Vous êtes sur la page 1sur 41

Ingénierie en Finance

et Actuariat

La volatilité implicite
et locale
Rapport de projet

Réalisé par : Encadré par :


AMIRI Khadija Pr. AKDIM Khadija
SADOK Aimad
Remerciement
Nous ne saurons pas par où commencer la
rédaction de ce rapport sans remercier et exprimer
nos sincères sentiments de gratitude et de
reconnaissance envers Madame AKDIM Khadija
qui nous a offerte l’opportunité de réaliser ce
travail.

16
Table des matières
Remerciement........................................................................................................................................1
Table des matières..................................................................................................................................2
Introduction générale :.........................................................................................................................3
Modélisation stochastique de la dynamique du sous-jacent : Modèle de Black-Scholes :...............4
I. Généralités liées aux options :.........................................................................................................4
1. Les paramètres des options :...................................................................................................5
2. Les opérations sur les options :...............................................................................................6
2.1. L’achat d’une option d’achat (pour se protéger d’une hausse) :...........................................6
2.2. La vente d’une option d’achat (pour jouer d’une légère baisse) :.........................................6
2.3. L’achat d’une option de vente (pour se protéger d’une baisse) :..........................................7
2.4. Vente d’une option de vente (pour jouer une légère hausse) :..............................................8
II. Présentation du modèle..................................................................................................................8
1. Hypothèses sur le marché :......................................................................................................8
2. Modélisation probabiliste du marché :...................................................................................9
3. Probabilité Risque neutre........................................................................................................9
4. Portefeuille autofinançant :...................................................................................................11
5. Formule de Black & Scholes :................................................................................................11
6. Implémentation de la formule................................................................................................13
Méthodes d’estimation de la volatilité...............................................................................................14
I. Volatilité :.....................................................................................................................................14
II. Méthodes d’estimations de la volatilité........................................................................................14
1.La volatilité historique :..........................................................................................................14
2. La volatilité implicite :............................................................................................................18
2.1. La méthode de bissection :..............................................................................................21
2.2. La méthode de Newton-Raphson :..................................................................................23
2.3. Smile et Skew da la volatilité implicite :.........................................................................26
3. La volatilité Locale :...............................................................................................................28
Application..........................................................................................................................................30
1. Volatilité historique :....................................................................................................................30
2. Volatilité implicite :......................................................................................................................31
Conclusion...........................................................................................................................................36
Bibliographie .....................................................................................................................................37

16
Introduction générale :

Les modèles mathématiques constituent un pilier incontournable de la finance de marché


moderne. Pour bien comprendre ces modèles de plus en plus complexe, les spécialistes de la
finance utilisent des outils mathématiques tel que le mouvement brownien, les équations
différentielles stochastiques…

Le concept de la volatilité est probablement un des sujets qui suscitent le plus de recherches
dans le domaine de la finance mathématique. Cet intérêt pour la volatilité est motivé par deux
raisons importantes : le nombre de plus en plus grand de compagnies utilisant les outils de
gestion de risques et le grand nombre de produits dérivés transigées dans les marchés
financiers mondiaux.

Il existe plusieurs grandes catégories de méthode pouvant être utilisées afin d’estimer ce
paramètre. Premièrement, nous pouvons obtenir une estimation de cette volatilité à partir des
données historiques concernant l’écart-type du rendement de l’actif sous-jacent. Nous
pouvons aussi utiliser les prix des différentes options sur un actif donné, pour ensuite extraire
la volatilité implicite par le biais d’un modèle d’évaluation en fonction du prix de levée et de
l’échéance. Il suffit par la suite de calculer à partir de ces différents volatilités implicites une
mesure de la volatilité du rendement du sous-jacent (cette mesure sera en fait une moyenne
pondérée). Ainsi on peut estimer la volatilité a l’aide de la volatilité locale est le paramètre qui
mesure le risque associé à la variation instantanée du sous-jacent.

L’étude la plus reconnue dans le monde de la finance mathématique est certainement le


modèle d’évaluation des options de Black-Scholes (1973), qui a connu un succès immédiat
auprès des chercheurs et des professionnels de la finance, tant le besoin était grand d’outil de
gestion des risques. Le modèle de Black-Scholes permet d’évaluer le prix d’une option en se
basant sur l’hypothèse que l’évolution d’un titre suit un mouvement brownien géométrique et
que la volatilité est constante.

Cependant, l’hypothèse de la constance de la volatilité dans la formule de Black- Scholes


était rejetée depuis le début tel que démontré dans les travaux de Black (1976), Schmalensee
et Trippi (1978) et ceux de Christie (1982), et surtout après le crash de 1978, qui a mis en
évidence l’effet de "smile" qui pourtant ne devrait pas apparaitre sous les hypothèses de
Black-Scholes. Ces constatations nous amènent à considérer la volatilité comme processus de
diffusion, ce qui a donné naissance aux modèles à volatilité stochastique.

16
Modélisation stochastique de la dynamique du
sous-jacent : Modèle de Black-Scholes :

Le premier modèle d’évolution des actif financiers a été proposé par Louis Bachelier
dans sa thèse en 1900. Les actifs risqués étaient supposés gaussiens et pouvaient donc prendre
des valeurs négatives. Pour remédier à ce défaut, le modèle retenu par la suite est un modèle
rendant les actifs risqués log-normaux, afin de s’assurer qu’ils restent toujours positifs. Ce
modèle porte le nom de modèle de Black et Scholes. En effet, en 1973, Fisher Black, Robert
Merton et Myron Scholes proposent l’idée de définir le prix d’un produit dérivé comme celui
de son portefeuille de couverture et l’appliquent à ce modèle log-normal. Ils ont obtenu le prix
Nobel d’économie en 1997 pour ces travaux ce qui n’a pas empêché, leur fond
d’investissement "Long Term Capital Market" de faire faillite en 1998.

I. Généralités liées aux options :

Nous nous intéresserons ici essentiellement à une classe de produits financiers : les option
(le nombre de produits en cours sur le marché est gigantesque : chaque jour, un nouveau
produit apparaît). Avant même de définir ce qu’est une option nous devons préciser ce qu’est
un produit dérivé.

Définition : Produit dérivé

Comme son nom l’indique, un produit dérivé "dérive" d’un produit classique qu’on appelle
sous-jacent. Ce sous-jacent peut être :

 un taux d’intérêt,
 une devise,
 une action,
 une obligation.

Le prix d’un produit dérivé varie en fonction des fluctuations de son sous-jacent.

Cependant, Les produits dérivés constituent une catégorie de produits financiers à part
entière. Pour les produits dérivés sur taux d’intérêt, on parle essentiellement d’IRS (Interest
Rate Swap), de swaptions ou d’options sur taux. Pour les devises, les actions et les
obligations, on parle essentiellement d’options Call ou Put. Ils permettent aux gestionnaires
de gérer leur risque lié au sous-jacent.

Définition : Une option financière est un produit dérivé qui donne le droit (et non
l’obligation) d’acheter ou de vendre une quantité donnée d’un actif financier à un prix
précisé à l’avance (prix d’exercice), à (ou avant) une date d’échéance.

16
En contrepartie, l’acheteur verse immédiatement au vendeur de l’option une prime qui est le
prix de l’option.

Ce droit est exerçable une fois au choix pendant une période fixe, cas des options
américaines, ou seulement à une date fixe qui est souvent le dernier jour de la durée de vie de
l’option, option Européenne.

Les options traitées sont essentiellement des options d’achat « Call » ou de vente « Put » .
Chaque contrat porte sur un nombre fixé d’actifs supports (100 dans le cas des actions). Le
prix, fixée dans le contrat auquel l’opération peut se faire s’appelle le prix d’exercice, ou
strike.

Une option permet ainsi à son acheteur de se garantir le cours de vente (Put) ou d’achat
(Call) d’un actif dans l’avenir, sans pour autant qu’il s’engage à acheter ou à céder cet actif
comme c’est le cas pour les achats ou ventes à terme. S’il veut réaliser l’achat ou la vente, il
doit exercer l’option.

