Académique Documents
Professionnel Documents
Culture Documents
G. Deelstra
ULB
Sommaire
Introduction 1
1 Calcul Stochastique 1
1.1 Martingales en temps continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Equi-intégrabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Les résultats de Doob en temps continu . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Le mouvement brownien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Définitions: Mouvement brownien et processus gaussiens . . . . . . . . . . . . 5
1.2.2 Des martingales classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Intégration d’Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Définition d’une intégrale d’Itô: les deux premiers pas . . . . . . . . . . . . . . 7
1.3.2 Le troisième pas: l’Intégrale d’Itô comme processus . . . . . . . . . . . . . . . 11
1.3.3 Le signe d’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.4 Interprétation trajectoire par trajectoire de l’ intégrale d’Itô . . . . . . . . . . . . 13
1.4 Localisation et l’intégrale d’Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.1 L’intégrale d’Itô sur L2LOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.2 Martingales locales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.3 Représentation de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5 Formule d’Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5.1 Le cas le plus simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5.2 La formule d’Itô générale unidimensionnelle . . . . . . . . . . . . . . . . . . . 25
1.5.3 Formule d’Itô multidimensionnelle . . . . . . . . . . . . . . . . . . . . . . . . 27
i
1.6 Equations différentielles stochastiques (EDS) . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.1 Existence et Unicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.7 Lemme de Feynman-Kac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.7.1 Cas de l’équation aux dérivées partielles de Black and Scholes généralisée . . . . 31
1.8 Théorème de Girsanov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.8.1 La condition de Novikov et martingales exponentielles . . . . . . . . . . . . . . 34
1.8.2 Théorème de Girsanov unidimensionnel . . . . . . . . . . . . . . . . . . . . . . 34
1.8.3 La règle de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.8.4 Théorème de Girsanov multidimensionnel . . . . . . . . . . . . . . . . . . . . . 37
1.9 Les théorèmes de représentation comme martingale . . . . . . . . . . . . . . . . . . . . 38
1.9.1 Théorèmes pour martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.9.2 Théorèmes pour des martingales locales. . . . . . . . . . . . . . . . . . . . . . 38
ii
3 Options exotiques 72
3.1 Les options à barrières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
iii
5.4.3 Des probabilités forward-neutres. . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.4.4 Le modèle sous une probabilité forward-neutre. . . . . . . . . . . . . . . . . . . 125
5.5 Quelques exemples de valorisation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.5.1 Options européennes sur zéro-coupon. . . . . . . . . . . . . . . . . . . . . . . . 127
5.5.2 Options sur obligation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.5.3 Contrat forward et future. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.5.4 Valorisation des swaps. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.6 Swaps / Caps / Floors / Swaptions / Captions sur LIBOR+ Modèles de Marchés. . . . . . 135
5.7 Dérivées de taux d’échanges. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
Références 152
iv
Chapitre 1
Calcul Stochastique
1.1.1 Equi-intégrabilité
Lemme 1.1.1 [Equi-intégrabilité et convergence en L1 ] Soit (Zn )n une suite équi-intégrable telle que
p.s.
Zn → Z, alors
Démonstration
(*)IE [|Z|] = IE |Z| 1(|Z|≤x) + IE |Z| 1(|Z|>x) ≤ x + lim inf IE |Zn | 1(|Zn |>x) ≤ x + ρ (x)
=⇒ Z ∈ L1 .
(*) |Zn − Z| ≤ |Zn − Z| 1(|Zn |≤x) + |Zn | 1(|Zn |>x) + |Z| 1(|Zn |>x).
Nous prenons l’espérance et étudions les trois termes dans le membre à droite:
(1) |Zn − Z| 1(|Zn |≤x) ≤ |Z| + x =⇒ L1 -intégrable.
1
h i
lim IE |Zn − Z| 1(|Zn |≤x) = IE lim |Zn − Z| 1(|Zn |≤x) = 0.
n→∞ n→∞
(2) IE |Zn | 1(|Zn |>x) ≤ ρ (x) .
(3) IE |Z| 1(|Zn |>x) ≤ IE [|Z|] .
Par le Théorème de la Convergence Dominée (TCD), nous trouvons que:
lim IE |Z| 1(|Zn |>x) ≤ ρ (x) .
n→∞
En conclusion de (1), (2) et (3):
IE [|Zn − Z|] → 0.
L1
IE [Zn |G ] −→ IE [Z |G ] .
IP
Démonstration
Conditions d’équi-intégrabilité
IE [φ (|Z|)] ≤ B < ∞ ∀Z ∈ C
2
Démonstration
φ(y)
Supposons x tel que y > 0 pour tout y ≥ x. Alors,
h i
|Z| n B
IE |Z| 1|Z|>x = IE φ (|Z|) φ(|Z|) 1(|Z|>x) ≤ φ(y)
o → 0 pour x → ∞.
min y
,y>x
Un processus continu est tel que t → Xt (ω) est continu pour tout ω ∈ Ω0 ⊂ Ω avec P [Ω0 ] = 1.
Définition 1.1.2 [Martingale en temps continu] Un processus (Mt )t≥0 (t ∈ IR) est une martingale
par rapport à une filtration {Ft }t si pour tout t
1) Mt est Ft -mesurable
2) Mt est intégrable (donc IE [|Mt |] < ∞)
3) IE [Mt |Fs ] = Ms pour tout s < t.
Définition 1.1.3 [Temps d’arrêt en temps continu] Une variable aléatoire τ à valeurs dans IR+ ∪ {∞}
est un temps d’arrêt par rapport à la filtration {Ft }t si {τ ≤ t} ∈ Ft pour tout t ≥ 0.
Définition 1.1.4 [Processus arrêté] Soit (Yt )t un processus adapté à la filtration {Ft }t et soit τ un
temps d’arrêt.
Le processus arrêté à l’instant τ , notée par (Ytτ )t ou (Yt∧τ )t est définie par
Définition 1.1.5 Une filtration {Ft } est dite de satisfaire aux conditions usuelles si
(
F0 contient tous les ensembles de probabilité 0
∀t ≥ 0 Ft = ∩ Fs (continu à droite).
s>t
Dans la suite, nous supposons toujours que la filtration satisfait aux conditions usuelles
3
Théorème 1.1.1 [Théorème du temps d’arrêt de Doob en temps continu, Doob’s continuous time
stopping theorem]
Soit (Mt )t une martingale continue par rapport à la filtration {Ft }.
Soit τ un temps d’arrêt par rapport à {Ft } .
Alors le processus Xt = Mt∧τ est une martingale continue par rapport à {Ft } .
4
1.2 Le mouvement brownien
Définition 1.2.1 (Mouvement brownien) Un processus stochastique {Bt : 0 ≤ t < T } en temps con-
tinu est un mouvement brownien standard sur [0, T ) si
(1) B0 = 0.
(2) Les accroissements de Bt sont indépendants, c’est-à-dire que pour tout ensemble fini de dates
0 ≤ t1 < t2 < ... < tn < T, les variables aléatoires
sont indépendantes.
(3) Pour tout 0 ≤ s < t ≤ T , les accroissements Bt − Bs ont une loi gaussienne de moyenne 0 et
variance t − s.
Exemple
mouvement brownien.
Remarque 1.2.1 Calculons la fonction de covariance d’un mouvement brownien. Pour tout s ≤ t :
Lemme 1.2.1 Soit {Xt : 0 ≤ t ≤ T } un processus gaussien avec IE [Xt ] = 0 pour tout 0 ≤ t ≤ T et
soit cov (Xs , Xt ) = min (s, t) pour tout 0 ≤ s, t ≤ T , alors le processus {Xt } a des accroissements
indépendants.
De plus, si le processus a des trajectoires continues et X0 = 0, alors {Xt }t est un mouvement brownien
standard sur [0, T ] .
5
1.2.2 Des martingales classiques
Théorème 1.2.1
1) (Bt )t
2) Bt2 − t
t
sont des martingales classiques par rapport à la filtration brownienne {Ft }t , qui est la famille de sous-
tribus σ (Bs , s ≤ t) complétée par adjonction des ensembles négligeables.
Démonstration
1) Bt Ft -mesurable,
IE Bt2 = t < ∞,
2) Bt2 − t Ft -mesurable,
IE Bt2 − t ≤ IE[Bt2 ] + t = 2t,
h i
IE Bt2 − t |Fs = IE (Bt − Bs )2 − Bs2 + 2Bt Bs − t |Fs
h i
= IE (Bt−s )2 |Fs − t − Bs2 + 2Bs2
= t − s − t + Bs2 .
6
1.3 Intégration d’Itô
Notations
But de la section
Le but est de définir:
RT
I (f ) (ω) = 0 f (ω, t) dBt .
Nous allons d’abord nous concentrer sur des intégrands de la classe H 2 = H 2 [0, T ] avec
n hR i o
T
H 2 [0, T ] = f fonctions mesurables adaptées telles que IE 0 f 2 (ω, t) dt < ∞ .
Z b
I (f ) (ω) = dBt = Bb − Ba . (1.3)
a
Parce qu’on veut que l’intégrale soit linéaire pour la classe H02 ⊂ H 2 avec
n−1
P
fonctions mesurables adaptées telles que f (ω, t) = ai (ω) 1(ti <t≤ti+1 )
H02 = 2 i=0 , (1.4)
avec ai ∈ Fti , IE ai < ∞ et 0 = t0 < t1 < ... < tn−1 < tn = T
7
on introduit la définition suivante: ∀f ∈ H02 :
n−1
X
I (f ) (ω) = ai (ω) Bti+1 − Bti . (1.5)
i=0
Démonstration
On calcule d’abord kf k2L2 (dIP ×dt) .
Pour f de la forme (1.4), c’est-à-dire
n−1
P
f (ω, t) = ai 1(ti <t≤ti+1 )
i=0
on a que
n−1
f 2 (ω, t) = a2i (ω) 1(ti <t≤ti+1 )
P
i=0
hR i n−1
T
f 2 (ω, t) dt =
P 2
IE 0 IE ai (ti+1 − ti ) .
i=0
" 2 # n−1 h
h i n−1 2 i
IE I (f )2 = IE IE a2i Bti+1 − Bti
P P
ai (ω) Bti+1 − Bti =
i=0 i=0
8
parce que les produits doubles ont une espérance nulle.
Ensuite, puisque Bti+1 − Bti est indépendant de ai ∈ Fti , nous concluons que
h i n−1
IE I (f )2 =
P 2
IE ai (ti+1 − ti ) .
i=0
Lemme 1.3.2 (H02 est dense en H 2 ) Pour toute fonction f ∈ H 2 , il existe une suite {fn } avec fn ∈ H02
telle que
Conséquences
Pour tout f ∈ H 2 , il existe une suite {fn } ⊂ H02 telle que fn converge vers f dans L2 (dIP × dt) .
Pour tout n, les intégrales I (fn ) sont des éléments bien-définis dans L2 (dIP ) donnés par (1.5).
L’idée est de définir I (f ) comme la limite de la suite I (fn )n dans L2 (dIP )
I (f ) = lim (I (fn ))
n→∞
* kf − fn kL2 (dIP ×dt) → 0 implique que (I (fn ))n converge dans L2 (dIP ) :
En effet, d’abord la convergence de f − fn à 0 dans L2 (dIP × dt) nous dit que {fn } est une suite de
Cauchy dans L2 (dIP × dt) . Après, l’isométrie d’Itô nous dit que {I (fn )} est une suite de Cauchy dans
L2 (dIP ) .
Parce que L2 (dIP ) est un espace métrique complet, la suite de Cauchy (I (fn ))n converge vers un
élément de L2 (dIP ), que nous notons I(f ).
* Est-ce qu’I est bien définie dans le sens que: si (fn0 )n est une autre suite telle que
9
kf − fn0 kL2 (dIP ×dt) → 0,
est-ce qu’I (fn0 ) possède alors la même limite dans L2 (dIP ) que I (fn )?
La réponse est oui parce que kfn − fn0 kL2 (dIP ×dt) → 0 grâce à l’inégalité triangulaire, et l’isométrie
d’Itô implique que
Démonstration
D’abord, on choisit (fn )n ∈ H02 telles que
L2 (dIP )
De façon analogue, puisque (I (fn ))n −→ I (f ), l’inégalité triangulaire implique que
10
1.3.2 Le troisième pas: l’Intégrale d’Itô comme processus
I : H 2 → L2 (dIP ) était intéressant et pratique mais on a en fait besoin d’une application qui envoie un
processus vers un processus.
On va introduire une variable de temps. On utilise pour ceci une fonction de troncature mt ∈ H 2 [0, T ]
défini par:
mt (ω, s) = 1 si s ∈ [0, t]
0 sinon.
Pour f ∈ H 2 [0, T ] , le produit mt f ∈ H 2 [0, T ] ∀t ∈ [0, T ], donc I (mt f ) est un élément bien-défini
de L2 (dIP ) .
Maintenant, on va construire la martingale continue Xt telle que ∀t ∈ [0, T ], on a
IP (Xt = I (mt f )) = 1.
Théorème 1.3.2 (Intégrales d’Itô comme martingales) Pour tout f ∈ H 2 [0, T ], il existe un processus
{Xt , t ∈ [0, T ]} qui est une martingale continue par rapport à la filtration brownienne standard (Ft )t
telle que l’événement
Pour tout f ∈ H 2 [0, T ] et si {Xt : 0 ≤ t ≤ T } est une martingale continue telle que
on écrit:
11
Rt
Xt (ω) = 0 f (ω, s) dBs ∀0≤t≤T
Rt
0 f (ω, s) dBs est une notation pour ce qui est bien défini dans le membre de gauche.
Mais la notation n’est pas mal choisie parce que
2 hR i
t t 2
H2
R
f∈ =⇒ IE 0 f (ω, s) dBs = IE 0 f (ω, s) ds ∀t ∈ [0, T ] .
Et en plus:
Démonstration
L’égalité (1.6) est équivalente à ∀A ∈ Fs :
2 h R i
Rt t
IE 1A s b (ω, u) dBu = IE 1A s b2 (ω, u) du .
12
1.3.4 Interprétation trajectoire par trajectoire de l’ intégrale d’Itô
Rt
Xt (ω) = 0 f (ω, s) dBs = 0
Théorème 1.3.4 (Persistance de l’identité sur H 2 ) Si f et g ∈ H 2 et si ν est un temps d’arrêt tel que
f (ω, s) = g (ω, s) pour presque tout ω ∈ {ω : s ≤ ν},
alors les intégrales
Rt Rt
Xt (ω) = 0 f (ω, s) dBs et Yt (ω) = 0 g (ω, s) dBs
13
1.4 Localisation et l’intégrale d’Itô
RT
0 f (Bt ) dBt
devrait exister. Jusqu’à maintenant elle est définie pour des intégrands qui satisfont
hR i
T
IE 0 f 2 (Bt ) dt < ∞.
L2LOC = L2LOC [0, T ] est la classe des fonctions mesurables, adaptées f : Ω × [0, T ] → IR telles que
hR i
T
IP 0 f 2 (ω, t) dt < ∞ = 1.
Donc, ∀g : IR → IR continue, on a que f (ω, t) = g (Bt ) ∈ L2LOC parce que la continuité du mouvement
brownien implique que ∀ω :
Définition 1.4.1 Une suite croissante de temps d’arrêt (νn )n est appelée une suite de localisation en
H 2 [0, T ] pour f pourvu que
et que
h ∞ i
IP ∪ {ω, νn = T } = 1.
n=1
14
L’espace L2LOC est le domain naturel pour l’intégrale d’Itô parce que chaque f ∈ L2LOC a une suite de
localisation.
Proposition 1.4.1 (Localisation en L2LOC ) Pour tout f ∈ L2LOC [0, T ], la suite définie par
Rs
νn = inf s : 0 f 2 (ω, t) dt ≥ n ou s ≥ T
Démonstration
On a que
∞ n R
T
o
∪ {ω, νn = T } = ω : 0 f 2 (ω, t) dt < ∞
n=1
et pour f ∈ L2LOC :
h R i
T
IP ω : 0 f 2 (ω, t) dt < ∞ = 1.
pour
donc fn ∈ H 2 ∀n.
15
IP Xt = lim Xt,n = 1 pour tout t ∈ [0, T ] .
n→∞
Rt
Pour f ∈ L2LOC on définit l’intégrale d’Itô, notée 0 f (ω, s) dBs , par cette limite X(t):
Rt
0 f (ω, s) dBs ≡ Xt (ω) ∀t ∈ [0, T ] .
Proposition 1.4.2 Soient f et g des éléments de L2LOC et soit ν un temps d’arrêt tel que f (ω, s) =
g (ω, s) pour tout ω ∈ {0 ≤ s ≤ ν} .
Alors, les intégrales
Rt Rt
Xt (ω) = 0 f (ω, s) dBs et Yt (ω) = 0 g (ω, s) dBs
16
1.4.2 Martingales locales.
Définition 1.4.2 (Martingale locale) Soit {Mt } un processus adapté à la filtration {Ft }t pour tout 0 ≤
t ≤ T. Alors {Mt , 0 ≤ t ≤ T } est appelé une martingale locale s’il existe une suite croissante {τk } de
temps d’arrêt telle que τk → T avec probabilité 1 pour k → ∞ et telle que ∀k, le processus défini par
(k)
Mt = Mt∧τk − M0 pour t ∈ [0, T ]
Proposition 1.4.3 (Les intégrales d’Itô sur L2LOC sont des martingales locales) ∀f ∈ L2LOC [0, T ], il
existe une martingale locale continue Xt telle que
Rt
IP Xt (ω) = 0 f (ω, s) dBs = 1.
Démonstration
Ceci résulte de la construction de l’intégrale d’Itô en remarquant que fk (ω, s) = f (ω, s)1(s≤τk ) ∈ H 2 .
17
Proposition 1.4.4 (Doob’s optimal stopping time theorem) Soit Xt une martingale locale continue et
τ un temps d’arrêt. Alors Yt = Xt∧τ est une martingale locale continue.
Démonstration
Sans perte de généralité, nous pouvons supposer que X0 = 0.
Par hypothèse, il existe une suite croissante de temps d’arrêt τk avec τk → T p.s. telle que Xt∧τk est une
martingale pour tout k.
Alors
et parce que (Xt∧τk )0≤t<∞ est une vraie martingale, le théorème des temps d’arrêt nous dit que
X(t∧τk )∧τ : 0 ≤ t < ∞
Proposition 1.4.5 Soit Xt une martingale locale continue et B une constante telle que |Xt | ≤ B pour
tout t ≥ 0.
Alors Xt est une martingale.
Démonstration
Sans perte de généralité, nous pouvons supposer que X0 = 0.
Il existe une suite (non-dé)croissante de temps d’arrêt telle que Xt∧τk est une martingale ∀k et telle que
{τk } ↑ T.
18
Proposition 1.4.6 Toute martingale locale continue {Xt : 0 ≤ t ≤ T } non-négative avec IE [|X0 |] <
∞, est une sur-martingale, et si IE [XT ] = IE [X0 ], alors {Xt , 0 ≤ t ≤ T } est une martingale.
