La modélisation de taux d’intérêt et détermination des poids d’un

portefeuille obligataire à l’aide de python :

Nombreux modèles de structure par termes des taux d’intérêt ont été développé souvent ces
dernière vingt ans afin de répondre à des besoins des institutions financières, dans ce sens divers
changements radicales sur les marches financiers notamment le marche des taux qui impactent les
instruments financiers de fixed incomes ou les produits d’inflation, dans cet revue on va montrer
quelques modèles des taux ainsi une application sur python , dans cette série à un objectif claire et
précis c’est la modélisation des taux d'intérêt, tandis que d'autres classes d'actifs comme les
devises et l'inflation sont également couvertes. En fin de compte, après avoir terminé le cours,
l'étudiant doit être capable de construire un portefeuille multi-actifs composé de produits linéaires
et d'effectuer des calculs de xVA (CVA, BCVA et FVA) et des calculs de (H)VaR. et dans cette épisode
va consacrer sur le modèles de taux d’intérêt .

1) Généralité sur les taux d’intérêt :

Les obligations zéro-coupon :
Elles n’offrent pas d’intérêt et sont donc vendues à un prix inférieur à la valeur remboursée à
échéance par l’émetteur. Cette différence représente le rendement de l’investisseur.
- On appelle zero-coupon (ZC) de maturité T un titre versant une unité monétaire à la date T,
sans aucun flux monétaire avant cette maturité.
- On supposera que pour tout T, il existe un zero-coupon de maturité T (ce n’est évidemment
pas le cas dans la réalité ...cf; généralités sur le marche des taux d’intérêt)
- On notera P(t; T ) le prix a la date t d’un ZC de maturité T. Il est clair que P(T ; T ) = 1.
- Le taux zero-coupon (spot) a la date t pour la maturité T, est note Y (t; T ), et est défini par :

Short rate :

Un modèle de taux court est un modèle mathématique utilisé dans l'évaluation des dérivés de taux
d'intérêt pour illustrer l'évolution des taux d'intérêt dans le temps en déterminant l'évolution du
taux court r(t) dans le temps.

Dans la modélisation du taux court, la variable d'état stochastique est le taux spot à un moment
donné (taux d'intérêt instantané). Par conséquent, le taux court r(t) est le taux d'intérêt annualisé,
continuellement composé, auquel l'argent peut être emprunté par une entité pendant une période
infiniment courte sur la courbe des taux

- La courbe des taux zero-coupon (spot) à l’instant t est la fonction appliquant chaque
maturité T sur le taux (spot) Y(t; T)
 - Cela nous donne le taux en fonction de la maturité de l’emprunt (donc la valeur temps de
l’argent)
- C’est équivalent à se donner la fonction T --> P(t; T)

Illustration courbe des taux spot (gouvernementale zone Euro, AAA)

2) Modèles d'équilibre et de structure des taux d'intérêt :

Un modèle de non-arbitrage est un modèle conçu pour être cohérent avec la structure actuelle des
taux d'intérêt.

La différence entre les modèles d'équilibre (endogènes) et les modèles sans arbitrage (exogènes)
est que la structure actuelle des taux d'intérêt est un résultat dans un modèle d'équilibre. Dans un
modèle de non-arbitrage, la structure actuelle des taux d'intérêt est une donnée d'entrée. Cela
signifie que nous prenons les taux réels observés lors de la construction du modèle et que nous
estimons les taux non observés.

Le cadre HJM décrit un chemin clair du modèle d'équilibre vers les modèles de structure des taux.
Historiquement, les modèles d'équilibre partent d'hypothèses sur les variables économiques et
déduisent un processus pour le taux court. Variables économiques et dérivent un processus pour le
taux court, ce qui signifie que la structure actuelle des taux d'intérêt est un résultat plutôt qu'une
entrée dans le modèle.

Ces modèles sont également appelés modèles de structure des taux endogènes. Le taux court
(instantané) au temps t est le taux qui s'applique à une période infiniment courte au temps t.
Quelques modèles d'équilibre populaires. Notamment le modèle de Vasicek :

et le modèle de Cox, Ingersoll et Ross (CIR) :

Ces modèles sont des modèles à un facteur, qui présentent plusieurs inconvénients, par exemple,
les taux d'intérêt sont parfaitement corrélés entre les différentes échéances.

- Application python :
 - Les résultats :

L’impact de la variation de la réversion moyenne λ, et du le paramètre de volatilité γ sur les trajectoires de Monte Carlo.

3) Le cadre HJM

Le cadre Heath-Jarrow-Morton représente une classe de modèles qui sont dérivés en modélisant
directement la dynamique des taux à terme instantanés. Ce cadre constitue la base des modèles de
taux d'intérêt car il fournit une relation explicite entre la volatilité des taux à terme instantanés et
la dérive sans arbitrage.

Les modèles standard de taux courts et de marché Libor peuvent tous deux être dérivés dans le
cadre HJM ; cependant, en général. Les modèles HJM sont non-markoviens et il n'existe donc qu'un
certain nombre de modèles avec une solution à forme fermée.