On peut vendre une option sans la posséder, car en fait on ne vend pas un titre mais un
engagement. Quand on vend une option, on s’engage à acheter ou à vendre le sous-jacent au
prix fixé, si l’acheteur de l’option exerce son droit.

1. Les paramètres d’une option :

 Prix d’exercice : Le prix d’exercice de l’option (ou strike) est le cours auquel l’acheteur
de l’option cédera ou achètera le sous-jacent. Ce prix d’exercice est fixé initialement au
gré de l’acheteur.

 Date d’échéance : La date d’échéance est la date au-delà de laquelle l’option devient sans
valeur. C’est aussi la date limite à laquelle l’acheteur peut exercer son droit (d’achat ou de
vente), ou revendre son option. Cette date est fixée au gré de l’acheteur ; elle est toutefois
fonction de la liquidité du marché pour les échéances lointaines.

 La prime : La prime est le prix que doit payer l’acheteur pour acquérir son option. Elle
est payable immédiatement à la conclusion du contrat. Là encore, selon le sous-jacent de
l’option, la prime s’exprimera différemment : pourcentage du montant ou points dans la
plupart des cas. On peut analyser cette prime comme une assurance : si tout se passe bien,
c’est à dire si les cours évoluent favorablement pour l’acheteur (l’assuré), l’assurance ne
l’exercera pas. Dans le cas contraire, l’exercice de l’option (l’assurance) servira à
compenser la perte occasionnée par l’évolution défavorable des cours.

 Volatilité : c’est le risque associé au sous jacent.

 Taux r : c’est le taux sans risque.

2. Les opérations sur les options :


16
2.1. L’achat d’une option d’achat (pour se protéger d’une hausse) :

Si l’option est exercée en T (la date d’échéance), l’investisseur achète le sous-jacent au


prix K et peut le vendre au cours du jour S supérieur à K. Comme l’acheteur du call espérait
retirer un profit, cela veut dire que l’acheteur d’une option d’achat spécule à la hausse.

A l’échéance, ce droit n’est exercé que si les cours sont montés et ont dépassé le prix
d’exercice, le retour (payoff) est égal à : max (0, St − K).

Les risques sont limités à la prime payée (une perte maximale égale à la prime C), et les
gains dépendent de l’écart entre le prix d’exercice et le cours à l’échéance :
max (0, St−K) −C.

En revanche, l’acheteur d’une option d’achat réalise un profit dès que la valeur du sous-
jacent est supérieure au point mort ou seuil critique (Sc) égal à K + C.

Cette stratégie est illustrée sur la figure1.1.

2.2. La vente d’une option d’achat (pour jouer d’une légère baisse) :

L’opérateur réalise l’opération inverse de l’acheteur du Call. Si l’option est exercée en T,


l’investisseur vend le sous-jacent au prix K et peut l’acheter au cours du jour S inférieur à K.

Le vendeur d’une option d’achat n’a donc pas intérêt à ce que l’option soit exercée, il
spécule à la baisse. A l’échéance, le retour est de min (0, K − St) =max (0, St −K) et le profit
réalisé est de C −max (0, St −K).

Cette stratégie est illustrée sur la figure 1.2.

16
2.3. L’achat d’une option de vente (pour se protéger d’une baisse) :

Si l’option est exercée, l’acheteur d’une option de vente vend l’actif au prix K et peut
l’acheter au prix S inférieur à K.

Un acheteur d’options de vente spécule donc à la baisse. A l’échéance, le retour est de


max (0, K − St). En notant P la prime du put, le profit réalisé est de : max (0, K − St) − P. Il
est positif dès que S est inférieur au seuil critique (Sc) égal à K − P.

Le risque de perte est limité au montant de la prime.

Cette stratégie est illustrée sur la figure 1.3

16
2.4. Vente d’une option de vente (pour jouer une légère hausse) :

Si l’option est exercée, le vendeur d’une option de vente achète l’actif au prix K et peut le
vendre au prix S supérieur à K. Le vendeur d’une option de vente spécule donc à la hausse.
A l’échéance, le retour est de max (0, K − St).

En notant P la prime du put, le profit réalisé est de P − max (0, K − St).


Cette stratégie est illustrée sur la figure 1.4.

II. Présentation du modèle


1. Hypothèses sur le marché :

La formule de Black & Scholes (noté BS par la suite) est utilisée en finance comme
modèle de prix d’une option européenne. Ce modèle suppose un certain nombre de
conditions :

 On doit être dans un marché avec AOA (Absence d’opportunité d’arbitrage),


 On ne considère pas les coûts dus aux transactions,
 La vente `a découvert est autorisée,
 Il existe un taux d’intérêt sans risque,
 Le temps est continu,
 Il n’y a pas de restrictions sur le volume des transactions,
 Si le sous-jacent est une action, elle ne paye pas de dividendes durant la validité de
l’option. (NB : Il est possible de tenir compte du dividende en modifiant un peu la
formule).

16
2. Modélisation probabiliste du marché :

Pour modéliser l’incertitude sur le marché, nous considérons un espace de probabilité


complet (Ω ; A ; P), muni d’un mouvement brownien standard W. Nous supposons que notre
marché est constitué d’un actif sans risque S0 et d’un actif risqué S sur la période [0 ; T].

 Actif sans risque : Dans le modèle discret à n périodes, lorsque l’on discrétise
l’intervalle [0 ; T] en n intervalles de longueur T/n, que l’on considère un taux sans
risque rn de la forme rT /n, la valeur de l’actif sans risque à l’instant pT/n a la forme
suivante : (1 + rT/n)p. Donc, lorsque n tend vers l’infini, St0 se comporte comme ert. La
dynamique retenue pour l’évaluation de l’actif sans risque en temps continu est donc
naturellement :

dSt0 = rSt0 dt et S00 = 1 donc St0 = ert ꓯ tꞓ[0; T] :

 Actif risqué : Il suit la dynamique donnée par l’EDS de Black & Scholes :
dSt = μ St dt + σ St dWt (*)

Où S0, μ et σ sont des constantes avec σ> 0 et S0 > 0. Ce modèle est le plus simple que l’on
puisse imaginer pour modéliser l’évolution d’un actif risqué en temps continu tout en
imposant qu’il soit positif. Comme nous allons le voir, cela revient à supposer que les
rendements de l’actif sont normaux. Les coefficients μ et σ sont respectivement appelés
tendance et volatilité de l’actif S.

Théorème 1.1 :

L’EDS (*) admet une unique solution qui est donnée par :
2

St =S 0
(e µ− σ2 )t +σ W P− p . s . ∀ t ∈ [0, T]
t

3. Probabilité Risque neutre 

3.1. La densité de Radon Nikodym :

On cherche à construire une probabilité Q sur (Ft) équivalente à P. si Q est absolument


continue par rapport à P alors le théorème de Radon Nikodym assure l’existence d’une
variable aléatoire FT -mesurable ZT telle que dQ = ZT dP,i.e .

∀ A ∈ F T Q ( A ) =∫ Z T dP

La densité de Radon Nikodym de P par rapport à Q est 1/ZT i.e :

dQ
=Z T
dP
Présenté

16
3.2. Probabilité rendant martingale les valeurs actualisées :

Dans toute la suite, tout comme dans le cas discret, on notera Ȳ, la valeur actualisée d’un
processus Y définie donc par :

La dynamique des actifs actualisés :

 Un actif sans risque :

 Un actif risqué :il faut appliquer la formule d’Ito :

Définition :

µ−r
Dans le modèle de Black Scholes, λ= est ce que l’on appelle la prime de risque.
σ

A l’aide de Girsanov on va construire une proba risque neutre (Q), qui rend l’actif Risqué
Actualisé Martingale.