Démonstration
Soit {τn } une suite de localisation. Alors
Xs ≥ IE [Xt |Fs ] ∀0 ≤ s ≤ t ≤ T
Donc en particulier
Si maintenant Xs > IE [Xt |Fs ] sur un ensemble de probabilité > 0, alors IE [Xs ] > E [Xt ] .
Donc nécessairement p.s.
19
1.4.3 Représentation de Riemann
Théorème 1.4.1 Pour toute f : IR → IR continue, si on prend la partition de [0, T ] donnée par ti = i Tn
avec 0 ≤ i ≤ n, on a que
n
X Z T
lim f Bti−1 Bti − Bti−1 = f (Bs ) dBs (1.7)
n→∞ 0
i=1
Proposition 1.4.7 (Intégrales gaussiennes) Soit f ∈ C[0, T ], alors le processus défini par
Z t
Xt = f (s)dBs pour tout t ∈ [0, T ]
0
est un processus gaussien de moyenne zéro avec des incréments indépendants et avec comme fonction de
covariance Z s∧t
cov(Xs , Xt ) = f 2 (u)du.
0
20
1.5 Formule d’Itô
Théorème 1.5.1 (Le cas le plus simple) Soit f : IR → IR ∈ C 2 (IR, IR), alors p.s. ∀t ∈ [0, T ]
Z t Z t
0 1
f (Bt ) = f (0) + f (Bs ) dBs + f 00 (Bs ) ds. (1.8)
0 2 0
Démonstration
it
1) Supposons d’abord que f est à support compact. Pour ti = n pour 0 ≤ i ≤ n, nous considérons
n
P
f (Bt ) − f (0) = f (Bti ) − f Bti−1
i=1
telle que f (Bti )−f Bti−1 suffisamment petit pour appliquer une approximation de Taylor par 2 termes.
Si f ∈ C 2 est à support compact, alors ∀x, y ∈ IR :
où
f (Bt ) − f (0) = An + Bn + Cn
avec
n
f 0 Bti−1
P
An = Bti − Bti−1
i=1
n 2
1
f 00 Bti−1
P
Bn = 2 Bti − Bti−1
i=1
n
P 2
|Cn | ≤ Bti − Bti−1 h Bti−1 , Bti .
i=1
21
Parce que f 0 est continue, la représentation de Riemann implique que
IP Rt
An → 0 f 0 (Bs ) dBs .
n 2
1 P 00
Nous reformulons Bn = 2 f Bti−1 Bti − Bti−1 comme somme centrée
i=1
n n n 2 o
1 P 00
Bti−1 (ti − ti−1 ) + 12 f 00 Bti−1
P
Bn = 2 f Bti − Bti−1 − (ti − ti−1 ) .
i=1 i=1
Grâce à la continuité de f 00 (Bs (ω)) en s, le premier terme converge vers une intégrale ordinaire pour
tout ω
n Rt
f 00 Bti−1 (ti − ti−1 ) = 0 f 00 (Bs ) ds.
P
lim
n→∞i=1
∧
Désignons le deuxième terme par B n , alors par l’orthogonalité des termes:
2 n o2
∧ 1X 2 n 2
IE B n = IE f 00 Bti−1 Bti − Bti−1 − (ti − ti−1 )
4
i=1
n n o2
1
2 X 2
≤
f 00
∞ IE Bti − Bti−1 − (ti − ti−1 )
4
i=1
t2
f 00
2
= ∞
2n
où nous avons utilisé le fait que Bti − Bti−1 v N (0, t/n) .
Donc
2 2t2
V ar Bti − Bti−1 = n2
.
∧ IP
Par l’inégalité de Markov, il est clair que B n → 0 parce que
2
∧
t2
IE B n ≤ 2n kf 00 k2∞ .
22
n
P 2
Concentrons-nous maintenant sur |Cn | ≤ Bti − Bti−1 h Bti−1 , Bti .
i=1
L’inégalité de Cauchy implique que:
n h 4 i1/2 1/2
IE h2 Bti−1 , Bti
P
IE [|Cn |] ≤ IE Bti − Bti−1
i=1
et on remarque que
a) Bti − Bti−1 v N (0, t/n) et donc:
h 4 i 3t2
IE Bti − Bti−1 = n2
.
Donc
1/2 1/2
3t2
IE [|Cn |] ≤ n n2
ε2 + khk2∞ δ −2 nt
Donc ∀ε > 0, √
lim IE [|Cn |] ≤ 3tε
n→∞
et par conséquent:
IE [|Cn |] → 0
23
IP
Cn → 0.
Choississons maintenant des sous-suites Anj , Bnj et Cnj qui convergent presque sûrement. Alors (1.8)
est satisfait presque sûrement pour chaque t.
Si on considère tous les rationnels et si on observe que le membre de gauche et celui de droite de (1.8) sont
continus, on conclut qu’il existe un Ω0 avec IP (Ω0 ) = 1 sur lequel (1.8) est vraie pour tous les t ∈ [0, T ].
On sait que
Rt 0 1
Rt 00 (B ) ds
fM (Bt ) − fM (0) = 0 fM (Bs ) dBs + 2 0 fM s p.s..
f 0 (Bs ) = fM
0 (B )
s
et
f (Bt ) = fM (Bt )
Parce que τM → T avec une probabilité 1 pour M → ∞, (1.9) est vérifié avec probabilité une.
Exemple
Rt
f (Bs ) = Bs → 0 Bs dBs = 12 Bt2 − t/2.
24
Théorème 1.5.2 (Formule d’Itô avec variables de temps et d’espace) Pour toute fonction f ∈ C 1,2 (IR+ × IR),
on a la représentation
Rt ∂f Rt ∂f 1
Rt∂2f
f (t, Bt ) = f (0, 0) + 0 ∂x (s, Bs ) dBs + 0 ∂t (s, Bs ) ds + 2 0 ∂x2 (s, Bs ) ds p.s.
Démonstration
Par le même argument de localisation, on peut travailler sans perte de généralité avec f à support compact
en IR+ × IR.
Maintenant, on utilise le développement de Taylor de f (t, y) autour du point (s, x) :
2 ∂2
f (t, y) − f (s, x) = (t − s) ∂f ∂f 1
∂t (s, x) + (y − x) ∂x (s, x) + 2 (y − x) ∂x2
f (s, x) + r (s, t, x, y)
avec
où h et k sont des fonctions bornées et uniformément continues qui sont nulles quand x = y et s = t.
Rt Rt
Xt = x0 + 0 a (ω, s) ds + 0 b (ω, s) dBs pour 0 ≤ t ≤ T,
et où a (., .) et b (., .) sont des processus adaptés, mesurables qui satisfont aux conditions d’intégrabilité
suivantes:
hR i hR i
T T
IP 0 |a (ω, s)| ds < ∞ = 1, IP 0 |b (ω, s)|2 ds < ∞ = 1.
25
Rt
De plus, on définit l’intégrale 0 f (ω, s)dXs par
Z t Z t Z t
f (ω, s)dXs = f (ω, s)a(ω, s)ds + f (ω, s)b(ω, s)dBs
0 0 0
pourvu que f (ω, s) est adaptée et f (ω, s)a(ω, s) ∈ L1 (dt) avec probabilité 1 et f (ω, s)b(ω, s) ∈ L2LOC .
Rt Rt
Xt = 0 a (ω, s) ds + 0 b (ω, s) dBs 0 ≤ t ≤ T,
Rt ∂f Rt∂f 1
Rt∂2f
Yt = f (t, Xt ) = f (0, 0) + 0 ∂t (s, Xs ) ds + 0 ∂x (s, Xs ) dXS + 2 0 ∂x2 (s, Xs ) b2 (ω, s) ds p.s.
parce que
dt 0 0
dBt 0 dt
26
1.5.3 Formule d’Itô multidimensionnelle
Rt Rt
Xt = 0 a (ω, s) ds + 0 b (ω, s) dBs
et
Rt Rt
Yt = 0 α (ω, s) ds + 0 β (ω, s) dBs .
Alors
Z t Z t
∂f ∂f
Zt = f (t, Xt, Yt ) = f (0, 0, 0) + (s, Xs , Ys ) ds + (s, Xs , Ys ) dXs
0 ∂t 0 ∂x
Z t
1 t ∂2f
Z
∂f
+ (s, Xs , Ys ) dYs + (s, Xs , Ys ) b2 (ω, s) ds
0 ∂y 2 0 ∂x2
Z t 2
1 t ∂2f
Z
∂ f
+ (s, Xs , Ys ) b (ω, s) β (ω, s) ds + 2
(s, Xs , Ys ) β 2 (ω, s) ds p.s..
0 ∂x∂y 2 0 ∂y
dZt = ft (t, Xt , Yt ) dt + fx (t, Xt , Yt ) dXt + fy (t, Xt , Yt ) dYt
+ 12 fxx (t, Xt , Yt ) dXt · dXt
+fxy (t, Xt , Yt ) dXt · dYt
+ 21 fyy (t, Xt , Yt ) dYt · dYt .
On peut généraliser avec Bt1 et Bt2 avec corr dBt1 , dBt2 = ρt dt:
· dt dB1t dB2t
dt 0 0 0
dB1t 0 dt ρt dt
dB2t 0 ρt dt dt
27
Processus multidimensionnel
Donc pour 0 ≤ i ≤ d:
où
et où
k
σ i (s) dBs = σ i,j (s) dB j (s) .
P
j=1
On suppose que
∀ (i, j) µi est un processus adapté et σ i,j est un processus adapté tels que
Z T Z T
i
| µ (t) | dt < ∞ p.s.; | σ i,j (t) |2 dt < ∞ p.s. (1.10)
0 0
T
Soit X = X 1 , ..., X d un processus d’Itô multidimensionnel:
dXt = µt dt + σt dBt
28
Lemme 1.5.1 Soit f ∈ C 1,2 [0, T ] × IRd ; IR .
On note
∂f ∂f
fx (t, x) = (t, x) , ..., ∂x
∂x1 d
(t, x) le vecteur ligne
2
fxx (t, x) la matrice ∂xi∂,∂xj f (t, x) et ft (t, x) = ∂f
∂t (t, x) .
i,j
Soit Yt = f (t, Xt ),
alors
d
P
où pour une matrice carrée (Ai,j )i,j on note trA = Ai,i (la somme des éléments diagonaux).
i=1
29
1.6 Equations différentielles stochastiques (EDS)
alors il existe une solution continue adaptée Xt de l’équation (2.2) qui est uniformément bornée dans
L2 (dIP ):
30
1.7 Lemme de Feynman-Kac
1.7.1 Cas de l’équation aux dérivées partielles de Black and Scholes généralisée
Supposons que (un instrument financier avec valeur à la date T ) Z = h (ST ) et que (le prix) C (t, St ) à
l’instant t satisfait à
Supposons r (t, x) et h(x) bornées, que µ (t, x) et σ (t, x) satisfont à des conditions de Lipschitz:
et à la condition
µ2 (t, x) + σ 2 (t, x) ≤ B 1 + x2 ,
31
Théorème 1.7.1 Soit u (t, x) ∈ C 1,2 [0, T ] la solution unique bornée du problème (1.14). Alors u (t, x)
a la représentation
h R i
T
u (t, x) = IE h XTt,x exp − t r s, Xst,x ds
où pour s ∈ [t, T ] le processus Xst,x est défini par l’équation différentielle stochastique:
dXst,x = r s, Xst,x Xst,x ds + σ s, Xst,x dBs
et
Xtt,x = x
Démonstration
Définissons
Z s
Mst s, Xst,x v, Xvt,x
=u exp − r dv = Us Is pour t ≤ s ≤ T. (1.15)
t
Mtt = u (t, x) .
De plus
h RT i
IE MTt = IE h XTt,x exp − t r v, Xvt,x dv .
Donc si Mst
s
est une martingale pour s ∈ [t, T ], le théorème est démontré.
En utilisant le lemme d’Itô:
32
En utilisant l’hypothèse que u (t, x) satisfait à l’équation aux dérivées partielles de Black and Scholes
(1.14), on voit que
dMst = Is u2 s, Xst,x σ s, Xst,x dBs ,
donc, Mst
est une martingale locale.
s
Par la définition (1.15) de Mst s , on voit que Mst s est bornée parce que u (t, x) est bornée par
33
1.8 Théorème de Girsanov
Théorème 1.8.1 (La condition suffisante de Novikov) Pour toute µ (ω, t) ∈ L2LOC [0, T ], le processus
(Mt )t défini par
Z t
1 t 2
Z
Mt = exp − µ (ω, s) dBs − µ (ω, s) ds (1.16)
0 2 0
Démonstration
Voir le livre de M. Steele page 225.
Théorème 1.8.2 (Théorème de Girsanov unidimensionnel) Supposons que µ (ω, t) est un processus
borné, adapté sur [0, T ], que (Bt )t est un IP -mouvement brownien et que le processus (Xt )t est donné
par
Rt
Xt = Bt + 0 µ (ω, s) ds.
34
Démonstration
En utilisant le Théorème 1.8.1, on voit immédiatement que (Mt )t est une IP -martingale.
On va démontrer maintenant que sous IQ, le processus {Xt } a les mêmes distributions jointes qu’un
mouvement brownien.
Nous démontrons d’abord que pour toute fonction bornée déterministe f : [0, T ] → C,
I on a la formule:
Z T Z T
1 2
IEIQ exp f (s) dXs = exp f (s) ds . (1.19)
0 2 0
En effet:
Z T
IEIQ exp f (s) dXs
0
Z T Z T
= IEIQ exp f (s) dBs + f (s) µ (ω, s) ds
0 0
Z T Z T
1 T 2
Z
= IEIP exp (f (s) − µ (ω, s)) dBs + f (s) µ (ω, s) ds − µ (ω, s) ds
0 0 2 0
Z T Z T
1 T
Z
1 2 2
= exp f (s)ds IEIP exp (f (s) − µ (ω, s)) dBs − (f (s) − µ (ω, s)) ds
2 0 0 2 0
Z T
1 2
= exp f (s)ds
2 0
est une martingale exponentielle parce que f (s) − µ (ω, s) est bornée.
Nous exploitons cette formule en prenant θj ∈ IR j = 1, 2, ..., N et 0 = t0 < t1 < ... < tN −1 < tN =
T tel que
N
P
f (s) = iθj 1(tj−1 ≤s<tj ) pour 0 ≤ s ≤ T
j=1
est une fonction déterministe pour laquelle on peut appliquer (1.19) pour obtenir
35
" !# !
N N
− 12 θj2 (tj
P P
IEIQ exp i θj Xtj − Xtj−1 = exp − tj−1 ) .
j=1 j=1
Donc le vecteur Xt1 , Xt2 − Xt1 , ..., XtN − XtN −1 a la même fonction caractéristique sous IQ que le
vecteur des incréments du mouvement brownien, tel que (Xt )t est un IQ mouvement brownien.
Proposition 1.8.1 Soient µ et ν deux mesures de probabilité sur un espace mesurable (Ω, G) telles que
dν (ω) = f (ω) dµ (ω) pour un f ∈ L1 (µ) .
Démonstration
En vertu de la définition de l’espérance conditionnelle on a que si H ∈ H, alors
R R R R R
H IEν [X |H ] f dµ = H IEν [X |H ] dν = H Xdν = H Xf dµ = H IEµ [f X |H ] dµ.
d’où le résultat.
Corollaire 1.8.1 (Bayes’rule) Soit (Ms )s définie en (1.18) une martingale strictement positive.
Pour Y une variable aléatoire Ft mesurable telle que IEIQ |Y | < ∞, on a que pour 0 ≤ s ≤ t ≤ T :
1
IEIQ [Y |Fs ] = Ms IE [Y Mt |Fs ] p.s.
36
1.8.4 Théorème de Girsanov multidimensionnel
(1) (d)
Soit W = Wt , ...Wt un mouvement brownien de dim d sur (Ω, F, IP ).
n o
(1) (d) (i)
Supposons X= X t = Xt , ..., Xt avec Xt ∈ L2LOC
Définissons
d Z
" #
t Z t
∆
X 1
2
Zt (X) = exp Xs(i) dWs(i) −
Xs
ds . (1.20)
0 2 0
i=1
Alors
d
Zt (X) Xti dWti
P
dZt (X) =
i=1
d d 2
1P
Xti dWti − Xti
P
dYt (X) = 2 dt.
i=1 i=1
Théorème 1.8.3 (Théorème de Girsanov multidimensionnel) Supposons que Z (X) défini par (1.20)
est une martingale.
(1)
∼ (d)
∼ ∼ ∼
Définissons W = W t = W t , ..., W t par
37
1.9 Les théorèmes de représentation comme martingale
Théorème 1.9.1 (Théorème de représentation comme martingale) Supposons que Xt est une {Ft }
martingale continue, où {Ft } est une filtration brownienne standard.
S’il existe un T tel que IE XT2 < ∞ et si X0 = x0 , alors il existe un φ (ω, s) ∈ H 2 [0, T ] tel que
Rt
Xt = x0 + 0 φ (ω, s) dBs pour tout 0 ≤ t ≤ T.
Théorème 1.9.2 (Théorème de représentation en H 2 ) Supposons que X est une variable aléatoire
FT -mesurable où {Ft }t est la filtration brownienne standard.
Si IE X 2 < ∞, alors il existe une φ (ω, s) ∈ H 2 [0, T ] tel que
Z T
X = IE[X] + φ (ω, s) dBs . (1.21)
0
De plus, la représentation dans cette équation (1.21) est unique dans le sense que si ψ (ω, s) est un autre
élément de H 2 [0, T ] qui satisfait (1.21), alors ψ (ω, s) = φ (ω, s) ∀ (ω, s) ∈ Ω × [0, T ], excepté sur un
ensemble de mesure dIP × dt nulle.
Théorème 1.9.3 Supposons que (Mt )t est une martingale locale continue par rapport à la filtration
brownienne standard.
Alors, il existe un processus adapté et mesurable H ∈ L2LOC tel que
Rt
Mt = M0 + 0 Hs dBs p.s.
Théorème 1.9.4 Une martingale continue strictement positive (Mt )t adaptée à la filtration brownienne
avec M0 = 1 peut être représentée par
R
t Rt
Mt = exp 0 Hs dWs − 21 0 (Hs )2 ds t≥0
38
Chapitre 2
Définition 2.1.1 B = (Bt , t ≥ 0) est un mouvement brownien réel issu de 0 sur (Ω, F, IP ) si
i) IP [B0 = 0] = 1
ii) ∀ 0 ≤ s ≤ t, la variable aléatoire réelle Bt − Bs suit une loi normale centrée de variance t − s.
iii) ∀ 0 = t0 < ti < ... < tp ; les variables Btk − Btk−1 , 1 ≤ k ≤ p sont indépendantes.
iii) Bt (ω) est une fonction continue de t pour p.s. tout ω.
39
Définition 2.1.2 B = B i , i ≤ k est un mouvement brownien k-dimensionnel si les B i sont des mou-
On prend Ft = σ (Bs , s ≤ t) complétée par adjonction des négligeables comme famille de sous-tribus
(Ft )t∈IR+ .
Bachelier (1900)
Bachelier a supposé un modèle simple dans sa thèse doctorale avec seulement un actif risqué (une action)
avec prix St avec St = Bt un mouvement brownien et que le taux d’intérêt r = 0.
