Académique Documents
Professionnel Documents
Culture Documents
Niels BOHR
( 1885- 1962)
INSEA Devolder 2
• PARTIE 1 : LES ACTIFS DERIVES
• PARTIE 2 : MODELES STOCHASTIQUES
DISCRETS
• PARTIE 3: CALCUL STOCHASTIQUE
• PARTIE 4: MODELES STOCHASTIQUES
EN TEMPS CONTINU
INSEA Devolder 3
!"# $$
• 1.1 Introduction
• 1.2 Les options classiques
• 1.3 Les options exotiques
• 1.4 Un premier exemple de pricing par
arbitrage
INSEA Devolder 4
% &
#"'! #() "&#
• 2.1 Modèle discret général
• 2.2 Modèle binomial de COX-ROSS-
RUBINSTEIN
• 2.3 Théorème général de tarification
neutre risque
• 2.4 Modèle de courbe de taux HO et LEE
INSEA Devolder 5
* !")
#"'! #()
• 3.1 Motivation
• 3.2 Processus stochastiques en temps continu
• 3.3 Le mouvement brownien
• 3.4 Intégration stochastique – Lemme de ITO
• 3.5 Equations différentielles stochastiques
• 3.6 Dérivée de RADON-NIKODYM et théorème
de GIRSANOV
• 3.7. Représentation de FEYNMAN- KAC
• 3.8. Calcul stochastique multi dimensionnel
INSEA Devolder 6
+ & ,
#-. ",#,)
• 4.1 Modèle brownien additif et géométrique
• 4.2 Modèle de BLACK SCHOLES
• 4.3 Modèles de courbe de taux de VASICEK et
HULL & WHITE
• 4.4 Mesure forward neutre et tarification
d’options sur zéro coupons
• 4.5. Options sous taux d’intérêt stochastiques
INSEA Devolder 7
HULL J.C. :
Options, Futures and other
derivatives ( Prentice-Hall)
SHREVE S.:
Stochastic calculus for
finance (vol. 1 and 2) ( Springer)
INSEA Devolder 9
PARTIE 1
!"# $$
,#)"#,
FINANCE = Allocation de ressources rares au cours du temps
2 caractéristiques :
1° le temps
2° l’incertitude
INSEA Devolder 11
Introduction
2 problèmes fondamentaux de la finance de marché :
INSEA Devolder 12
Produits financiers
- Les obligations
- Les actions
INSEA Devolder 13
Les obligations
INSEA Devolder 15
Les obligations
Structure des prix des zéro coupons :
1
P( s, t ) =
(1+ R(s, t ))t −s
INSEA Devolder 16
Les obligations
Gamme des taux à terme ( forward rate) :
1
P (s, t ) =
(1 + r(s,1))(1 + r(s,2)...(1 + r(s, t − s)
Incertitude :
P(s,t) est observable à l’instant s
P(s,t) n’est pas observable à l’instant r < s
Incertitude quant à l’évolution future des taux d’intérêt
INSEA Devolder 17
Les actions
ACTION : titre financier représentatif d’un droit de
propriété d’une part d’une entreprise donnant droit à des
revenus réguliers liés aux résultats de l’entreprise appelés
dividendes.
REVENU GLOBAL ESPERE : dividendes et plus value
( écart entre prix de vente et prix d’achat)
COURS DE L’ACTION : actions généralement échangées
sur des marchés ( titres négociables)
INSEA Devolder 18
Les actions
Caractéristique temporelle:
ACTION = Titre sans maturité
Caractéristique de risque :
ACTION = Titre aléatoire par excellence; pas de
condition aux limites comme les obligations
INSEA Devolder 19
% .#, "! ()
Actif dérivé :actif conditionnel construit sur un autre
actif préexistant appelé sous jacent et dont les cas flows sont
conditionnels à ce sous jacent.
INSEA Devolder 20
Les actifs dérivés
Exemples de sous jacent:
- biens matériels
- matières premières
- obligations
- actions
-indice de taux d’intérêt
-indice boursier
-indice de sinistralité en assurance
INSEA Devolder 21
Les actifs dérivés
2 grandes familles d’actifs dérivés :
Obligation Droit
d’exercice d’exercice
INSEA Devolder 22
Contrat à terme
Contrat à terme : contrat entre deux parties portant sur la
livraison d’une valeur à une date future fixée et pour un prix
fixé à l’avance et payé au moment de la livraison
( obligation d’achat aux conditions initialement convenues)
INSEA Devolder 25
Les options
2 parties contractantes :
acheteur de l’option /détenteur de l’option :
celui qui peut exercer le droit
vendeur de l’option/ émetteur de l’option :
celui qui s’engage
INSEA Devolder 26
Exemple de call
Utilisation d’une option d’achat ( CALL) :
Je suis intéressé par l’achat d’une action de la société ACTUDREAM
qui vaut aujourd’hui 30 €.
Je ne désire acheter cette action que dans 6 mois mais je crains
une hausse du cours à ce moment là. Je suis prêt dans 6 mois à
payer jusqu’à 35 € mais pas plus.
INSEA Devolder 29
Exemple de put
Utilisation d’une option de vente( PUT) :
INSEA Devolder 32
Valorisation d’une option
Valeur d’un option d’achat européenne ( call européen) :
Payoff : flux financier généré par l’actif dérivé:
Pricing:
V(0) = ?????
INSEA Devolder 33
Call : forme du payoff :
S(T)
INSEA Devolder 34
Valorisation d’une option
Hypothèses sur les marchés financiers :
INSEA Devolder 37
Valorisation d’une option
Le portefeuille W suivant réalise une opportunité d’arbitrage :
- achat de M unités du titre sans risque
- achat du portefeuille Y
- vente à découvert du portefeuille X
Prix initial :
W(0) = M + Y(0)-X(0) = 0
Situation finale:
W(1) = M (1+r) +Y(1) –X(1) = M(1+r) > 0
INSEA Devolder 38
Valorisation d’une option
Propriétés des options :
1° Principe de parité des options européennes:
lien entre call et put de mêmes caractéristiques
INSEA Devolder 39
Valorisation d’une option
Notations et hypothèses :
• S = valeur de l’actif sous jacent sans dividende
{S(t, ω) ; t ε [0, T], ω ε Ω }
(processus stochastique supposé non négatif)
•K = prix d’exercice = strike
•T = durée totale du contrat d’option
• t = temps courant
• u = 1+r = taux de capitalisation au taux sans risque
• C(S,t,K) = valeur à l’instant t de l’option call sur le
sous jacent S de prix d’exercice K
• P(S,t,K) = valeur à l’instant t de l’option put sur le
sous jacent S de prix d’exercice K
INSEA Devolder 40
Valorisation d’une option
Propriété 1 : Principe de parité put/call européen :
INSEA Devolder 41
Valorisation d’une option
a) Membre de gauche :
- achat de titres sans risque donnant à l’échéance K
- achat d’une option d’achat permettant d’acquérir
en T l’action au prix K
valeur en T = max ( S(T); K)
b) Membre de droite :
- achat de l’action
- achat d’une option de vente permettant de vendre
en T l’action au prix K
valeur en T = max ( S(T); K)
INSEA Devolder 42
Valorisation d’une option
Propriété 2 : bornes sur les prix :
INSEA Devolder 43
Valorisation d’une option
Montrer que sinon le portefeuille suivant réalise une
opportunité d’arbitrage :
- achat du call
- achat de K (1 + r )−( T −t ) titres sans risque
- vente à découvert du sous jacent S
Propriété 2 bis : équivalent pour les put :
INSEA Devolder 44
Valorisation d’une option
Corollaire : quelle que soit l’évolution de l’actif sous jacent,
la valeur du put est bornée supérieurement par une constante ;
ce n’est pas le cas du call .
