Cours Mathématiques Financières (M1 ) Semestre 2 / 2000

Pr Ngongang - Dr Ngomsi - Dr Mignamissi

Objectifs pédagogiques

- Familiariser les étudiants de M1 avec la finance et aux techniques des décisions financières;
- permettre aux étudiants d’acquérir les bases (temps, valeur et risque) et de les déployer au
niveau de l’évaluation des actifs financiers (obligations, action, option) et de décisions
financières tactiques (fusion, acquisition, cession, etc.)`;
- Exposer les concepts fondamentaux de la finance que sont la valeur du temps, l’arbitrage entre
rendement et risque ainsi que la théorie des options;
- Aborder en détails la valorisation des actifs financiers et présenter le modelé d’équilibre des
actifs financiers (MEDAF ou CAPM);
- Présenter les critères des décisions d’investissement.

Contenu du cours

TITRE I : Les concepts fondamentaux

Chapitr1 : les instruments de mathématiques financières

-La valeur du temps
- Les suites de flux monétaires
- les emprunts indivis
Chapitre2 : le rendement et risque
- Attitude vis-à-vis du risque
- Esperance-variance
Chapitre 3 : les options
- Généralité
- Les stratégies de base
- Quelques combinaisons de base
- Les déterminants du prix des options
- Les bornes du prix d’option : la parité Call-Put
- Les paramètres de gestion : le grecs
Chapitre 4 : Gestion portefeuille
- Portefeuille à deux actifs risqués
Portefeuilles à n actifs risqués.
La diversification
Titre II : L’évaluation des actifs financiers
Chapitre 5: L’évaluation des obligations à taux fixe : le risque de taux.
- Généralités sur les emprunts obligataires
- La gestion obligataire
- La gestion Actif -Passif
- La structure â terme
Chapitre 6 : L’évaluation des actions ordinaires
- Les modèles actuariels
- Les opportunités de croissance
- Le PER ( price earnings ratio)
Chapitre 7 : L’évaluation des options
- Évaluation par le modèle binomial
- Évaluation par le modèle de Black & Scholes
Chapitre; 8 le MEDAF(CAPM), le modelé de marche, l’efficience des marchés
- Le MEDAF (CAPM), la droite de marché
- Quelques applications
- Le modèle du marché
- Les limites du modèle de marché, L’APT
- L’efficience des marchés
Chapitre 9 : les décisions d’investissement
- La détermination des flux
- Les critères de choix
Manuels de références
1. Octave Jokung , Mathématiques et gestion financières, Edition de Boeck.
2. Jonathan Bert et Peter DEmarzo et al., Fiance d’entreprise, 3 éditions, Pearson
3. Gestion de portefeuilles et théorie des marchés financiers

Suite du cours Magistral Chapitre 2 (5 et 11 mars2020)

Exemple : 2 Reprenons l'exemple précédent en considérant la fonction d'utilité

suivante:
1
U (W )  6 W 2
10
Elle conduit à un niveau d'utilité espérée égale à: 0,5U(1200 000)+ 0,3U(1100
000)+ 0.2U(850 000)= 1227 500FCFA.
Un niveau supérieur à celui atteint avec la richesse espérée qui est de U(1100
000)= 1210 000FCFA.
Conclusion: le portefeuille risqué sera préférée aux bon du trésor accompagnés
du cash. ce qui signifie l'action est préférée est préférable aux bon pour cet
individu. il n'y aura pas d'échange dans ce cas.

2. Aversion vis-à-vis du risque et concavité de la fonction d'utilité

selon l'inégalité de Jensen l'espérance d'utilité de la richesse finale est inférieure
à l'utilité de la richesse moyenne dès lors que la dérivée seconde de la fonction
d'utilité. est négative. c-a-d, que la fonction d'utilité est concave.
 
on a alors: U (W0  E ( x)) > EU (W0  x)
ce qui signifie que l'individu possède de l'aversion pour le risque  U ' ' (W ) < 0
si par contre la dérivée seconde est nulle, alors la fonction d'utilité sera linéaire.
 