16
4. Portefeuille autofinançant :
Définition 4.1 :

Un portefeuille est un ensemble d’investissement possédé par un intervenant sur le


marché. Ce sont des positions sur le marché, c-à-d le nombre d’actifs et de produit dérivé
qu’il possède. Il peut contenir des actions, des options, des devises... On peut appeler cela un
portefeuille initial sans l’action de gestion des risques.

Définition 4.2 :

Un portefeuille autofinancé est une stratégie qui consiste à l’investissement à tout moment
tꞓ[0,T] d’une quantité notée φ t d’actif risqué S et d’une quantité φ 0t d’actif sans risque S0. La
valeur de portefeuille est donnée par :

X t =φ t S t +φ 0t S0t
Avec la condition d’autofinancement :
dX t =φ t d S t +φ0t dS 0t

Une stratégie est dite autofinançant s’il n’y a pas d’ajout ou de retrait d’argent dans le
portefeuille entre deux instants successifs ; elle consiste à :

 Débuter avec une somme initiale d’argent X (réparti entre actif risqué et actif sans
risque).
 Modifier cette répartition une fois à chaque pas de temps après avoir eu connaissance
des cotations des actifs le contenant, et sans importer ni exporter d’argent.

Proposition 4.1 :

La probabilité Q construite précédemment est une probabilité risque neutre. La valeur en t de


toute stratégie autofinançant de flux final X t =h T Q- intégrable est :

X t =e−r (T−t ) E Q (h T / Ft )

5. Formule de Black & Scholes :

Le prix en t d’une option Européennee de payoff h(St ) est de la forme v(t ;St) avec :

v ( t ; S t ) =e−r (T −t ) EQ ( h( ST )/ F t )

La formule de Black & Scholes est basée sur les paramètres suivants :
• v(S,T) : Le prix de l’option que l’on veut pricer
• S : Le prix spot du sous-jacent
• T : Le moment de l’exercice
• K : Le strike ou le prix d’exercice

16
• r : Le taux d’intérêt
• σ : La volatilité du sous-jacent
Le prix d’un Call :
C t=S t N ( d1 ) −K e−r (T −t ) N ( d 2 ) ∀ t ∈ [0, T]

avec N la fonction de répartition d’une loi normale N (0;1), d1 et d2 donnés par :

St σ2
d 1=
ln ( )
k
+(r+ )(T −t)
2 et d 2=d 1−σ √ T−t
σ √ T−t

Le prix du Put :
Pt =K e−r (T −t ) N (−d 2 ) −S t N (−d 1 ) ∀ t ∈ [0, T]

Application
Soit un call sur Arcelourd, une entreprise spécialisée dans le commerce de l’acier, dont les
résultats futurs semblent prometteurs. L’action vaut aujourd’hui 80 euros. Soit un call de
strike 90 et de maturité un trimestre. Les taux d’intérêts sans risque pour cette période sont
équivalents à 5%. La volatilité est égale à 35%.
Donc : S0 = 80, K = 90, T = 0; 25, r = 0; 05, σ = 0; 35.
d1 = -0,51
d2 = 0,25
Après calcul, on aura les prix suivants :
call = 2:48 euros
put = 11:36 euros

Nous allons par suite implémenter le modèle de Black & Scholes avec R pour calculer les prix
des options :

Calcule sous R

16
On remarque que les prix avec R sont similaires à ceux donnés par l’exemple ci-dessus.

6. Implémentation de la formule

Pour mettre en œuvre pratiquement la formule de Black et Scholes, tous les paramètres et
variables d'état doivent être identifiées.

 Le prix d'exercice et la date d'expiration de l'option sont spécifiés dans le contrat


et sont connus sans ambigüité.

 Le temps jusqu'à la maturité est plus difficile à spécifier : doit-on compter tous les
jours ou seulement les jours ou les marchés sont ouverts ?
Observons que le temps jusqu'à la maturité apparait dans la formule de Black et
Scholes dans deux termes. Dans le facteur d'actualisation e􀀀r(T􀀀t), le nombre de
jours du calendrier semble approprié car les intérêts courent tous les jours. Dans le
second terme, une réponse plus ambiguë peut être faite : le temps jusqu'à maturité
apparait comme indissociable de la volatilité. Or des études empiriques ont montré
qu'il y avait un effet jour significatif (week-ends et jours fériés sont nettement moins
risqués). Souvent, les traders ajustent cette maturité restante (de volatilité) à un
nombre de jours compris entre le nombre de jours du calendrier et celui du nombre de
jours ouvrés (par exemple, un jour de non trading = 1/3 d'une journée ouverte).
Comme l'année boursière est de l'ordre de 252 jours ouvrées, cette correction n'est pas
négligeable.

 Le taux d'intérêt est supposé constant et égal au taux d'intérêt sans risque. Mais en
général, une telle hypothèse ne semble pas vérifiée sur les marchés. Le cas des taux
déterministes Suggère de considérer le taux zéro-coupon maturant en T.

 Le cours de l'action à introduire est un cours de négociation. Quel est le bon cours de
l'action à retenir, celui du matin, du soir, le plus fort, le plus faible, etc. . . . Les cours
publiés dans les journaux spécialisés sont souvent des cours reconstitués mid-market :
moyenne entre le prix de l'offre et le prix de vente (bid-ask).

16
 La volatilité sera analysée ci-dessous.

Méthodes d’estimation de la volatilité

L’estimation de la volatilité est capitale en mathématiques financières pour calculer le prix


d’une option. Elle permet de mesurer l’instabilité du cours d’un actif financier.
Plus la volatilité est importante plus l’actif est instable, si la volatilité est nulle, on peut
connaître de manière exacte la valeur de l’actif dans le futur.

I. Volatilité :

L’étude de la volatilité de certains actifs financières est devenue un sujet très important
dans le domaine de la fiance, cette importance vient en grande partie du fait qu’elle permet de
mesurer l’incertitude concernant l’évaluation du rendement d’un actif donné (une action, ou
une indice boursier par exemple..). De même, le fait que les prix de ces actifs soient très
variables ne peut être négligé, surtout lorsqu’on investit notre argent.

De nos jours n’importe quel investisseur est conscient de ces fluctuations qui introduisent
un élément de risque dans son portefeuille.

La volatilité est un paramètre qui mesure l’instabilité du cours d’un actif financier. Elle
mesure l’amplitude des variations d’une action. L’estimation de la volatilité est le point le
plus délicat dans l’établissement d’un prix. D’autant plus, que la valeur d’une option est très
sensible aux variations de la volatilité.

La volatilité se présente ainsi comme un paramètre très important dans la détermination de


la valeur d’une option et la précision de son estimation conditionne la précision de
l’évaluation de l’option. Autrement dit, il ne suffit pas d’avoir un bon modèle d’évaluation
d’une option, il faut également avoir une estimation la plus précise possible de la volatilité.

Lorsqu’un produit financier suit la loi : dSt = St (μdt +σ dBt

16
On a coutume de dire que σ représente la volatilité de ce produit. Intuitivement représente
l’écart-type de dSt/St et est lié au risque de l’actif.

La formule de Black & Scholes ne donne un résultat explicite que lorsque les coefficients µ
et σ sont déterministes.

II. Méthodes d’estimations de la volatilité

1.La volatilité historique :

Pour obtenir le paramètre de la volatilité, en utilisant des données historiques du sous-


jacent, qu’elles sont considérées comme un outil d’aide à la décision pour déterminer une
variation future (pour prévoir les cours futurs). L’estimation de cette volatilité a été utilisée
par plusieurs chercheurs tels que Black-Scholes (1972), Galai (1977) et Finnerty (1978).

La volatilité historique est mesurée par l’écart-type du rendement rt du sous-jacent, durant


la période qui précède l’émission des options.

Le rendement instantané du sous-jacent est supposé suivre un mouvement brownien


dSt
géométrique suivant l’équation =μ dt+ σ d W t Il est équivalant d’affirmer que rt suit une
St
loi log-normal.

