Vous êtes sur la page 1sur 7

Projet mathmatique

Arnaud Bonnet et Ilyesse Bouazzi


19 mai 2015
1

Modle de Cox-Ross-Rubinstein

1.1

Question 0 et 1

L'arbre est un arbre de probabilits d'une succession de variables de Bernoulli pour les vnements

T = 1 + h et T = 1 b. Ainsi pour deux itrations on a l'arbre suivant :

On obtient donc en introduisant l'actualisation (1 + rN )N


qN =
1.2

rN bN
hN bN

Question 2

On calcule l'esprance EQ (f (StN )), la succession d'preuves de Bernoulli suit une loi binomiale donc on
a pour une valeur f (STN ) :
EQ (f (StN )) =

N  
X
N
j=0

q j (1 q)N j f s(1 + h)j (1 + b)N j

donc on trouve pour p(N )


N  
X

1
N j
p( N ) =
q (1 q)N j f s(1 + h)j (1 + b)N j
(1 + rN )N j=0 j

1.3

Question 3

On introduit une fonction Q pour assister les calculs et qui renvoie qN en fonction des paramtres de la
question 1. Dans la suite de l'nonc Put et Call renvoient respectivement les maximum de x K et K x.
Q ( r , h , b)
r e n v o y e r ( r b ) / ( hb )
fin
p r i c e 1 ( s , r , h , b , N, K, f )
q < Q( r , h , b )
p < 0
pour i a l l a n t de 1 a N
p < p + somme des c o e f f i c i e n t s binomiaux a l ' i n s t a n t N pour l a f o n c t i o n f
fin
r e n v o y e r p/(1+ r )^N
fin
1.4

95.

Question 4

On obtient comme valeur 0, 08867 avec les paramtres N = 3, r = 0.03, h = 0.05, b = 0.05, s = 100, K =

1.5

Question 5

On va construire une matrice de vecteurs dont la taille sera dcroissante et dont les valeurs seront celles
des actifs possibles l'instant i.
p r i c e 2 ( s , r , h , b , N, K)
i n i t i a l i s e r tableau price
q< Q( r , h , b )
pour i a l l a n t de 1 a n
price [ i + 1] = f ( valeur actualisee )
f i n pour
trier price
pour n a l l a n t de N a 1
pour i a l l a n t de i a n
p r i c e [ i ] < (1 / (1+ r ) ) ( p r i c e [ i + 1 ] q
f i n pour
f i n pour
fin
1.6

+ (1 q ) p r i c e [ i ] )

Question 6

Voir feuille jointe.


1.7

Question 7

Les rsultats sont identiques pour les deux questions.


2

Modle de Black-Scholes

2.1

Question 11

On a le rsultat pour tout x > 0, x ln(x) =

1
x

et x2 ln(x) = x12 . On applique la formule d'Ito d ln(St ) :


2

d ln(St )

| 2 St | dt
2
St2
2
+
 dBt 2 dt

1
St dSt

= Z
rdt

u
2
rdt + dBt
d ln(St ) =
dt
2
0
0
2
ln(Su ) ln(s) = ru + Bu 2 u
Z

On trouve nalement

2.2

2
)t + Bt
St = s exp (r
2


Question 12

L'implmentation suit le pseudo-code suivant. R fournit des fonctions haut niveau pour gnrer des
chantillons alatoires pour la loi normale grce rnorm(n) o n est la taille d'un chantillon (1 seul point
gnr ici). Les arguments correspondent ceux de l'nonc.
FonctionBorne ( nombres : e n t r e e , kK)
s i entree < K
renvoyer K x
sinon
renvoyer 0
fin
GenererPoint ( s , r , sigma , T)
r e n v o y e r s exp ( ( r sigma ^2/2) T+sigma s q r t (T) rnorm ( 1 ) )
fin
p r i c e 3 ( n , s , r , sigma , T, K)
p < 0
pour i a l l a n t de 1 a n
p < p + F o n ct i o n Li m i t e ( GenererPoint ( s , r , sigma , T) , K)
f i n pour
r e n v o y e r p exp( r T)/ n
fin

2.3

Question 13

2.4

Question 14

Il s'agit de montrer que p(n) est un estimateur sans biais.




n
P
E n1
erT f
i=1
h
n
P
1
E erT f
n
i=1

2
2 )T



s exp (r
+ T i


i
2
s exp (r 2 )T + T i

La variable Bt suivant une loi normale, on trouve que l'estimateur est asymptotiquement sans biais donc
la convergence est presque sre.