Si l’on possède dans ce modèle θ (t) actions à l’instant t, et que l’on fait des transactions aux instants
tk , k = 1, ..., K, alors la richesse à l’instant tK d’un portefeuille auto-finançant θ de valeur initiale x est
égale à
PK
x+ k=1 θ (tk ) {B (tk ) − B (tk−1 )} .
Si l’on veut pouvoir effectuer des transactions à tout instant t, il faut définir un outil mathématique, que
l’on appelle intégrale stochastique de θ par rapport à B (et que l’on définit en gros comme étant la limite
dans L2 des sommes précédentes):
RT
x+ 0 θ (s) dB (s) .
en temps discret: θ (tk ) Ftk−1 -mesurable, donc θ est un processus prévisible en temps discret.
en temps continu:
Le processus θ est prévisible s’il est mesurable par rapport à la tribu sur (Ω × IR+ ) engendrée par les
processus adaptés continu à gauche, donc pour lesquels t 7−→ Xt (ω) est continue à gauche pour presque
tout ω.
RT
Nous travaillons (comme dans le livre de M. Steele) avec θ ∈ L2LOC , parce qu’alors 0 θ (s) dB (s) est
bien défini et la construction de l’intégrale est un peu plus simple.
On note Θ = L2LOC l’ensemble des processus adaptés tels que
RT
0 θ2 (t) dt < ∞ p.s.
RT
On montre que pour θ ∈ Θ, 0 θ (s) dB (s) est bien défini.
40
hR i
T
Proposition 2.1.1 Si θ ∈ Θ et si IE 0 θ2 (s) ds < ∞ (et donc θ ∈ H 2 ), l’intégrale stochastique
Z t
Mt = θs dBs ; t ≤ T
0
Exercice
Montrer que B 2 (t) − t est une martingale.
Démonstration
h i
IE Bt2 − Bs2 | Fs = IE (B (t) − B (s))2 | Fs = IE B 2 (t − s) = t − s
parce que
Rt
0 B (s) dBs 6= 12 Bt2
parce que ça impliquerait que le processus (t)t∈IR+ est une martingale.
Rt
En effet 0 B (s) dB (s) = 21 Bt2 − t .
Pour les processus X = (Xt )t∈[0,T ] qui sont des processus d’Itô à valeurs réelles avec µ (t) processus
adapté et σ (t) processus adapté vérifiant
RT RT
0 | µ (s) | ds < ∞ P p.s.; 0 σ 2 (s) ds < ∞ P p.s.
41
tels que
Rt Rt
Xt = X0 + 0 µ (s) ds + 0 σ (s) dBs , t ∈ [0, T ]
où Bt est un mouvement brownien réel, on utilise souvent la forme plus concise:
nR o
t 1
Rt 2 (s) ds ,
Lt = exp 0 h (s) dBs − 2 0 h
IE [Lt ] = 1 ∀t ∈ [0, T ] ;
42
Exemple
Rt
Si h (t) = −µ (t) σ −1 (t) est borné, le processus Bt∗ = Bt + 0 µ (s) σ −1 (s) ds est un Q-mouvement
brownien et le processus d’Itô X s’écrit sous Q:
= σ (t) dBt∗ .
Si l’on suppose que les prix des actifs sont des processus d’Itô, on aura besoin de calculer des quantités
du type f (t, Xt ) et de “dériver” ce processus pour préciser sa dynamique. Ceci est fait en utilisant le
lemme d’Itô, que nous rappelons ici en utilisant la notation
C 1,2 ([0, T ] × IR, IR) = fonctions continues f (t, x) , de classe C 1 par rapport à t, C 2 par rapport à x .
Lemme 2.1.1 (Lemme d’Itô) Soit f ∈ C 1,2 ([0, T ] × IR, IR) et X un processus d’Itô vérifiant
∂f ∂f ∂f 1 ∂2f
dYt = ∂t (t, Xt ) dt + ∂x (t, Xt ) µ (t) dt + ∂x (t, Xt ) σ (t) dBt + 2 ∂x2 (t, Xt ) σ 2 (t) dt
∂f ∂f 1 ∂2f 2
dY = ∂t dt + ∂x dXt + 2
σ dt .
|2 ∂x{z }
Exemples
dYt = 0 + aXt
Xt dt + 1
Xt bXt dBt − 1 1
2 Xt2 (bXt )2 dt
43
Et donc
b2
dYt = a − dt + bdBt .
2
Rt 2
Rt
b2
=⇒ Yt = Y0 + 0 a − b2 ds + 0 bdBs = ln X0 + a − 2 t + bB (t)
2
=⇒ Yt v N ln X0 + a − b2 t, var = b2 t .
Rt Rt
2) Soit Xt = x + 0 b (s) ds + 0 σ (s) dBs et Yt = exp Xt .
Yt 2
= Yt dXt + 12 σ 2 (t) dt .
dYt = Yt b (t) dt + Yt σ (t) dBt + 2 σ dt
Soit Z une variable aléatoire FT -mesurable. Peut-on réaliser Z avec une stratégie de financement?
Nous supposons qu’il y a d actifs risqués dont les prix S i , i ∈ {1, ..., d} , sont supposés être des processus
T
d’Itô avec σ i = σ i,1 , ..., σ i,k ; B = B 1 , ..., B k :
où ∀ (i, j) µi est un processus adapté et σ i,j est un processus adapté tels que
Z T Z T
| µi (t) | dt < ∞ p.s.; | σ i,j (t) |2 dt < ∞ p.s. (2.1)
0 0
Théorème 2.2.1 Un marché financier est complet si et seulement si le nombre d des actifs risqués est
égale à la dimension k du mouvement brownien B et si la matrice de volatilité σt est non-singulair
presque sûrement pour t ∈ [0, T ].
Démonstration
Voir le livre de Karatzas & Shreve Th.6.6.
44
L’actif 0 est un actif sans risque
RT
où r (t) est un processus adapté positif vérifiant 0 r (t) dt < ∞ p.s..
L’actif 0 est dit sans risque même si r (t) est un processus stochastique.
Soit un processus vectoriel en temps continue θ = (θs )s une stratégie d’investissement avec richesse
T
initiale x où θ = θ0 , ..., θd représente le nombre de chaque type d’actifs. Soit Ss ∈ IRd le vecteur
des prix. Si on suppose que la stratégie est auto-finançante, alors la richesse à l’instant T sera
RT RT d hR i
T RT
θ0 (s) S 0 (s) r (s) ds + θi (s) µi (s) ds + θi (s) σ i (s) dBs
P
x+ 0 θ (s) · dSs = x + 0 0 0
i=1
sous conditions d’intégrabilité et de mesurabilité sur θ. Pour préciser ces notions, nous donnons les
définitions suivantes.
Définition 2.2.1 Pour tout i > 0, on note Θ S i l’ensemble des processus θi tels que θi est adapté et
RT
0 | θi (s) µi (s) | ds < ∞ p.s.
RT
0 (θi (s))2 k σ i (s) k2 ds < ∞ p.s.
k
où la norme d’un vecteur v est défini par k v k2 = vj2 .
P
j=1
RT
On note Θ S 0 l’ensemble des processus θ0 tels que θ0 est adapté et 0 | θ0 (s) | r (s) Ss0 ds < ∞ p.s..
45
2.2.2 Arbitrage et mesure martingale
Définition 2.2.3 Une opportunité d’arbitrage est une stratégie auto-finançante avec
P (θT · ST ≥ 0) = 1
P (θT · ST > 0) > 0
P (θ0 · S0 = 0) = 1.
1) A.O.A.
2) (H): Il existe une mesure de probabilité Q équivalente à P telle que le vecteur des prix actualisés
Sta = SS0t soit une Q-martingale. On appelle Q une mesure martingale.
t
Rt
parce qu’alors 0 θs dSsa est une Q-martingale et
hR i
T
IEQ [θT · STa ] = θ0 · S0a + IEQ 0 θs1 dSs1,a = θ0 · S0a −→ A.O.A.
3) Stricker (1989): =⇒ A.O.A. parmis les stratégies élémentaires, donc telles qu’il existe une suite de
réels t0 < t1 < ... < tp telle que
46
p−1
P
θs = 1]ti ,ti+1 ] (s) ψi
i=0
2.2.3 Valorisation
Définition 2.2.4 Si θ est une stratégie finançant Z, θ0 · S0 est le prix d’arbitrage de Z et θt · St = π (Z)t
le prix implicite à l’instant t.
Démonstration.
Soient θ et ϕ stratégies auto-finançantes telles que θT · ST = ϕT · ST .
Montrons qu’A.O.A. =⇒ θ0 · S0 = ϕ0 · S0 .
Supposons θ0 · S0 > ϕ0 · S0 . Intuitivement, on va acheter le portefeuille ϕ au prix ϕ0 · S0 , vendre θ au
prix θ0 · S0 et placer la différence sur l’actif sans risque. En T , on vend ϕ et achète θ au même prix et on
réalise le bénéfice du placement sans risque.
2.3.1 Le modèle
On se place dans un marché financier composé d’un actif sans risque dont le prix St0 obéit à l’ équation
différentielle
dSt0 = rSt0 dt, r constante positive
S00 = 1
et d’un actif risqué dont le prix St1 t vérifie l’équation différentielle stochastique
S01 > 0
où µ et σ sont constantes, σ non nulle, Bt brownien réel. St1 t satisfait donc bien le théorème suivant:
47
Théorème 2.3.1 (Existence et unicité)
Supposons que les coefficients de l’EDS
alors il existe une solution continue adaptée Xt de l’équation (2.2) qui est uniformément bornée dans
L2 (dIP ):
Lemme d’Itô:
dLt = − (µ − r) σ −1 Lt dBt
Soit Lt le processus vérifiant
L0 = 1.
dQ
Le théorème de Girsanov montre que sous la probabilité Q v P définie sur FT par dP = LT , on a
48
où
h i
σ2 t
Remarquons que St1,a = exp σBt∗ − 2 S01,a , qui est une Q-martingale (classique).
=⇒ On appelle Q la probabilité “risque-neutre” car sous Q les deux actifs ont le même rendement r.
=⇒ (H) est satisfait, ∃ mesure martingale Q.
2
T
RT 1,a
=⇒ @ O.A. θ = (α, β) avec IEQ 0 βs σSs ds < ∞ dans notre modèle.
Maintenant: On se donne une variable aléatoire Z = g ST1 positive FT -mesurable et on veut trouver
Soit Yt = C t, St1 .
Itô =⇒
2
dYt = µSt1 Cx t, St1 + Ct t, St1 + 12 σ 2 St1 Cxx t, St1 dt + σSt1 Cx t, St1 dBt
ou encore
dYt = LC t, St1 dt + σSt1 Cx t, St1 dBt
(2.5)
avec
49
2
LC = µxCx + Ct + 21 σ 2 x2 ∂∂xC2
θt · St = αt St0 + βt St1
Z t
= θ0 · S0 + θs .dSs
0
Z t Z t
0 1 0
= α0 S0 + β0 S0 + αs dSs + βs dSs1
0 0
= C t, St1 = Yt
=⇒
=⇒ βt = Cx t, St1 ,
et on a toujours
50
Donc, nous avons obtenu la stratégie finançant Z en fonction du prix implicite.
En reportant dans (2.7)
2
rSt1 Cx t, St1 + Ct t, St1 + 12 σ 2 St1 Cxx t, St1
= rC t, St1
t ∈]0, T [; P -p.s.
et
C T, ST1 = g ST1
P − p.s. (2.8)
Puisque le support de la loi de St1 est (0, ∞), on peut remplacer St1 par x, x > 0.
Conclusion:
Théorème 2.3.2 Soit St0 le prix d’une obligation vérifiant dSt0 = rSt0 dt et St1 le prix d’un actif risqué
vérifiant dSt1 = µSt1 dt + σSt1 dBt .
Soit Z = g ST1 une variable aléatoire positive et π (Z)t son prix implicite.
π (Z)t = C t, St1
t<T
g (x) = C (T, x) x ∈ IR+
51
Il n’est en général pas facile de résoudre explicitement l’équation parabolique ci-dessus.
Le calcul des probabilités fournit une expression de cette solution:
Rs Rs
Zsx,t = x + r t Zux,t du + σ t Zux,t dBu .
Zsx,t est issu de x au temps t, donc Ztx,t = x et suit après t la même dynamique que
Théorème 2.3.3 (Théorème de Feynman-Kac) Soit C (t, x) ∈ C 1,2 [0, T ] la solution unique bornée du
problème (2.9) avec g(x) une fonction bornée. Alors C (t, x) a la représentation
h i
C (t, x) = IE g XTt,x exp (−r(T − t)) (2.10)
où pour s ∈ [t, T ] le processus Xst,x est défini par l’équation différentielle stochastique:
et
Xtt,x = x
Exercice
Vérifier que θ = (α, β)T ∈ Θ (S) et finance g ST1 .
Remarque
Notre marché est complet par le Théorème 2.2.1, qui est basé sur des théorèmes de représentation.
52
2.3.3 Probabilité risque-neutre
Nous allons donner une autre méthode de valorisation, obtenue en travaillant sous la probabilité risque-
neutre Q définie par dQ = LT dP.
Sous Q, l’actif à risque vérifie:
Yt = αt St0 + βt St1 ,
e−rt Yt = EQ e−rT YT | Ft
et donc
h i
EQ e−r(T −t) g ST1 | Ft
(2.11)
53
Théorème 2.3.5 Soit 0 ≤ t0 < t1 , soit h(y) une fonction et soit X un processus d’Itô satisfaisant
Théorème 2.3.1. Désignons par
IE t0 ,x [h(X(t1 ))]
l’espérance de h(X(t1 )), donné que X(t0 ) = x.
Supposons que ξ ∈ IR est fixé et que X(0) = ξ.
On a la propriété de Markov:
On retrouve aisément l’EDP de Black & Scholes et le portefeuille de couverture en appliquant la formule
d’Itô à C t, St1 .
En effet,
∂C ∂C 1
2 ∂2C
dC t, St1 = t, St1 dt + t, St1 dSt1 + St1 σ t, St1 dt.
∂t ∂x 2 ∂x2
En utilisant le fait que e−rt C t, St1 est une martingale sous Q, on retrouve l’équation aux dérivées
partielles (2.9).
On décompose C t, St1 en
avec
0 −1
αt = C t, St1 − St1 Cx t, St1
St
et
βt = Cx t, St1 .
Il suffit de reporter αt et βt dans l’expression de dCt pour vérifier que le portefeuille (α, β) est un
portefeuille de couverture autofinançant.
54
2.3.4 Calcul explicite
Dans notre modèle, (2.10) ou (2.11) nous permet de poursuivre les calculs.
R +∞
= e−r(T −t) −∞ g (eu ) fT −t (u) du,
σ2
où fT −t (u) est la densité de loi normale de moyenne ln x+ r − 2 (T − t) et de variance σ 2 (T − t) .
Théorème 2.3.6 (Formule de Black et Scholes) Le prix implicite à t est donné par
où
n o
√1 x σ2
d1 (t) = σ T −t
ln K + (T − t) r + 2 ,
√
d2 (t) = d1 (t) − σ T − t.
55
2.3.5 Commentaires sur la formule de Black et Scholes
avec
h i
σ2
ZTx,0 = x exp r− 2 T + σBT
d’où
+
σ2 T
C (0, x) = IEQ x exp σBT − 2 − e−rT K
+
σ2
= IEQ x exp −σBT − 2 T − e−rT K
car BT a la même loi que −BT . On dérive cette expression sous le signe IEQ .
2
+
La dérivée de x exp −σBT − σ2 T − e−rT K est égale à
σ2 √
exp −σBT − 2 T 1BT ≤ d2 T ,
√
sauf aux points tels que BT = d2 T qui forment un ensemble négligeable.
On obtient ainsi
h i
∂C σ2 √
∂x = IEQ exp −σBT − 2 T 1BT ≤ d2 T
56
On définit la probabilité P ∗ par
σ2 T
dP ∗ = exp −σBT − 2 dQ
√ h √ √ i
∂C
∂x = P ∗ (BT ≤ d2 T ) = P ∗ BT + σT ≤ d2 + σ T T
h ∗
B √ i √
= P ∗ √TT ≤ d2 + σ T = φ d2 + σ T = φ (d1 (0)) ≥ 0
∂C
b) Sensibilité à la volatilité. (Véga ∂σ )
L’acheteur d’une option spécule. Donc l’intuition est qu’il est prêt à payer un prix d’autant plus élevé
que les fluctuations du sous-jacent sont grandes. Nous vérifions cette intuition:
on a coutume de dire que σ représente la volatilité de ce produit. Intuitivement σ représente l’écart type
1
de dS
S1
et est liée au risque de l’actif (plus ce coefficient est élevé, plus l’influence du terme aléatoire est
1
importante). La formule d’Itô appliquée à C t, St conduit à
2
∂C ∂C 1 1 ∂2C ∂C
dCt = ∂t + ∂x µSt + 2 σSt1 ∂x2
dt + 1
∂x σSt dBt
1 ∂C 1
C ∂x S σ,
S 1 ∂C
υC = C ∂x υS
57
1
En posant η = SC ∆, on obtient que la volatilité du call est proportionnelle à la volatilité du stock sous-
jacent: υC = ηυS ce qui généralise le cas discret.
On remarque que
S 1 ∂C S 1 φ(d1 )
η= C ∂x = S 1 φ(d1 )−Ke−rT φ(d2 )
≥ 1.
dCt
Ct = µc dt + σc dBt ,
avec
2
1 ∂C 1 ∂2C ∂C
µc = Ct ∂t + 2 σSt1 ∂x2
+ 1
∂x µSt
1
rCt − rSt1 ∂C 1 ∂C 1
= Ct ∂x + Ct ∂x µSt
=⇒
St1 ∂C
µc − r = Ct ∂x (µ − r) = η (µ − r)
c) Portefeuille de marché.
On définit un portefeuille de marché comme un portefeuille comportant une obligation et une action. Sa
valeur en t est Mt = St0 + St1 d’où
dMt
Mt = µM dt + σM dBt
58
1
dMt dSt
cov Mt
, 1
St
µS − r = V ar dMt /Mt (µM − r) .
∂2C
∂x2
= 1√
xσ T
φ0 (d1 )
où
2
d
φ0 (d1 ) = √1
2π
exp − 21 > 0.
L’effet du temps est très important pour des options arrivant à maturité. On a en effet
avec
n o
√1 x σ2
d1 (t) = σ T −t
ln K + (T − t) r + 2
et
∂2C
t, St1 = 1
φ0 (d1 (t))
∂x2
√
St1 σ T −t
−→ 0
Plus l’échéance est éloigné, plus le prix du call est élevé. Il est donc utile d’évaluer la sensibilité de ce
prix par rapport au temps, c’est-à-dire, en posant τ = T − t, de calculer ∂C ∂τ .
0 0 0 0
∂C
∂τ = xφ (d1 ) d1 (τ ) + rKe−rτ φ (d2 (τ )) − Ke−rτ φ (d2 (τ )) d2 (τ ) .