La volatilité σ du rendement instantané est supposée être constante dans le modèle de


Black-Scholes. Il est possible d’estimer la volatilité instantanée avec des observations
rapprochées du cours du sous-jacent.

Afin de calculer l’écart-type, le rendement journalier est calculé telle que :


Pt
r t =ln ⁡( )
Pt −1
La racine carrée de la variance empirique sans biais (ῦ ) est la meilleure estimation de la
volatilité, donnée par les formules suivantes :

n n
1

ῦ ¿ 1 ∑ ( r t−µ¿ )2
n−1 i=1
¿
où : µ = ∑ r t
n i=1

Avec :
 n : le nombre d’observation à considérer pour le calcul de la volatilité.
 µ¿: la moyenne des rendements.
 Pt : le cours de l’actif sous-jacent à la date t.
 Pt-1 : le cours de l’actif sous-jacent à la date t-1.

Exemple :

16
Soit l’indice NASDAQ qui prend les valeurs suivantes au cours d’année 2017 (première
colonne). La deuxième colonne est celle de la rentabilité quotidienne.

Date Rendement
03/01/2017 0,195780
04/01/2017 -0,001507
05/01/2017 -0,049385
06/01/2017 -0,046729
09/01/2017 0,097249
10/01/2017 -0,048353
11/01/2017 0,084407
12/01/2017 -0,081489
13/01/2017 -0,115566
17/01/2017 0,090433
18/01/2017 -0,042857
19/01/2017 0,070186
20/01/2017 -0,036885
23/01/2017 -0,053118
24/01/2017 0,089815
25/01/2017 0,082153
26/01/2017 -0,069976
27/01/2017 -0,094080
30/01/2017 0,066113
31/01/2017 0,138698

Sous EXCEL : on utilise la fonction VAR.P on obtient :

VAR volatilité historique journalière volatilité historique annuelle


0,007807406 0,088359529 1,399878215

L’écart-type sans biais des rentabilités s’établit à 0,088359529. En d’autres termes, la


volatilité quotidienne est de 9 %.

16
Supposons que le nombre de séances boursières dans l’année soit de 252. Il faut alors
multiplier notre volatilité quotidienne par la  racine carrée de 252 afin d’obtenir la volatilité
annuelle. Celle-ci s’élève à 140  %.

Sous R :

Importer les données

Calcule de la volatilité :

Remarque :

16
La volatilité historique est certainement l’une des mesures de risque la plus utilisée
par les différents acteurs sur le marché. Toutefois, elle n’est pas absente de toutes
faiblesses. En effet, la principale défaillance est qu’il est basé justement sur des données,
il serait totalement inconscient et irréaliste d’affirmer qu’un événement ayant survenu
dans le passé va obligatoirement se reproduire identiquement dans le futur.

2. La volatilité implicite :

Etant donné les critiques adressées à la méthode historique, une méthode alternative
consiste à utiliser les prix observés sur les marchés pour en extraire une volatilité implicite.
Le vrai problème, avec la volatilité implicite, est sa liaison avec le processus de diffusion du
sous-jacent.

En connaissant le prix du marché pour une option, il est possible d’obtenir une valeur
unique pour la volatilité. Il suffit de trouver la volatilité notée σimp telle que l’estimation
donnée par le modèle de BS corresponde à celle du marché. Cette valeur est appelée volatilité
implicite.

Plus généralement, la volatilité implicite d’une option est la volatilité permettant de


compléter le modèle de Black et Scholes pour donner le prix réel de l’option sur le marché.

La volatilité implicite est très utilisée pour le calcul des ratios de couverture des options
européennes. Elle est fortement utilisée en salle des marchés. Notons que les options très « in-
the-money »et très « out-of-the-money » sont peu sensibles aux variations de volatilité, c’est
pourquoi les volatilités implicites calculées sur ces options tendent à manquer de fiabilité.

Le calcul de la volatilité implicite nécessite donc l’inversion de la formule de Black-Scholes.

La volatilité implicite peut s'écarter notablement de la volatilité historique car elle est censée
refléter la volatilité future anticipée par le marché. Elle incorpore également toutes les
incertitudes sur la qualité du modèle utilisée.

. Méthodes d’estimation de la volatilité implicite :

Il existe plusieurs méthodes pour estimer la volatilité implicite ; selon le modèle


d’évaluation, les types, les classes et les séries d’option disponibles. Cela pose un problème
car intuitivement, il devrait exister une seule mesure de la volatilité par actif financier sous-
jacent à l’option. Pour résoudre le problème de la structure de la volatilité implicite, plusieurs
auteurs ont suggéré différentes méthodes de calcul afin de trouver un seul chiffre qui pouvait
caractériser un actif financier en particulier.

Pour obtenir une expression de la volatilité d’après la formule de Black-Scholes, reprenons


donc la formule de Black-Scholes pour un call-européen :

C ( S , t )=S t N ( d 1 )−K e−r ( T−t ) N ( d 2 )

16
2
x −s
1 2
Or N ( x )= ∫e ds
√ 2 π −∞
2
−x
On a alors : N ' ( x )= 1 e 2
√2π
2
−d1
S 2
SN ' ( d 1 )= e
√2 π
2 2

( Sk )+(r+ σ2 )( T−t )
( )
t
ln
−1
S 2 σ √T −t
SN ' ( d 1 )= e
√2π
2 2 2
2 St σ S
−1
∗l n + r+ ( T−t ) 2+2 ln t r+ σ ( T−t )
( )( ) ( )( )
2 k 2 k 2
S 2

S N ' (d 1)= e σ ( T−t )

√2 π 2 2 2
2 St σ S
−1
∗l n ( )( )
+ r+ ( T−t ) 2+2 ln t r+ σ ( T−t ) ( )( )
S 2 k 2 k 2
K ln ⁡( K ) 2
σ ( T−t )
SN ' ( d 1 )= e e
√2π
2 2 2
2 St σ S
−1
∗l n + r+ ( T−t ) 2+2 ln t r− σ ( T −t )
( )( ) ( )( )
2 k 2 k 2
K 2
σ ( T −t )
SN ' ( d 1 )= e
√2π
D’autre part :
2
−d2
−r (T −t ) K −r(T −t ) 2
Ke N ' ( d 2 )= e e
√ 2π
2 2

( Sk )+(r − σ2 ) (T −t )
( )
t
ln
−1
−r ( T −t ) ' (d 2) K −r (T −t) 2 σ √ T−t
Ke N = e e
√2 π
2 2 2

( Sk )+(r − σ2 ) ( T−t )+2 ln ( Sk )(r− σ2 )(T −t ) +2 r (T −t )


( )
2 t t
ln
−1

K 2 2
σ ( T−t )
K e−r (T −t ) N ' ( d 2 )= e
√2 π
2 2 2

( Sk )+(r − σ2 ) ( T−t ) +2 ln ( Sk )(r− σ2 )(T −t ) +2r (T −t ) σ


( )
2 t 2 t 2 2
ln
−1

' (d 2) K 2 2
σ ( T −t )
K e−r (T −t ) N = e
√2 π
2 4

( Sk )+2 ln( Sk )(r − σ2 ) (T−t )+(r + σ4 −r σ + 2r σ )


( )
2 t t 2 2 2
ln
−1

K 2 2
σ ( T −t )
K e−r (T −t ) N ' ( d 2 )= e
√2 π
2 2 2

( Sk )+(r + σ2 ) (T −t ) +2 ln ( Sk )(r −σ2 )( T−t )


( )
2 t 2 t
ln
−1

−r ( T −t ) ' (d 2) K 2 2
σ ( T −t )
Ke N = e
√2 π
Donc, on a :
' d
K e−r (T −t ) N ( )=S N ' (d 1 )
2