U (W )  ax  b avec b= positif. dans ce cas: U (W0  E ( x))  EU (W0  x) , c.-à-
d., U''(W)=0. et l'individu est neutre par rapport au risque.

pour le dernier cas, avec une fonction d'utilité convexe ( U ' ' > 0 (U''), on
 
aura: U (W0  E ( x)) < EU (W0  x)
et nous sommes en présence d'une attirance pour le risque.
Conclusion: L'aversion vis-à-vis du risque se caractérise par la concavité de la
fonction d'utilité. un individu russophobe possède une fonction d'utilité
converse tandis qu'un discophile est doté d'une fonction d'utilité concave.

3. aversion absolue pour le risque, Equivalent certain, Prime de risque.

pour appréhender le risque, il existe 3 concepts:

- L'Equivalent certain
- Le prix de vente et,
- La prime de risque
1. L'équivalent certain
ll s'agit de déterminer le montant sûr et certain pour lequel on peut remplacer la
richesse finale et la loterie sans pour autant modifier le niveau d'utilité.

a) Définition
on appelle équivalent certain, la richesse sûr et certaine qui procure le même
niveau d'utilité que la richesse centrale et la loterie:

U ( EC )  EU (W0  x)

Exemple: on reprend la fonction d'utilité concave

1
U (W )  W  W 2 . Déterminons l'équivalent certain de cette situation.
2 x10 7
Le niveau d'utilité espérée est de 1038 625fcfa, et peut être atteint avec un
montant sans risque EC vérifiant U(EC)= 1038625.
Il faut donc résoudre l'équation du second degré qui suit:

1
EC  7
EC 2 = 1038625, soit EC=1099015 FCFA.
2 x10
Ainsi, la détensions d'un portefeuille est équivalente à celle d'un montant en
cash égale à 1099015 FCFA.
exemple 2:
1
considérons maintenant la fonction d'utilité U (W )  6 W 2 . L'équivalent
10
1
certain est solution de l'équation U(EC)= 1227 500 c.-à-d., EC 2  1227500
10 6
. soit EC= 1 107 926 FCFA.
NB: le concept d'équivalent certain est très important dans la mesure où il
permet de comparer toutes les situations risqués ou non en les remplaçant par
leur équivalent certain qui lui ne sera pas risqué. le meilleur choix entre
plusieurs situations sera celui doté de l'équivalent certain le plus élevé.

2 . Le prix de vente
on appelle prix de vente de la loterie la meilleur qu'un individu accorde à cette
loterie. elle est donnée par

Pv  (W0 , x)  EC  W0

Exemple:
reprenons l'exemple précédant avec la fonction concave.
1
U (W )  W  7
W 2 . Le prix de vente de l'action A sera alors de:
2 x10

Pv (W0 , x)  EC  W0  1099015  1000000  99015 fcfa
avec la fonction d'utilité concave, on aura

Pv (W0 , x)  EC  W0  1107956  1000000  107926 fcfa
NB: le prix de vente de la loterie indique le prix qu'un individu risqucophobe est
prêt à payer pour être débarrassé de la loterie ou alors le prix qu'un individu
riscophile est prêt à accepter pour être débarrassé de la dite loterie.

3. la prime de risque
on appelle prime de risque la quantité de risque évaluée par un décideur
riscophobe ou riscophile:
  
(W0 , x)  E ( x)  Pv (W0 , x)
exemple : on considère l'exemple précédent avec la fonction convexe. la
quantité de risque contenue dans l'action A sera:
  
(W0 , x)  E ( x)  Pv (W0 , x)  100000  99015  985
par contre, dans le cas de la fonction convexe elle conduit à une prime de risque
égale à
  
(W0 , x)  E ( x)  Pv(W0 , x)  100000  107926  7926

NB: L'équivalent certain diminue lorsque l'aversion vis-à-vis du risque augmente

et la prime de risque n'est pas positive que pour le risquophobe. la neutralité
pour le risque conduit un équivalent certain égal à l'espérance mathématique de
la richesse finale. la prime de risque est positive uniquement pour le décideur ou
l'investisseur riscophobe.