4) Taux d'intérêt forward instantané

Supposons qu'au moment t, nous concluions un contrat à terme pour livrer au moment S une
obligation qui arrivera à échéance au moment T. Soit le prix à terme de l'obligation. Une obligation
qui arrivera à échéance au moment T. Soit le prix à terme de l'obligation P(t ; S ; T). L’obligation est
désigné par P(t ; S ; T). Au même moment, une obligation à coupon zéro, P(t ; S), qui arrive à
échéance au moment S, est achetée. De plus, une obligation, P(t ; T), qui arrive à échéance au
moment T est également achetée. En supposant l'absence d'arbitrage et la l'intégralité du marché,
l'égalité suivante doit être respectée :
Maintenant, nous définissons le taux d'intérêt à terme implicite, R(t ; S ; T), au moment t pour la
période [S ; T] comme suit :

4.1) Taux à terme et taux forward instantanés

En mettant les deux équations en équation, on trouve :

Alors que le taux d'intérêt à terme R(t ; S ; T) est donné par :

En fixant la limite T - S --> 0 on arrive à la définition du taux forward instantané

Dans le cadre du HJM, la dynamique des taux d'intérêt forward instantanés, f (t ; T), est analysée.
Nous partons de l'hypothèse que pour une certaine échéance fixe. T ≥ 0, le taux à terme instantané
f (t ; T) sous la mesure réelle P est conduit par la dynamique suivante :

Dans le cadre de ce modèle, nous définissons également un compte épargne-argent comme suit :

5) Arbitrage free HJM :

Comme nous le voyons, dans le cadre du HJM, le taux court r(t), est défini comme la limite du taux
forward instantané r(t) ≡ f (t ; t). Le site obligation zéro-coupon, P(t ; T), avec une maturité T, suit :
Bien que le ZCB P(t ; T) puisse être évalué comme une anticipation, sa valeur peut être directement
liée à la courbe des taux d'aujourd'hui via :

A partir de ce qui précède, nous pouvons facilement déterminer la relation suivante :

Commençons par dériver la dynamique du ZCB actualisé :

6) Modèle Ho-Lee
Nous spécifions une certaine forme de volatilité σ(t ; T) pour le taux à terme instantané f (t ; T) et
déterminons la dynamique des taux courts qui en résulte. La première possibilité, et la plus simple,
est de considérer que σ(t ; T) est constante, c'est-à-dire que

D'après les dérivations précédentes, nous trouvons :

Ceci peut être utilisé dans l'équation pour la dynamique du short rate, c'est-à-dire :

- Application python :

Dans cette application on va

- Définir Pmrkt(t ; T) = exp(-r(T - t)) (cela peut être beaucoup plus impliqué ou implicite du
marché), pour un certain r, calculez f (t ; T) et utilisez-le pour simuler r(t)
- Considérons le modèle de Ho-Lee avec un paramètre σ librement choisi.
- Il est important de choisir correctement la valeur initiale du processus r(t) :
- Utilisation des chemins de Monte Carlo pour calculer

- Pmrkt(0 ; T) et Pmodel(0 ; T) sont-ils les mêmes pour tous les T ?

Comparaison des ZCBs du modèle de Ho-Lee par rapport au marché P(0 ; T) pour différents T.
7) Modèle Hull-White
Considérons maintenant un modèle de taux court généré par la HJM volatilité donnée par :

Note que
Comme précédemment, la dynamique des shorts rate sous les hypothèses d'absence
d'arbitrage HJM est donnée par est donnée par :

Par Lemma nous trouvons :

Ce qui implique que

En prenant que :

La dynamique du processus r(t) donne :

Qui peut être facilement reconnu comme le processus de taux court de Hull-White Il est
important de choisir correctement la valeur initiale du processus r(t)
- Application python :
Les résultats :

Dans le contexte du modèle HW, l'impact de la variation de la moyenne λ, et du paramètre de volatilité η sur les
chemins de Monte Carlo.

2 -ème application :
- Définir Pmrkt(t ; T) = exp(-r(T - t)) (il peut être beaucoup plus impliqué ou implicite du
marché), pour un certain r, calculer f (t ; T) et l'utiliser pour simuler r(t)
- Considérons le modèle de Hull-White avec des paramètres librement choisis λ et σ.
- Il est important de choisir correctement la valeur initiale du processus r(t) :

- Utilisation du calcul des chemins de Monte Carlo

- Pmrkt(0 ; T) et Pmodel(0 ; T) sont-ils les mêmes pour tous les T ?

Application python :
Comparaison des ZCBs du modèle Hull-White par rapport au marché P(0 ; T) pour différents T.
Application de portefeuille obligataire :
Considérons le modèle Vasicek à taux court,

Avec les paramètres λ = 0:05, θ = 0:02 et η = 0:1 et le taux initial r(t0) = 0 : Au moment t0, nous
souhaitons couvrir une position dans une obligation à coupon zéro de 10 ans, P(t0 ; 10y), en utilisant
deux autres obligations, P(t0 ; 10y). 10 ans, P(t0 ; 10 ans), en utilisant deux autres obligations, P(t0 ; 1 an)
et P(t0 ; 20 ans). P(t0 ; 20y).

- Déterminez deux poids, w1 et w2, tels que w1 + w2 = 1 et w1P(t0 ; 1y) + w2P(t0 ; 20y) = P(t0 ; 10y) :
- Effectuez une couverture de variance minimale et déterminez les poids w1 et w 2, tels que

-
- Alors que w1 + w2 = 1. Que peut-on dire de ce type de couverture par rapport au point abordé ?
- Changez la mesure pour la mesure T = 10y-forward et, pour les poids déterminés précédemment,
vérifiez si la variance de l'estimateur augmente. estimateur augmente.
Sources :
- Modélisation et calcul mathématiques en finance : With Exercises and Python and MATLAB
Computer Codes", par C.W. Oosterlee et L.A. Grzelak, World Scientific Publishing Europe Ltd,
2019
- L. A. Grzelak Ingénierie financière - Taux d'intérêt
- Estimation de modèles de la structure par terme des taux d'intérêt. L.BROUNCE