∂C ∂2 C
On pose ensuite : C(1)= et C =
(2)
et (2)
ξ=C −C
(1)
∂¿¿ ∂2 ¿ ¿

16
On a :
(1) S N ' ( d 1 ) K e−r ( T −t ) N ' ( d 2 )
C =SN ( d 1 ) + −
σ (T −t ) σ ( T −t )
2 S N ( d 1 ) S N ' ( d 1 ) K e−r ( T−t ) N ' ' ( d 2)
'
(2)
C =SN ( d 1 ) + + −
σ (T −t ) ( σ ( T −t ) )2 ( σ ( T −t ) )
2

Donc :
S N ' ( d 1 ) S N ' ' ( d1 ) K e−r (T −t ) N ' ' ( d 2 )
ξ= + −
σ ( T −t ) ( σ ( T −t ) )2 ( σ ( T −t ) )
2

Or N ' ' ( d )=−d N ' ( d ) et d 2=d 1−σ √ T−t

Donc :
S N ' ( d 1 ) K e−r (T−t ) d 2 N ' ( d 2 )−S d 1 N ' ( d 1 )
ξ= + 2
σ ( T −t ) ( σ ( T −t ) )
S N ' ( d 1 ) K e−r (T−t ) N ' ( d 2 )
ξ= +
σ ( T −t ) σ ( T −t )
2 S N ( d 1 ) 2 K e−r ( T−t ) N ' ( d 2 )
'

ξ= =
σ ( T −t ) σ (T −t )

Soit K ξ l’élasticité da la fonction auxiliaire ξ par rapport à S :

∂ ln ξ
K ξ=
∂ ln S

d 21
Or ln ξ=ln ( 2 )+ ln ( S )−ln ( σ ( T −t ) )−ln ( √2 π )−
2
d1
K ξ =1−
σ ( T −t )
−d1 1 r 1 r
K ξ= + + 2+ − 2
σ ( T −t ) 2 σ 2 σ
σ2 (
K ξ=
−d1
+
( )
r+
2
T −t )
1 r
+ − 2
2
σ ( T −t ) σ (T −t) 2 σ
S
−ln
K ξ= 2
( )
K 1 r
+ −
σ ( T −t ) 2 σ 2

1 r S 1 S
Et (
σ 2 ( T −t ) K ξ − − 2 =ln
2 σ K ) ( )
⟺ σ 2(T −t )(¿ K ξ − )=ln ⁡( )−r ( T −t)¿
2 K
D’où:

16
( KS )−r ( T−t )

ln
σ imp =
1
(T −t ) ( K − )
ξ
2

On a donc une expression de la volatilité en fonction des autres paramètres et de K ξ qui


n’est autre qu’une combinaison des différentielles premières et secondes du prix du call par
rapport au logarithme du sous-jacent. En connaissant donc les valeurs précédentes du call, on
en déduit la volatilité.

On remarque que la volatilité implicite dépend du prix d’exercice et de la maturité.


En pratique, pour calculer la volatilité implicite, on ne se sert pas de cette formule trop
compliquée à mettre en place, on utilise une résolution numérique.

Si on appelle Cmarket la valeur d’un call dans le marché, pour calculer la volatilité implicite,
on cherche à résoudre :

C market −C BS ( K , T , σ imp )=f ( σ )=0

2.1. La méthode de bissection :

a) Définition

La méthode de dichotomie ou méthode de la bissection est, en mathématiques,


un algorithme de recherche d'un zéro d'une fonction qui consiste à répéter des partages
d’un intervalle en deux parties puis à sélectionner le sous-intervalle dans lequel existe un zéro
de la fonction.

b) Principe

On considère deux nombres réels a et b et une fonction réelle f continue sur l'intervalle


[a, b] telle que f(a) et f(b) soient de signes opposés. Supposons que nous voulions résoudre
l'équation f(x) = 0. D'après le théorème des valeurs intermédiaires, f a au moins un zéro
dans l’intervalle [a, b]. Il faut encore fixer ε > 0 qui est définit comme la borne supérieure de
l'erreur admissible.

La méthode consiste à appliquer successivement les 4 étapes suivantes :

a+ b
1. Calcul de : m=
2
2. Evaluation de f ( m )
3. Si  |f ( m)|< ε alors le travail est terminé, il faut afficher m et f ( m )
4. Sinon on procède comme suit :
- on remplace a par m si  f ( m )∗f ( a ) > 0

16
- on remplace b par m si    f ( m )∗f ( b ) > 0ou  f ( m )∗f ( a ) < 0
- on retourne en (1)

c) L’algorithme :
Sous l'hypothèse que le signe de f(m) soit déterminable, voici une représentation de la
méthode en pseudo-code :

Tant que (b - a) > ε


m ← (a + b) / 2
Si (f(a)*f(m) ≤ 0) alors
b←m
sinon
a←m
Fin
Fin

Dans notre cas on a :

f ( x )=f ( σ )=C market −C BS ( K ,T ,σ imp ) =f ( σ )=0

d) Exemple :

Soit un Call dont les paramètres sont les suivant :


S=3850 , K =4100 , T =1 ,r =0.0125 et C market =0.025
On veut calculer la volatilité implicite de ce Call utilisant la méthode de bissection.
Sous R on :

16
Donc la volatilité implicite est : σ imp =0.01678372=1.678 %

2.2. La méthode de Newton-Raphson :

a) Principe
La méthode consiste à introduire une suite (xn) d’approximations successives de l’équation
f (x) = 0.

 On part d’un x0 proche de la solution.

 À partir de x0, on calcule un nouveau terme x1 de la manière suivante : on trace la


tangente à Cf en x0. Cette tangente coupe l’axe des abscisses en x1 comme indiqué sur
la figure ci-dessous.

 On réitère ce procédé en calculant x2 en remplaçant x0 par x1, puis x3 en remplaçant


x1 par x2 et ainsi de suite...

16
b) Formule de récurrence

 xn+1 est l’abscisse du point d’intersection de la tangente à Cf en xn avec l’axe des


abscisses.
'
 L’équation de la tangente en xn est : y=f ( xn ) ( x−x n ) + f ( x n )
 Cette tangente coupe l’axe des abscisses quand y = 0 :

f ' ( x n ) ( x−x n ) + f ( x n ) =0 ⟺ f ' ( x n) ( x−x n ) =f ( x n )

−f ( x n ) f ( xn )
( x−x n ) = '
⟺ x=x n−
f ( xn ) f ' ( xn )

f ( xn )
 On a donc la relation de récurrence suivante : x n+1=x n −
f ' ( xn )

c) Conditions d’application

Pour que la suite (xn) existe :

 La fonction f doit être dérivable en chacun des points considérés. En pratique la


fonction doit être dérivable dans un intervalle centré en α contenant x0.
 La dérivée ne doit pas s’annuler sur cet intervalle.

Pour que la suite (xn) soit convergente, les conditions dépassent le cours de terminale, mais
en pratique, il faut prendre un x0 assez proche de la valeur α qui annule la fonction. On le
détermine à l’aide du théorème des valeurs intermédiaires.

16
d) Algorithme

Lorsque la suite converge, elle converge de façon quadratique c’est à dire que le nombre de
chiffres significatifs double à chaque itération. Si l’on s’en tient à une précision inférieure à
10−15 , la suite doit alors converger en moins de 10 itérations. On pourra mettre une condition
d’arrêt de l’algorithme lorsque le nombre de boucle dépassera 10 car alors la suite ne
converge pas. Il faudra alors prendre un x0 plus proche de α.

f ( xn ) −p
On prendra comme critère d’arrêt pour une précision de p : '
<1 0
f ( xn )
Pour utiliser cet algorithme, il faudra calculer la fonction dérivée et rentrer les fonctions f et
f ′ dans la calculatrice.