Borne
P(S, t, K ) ≤ K déterministe
C(S, t, K ) ≤ S
Borne
aléatoire
INSEA Devolder 45
Option américaine
Propriété 3 : Il n’est jamais optimal d’exercer un call américain
avant terme et donc:
call américain= call européen
Démonstration : par l’absurde
Supposons que l’option américaine soit exercée en t < T.
Cash flow obtenu :
S( t ) − K
Par la propriété 2 il vient :
S( t ) − K < S( t ) − K (1 + r )−( T − t ) ≤ C(S, t,K )
INSEA Devolder 47
Option américaine
- exercice immédiat de l’option put en t=0 :
Valeur en t=0 : 19 €
Valeur capitalisée en t=1 : 19€ . 1,1= 20,9 €
INSEA Devolder 49
* .#, /#()
- options négociables
INSEA Devolder 50
Options lookback
Options sur minimum/ maximum
Call lookback :
Put lookback :
Strike :
K = S m ([0, T ]) = min τ ∈[0,T ] S( τ)
Payoff :
V(T ) = (S(T ) − S m ([0, T ])) + = (S(T ) − S m ([0, T ])
INSEA Devolder 52
Options lookback
Put lookback :
Droit de vendre au prix maximum
Strike :
K = S M ([0, T ]) = max τ ∈[0,T ] S( τ)
Payoff :
V(T ) = (S M ([0, T ]) − S(T )) + = (S M ([0, T ] − S(T ))
INSEA Devolder 53
Options lookback
Contrairement aux options européennes, les options lookback
sont fortement dépendantes de la trajectoire ( et pas seulement
de la valeur finale du sous jacent)
( strongly path-dependent options)
INSEA Devolder 54
Options asiatiques
Options sur moyennes
2 types d’options asiatiques :
INSEA Devolder 56
Options asiatiques
Payoff de l’option :
V(T ) = ( MS(T ) − K )) +
La même option mais à prix d’exercice flottant s’écrirait :
INSEA Devolder 57
Options barrière
Options avec une barrière activante ou désactivante
Même type de payoff que les options européennes mais
le paiement du payoff est soumis à une condition : durant
la vie de l’option , il y a une barrière fixe par rapport
à laquelle on compare le sous jacent.
INSEA Devolder 60
Options barrière
Barrière
S(t) traversée
B
Put
désactivé
S(0)
INSEA Devolder 61
Options parisiennes
Variante des options barrière visant à éviter l’aspect de perte
brutale de droit que peut générer une barrière dès qu’elle est
traversée.
S(0)
t
Put non Put
désactivé désactivé
INSEA Devolder 63
Options d’échange
INSEA Devolder 64
+
, .- /-.
.",0 .! !1#!0
Option sur devise : droit d’acheter à une date future
une certaine quantité de monnaie étrangère à un cours
garanti initialement
( sous jacent : taux de change)
INSEA Devolder 65
Exemple
Exemple numérique :
S(0) = 1.35
K= 1.45
S(1) = 1.75 ( proba 0.5) ( ω1)
0.80 ( proba 0.5) ( ω2)
achat de 1000 $
Valeur à l’échéance de l’option d’achat :
INSEA Devolder 68
Exemple
Application numérique :
INSEA Devolder 69
Principe de duplication
Justification à posteriori :
raisonnement par arbitrage : principe de duplication
INSEA Devolder 70
Principe de duplication
Portefeuille final en t=1 :
ω1 ω2
INSEA Devolder 71
Principe de duplication
Choix d’un portefeuille particulier :
y et z tel que V(1,ω1)= V(1,ω2)= 0
1.75y-z = 300
0;8y-z = 0
y= 316 z= 253
- emprunt de 253 FS
- achat de 316 $
PRINCIPE DE DUPLICATION
INSEA Devolder 73
PARTIE 2 :
INSEA Devolder 77
Modèle binomial
u2
ud
1
d2
INSEA Devolder 78
%% & 1,-!
233
4
Hypothèses de marché :
1° marché parfait
2° modèle binomial
Problème:
INSEA Devolder 79
Modèle sur une période
Modèle de tarification sur une période :
uS C(u)= max(uS-K;0)
S=S(0) ?=C(0)
C(d)=max(dS-K;0)
dS
INSEA Devolder 80
Modèle sur une période
Construction d’un portefeuille de duplication:
- x titres sous jacents
- y titres sans risque
x uS + y (1+r) = C(u)
x dS + y (1+r) = C(d)
INSEA Devolder 83
Modèle sur une période
Le nombre p est appelé probabilité risque neutre
a) Probabilité : 0 < p < 1 ??
résulte de la relation de non arbitrage:
d < (1+r) < u
INSEA Devolder 84
Modèle sur deux périodes
Modèle de tarification sur 2 périodes :
C(uu)= max(uuS-K;0)
C(u)
C(0)=? C(ud)=max(udS-K)
C(d)
C(dd)=max(ddS-K;0)
INSEA Devolder 85
Modèles sur deux périodes
Décomposition en 3 problèmes sur une période
C(uu)= max(uuS-K;0)
C(u)
C(0)=? C(ud)=max(udS-K)
C(d)
C(dd)=max(ddS-K;0)
INSEA Devolder 86
Modèle sur deux périodes
1
C(u) = (p C(uu) + (1 − p)C(ud))
1+ r
1
C(d) = (pC(ud) + (1 − p) C(dd))
1+ r
1
C(0) = (p C(u) + (1 − p) C(d))
1+ r
Le prix sur 2 périodes est donc :
1
C(0) = (p 2
C(uu ) + 2p(1 − p )C(ud) + (1 − p ) 2
C(dd))
(1 + r ) 2
INSEA Devolder 87
Modèle sur n périodes
Modèle de tarification sur n périodes :
n
1
n ∑
n− j j n− j
C(0) = ( C j
p j
(1 − p ) max( u d S − K;0))
(1 + r ) j=0
n
INSEA Devolder 88
Modèle sur n périodes
j =a
p j
( 1 − p ) n− j
( u d S−K )
j n− j
= I − II
INSEA Devolder 89
Modèle sur n périodes
n
1
I=
(1 + r )n
∑ n
C j
j =a
p j
(1 − p )n− j j n− j
ud S
n− j
n
(pu ) j
((1 − p )d)
I = S∑ Cnj
j =a (1 + r ) j (1 + r )n− j
n
I = S∑ C p1 q j j n− j
n 1
j =a
pu (1 − p)d
avec : p1 = et q1 =
(1 + r ) (1 + r )
INSEA Devolder 90
Modèle sur n périodes
Montrons que : a) p1 + q1 = 1
b)0 < p1 < 1
pu (1 − p)d p(u − d) + d
a) p1 + q1 = + =
(1 + r ) (1 + r ) (1 + r )
1+ r − d
(u − d) + d
= u−d =1
(1 + r )
b) résulte de : d < 1 + r < u
INSEA Devolder 91
Modèle sur n périodes
I = S Φ(a; n, p1 )
De même :
1
II = K Φ (a; n, p)
(1 + r )n
1
C(0) = S Φ(a; n, p1 ) − K Φ(a; n,p)
(1 + r )n
INSEA Devolder 92
Risque neutre
Remarque sur principe de pricing risque neutre:
preuve simple de la nécessité de changer de mesure:
1 q u + (1 − q) d
?? S(0) = E(S(1)) = S(0) ≠ S(0)
1+ r (1 + r )
INSEA Devolder 93
Exemple binomial
INSEA Devolder 94
Exemple binomial
Prix du call sur une période :
1
C(0) = ( p C( u ) + (1 − p) C(d ))
1+ r
1 1,04 − 1,01
= { × (30€ × 1,11 − 31€) +
1,04 1,11 − 1,01
1,04 − 1,01
+ (1 − ) × (30€ × 1,01 − 31€) + }
1,11 − 1,01
1
= × 0,3 × 2,3€ = 0,66 €
1,04
INSEA Devolder 95
Exemple binomial
Prix du put sur deux périodes :
1
P ( 0) = ( p 2
P ( uu ) + 2 p (1 − p ) P ( ud ) + (1 − p ) 2
P(dd ))
(1 + r ) 2
-K+1 titres :
S j (1, i) = valeur en 1 de l' actif j à l' état i
INSEA Devolder 97
Théorème général de tarification
risque neutre
-1 titre non risqué : titre 0
S 0 (0 ) = 1
S0 (1, i)=1 + r
1 1
β(1) = 0 = =actualisat ion
S (1) 1 + r
INSEA Devolder 98
Théorème général de tarification
risque neutre
-stratégie : vecteur :
Φ = (Φ 0 , Φ1, Φ 2 ,..., Φ K )
Φ j = investisse ment dans actif j
-valeur initiale de la stratégie (prix en t=0) :
K
V0 (Φ ) = ∑ Φ j S j (0)
j=0
existence ? unicité?
