit dobtenir x
succs dans n essais. On a
p
X
(x) =
n!
x! (n x)!
p
x
(1 p)
nx
pour n = 1, 2, 3, ... et p [0, 1] .
Poisson() : x = 0, 1, 2, .... On a
p
X
(x) =
e

x
x!
o > 0.
Fonction de densit de probabilit (probability density function ou p.d.f.) : pour
une v.a. continue, il sagit de la fonction f
X
(x) telle que
Pr (X R) =
_
R
f
X
(x) dx
o R est une rgion quelconque du domaine pris par la v.a. X. Par consquent,
Pr (a X b) =
_
b
a
f
X
(x) dx.
La fonction f
X
(x) est telle que f
X
(x) > 0 et
_

f
X
(x) dx = 1.
On dduit que
F
X
(x) =
_
x

f
X
(u) du
ou
f
X
(x) =
d
dx
F
X
(x) .
234 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Finalement, Pr (X = x) = 0 pour tout x (voir la discussion sur les vnements dans
des ensembles non-dnombrables) ;
Lois de probabilit continues : une loi de probabilit continue dnit une fonction
de densit f
X
(x) pour un domaine de x quelconque ;
Lois connues :
Uniforme : x [0, 1] et f
X
(x) = 1.
Exponentielle() : x [0, et f
X
(x) = e
x
pour > 0. La loi exponentielle
est souvent utilise pour reprsenter le temps entre deux vnements (processus de
Poisson) ;
Normale(, ) : x R et
f
X
(x) =
1

2
2
exp
_

_
x

_
2
_
.
La loi normale ou gaussienne est utilise dans plusieurs contextes, et est la base
du mouvement brownien et du calcul stochastique.
Esprance (expectation) : valeur moyenne prise par la v.a. X. On a
E[X] =

x
xPr (X = x) (v.a.discrte)
=
_
x
xf
X
(x) dx (v.a.continue).
Similairement, pour une v.a. dnie par Z = g (X), on a
E[Z] = E[g (X)]
=

x
g (x) Pr (X = x) (v.a.discrte)
=
_
x
g (x) f
X
(x) dx (v.a.continue).
Exemple (loi exponentielle) : lesprance dune loi exponentielle est
E[X] =
_

0
x e
x
dx.
En utilisant lintgration par partie (dv = e
x
et u = x), on obtient
E[X] = xe
x

0
+
_

0
e
x
dx
= 0
e
x

0
=
1

.
Proprit de lesprance : soient a et b deux constantes. Alors,
E[a +bX] = a +bE[X]
A.2. PROBABILITS 235
lorsque X est discret ou continu. La preuve est simple. Illustrons laide dune v.a.
discrte. Il sut de dnir Z = a +bX. Alors,
E[Z] = E[g (X)] =

x
(a +bx) Pr (X = x)
=

x
a Pr (X = x) +b

x
xPr (X = x)
= a 1 +b E[X] .
Exemple (lancer de deux ds) : la v.a. X prend les valeurs 2,3,4,....,12 avec probabilits
1
36
,
2
36
,
3
36
, ...,
1
36
. Par consquent,
E[X] =

x
xPr (X = x)
= 2
1
36
+ 3
2
36
+ 4
3
36
+
... + 12
1
36
= 7.
Exemple (lancer de deux ds) : dans un jeu dirent, on dit quun joueur gagne 100$
si la somme de deux ds est de 9 ou plus, et 0 sinon. Quel est le gain moyen de ce
joueur ?
Solution : on dnit la v.a. Z comme tant le gain montaire du joueur lorsque celui-ci
lance deux ds, o
Z = g (X) =
_
0, X < 9
100, X 9.
Donc,
E[Z] = E[g (X)] = 0 Pr (X < 9) + 100 Pr (X 9)
= 100
_
4
36
+
3
36
+
2
36
+
1
36
_
= 27.777.
Esprance conditionnelle (conditional expectation) : valeur moyenne prise par la
v.a. X| Y . On a
E[ X| Y ] =

x
xPr (X = x| Y ) (v.a.discrte)
=
_
x
x f (x| Y ) dx (v.a.continue)
De plus,
E[ X| Y = y] =

x
xPr (X = x| Y = y) (v.a.discrte)
=
_
x
x f (x| Y = y) dx (v.a.continue).
236 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Remarque importante : lesprance conditionnelle E[ X| Y ] est une v.a. avec ra-
lisation E[ X| Y = y], alors que E[X] est une constante connue. Puisque E[ X| Y ] est
une v.a., alors cette v.a. a galement une esprance. En eet,
E[E[ X| Y ]] =

y
E[ X| Y = y] Pr (Y = y)
=

y
_

x
xPr (X = x| Y = y)
_
Pr (Y = y)
=

x
x

y
Pr (X = x Y = y)
=

x
xPr (X = x)
= E[X] .
Similairement pour une v.a. continue.
Exemple (lancer de deux ds) : on lance deux ds et on obtient une somme de Y .
Quelle est la valeur moyenne prise par le premier d ?
Solution : soit X le nombre obtenu au lancer du premier d, Y X, le nombre obtenu
au second lancer, et Y la somme de deux ds. On cherche E[ X| Y ] . En fait, les valeurs
prises par Y sont Y = 2, 3, 4, ..., 12. On a
E[ X| Y = 12] = 6 avec probabilit
1
36
= Pr (Y = 12)
car pour obtenir 12 avec deux lancers, il faut ncessairement avoir obtenu 6 au premier
lancer. De plus,
E[ X| Y = 11] = 5 Pr (X = 5| Y = 11)
+6 Pr (X = 6| Y = 11)
= 5
Pr (X = 5 Y = 11)
Pr (Y = 11)
+ 6
Pr (X = 6 Y = 11)
Pr (Y = 11)
= 5
1
36
2
36
+ 6
1
36
2
36
= 5.5.
Donc,
E[ X| Y = 11] = 5.5 avec probabilit
2
36
= Pr (Y = 11) .
On a galement
E[ X| Y = 10] = 4 Pr (X = 4| Y = 10) + 5 Pr (X = 5| Y = 10)
+6 Pr (X = 6| Y = 10)
= 4
1
36
3
36
+ 5
1
36
3
36
+ 6
1
36
3
36
= 5.
A.2. PROBABILITS 237
Par consquent,
E[ X| Y = y] =
_