On a chaque variable de la somme suit la mme loi d'esprance = E erT f (ST ) et de variance et
tous les tirages sont indpendants. L'application du thorme central limite nous indique que la moyenne
suit la loi N (, n ). L'intervalle de conance d'un niveau de 95% pour une telle loi est donc donn par

I =] 1, 96 , + 1, 96 [
n
n

Finalement, on cherche la valeur de n pour laquelle 2 1, 96 n 102 , c'est dire n (100 2 1, 96 )2 =


153664 2 . Il faut donc faire au moins 153664 2 simulations an d'avoir l'intervalle de conance requis.
2.5

Question 15

Il s'agit de simples additions et produits.


2.6

Question 16

Pour les paramtres demands on trouve comme valeur 2.257405.


4

2.7

Question 17

Les valeurs sont disponibles sur le graphe de la question 13 de mme pour la ligne, la valeur obtenue pour
put est 2.626431.
2.8

Question 18

On remarque que toutes les valeurs convergent vers 0.


3

Annexe : codes sources

Q < f u n c t i o n ( r , h , b ){ #P r o b a b i l i t e r i s q u e n e u t r e
q<(r b ) / ( hb )
q
}
EvoActif< f u n c t i o n ( s , h , b , N, i ){ #E v o l u t i o n du p r i x de l ' a c t i f au f i l des i t e r a t i o n s
S< s ((1+h)^ i ) ((1+ b )^(N i ) )
S
}

Call < f u n c t i o n ( x , K){ #Fonction repondant a l a d e f d ' un c a l l o p t i o n


i f ( x > K){
x K
else {
0

Put< f u n c t i o n ( x , K){ #Fonction repondant a l a d e f d ' un put o p t i o n


i f ( x < K){
K x
else {
0

Price1Put< f u n c t i o n ( s , r , h , b , N, K){ #P r i c e r 1 avec un put o p t i o n


q<Q( r , h , b )
p<0
f o r ( i i n seq ( 0 ,N, by=1)) { #On implemente betement e t simplement l a somme .
p<p+choose (N, i ) q^ i (1 q )^(N i ) Put ( EvoActif ( s , h , b ,N, i ) ,K)
}
p<p/(1+ r )^N
p
}
P r i c e 1 C a l l < f u n c t i o n ( s , r , h , b , N, K){ #S i m i l a i r e avec un c a l l o p t i o n
q<Q( r , h , b )
5

p<0
f o r ( i i n seq ( 0 ,N, by=1)) {
p<p+choose (N, i ) q^ i (1 q )^(N i ) C a l l ( EvoActif ( s , h , b ,N, i ) ,K)
}
p<p/(1+ r )^N
p
}
Price1Put ( 1 0 0 , 0 . 0 3 , 0 . 0 5 , 0 . 0 5 , 3 , 9 5 )
Price1Call (100 ,0.03 ,0.05 , 0.05 ,5 ,100)
price2Put < f u n c t i o n ( s , r , h , b , N, K){
#Fonction du modele de CoxRoss R u b i n s t e i n pour un put o p t i o n
p r i c e = NULL #Tableau regroupant l e s v a l e u r s de l ' o p t i o n
q< Q( r , h , b )

f o r ( i i n 0 :N){
p r i c e [ i + 1 ] = Put ( EvoActif ( s , h , b ,N, i ) ,K)
#On r e m p l i t l e v e c t e u r avec l e s v a l e u r s c a l c u l a b l e s

s o r t ( p r i c e ) #On met dans l ' o r d r e l e v e c t e u r pour s i m p l i f i e r l e s c a l c u l s

f o r ( n i n N: 1 ) {
f o r ( i i n 1 : n ){
p r i c e [ i ] = (1 / (1+ r ) ) ( p r i c e [ i + 1 ] q + (1 q ) p r i c e [ i ] )
#I c i on p a s s e de t i a t i 1, r e c u r s i v e m e n t on e c r a s e
#l e s composantes du v e c t e u r s par l a n o u v e l l e v a l e u r