4. L'aversion absolue pour le risque

l'exposé des concepts d'équivalent certain, de prix de vente et de prime de

risque a permis de cerner l'attitude face au risque des décideurs (investisseurs)
en établissant les relations suivantes:

1- U ( EC )  EU (W0  x)

2. Pv  (W0 , x)  EC  W0
  
3. (W0 , x)  E ( x)  Pv (W0 , x)
En remplaçant le prix de vente par son expression en fonction de l'équivalent
certain et de la richesse initiale dans la dernière relation, on obtient
 
(W0 , x)  E ( x)  EC  W0 . d’où on tire l'expression de l'équivalent certain
 
EC  W0  E ( x)   (W0 , x) qui replacée dans la 1ere relation conduit
directement monorisque:
  
EU (W0  x)  U (W0  E ( x)  (W0 , x))
pour de petits risques (inferieur à 20 % de la riche initiale) la relation monorisque
par le développement limité devient:

  U ' ' (W0  E ( x)
2


 (W0 , x)  x

2
U ' (W0  E ( x)

où  2  variance de la loterie .
x

cette prime de risque comporte 2 composantes:

 U ' ' (W )
- une subjective liée directement à l'individu et qui mesure l'intensité
U ' (W )
de l'aversion ou de l'attrait au risque. il s'agit du coefficient d'aversion absolue
par le risque noté R u .
- une objective  2 / 2 qui mesure la quantité de risque intrinsèque de la loterie,
x

et on a le résultat suivant:
a) R u est positif, négatif ou nul lorsque l'individu est averse vis-à-vis du risque,
porté au risque ou neutre à l'égard de celui-ci;
b) plus R u est élevé et positif, plus l'individu est averse vis-à-vis du risque;
c) R u mesure la courbure de la fonction d'utilité.

5. Les fonctions d'utilité classique

a) La fonction d'utilité décrivant la neutralité pour le risque

U (W )  W  
où le coefficient  est positif.
on a R u (coefficient d'aversion absolue pour le risque) = 0
cette fonction est celle associée aux individus neutres par rapport au risque.
L'équivalent certain correspond à l'expérience mathématique de la richesse
finale, et la prime de risque est nulle.
b) La fonction d'utilité décrivant une aversion absolue pour le risque continue
  U ' ' (W )
on a:  , c.-à-d, U ' ' (W )  U ' (W )  0
U ' (W )

C'est une équation différentielle ayant pour fonction caractéristique r 2  r  0

qui admet comme solution 0 et à l'opposé  . ainsi, les fonctions d'utilité
solutions sont la fonction d'utilité constante et exponentielle négative définie
par U (W )  e W
L'axiome de non-satiété nous conduit ;a ne retenir que cette dernière. l'aversion
relative augmente avec la richesse.
c) La fonction d'utilité décrivant une aversion relative pour le risque unitaire

l'expression de l'aversion relative nous indique que`:

 U ' ' (W )  U ' ' (W ) 1
W 1 c=a-d, 
U ' (W ) U ' (W ) W
1
ce qui donne par intégration log(U )   log(W )  Log ( ) et l'utilité marginale
W
1
de la fonction d'utilité correspond à l'inverse de la richesse: U (W )  .
W
ce qui correspond à la fonction d'utilité logarithmique (U (W )  log(W )). Et le
coefficient d'aversion absolue pour le risque correspond à l'inverse du niveau de
richesse. il est par conséquent décroissant.

d) la fonction d'utilité quadratique


elle est définie par U (W )  W  W 2 et uniquement pour les niveaux de
2
1
richesse inférieures à . son coefficient d'aversion absolue pour le risque est

croissant avec le niveau de richesse et correspond à:
 U ' ' (W ) 
 et l'aversion relative est une fonction croissante de la
U ' (W ) 1  W
richesse.
Section 2: Espérance=Variance

il existe plusieurs types de risque, nous pouvons citer:

- le risque lié aux ventes où à la production, le risque financier; le risque de
faillite; le risque de taux; le risque de change; le risque politique; le risque
systémique, le risque de contrepartie, etc.
les décisions doivent être prise en fonction de ces divers risques. La sensibilité
d'un investissement, d'un projet ou d'un actif est représentée par la variable

aléatoire r . par exemple dans le cas d'une action versant un dividende de D' on
aura:
 C1  D  C 0
r= où C1 et C 0 désignent respectivement le cours actuel et le
C0

cours futur de l'action.

Exemple:
un projet d'investissement nécessite une mise de fonds de 1000000 FCFA avec
des résultats escomptés de 500 000 FCFA, 1000 000 FCFA ou de 2000 000fcfa
avec les probabilités respectives 0,25; 0,50; 0,25.
déterminer la rentabilité correspondant à la variable aléatoire.
solution
Probabilité 0,25 0,5 0,25
 C1  D  C 0  

rentabilité r= r =0% r =100%

C0
 500000  1000000
r =
1000000
=-50%
NB: la rentabilité est caractérisée dans tous les cas par 2 notions essentielles, à
savoir l'espérance, la variance et l'écart type. cette rentabilité prend en compte
le caractère aléatoire des situations précédentes.
2.1 Espérance de rentabilité
elle est par essence aléatoire. nous l'appréhendons par un indicateur qui est lui
aléatoire. il s'agit de l'espérance mathématique qui mesure le résultat espéré.
plus l'espérance sera élevée, plus le projet sera attrayant.
Définition: Etant donné les états de la nature e1 , , , , , , , , en affectés des

probabilités P1 ....... pn . on appelle espérance mathématique de la variable

  
aléatoire r prenant les valeurs r1 .......... rn dans les états e1 , , , , , , , , en , le réel, noté
  n 
E (r ), donné par: E (r ) =  Pi ri
e 1

Exemple:
on reprend l'exercice précédent.
Probabilité 0,25 0,5 0,25
-50% 0% 100%
rentabilité

déterminer le rendement.
solution:
le projet possède un rendement évaluée a:
 n  
E (r ) = P r
e 1
i i , E (r ) = 0,25(-50&)+ 0,5(0%) + 0,25x(100%)= 12%.

2.2 La Variance et l'écart-type de la rentabilité

i.e rendement ne rend pas compte de la diversité des niveaux possible de

rentabilité, mais il les synthétises dans une unique expression, l' espérance. la
volatilité ou encore le caractère aléatoire de la rentabilité d'un projet ou
investissement se mesure par la variance ou de sa racine carrée. la variance
correspond à la somme des carrées des écarts de la rentabilité par rapport â sa
moyenne. la variance donne une quantité de risque contenue dans le résultat,
plus l'écart-type est important , plus le projet considéré est variable et par
conséquent entaché de risque.
Définition: Etant donné les états de la nature e1 , , , , , , , , en affectés des

probabilités P1 ....... pn . on appelle variance de la variable aléatoire r prenant les
  
valeurs r1 .......... rn dans les états e1 , , , , , , , , en , le réel, noté Var( r ) et donné par:

 n 
Var( r )=  P (r  E (r ))
i 1
i i
2

Exemple:
considérons les rentabilités du même projet précédent et déterminons la
variance.
Probabilité 0,25 0,50 0,25
-50% 0% 100%
Rentabilité

solution:

Var( r )=0,25x(-50%-12,5%) 2 + 0,5(0--12,5%) 2 +0,25(100%-12,5%) 2 = 0,296875
soit un écart type de 54,48% ou prés de 55%.
Le rendement et le risque de l'exemple sont respectivement de 12,5% et de
54,48%. Ainsi, si les rentabilités sont distribuées suivant une loi normale, la
probabilité d'obtenir une rentabilité comprise entre -41,98% et 66,98% serait
exactement égale à 0,6826. la rentabilité se situe 2 fois sur 3 entre la moyenne
diminuée de l'écart-type et de cette moyenne augmentée de l'écart-type. plus
les bornes seront éloignées, plus le résultât sera variable.