avec ∀i : Ψi > 0
Les state prices sont les mêmes pour tous les actifs ; ils ne
dépendent que des scénarios.
-Déflateurs : variable aléatoire D définie par :
Ψj
Dj =
INSEA Devolder P({ω j }) 101
Théorème général de tarification
risque neutre
-Propriétés des state prices :
1° application pour actif non risqué:
N
1
∑
i=1
Ψi =
1+ r
2° application pour une stratégie :
K K N
V0 (Φ ) = ∑ Φ j S (0) = ∑ Φ j ∑ Ψi S j (1, i)
j
j=0 j =0 i=1
N
V0 (Φ ) = ∑ Ψi V1(Φ, i)
i=1
N aléas
K+1 titres
Marché non redondant : éviter les actifs dépendants: aucun
actif ne peut s’écrire comme combinaison linéiare des autres .
⇒ K + 1≤ N
« pas trop d’actifs »
INSEA Devolder 108
Théorème général de tarification
risque neutre
Condition de complétude : étant donné tout droit X
le système d’équations suivant doit admettre une solution:
X(ω1 ) = φ0S0 (1) + φ1S1(1,1) + ... + φK SK (1,1)
X(ω2 ) = φ0S0 (1) + φ1S1(1,2) + ... + φK SK (1,2)
....
X(ωN ) = φ0S0 (1) + φ1S1(1,N) + ... + φK SK (1,N)
(α (1 + a) + β (1 − a) + (1 − α − β)) = 1 + r
(avec 0 < α < 1 ; 0 < β < 1; 0 < 1 − α − β < 1)
Solution :
r
α = +β
a
Existence si r < a ; dans ce cas pas d’opportunités
INSEA Devolder 114
Théorème général de tarification
risque neutre
2° marché incomplet : infinité de mesures risque neutre !!
r r 1 r
ℜ = {( + β; β ;1 − − 2β); 0 < β < − }
a a 2 2a
3° droit conditionnel non réalisable : exemple d’une option
d’achat sur le titre risqué de prix d’exercice c avec:
1-a<1<c<1+a
X(ω1 ) = 1 + a − c
X(ω2 ) = X(ω3 ) = 0
φ0 (1 + r ) + φ1(1 + a) = 1 + a − c
φ0 (1 + r ) + φ1 = 0
φ0 (1 + r ) + φ1(1 − a) = 0
….pas de solution…
-taux au comptant :
(1 + R(n, s))s = (1 + r(n,1))(1 + r(n,2)...(1 + r(n, s))
= (1 + r(n − 1,2)(1 + r(n − 1,3)...(1 + r(n − 1, s + 1))
= (1 + R(n − 1, s + 1))s+1 /(1 + R(n − 1,1)
Zéro coupons
P(n, s) = P(n − 1, s + 1) / P(n − 1,1)
P( i ) (n, s + 1)
P (n + 1, s) =
(i)
(i)
h * (s) (h * (s) < 1 h * (0) = 1)
P (n,1)
( i+1) P( i ) (n, s + 1)
P (n + 1, s) = (i)
h(s) (h(s) > 1 h(0) = 1)
P (n,1)
Lien entre
h et h* Forme de h
Démonstration:
Constitution à l’instant n à l’état i d’un portefeuille :
- un zéro coupon de maturité s
- H zéro coupons de maturité s’.
W (i ) (n) = P( i ) (n, s) + H P( i ) (n, s' )
INSEA Devolder 125
Modèle stochastique
-On choisit H tel que :
W ( i ) (n + 1) = W ( i+1) (n + 1)
-ce portefeuille est donc sans risque et son rendement doit
correspondre à celui d’un zéro coupon entre les instants
n et n+1
-on en déduit :
1 − h * (s − 1) 1 − h * (s'−1)
= =p
(h(s − 1) − h * (s − 1)) (h(s'−1) − h * (s'−1))
P( i ) (n, s + 2) P( i+1) (n + 2, s)
(2) (2)
P( i ) (n + 1, s + 1)
h * (1)
δ=
h(1)
-Paramètre p=indicateur de moyenne des chocs à la hausse
et à la baisse proche de 0.5 si les amplitudes à la hausse
et à la baisse sont de même ordre:
1 − h * (1)
p=
h(1) − h * (1)
INSEA Devolder 130
Modèle stochastique
Limites du modèle :
- aspect binomial
- déformations h et h* stationnaires
- parfaite corrélation entre les taux des différentes
échéances
Avantages du modèle:
-simplicité de l’approche
- paramétrisation aisée
-respect de la courbe initiale des taux
-2 constantes: p et δ
h(1) h*(1) p δ
1.01 0.99 0.5 0.98
1.05 0.95 0.5 0.91
1.09 0.99 0.1 0.91
Discret Continu
Déterministe S( n ) = (1 + i) n S( t ) = e δ t
Stochastique n
S( n ) = ∏ (1 + i k )
k =1 ????
Trend Bruit
n
Le processus stochastique W (n ) = ∑ ψ i
i =1
est appelé promenade aléatoire ( discrète)
Le paramètre σ est appelé volatilité
dS( t ) = δ( t ) S( t ) dt
(iii) Borne:
E v 2 ( t ) ≤ K ∀t
( non explosion de la perturbation)
INSEA Devolder 142
Actif risqué en continu
Thèse : sous ces hypothèses la variance de la solution
de l’équation est nulle.