59
On remarque que
0 √
2 τ /2 x rτ 0
φ0 (d2 (τ )) = φ (d1 (τ )) e−σ eσ τ d1 (τ ) = Ke φ (d1 (τ ))
et
0
d02 (τ ) = d1 (τ ) − σ
√
2 τ
d’où
0
∂C
∂τ = xσ
√ φ
2 τ
(d1 (τ )) + Ke−rτ rφ (d2 (τ )) ;
cette quantité est positive. Le prix d’un call est une fonction croissante de la maturité.
∂C ∂2C
f) Exercice ∂K ≤ 0, ∂K 2
≥ 0.
Le prix du call est une fonction convexe décroissante du prix d’exercice.
∂C
g) Rho: ∂r >0
60
2.3.6 Applications : Autres options dans le modèle de Black et Scholes.
ST
SST = Z = g (ST ) = K1 1{K1 <ST <K2 }
Solution.
S0
SS0 = K1 (φ (h1 (S0 , T )) − φ (h2 (S0 , T )))
2. Un contrat forward.
−→ Considérons χ = f (ST ) FT −mesurable et supposons qu’on est à la date t.
Définition 2.3.1 Un contrat forward sur χ, fait à l’instant t, est un contrat qui stipule que l’acheteur du
contrat paiera le prix d’exercice K à la date T et recevra χ à cette date d’échéance T .
Rien n’est payé ni reçu à la date t, mais le prix forward K est déterminé à la date t.
Notation
K = f (t; T, χ)
Y =χ−K
61
E Q e−r(T −t) (χ − K) | Ft = 0
=⇒
Proposition 2.3.1 Le prix forward f (t; T, χ) contracté à l’instant t, sur la variable aléatoire χ qui est
FT -mesurable est
f (t; T, χ) = E Q [χ | Ft ] .
Si χ = ST , alors
3. Contrat future
Un contrat future est aussi un contrat qui délivre χ à T pour un certain prix décidé à la date t mais la
différence est qu’il y a des payements avant T à cause des appels de marge (“margin requirements”).
Nous supposons que ces payements sont faits d’une manière “continue”.
Si les taux courts sont déterministes, les prix forward et future coincident et on a
F (t; T, χ) = E Q [χ | Ft ]
4. Option sur contrat forward (et future si les taux sont déterministes)
62
c = er(T1 −T ) St φ (d1 ) − e−r(T −t) e−r(T1 −T ) Kφ (d2 )
√
avec d1 = ln St e−r(T1 −T ) K + r + σ 2 /2 (T − t) σ T − t
√
et d2 = d1 − σ T − t.
avec
√
d2 = d1 − σ T − t.
Supposons:
(S1 (T ) − S2 (T ))+
parce qu’il donne à l’acheteur le droit mais pas l’obligation de changer un actif S2 pour l’actif S1 à
l’instant T.
63
Ft + rs1 F1 + rs2 F2 + 12 s21 σ12 F11 + 12 s22 σ22 F22 − rF = 0
F (T, s1 , s2 ) = (s1 − s2 )+
Parce que (S1 (T ) − S2 (T ))+ est homogène d’ordre 1 on peut utiliser la transformation
F (t, s1, s2 ) = s2 . G t, ss12
G (T, z) = (z − 1)+
r=0
−→ EDP de Black et Scholes avec K = 1p
vol = σ12 + σ22
p √
d2 (z) = d1 (z) − σ12 + σ22 T − t.
F (t, s1 , s2 ) = s2 G t, ss12 = s1 φ d1 ss12 − s2 φ d2 ss12 .
64
2.4 Extensions de la formule de Black et Scholes
On va généraliser la formule obtenue dans le paragraphe précédent à un cas multidimensionnel, où les
actions versent des dividendes.
Rt Rt Rt
0 θ (s) · dGS ≡ 0 θ (s) · dSs + 0 θ (s) · dDS
R
mais nous supposons seulement l’existence de θ · dG (donc θ appartient à Θ (G)).
Définition 2.4.1 Soit Z une variable aléatoire positive FT -mesurable. On dit que θ ∈ Θ (G) finance Z
si
Z t
θt · St = θ0 · S0 + θ (s) · dG (s) t ∈ [0, T ] p.s.
0
θT · ST = Z p.s.
RT
0 | ξ (s) | ds < ∞ p.s.
65
Rt Rt
θt · St = θ0 · S0 + 0 θ (s) · dG (s) − 0 ξ (s) ds t ∈ [0, T ] p.s.
θT · ST = Z p.s.
La quantité θ0 · S0 est le prix implicite à l’instant 0 de (ξ, Z). Sous A.O.A. ce prix ne dépend que de
(ξ, Z). Le prix implicite à l’instant t est
π (ξ, Z)t = θt · St .
On suppose à présent que l’économie est décrite par un vecteur d’état Yt ∈ IRd , vérifiant l’EDS
St∗ = Y (t, Yt )
où Y est une fonction de C 1,2 [0, T ] × IRd , IRd telle que la matrice Yy = ( ∂Y
∂yj )i,j est inversible.
i
Nous supposons que le marché est complet et donc que d = m et que η est inversible.
Cette hypothèse nous permettra d’obtenir l’existence d’un portefeuille finançant une variable terminale.
L’obligation est supposée avoir un prix constant St0 = 1.
Les processus des dividendes sont donnés par les taux, on suppose que ce sont des fonctions de Yt :
dDtT
dt = r (t, Yt ) , δ (t, Yt )T ,
où r (t, y) représente le taux d’intérêt à court terme; δ (t, y) ∈ IRd est le taux des dividendes.
66
2.4.3 EDP de Black et Scholes
Vt ≡ π (ξ, Z)t = θt · St .
où
dXt = µt dt + σt dBt
67
Lemme 2.4.1 Soit f ∈ C 1,2 [0, T ] × IRd ; IR .
On note
∂f ∂f
fx (t, x) = (t, x) , ..., ∂x
∂x1 d
(t, x) le vecteur ligne
2
fxx (t, x) la matrice ∂x∂i ∂xj f (t, x) et ft (t, x) = ∂f
∂t (t, x) .
i,j
Soit Yt = f (t, Xt ),
alors
d
P
où pour une matrice carrée (Ai,j )i,j on note trA = Ai,i (la somme des éléments diagonaux).
i=1
Notation
Nous remarquons que dSt0 = 0 car St0 = 1 :
d d
( )
X X
dVt = βti dSti + αt r (t, Yt ) + βti δ i (t, Yt ) dt − f (t, Yt ) dt
i=1 i=1
d
X
βti LY i (t, Yt ) + δ i (t, Yt ) dt + [αt r (t, Yt ) − f (t, Yt )] dt
=
i=1
d
X
+ βti Yyi (t, Yt )η(t, Yt )dBt (2.13)
i=1
68
où
1
LY i (t, Yt ) = Yti (t, Yt ) + Yyi (t, Yt )ν(t, Yt ) + tr η(t, Yt )η(t, Yt )T Yyy
i
(t, Yt )
2
Yy1
Yyd
βtT = Cy Yy−1
et
d’où
αt = C − Cy Yy−1 St∗ .
On identifie à présent les coefficients de dt dans (2.13) et (2.14), en remplaçant αt et βt par leurs valeurs.
Il vient
69
LY 1
avec LY = ... .
LY d
Cy Yy−1 Yy · ν + Yt + 1
tr ηη T Yyy
i + δ − rSt∗
2 1≤i≤d
= f − rC + Cy · ν + Ct + 12 tr ηη T Cyy
Yt1
on trouve
Cy γ + Ct + 12 tr ηη T Cyy = rC − f
L̂C = Cy γ + Ct + 21 tr ηη T Cyy
L̂C − rC = −f (2.15)
Nous avons une représentation des solutions de (2.15) et (2.16) grâce à la formule de Feynman-Kac.
70
Théorème 2.4.1 Sous des conditions de régularité, l’unique solution de (2.15) - (2.16) est donnée par
hR i
T
C (t, y) = IE t e−φ(s) f (s, Wsy,t )ds + e−φ(T ) g WTy,t
où
Rs
φ (s) = t r(u, Wuy,t )du.
La fonction C représente le prix implicite d’une stratégie finançant (ξ, Z) dans le cas
ξt = f (t, Yt ) et Z = g (YT )
=⇒
γ (t, x) = +r (t, x) x
=⇒
On peut démontrer le théorème 2.4.1 avec le concept de probabilité risque-neutre en tenant compte que
la probabilité risque-neutre Q est définie en générale telle que le processus du gain actualisé Gat est une
martingale sous Q, où Gat est définie par
Z t Z t Z s
a
Gt = exp − ru du St + exp − ru du dDs . (2.17)
0 0 0
71
Chapitre 3
Options exotiques
Dans une première section nous présentons des options à barrières. Dans une deuxième section nous
présentons d’autres options exotiques.
Dans ce type d’options, un niveau (barrière) L ou H est fixé au même moment que le prix d’exercice.
Nous nous restreignons au cas des options d’achat européennes.
L’acheteur d’une option Down-and-out perd le droit d’exercice si le prix du sous-jacent (St )t≥0 descend
sous le niveau L avant la date d’échéance T . On suppose que S0 > L. Sinon le détenteur de l’option
reçoit le payoff (x − K)+ pour une call option.
Le prix d’un down-and-out call est
h i
DOC(S0 , K, L) = E Q e−rT (ST − K)+ 1(TL >T )
où TL est le temps d’arrêt où le sous-jacent franchit pour la première fois la barrière, soit:
TL = inf {t |St ≤ L } = inf {t |St = L }, la dernière égalité résultant de l’hypothèse S0 > L et de la
continuité des trajectoires.
Les options Up-and-out, Up-and-in et Down-and-in sont définies de manière analogue.
On peut aussi considérer le cas où le détenteur de l’option reçoit une compensation F en cas de fran-
chissement de la barrière du bas L. Cette compensation est fixée à la signature du contrat et est percue
au moment
h du franchissement
i de la barrière ou à la date d’échéance.
h Le prix de l’option
i est majoré de
Q −rT
F E e L 1(TL ≤T ) dans le premier mode de paiement et F E e Q −rT 1(TL ≤T ) dans le second. On
peut aussi envisager la compensation F en cas de franchissement de la barrière du haut H.
72
h i
Dans un premier paragraphe nous allons d’abord dériver la valeur de F E Q e−rT 1(TH ≤T ) et dans
h i
un deuxième paragraphe celui de F E Q e−rTH 1(TH ≤T ) . Nous aurons besoin de résultats de Calcul
Stochastique. Dans un dernier paragraphe nous nous concentrons sur la valorisation et couverture d’une
option Down-and-In.
Nous nous plaçons dans le modèle complet de Black et Scholes où sous la probabilité risque-neutre Q,
le prix du sous-jacent est donné par
dSt
= rdt + σdBt .
St
Rx exp(−u2 /2)
Dans ce chapitre, Φ(x) = −∞
√
2π
du, x ∈ IR.
F e−rT EQ 1(TH ≤T ) =?
Parce que
dSt
= rdt + σdBt
St
1 2
St = S0 exp r − σ t + σBt
2
r σ
= S0 exp σ Bt + − t
σ 2
= S0 exp (σWt )
r σ
avec Wt = Bt + mt, avec m = σ − 2
Ainsi on peut réécrire le temps de franchissement
73
TH = inf {t, St ≥ H}
H
= inf t : σWt ≥ ln
S0
1 H
= inf t : Wt ≥ ln
σ S0
1 H
= Th avec h = ln
σ S0
" #
−rT
EQ 1(TH ≤T ) = F e−rT Q
Fe sup Wt ≥ h
0≤t≤T
" #
−rT
= Fe Q sup (Bt + mt) ≥ h
t≤T
Nous avons donc besoin de quelques résultats sur des mouvements Brownien, qui seront donnés dans
l’Intermezzo suivant.
74
INTERMEZZO: CALCUL STOCHASTIQUE
I. Principe de réflexion.
Pour 0 ≤ y, x ≤ y
P (Bt ≤ x, Mt ≥ y) = P (Bt ≥ 2y − x) .
Pour x ≥ y ≥ 0
P (Mt ≥ y, Bt ≥ x) = P (Bt ≥ x) .
Démonstration
(Ty ≤ t) = (Mt ≥ y) .
P (Bt ≤ x, Mt ≥ y) = P (Bt ≤ x, Ty ≤ t)
= P Bt − BTy ≤ x − y, Ty ≤ t
= E 1Ty ≤t P Bt − BTy ≤ x − y |Ty
∼
= E 1Ty ≤t P B t−Ty ≤ x − y
d
où Bet−Ty = Bt − BTy , t ≥ Ty est un mouvement brownien indépendant de (Bt , t ≤ Ty ), de même
∼
loi que −B. Ainsi on trouve que
∼
P (Bt ≤ x, Mt ≥ y) = E 1Ty ≤t P B t−Ty ≥ y − x
75
P (Bt ≤ x, Mt ≥ y) = E 1Ty ≤t P (Bt − BTy ≥ y − x | Ty )
= P (Bt ≥ 2y − x, Ty ≤ t)
= P (Bt ≥ 2y − x)
car 2y − x ≥ y.
Démonstration.
Nous remarquons que
µs y
P MtX ≥ y = P
sup Bs + σ ≥ σ = P (τ ≤ t)
s≤t
y
− σµ t .
avec τ = inf t | Bt ≥ σ
2
−2µ/σ Bt −2 µ2 t
Puisque e σ est une martingale:
t
µ2 µ2
Z Z
e−2µ/σ Bt −2 σ2 t dP = e−2µ/σ Bτ −2 σ2 τ dP
(τ ≤t) (τ ≤t)
µ2
Z
y µ
= e−2µ/σ( σ − σ τ )−2 σ2 τ dP
(τ ≤t)
2
= e−2µy/σ P (τ ≤ t)
76
Par conséquent :
2µ2
Z
2µy/σ 2
MtX e−2µ/σ Bt − σ2 t dP
P ≥y = P (τ ≤ t) = e
(τ ≤t)
2
2µy/σ 2 −2µ/σ Bt − 2µ2 t
= e EP e σ 1(τ ≤t)
µ2
En utilisant le théorème de Girsanov dans le cas dQ
dP |Ft = e−µ/σ Bt − 2σ2 t , on sait que sous Q : Bt + σµ t =
B
et est un mouvement brownien. Ainsi:
"
2t
#
µ
−σ Bt − µ µ
− µ2t
2
P MtX ≥y
= e 2µy/σ 2
EP e 2σ 2
e−σ (Bt + µt
σ ) 2σe 1τ ≤t
"
2
#
µ e
−σ Bt − µ 2t
2µy/σ 2 2σ
= e EQ e 1τ ≤t
"
2
#
µ e
−σ Bt − µ 2t
2µy/σ 2 2σ
= e EQ e 1Mt ≥y/σ
avec Mt = sup0≤s≤t B
es sous Q telle que:
h i
Q Mt ≥ a, et ≤ x = Q B
B et ≤ x − 2a x≤a
h i
Q Mt ≥ a, et ≥ x = Q B
B et ≥ x x>a
n o
par le principe de réflexion. En plus on sait que τ = inf t | B
et = y/σ , et on obtient
77
µ e 2
Bt − µ 2t
Z
−σ
2µy/σ 2
P MtX ≥ y
2σ
= e 1(Mt ≥y/σ) e dQ
2t 2
Z y/σ µ
−σ x− µ
Z +∞ µ
−σ x− µ 2t
2µy/σ 2 2σ 2 2µy/σ 2 2σ
= e e fBet (x − 2y/σ) dx + e e fBet (x) dx.
−∞ y/σ
y/σ µ 2t Z +∞ µ µ2 t
x− µ
Z
2µy/σ 2
−σ dx
x− 2y
2 − σ x− 2 dx
e−( )
2σ 2 2 2
= e e √ σ
/2t
+ e2µy/σ e 2σ
e−x /2t √
−∞ 2πt y/σ 2πt
!
Z y/σ 2 dx
Z +∞ 2
1 2y µt 1 µt 2 dx
= e− 2t (x−( σ − σ )) √ + exp − x+ e2µy/σ √
−∞ 2πt y/σ 2t σ 2πt
Z −y+µt 2 2
√
e−u /2 +∞
e−u /2
Z
σ t 2
= √ du + e2µy/σ √ du
−∞ 2π y
√
σ t
+ µt
√
σ t
2π
−y + µt 2µy/σ 2 −y − µt
= Φ √ +e Φ √
σ t σ t
x−( 2y
σ
− µt
σ ) x+µt/σ
où nous avons utilisé les substitutions u = √
t
et u = √
t
. Par la symétrie d’une loi normale,
on obtient le résultat:
y − µt 2µy/σ 2 −y − µt
MtX
P ≤ y = P (τ ≥ t) = Φ √ −e Φ √ .
σ t σ t
78
Nous allons maintenant appliquer les résultats précédents à la valeur de compensation:
" #
F e−rT EQ [1TH ≤ T ] = F e−rT Q sup (Bt + mt) ≥ h
t≤T
−h + mT −h − mT
= F e−rT Φ √ +e 2mh
Φ √
T T
2 hσ + rT − σ 2 /2 T
−hσ + rT − σ T /2 2(r−σ 2 /2)h/σ
= F e−rT Φ √ +e Φ − √
σ T σ T
r
en substituant l’expression m = σ − σ2 . Maintenant h peut encore être substitué.
avec
dR dQ
exp −mBt − 21 m2 t ou exp mWt − 21 m2 t
dQ |t = dR |t =
avec
1
ln H
TH = Th = inf t : Wt ≥ σ x =h
79
Un résultat sur le mouvement brownien (Bt )t≥0 .
Proposition 3.1.3
√ √ √
−µTy −y 2µ y
+ e 2µy Φ −y/ a − 2µa
p p
EQ e 1(Ty <a) = e Φ 2µa − √
a
Démonstration:
√ h √ i
EQ e−µTy 1(Ty <a) = e−y 2µ EQ e 2µBTy e−µTy 1(Ty <a)
∼ √
dQ
dQ = eBt 2µ−µt .
∼ ∼ √ n
et + √2µt = y
o
Sous Q, Bt = Bt − 2µt est un mouvement brownien. Donc avec Ty = inf t, B
√ √
−µTy −y 2µ
E ∼ 1Ty < a = e−y 2µ Q
p
EQ e 1Ty <a = e esup 2µs ≥ y
B
es +
Q 0≤s≤a
√ √ √
−y 2µ
p
2µy −y p
= e Φ 2µa − y/ a + e Φ √ − 2µa
a
80
Application de ce résultat à la valeur de compensation:
−rT 1 2 −rTh
EQ e H
1(TH ≤T ) = ER exp mWTh − m Th e 1(Th <T )
2
2r + m2
mh
= e ER 1(Th <T ) exp − Th
2
n o
avec Th = inf t : Wt ≥ h = σ1 ln SH0 et Wt = Bt + mt un mouvement brownien sous R tel qu’on
peut utiliser la proposition ci-dessus:
−hσ + rT + σ 2 T /2 −hσ − rT − σ 2 T /2
−rT −hσ 2rh/σ
EQ e H
1(TH ≤T ) = e Φ √ +e Φ √ .
σ T σ T
Pour K ≤ L
DIC (S0 , L, K)
2r2 +1 ! 2r2 −1 !