On peut alors proposer l’algorithme suivant :

e) Exemple :

En prenant le même exemple précédent alors la volatilité implicite utilisant la méthode de


Newton-Raphson
On a : f ( x )=f ( σ )=C market −C BS ( K ,T ,σ imp )
' '(σ)
∂ C BS ( K , T , σ imp )
f ( x )=f = =Vega=S √T N ' (d 1)
∂ σ imp

Sous R :

16
Donc la volatilité implicite est :

Donc la volatilité implicite est : σ imp =0.01678421=1.678 %

2.3. Smile et Skew da la volatilité implicite :

a) Le Smile de la volatilité

La volatilité est le seul paramètre inobservable dans le modèle de Black-Scholes, on peut


considérer le prix de l’option comme fonction de la volatilité, si ce modèle était parfait, la
volatilité implicite serait la même quel que soit le prix du marché de l’option. Des études
empiriques ont montré que la volatilité est liée au prix d’exercice de l’option et de sa durée de
vie résiduelle, quand il s’agit d’une option européenne si on représente la volatilité implicite
en fonction du prix d’exercice de l’option, en fixant la maturité, on obtient une courbe de la
forme convexe plutôt qu’une droite horizontale comme le suppose le modèle de Black-
Scholes, cette forme de la courbe est désignée de "Smile".

16
Cela est en contradiction avec le modèle théorique, mais le marché retient que cela indique
que le titre de volatilité implicite la plus élevée est le plus risqué, le risque étant du, le cas
échéant, à des écarts au modèle d'arbitrage théorique, moins grande liquidité par exemple, etc

C'est ce paramètre qui sert actuellement de référence de risque sur le marché des options,
où l'on évoque facilement que l'on achète ou vend de la volatilité.

Le Smile peut être expliquée par les primes de liquidité qui sont plus élevées pour les
options loin de la monnaie.

Discussions :

En analysant la courbe, on pourra en tirer des résultats sur les positions qu’on pourrait
prendre si l’on était un détenteur d’une telle option :

Soit le prix d’exercice de l’option à un instant t donné est inférieur au prix spot :

- Si l’on avait investi dans une option d’achat (Call) : tant que le prix spot du sous-
jacent (situé au milieu de la courbe à la phase rouge) est supérieur au prix d’exercice
de l’option, le détenteur réalise un gain, donc son option est dans la monnaie.
- Si l’on avait investi dans une option de vente (Put) : tant que le prix spot du sous-
jacent est supérieur au prix d’exercice de l’option, le détenteur doit subir une perte
limitée à la prime versée, son option est donc hors de la monnaie.

Soit le prix d’exercice de l’option à un instant t donné est égale au prix spot :

- L’investissement dans une telle option rendre l’option à la monnaie (le prix d’exercice
est égal au prix spot du sous-jacent).
Soit le prix d’exercice de l’option à un instant t donné est supérieur au prix spot :

- Si l’on avait investi dans une option d’achat (Call) : tant que le prix spot du sous-
jacent (situé au milieu de la courbe à la phase rouge) est inférieur au prix d’exercice
de l’option, le détenteur doit subir une perte limitée au risque, donc son option est
hors de la monnaie.

16
- Si l’on avait investi dans une option de vente (Put) : tant que le prix spot du sous-
jacent est inférieur au prix d’exercice de l’option, le détenteur réalise un gain, son
option est donc dans de la monnaie.

b) Skew de la volatilité implicite

Pour presque tous le strikes, la volatilité implicite décroit en fonction de strike


(phénomène de Skew).

Le phénomène de Skew est dû au fait que le modèle de Black& Scholes sous-estime la


probabilité d’un krach boursier ou d’un grand mouvement de prix en général. Les traders
corrigent cette probabilité en augmentant les volatilités implicites des options loin de la
monnaie.

3. La volatilité Locale :

Pour prendre en compte le Smile du marché tout un restant dans le cadre markovien et
complet (un seul facteur de risque) une solution naturelle est de modéliser la volatilité comme
une fonction déterministe du temps et de la valeur du sous-jacent, ce qui signifie que la valeur
du sous-jacent est la solution d’une équation différentielle stochastique.

d St
=μ dt + σ ( S t , t ) d W t
St

Dans la suite nous supposerons toujours que l’équation admet une unique solution forte. Par
exemple, il suffit de supposer que Sσ(t, S) est Lipschitz en S et à croissance sous-linéaire.

16
Dupire (1994) montre qu’il existe une unique forme de volatilité σL(St, t) dépendant de
l’état du sous- jacent et de la date qui soit cohérente avec les prix de marchés des options
vanilles.

a) La formule de Dupire :

Soit la dynamique pour le sous-jacent S sous la probabilité risque-neutre Q :

d St
=(r t−qt )dt+ σ L ( S t , t ) d W t
St
Avec :
 W : un mouvement brownien sous Q
 qt : le taux de dividende continu de l’actif S

Définition :

La densité de probabilité de transition φ ( y , t : y ' ,t ' ) définie par :


b
P ( a< y <b Ι y en t )=∫ φ ( y , t : y ' ,t ' ) d y ' ∀ t <t '
a
Dans notre cas, on aura : y=S t , y' =K ,t ' =T

Notons C(S, t ;K, T) le prix du call européen dans le modèle à volatilité locale. On a alors
la relation d’évaluation :
T

−∫ r u du
C ( S , t : K , T ) =e ∫ max(¿ ( y ¿−K ), 0) φ ( S ,t : y , T ) dy ¿ ¿
t

En dérivant partiellement deux fois par rapport à K la relation précédente, on obtient la


relation de Breeden (Breeden & Litzenberger 1978) :
T

−∫ r u du ∂2 C( S ,t : y , T )
φ ( S , t : y ,T )=e t
2
∂K

Théorème :
Soit l’équation différentielle stochastique de la forme générale : dy = A(y; t)dt +B(y; t)dWt ,
Alors la densité φ est la solution de l’équation Forward de Kolmogorov donnée par :
2 2
∂ φ 1 ∂ ( B ( K , T ) φ) ∂( A (K , T )φ )
= +
∂T 2 ∂ K2 ∂K

Dans notre cas on a : A ( y ,t )=r t−qt et B ( y , t )=σ L ( S t , t )

En dérivant partiellement par rapport à T et en utilisant l’équation de Kol-mogorov forward


vérifiée par j on obtient :

16
T T
+∞ +∞
∂C −∫ r u du −∫ ru du
∂2 2
∂T
=−r T C +e t
∫ ( y −K ) ∂∂y ( r T−qT ) yφ ( S , t : y , T ) dy + 12 e t
∫ ( y −K ) ∂y
σ ( y ,T ) y 2 φ ( S , t : y ,T ) dy
2 L
K K

Ces intégrales peuvent se calculer par intégration par parties avec p une densité de
probabilité. On obtient la formule de Dupire :

∂C ∂C
+ ( r T −q T ) K +q C
2 ∂T ∂K T
σ L ( K ,T )=
1 2 ∂2C
K
2 ∂K2
Donc la volatilité locale est donnée par :
∂C ∂C


+ ( r T −qT ) K +q C
∂T ∂K T
σ L ( K ,T )=
1 2 ∂2 C
K
2 ∂ K2

b) Exemple :

Nous utilisons le cours de change USD/JPY et des prix d’options (Call européen) au
05/03/2015 pour calibrer le modèle de Dupire un utilisant Numerix. Numerix donne
directement les volatilités (qui sont interprétées comme des vrais paramètres du modèle).

Application
Dans cette section, nous allons pouvoir simuler les méthodes de calcul de la volatilité
implicite à travers une étude de cas sur les données de l’indice américain SP&500. Ces
données sont extraites du site : « yahoofinance.com », ces dernières représentent les prix des
options d’achat (Call) observés sur le marché et déterminés en se figeant sur la fonction de
l’offre et de la demande (bid & ask). Chaque type de contrat d’un Call est définit par les
paramètres suivants :

C market  : le prix de l’option d’achat observé sur le marché (market price)


K : le prix d’exercice (Strike)
16
r : taux sans risque (USD free risk rate of 3 years US bond treasury)
T : maturité (maturity)
S : prix spot de l’indice observé sur le marché (spot price)
σ impl  : volatilité implicite de l’indice

D’après les paragraphes précédents, nous avons constaté que la volatilité implicite est
fonction croissante du prix de l’option d’achat (même constat pour une option de vente).
Pourtant, la volatilité implicite est fonction décroissante du prix d’exercice de l’option
(phénomène du skew). Nous allons donc déployer ces constats pour étudier la particularité de
cet indice en implémentant les méthodes numériques évoquées précédemment.