_
1, y = 2
1.5, y = 3
... ...
5.5, y = 11
6, y = 12.
De plus, on sait que
E[X] = 1
1
6
+ 2
1
6
+... + 6
1
6
= 3.5
et donc,
E[E[ X| Y ]] =

y
E[ X| Y = y] Pr (Y = y)
= E[ X| Y = 2] Pr (Y = 2) + E[ X| Y = 3] Pr (Y = 3)
... + E[ X| Y = 12] Pr (Y = 12)
= 1
1
36
+ 1.5
2
36
+... + 6
1
36
= 3.5
= E[X] .
Direntes esprances de X : dans plusieurs contextes en nance, on sintressera
au comportement de la v.a. X. Pour dcrire le risque sous-jacent X, on peut utiliser la
fonction de masse de probabilit ou lesprance. Dautres quantits peuvent galement
tre utilises.
Variance (variance) : la variance de X, note par Var[X] est
Var [X] E
_
(X E[X])
2

= E
_
X
2

E[X]
2
.
On remarque que la variance de X est lesprance de g (X) = (X E[X])
2
.
Var [X] 0.
La variance est une mesure de la dviation par rapport la moyenne. Plus la
variance est grande, plus X est variable ou risqu.
Lcart-type est simplement
_
Var [X].
Exemple (loi normale) : la variance dune loi normale est
2
.
Coecient dasymtrie (skewness) : le coecient dasymtrie de X, not par
Skew[X] est
Skew[X]
E
_
(X E[X])
3

Var [X]
1.5
.
On remarque que le coecient dasymtrie de X est lesprance de
g (X) =
(X E[X])
3
Var [X]
1.5
.
Skew[X] R
238 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Le coecient dasymtrie mesure le degr dasymtrie dune v.a. X, i.e. o les
masses de probabilits sont concentres ( gauche ou droite).
Les rendements dactifs nanciers ont gnralement un coecient dasymtrie
ngatif.
Exemple (loi normale) : le coecient dasymtrie dune loi normale est 0 (parfai-
tement symtique) ;
Coecient daplatissement (kurtosis) : le coecient daplatissement de X, not
par Kurt [X] est
Kurt [X]
E
_
(X E[X])
4

Var [X]
2
.
On remarque que le coecient dasymtrie de X est lesprance de
g (X) =
(X E[X])
4
Var [X]
2
.
Kurt [X] 0.
Le coecient daplatissement mesure la capacit de la distribution gnrer des
valeurs extrmes ( gauche ou droite).
Les rendements dactifs nanciers ont gnralement un coecient daplatisse-
ment trs positif (largement suprieur 3, qui est gnralement la rfrence).
Exemple (loi normale) : le coecient daplatissement dune loi normale est 3 ;
Moments de la v.a. X : le k-me moment de X est E
_
X
k

pour k = 1, 2, 3, ...
Fonction gnratrice des moments de X :
M
X
(t) E[exp (tX)] .
Proprit importante :
d
k
dt
k
M
X
(t)

t=0
= E
_
X
k

.
A.2.3 Distribution de plusieurs variables alatoires
Dans plusieurs contextes en nance on devra travailler simultanment sur plusieurs
variables alatoires :
Valeur de deux actifs dirents ;
Prix dun actif au temps 1 et au temps 10.
Nous tudions les proprits importantes de la distribution de deux ou plusieurs v.a.
Fonction de rpartition conjointe (joint c.d.f.) : la fonction de rpartition conjointe
de deux v.a. est la probabilit conjointe (simultane) que
X x Y y,
i.e.
F (x, y) Pr (X x Y y) .
partir de maintenant, lvnement A B est galement not par A, B.
A.2. PROBABILITS 239
De plus,
F (x, ) = Pr (X x, Y )
= Pr (X x)
= F
X
(x)
ce qui est la fonction de rpartition de X. SImilairement, F (, y) = F
Y
(y) .
Fonction de masse de probabilit conjointe (joint p.m.f.) : la fonction de masse
de probabilit conjointe de deux v.a. discrtes est la probabilit conjointe dobserver
X = x, Y = y
i.e.
p (x, y) = Pr (X = x, Y = y) .
On dduit que
p
X
(x) =

y
Pr (X = x, Y = y)
et similairement pour p
Y
(y) .
Exemple (lancer de deux ds) : soit X le nombre de points en lanant un premier d,
et Y le nombre de points obtenus en lanant un second d. Alors,
p (x, y) =
1
36
, x = 1, 2, ..., 6, y = 1, 2, ..., 6.
Fonction de densit conjointe (joint p.d.f.) : pour deux v.a. continues, il sagit de
la fonction f (x, y) telle que
Pr (X A, Y B) =
_
A
_
B
f (x, y) dxdy
o A et B sont des rgions quelconques du domaine de X et Y respectivement.
On a
Pr (X A) = Pr (X A, Y R)
=
_
A
_

f (x, y) dxdy
=
_
A
f
X
(x) dx
et similairement pour Y .
De plus,
f
X
(x) =
_

f (x, y) dy
et similairement pour Y.
240 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Esprance : la valeur moyenne prise par une fonction g (X, Y ) est
E[g (X, Y )] =

x

y
g (x, y) p (x, y) (v.a. discrtes)
=
_
x
_
y
g (x, y) f (x, y) dxdy (v.a. continues)
Exemple (lancer de deux ds) : on voudrait connatre la valeur espre de la somme
des points obtenus en lanant deux ds.
Solution : on cherche E[X +Y ] avec g (X, Y ) = X +Y . Par consquent, on a
E[g (X, Y )] = E[X +Y ] =
6

x=1
6

y=1
(x +y)
1
36
=
1
36
6

x=1
6

y=1
x +
1
36
6

x=1
6

y=1
y
=
1
36
6 (1 + 2 + 3 + 4 + 5 + 6)
+
1
36
6 (1 + 2 + 3 + 4 + 5 + 6)
= E[X] + E[Y ] = 3.5 + 3.5
= 7.
Proprit de lesprance : soient a et b deux constantes. Alors,
E[aX +bY ] = aE[X] +bE[Y ] .
En eet pour deux v.a. discrtes, on a
E[aX +bY ] =