L σ L σ
= S0 Φ (z1 ) − Φ (z2 ) + Φ (z3 ) − Ke−rT Φ (z4 ) − Φ (z5 ) + Φ (z6 )
S0 S0
avec:
h
1 σ2
x
i √
z1 = σ T
r√+ 2 T + ln K ; z 4 = z 1 − σ T
h 2
i √
z2 = σ√1 T r + σ2 T + ln Lx ; z5 = z2 − σ T
h 2
i √
z3 = σ√1 T r + σ2 T − ln Lx ; z6 = z3 − σ T .
Pour K > L
81
1+2r/σ2
KS 2
L
DIC (x = S0 , L, K) = S0 C S0 , L20 ,
ce qui permet de donner une stratégie de couverture de l’option barrière avec des calls européens.
Ou bien
1+ 2r2 h
KS02 −rT
i
L σ
DIC (x = S0 , L, K) = S0 S0 Φ (z7 ) − L2
e Φ (z8 )
avec
h i
1 L2 σ2
z7 = √
σ T
ln + r+
S0 K 2 T
√
z8 = z7 − σ T .
Pour la démonstration, nous nous limitons au cas où K > L. Nous utilisons la symétrie de Peter Carr.
Démonstration. La dernière égalité est obtenue parce que l’homogénéité implique que
Maintenant:
Call(t, St , K, T ) = EQ (ST − K)+ |Ft = KEQ ST K1 − 1
ST |Ft .
+
82
dR σ2
Définissons dQ = Mt = exp σWt − 2 t .
∼
Alors, on a que W t = Wt − σt est un mouvement brownien sous R.
∼
Donc sous R, d M1t = − Mσt dW t .
x
Définissons aussi Zt = St .
EQ [AMT |Ft ]
ER (A |Ft ) = .
Mt
Démonstration.
Maintenant, nous démontrons le prix d’une down-and-in call dans le cas K > L comme corollaire de la
symétrie de Peter Carr. Nous commençons par le cas où r = 0.
où EQ (ST − K)+ | FTL = call (TL , L, K, T ) = Put (TL , K, L, T ) par la symétrie de Peter Carr.
L2
On remarque que pour K − ST > 0, on a que TL < T ; donc on conclut que
83
L2
K
EQ (ST − K)+ 1TL <T =
Put x,
L K
2
K L
= call ,x
L K
K
= call L, x (3.1)
L
Kx2
L
= call x, 2
x L
1+2r/σ2
KS 2
L
DIC (x = S0 , L, K) = S0 C S0 , L20 ,
Avant de considérer le cas de taux d’intérêt non-nuls, nous observons qu’en dérivant (3.1) par rapport à
K, on obtient
Kx2
x
Q (ST > K, min St ≤ L) = Q ST > 2 (3.2)
L L
parce que
call L, K L Kx +
L x = EQ (ST x − L )
et donc
d
L, K x L Kx
dK call L x = − L Q ST x > L
Nous dérivons maintenant le prix d’un Down- and-In option dans le cas r 6= 0.
Soit S de dynamique
et
déf
γ −1 = 1 − 2r
σ2
84
En utilisant le lemme d’Ito, on trouve que St = S0 (Mt )γ avec dMt
Mt = σγ −1 dBt parce que
2
γ
( r−σ 2 /2)t+σBt − 12 σ2 t+σγ −1 Bt
St = S0 e = S0 e γ
!
Kx 1/γ
x 1/γ
Q (ST ≥ K, min St ≤ L) = Q MT >
L L2
x 1/γ Kx2
= Q ST > 2
L L
Z +∞
+
EQ (ST − K) 1TL ≤T = Q (ST > k, min St ≤ L) dk
K
L2
x 1/γ
= EQ ST 2 − K
L x +
2r2 −1 2
x2 K
L σ L
= EQ ST − 2 .
x x L +
85
3.2.1 Options liées au temps d’atteinte d’une barrière.
- Les options asset-or-nothing sont liées à un ”prix d’exercice” K. Le flux terminal est égal à la valeur du
sous-jacent si celui-ci est ”dans la monnaie” à maturité, soit ST 1ST ≥K , et à 0 sinon. Le ”prix d’exercice”
joue le role d’une barrière. La valeur d’une telle option est
1
l= σ ln SL0
par le brownien drifté σr t + Bt . Le calcul correspondant à été fait lors du calcul de la compensation.
-Les options asset-or-nothing peuvent également avoir un caractère up-and-in lié à une barrière. Leur
prix sera alors
Elles sont utilisées pour obtenir des portefeuilles de couverture d’options barrières.
Dans ce type d’options, la barrière n’est mise en place qu’à un instant t < T où T est la maturité. Leur
payoff est (ST − K)+ 1THt ≥T avec
THt = inf {u ≥ t : Su ≥ H} .
86
Les options early-ending ont une barrière qui n’est opérante qu’entre l’émission et une date t.
Les boost.
Une option boost est associée à deux barrières: une barrière haute H et une barrière basse L. Le payoff
d’une telle option est proportionnel au temps passé entre les barrières avant le premier instant de sortie.
Le calcul de la valeur d’une option boost se fait au moyen de la transformée de Laplace de T ∗ = TH,L ∧T,
déf
où TH,L est le premier instant de sortie du “tunnel” TH,L = TH ∧ TL . Cette transformée de Laplace est
∗
définie par ψ (λ) = EQ e−λT .
La connaissance de cette fonction donnera le résultat voulu par dérivation par rapport à λ qui conduit à
0 ∗
−ψ (λ) = EQ T ∗ e−λT
.
∗
Pour calculer ψ, on décompose EQ e−λT
en deux parties:
∗
EQ e−λT = EQ e−λTH,L 1TH,L <T + e−λT Q (TH,L > T ) .
La loi de TH,L est connue et est donnée par une série double.
- Si le paiement a lieu à maturité, le prix d’une option boost est, au coefficient de proportionalité près
0
EQ e−rT T ∗ = −e−rT ψ (0) .
∗ 0
EQ e−rT T ∗ = −ψ (r) .
Ce sont des options qui disparaissent si le sous-jacent a passé plus d’un certain temps, précisé dans
le contrat, au-dessus d’une barrière.R Si L est la barrière et D le temps à ne pas dépasser, le payoff
T
s’écrit (ST − K)+ 1AT ≤D où AT = 0 1St ≥L dt mesure le temps passé par le sous-jacent au-dessus de
la barrière L. Le problème est alors résolu en calculant la loi du couple (AT , ST ) ce qui nécessite des
calculs que nous ne pouvons reproduire. On pourra consulter Chesney et al. (1997) et Hugonnier (1998).
87
Les options boost-cumultatives.
Les Rboost cumulatives unilatérales ont un payoff proportionnel au temps passé au-dessus de la barrière,
T
soit 0 1St ≥L dt. Leur valeur est
RT
BC = EQ e−rT 0 1St ≥L dt
RT
BC = e−rT 0 Q (St ≥ L) dt
et le terme Q (St ≥ L) s’exprime, comme dans la formule de Black et Scholes, au moyen de la fonction
de répartition de la loi gausienne.
Les step-options.
L RT
Introduites par Linetzky (1997), leur payoff est e−νAT (ST − K)+ où AL T = 0 1St ≤L dt et ν est un
coefficient positif, précisé comme les autres paramètres K et L au moment de la signature. Ce payoff
est plus petit que le payoff européen de même prix d’exercice, avec égalité si le sous-jacent est resté
en dessous de labarrière entre l’émission et la maturité. Linetzky les valorise en déterminant la loi du
couple ST , AL . On peut également transformer l’expression en utilisant le brownien W et la loi du
RTT
couple WT , 0 1Wt ≤l dt qui figure dans l’ouvrage de Borodin-Salminen (1997).
Introduites par Akahori (1995), leur payoff est (AαT − K)+ où
n RT o
AαT = inf x ∈ R : 0 1St ≤x dt ≥ αT .
Ce sont des options ayant des points communs avec les cumulatives, mais où ne cumule pas le temps.
L’option disparaı̂t si le sous-jacent reste pendant un intervalle de temps de longueur D au-dessus d’un
certain niveau L. Elles sont beaucoup plus difficiles à valoriser. La première étape est d’écrire le payoff
de façon mathématique. Pour cela, on introduit le dernier instant avant t où le sous-jacent a atteint le
niveau L que l’on note gt = sup {s ≤ t |Ss = L} , puis le temps d’arrêt H où l’option meurt par
88
H = inf {t |(t − gt ) ≥ D, St ≤ L} .
Dans cette expression, t − gt ≥ D signifie que, entre gt et t le sous-jacent ne prend pas la valeur L,
et l’inégalité St ≤ L précise qu’à l’instant t la valeur du sous-jacent est sous le niveau L. La valeur de
l’option est
Cette quantité demande la connaissance de la loi du couple (ST , H) ce qui n’est pas aisé. On calcule la
transformée de Laplace en temps du prix (Chesney et al. (1997) et Yor et al. (1997)), c’est-à-dire
R∞
dte−λt EQ e−rt (St − K)+ 1H≥t .
0
Z ∞
dte−λt EQ e−rt (St − K)+ 1H≤t
Z0 ∞ Z ∞
+
−λt −rt
dte−λt EQ e−rt (St − K)+ 1H≥t
= dte EQ e (St − K) −
0 0
R +
1 T
T 0 Su du − K .
Les formules exactes de valorisation sont connues, et leur mise en place nécessitent des connaissances
qui dépassent le cadre de ce cours. Nous renvoyons le lecteur à l’article de Geman-Yor, qui utilise de
manière intensive les processus de Bessel. L’idée essentielle est de calculer, non pas le prix, mais la
transformée de Laplace en temps de ce prix, c’est-à-dire
89
R∞ R +
1 t
0 e−λt EQ t 0 Su du − K dt.
Les calculs sont possibles grâce au résultat, dû à Lamperti, qui exprime St en fonction d’un processus de
Bessel évalué en un instant différent de t (formule de changement de temps).
Une autre approche, développée par Stanton (1994), Rogers et Shi (1995) et Descamps et Koehl (1997)
consiste à écrire l’équation aux dérivés partielles de valorisation. La valeur d’une option asiatique est
donnée par CtAs = X (t) A (t, Yt )
où
déf
R
1 1 t
Yt = X(t) t 0 X (u) du − K ,
∂A 1
∂A 2
∂t + T − ry ∂y + 12 σ 2 y 2 ∂∂yA2 = 0
n 1/n
ou (ce qui est plus simple) sur la moyenne géométrique payoff Π S jT .
j=1 n
Dans les produits suivants, on considère la maturité T et une date fixée t1 telle que t1 < T.
90
+
max (C (t1 ) , P (t1 )) = C (t1 ) + Ke−r(T −t) − St1
Les Bermuda.
Elles sont à “mi-chemin” entre les européennes et les américaines, d’où leur nom. Le détenteur d’une
telle option peut exercer son droit avant maturité, mais uniquement en certaines dates prédéfinies.
Les deux approches sont identiques par absence d’arbitrage, ce qui lie les probabilités risque neutre des
deux pays.
91
Chapitre 4
4.1.1 Définitions.
On appelle zéro-coupon de maturité T , un titre versant un euro à la date T , et ne donnant aucun flux
entre t et T .
On suppose que, pour tout T , il existe un zéro-coupon de maturité T .
Le prix à la date t d’un zéro-coupon de maturité T est noté P (t, T ) ou B(t, T ). Dans un premier temps,
nous utiliserons la notation P (t, T ). Il est clair que P (T, T ) = 1.
On introduit “le rendement à l’échéance” en t ou le “taux à terme pour la période [t, T ]” (= “yield to
maturity” en t), soit Y (t, T ), défini par
92
∂ ln P (t,θ)
f (t, T ) = − ∂θ θ=T
et on a donc
R
T
P (t, T ) = exp − t f (t, u)du et
RT
Y (t, T ) = T 1−t t f (t, u)du.
∂ ln P (t,T )
r(t) = lim Y (t, T ) ≡ − ∂T = f (t, t).
T →t T =t
θ → Y (t, θ),
θ → P (t, θ),
θ → f (t, θ).
Rt
R(t) ≡ exp − 0 r(s)ds.
Dans un modèle stochastique, on se donne comme toujours un espace probabilisé muni d’une filtration
Ft que l’on supposera être une filtration brownienne.
93
On suppose que les variables P (t, .) sont Ft mesurables.
On suppose que les processus P (., T ) sont ∀T positifs, adaptés, continus et que P (t, T ) est dérivable par
rapport à T , de dérivée continue.
On suppose qu’il existe une probabilité IQ sous laquelle les processus de gain actualisés (donc prix
actualisé + toutes les dividendes actualisées cumulées) sont des martingales de carré intégrable. En
particulier, dans le cas sans dividendes, le processus R(t) P (t, T ) est une martingale sous IQ.
Cette propriété entraı̂ne des résultats intéressants. Tout d’abord, puisque P (T, T ) = 1, on obtient que
h R i
T
P (t, T ) = IE IQ exp − t ru du | Ft .
Remarque
dIQ
En notant LT = dI P et Lt = IE IP (LT | Ft ) , on montre (voir Lamberton et Lapeyre p. 121 ou p. 114)
qu’il existe un processus adapté q ∈ L2LOC tel que
R
t Rt
Lt = exp − 0 q(s)dBs − 21 0 q 2 (s)ds .
On en déduit que, pour chaque maturité T , il existe un processus adapté σ(t, T ) ∈ L2LOC tel que sous IP
∼
dP (t, T ) = P (t, T ) (rt + qt σ(t, T ))dt + σ(t, T )dB t
∼
où (B t )t est un IP − Ft m.b.. La quantité q(t)σ(t, T ) est la différence entre le taux moyen du zéro-
coupon et le taux sans risque. Le processus q est appelé prime de risque, prix de marché du risque.
∼ Rt
Sous IQ, Bt = B t + 0 qs ds est un m.b. et donc sous IQ:
94
4.1.2 Changement de numéraire.
h R i
T
F IEIQ exp − t ru du | Ft = F P (t, T ).
h R i
T
IEIQ FT exp − t ru du | Ft .
Il est possible d’interpréter cette formule en l’écrivant Fc P (t, T ), où Fc est l0 équivalent certain de FT et
est défini par
h R i
1 T
Fc = P (t,T ) IEIQ FT exp − t ru du | Ft .
Par hypothèse, le processus R(t)P (t, T ) est une martingale strictement positive, son espérance est con-
stante, égale à P (0, T ).
R(t)P (t,T )
Pour tout T , le processus ζtT = P (0,T ) est une IQ-martingale strictement positive d’espérance 1.
On peut donc utiliser ζtT comme densité de changement de probabilité. Soit QT la mesure de probabilité
définie sur (Ω, FT ) par
dQT
La probabilité QT définie sur Ft par dIQ |Ft = ζtT est appelée probabilité forward - neutre de maturité T .
Nous démontrons maintenant la Règle de Bayes pour la formule du changement de probabilité dans les
espérances conditionnelles:
95
Proposition 4.1.1 Soient µ et ν deux mesures de probabilité sur un espace mesurable (Ω, G) telles que
dν (ω) = f (ω) dµ (ω) pour une f ∈ L1 (µ) .
Démonstration
En vertu de la définition de l’espérance conditionnelle on a que si H ∈ H, alors
R R R R R
H IEν [X |H ] f dµ = H IEν [X |H ] dν = H Xdν = H Xf dµ = H IEµ [f X |H ] dµ.
d’où le résultat.
Corollaire 4.1.1 (Bayes’rule) Soit la fonction de densité de Radon-Nikodym ζsT s une martingale
strictement positive. Pour Y une variable aléatoire Ft mesurable tel que IEQT |Y | < ∞, on a que
pour 0 ≤ s ≤ t ≤ T :
1
IEIQ Y ζtT |Fs p.s.
IEQT [Y |Fs ] = ζsT
Fc = IEQT [FT | Ft ] .
La mesure QT est la mesure martingale associée au choix du zéro-coupon de maturité T comme numéraire,
comme l’explicite la propriété suivante.
96
Proposition 4.1.2 Si Xt est un processus de prix (sans dividendes), le prix forward Xt /P (t, T ) est une
martingale sous QT .
Démonstration
Soit T fixé. Nous savons que (Xt Rt )t est une IQ-martingale.
D’après la formule du changement de probabilité dans les espérances conditionnelles (Règle de Bayes),
on a
Xt ζtT
h i
Xt
IEIQ P (t,T )| Fs
IEQT | Fs = (4.2)
IEIQ ζtT |
P (t, T ) Fs
IEIQ [Xt Rt | Fs ] Xs R(s) Xs
= = = .
P (0, T )ζsT R(s)P (s,T )
P (0, T ) P (0,T ) P (s, T)
97
b/ Contrats forward et futures
Un contrat forward (ou contrat à terme), d’échéance T et de sous-jacent un actif dont le prix à l’instant t
est Vt , est un contrat qui permet à son détenteur d’acheter ou de vendre l’actif à l’instant T à un prix fixé
au moment de la signature du contrat en t. Ce contrat ne donne lieu à aucun échange de flux au moment
de sa conclusion.
On appelle prix du contrat, le prix Gt convenu à la signature en t auquel la transaction se fera à l’instant
T.
Un contrat future d’échéance T , écrit sur un actif de prix Vt à l’instant t, est un contrat qui fixe un prix
Ht (le prix du contrat) sur la base duquel on pratique les “appels de marge”. Chaque opérateur verse
un dépôt de garantie dont le montant lui est crédité sur un compte courant. A la clôture quotidienne, la
position de chaque opérateur est ajustée. Si une perte apparait, l’opérateur doit en assurer le financement,
dans le cas contraire, son compte est crédité.
Proposition 4.1.3 Le prix à la date t d’un contrat forward de maturité T sur un actif dont le processus
de prix est V (s) est
G(t) = IEQT [V (T ) | Ft ] .
Le prix d’un contrat future avec des modalités des ”appels de marge” simplifiées, est
Démonstration
1/ Pour déterminer le prix d’un contrat forward on utilise le fait que le processus Xt défini par
Xt = 0 pour t < T
XT = VT − Gt en T ,
98
est un processus de prix. Donc par risk-neutral pricing:
Z T
EIQ exp − ru du (V (T ) − Gt ) | Ft = 0.
t
0 = IEQT [V (T ) − G(t) | Ft ] .
2/ Un contrat future est caractérisé comme un actif dont le processus de dividendes est le processus
H, et dont le processus de prix S est nul. On cherche à calculer le prix “future” associé à l’obtention
de VT ,Rc’est-à-dire la valeur en t d’un processus de dividendes cumulés tel que HT = VT . Soit Rut =
u
exp − t rv dv. Le processus de dividendes actualisés cumulés
Rs
HsR = t Rut dHu
est une IQ-martingale (voir (2.17)). Nous pouvons supposer que IEIQ [(HTR )2 ] < ∞ tel que nous pouvons
utiliser le théorème 4.1.1 ci-dessous (voir aussi le chapitre de Calcul Stochastique).
Ht = IEIQ [HT | Ft ] et HT = VT .