2.3. La covariance et le coefficient de corrélation

la notion de covariance permet de saisir l'évolution conjointe de deux variables

aléatoires. si les rentabilités de 2 actifs évoluent dans le même sens, à savoir que
lorsque l'une est élevée, il en de même pour l'autre et versa, alors leur
covariance, sera positive. par contre si les variables ont tendances à évoluer en
sens opposé, leur covariance sera négative. mais, si elles évoluent
indépendamment l'une de l'autre, leur covariance sera nulle. la covariance est
obtenue à partir du produit des écarts des rentabilités par rapport à la rentabilité
espérée.
Définition: Etant donné les états de la nature e1 , , , , , , , , en affectés des

probabilités P1 ....... pn . on appelle covariance de deux variables aléatoires x et
    
y prenant les valeurs x1 .......... x n et de y1 .......... y n dans les états e1 , , , , , , , , en , le
 
réel, noté Cov ( x, y ) et donné par:

  n  
Cov ( x, y )=  P (x  E ( x))( y
i 1
i i i  E ( y i ))

la covariance peut également s'exprimer:

  n      
Cov ( x, y )=  P ( x , y )  E ( x) E ( y )  E ( x y )  E ( x) E ( y )
i 1
i i i i

Exemple: considérons les deux projets caractérisés par les rentabilités qui
suivent et déterminons les différentes covariances

Projet X
Etat e1 e2 e3

0,25 0,5 0,25

Probabilité
- 50% - 0% 100%
rentabilité

Projet Y
Etat e1 e2 e3
 0,25 0,5 0,25
Probabilité
12,5% - 0% - 25%
rentabilité

Projet Z
Etat e1 e2 e3

0,25 0,5 0,25

Probabilité
-25% 0% 50%
rentabilité

Projet T
Etat e1 e2 e3

0,25 0,5 0,25

Probabilité
70% 0% 50%
rentabilité

Déterminer la covariance entre les projets X et Y; et les projets X et Z et Projets X

et T
solution:
projets X et Y
0,25x(-0,5 -0,125)(0,125 + 0,03135) +0,5x(0- 0,125)(0,03135)+ 0,25x(1-0,125)(-
0,25+0,0135)= -0,07421
Projets X et Z
0,25x (-0,5-0,125)(-0,25-0,0625) + 0,5x(0-0,125)(0-0,0625) +0,25x(1-0,125)(0,5-
0,0625)= 0,1484375.
Projets X et T
0,25x(-0,5-0,125)(0,7-0,3)+ 0,5x(0-0,125)(0-0,3)+0,25x(1-0,125)(0,5 -0,3)= 0.
La covariance n'est pas adoptée pour comparer diverses solutions et mesurer le
degré de corrélation. pour cela , on utilise le coefficient de corrélation qui
s'obtient en divisant la covariance par le produit des écarts-types. il s'agit d'une
nombre sans dimension compris entre -1 et 1.
Définition: Etant donné les états de la nature e1 , , , , , , , , en affectés des

probabilités P1 ....... pn . on appelle coefficient de corrélation de deux variables

     
aléatoires x et y prenant les valeurs x1 .......... x n et de y1 .......... y n dans les


    cov( x, y )
états e1 , , , , , , , , en , le réel, noté  ( x, y ) ) et donné par:  ( x, y ) 
 x y
exemple: reprenons les rentabilités de 3 projets précédents, les coefficients de
corrélations relatifs aux covariances sont respectivement de -1 , 1 et 0 .
Conclusion: X et T évoluent de façon systémique en sens inverse, X et Z évoluent
dans le même sens , alors que X et T ont des évolutions indépendantes.

Exercices d'applications voir Fiches TD 1 et 2

Chapitre 3 et 4: Les Options et la gestion des portefeuilles (s'en viens)