x

y
(ax +by) p (x, y)
= a

y
xp (x, y) +b

y
yp (x, y)
= a

x
x

y
p (x, y) +b

y
y

x
p (x, y)
= a

x
xp
X
(x) +b

y
yp
Y
(y)
= aE[X] +bE[Y ] .
Pour deux v.a. continues la preuve est similaire, en utilisant la fonction de densit
conjointe.
Indpendance : nous avons vu prcdemment que deux vnements A et B sont
indpendants si
Pr (A B) = Pr (A) Pr (B) .
A.2. PROBABILITS 241
Par consquent, deux v.a. sont indpendantes si
F (x, y) = F
X
(x) F
Y
(y) .
Similairement,
p (x, y) = p
X
(x) p
Y
(y) (v.a. discrtes)
f (x, y) = f
X
(x) f
Y
(y) (v.a. continues)
lorsque X et Y sont indpendantes.
En prsence dindpendance, alors
E[g (X) h(Y )] = E[g (X)] E[h(Y )] .
En eet,
E[g (X) h(Y )] =

x

y
g (x) g (y) p (x, y)
=

x

y
g (x) g (y) p
X
(x) p
Y
(y)
=

x
g (x) p
X
(x)

y
g (y) p
Y
(y)
= E[g (X)] E[h(Y )] .
Lorsque deux variables alatoires sont dpendantes, on peut mesurer la force de leur
lien de dpendance avec une mesure appele "covariance".
Covariance : la covariance entre deux v.a. X et Y , est
Cov (X, Y ) E[(X E[X]) (Y E[Y ])] .
Lorsque celle-ci est positive, alors les deux v.a. ont tendance tre toutes les deux
suprieures ou toutes les deux infrieures la moyenne dans les mmes tats de la
nature. Lorsque la covariance est ngative, alors une des deux v.a. a tendance tre
suprieure la moyenne lorsque lautre est infrieure la moyenne (et vice-versa).
On dduit que
Cov (X, Y ) = E[XY ] E[X] E[Y ] .
Proprits de la covariance :
Lorsque X et Y sont indpendantes alors,
Cov (X, Y ) = E[(X E[X]) (Y E[Y ])]
= E[X E[X]] E[Y E[Y ]]
= 0.
Attention : linverse est trs rarement vrai, i.e. lorsque Cov (X, Y ) = 0, alors X et
Y ne sont pas ncessairement indpendantes.
242 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Pour tout X et Y , alors
Cov (X, X) = Var [X]
Cov (X, Y ) = Cov (Y, X)
Cov (cX, Y ) = c Cov (X, Y )
o c est une constante.
Soient X, Y et Z trois v.a. quelconques. Alors
Cov (X, Y +Z) = E[(X E[X]) (Y +Z E[Y +Z])]
= E[(X E[X]) Y ] + E[(X E[X]) Z]
E[(X E[X]) E[Y +Z]]
= E[XY ] E[X] E[Y ] + E[XZ] E[X] E[Z] 0
= Cov (X, Y ) + Cov (X, Z) .
Par consquent,
Cov
_
n

i=1
X
i
,
m

j=1
Y
j
_
=
n

i=1
m

j=1
Cov (X
i
, Y
j
)
et on dduit
Var
_
n

i=1
X
i
_
= Cov
_
n

i=1
X
i
,
n

j=1
Y
j
_
=
n

i=1
n

j=1
Cov (X
i
, Y
j
) .
La variance dune somme de n v.a. est la somme de toutes les n
2
covariances.
Cette proprit est trs importante en nance, par exemple dans le choix du porte-
feuille dactifs qui minimise la variance.
A.3 Processus stochastiques
En nance et en ingnierie nancire, nous voudrons trs souvent modliser lvolution
du prix dun actif nancier. Nous utiliserons alors des processus stochastiques.
Processus stochastique : modle mathmatique qui dcrit lvolution dun phno-
mne dans le temps ;
Il sagit dune collection de variables alatoires {X
t
, t = 0, 1, 2, ...} ou {X
t
, t 0}
dnie sur le temps.
X
t
dcrit la position ou ltat du processus au temps t. Il sagit dune variable
alatoire.
Un processus stochastique peut tre temps discret (t = 0, 1, 2, ...) ou temps continu
(t 0).
Exemples de processus stochastiques temps discret : {X
t
, t = 0, 1, 2, ...}
Chane de Markov, srie chronologique ARIMA, etc.
Arbre binomial ou trinomial servira modliser lvolution du prix dune action
travers le temps (voir chapitres 1 4) ;
A.3. PROCESSUS STOCHASTIQUES 243
Exemples de processus stochastiques temps continu : {X
t
, t 0}
Mouvement brownien, processus de Poisson, etc.
Mouvement brownien gomtrique servira modliser lvolution du prix dune ac-
tion dans le temps (voir chapitres 5 9) ;
Un processus stochastique est dni par le comportement de chacune des v.a. X
t
pour
tout t.
Processus markovien (Markov (or Markovian) process) : un processus est dit mar-
kovien si sa valeur future est seulement dtermine par sa valeur prsente. Les valeurs
prises dans le pass par le processus ne sont pas importantes.
Phnomne alatoire sans mmoire;
Mathmatiquement, on a
Pr (X
s
x| {X
u
, u t}) = Pr (X
s
x| X
t
) , t < s.
Exemple (modle AR(1)) : soit un processus stochastique temps discret tel que
X
t+1
= X
t
+
t+1
, t = 0, 1, 2, ...
o X
0
est connu et
1

2
... N (0,
2
) sont indpendants et identiquement
distribus (i.i.d.). Ce processus est markovien car connaitre la trajectoire complte
X
0
, X
1
, ..., X
t
ou seulement X
t
sont quivalents pour obtenir la distribution de X
t+1
.
Exemple (modle AR(2)) : soit un processus stochastique temps discret tel que
X
t+1
= X
t
+X
t1
+
t
, t = 0, 1, 2, ...
o X
0
est connu et
1

2
... N (0,
2
) sont i.i.d. Ce processus nest PAS
markovien car on a besoin de connaitre X
t
et X
t1
pour dnir la distribution de X
t+1
.
Marche alatoire (random walk) : processus stochastique dont chacun des accrois-
sements est i.i.d. Il doit scrire comme
X
t
=
t