On conclue que lorsque FT est la valeur d’un titre, l’équivalent certain Fc est appelé le prix à terme (prix
forward) de FT . Par exemple, si S(t) est le prix d’un actif financier en unités de la date t, on appelle prix
forward SF (t) de S le prix exprimé en unités de la date T , soit
S(t)
SF (t) = P (t,T ) .
99
Théorème 4.1.1 (Théorème de représentation comme martingale) Supposons que Xt est une {Ft }
martingale continue, où {Ft } est une filtration brownienne standard.
S’il existe un T tel que IE XT2 < ∞ et si X0 = x0 , alors il existe un φ (ω, s) ∈ H 2 [0, T ] tel que
Rt
Xt = x0 + 0 φ (ω, s) dBs pour tout 0 ≤ t ≤ T.
Le prix d’une option européenne de payoff h(T ) à la date T est donné par
Considérons une option de maturité T sur un produit qui verse des flux déterministes Fn aux dates Tn
telles que
et soit
N
P
V (t) = Fn P (t, Tn ).
n=1
Théorème 4.1.2 Le prix d’une option européenne de prix d’exercice K et de maturité T sur un produit
qui verse des flux Fn aux dates Tn est
N
P
C(0) = Fn P (0, Tn )Qn [V (T ) > K] − KP (0, T )QT [V (T ) > K]
n=1
100
où Qn est la probabilité forward neutre de maturité Tn .
Démonstration
Par définition,
h i
C(0) = IEIQ RT (V (T ) − K)+ = IEIQ RT ( N
P
n=1 Fn P (T, Tn ) − K)+
ce qui s’écrit
N
P
C(0) = Fn IEIQ [RT P (T, Tn )1{V (T )>K} ] − KIEIQ RT 1{V (T )>K} .
n=1
Par définition de Qn on a
IEIQ RT P (T, Tn ) 1{V (T )>K} = P (0, Tn )IEQn 1{V (T )>K}
Déterminer le prix à la date t d’un call européen d’échéance S sur un zéro-coupon d’échéance T et prix
d’exercice K, dans le cas où σ(t, T ) ∈ C[0, T ] est déterministe:
Z S
Ct = IE IQ exp(− ru du)(P (S, T ) − K)+ | Ft
t
IQ R(S)P (S, S)
= IE (P (S, T ) − K)+ | Ft P (t, S)
R (t) P (t, S)
Rt
avec R(t) = exp − 0 rs ds, donc:
S
Ct = IE Q [(P (S, T ) − K)+ | Ft ] P (t, S).
Nous cherchons la loi de P (S, T ) sous QS . Nous savons que sous QS , PP (t,T )
(t,S) est une martingale et nous
allons retrouver ainsi ce que doit être la bonne densité de Radon-Nikodym.
dP (t,T )
Nous savons que P (t,T ) = rt dt + σ(t, T )dBt sous IQ, et donc que
101
Rt Rt Rt
P (t, T ) = P (0, T ) exp( 0 ru du + 0 σ(u, T )dBu − 21 0 σ 2 (u, T )du)
et ensuite que
Z t
1 t 2
Z
P (t, T ) P (0, T ) 2
= exp + (σ(u, T ) − σ(u, S))dBu − (σ (u, T ) − σ (u, S))du
P (t, S) P (0, S) 0 2 0
1 t
Z Z t
P (0, T )
= exp − (σ(u, T ) − σ(u, S))2 du + (σ(u, T ) − σ(u, S))(dBu − σ(u, S)du)
P (0, S) 2 0 0
1 t
Z Z t
P (0, T )
= exp(− (σ(u, T ) − σ(u, S))2 du + (σ(u, T ) − σ(u, S))dBuS )
P (0, S) 2 0 0
Pour que PP (t,T ) S
(t,S) t soit une martingale sous Q , il faut définir cette mesure comme celle qui transforme
BtS t en un m.b. standard.
D’après le théorème de Girsanov, la densité de QS par rapport à IQ doit alors être égale à:
dQS Rt Rt R(t)P (t,S)
dIQ = exp − 12 0 σ(s, S)2 ds + 0 σ(s, S)dBs = P (0,S) .
où Φ(.) est la fonction de répartition de la loi gaussienne centrée, réduite et où:
102
µ−ln K+σ 2
d1 = σ
d2 = d1 − σ.
Si on note
∼2 RS
σ (t, S) = t (σ(u, T ) − σ(u, S))2 du,
∼2 ∼2
loi P (t,T )
ln X | Ft = N ln P (t,S) − 12 σ (t, S), σ (t, S)
parce que
R
P (S,T ) P (t,T ) S RS
P (S,S) = P (t,S) exp− 12 t (σ(u, T ) − σ(u, S))2du+ t (σ(u, T ) − σ(u, S))dBuS
Proposition 4.1.4 (Intégrales gaussiens) Soit f ∈ C[0, T ], alors le processus défini par
Z t
Xt = f (s)dBs pour tout t ∈ [0, T ]
0
it
En plus, si nous considérons pour t ∈ [0, T ] la partition de [0, t] donnée par ti = n pour 0 ≤ i ≤ n et
si nous prenons t∗i ∈ [ti−1 , ti ] pour 0 ≤ i ≤ n, alors
n
X Z t
f (t∗i )
lim Bti − Bti−1 = f (s)dBs ,
n→∞ 0
i=1
103
Nous concluons que
dP (t,T )
Proposition 4.1.5 Soit sous IQ: P (t,T ) = rt dt + σ(t, T )dBt avec (σ(t, T ))t ∈ C[0, T ] déterministe.
Le prix à la date t d’une option d’échéance S sur un zéro-coupon d’échéance T est donné par
h i
P (t,T )
Ct = P (t, S) P (t,S) Φ(d1 ) − KΦ(d2 )
⇐⇒
avec
∼
ln P (t, T )/P (t, S) − ln K + σ(t, S)2 2
d1 = ∼
σ(t, S)
∼
d2 = d1 − σ(t, S)
Z S
∼2
σ (t, S) = (σ(u, T ) − σ(u, S))2 du.
t
104
4.2 Le taux spot connu
Différentes approches sont utilisées en temps continu. La première consiste à utiliser le taux spot comme
variable explicative. Une autre approche consiste à modéliser le prix des zéro-coupons en respectant
l’hypothèse d’AOA et à en déduire l’expression du taux spot.
Maintenant, on suppose que le taux spot est connu et on cherche à décrire la courbe des taux.
Supposons que le taux spot r(t) suive, sous la probabilité historique IP , un processus d’Itô défini par
∼
dr(t) = f (t, rt )dt + ρ(t, rt )dBt (4.3)
∼
où B est un IP − m.b. unidimensionnel, et f , ρ sont des fonctions continues satisfaisant à des conditions
de croissance et de Lipschitz de telle sorte que (4.3) admette une solution unique.
Comme dans la formule de Black et Scholes, on suppose que la valeur P (t, T ) d’un zéro-coupon est une
fonction de r(t), que l’on note P (t, T ; r(t)), où P (t, T ; r) appartient à C 1,2,2 (IR+ × IR+ × IR).
∼
∂P 2 ∂2P
dP (t, T ) = ∂t + f ∂P 1
∂r + 2 ρ ∂r2
(t, T )dt + ρ ∂P
∂r (t, T )dB t
∼
= P (t, T )(µ(t, T )dt + σ(t, T )dB t )
avec
1 ∂P 1 2 ∂2P
µ(t, T ) = P (t,T ) ∂t + f ∂P
∂r + 2 ρ ∂r2
(t, T )
ρ(t,r(t)) ∂P
σ(t, T ) = P (t,T ) ∂r (t, T ).
105
On regarde un portefeuille V avec des pourcentages uS en P (t, S) et uT en P (t, T ).
Les dynamiques du portefeuille relatif sont
uS σ(t, S) + uT σ(t, T ) = 0
parce que l’idée est de construire un portefeuille sans risque et d’exiger que son rendement soit égal à
r(t).
−σ(t,S)
(
uT = σ(t,T )−σ(t,S)
=⇒ σ(t,T )
uS = σ(t,T )−σ(t,S)
dVt
A.O.A. exige que Vt = rt dt
=⇒ uS µ(t, S) + uT µ(t, T ) = rt
µ(t, S) − rt µ(t, T ) − rt
⇐⇒ = = q(t) (4.4)
σ(t, S) σ(t, T )
Donc s’il n’y a pas d’O.A., il existe un processus q(t) tel que (4.4) pour tout t et toutes les dates
d’échéance.
µ(t,T )−rt
En utilisant le fait que qt = σ(t,T ) , on trouve l’équation d’évolution:
∂P ∂P 1 ∂2P
+ (f − ρq) + ρ2 2 − rt P = 0 (4.5)
∂t ∂r 2 ∂r
106
∼
dP (t,T )
P (t,T ) = (rt + qt σ(t, T ))dt + σ(t, T )dBt
∼
dP (t, T ) = (P (t, T )rt + ρq ∂P ∂P
∂r )dt + ρ ∂r dBt
L’EDP (4.5) s’applique à n’importe quel titre lié au taux d’intérêt, à condition qu’il ne distribue pas de
coupons. Pour une résolution numérique, il faut lui associer une condition terminale. Pour un zéro-
coupon cette condition terminale est P (T, T ) = 1.
On obtient ces résultats aussi en utilisant le théorème de Girsanov. En effet nous allons utiliser le
théorème de Girsanov avec
dIQ
dIP |Ft = Lt avec dLt = −qt Lt dBt
où
µ(s,T )−r(s)
q(s) = σ(s,T ) .
Nous obtenons ainsi que les prix P (t, T ) actualisés sont des IQ-martingales.
Donc
dP (t,T )
P (t,T ) = rt dt + σ(t, T )dBt
107
avec
∼
dBt = dBt + qt dt un IQ-m.b.
En particulier
h Rt i
P (s, t) = IEIQ P (t, t) exp − s ru du | Fs s6t
h Rt Rt Rt i
P (s, t) = IEIP exp(− s qu dBu − 21 s qu2 du − s ru du) | Fs
a/ Le modèle
Dans ce modèle, on suppose que le taux spot vérifie, sous IP , l’équation différentielle stochastique
avec a, b, ρ des constantes strictement positives. Ce processus est connu sous le nom de processus
d’Ornstein-Uhlenbeck avec retour à la moyenne à long terme b.
La moyenne instantanée est proportionnelle à l’écart entre une valeur b et la valeur r (t) .
Une force de rappel tend à rapprocher r (t) de la valeur b.
On suppose aussi que la prime du risque est une constante q (t) = +λ avec λ ∈ IR. Alors sous IQ
λρ ∼ ∼
drt = a b − − r (t) dt + ρdW t avec W t = Wt + λt
a
On note ∼
drt = a (b∗ − r (t)) dt + ρdW t
λρ
avec b∗ = b − a , qui suit aussi un processus d’Ornstein-Uhlenbeck.
108
que ces taux sont gaussiens et peuvent donc devenir négatifs:
1 − e−2at
Z t
rt v N (r0 − b)e−at + b, ρ2 e−2a(t−u) du = ρ2
0 2a
Démonstration.
Il suffit de remarquer qu’en utilisant le lemme d’Itô, on a
d eat rt = aeat rt dt + eat a(b − r (t))dt + eat ρdWt = abeat dt + eat ρdWt
Par conséquent:
Z t
−at at −at −at
eas ρdWs
rt = (r0 ) e + b −1 + e e +e
0
Z t
= (r0 − b) e−at + b + e−a(t−s) ρdWs
0
Si r(0) est une constante, r(t) est une variable gaussienne de moyenne (r0 − b) e−at + b et de variance
ρ2 −2at . En particulier, ce n’est pas une variable positive.
2a 1 − e
On peut également calculer l’espérance et la variance conditionnelle de rt .
109
on déduit que " #
t
1 − e−a(t−s)
Z
1) IEIQ ru du |Fs = b∗ (t − s) + (rs − b∗ )
s a
Z t Z tZ t
2) V arIQ ru du |Fs = cov IQ (ru , rv |Fs ) dudv
s s s
avec
Z u ∼
Z v ∼
IQ 2 −a(u−l) −a(v−k)
cov [ru , rv |Fs ] = ρ IEIQ e dW l e dW k |Fs
s s
Z u∧v
= ρ2
e−a(u+v−2l) dl
s
e2a(u∧v) − e2as
= ρ2 e−a(u+v) .
2a
=⇒
ρ2
! !
ρ2 b∗ − − r (s) ρ2
2
2a2
B (s, t) = exp − b∗ − 2 (t − s) + 1 − e−a(t−s) − 3 1 − e−a(t−s)
2a a 4a
= exp [− (t − s) Y (s, t)]
et à la limite
ρ2 ρ2
− ln B (s, t) λρ
Y (∞) = lim Y (s, t) = lim = b∗ − = b − −
t−s−→∞ (t−s)−→∞ t−s 2a2 a 2a2
Y (∞) s’interprète comme taux à long terme. Notons qu’il ne dépend pas du “taux spot instantané ” r.
Cette dernière propriété est considérée par les financiers comme un défaut du modèle.
110
Si on étudie la courbe T −→ Y (t, T ) on voit que
ρ2
- si r (t) ≤ Y (∞) − 4a2
, la courbe est strictement croissante,
ρ2 ρ2
- si Y (∞) − 4a2
≤ r (t) ≤ Y (∞) + 2a2
, elle est croissante puis décroissante,
ρ2
- si Y (∞) + 2a2
< r (t), elle est strictement décroissante.
Remarque.
Sous IP
h i
dB (t, T ) = B (t, T ) r (t) + ρq (t) ∂B(t,T
∂r
)
dt + ρ ∂B(t,T )
∂r dWt
nh −a(T −t) i o
= B (t, T ) r (t) − ρλ 1−e a dt − aρ (1 − e−a(T −t) )dWt
Sous IQ
∼
ρ
dB (t, T ) = B (t, T ) r (t) dt − a (1 − e−a(T −t) )dW t
Discussion.
Avantages:
1) très traitable −→ bond options
2) retour à la moyenne
ρ
1 − e−a(T −t) : plus la durée résiduelle est grande, plus la volatilité est grande.
3) On a |σ (t, T )| = a
Désavantages:
1- taux négatif
ρ
2- lim σ (t, T ) = a
T −t−→∞
111
c/ Prix de zéro-coupon: Equation d’évolution
Nous indiquons maintenant une autre méthode pour déterminer le prix à l’instant t d’un zéro-coupon
avec date d’échéance T explicitement.
On recherche une solution de l’équation
∂P ∂P 1 ∂2P
+ (a (b − r) − ρλ) + ρ2 2 − rP = 0 P (T, T ) = 1
∂t ∂r 2 ∂r
sous la forme
B (t, T ) = exp (α (T − t) r (t) + β (T − t))
Désignons T − t par θ =⇒
0 0 1
−Bα (θ) r − Bβ (θ) + (a (b − r) − ρλ) α (θ) B + ρ2 α2 (θ) B − rB = 0
2
avec les conditions initiales α (0) = 0 et β (0) = 0 qui proviennent de B (T, T ) = 1. Ce qui donne
1 −aθ − 1
(
α (θ) = e
a
ρ2 ρ2 e−aθ ρ2 e−2aθ
β (θ) = − b − ρλa − 2a 2 θ − b− ρλ
a − a2 a − 4a3
−K
On trouve que
1 − e−aθ ρ2 ρ2
β (θ) = −Y (∞)θ + Y (∞) − 2 + 3 1 − e−2aθ
a 2a 4a
λρ
Y (∞) = b − − ρ2 /2a2 .
a
112
On retrouve l’expression du zéro-coupon.
Exercice
Dans le modèle de Vasicek, déterminer le prix à la date t d’un call européen d’échéance S sur un zéro-
coupon d’échéance T et prix d’exercice K.
Réponse
−ρ
Utilisez σ(t, T ) = a (1 − e−a(T −t) ) et la section 4.1.4.
113
Chapitre 5
5.1 Introduction
Les premiers modèles de taux d’intérêt en temps continu sont apparus avant le modèle discret de Ho et
Lee, vers ± 1975 à la suite des travaux de Black-Scholes sur l’évaluation des prix d’option sur actions et
ceci pour une théorie propre au marché des titres dépendant de la structure des taux.
Comme vu dans le chapitre précédent, le point de départ était le taux court (rt )t déterminé par une
équation différentielle stochastique. Un des grands désavantages de ce genre de modèles est qu’il est
difficile d’obtenir une structure de volatilité réaliste pour des taux forward (= taux à terme instantanés).
Voila pourquoi Heath, Jarrow et Morton prennent comme point de départ les taux forward (f (0, t))t .
On obtient ainsi un calage parfait au taux forward, mais les taux courts (rt )t sont gaussiens dans les cas
traitables.
Nous dénotons dans ce chapitre les probabilités par P , Q, . . . et la filtration par (Ft )t .
où (f (0, T ))T décrit la structure des taux initiale et est supposée donnée et où (Wt ) est un mouvement
brownien de dimension K sous la probabilité P , où P est la probabilité “objective” des événements.
114
0
σ (t, T ) est la volatilité des taux à terme instantanés et σ (t, T ) = (σ1 (t, T ) , . . . , σK (t, T )) sa trans-
posée.
α (t, T ) et σ (t, T ) sont a priori quelconques et peuvent être aléatoires, mais sont des processus adaptés à
valeurs dans IR et IRd . Elles doivent toutefois satisfaire des conditions de régularité assurant l’existence
d’une solution pour l’équation et la légitimité des calculs qui vont suivre.
Voir le papier de référence pour les hypothèses précises de régularité.
Sous forme d’équation de diffusion:
K
X
df (t, T ) = α (t, T ) dt + σi (t, T ) dWit
i=1
ou encore
0
df (t, T ) = α (t, T ) dt + σ (t, T ) dWt .
=⇒ le processus des prix zéro-coupon, noté B(t, T ) est déduit à partir de la formule usuelle
Z T
B (t, T ) = exp − f (t, s) ds .
t
115
On sait que
Z T
ln B (0, T ) = − f (0, τ ) dτ.
0
D’après l’équation (5.2) on a:
Z t Z t Z t Z τ Z t Z τ 0
rτ dτ = f (0, τ ) dτ + dτ α (s, τ ) ds + dτ σ (s, τ ) dWs
0 0 0 0 0 0
Z t Z t Z t Z t Z t 0
= f (0, τ ) dτ + ds α (s, τ ) dτ + σ (s, τ ) dτ dWs
0 0 s 0 s
où b (t, T ) et σ
e (t, T ) désignent:
RT
e (t, T ) = − t σ (t, τ ) dτ
σ
RT
σ (t, T )k2
b (t, T ) = − t α(t, τ )dτ + 12 ke
116
5.3 Le modèle sous la probabilité Q.
0 0
∃ϕ = (ϕ1 , ...., ϕK ) tel que: b (t, T ) = −ϕ (t) σ
e (t, T ) ∀t ≤ T ou de façon équivalente:
0 0
e (t, T ) σ (t, T ) = −ϕ (t) σ (t, T ) .