1. Volatilité historique :
Nous avons choisi un horizon d’une année (de 02/11/2017 jusqu’à 02/11/2018) des
données sur les cours de clôture de l’indice SP&500 à l’aide du site « investing.com ». Nous
allons par suite les importer sur RStudio. A l’aide de la fonction sd (), nous pouvons calculer
la volatilité empirique de l’indice SP&500 (écart-type) sur l’horizon choisi comme l’on avait
effectué de même pour calculer celle de l’indice NASDAQ, et ce sera la volatilité future de
cet indice sur l’année prochaine (en admettant que le futur sera produit par l’historique). Les
résultats sont avec Excel sont :
Les données :

La volatilité historique journalière et annuelle de l’indice SP&500 :


Cette volatilité est calculée à l’aide de la fonction : VAR (variance), volatilité = √ VAR

La volatilité historique constante de l’indice SP&500 est de l’ordre de 0.9%.

2. Volatilité implicite :
16
On se fixera désormais les paramètres suivants :
 La maturité T = 0.046 (durée jusqu’à l’échéance à compter du 02/11/2018 à
16/11/2018)
 Le taux sans risque r = 0.025
 Le prix spot de l’indice SP&500 sur le marché à la date 02/11/2018 = S = 2723$

Les données extraites du site « yahoofinance.com » portent sur 67 observations et donc sur
67 différents prix des Calls avec différents prix d’exercice et volatilités (mais en gardant les
mêmes paramètres fixés ci-dessus pour toutes les options d’achats).
À l’aide du logiciel RStudio, pour calculer les volatilités implicites, nous allons utiliser
l’algorithme de la méthode de bissection puisque d’après ce qui précède c’est celle qui
converge rapidement. Après l’importations des données sur R, on utilisera les appellations
suivantes :

Remarque :
Dans cette phase de calcul, le prix d’exercice K, les prix du Callmarket, sont des tableaux
statiques contenant chacun 67 observations, ‘ C ’ c’est le type de l’option entré : C = Call.
Après l’implémentation de la fonction, les volatilités implicites calculées sont :

Nous allons exploiter ces données en les important sur Excel pour pouvoir en premier lieu
les comparer avec celles trouvées sur le site, et en deuxième lieu, pour faire un feed-back sur
les phénomènes du Skew, Smile, Calls et Puts dans/or/en jeu (in/at/out of the money) :
Les données de volatilités calculées combinées avec celles du site sont :

16
Implied vol
S&P 500 t Strike Callmarket implied vol Bissection

16
Calls for
31.05%
16/11/2018 2018-11-02 8:30AM EST 2640.00 118.9 23.75%
2018-11-02 2:14PM EST 2645.00 93.8 23.33% 19.12%
2018-11-02 2:49PM EST 2650.00 90.3 23.12% 19.31%
Prix Spot =
20.72%
2723 $ 2018-11-02 9:40AM EST 2655.00 89.06 23.12%
T= 0.0416 2018-11-02 9:40AM EST 2660.00 85.23 22.62% 20.59%
free risk
rate = 19.47%
0.0232 2018-11-02 10:20AM EST 2665.00 79.6 22.60%
2018-11-02 3:08PM EST 2670.00 74.3 22.10% 18.52%
2018-11-02 1:09PM EST 2675.00 63.25 21.95% 14.47%
2018-11-02 1:10PM EST 2680.00 59.6 21.82% 14.44%
2018-11-02 1:33PM EST 2695.00 57 20.99% 18.09%
2018-11-02 1:52PM EST 2700.00 52.5 20.56% 17.39%
2018-11-02 2:31PM EST 2705.00 48 20.28% 16.66%
2018-11-02 2:48PM EST 2710.00 45.7 20.06% 16.92%
2018-11-02 10:27AM EST 2715.00 45.8 19.80% 18.21%
2018-11-02 3:12PM EST 2725.00 37.5 19.29% 16.79%
2018-11-02 3:08PM EST 2730.00 34.3 19.03% 16.43%
2018-11-02 2:38PM EST 2735.00 30.8 18.77% 15.90%
2018-11-02 2:59PM EST 2740.00 27 18.51% 15.17%
2018-11-02 2:17PM EST 2745.00 26.3 18.24% 15.80%
2018-11-02 3:09PM EST 2750.00 24 17.97% 15.65%
2018-11-02 12:20PM EST 2755.00 20.9 17.73% 15.06%
2018-11-02 2:58PM EST 2760.00 18.3 17.49% 14.64%
2018-11-02 2:03PM EST 2765.00 17 17.24% 14.79%
2018-11-02 2:44PM EST 2770.00 16.3 16.97% 15.20%
2018-11-02 3:16PM EST 2775.00 14 16.68% 14.74%
2018-11-02 3:08PM EST 2780.00 12.1 16.44% 14.41%
2018-11-02 3:13PM EST 2790.00 9.5 15.98% 14.21%
2018-11-02 2:59PM EST 2795.00 7.85 15.76% 13.77%
2018-11-02 3:12PM EST 2800.00 6.9 15.60% 13.71%
2018-11-02 2:59PM EST 2805.00 5.85 15.37% 13.51%

16
2018-11-02 3:06PM EST 2810.00 5.1 15.21% 13.46%
2018-11-02 3:13PM EST 2815.00 4.35 15.15% 13.34%
2018-11-02 2:58PM EST 2820.00 3.4 14.91% 12.94%
2018-11-02 2:58PM EST 2825.00 2.9 14.79% 12.89%
2018-11-02 2:46PM EST 2830.00 2.9 14.77% 13.36%
2018-11-02 1:37PM EST 2835.00 2.6 14.74% 13.46%
2018-11-02 2:32PM EST 2840.00 2.15 14.73% 13.32%
2018-11-02 2:14PM EST 2845.00 2 14.72% 13.54%
2018-11-02 3:13PM EST 2850.00 1.5 14.75% 13.16%
2018-11-02 1:33PM EST 2855.00 1.55 14.81% 13.66%
2018-11-02 2:25PM EST 2860.00 1.3 14.82% 13.60%
2018-11-02 2:04PM EST 2865.00 1 14.89% 13.35%
2018-11-02 2:04PM EST 2870.00 0.85 15.06% 13.35%
2018-11-02 1:17PM EST 2875.00 0.78 15.19% 13.52%
2018-11-02 2:04PM EST 2880.00 0.65 15.29% 13.49%
2018-11-02 12:11PM EST 2885.00 0.65 15.52% 13.85%
2018-11-02 2:25PM EST 2890.00 0.6 15.74% 14.03%
2018-11-02 3:03PM EST 2895.00 0.55 15.74% 14.19%
2018-11-02 2:29PM EST 2900.00 0.55 16.11% 14.53%
2018-11-02 2:53PM EST 2905.00 0.45 16.27% 14.45%
2018-11-02 3:13PM EST 2910.00 0.45 16.41% 14.78%
2018-11-01 3:05PM EST 2915.00 0.56 16.53% 15.59%
2018-11-02 9:21AM EST 2920.00 0.45 16.61% 15.44%
2018-11-02 1:00PM EST 2925.00 0.25 16.97% 14.60%
2018-11-02 3:13PM EST 2930.00 0.35 17.31% 15.56%
2018-11-02 10:36AM EST 2935.00 0.3 17.65% 15.57%
2018-11-02 11:45AM EST 2940.00 0.25 17.69% 15.52%
2018-11-02 11:52AM EST 2945.00 0.36 18.03% 16.57%
2018-11-02 3:11PM EST 2950.00 0.25 17.62% 16.13%
2018-11-01 8:45AM EST 2955.00 0.3 18.70% 16.80%
2018-11-02 1:22PM EST 2960.00 0.15 18.68% 15.78%
2018-11-02 9:57AM EST 2965.00 0.2 18.99% 16.59%
2018-11-01 9:07AM EST 2970.00 0.3 18.42% 17.72%