i=1
Z
i
o Z
1
Z
2
... sont des v.a. i.i.d.
Une marche alatoire est un processus markovien car
Pr (X
s
x| X
t
, X
t1
, X
t2
, ...) = Pr (X
t
+Z
t+1
+Z
t+2
+... +Z
s
x| X
t
, X
t1
, X
t2
, ...)
= Pr (X
t
+Z
t+1
+Z
t+2
+... +Z
s
x| X
t
)
puisque Z
t+1
, Z
t+2
, ... sont i.i.d. et indpendants de X
t
. On a seulement besoin de
la valeur prise par X
t
pour dterminer son futur et pas ncessairement le chemin
prcis pris par celui-ci dans le pass.
En nance, les concepts de marche alatoire et de processus markovien sont importants
pour savoir si on peut dterminer la distribution des prix futurs en fonction du pass
(analyse technique).
Une des hypothses faibles de lecience des marchs repose sur le fait que les (log-)
prix des actions sont des marches alatoires.
244 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
A.4 Thorie de la mesure applique aux probabilits
Certains des exemples sont tirs des notes du cours 80-646-04 "Mthodes stochastiques
dans les sciences de la gestion", par Genevive Gauthier. Reproduits avec son autori-
sation.
Dans cette section, on complte la prsentation prcdente avec des notions plus ma-
thmatiques ;
Ces notions sont souvent rencontres dans des livres et articles de recherche de math-
matiques nancires ;
Elles peuvent tre intimidantes premire vue mais lorsquon sait quoi elles servent,
il est plus ais de lire des articles de recherche plus techniques ;
Nous avons dni de faon informelle quune probabilit assigne un poids entre 0 et
1 un vnement de . Nous allons formaliser la dnition de mesure de probabilit,
variable alatoire et de processus stochastique laide des tribus.
Tribu (-algbre) : famille F de sous-ensembles dvnements appartenant res-
pectant les conditions suivantes :
F
si A F alors A
c
F
si A
1
, A
2
, A
3
, ... F alors
_
i1
A
i
F
Exemple (lancer dun seul d) :
= {1, 2, 3, 4, 5, 6} .
La plus petite tribu gnre par les vnements {1, 2} , {3, 4} , {5, 6} est
F =
_
, {1, 2} , {3, 4} , {5, 6} ,
{1, 2, 3, 4} , {1, 2, 5, 6} , {3, 4, 5, 6} ,
_
.
Partition : une famille P dvnements {A
i
, i = 1, 2, ...} est une partition de si
A
i
= pour tout i
A
i
A
j
= pour tout i = j

_
i
A
i
= .
On dit que la tribu F est gnre par P si elle est la plus petite tribu contenant les
lments de P.
On note cette tribu par F = (P) ;
Chacun des lments de P sont appels les atomes de F.
Exemple (lancer dun seul d) : dans lexemple prcdent, les vnements {1, 2} , {3, 4} , {5, 6}
forment une partition P de et par consquent, la tribu trouve prcdemment est
gnre par P, i.e. F = (P) .
Mesure de probabilit : une mesure de probabilit sur (, F) est une fonction Pr
P
telle que :
Pr
P
() = 1
pour tout vnement A F, alors
0 Pr
P
(A) 1
A.4. THORIE DE LA MESURE APPLIQUE AUX PROBABILITS 245
pour les vnements A
1
, A
2
, .... tels que A
i
A
j
= pour tout i = j, alors
Pr
P
_
_
i
A
i
_
=

i
Pr
P
(A
i
) .
Nous crivons Pr
P
pour insister que la probabilit est prise sous une mesure de proba-
bilit P. Certaines rfrences vont crire P(A) au lieu de Pr
P
(A), ce qui sera quivalent
dans ce document.
Nous avons donc dni le triplet de probabilit (, F, P).
Espace probabilisable : (, F) ;
Espace probabilis : (, F, P) ;
Mesure de probabilit quivalente : deux mesures de probabilit P et Q dnies
sur (, F) sont quivalentes si
Pr
P
(A) = 0 Pr
Q
(A) = 0
pour tout vnement A.
Les vnements impossibles sont les mmes dans les deux mesures de probabilit ;
Le changement de mesure de probabilit naecte que la probabilit de ralisation dun
vnement quelconque ;
Il naecte pas , ni F. Par consquent, la fonction de rpartition dune variable
alatoire est aecte par le changement de mesure.
Exemples de changements de mesure de probabilit :
Direntes personnes qui lancent une chette aecteront les probabilits datteindre
certaines zone de la cible ;
D truqu (le poids lintrieur fait en sorte quil peut tomber sur une face plus
souvent) ;
Mesure neutre au risque ou mesure martingale quivalente : permet de calculer le
juste prix dun produit driv sans crer dopportunits darbitrage ;
Variable alatoire : une variable alatoire construite sur (, F) est une fonction
X : R telle que pour tout x R, alors
{ : X () x} F.
Lorsque est ni et dnombrable, alors la condition prcdente est quivalente
{ : X () = x} F.
Une v.a. qui respecte cette condition est dite Fmesurable.
La plus petite tribu F qui fait en sorte que X est Fmesurable est F = (X) .
Exemple (lancer dun seul d) : on dnit les tribus suivantes
F = {, {1, 3, 5} , {2, 4, 6} , }
G =
_
, {1, 2} , {3, 4} , {5, 6} ,
{1, 2, 3, 4} , {1, 2, 5, 6} , {3, 4, 5, 6} ,
_
H = {, {1, 2, 3} , {4, 5, 6} , }
246 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Soient les v.a. U et V telles que
{U = 1} = {2, 4, 6} (pair)
{U = 0} = {1, 3, 4} (impair)
{V = 1} = {1, 2, 3} ( < 4)
{V = 0} = {4, 5, 6} ( 4)
i.e. U = 1 si le tirage est pair et 0 sinon, et V = 1 si le rsultat est strictement infrieur
4 et 0 sinon. Avec quelles tribus, les v.a. U et V sont-elles mesurables ? Quelle est la
plus petite tribu qui fait en sorte que U et V sont mesurables sur celle-ci ?
Solution :
Nous allons dabord chercher la tribu I = (U) et vrier laquelle des tribus F, G, H
est incluse dans I. On a
I (U) = F
donc U est F-mesurable. Puisque I G et I H, alors U nest pas G-ou H-
mesurable. Nous aurions pu galement vrier si les ensembles {U = 1} et {U = 0}
sont inclus dans chacune des 3 tribus. De plus,
I (V ) = H.
Donc, V est H-mesurable. Puisque I F et I G, alors V nest pas F-ou G-
mesurable.
La plus petite tribu J qui fait en sorte que U et V sont Jmesurables est
J = ({2} , {5} , {1, 3} , {4, 6}) .
Processus stochastique :
Un processus temps discret est une famille de v.a. {X
t
, t = 0, 1, 2, ...} toutes dnies
sur (, F) ;
Un processus temps continu est une famille de v.a. {X
t
, t 0} toutes dnies sur
(, F) ;
Filtration : une ltration est une famille F = {F
t
, t} de tribus telles que pour tout
t
1
t
2
, alors
F
t
1
F
t
2
F.
Un processus stochastique est adapt F si pour tout t, X
t
est F
t
mesurable.
Une ltration F est engendre par le processus stochastique {X
t
, t} si pour tout t,
F
t
= ({X
s
, s t})
i.e. est gnr par tous les X
s
observs avant t.
En nance, F
t
est interprte comme linformation observe sur les marchs nanciers
jusquau temps t.
Le rle de la ltration est dorganiser linformation telle quelle nous est rvle
quand on avance dans le temps.
Un processus stochastique est donc dni sur le quadruplet (, F, F, P) .
A.4. THORIE DE LA MESURE APPLIQUE AUX PROBABILITS 247
Exemple (arbre binomial deux priodes) : nous modlisons le prix dune action
au cours des deux prochaines priodes par le processus stochastique {S
t
, t = 0, 1, 2}
prenant les valeurs suivantes :
S
0
S
1
S
2