}
c a t ("\ nLe p r i x de l ' o p t i o n e s t de : " , round ( p r i c e [ 1 ] , 5 ) , " e u r o s \n ")
#Prix a r r o n d i a 4 d e c i m a l e s
}
p r i c e 2 C a l l < f u n c t i o n ( s , r , h , b , N, K){ #Fonction s i m i l a i r e mais pour un c a l l o p t i o n
p r i c e = NULL
q< Q( r , h , b )
f o r ( i i n 0 :N){
p r i c e [ i + 1 ] = C a l l ( EvoActif ( s , h , b ,N, i ) ,K)

}
sort ( price )

f o r ( n i n N: 1 ) {
f o r ( i i n 1 : n ){
p r i c e [ i ] = (1 / (1+ r ) ) ( p r i c e [ i + 1 ] q

+ (1 q ) p r i c e [ i ] )

}
c a t ("\ nLe p r i x de l ' o p t i o n e s t de : " , round ( p r i c e [ 1 ] , 5 ) , " e u r o s \n ")
}
price2Put (100 ,0.03 ,0.05 , 0.05 ,3 ,95)
price2Call (100 ,0.03 ,0.05 , 0.05 ,3 ,95)
EvoActifMonteCarlo< f u n c t i o n ( s , r , sigma ,T){
}

S<s exp ( ( r sigma ^2/2) T+sigma s q r t (T) rnorm ( 1 ) )

p r i c e 3 < f u n c t i o n ( n , s , r , sigma , T,K) # P r i c e r par l a methode de MonteCarlo


{
p<0
f o r ( i i n seq ( 1 : n ) ) { #On implemente betement e t simplement en f a i s a n t l a somme
p<p+Put ( EvoActifMonteCarlo ( s , r , sigma ,T) ,K)
}
p<p exp( r T)/ n #Puis on m u l t i p l i e par l e s e l e m e n t s independants de l a somme
p
}
price3 (10000 ,100 ,0.03 ,0.1 ,1 ,100)
convergence < f u n c t i o n ( k ){
p=NULL
f o r ( i i n seq ( 1 : k ) ) { #On t e s t e l e p r i c e r de MonteCarlo pour d i f f e r e n t e s v a l e u r s
p<p+MonteCarlo (10000 k , 1 0 0 , 0 . 0 3 , 0 . 1 , 1 , 1 0 0 )
}
p #On a f f i c h e l e v e c t e u r des d i f f e r e n t e s v a l e u r s
#on remarque qu ' i l y a une c o n v e r g e n c e v e r s 2 . 6 e n v i r o n
}
F < f u n c t i o n ( x ) {
r e t u r n ( i n t e g r a t e ( dnorm , 100, x , s u b d i v i s i o n s = 1 0 0 0 0 ) ) #
}
put < f u n c t i o n ( s , r , sigma , T,K){ #On implemente betement e t simplement l a f o n c t i o n a f f i c h e e
d < 1 / ( sigma s q r t (T) ) ( l o g ( s / K) + ( r + sigma ^2 / 2) T)
r e s < s F(d ) $ v a l u e + K exp( r T) F(d + sigma s q r t (T) ) $ v a l u e
res
}
put ( 1 0 0 , 0 . 0 3 , 0 . 1 , 1 , 1 0 0 ) #On remarque qu ' on a r r i v e aux a l e n t o u r s de 2 . 6 .