α (t, T ) + σ
117
RT
e (t, T ) = − t σ (t, u) du
σ
RT
σ (t, T )k2
b (t, T ) = − t α (t, u) du + 21 ke
ou bien
2
T
Z
Z T Z T
1
0
− α (t, u) du +
σ (t, u) du
= +ϕ (t)
σ (t, u) du
t 2 t t
La contrainte d’absence d’opportunités d’arbitrage impose donc des restrictions sur les termes de dérive
et de volatilité de la dynamique des prix zéro-coupon. En dérivant cette condition par rapport à T , on
obtient de façon équivalente une contrainte sur les termes de dérive et de volatilité correspondant aux
taux à terme instantanés.
0 0
e (t, T ) σ (t, T ) = −ϕ (t) σ (t, T )
α (t, T ) + σ
∀T ≥ 0 et ∀t ≤ T
Système lineaire en ϕi (t) de dimension infinie.
Il y a clairement une relation entre le terme de dérive α et la fonction de volatilité σ.
−→ par exemple on peut spécifier les volatilités σ (t, T ) pour toutes les maturités. On peut fixer des
maturités T1 , ...., TK quelconques et déterminer aussi d’une manière exogène les termes
σ (t, T1 )0
..
est inversible pour tout t et tout T1 , ...., TK distincts
.
0
σ (t, TK )
118
(qui est satisfait si les incertitudes ne sont pas redondantes), (ϕ1 (t) , ....., ϕK (t)) est déterminé d’une
manière unique par le système linéaire des équations:
K
X Z Tj K
X
α (t, Tj ) = σi (t, Tj ) σi (t, s) ds − σi (t, Tj ) ϕi (t) j = 1, ...., K
i=1 t i=1
En terme des zéro-coupons, ça veut dire que nous pouvons choisir les volatilités des prix zéro-coupons
et les termes de dérive pour K zéro-coupons.
−→ tous les prix des autres zéro-coupon sont déterminés par la suite.
−→ donc K sources indépendantes d’incertitude
=⇒ le marché est complet si on spécifie K prix de zéro-coupon.
Nous concluons de cette section que, comme dans les modèles en temps discret, l’absence d’opportunités
d’arbitrage implique l’existence d’une nouvelle mesure de probabilité dite risque-neutre, notée Q sous
laquelle les processus de prix actualisés sont martingales.
En effet on voit que:
0 ∼
dB (t, T ) = rt B (t, T ) + B (t, T ) σ
e (t, T ) dW t
avec ∼
dW t = dWt − ϕ (t) dt
Les ϕ1 (t) , ...., ϕK (t) s’interprètent comme des prix du risque associés à chacun des processus brown-
iens.
Le processus des prix actualisés Z (t, T ) = B(t,T
βt
)
est alors martingale sous la mesure de probabilité
t
∼
qui fait de W t un mouvement brownien standard et le processus Z (t, T ) = B(t,T βt
)
est donc mar-
t
tingale sous Q puisque
0 ∼
dZ (t, T ) = Z (t, T ) σ
e (t, T ) dW t .
Comme B (T, T ) = 1, on a alors
Z T
βt
B (t, T ) = E Q |Ft = E Q exp − rs ds |Ft
βT t
119
Ayant défini ce changement de probabilité, on peut exprimer tous les processus de diffusion donnés
jusqu’à présent (taux à terme instantanés, prix zéro-coupon, taux court,...) sous cette nouvelle mesure de
probabilité.
On obtient très simplement la dynamique des taux à terme instantanés à partir de l’équation de base:
Z T 0
0 0 ∼
df (t, T ) = α (t, T ) dt + σ (t, T ) dWt = σ (t, τ ) dτ σ (t, T ) dt + σ (t, T ) dW (t)
t
Z t Z T Z t 0 ∼
f (t, T ) = f (0, T ) + σ (s, T )0 σ (s, τ ) dτ ds + σ (s, T ) dW s
0 s 0
Ainsi, sous Q, le processus suivi par (rt ) ne dépend plus du prix du risque de même que les prix des
titres zéro-coupon.
Volatilité constante et volatilité exponentielle et K = 1.
t2 ∼
rt = f (0, t) + σ 2 + σW t
2
120
ou ∼
drt = µ (t) dt + σdW t
avec
µ (t) = σ 2 t + ∂2 f (0, t)
Le processus (rt ) est donc un mouvement brownien avec dérive.
avec
1 − e−2λt
θ (t) = ∂2 f (0, t) + λf (0, t) + σ 2 .
2λ
Il faut remarquer que le processus du taux court est également un processus de type Ornstein-Uhlenbeck
sous P si le prix du risque est une fonction non aléatoire du temps. Dans ce cas, seule la fonction θ (t)
est modifiée.
Proposition 5.3.2 Sous Q, les taux à terme instantanés et les prix zéro-coupon suivent les équations de
diffusion suivantes:
Z T 0
0 ∼
df (t, T ) = σ (t, τ ) dτ σ (t, T ) dt + σ (t, T ) dW (t)
t
0 ∼
dB (t, T ) = r (t) B (t, T ) dt + B (t, T ) σ
e (t, T ) dW t (∗∗)
121
avec Z T
e (t, T ) = −
σ σ (t, τ ) dτ
t
et la dynamique du taux court instantané s’écrit:
Z t Z t 0 t ∼
Z
rt = f (0, t) + σ (s, τ ) dτ σ (s, t) ds + σ (s, t)0 dW s
0 s 0
∼
où W t est un mouvement brownien sous Q.
On voit à ce stade qu’on aurait pu spécifier les prix zéro-coupon en disant qu’il existe une mesure de
probabilité Q telle que les prix zéro-coupon suivent une diffusion du type (**). Le modèle est alors
paramétré par la fonction σ
e (., .) et non plus par σ (., .) .
La dynamique des taux à terme instantanés s’en déduit par la formule:
⇐⇒
σ (t, T ) = −∂2 σ
e (t, T )
σ
e (t, t) = 0 ∀t
Exemple:
Q βt
B (t, T ) = E |Ft
βT
soit Z T
Q
B (t, T ) = E exp − rs ds |Ft
t
La loi de rs est donnée sous Q par l’équation:
Z t Z t 0 t ∼
Z
0
rt = f (0, t) + σ (s, τ ) dτ σ (s, t) ds + σ (s, t) dW s
0 s 0
122
Dans le cas où les fonctions de volatilité sont déterministes, (rt ) est un processus gaussien sous Q.
RT
−→ t rs ds est donc aussi gausienne et B (t, T ) est égale à
V (t, T )
B (t, T ) = exp −M (t, T ) +
2
où
Z T
Q
M (t, T ) = E rs ds |Ft
t
Z T
Q
V (t, T ) = V ar rs ds |Ft
t
σ 2 t2 ∼
rt = f (0, t) + + σW t.
2
Par conséquent, le taux rτ suit conditionnellement à Ft une loi gausienne d’espérance
σ2 2
τ − t2
rt − f (0, t) + f (0, τ ) +
2
et de variance σ 2 (τ − t) .
RT
La variance aléatoire Y = t rτ dτ suit donc elle-même une loi gaussienne:
Q
Y Ft v N (M (t, T ) ; V (t, T ))
avec
T
σ2
Z
M (t, T ) = (T − t) (rt − f (0, t)) + f (0, τ ) dτ + (T − t)2 (T + 2t)
t 6
et
σ2
V (t, T ) = (T − t)3
3
123
En effet,
Z T "Z
T 2 #
∼ ∼
V arQ ru du |Ft = EQ σ W τ − W t dτ |Ft
t t
Z T Z τ ∼
= V arQ σdτ dW s |Ft
t t
Z T ∼
Z T
Q
= V ar dW s σdτ |Ft
t s
Z T ∼
2 Q
= σ V ar (T − s) dW s |Ft
t
Z T
= σ 2
(T − s)2 ds
t
Z T −t
= σ2 (v)2 dv
0
(T − t)3
= σ2
3
5.4.1 Introduction.
L’un des buts essentiels d’un modèle est d’une part permettre d’évaluer des biens contingents dépendant
de la structure des taux et d’autre part de construire les portefeuilles de couverture associées.
Proposition 5.4.1 Le prix en t, noté Ct , d’un titre délivrant en s (s > t) le flux aléatoire Xs Fs -
mesurable est donné par:
Q βt
h Rs i
Ct = E Xs |Ft = E Q Xs e− t ru du |Ft
βs
124
Par extension, on peut donner le prix en t d’un titre générant plusieurs flux futurs aléatoires Xt+1 , ...., Xs
s
X
Q βt
Ct = E Xτ |Ft
βτ
τ =t+1
Sous cette forme, le prix d’un bien contingent ne nécessite pour être calculé que la dynamique actualisée
du modèle sous la probabilité risque-neutre Q.
B(t,T )
Nous cherchons la mesure de probabilité qui rend B(t,m) martingale. Cette probabilité est alors la
t
m
probabilité associée au numéraire de la date m et est notée Q .
Définissons
B (t, m)
Lm
t = .
βt
Il est clair que
B (t, m)
Lm
t = = E Q [Lm
s |Ft ]
βt
ce qui nous permet de définir la nouvelle mesure de probabilité Qm pour toute variable Fs -mesurable par
Lm
Qm Q s
E [Xs |Ft ] = E Xs m |Ft
Lt
En particulier
Qm B (s, T ) Q B (s, T ) B (s, m) βt B (t, T )
E |Ft = E |Ft =
B (s, m) B (s, m) βs B (t, m) B (t, m)
B(t,T )
On voit alors rapidement que, pour tout T, B(t,m) t est martingale sous cette nouvelle mesure.
Cette nouvelle mesure permet de simplifier les calculs. Cependant pour pouvoir concrètement utiliser ce
résultat il est nécessaire de réécrire le modèle de base sous ces différentes mesures.
125
∼
où W t est un mouvement brownien standard sous Q.
m
∼
B(t,T )
Nous allons déterminer quel nouveau mouvement brownien W t rend le processus Ztm = B(t,m)
martingale. En utilisant le lemme d’Ito, nous obtenons que
0 ∼ 1
e (t, T ) dW t −
d ln B (t, T ) = rt dt + σ σ (t, T )k2 dt,
ke
2
et donc
Z t Z t
1 0 ∼
2
(∗) B(t, T ) = B(0, T ) exp rs − ke
σ (s, T )k ds + σ
e (s, T ) dW s
0 2 0
1 t
Z Z t ∼
B (0, T ) 2 2
0
Ztm = exp − ke
σ (s, T )k − ke
σ (s, m)k ds + σ (s, T ) − σ
(e e (s, m)) dW s
B (0, m) 2 0 0
Notons alors
∼m ∼
Z t
Wt = Wt − σ
e (s, m) ds.
0
Ztm s’écrit alors:
1 t
Z Z t ∼m
B (0, T ) 2
0
Ztm = exp − ke
σ (s, T ) − σ
e (s, m)k ds + σ (s, T ) − σ
(e e (s, m)) dW s .
B (0, m) 2 0 0
=⇒ vm
0
dZtm = Ztm (e
σ (t, T ) − σ
e (t, m)) dW t
m m
Pour (Zt )t soit martingale sous Q , il faut définir cette mesure comme celle qui transforme
mque
∼
Wt en mouvement brownien standard. D’après le théorème de Girsanov, la densité de Qm par
rapport à Q doit alors être égale à:
1 t
Z t
dQm Lm
∼
Z
0 B (t, m)
= exp − keσ (s, m)k2 ds + σ
e (s, m) dW s = = tm .
dQ 2 0 0 βt B (0, m) L0
Ayant caractérisé le changement de brownien associé au changement de mesure, on peut alors très facile-
ment écrire les équations de diffusion sous Qm des prix zéro-coupon, des taux à terme instantanés etc.
m
∼ ∼ Rt
Proposition 5.4.2 Sous Qm , Wt = Wt − 0 σ
e (s, m) ds est un mouvement brownien standard. Le
processus des prix zéro-coupon est donné par
0
0 ∼m
(∗) dB (t, T ) = rt + σ e (t, T ) σe (t, m) B (t, T ) dt + B (t, T ) σ
e (t, T ) dW t .
126
Le processus des prix actualisés par le numéraire de la date m est donné par:
0 ∼ m
B (t, T ) B (t, T )
dZtm = d = σ (t, T ) − σ
(e e (t, m)) dW t .
B (t, m) B (t, m)
Le processus des taux à terme instantanés est donné par:
0 0 ∼m
σ (t, m) − σ
(∗∗) df (t, T ) = (e e (t, T )) σ (t, T ) dt + σ (t, T ) dW t
et plus généralement:
T
f (t, T ) = E Q [rT |Ft ]
Les taux à terme instantanés sont donc égaux à l’espérance des taux courts futurs sous la probabilité
forward-neutre correspondante.
Dans des cas simples des calculs explicites sont possibles. Nous nous limiterons au cas des volatilités
déterministes qui est quasiment le seul à fournir des formules de prix explicites.
127
On a sous QS
B (S, T )
B (S, T ) =
B (S, S)
Z S ∼S
Z S
B (t, T ) 0 1 2
= exp (e e (τ, S)) dW τ −
σ (τ, T ) − σ ke
σ (τ, T ) − σ
e (τ, S)k dτ
B (t, S) t 2 t
La variable B (S, T ) suit donc une loi lognormale si les volatilités sont déterministes.
On va utiliser le lemme suivant:
Si on note Z S
σ = 2
ke e (τ, S)k2 dτ,
σ (τ, T ) − σ
t
le lemme s’applique ici pour X = B (S, T ) avec
d 1 2 B (t, T ) 2
ln X = N − σ + ln ;σ
2 B (t, S)
ce qui donne:
Proposition 5.5.1 Le prix à la date t d’une option d’échéance S sur un zéro-coupon d’échéance T est
donné par
B (t, T )
Ct = B (t, S) N (d1 ) − KN (d2 ) = B (t, T ) N (d1 ) − KB (t, S) N (d2 )
B (t, S)
avec
ln B (t, T ) − ln B (t, S) − ln K + σ 2 /2
d1 =
σ
d2 = d1 − σ
Z S
σ2 = ke
σ (τ, T ) − σe (τ, S)k2 dτ.
t
128
5.5.2 Options sur obligation.
Lemme 5.5.2 Le prix en t d’une option d’échéance S sur une obligation peut se mettre sous la forme:
T
τ S
X
cτ B (t, τ ) E Q 1(PS ≥K) |Ft − KB (t, S) E Q 1(PS ≥K) |Ft
Ct =
τ =S+1
Preuve.
T
X
+
(PS − K) = cτ B (S, τ ) 1(PS ≥K) − K1(PS ≥K)
τ =S+1
et par conséquence
T
" #
X B (S, τ ) Q βt
Ct = βt E Q cτ 1 |Ft B (t, τ ) − KE 1 |Ft
βS B (t, τ ) (PS ≥K) βS (PS ≥K)
τ =S+1
T
τ S
X
cτ B (t, τ ) E Q 1(PS ≥K) |Ft − KB (t, S) E Q 1(PS ≥K) |Ft
=
τ =S+1
Lemme 5.5.3 Le prix en t d’une option d’échéance S sur une obligation d’échéance T peut s’écrire:
T
B f (S, S, τ )
QS S
X
1(Ps ≥K) |Ft − KB (t, S) E Q 1(PS ≥K) |Ft
Ct = cτ B (t, τ ) E f
B (t, S, τ )
τ =S+1
129
B(t,τ )
Preuve. B f (t, S, τ ) = B(t,S)
B f (S, S, τ )
QS τ
E XS |Ft = E Q [XS |Ft ]
B f (t, S, τ )
B (S, τ ) βt
= EQ XS |Ft
βS B (t, τ )
Pour trouver Ct , il faut donc connaı̂tre sous QS les lois des différentes variables aléatoires intervenant
dans les espérances.
En théorie il n’y a pas de difficultés puisque tous les résultats ont déjà été donnés sous QS mais tech-
niquement, PS apparaı̂t comme une somme de variables aléatoires lognormales non indépendantes, ce
qui conduit à des calculs inextricables.
Regardons au cas particulier d’un modèle à un facteur (K = 1) et à volatilité déterministe, par exemple
exponentielle avec σ (t, T ) = σe−λ(T −t) . Alors on peut obtenir une expression quasi-explicite. Ecrivons
B (S, τ ) sous la forme
1 S
Z Z S ∼S
B (S, τ ) B (t, τ ) 2
B (S, τ ) = = exp − σ (u, τ ) − σ
(e e (u, S)) du + (eσ (u, τ ) − σ
e (u, S)) dW u
B (S, S) B (t, S) 2 t t
avec
σ 1 − e−λ(τ −u)
Z τ
−λ(s−u)
e (u, τ ) = −
σ σe ds =
u λ
Or les variables aléatoires Z S ∼S
Zτ = σ (u, τ ) − σ
(e e (u, S)) dW u
t
d
peuvent être écrites comme Zτ = V (S, τ ) Z avec Z une variable gaussienne sous QS centrée et réduite
(N (0, 1)) et la volatilité
Z S 1/2
2
V (S, τ ) = σ (u, τ ) − σ
(e e (u, S)) du
t
Comme V (S, τ ) ≥ 0, PS est une fonction croissante de Z, l’événement PS ≥ K peut encore s’écrire
d
{PS ≥ K} ≡ {Z ≥ d0 }
130
où d0 est défini par:
T
X B (t, τ ) 1 2
cτ exp − V (S, τ ) + V (S, τ ) d0 = K
B (t, S) 2
τ =S+1
Preuve.
T
( )
X
{PS ≥ K} = cτ B (S, τ ) ≥ K
τ =S+1
T
( )
d
X B (t, τ ) 1
= cτ exp − V (S, τ )2 + V (S, τ ) Z ≥ K
B (t, S) 2
τ =S+1
On peut alors calculer le prix de l’option à partir de la valeur d0 . En effet, on a:
S
EQ
1(Z≥d0 ) |Ft = N (−d0 ) Z v N (0, 1)
B f (S, S, τ )
QS QS 1 2
E 1 |Ft = E exp − V (S, τ ) + V (S, τ ) Z 1(PS ≥K) |Ft
B f (t, S, τ ) [PS ≥K] 2
Z ∞
1 1 2
= exp − V (S, τ )2 exp (V (S, τ ) x) √ e−x /2 dx
d0 2 2π
Z ∞
1 (x−V (S,τ ))2
= √ e− 2 dx
2π d0
Z ∞
1 2
= √ e−y /2 dy
2π d0 −V (S,τ )
= N (− (d0 − V (S, τ ))) = N (−d0 + V (S, τ )) .