Démonstration:
Solution de l’équation pour chaque trajectoire ω:
t t
S( t, ω) = S(0) exp ∫ δ(s) ds . exp ∫ v(s, ω) ds
0 0
t
S( t, ω) = S(0) exp ∫ δ(s) ds. exp(u( t, ω))
0
= lim ∑ E( v 2 ( t *i )( t i+1 − t i ) 2
i
Où: 0
avec m = n / ∆t
Au niveau des moments:
(i) E( W( n )) = 0
n ∆x
(ii) var( W( n )) = m.( ∆x ) =
2
( ∆x ) = n
2
∆x
∆t ∆t
INSEA Devolder 148
Actif risqué en continu
2° passage à la limite sur ∆x et ∆t:
∆t j
→ 0 ∆x j
→ 0
(∆x j ) 2 ∆x j
= 1 ( et non pas = 1 !!!)
∆t j ∆t j
donc : ∆x j = ∆t j
W j ( t ) = ∆x j ∑ψ
i=1
i
( t − t j
i −1 )
w ( t ) = W ( t i−1 ) +
j j j
( W j ( t ij ) − W j ( t ij−1 ))
∆t j
Fonction P : ℑ → [0,1]
telle que:
(i) P( φ) = 0 et P(Ω) = 1
(ii) si A i (i = 1,...) sont disjo int s :
∞ ∞
P( U A i ) = ∑ P( A i )
i =1 i =1
( x −m )2
1 −
fX (x) = e 2σ2
σ 2π
Y = eX
E(X) = ∫ X(ω)dP(ω) = ∫ x dµ X ( x )
Ω R
= E( X 2 ) − (EX) 2
si X = N (m, σ 2 ) alors : E ( X) = m
2° distribution log normale :
si Y = log N (a , b ) alors : E( Y ) = e
2 a + b2 / 2
1 +∞ (x − a)2 x
EY = ∫ exp− e dx
b 2 π −∞ 2b 2
1 +∞ 1
= ∫ exp( − (( x − (a + b 2 )) 2 − 2ab 2 − b 4 )) dx
b 2π −∞
2
2b
2ab 2 + b 4
2
b
a+
= exp( ) = e 2
2b 2
INSEA Devolder 161
3.2. Processus stochastiques
- Variance d’une variable log normale :
VarY = E Y 2 − ( EY ) 2
= E(e 2 X ) − ( Ee X ) 2
Aussi
log normal !
log N ( 2a , 4b 2 )
Var Y = e 2a+ b2
(e b2
− 1)
Φ X (u ) = e − u 2σ 2 / 2
Ω
X ∞
= sup { X(ω); ω∈ Ω}
- espaces Lp
Espace des variables aléatoires de norme finie :
Lp (Ω) = { X : Ω → R : X p < ∞ }
Y = E (X ℑ*)
Y= espérance conditionnelle de X connaissant ℑ *
= variable aléatoire mesurable par rapport à ℑ *telle que:
?? lim n →∞ X n = ??
∑
n i =1
X i → E(X)
ssi
Xn − X 2 → 0
=
∫ n
( X ( ω) − X ( ω)) 2
dP(ω)
Ω
P
X n → X ssi :
∀ ε > 0 : P(ω ∈ Ω : X n (ω) − X(ω) ≥ ε) → 0
Propriétés:
- convergence p.s. convergence en proba
- convergence quadratique convergence proba
M( t ) = E (X ℑt )
Représente l’estimation moyenne de X compte tenu
de l’information déjà récoltée en t
INSEA Devolder 177
3.2. Processus stochastiques
Exemple de filtration et de processus (en temps discret)
Jeu successif de pile ou face ( 3 fois)
Processus de gain cumulé : +1 si pile -1 si face
X(0) = 0 → X(1) → X(2) → X(3)
ℑ1 = {Ω, φ, Ω P , Ω F }
Ω P = {( PPP ), (PPF), (PFP), (PFF)}
Ω F = {( FFF), (FFP), ( FPF), ( FPP)}
Ω PP = {( PPP), (PPF)}
Ω PF = {( PFP), (PFF)}
Ω FF = {( FFF), ( FFP)}
Ω FP = {(FPF), (FPP)}
ℑ3 = ℑ
E( X(3) ℑ3 ) = X (3)
INSEA Devolder 181
3.2 .Processus stochastiques
(iii) Espérance conditionnelle aux différents instants
T=1 mesurable
par rapport à ℑ1
(i) w(0) = 0
(ii)w = processus à accroissem ents indépendan ts et stationnai res
(iii)w = processus gaussien
(iv )∀t > 0 :E w( t ) = 0 ; var w( t ) = t
Z( t ) = a + w ( t )
Z( t ) = a + µt + σ w ( t )
EZ( t ) = a + µt
σ 2 Z( t ) = σ 2 t
Ces 2 processus sont gaussiens.
INSEA Devolder 194
3.3. Le mouvement brownien
Fonction caractéristique d’un mouvement brownien
standard :
+∞ −x2 / 2t
e
Ψ ( λ , t ) = E (e iλ w ( t )
) = ∫e iλ x
dx
−∞ 2πt
+∞ ( x − iλ t ) 2
1 −λ2t / 2 −
= e ∫e 2t
dx
2πt −∞
= e − λ2 t / 2
k
1 d
E( w k ( t )) = k k Ψ (λ, t )
i dλ λ =0
dλ
2 λ2 t λ2 t λ2 t
d − − −
e 2
= −t e 2
+ (λ t ) 2 e 2
dλ2
dλ3
4 λ2 t λ2 t λ2 t
d − − −
e 2
= 3t 2 e 2
− 3λt 2 λt e 2
dλ4
λ2 t λ2 t
− −
− 3(λt ) 2 t e 2
+ (λt )3 .λt . e 2
E( w ( t )) = 0
E( w 2 ( t )) = t
E( w 3 ( t )) = 0
E( w 4 ( t )) = 3t 2
(i) w( t )
(ii) w 2 ( t ) − t
0
t−s
Donc: E ( w 2 ( t ) − t l ℑs ) = w 2 (s) − s
INSEA Devolder 200
3.3. Le mouvement brownien
Remarque : la réciproque de ce théorème de martingale
est également vraie: si X est un processus continu tels que
X( t ) et X 2 ( t ) − t sont des martingales et X(0)=0:
alors X est un mouvement brownien standard.
Le processus X ( t ) = e ( σ = réel)
σ w ( t ) −σ 2 t / 2
Démonstration :
Calculons l’espérance conditionnelle suivante:
E (e σ w ( t )−σ 2 t / 2
ℑs ) = e σ w ( s ) − σ 2s / 2
En particulier :
E (e σ w ( t )−σ 2 t / 2
) =1
Le processus X( t ) = w 3 ( t )
bien que d’espérance constante n’est pas une martingale.
i=1 i=1
n
limn → ∞ ∑ ( ∆f ( t i ))2 = 0
i=1
∑ j
(
j=1
w ( t ) − w ( t j−1 )) 2
→ t
en convergence quadratique.