16
2018-11-02 1:00PM EST 2975.00 0.2 18.73% 17.17%
2018-11-02 9:21AM EST 2980.00 0.23 19.98% 17.75%
2018-11-02 8:36AM EST 2985.00 0.18 20.30% 17.54%
2018-11-02 8:36AM EST 2990.00 0.2 20.19% 18.04%

Interprétations :
Après calcul, on en déduit les remarques suivantes :
 La volatilité historique journalière de l’indice SP&500 était de l’ordre de 0.9%, et
la volatilité historique annuelle était de l’ordre de 14%. Ceci dit explicitement que
les ampleurs de variations de l’indice SP&500 seront de l’ordre de 14% au futur. Cette
hypothèse a été prise en compte lors de la construction du modèle de Black&Scholes.
Cette hypothèse en réalité est loin d’être considérable. Pour s’assurer, le calcul des
volatilités implicite nous a indiqué qu’il y a différents niveaux de volatilités sur
chaque contrat d’option. Ce constat va faire l’objet de la non-constance de la volatilité
de l’indice SP&500 sur le marché.
 La volatilité est une fonction croissante des prix d’un call (ceci est dû à la perte limitée
sur l’option
 La volatilité est une fonction décroissante du prix d’exercice. En effet : le prix d’un
Call est donné par la relation : (St – K)+ - Ct, avec Ct : c’est la prime payée lors de la
signature du contrat. La prime Ct est donc fixe. Pour un prix spot donné, quand K
augmente pour chaque type de contrat, le prix des Call associés vont éventuellement
baisser.
 Les volatilités implicites calculées avec la méthode de la bissection sont fournies sur la
dernière case, ces volatilités sont quasiment proches de celles données par le site, leur
enchaînement de variabilité est le même (décroissance après une légère croissance).
Nous verrons par suite ce que va aboutir la comparaison entre elles.
Les graphes associés des deux types de volatilités sont :

Figure 1 : volatilité implicite du site

16
Figure 2 : volatilité implicite avec la méthode de bissection
Interprétations :

Pour les deux graphes, on observe :


 Une courbe décroissante de la volatilité par rapport aux prix d’exercices donnés,
ceci prouve l’existence du phénomène de SKEW.

 Une légère remontée de la courbe au moment de l’égalisation entre le prix spot et


le prix d’exercice, c’est le SMILE de la volatilité.

 La petite différence mentionnée précédemment entre l’ampleur des variations pour


les deux courbes est expliquée par la non considération du taux de dividende pour
le calcul de volatilités par la méthode de bissection car cette dernière a été
construite à l’aide du modèle de Black&shcoles.

Rétrospectif sur le phénomène du SMILE :

L’identification de ce graphe de volatility smile avec les courbes de volatilités implicites


nous indique :
16
 Tant que le prix d’exercice est inférieur au prix Spot, l’option d’achat est en jeu, car ça
rapporte un gain illimité (St = 2723$ > K). Tandis que l’option de vente est hors-jeu
(hors de la monnaie) puisqu’elle conduit à une perte limitée au prix de l’option payé.

 Au milieu du graphe, tant que le prix d’exercice est égal au prix spot, on parle d’une
option dans le jeu pour les deux types, ça rapporte aucun gain, et la perte est limitée au
prime payé.

 Lorsque le prix d’exercice dépasse le prix spot (St = 2723$ < K), il y a une légère
remontée de la volatilité, les options de vente sont en jeu, elles rapportent un gain
limité au prime payé par l’acheteur (car le détenteur de cette option ne va en aucun cas
de figure exercer son droit). Cependant, une option d’achat est hors de la monnaie

Conclusion

La principale différence entre les deux volatilités (Historique et implicite) est la méthode
de calcul. Pour la volatilité historique, on va prendre en compte les précédentes valeurs de
l’actif sous-jacent et calculer l’écart-type. Pour la volatilité implicite, on va partir du prix
actuel de l’option et estimer la volatilité appréciée par le marché.

En les comparant, on se rend compte qu’elles sont le plus souvent différentes. La volatilité
implicite s’écarte en général de la volatilité historique car elle reflète la volatilité future
anticipée par les acteurs du marché. Cela est cohérent car les investisseurs cherchent à évaluer
la valeur de l’option en fonction de la capacité qu’a le sous-jacent à varier jusqu’à maturité.

Enfin, il faut noter que la valeur calculée par le modèle de BS est toujours inférieure à la
réalité, à cause :
 Des frais de transactions non pris en compte par le modèle.
 De la nécessité de couvrir les sources de risques non pris en compte par le modèle
 (Black-Scholes sous-estime la probabilité d’un krach boursier ou d’un grand
mouvement de prix en général).

Dans la réalité, les traders corrigent ces facteurs en augmentant les volatilités implicites
des options loin de la monnaie, ce qui a pour conséquence une augmentation du prix de
l’option (Le prix d’une option standard croit avec la volatilité (Phénomène du Smille).

16
Pour prendre en compte le Smile du marché tout un restant dans le cadre markovien et
complet (un seul facteur de risque) une solution naturelle est de modéliser la volatilité comme
une fonction déterministe du temps et de la valeur du sous-jacent, c’est la volatilité Locale.

Il faut garder dans l’esprit qu’il existe d’autres méthodes pour estimer la volatilité des actifs
financiers comme le modèle économétrique : GARCH (General Autoregressive Conditional
Heteroskedasticity) et la volatilité historique... ces méthodes sont simples à implémenter que
ce soit avec le logiciel EViews ou le langage R. la critique c’est que ces modèles s’appuient
sur des données historiques qu’on n’en est pas sûr qu’elles se reproduiront au futur.

Cependant, l’hypothèse de la constance de la volatilité dans la formule de Black- Scholes


était rejetée depuis le début tel que démontré dans les travaux de Black (1976), Schmalensee
et Trippi (1978) et ceux de Christie (1982), et surtout après le crash de 1978, qui a mis en
évidence l’effet de "Smile" qui pourtant ne devrait pas apparaitre sous les hypothèses de
Black-Scholes. Ces constatations nous amènent à considérer la volatilité comme processus de
diffusion, ce qui a donné naissance aux modèles à volatilité stochastique.

Bibliographie

[1] La volatilité implicite – Finance de march Dalloz

http://financedemarche.dalloz.fr/gauche/concepts/volimp.pdf

[2] Couverture des risques dans les marchés financiers – Nicole El Karoui

[3] Surface de volatilité - Peter TANKOV - Université Paris-Diderot (Paris VII)

[4] Relation entre la Volatilité Implicite et la Volatilité Réalisée - Rapport de Recherche - Mario Vázquez
Velasco

[5] Modélisation stochastique en finance, application à la construction d'un modèle à changement de régime avec
des sauts - Dr. Sanae LOULIDI

[6] Méthodes d’estimations de la volatilité des indices boursiers

[7] Relation entre l’indice VIX et la volatilité implicite des options sur le S&P 500 - Nicolas PREVIDOLI

[8] Analyse da la pertinence de l'utilisation de la volatilité sur SMI - Christopher KIRSCH

[9] La modélisation financière en temps continu

[10] Le modèle à volatilité locale stochastique I Présentation du modèle - Dongli W / Xijun W / Benjamin V

16
[11] La Volatilité Locale - Bertrand TAVIN

[12] J. London, Modelling Derivatives in C++ (2004), Wiley

[13] P. Wilmott, Paul Wilmott Introduces Quantitative Finance (2001), Wiley

16