1
50 60 65

2
50 60 55

3
50 40 45

4
50 40 30
La tribu gnre par {S
0
= 50} est la moins informative, i.e. F
0
= {, } .
La plus petite tribu engendre par S
0
et S
1
est
F
1
= (S
0
, S
1
) =
_
_
_
, {
1
,
2
}
. .
S
1
=60
, {
3
,
4
}
. .
S
1
=40
,
_
_
_
.
F
1
est lensemble de linformation observ t = 1.
Une fois t = 1, si on observe que le prix de laction est de 40$, alors on sait que
le prix de laction t = 2 sera 45$ (
3
) ou 30$ (
4
). On peut dj liminer des
possibilits futures, i.e. les prix de 65$ (
1
) et 55$ (
2
).
Si t = 1 on observe que le prix est de 60$, alors on sait qu t = 2, le prix sera
soit de 65$ (
1
) ou 55$ (
2
). On peut dj liminer les possibilits 45$ (
3
) ou
30$ (
4
).
Finalement, t = 2, on connait dsormais toute la trajectoire complte des prix, i.e.
on connait ltat de la nature. Donc, la plus petite tribu engendre par S
0
, S
1
et S
2
est
F
2
= ({
1
} , {
2
} , {
3
} , {
4
}) .
Par exemple, le fait de savoir que les prix observs ont t dans lordre 50, 60, 55
nous dit que
2
est ltat de la nature qui a t observ. Toutefois, observer 50, 40,
45 nous indique que
3
sest ralis.
Donc, le processus stochastique est dni sur (, F, F, P) o = {
1
,
2
,
3
,
4
},
une tribu F avec F
2
F et F ={F
0
, F
1
, F
2
} .
Exemple (trajectoire dune particule sur 3 priodes) : un processus stochastique
{X
t
, t = 0, 1, 2, 3} est tel que
X
0
X
1
X
2
X
3

1
1 0.5 1 0.5

2
1 0.5 1 0.5

3
1 2 1 1

4
1 2 2 2
Quelles sont les tribus qui engendrent ce processus ?
248 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Solution : on a donc, F
0
= {, } car X
0
= 1. De plus,
F
1
=
_
_
{
1
,
2
}
. .
X
1
=0.5
, {
3
,
4
}
. .
X
1
=2
_
_
F
2
= F
3
=
_
_
{
1
,
2
}
. .
X
1
=0.5,X
2
=1
, {
3
}
..
X
1
=2,X
2
=1
, {
4
}
..
X
1
=2,X
2
=2
_
_
.
Ce qui est important de voir dans cet exemple est quune fois quon observe {X
1
= 2, X
2
= 1} ,
{X
1
= 2, X
2
= 2}, alors on connait dj ltat de la nature ultimement ralis. On
peut donc connaitre avec certitude ce qui se passera t = 3.
De plus, il est impossible de distinguer entre les trajectoires 1 et 2, et ce mme la
n du processus, ce qui fait que F
2
= F
3
.
Esprance conditionnelle
Nous avons vu prcdemment une dnition de lesprance conditionnelle avec deux
variables alatoires X et Y.
Supposons que nous tudions un processus stochastique dni sur le quadruplet usuel
(, F, F, P) .
Soit F
t
= (X
0
, X
1
, ..., X
t
) ou F
t
= ({X
u
, u t}) dpendant du contexte. Alors,
pour s t
E[ X
s
| F
t
] = E[ X
s
| X
t
, X
t1
, ..., X
0
] .
Toutefois, pour toute autre tribu G
t
= F
t
, alors
E[ X
s
| G
t
] = E[ X
s
| X
t
, X
t1
, ..., X
0
] .
Finalement, moins davoir un processus markovien,
E[ X
s
| F
t
] = E[ X
s
| X
t
] .
Lorsque deux mesures de probabilits sont impliques, alors on notera par E
P
[ X
s
| F
t
]
ou E
Q
[ X
s
| F
t
] les esprances prises respectivement avec les mesures de probabilits
P ou Q.
Exemple (trajectoire dune particule sur 3 priodes) : supposons que les trajectoires
sont quiprobables. On veut calculer E[ X
3
| X
2
, X
1
, X
0
] et E[ X
3
| X
2
] . Dbutons avec
E[ X
3
| X
2
] =
_
2, si X
2
= 2
0.5
0.25
0.75
+ 0.5
0.25
0.75
+ 1
0.25
0.75
=
2
3
si X
2
= 1.
De plus,
E[ X
3
| X
2
, X
1
, X
0
] =
_
_
_
0.5
0.25
0.5
+ 0.5
0.25
0.5
= 0.5 si 1, 0.5, 1
1 si 1, 2, 1
2 si 1, 2, 2.
Loi des esprances itres (law of iterated expectations) : relation entre deux esp-
rances conditionnelles emboites.
A.4. THORIE DE LA MESURE APPLIQUE AUX PROBABILITS 249
Stipule que
E[ X
s
| F
t
1
] = E[ E[ X
s
| F
t
2
]| F
t
1
]
avec t
1
< t
2
< s.
Facilite le calcul de certaines esprances, en conditionnant tape par tape, sur cer-
taines priodes.
Exemple (modle AR(1)) : on cherche E[ X
2
| F
0
] . Or,
E[ X
2
| F
0
] = E[ E[ X
2
| F
1
]| F
0
]
= E[ E[ X
1
+
2
| F
1
]| F
0
]
= E[ E[ X
1
+
2
| X
1
]| F
0
]
= E[ X
1
+ E[
2
| X
1
]| F
0
]
= E[ X
1
+ 0| F
0
]
= E[ X
1
| F
0
] .
De plus,
E[ X
1
| F
0
] = E[ X
0
+
1
| F
0
]
= X
0
ce qui implique
E[ X
2
| F
0
] =
2
X
0
.
Martingale (martingale) : processus stochastique {X
t
, t} tel que
E[ X
s
| F
t
] = X
t
, t < s .
Donc, tant donn linformation observe jusqu t, la valeur espre du processus dans
le futur (et nimporte quel futur s) est la valeur prsente (observe t).
Il sagit dun processus qui retourne en moyenne sa valeur "initiale" (ou sa dernire
valeur connue).
Supermartingale (supermartingale) :
E[ X
s
| F
t
] X
t
Sousmartingale (submartingale) :
E[ X
s
| F
t
] X
t
La martingale joue un rle essentiel en ingnierie nancire.
En eet, le thorme fondamental dvaluation des actifs nanciers (fundamental
theorem of asset pricing) stipule que lexistence dune mesure martingale quivalente
implique labsence darbitrage et vice versa.
Le fait quun processus stochastique soit une martingale ou non dpend de la mesure
de probabilit utilise. Donc, il se peut que
E
Q
[ X
s
| F
t
] = X
t
, t < s
mais que
E
P
[ X
s
| F
t
] = X
t
, t < s.
250 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
A.5 Exercices
A.5.1 Exercices de probabilits
Les exercices nots Ross proviennent ou sont largement inspirs du livre de Ross (2009).
1. (Ross) La fonction de densit dune v.a. X est
f (x) =
_
c (1 x
2
) , 1 < x < 1
0, sinon.
(a) Quelle est la valeur de c ?
(b) Quelle est la fonction de rpartition de X ?
(c) Calculez E[X] et Var[X] .
2. (Ross) Lorsque X suit une loi exponentielle(), quelle est la valeur de E[ X| X > 1] ?
3. (Ross) Soit X une v.a. uniforme sur lintervalle [0, 1]. Calculez E
_
X| X <
1
2