(i) E( Z n ( t )) = t
(ii) Var ( Z n ( t )) → 0
2n
(i) E Z n ( t ) = ∑ ( t j − t j−1 ) = t
j=1
2n
(ii) Var Z n ( t ) = ∑ var( ( w( t j ) − w( t j−1 )) 2 )
j=1
INSEA Devolder 210
3.3. Le mouvement brownien
Lemme :
si X = N (0, σ 2 ) alors :
var X 2 = 2σ 4
Preuve :
Var X 2 = E X 4 − ( EX 2 ) 2 = EX 4 − σ 4
Par fonction génératrice : +∞
M X ( u ) = ∫ e ux dF( x ) = Φ X (iu ) = e u σ
2 2
/2
−∞
∂n
EX = n M x ( u )
n
u =0 EX 4 = 3 σ 4
∂u
INSEA Devolder 211
3.3. Le mouvement brownien
Donc finalement :
2n 2
t 2 t
Var Z n ( t ) = ∑ 2( n ) = 2 n +1 2 n
j=1 2 2
d d
w (λt ) = N (0, λt ) = λ1 / 2 X ( t )
Ta = inf{ t ≥ 0 : w ( t ) = a}
Ta = +∞ si a jamais atte int
Propriété :
Ta est un temps d’arrêt.
2a − x
P( M ( t ) ≥ a , w ( t ) ≤ x ) = 1 − Φ ( )
t
choose ∆t
t0 = 0
T
n=
∆t
( t − t j−1 )
w ( t ) = w ( t j−1 ) + ( w ( t j ) − w ( t j−1 ))
∆t
2°)Subdivision de la promenade :
t / ∆t j
∫ f (s) ds
0
∑ f (s ) ( t
j=0
j j+1 − t j)
∫ f (s) dg(s)
0
∑ f (s ) ( g ( t
j=0
j j+1 ) − g( t j ))
∫ X(s) dw(s)
0
∀ω ∈Ω : Y ( ω) = ∫ X(s, ω) dw(s, ω)
0
∫ w (s )
0
dw(s)
∫ f (s) df (s) T
f 2 (T )
0 ∫0 f (s) df (s) = 2
avec : f (0) = 0 et f à VB
2 2
1 2 1
b( b − a ) = ( b − a ) + ( a − b ) 2
2
2 2
1 n −1
− ∑ ( w( t nj+1 ) − w ( t nj )) 2
2 j=0
1 2 1 n −1
= w (T ) − ∑ ( w ( t nj+1 ) − w( t nj )) 2
2 2 j=0
L2 t nj+1 − t nj
T
w 2 (T ) T
∫0 w(s) dw(s) = 2 − 2
n
1 2 1
lim n→∞ ∑ w( t )( w ( t ) − w( t )) = w (T ) + T
n
j+1
n
j+1
n
j
j=0 2 2
s j ∈ [t j , t j+1 ] : s j = ( t j + t j+1 ) / 2
n
1 2
lim n→∞ ∑ w( t )( w ( t ) − w( t )) = w (T )
n
j+1
n
j+1
n
j
j=0 2
Avantages :
1° mesurabilité : en terme de filtration , la valeur en début
d’intervalle est la seule mesurable tout au long de l’intervalle
d’intégration.
= w ( t ) − w (a ) si a < t ≤ b
= w(b) − w(a) si t > b
INSEA Devolder 246
3.4. Intégration stochastique
-2° Etape : Intégration de fonctions en escaliers :
additivité de l’intégrale:
n −1
X(s) = ∑ c j 1[t ,t [ (s) + c n 1{t } (s)
j j +1 n
j= 0
∫ X(s) dw(s) = ∑ c ∫ 1[
0 j=0
j
0
t j , t j +1 [ (s) dw (s) = ∑ c j ( w ( t j+1 ) − w ( t j ))
j=0
− ∀k : E ( ξ k ) < ∞
2
tel que :
n −1
X( t, ω) = ξ n −1 ( ω)1{t } ( t ) + ∑ ξi ( ω)1[t ,t [ ( t )
n i i +1
i =0
I t (aX + bY ) = a I t ( X ) + b I t ( Y )
En particulier:
E(It ( X)) = 0
Démonstration:
2 cas selon que s et t appartiennent ou non au même
sous intervalle de la subdivision:
It ( X) = Is ( X) + ξk ( w( t ) − w(s))
ξk indépendan te de ( w( t ) − w(s))
Donc :
E(It ( X) l ℑs ) = Is ( X) + ξk E( w( t ) − w(s) l ℑs ) = Is ( X)
Démonstration:
k −1
E((∑ ξi ( w( t i+1 ) − w( t i )) + ξk ( w( t ) − w( t k ))2 )
i=0
k −1
= E( ∑ ξi ( w( t i+1 ) − w( t i ))2 + ξk ( w( t ) − w( t k ))2 )
2 2
i=0
i=0
t t
= ∫ (E( X(s))2 ds = E( ∫ X 2 (s) ds)
0 0
C’est à dire :
lim n→∞ E( I t ( X ) − I t ( X n ) ) = 0
2
(i) E( I t ( X )) = 0
t
PROPOSITION :
=0 sin on
INSEA Devolder 259
3.4. Intégration stochastique
Différentielle stochastique:
− b(s, ω) : processus adapté et int égrable
− σ(s, ω) : processus adapté et de carré int égrable
t t
X( t ) = X0 + ∫ b(s) ds + ∫ σ(s) dw (s)
0 0
Alors :
dX( t ) = b( t ) dt + σ( t ) dw ( t )
= différentielle stochastique
INSEA Devolder 260
3.4. Intégration stochastique
Propriétés de la différentielle stochastique :
autres règles que le calcul différentiel classique
-EXEMPLE /
Calcul différentiel classique:
t
( f ( t ))2 = 2∫ f (s) df (s)
0
Calcul stochastique :
t
( w( t ))2 = ??? 2 ∫ w(s) dw (s)
0
∂f 1 ∂ 2 f ∂f
df ( t, w ( t )) = ( + ) dt + dw( t )
∂t 2 ∂x 2
∂x
∂f ∂f 1 ∂ 2f 2 ∂f
df ( t, ξ( t )) = ( + b( t ) + σ ( t )) dt + σ( t ) dw( t )
∂t ∂x 2 ∂x 2
∂x
∂f ∂f 1 ∂ 2f ∂ 2
f 1 ∂ 2
f 2
df ( t, w ) = dt + dw + (dt ) +
2
(dw.dt ) + (dw )
∂t ∂x 2 ∂t 2
∂x∂t 2 ∂x 2
∂f ∂f 1 ∂ 2f
= dt + dw + dt
∂t ∂x 2 ∂x 2
∫ s dw(s) = ??
0
On prend: f ( t, x ) = t x
ξ( t ) = w( t )
Par ITO on a :
t t
∫ s dw(s) = t w( t ) − ∫ w(s) ds
0 0
t t
f ( t, x ) = x 2
On prend:
ξ( t ) = w ( t )
dw 2 ( t ) = 2 w( t ) dw( t ) + dt
ou
t
w 2 ( t ) = t + 2 ∫ w (s) dw(s)
0
INSEA Devolder 269
3.4. Intégration stochastique
EXEMPLE/ ITO 2 :
E w 6 (t) = ?
On prend: f ( t, x ) = x 6
ξ( t ) = w ( t )
dZ( t ) = 6 w( t ) 5 dw ( t ) + 15 w( t ) 4 dt
en int égrant :
t t
E( w ( t ) 6 ) =15 t 3
X( t ) = e rt . sin( π. w ( t ))
f ( t, x ) − f ( t, y ) ≤ K x − y
dX( t ) = b( t, X( t )) dt + σ( t, X( t )) dw ( t )
Avec: X(0) = x 0
(ii) b 2 ( t, x ) + σ 2 ( t, x ) ≤ K 2 (1 + x 2 )
dX ( t ) = (c1 ( t )X ( t ) + c 2 ( t )) dt + ( σ1 ( t ) X ( t ) + σ 2 ( t )). dw ( t )
X ( 0) = X 0
Où :
c i et σ i = fonctions déter min istes continues
INSEA Devolder 279
3.5. Equations différentielles
stochastiques
Première étape : équation homogène sans bruit :
dY ( t ) = (c1 ( t )Y ( t )) dt
Y (0) = Y0
t
Solution:
Y ( t ) = Y0 . exp( ∫ c1 (s) ds)
0
t
dX ( t ) = (c1 ( t )X ( t ) + c 2 ( t )) dt
X ( 0) = X 0
Solution: t
dX ( t ) = (c1 ( t )X ( t ) + c 2 ( t )) dt + σ 2 ( t ) dw( t )
X ( 0) = X 0
Solution:
t t
Solution:
t t
dX ( t ) = (c1 ( t )X ( t ) + c 2 ( t )) dt + ( σ1 ( t ) X ( t ) + σ 2 ( t )). dw ( t )
X ( 0) = X 0
Solution:
t t
Solution:
Y( t ) = Y0 . e −at + b.(1 − e −at )
t
X( t ) = x 0 e −at + b(1 − e −at ) + σ e −at ∫ eas dw (s)
0
Trend Bruit
déterministe aléatoire
E X ( t ) = x 0 e − at + b(1 − e − at )
Espace de scénarios :
Ω = {ω1 , ω2 ,..., ωN }
2 mesures de probabilité équivalentes:
P({ωi }) = p i > 0
P * ({ωi }) = q i > 0
( accord sur les scénarios possibles mais pas sur leur proba).
P * ({ωi }) q i
Z( ω) = =
P({ωi }) pi
Par définition cette variable aléatoire est d’espérance
unitaire sous la mesure initiale P :
N N
qi
EZ = ∑ p i = ∑ q i = 1
i =1 p i i =1
INSEA Devolder 290
3.6. Théorème de GIRSANOV
Calcul d’espérance :
Ω = {u, d}
- mesure de probabilité initiale = mesure réelle
Par exemple :
1
p u = pd =
2
Taux sans risque : 3%
Soit: dS( t ) = δ S( t ) dt + σ S( t ) dw ( t )
dS( t ) = r S( t ) dt + σS( t ) dw ( t ) + (δ − r ) S( t ) dt
dS( t ) = r S( t ) dt + σ S( t ) dw * ( t )
(δ − r )
avec w ( t ) = w( t ) +
*
t
σ
INSEA Devolder 296
3.6. Théorème de GIRSANOV
Le processus w* n’est plus un mouvement brownien sous
la mesure réelle de probabilité.
THEOREME de RADON-NIKODYM :
la mesure P2 est absolument continue par rapport
à la mesure P1 ssi il existe une variable aléatoire ρ
non négative et mesurable telle que:
= ∫ V( t , ω) Y( t , ω) dP(ω)
Ω
Z( t ) = w ( t ) − ∫ b(s, ω) ds
0
Z( t ) = w ( t ) − ∫ b(s, ω) ds
0
dQ
= ρT
dP
dX( t ) = µ( t , X( t )) dt + σ( t , X( t )) dw ( t ) (0 ≤ t ≤ T)
(où w est un brownien s tan dard)
On définit la fonction de 2 variables réelles :
F( t , x ) = E ( Φ (X(T )) X( t ) = x )
∂F ∂F 1 2 ∂ 2F
( t , x ) + µ( t , x ) ( t , x ) + σ ( t , x ) 2 ( t , x ) = 0
∂t ∂x 2 ∂x
T
∂F
(ii)(a ) E( ∫ σ(s, X(s)) (s, X(s)) dw (s) X( t ) = x )) = 0
t ∂x
(car intégrale stochastique et condition H1)
INSEA Devolder 313
3.7. Feynman- Kac
(ii) ( b) si F est solution de l' EDP alors:
∂F ∂F
T
+ ∫ (s, X(s)) + µ(s, X(s)) (s, X(s))ds
t ∂s ∂x
T
1 2 ∂ 2F
+ ∫ σ (s, X(s)) 2 (s, X(s)) ds = 0
t 2 ∂x
(iii ) E(F( t , X( t ) X( t ) = x ) = F( t , X( t ))
∂F 1 ∂ 2 F
+ =0 avec : F(T, x ) = Φ ( x )
∂t 2 ∂x 2
EDS correspondante :
dX( t ) = dw ( t )
F( t , x ) = E (Φ ( w (T )) w ( t ) = x )
F( t , x ) = ∫ p(T − t , x , y) Φ ( y) dy
−∞
où:
1 ( y − x)2
p(T − t , x , y) = exp(− )
(T − t ) 2 π 2( T − t )
INSEA Devolder 316
3.7. Feynman- Kac
Variante de la formule de Feynman Kac :
Introduction d’une actualisation dans la fonctionnelle
− r ( T−t )
F( t , x ) = E( e Φ( X(T)) X( t ) = x )
est solution de :
∂F ∂F 1 2 ∂ 2F
( t , x ) + µ( t , x ) ( t , x ) + σ ( t , x ) 2 ( t , x )
∂t ∂x 2 ∂x
− r F( t , x ) = 0
est solution de :
∂F ∂F 1 2 ∂ 2F
( t , x ) + µ( t , x ) ( t , x ) + σ ( t , x ) 2 ( t , x )
∂t ∂x 2 ∂x
− k ( t , x ) F( t , x ) = 0
INSEA Devolder 318
*= !") -)#3
-, ,,
Introduction de plusieurs sources de bruit
( corrélées ou non)
w ( t ) = ( w1 ( t ), w 2 ( t ),..., w n ( t ))
w ( t ) = ( w1 ( t ), w 2 ( t ))
est un mouvement brownien bi-dimensionnel si :
2° Cov( w1 ( t ), w 2 ( t )) = E( w1 ( t ).w 2 ( t )) = ρ t
( où − 1 ≤ ρ ≤ 1)
En particulier : ρ = cov (w1 (1), w 2 (1))
INSEA Devolder 320
3.8. Calcul multi-dimensionnel
Si ρ=0 , les deux sources de bruit sont indépendantes
( mouvement brownien bi-dimensionnel non corrélé).
Décomposition de CHOLESKI :
w1 ( t ) = w *1 ( t )
w 2 ( t ) = ρ.w *1 ( t ) + 1 − ρ 2 .w *2 ( t )
1 ρ 1 0
Σ = Σ* =
ρ 1 0 1
Σ w = cov( w, w T )
Matrice de diagonale unitaire, symétrique et définie
positive mais non nécessairement diagonale.
( corrélations entre les variables gaussiennes).
INSEA Devolder 324
3.8. Calcul multi-dimensionnel
On cherche une transformation linéaire des variables w en des
variables z telle que la matrice variance- covariance des z est
la matrice identité I .
Σ w = cov( w, w T ) = E( Lz z T LT ) = LLT
EXEMPLE à 2 dimensions :
1 0
L=
ρ 1 − ρ 2
dX 2 ( t ) = α 2 ( t, X1 , X 2 ) dt + σ 21 ( t, X1 , X 2 )dw1 ( t ) + σ 22 ( t, X1 , X 2 )dw 2 ( t )
Avec w ( t ) = ( w1 ( t ), w 2 ( t ))
mouvement brownien bi dimensionnel non corrélé
Condition d’existence et d’unicité : condition de Lipschitz
et de croissance linéaire sur les coefficients ( comme en dim1).