.
4. Sachant quune loi binomiale est obtenue laide dune somme de n v.a. Bernoulli,
trouvez lesprance et la variance dune loi binomiale(n, p) .
5. laide de la fonction de densit dune loi normale et de la dnition de la variance,
montrez que la variance dune loi normale(, ) est
2
.
6. Montrez que la fonction gnratrice de moments dune loi exponentielle() est
M
X
(t) =

t
.
7. Montrez que la fonction gnratrice de moments dune loi normale(, ) est
M
X
(t) = exp
_
t +
1
2

2
t
_
.
8. (Ross) La fonction de densit conjointe de X et Y est
f (x, y) =
e
x/y
e
y
y
, x > 0, y > 0.
(a) Montrez que E[ X| Y = y] = y.
(b) Calculez la variance de X +Y .
9. On dnit une somme alatoire
S =
N

i=1
X
i
o N est une v.a. discrte sur N = 0, 1, 2, ... et X
i
sont des v.a. i.i.d. comme X.
(a) Quelle est lesprance de S ?
(b) Quelle est la variance de S ?
A.5. EXERCICES 251
A.5.2 Exercices de processus stochastiques et de thorie de la me-
sure
Les exercices 1 5, 12, 13 sont de Genevive Gauthier. Reproduits avec son autorisation.
1. Aujourdhui lundi, vous avez un dollar dans votre tirelire. partir de demain matin et
ce, tous les matins jusqu vendredi inclusivement, vous tirez pile ou face pour savoir
si vous retirez un dollar (si possible) de la tirelire (pile) ou si vous y en mettez un
(face). Modlisez lvolution du contenu de votre tirelire en rpondant aux questions
suivantes :
(a) Quel est lensemble fondamental ?
(b) Dnissez le processus stochastique que vous utilisez et donnez-en la signication.
(c) Dcrivez chacune des trajectoires possibles du processus stochastique.
(d) Quelles sont les tribus engendres par le processus pour les journes de lundi,
mardi, mercredi et vendredi ? Interprtez chacune des tribus.
(e) Quelle est la distribution du contenu de la tirelire vendredi midi ?
(f) Quelle est lesprance conditionnelle du contenu de la tirelire vendredi midi tant
donn linformation disponible mercredi midi.
2. Possdant 20 dollars, nous dcidons de jouer au jeu de hasard suivant. Nous lanons
quatre fois un sou. Au premier lancer, nous gagnons 10 dollars si le rsultat est pile
et perdons 10 dollars si le rsultat est face. Pour les autres lancers, si le rsultat
obtenu est le mme que celui du lancer prcdent, nous ne ralisons aucune perte ni
aucun gain. Par contre, si le rsultat obtenu est dirent du lancer prcdent, nous
gagnons 10 dollars si le rsultat est pile et perdons 10 dollars si le rsultat est
face.
(a) Dcrivez lensemble fondamental de cette exprience alatoire.
(b) Dnissez les variables alatoires et la notation que vous utilisez an de modliser
cette situation.
(c) Dcrivez chacune des trajectoires possibles du processus stochastique.
(d) Donnez la tribu reprsentant linformation disponible aprs le deuxime lancer.
Interprtez.
(e) Quelle est la distribution du montant que nous possdons la n du jeu?
3. Le processus stochastique {X
t
, t = 0, 1, 2, 3, 4} reprsente lvolution du prix dune ac-
252 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
tion. Les trajectoires sont montres au tableau suivant :