INSEA Devolder 327
3.8. Calcul multi-dimensionnel
Formule de ITO :
X1 et X 2 : solutions EDS
g( t, x , y) : fonction différentiable en t et 2 fois diff en x et y
Alors le processus g( t, X1 ( t ), X 2 ( t ))
est différentiable
et on a :
∂g ∂g ∂g
dg( t, X1 , X 2 ) = dt + dX1 + dX 2
∂t ∂x 1 ∂x 2
1 ∂ 2
g ∂ 2
g
+ {( σ11 + σ12 ) 2 + ( σ 21 + σ 22 ) 2
2 2 2 2
2 ∂x 1 ∂x 2
∂ 2g
+ 2( σ11σ 21 + σ12 σ 22 ) } dt
∂x 1∂x 2
En prenant: g( t , x 1 , x 2 ) = x 1 x 2
Terme complémentaire
var S( t ) = σ 2 t
(ii) Le processus du cours est une martingale:
E(S( t ) l ℑs ) = S(s) s<t
(iii) Propriété d’indépendance des accroissements absolus:
S( t ) − S(s) indépendan t de S(s) (s < t )
Solution :
Indépendance des accroissements relatifs :
(S( t ) − S(s)) / S(s) indépendan t de S(s)
∆S( t ) = S( t )δ∆t
dS( t ) = δS( t ) dt
σ2
S( t ) = S(0) exp((δ − )t + σ w( t ))
2
1 (ln y − a)2
fY ( y ) = exp( −( )) ( y > 0)
by 2π
2
2b
Propriété d’indépendance
( δ − σ 2 / 2 )( t − s )
(S( t ) − S(s)) / S(s) = e e σ( w ( t )− w ( s )) − 1
Indépendant de S(s)
Objectif:
Tarification d’une option européenne ( call ou put)
sur l’actif risqué
∂C
σC = (σS ) / C
∂S
INSEA Devolder 342
4.2 Modèle de Black et Scholes
Raisonnement d’arbitrage:
Constitution d’un portefeuille contenant des titres sous jacents
et des options d’achat sur ce titre
Q( t ) = x S ( t )S( t ) + x C ( t )C(S, t )
Portefeuille supposé auto financé:
dx s S + dx C C = 0
ou dQ( t ) = Q( t ) (α Q dt + σQ dw ( t ))
par arbitrage : α Q = r
σ2
u( x,0) = ϕ( x ) = K exp( x ) − K ( x ≥ 0)
2M
Solution:
x*2 − x 2
x* − x
u( x, τ) = KΦ( )e 4τ
− KΦ( )
2τ 2τ
u( x, τ) → C(S, t )
C(S, t ) = S ( t )Φ (d1 ) − K e − r ( T − t ) Φ (d 2 )
avec :
ln(S( t ) / K ) + ( r + σ 2 / 2)(T − t )
d1 =
σ T−t
ln(S( t ) / K ) + ( r − σ 2 / 2)(T − t )
d2 =
σ T−t
P(S, t ) + S( t ) = C(S, t ) + e − r ( T − t ) K
P(S, t ) = K e − r ( T − t ) Φ ( −d 2 ) − S( t )Φ ( −d1 )
1° DELTA :
∂C
∆= = Φ(d1 )
∂S
0 < ∆ <1
2° GAMMA:
∂ 2C 1 −d12 / 2 1
Γ= = e >0
∂S 2
2π Sσ T − t
C(S, t ) = e −r ( T − t ) EQ ((S(T ) − K )+ l ℑt ) ??
où :
F * ( x ) = Q(S(T ) ≤ x l S( t ) = S)
ln( x / S) − (r − σ 2 / 2)(T − t )
= Φ( )
σ T−t
= S Φ(d1 ) − K e −r ( T − t ) Φ(d2 )
-actif risqué:
σ ∆n
un = e
−1 −σ ∆n
dn = un = e
OPTION SYNTHETIQUE :
position à la fois sur le sous jacent
et sur une option sur ce sous jacent
K = S0 (1.0475) T
Valeur initiale de la stratégie :
S0 + P(S,0)
Une unité d’actif Une unité de put
Avec:
π( t ) = n1 ( t ) S( t ) + n 2 ( t ) e − r ( T − t )
Avec :
n1 ( t ) = nombre d' actions en t
= 1 − Φ ( −d1 ( t )) = Φ (d1 ( t ))
- écoulement du temps
=taux SPOT
=taux à très court terme =variable explicative
∂P ∂P 1 2 ∂ 2P
+ (f + ρ λ) + ρ −rP = 0
∂t ∂r 2 ∂r 2
Condition: P(s,s,r)=1
Cas particulier :
1° pas de préférence pour la liquidité : λ=0
s
P( t, s, r ) = E(exp− ( ∫ r(u) du ) l ℑt )
t
Solution:
t
r( t ) = r0 e −at + b(1 − e −at ) + σe −at ∫ eas dw (s)
0
INSEA Devolder 383
Modèle de VASICEK
Propriétés:
(i) E r( t ) = r0 e − at + b(1 − e −at )
lim Er ( t ) = b (mean reversion)
t
(ii) Var r( t ) = var( σ e −at ∫ eas dw (s))
0
σ
t 2
= σ 2 e −2at ∫ e 2as ds = (1 − e −2at )
0
2a
σ2
lim var( t ) =
2a
La variance croit avec le temps mais reste bornée .
INSEA Devolder 384
Modèle de VASICEK
(iii) Le taux court terme admet une distribution normale :
r ( t ) p N ( Er ( t ), var r ( t ))
En particulier , il y a une probabilité non nulle d’avoir
des taux négatifs !!!
r(t) − E r(t) − Er ( t )
P ( r ( t ) < 0) = P ( < )
var r ( t ) var r ( t )
E r(t)
= Φ(− )
var r ( t )
( r0 e −at + b(1 − e −at ))
= Φ(− )
σ 2
(1 − e −2 at )
2a 385
Modèle de VASICEK
Structure des zéro coupons dans VASICEK:
∂P ∂P 1 2 ∂ 2P
+ (a(b − r ) + σλ ) + σ −rP = 0
∂t ∂r 2 ∂r 2
1 ∂ ∂ 1 2 ∂2 1 ∂P
µ( t, s, r ) = ( + f + σ ) P = ( rP − λσ )
P ∂t ∂r 2 ∂r 2
P ∂r
∂P 1
Or : = − (1 − e −a( s− t ) ) P
∂r a
λσ
Donc : µ( t, s, r ) = r( t ) + (1 − e −a( s− t ) )
a
( prime de risque indépendante du taux spot)
INSEA Devolder 387
Modèle de VASICEK
Volatilité du zéro coupon:
1 ∂P σ
σ( t, s, r ) = − σ = (1 − e −a ( s− t ) ) = σ( t, s)
P ∂r a
Critiques du modèle:
dr ( t ) = a(b − r( t )) dt + ρ r( t )dw ( t )
µ( t, s, r ) = r( t ) + π r( t ) B( t, s)
( prime de risque = fonction linéaire du taux spot)
µ( t, s, r ) − r( t )
= λ( t, r )
σ( t, s, r )
ou
µ( t, s, r ) = r( t ) + λ( t, r )σ( t, s, r )
avec :
T T
1 2
ρ = exp( ∫ λ(u, r )dw (u) − ∫ λ (u) du)
0
20
dr ( t ) = a(b − r( t )) dt + σ dw ( t )
t
r( t ) = r0 e −at + b(1 − e −at ) + σe −at ∫ eas dw (s)
0
λ( t, r ) = λ > 0
Changement de mesure :
dw * ( t ) = dw ( t ) − λ dt
σλ
θ=b+
a
HW:
dr ( t ) = a ( θ( t ) − r ( t )) dt + σ dw * ( t )
Cible
mouvante
Somme de normales
Distribution normale
INSEA Devolder 402
Modèle de HULL et WHITE
Avantage : permet d’incorporer comme contrainte initiale
toute la courbe de départ des zéro coupons
t
1 ∂P σ
σ( t, s, r ) = − σ = (1 − e −a ( s− t ) ) = σ( t, s)
P ∂r a
( même valeur que dans le modèle de VASICEK).
Vasicek : ???
1 σ 2
P(0, s) = exp( (1 − e −as )( K − r ) − s K − 3 (1 − e −as ) 2 )
a 4a
Non
σ2
A( t, s) = ( t − s + B( t, s) ) δ − 3 (1 − e −a ( s− t ) ) 2 (1 − e −2 at )
4a
1 − e −a ( s − t )
B( t, s) =
a
1 σ 2
P(0, s, r ) = exp( (1 − e −as )( K − r (0)) − s K − 3 (1 − e −as ) 2 )
a 4a
taux : R (0, s) = − ln P(0, s) / s
K = 0,04625
R (0,5) = 2,80%
R (0,20) = 3,81%
INSEA Devolder 411
Exemple VASICEK
b) Taux spot dans 8 ans :
1 σ 2
P(8, s + 8, r ) = exp( (1 − e −as )( K − r (8)) − s K − 3 (1 − e −as ) 2 )
a 4a
taux : R (8, s + 8) = − ln P(8, s + 8)
si r (8) = 2,50% : si r (8) = 4%
R (8,13) = 3,15 % R (8,13) = 4,21%
R (8,28) = 3,97 % R (8,28) = 4,45 %
= E Q (exp − ∫ r ( u ) du ℑ t ). E Q (C(f ) ℑ t ))
t
= P( t, f ) E Q (C(f ) ℑ t )
= E Q (exp − ∫ r ( u ) du ℑ t ). E Q (C(f ) ℑ t ))
t
f
P( t, T )
P * ( t, T ) =
B( t )
Sous la mesure risque neutre ce processus est une martingale
P * ( t, T ) = EQ (P * (u, T ) l ℑt )
Réel: dP / P = µ( t, T ) dt − σ( t, T ) dw ( t )
P( t, T )
P( t, T; f ) =
P( t, f )
t t t
1 2
exp( ∫ r(u)du − ∫ σ(u, T )dw * (u) − ∫ σ (u, T )du)
P(0, T ) 20
= 0
t
0
t t
P(0, f ) 1 2
exp( ∫ r(u)du − ∫ σ(u, f )dw * (u) − ∫ σ (u, f )du)
0 0
20
avec :
T T
1
ρ f = exp( ∫ (λ(u) − σ(u, f ))dw (u) − ∫ λ (u) − σ(u, f ))2 du)
0
20
P( t, T; f ) = P(0, T; f )
t t
1
exp( − ∫ (σ(u, T ) − σ(u, f ))dw f (u) − ∫ (σ(u, T ) − σ(u, f ))2 du)
0
20
P( t, T; f ) = martingale sous Q f
P( t, T; f ) = EQ f (P(u, T; f ) l ℑt ) ( 0 ≤ t ≤ u ≤ f < T )
En particulier pour u=f :
P( t, T; f ) = EQf (P( f , T; f ) l ℑt )
ou
P( t, T ) P( f , T )
= EQf ( ) = EQ f (P( f , T ))
P( t, f ) P( f , f )
P( t, T ) = P( t, f ) EQ f (P( f , T ))
INSEA Devolder 430
4.4 Options sur zéro coupon
D’une manière générale si S est un actif sur ce marché le prix
peut alternativement s’écrire:
f
-en risque neutre : S( t ) = EQ ((exp− ∫ r(u) du).S( f ))
t
ou
C( t ) = P( t, f ) EQ f ((P( f , T ) − K )+ l ℑt )
Cas particulier :
C( t ) = P( t, T ).Φ ( h + ) − K P( t, f ) Φ ( h − )
où :
1 2
ln( P( t, T ) /( P( t, f ) K )) ± v ( t, f )
h± = 2
v ( t, f )
f
( v ( t, f )) 2 = var(ln P( t, f )) = ∫ ( σ( u, T ) − σ( u, f )) 2 du
t
INSEA Devolder 433
4.4 Options sur zéro coupon
Méthodologie: on se ramène à Black et Scholes !!
C( t ) = P( t, f ) EQ f ((P( f , T ) − K )+ l ℑt )
= EQ f ((P( f , T; f ) − K )+ l ℑt ).P( t, f )
P( f , T; f ) K
= EQ f (( − )+ P( t, T; f )) l ℑt ).P( t, f )
P( t, T; f ) P( t, T; f )
= P( t, f ) P( t, T; f ) EQ f (( Ψ( t, f ) − K *)+ l ℑt )
= P( t, T ) EQ f (( Ψ( t, f ) − K *)+ l ℑt )
F* = log normale(a, b)
= ( v( t, f ))2
S( t )
ln( ) + σ 2 / 2( T − t )
K.P( t, T )
d1 =
σ T−t
S( t )
ln( ) − σ 2 / 2( T − t )
K.P( t, T )
d2 =
σ T−t
INSEA Devolder 439
Option sous taux stochastiques
Modèle d’action sous taux stochastique :
1° On suppose que l’action suit un mouvement brownien
géométrique donné en risque neutre par :
dS( t ) = r S( t ) dt + ηS( t )d w( t )
dr ( t ) = a ( θ( t ) − r ( t )) dt + σ dw * ( t )
INSEA Devolder 440
Option sous taux stochastiques
Les deux processus w sont des mouvements browniens standards
corrélés sous la mesure risque neutre ( mouvement brownien
bi-dimensionnel ):
d w ( t ).dw * ( t ) = ρ dt
υ 2 ( t, T ) = η2 (T − t ) + ∫ σ 2 ( u, T ) du + 2ρ ∫ ησ( u, T )du
t t
σ 2
2 −a ( T − t ) 1 −2 a ( T − t ) 3
υ ( t, T ) = η (T − t ) + 2 (T − t + e
2 2
− e − )
a a 2a 2a
ρση 1
+2 (T − t − (1 − e −a ( T − t ) ))
a a
S( t )
ln( ) + υ 2 ( t, T ) / 2
K.P( t, T )
d1 =
υ( t, T )
S( t )
ln( ) − υ2 ( t, T ) / 2
K.P( t, T )
d2 =
υ( t, T )
INSEA Devolder 443
Option sous taux stochastiques
CONCLUSION :
devolder@actu.ucl.ac.be
http://www.actu.ucl.ac.be/staff/devolder/pdevolder.html