i
X
0
X
1
X
2
X
3
X
4
Prob
1 11 13 15 16 16 0,06
2 11 13 15 16 14 0,065
3 11 13 15 15 16 0,06
4 11 13 15 15 14 0,065
5 11 13 15 14 16 0,06
6 11 13 15 14 14 0,065
7 11 13 12 13 14 0,0625
8 11 13 12 13 18 0,08
9 11 13 12 13 12 0,04
10 11 13 12 13 11 0,0675
11 11 11 12 13 14 0,0625
12 11 11 12 13 12 0,0625
13 11 11 12 12 12 0,0625
14 11 11 11 14 20 0,0625
15 11 11 11 14 12 0,0625
16 11 11 11 12 12 0,0625
(a) Quelles sont les tribus engendres par le processus {X
t
, t = 0, 1, 2, 3, 4} ? En dautres
termes, trouvez F
t
, t = 0, 1, 2, 3, 4.
(b) Donnez la distribution conditionnelle de X
4
tant donn X
2
.
(c) Calculez lesprance conditionnelle de X
4
tant donn X
2
.
(d) Donnez la distribution conditionnelle de X
4
tant donn F
2
.
(e) Calculez lesprance conditionnelle de X
4
tant donn F
2
.
4. Soit lensemble fondamental gnr suite au lancer dun d
= {1, 2, 3, 4, 5, 6} .
On dnit les variables alatoires et les mesures de probabilits suivantes (d non-
truqu et truqu) :
X Y Z W P Q
1 0 0 0 5
1
6
4
12
2 0 5 0 5
1
6
1
12
3 5 5 0 5
1
6
1
12
4 5 5 5 5
1
6
4
12
5 10 5 10 0
1
6
1
12
6 10 10 10 10
1
6
1
12
(a) Trouvez la fonction de masse de probabilit de Y et W sous la mesure P. Que
remarquez-vous ? Refaites le mme exercice, en utilisant la mesure de probabilit
Q.
(b) Est-ce que Y (
i
) = W (
i
) , i ?
A.5. EXERCICES 253
(c) Que pouvez-vous conclure quant lgalit en distribution (galit faible en a)
vs lgalit des variables alatoires (galit forte en b) ? Laquelle des galits est
aecte par la mesure de probabilit ? Pourquoi ?
(d) Est-il possible de construire une seule mesure de probabilit sur telle que les
distributions...
i. ... des v.a. X et Y soient toutes deux uniformes ? Justiez votre rponse.
ii. ... des v.a. X et W soient toutes deux uniformes ? Justiez votre rponse.
iii. ... des v.a. X et W soient identiques ? Justiez votre rponse.
5. Montrez que le processus suivant est une martingale mais nest pas un processus mar-
kovien. Les trajectoires de {X
t
, t = 0, 1, 2, 3} sont donnes dans le tableau suivant :

i
X
0
X
1
X
2
X
3
1 0 -1 -2 -4
2 0 -1 -2 0
3 0 -1 0 0
4 0 -1 0 0
5 0 1 0 2
6 0 1 0 -2
7 0 1 2 2
8 0 1 2 2
o chacune des trajectoires est quiprobable.
6. Une particule se dplace en faisant un pas en avant ou un pas en arrire. On note
par X
t
son dplacement au temps t o X
t
= {1, 1} . On dnit par {Y
t
, t = 0, 1, 2}
le processus stochastique de la position de la particule. Aprs 2 priodes, lensemble
fondamental est donc donn par les 4 lments
1
,
2
,
3
et
4
. On dnit la mesure
de probabilit P telle que Pr
P
(X
t
= 1) = 0.5, t. Dans la mesure de probabilit Q,
Pr
Q
(X
1
= X
2
= 1) = 0.4 et le reste des masses de probabilit est distribu uniform-
ment sur les 3 autres tats de la nature.
(a) Dnissez la variable alatoire Y
t
.
(b) Est-ce que {Y
t
, t = 0, 1, 2} est une martingale sous P? Sous Q?
7. Un joueur entre dans un jeu o chaque tour, il gagne 1$ avec probabilit p et perd
1$ avec probabilit (1 p). Soit X
t
la richesse du joueur aprs t tours et Z
t
le gain ou
la perte au tour t.
(a) Dnissez la variable alatoire X
t
.
(b) Quel type de processus est {X
t
, t = 1, 2, ...} ? Est-ce markovien?
(c) Pour quelle condition est-ce que {X
t
, t = 1, 2, ...} est une martingale ?
(d) Pour quelle condition est-ce que {X
t
, t = 1, 2, ...} est une sousmartingale ?
254 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
8. Les trajectoires possibles dun processus stochastique sont dcrites dans le tableau
suivant :
X
0
X
1
X
2

1
100 120 130

2
100 120 110

3
100 90 100

4
100 90 80

5
100 80 84
Les trajectoires sont quiprobables.
(a) Quelles sont les tribus F
0
, F
1
, F
2
?
(b) Dmontrez que {X
t
, t = 0, 1, 2} nest pas une martingale avec les probabilits
donnes.
(c) Est-il possible dattribuer une probabilit (non-nulle) quelconque
5
de telle
sorte que {X
t
, t = 0, 1, 2} soit une martingale. Expliquez.
(d) Par quelle valeur devrait tre remplace X
2
(
5
) (84) an que {X
t
, t = 0, 1, 2} soit
une martingale ?
9. Les trajectoires possibles dun autre processus stochastique sont dcrites dans le tableau
suivant :
X
0
X
1
X
2

1
100 115 130

2
100 115 110

3
100 90 100

4
100 90 80

5
100 90 75
Les trajectoires sont quiprobables.
(a) Quelles sont les tribus F
0
, F
1
, F
2
?
(b) Dmontrez que {X
t
, t = 0, 1, 2} nest pas une martingale avec les probabilits
donnes.
(c) Peut-on trouver une mesure de probabilit quivalente qui fait en sorte que {X
t
, t = 0, 1, 2}
soit une martingale ? Justiez.
10. Preuves :
(a) Montrez quune somme de martingales est une martingale.
(b) Montrez quun produit de martingales indpendantes est une martingale.
11. On a un modle autorgressif dordre 1 (AR(1)) crit tel que
X
t
= X
t1
+
t
o
t
N (0,
2
) .
(a) Montrez que ce processus est une martingale seulement lorsque = 1.
A.5. EXERCICES 255
(b) laide de la loi des esprances itres, trouver la formule de prvision du modle
AR(1), i.e. E[ X
T+k
| F
T
] .
12. Soient
1
,
2
, ... des variables alatoires indpendantes telles que E[
i
] = 0 et V ar [
i
] =

2
i
. De plus, posons
S
n

n

i=1

i
T
n
V ar [S
n
] =
n

i=1

2
i
.
Montrez que S
2
n
T
2
n
est une martingale.
13. Soit X une variable alatoire et
M
t
E[ X| F
t
] , t 0.
En utilisant la loi des esprances itres, montrez que M
t
est une martingale.
256 ANNEXE A. RVISION DE NOTIONS LMENTAIRES
Annexe B
Autres
B.1 Formules importantes
Relation de parit entre une option dachat et de vente europennes :
C
Call
0
+Ke
rT
= C
Put
0
+S
0
e
r
d
T
.
Thorme fondamental dvaluation des actifs nanciers :
Labsence darbitrage implique lexistence dau moins une mesure neutre au risque
Q telle que
S
t
B
t
= E
Q
_
S
t+1
B
t+1

F
t
_
, t = 0, 1, 2, ...
Linverse tient galement.
Consquence :
C
t
B
t
= E
Q
_
C
t+1
B
t+1

F
t
_
, t = 0, 1, 2, ...
Fonction gnratrice de moments dune loi normale : soit X N (
X
,
2
X
),
alors
M
X
(a) = E
_
e
aX

= exp
_
a
X
+
2
X
a
2
2
_
.
Lemme dIto ou thorme fondamental du calcul (stochastique) dIto :
Soit {X
t
, t 0} un processus dIto tel que
X
t
X
0
=
_
t
0
(s, X
s
) ds +
_
t
0
(s, X
s
) dW
s
et Y
t
= f (t, X
t
) une transformation quelconque du processus dIto.
Alors,
df =
f
t
dt +
f
X
t
dX
t
+
1
2

2
f
X
2
t

2
(t, X
t
) dt.
Mthode dEuler(Maruyama) : on approxime la solution exacte du processus
dIto {X
t
, t 0} par
X
t+t
= X
t
+(t, X
t
) t + (t, X
t
)

tZ
t+t
257
258 ANNEXE B. AUTRES
o X
0
= x (connu), o Z
t+t
i.i.d.
Z N (0, 1) .
Mthode de Milstein : on approxime la solution exacte du processus dIto {X
t
, t 0}
par
X
t+t
= X
t
+(t, X
t
) t + (t, X
t
)

tZ
t+t
+
1
2
t (t, X
t
)

(t, X
t
)
_
Z
2
t+t
1
_
o X
0
= x (connu), Z
t+t
i.i.d.
Z N (0, 1) et

(t, X
t
) =

x
(t, x)

t,Xt
.
quation aux drives partielles (EDP) de Black-Scholes :
C
t
+rS
t
C
S
t
+
1
2

2
S
2
t

2
C
S
2
t
= rC
avec conditions aux bornes donnes par le droit conditionnel rpliquer.
Thorme de Feynman-Kac (cas particulier) :
Soient {Y
t
, t 0} un processus dIto quelconque crit sous la forme
dY
t
= m(t, Y
t
) dt +s (t, Y
t
) dW
t
et une fonction telle que
V
t
(y) = E
_
exp
_

_
T
t
r (u, Y
u
) du
_
g (Y
T
)

Y
t
= y
_
.
Alors, la fonction V
t
(y) est la solution lEDP suivante
V
t
+
1
2
s (t, Y
t
)
2

2
V
Y
2
t
+m(t, Y
t
)
V
Y
t
= r (t, Y
t
) V
avec condition aux bornes V (T, Y
T
) = g (Y
T
). Linverse tient aussi.
Formule de Black-Scholes : le juste prix dune option dachat europenne dans le
modle de Black-Scholes est
C
t
= S
t
e
r
d
(Tt)
(d
1
) Ke
r(Tt)
(d
2
)
avec
d
1
= d
2
+

T t
d
2
=
ln
S
t
K
+
_
r r
d

1
2

2
_
(T t)

T t
.
Relation de parit entre les options composes : t = 0, on a
COC
0
POC
0
= C
0
K
1
e
rT
1
COP
0
POP
0
= P
0
K
1
e
rT
1
.
B.1. FORMULES IMPORTANTES 259
Option dachat amricaine avec dividende unique : t = 0, loption amricaine
vaut donc,
S
0
Ke
rT
1
+COP
0
o le prix dexercice du call-on-put est D K
_
1 e
r(T
2
T
1
)
_
.
Option dchange : dans le modle de Black-Scholes, on obtient
C
t
= S
t
e
r
(S)
d
(Tt)
(d
1
) K
t
e
r
(K)
d
(Tt)
(d
2
)
avec
d
1
=
ln
_
S
t
e
r
(S)
d
(Tt)
_
ln
_
K
t
e
r
(K)
d
(Tt)
_
+
1
2

2
(T t)

T t
d
2
= d
1

T t

2
=
2
S
+
2
K
2
K

S
.
Variables grecques (au temps t) pour une option dachat europenne dans le modle
de Black-Scholes :
= e
r
d
(Tt)
(d
1
)
= e
r
d
(Tt)

(d
1
)
S
t

T t
= e
r
d
(Tt)
S
t

(d
1
)
2

T t
rKe
r(Tt)
(d
2
)
= S
t
e
r
d
(Tt)
(d
1
)

T t
= K (T t) e
r(Tt)
(d
2
) .
Variable antithtique : on dnit un nouvel estimateur de comme tant

(anti)

1
N
N

i=1
_
g (X
i
) +g (X

i
)
2
_
.
Variable de contrle : on dnit un nouvel estimateur de comme tant (notation
MFE)

(cont)

1
N
N

i=1
(g (X
i
) + ( h(X
i
)))
o
=
Cov (g (X) , h(X))
Var [h(X)]
.
Dynamique de lobligation zro-coupon T
1
annes :
dP
(1)
t
= (r
t
, t, T
1
) P
(1)
t
dt q (r
t
, t, T
1
) P
(1)
t
dW
t
260 ANNEXE B. AUTRES
avec
(r
t
, t, T
1
)
1
P
(1)
t
_
P
(1)
t
t
+(t, r
t
)
P
(1)
t
r
t
+
1
2

2
(t, r
t
)

2
P
(1)
t
r
2
t
_
q (r
t
, t, T
1
)
1
P
(1)
t
(t, r
t
)
P
(1)
t
r
t
.
Portefeuille de rplication en intrt stochastique : pour un titre C de maturit
T < T
1
mis sur le taux court, alors lEDP que doit obir C est
r
t
C =
C
t
+ ((t, r
t
) +(t, r
t
, T
1
) (t, r
t
))
C
r
t
+
1
2

2
(t, r
t
)

2
C
r
2
t
avec une certaine condition aux bornes pr-spcie (paiement du droit lchance)
et o
(t, r
t
, T
1
)
(r
t
, t, T
1
) r
t
q (r
t
, t, T
1
)
.
Modle structure ane : le prix dune obligation zro-coupon est donc
P
t
(T) = A(t, T) exp (B(t, T) r
t
) .
Vasicek et CIR entre autres ;
Modle de Vasicek : si on dnit lvolution du taux court sous la mesure relle de
probabilit comme
dr
t
= a (b r
t
) dt +dW
P
t
alors
P
t
(T) = A(t, T) exp (B(t, T) r
t
)
o
B(t, T) =
1 e
a(Tt)
a
A(t, T) = exp
_
r (B(t, T) (T t)) B(t, T)
2

2
4a
_
r = b +

a
0.5

2
a
2
.
B.2. TABLE DE LA LOI NORMALE 261
B.2 Table de la loi normale
Fonction de rpartition de la loi normale standard N (0, 1)
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000