Comme conclusion:
Proposition 5.5.2 Le prix en t d’une option d’échéance S sur une obligation d’échéance T avec (cτ )τ
T
P
les flux non aléatoires PS = cτ B (S, τ ) s’écrit:
τ =S+1
T
X
Ct = cτ B (t, τ ) N (−d0 + V (S, τ )) − KB (t, S) N (−d0 )
τ =S+1
131
où
Z S 1/2
V (S, τ ) = [e e (u, S)]2 du
σ (u, τ ) − σ
t
avec
1 − e−λ(T −t)
σ
e (t, T ) = σ
λ
et où d0 est solution de:
T
X B (t, τ ) 1 2
cτ exp − V (S, τ ) + V (S, τ ) d0 = K
B (t, S) 2
τ =S+1
Les prix en t d’un contrat forward et future d’échéance S sur un zéro-coupon d’échéance T sont donnés
par:
S
1) B f (t, S, T ) = E Q [B (S, T ) |Ft ]
Ceci est triviale parce que B(u,T )
B(u,S) est une martingale sous QS : donc
u
S B (S, T ) B (t, T )
B f (t, S, T ) = E Q |Ft =
B (S, S) B (t, S)
2) B F (t, S, T ) = E Q [B (S, T ) |Ft ]
On peut expliciter l’expression en écrivant:
Z T
Q
B(S, T ) = E exp − ru du |FS
S
Donc Z T
B F (t, S, T ) = E Q exp − ru du |Ft
S
et à l’aide du lemme usuelle si (ru )u gaussien
F V (t, S, T )
B (t, S, T ) = exp −M (t, S, T ) +
2
avec
Z T
Q
M (t, S, T ) = E ru du |Ft
S
Z T
Q
V (t, S, T ) = V ar ru du |Ft
S
132
On peut effectuer les calculs de M et V en fonction de la structure des taux à la date t et de la fonction
de volatilité.
La réalité est en fait plus complexe. Par exemple, le contrat Matif sur le notionnel est certe un contrat de
type Future mais sur une obligation fictive (et non un zéro-coupon). Cependant le prix d’un tel contrat
peut encore être calculé par la formule habituelle.
133
5.5.4 Valorisation des swaps.
Un swap de taux est un échange d’intérêt: un taux d’intérêt variable contre un taux fixe. Le prix d’un
swap sera ce taux fixe: 2 parties A et B font un swap lorsque
* A verse à B un intérêt variable sur un capital fictif (de valeur donnée initialement).
* B verse à A un intérêt fixe sur ce même capital.
Les dates auxquelles ont lieu ces versements sont notées s = t + 1, ...., T.
Supposons que la référence variable soit un taux de maturité θ donnée: Y (s, s + θ) . Alors:
* A verse à B: Y (s, s + θ) à chaque date s.
* B verse à A: Rt à chaque date s où Rt est le taux fixe convenu au départ entre ces deux parties (Rt est
le “prix” du swap).
Comme aucun flux n’a lieu au moment de la conclusion du contrat, Rt doit être tel que
" T #
X Y (s, s + θ) − Rt
Q
E |Ft = 0
βs
s=t+1
ou bien
T T
X
Q 1 X
Q Y (s, s + θ)
Rt E |Ft = E |Ft
βs βs
s=t+1 s=t+1
ou encore
T s
E Q [Y (s, s + θ) |Ft ] B (t, s)
P
s=t+1
Rt = T
P
B (t, s)
s=t+1
Il faut donc connaı̂tre la loi de Y (τ, τ + θ) sous la probabilité Qτ . Or sous Qτ nous savons que
Z τ
∼τ 1 τ
Z
B (t, τ + θ) 0 2
B (τ, τ + θ) = exp σ (u, τ + θ) − σ
[e e (u, τ )] dW u − ke
σ (u, τ + θ) − σ
e (u, τ )k du
B (t, τ ) t 2 t
en utilisant
1
Y (τ, τ + θ) = − ln B (τ, τ + θ)
θ
et donc
Z τ
Qτ 1 B (t, τ + θ) 1
E [Y (τ, τ + θ) |Ft ] = − ln − ke e (u, τ )k2 du.
σ (u, τ + θ) − σ
θ B (t, τ ) 2 t
En pratique, la variable de référence n’est pas aussi simple qu’un taux Y (s, s + θ) et les calculs d’espérance
sont alors plus compliquées.
134
5.6 Swaps / Caps / Floors / Swaptions / Captions sur LIBOR+ Modèles de
Marchés.
On a déjà étudié un swap de taux d’intérêt où le taux d’intérêt variable était un taux à terme Y (s, s + θ).
Ceci n’est presque pas vendu sur le marché. Le plus souvent le taux d’intérêt variable est un taux LIBOR.
(London Interbank Offered Rate).
Regardons un peu plus en détails:
Donc un swap de taux est un échange d’un taux d’intérêt variable contre un taux fixe.
On appelle “forward start payer swap settled in arrears”, swap à terme in fine (du point de vue de
l’acheteur) le swap avec dates de versement Tj , j = 1, ...., n, avec Tj − Tj−1 = δ ∀ j = 1, ....., n.
T0 est appelée la date initiale.
Le taux variable L (Tj ) est reçu à la date Tj+1 .
LTj est fixé à la date Tj en utilisant la formule suivante:
1
= 1 + (Tj+1 − Tj ) L (Tj ) = 1 + δL (Tj ) .
B [Tj , Tj+1 ]
B (t, Tj )
1 + (Tj+1 − Tj ) L (t, Tj ) = = B f (t, Tj , Tj+1 )−1
B (t, Tj+1 )
Aux dates de versement Tj , j = 1, ...., n les flux d’un “payer swap” sont L (Tj−1 ) δN et −KδN où K
est un taux d’intérêt fixé ( et le nominal = 1).
n est appelé la longueur du swap.
Un cas spécial est le taux fixe κ qui annule la valeur d’un swap à terme. Ce taux est appelé le “forward”
swap rate κ (t, T, n) .
135
En général la valeur à la date t d’un swap à terme avec taux d’intérêt fixe est dénoté par F St (κ) avec
n
X βt
F St (κ) = EQ (L (Tj−1 ) − κ) δ |Ft
βTj
j=1
n
X βt −1
= EQ B (Tj−1 , Tj ) − (1 + κδ) |Ft
βTj
j=1
n n
βTj−1
X
X βt −1 βt
= EQ EQ FT
j−1 B (T ,
j−1 j T ) |Ft − (1 + κδ) EQ |Ft
βTj−1 βTj βTj
j=1 j=1
n n
X βt X βt
= EQ |Ft − (1 + κδ) EQ |Ft
βTj−1 βTj
j=1 j=1
Xn n
X
= B (t, Tj−1 ) − (1 + κδ) B (t, Tj )
j=1 j=1
n−1
X
= B (t, T0 ) − B (t, Tj ) κδ − (1 + κδ) B (t, Tn )
j=1
Xn
= B (t, T0 ) − cj B (t, Tj ) ∀t ∈ [0, T ] .
j=1
n−1
X βt (L (Tj ) − κ) δ
F St∗ (κ) = EQ |Ft
β 1 + L (Tj ) δ
j=0 Tj
n−1
X βt
= EQ (L (Tj ) − κ) δB (Tj , Tj+1 ) |Ft
βTj
j=0
n
X βt
= EQ (L (Tj−1 ) − κ) δ |Ft
βTj
j=1
= F St (κ)
n−1
X
= B (t, T0 ) − κδB (t, Tj ) − (1 + δκ) B (t, Tn )
j=1
136
Maintenant, déterminons aussi le taux swap à terme κ(t, T, n) avec T = T0 . Puisqu’il annule le swap à
terme:
B (t, T ) − B (t, Tn )
κ (t, T, n) = n
P
δ B (t, Tj )
j=1
Comme des swaps, les caps et floors peuvent être “in fine” ou “in advance”.
Regardons un cap à terme “in fine” (in arrears) aux dates Tj , j = 1, ..., n où Tj − Tj−1 = δ et T0 = T.
Les flux aux dates Tj sont
(L (Tj−1 ) − κ)+ δ
et on rappelle que le taux LIBOR instantané est:
Le prix d’un cap à terme est alors (et un terme est appelé un caplet):
n
X βt +
F Ct = EQ (L (Tj−1 ) − κ) δ |Ft
βTj
j=1
n
" + #
X βt 1 1
= EQ −1 −κ δ |Ft
βTj B (Tj−1 , Tj ) δ
j=1
n
" #
∼ +
X βt 1
= EQ −δ |Ft
βTj B (Tj−1 , Tj )
j=1
137
∼
avec δ = 1 + κδ. Donc:
n
" + #
βTj−1
X βt 1 ∼
F Ct = EQ EQ FT
j−1 −δ |Ft
βTj−1 βTj B (Tj−1 , Tj )
j=1
n
" + #
X βt ∼
= EQ 1 − δB (Tj−1 , Tj ) |Ft ∀t ∈ [0, T ]
βTj−1
j=1
n
" + #
∼
QTj−1
X
= B (t, Tj−1 ) E 1 − δB (Tj−1 , Tj ) |Ft
j=1
∼
Donc un cap à terme est la somme des options puts sur δ zéro-coupon.
A) Supposons qu’on est maintenant dans le modèle HJM et en plus particulier dans le modèle gaussien
(donc avec volatilité déterministe).
avec Z T
e (t, T ) = −
σ σ (t, u) du
t
et donc
∼m
B (t, T )
B (t, T ) 0
d =σ (t, T ) − σ
[e e (t, m)] dW t
B (t, m)
B (t, m)
et on rappelle aussi que pour ln X v N m, σ 2
avec
m − ln κ + σ 2
d1 =
σ
d2 = d1 − σ
Donc ∀t ≤ T0 le prix d’un cap de taux d’intérêt avec niveau d’exercice κ, “settled in arrears” à des dates
de versement Tj , j = 1, ..., n
n ∼
j j
X
f
F Ct = B (t, Tj−1 ) N −d2 (t) − δB (t, Tj−1 , Tj ) N −d1 (t)
j=1
138
où B f (t, Tj−1 , Tj ) est le prix à temps t d’un Tj−1 maturity contrat à terme sur un zéro-coupon de
maturité Tj et où
∼
+ ln B f (t, Tj−1 , Tj ) + ln δ + σj2 (t)/2
dj1 (t) =
σj (t)
dj2 (t) = dj1 (t) − σj (t)
Z Tj−1
σj2 (t) = ke e (τ, Tj−1 )k2 dτ.
σ (τ, Tj ) − σ
t
En effet, puisque
Z Tj−1 ∼ Tj−1
B (t, Tj ) 0
B (Tj−1 , Tj ) = exp σ (τ, Tj ) − σ
(e e (τ, Tj−1 )) dW τ ×
B (t, Tj−1 ) t
1 Tj−1
Z
× exp − ke
σ (τ, Tj ) − σe (τ, Tj−1 )k2 dτ
2 t
on a que
∼ ∼
e (Tj−1 , Tj ) = B (t, Tj ) δ = B f (t, Tj−1 , Tj ) δ
h i
E [X] = E δB
B (t, Tj−1 )
et que
Z Tj−1
σj2 (t) = ke e (τ, Tj−1 )k2 dτ.
σ (τ, Tj ) − σ
t
Les flux pour le floor à terme aux dates Tj sont égaux à (κ − L (Tj−1 ))+ δ
n
X βt
F Ft = E Q
(κ − L (Tj−1 ))+ δ |Ft
βTj
j=1
Donc on peut refaire le raisonnement mais on peut aussi utiliser la parité cap-floor. En effet, puisque
on a que
F C(t) − F F (t) = F S(t)
cap à terme - floor à terme = swap à terme. =⇒
n ∼
δB (t, Tj ) N +dj1 (t) − B (t, Tj−1 ) N +dj2 (t)
X
F Ft =
j=1
139
B) Modèles de taux LIBOR à terme.
Parce que les produits dérivés du LIBOR sont énormément traités, on peut modéliser les taux LIBOR
directement. Mentionnons par exemple les références:
Sandmann et al. (1995)
Jamshidian (1997)
Miltersen (1997)
Musiela and Rutkowski (1997)
Brace et al. (1997)
Ils modélisent les taux LIBOR par un modèle lognormal parce que ça était déjà depuis longtemps la
méthode utilisée par les practiciens.
Les dynamiques des taux LIBOR à terme L (t, Tj−1 ) sous la probabilité forward-neutre QTj sont
Tj
dL (t, Tj−1 ) = L (t, Tj−1 ) λ (t, Tj−1 )0 dWt
où W Tj sont des mouvements browniens de dimension d sous la probabilité forward-neutre QTj et
λ (., Tj−1 ) : [0, Tj−1 ] −→ Rd est une fonction déterministe.
n
Cpltj est égal à
P
On rappelle que le prix d’un cap à terme F Ct =
j=1
n Xn
X βt + Tj
Q
B (t, Tj ) E Q (L (Tj−1 , Tj−1 ) − κ)+ δ |Ft
F Ct = E (L (Tj−1 ) − κ) δ |Ft =
βTj
j=1 j=1
avec
∼j ln (L (t, Tj−1 ) /κ) + υj2 (t)/2
d 1 (t) =
υj (t)
∼j ∼j
d 2 (t) = d 1 (t) − υj (t)
Z Tj−1
∼2
υ j (t) = kλ (u, Tj−1 )k2 du
t
parce que
140
R
Tj−1 T R Tj−1
L (Tj−1 , Tj−1 ) = L (t, Tj−1 ) exp t λ (u, Tj−1 ) dWu j − 1
2 t kλ (u, Tj−1 )k2 du
Remarques.
Les dynamiques sous les probabilités forward-neutres sont obtenus dans des modèles sans arbitrages.
La pratique du marché était ou est de regarder sous Q
Facile pour déterminer les prix mais le modèle a des défauts −→ arbitrage.
Lien avec HJM.
−→ Sous QTj+1
T
dL (t, Tj ) = L (t, Tj ) λ (t, Tj ) dWt j+1
1 B (t, Tj )
L (t, Tj ) = −1
δ B (t, Tj+1 )
Sous QTj+1 dans le modèle HJM:
B (t, Tj ) B (t, Tj ) 0 T
d = (e e (t, Tj+1 )) dWt j+1
σ (t, Tj ) − σ
B (t, Tj+1 ) B (t, Tj+1 )
1 B (t, Tj ) 0 T
dL (t, Tj ) = (e e (t, Tj+1 )) dWt j+1
σ (t, Tj ) − σ
δ B (t, Tj+1 )
1 0 T
= (1 + δL (t, Tj )) (e e (t, Tj+1 )) dWt j+1
σ (t, Tj ) − σ
δ
T
= L (t, Tj ) λ (t, Tj ) dWt j+1
avec
1+δL(t,Tj )
λ (t, Tj ) = δL(t,Tj ) σ (t, Tj ) − σ
(e e (t, Tj+1 ))
Caption:
141
call option sur un cap +
n
βt
CplTj − κ |Ft
X
CCt = E Q
βT
j=1
payer swaption:
avec taux d’exercise κ, de maturité T = T0 qui donne le droit à l’acheteur d’obtenir un payer swap à
terme qui est sous-jacent.
Q βt +
P St = E (F ST (κ)) |Ft
βT
+
n
βt Q X βT
= EQ E (L(Tj−1 ) − κ) δ |Ft |Ft
βT βTj
j=1
+
n
β t
X
= EQ 1− cj B (T, Tj ) |Ft
βT
j=1
Exotic caps.
A. Modèles de deux économies (Amin Jarrow (1991)) qui sont reliés entre elles par un taux d’échange.
Maintenant on a besoin d’un modèle qui décrit plusieurs marchés reliés par un taux de change.
Nous nous restreignons à deux économies: domestique et étrangère.
La modélisation ici est celle de Amin et Jarrow (1991) et s’inspire directement du modèle Heath-Jarrow-
Morton (1992).
142
La seule différence provient de la présence simultanée de deux numéraires (associés à chacune des
économies).
Dans la plupart des cas, nous privilégierons le point de vue domestique, et nous raisonnerons à partir du
numéraire de l’économie domestique.
1. Notations.
Nous noterons d’un indice d tout ce qui se réfère à l’économie domestique et d’un indice f (foreign)
pour ce qui concerne l’économie étrangère.
- B d (t, T ) = le prix d’un titre zéro-coupon donnant droit à une unité de numéraire domestique à la date
T (donc B d (T, T ) = 1).
- B f (t, T ) = ...... numéraire étranger
- rtd = les taux courts domestiques
- rtf = les taux courts étrangers
- S(t) = le taux de change
= le prix exprimé en numéraire domestique d’une unité de numéraire étranger: 1£ = 1,5 Euro
(numéraire domestique = 1 Euro)
∼
où W t est un mouvement brownien standard de dimension n.
σ d (t, T ) est un processus continu, adapté tel que σ d (t, t) = 0 pour tout t.
Il n’y a aucune raison pour penser que les prix étrangers actualisés au taux court rtf puissent être martin-
gales sous la même probabilité Q = Qd .
Regardons à l’opération qui consiste à changer une quantité St de numéraire domestique (à la date t)
en numéraire étranger que l’on replace continûment au taux Rcourt étranger rf jusqu’en T puis qu’on
T f
reconvertit en numéraire domestique en T pour obtenir S(T )e t rs ds (en monnaie domestique).
143
Il s’agit d’une opération “domestique” puisque l’investissement et l’unique flux terminal sont référencés
en numéraire domestique. Donc cet investissement initial doit être égal à l’espérance du flux terminal
actualisé au taux rd , soit:
d
h RT d RT f i
S(t) = E Q e− t rs ds S(T )e t rs ds |Ft ∀t ≤ T.
Ceci implique que, sous la probabilité risque-neutre Qd , la dynamique du taux de change doit s’écrire:
0 ∼
dS(t) = rtd − rtf S(t)dt + S(t)σ S (t) dW t
Pour décrire la dynamique des prix zéro-coupon étranger sous Qd , considérons l’opération qui consiste
à acheter en t un titre zéro-coupon étranger d’échéance T au prix domestique S(t)B f (t, T ) puis de le
0 0 0
revendre en t pour récupérer S(t )B f (t , T ). Il s’agit ici aussi d’une opération “domestique” et donc
sous Q = Qd :
R t0
f Q 0 f 0 − rsd ds
S(t)B (t, T ) = E S(t )B (t , T )e t |Ft
Autrement dit, le processus de prix domestiques S (t) B f (t, T ) actualisés par rd est martingale sous Qd .
Par conséquent sous Q:
d S(t)B f (t, T )
0 ∼
d d,f
= rt dt + σ (t, T ) dW t.
S(t)B f (t, T )
Donc, les prix étrangers actualisés par le taux court étranger rf sont bien martingale mais sous une autre
probabilité, sous Qf où Qf vérifie
144
1 T
Z T
dQf
∼
Z
S
2 S 0
= exp −
σ (s) ds +
σ (s) dW s
dQ T 2 0 0
∼ Rt
tel que W t − 0 σ S (u) du est un mouvement brownien sous Qf .
On veut déterminer le prix d’un call européen sur taux de change avec payoff à la date d’échéance:
(S (T ) − K)+
où K est le taux de change d’exercice, T la date d’échéance et S (T ) est le taux de change aussi décrit
par
S (T ) = FS (T, T )
où FS (t, T ) est le taux de change à terme qui peut être interprêté comme le taux à terme à la date T
d’une unité de la monnaie étrangère.
=⇒
B f (t, T )S(t)
FS (t, T ) = ∀t ∈ [0, T ] .
B d (t, T )
= forward exchange rate for the settlement date T.
∼
dFS (t, T ) = FS (t, T ) σ S (t) + σ f (t, T ) − σ d (t, T ) (dW t − σ d (t, T )dt)
∼
où (dW t − σ d (t, T )dt) est égale à dWtT sous QT .
=⇒ Si σ S (t) + σ f (t, T ) − σ d (t, T ) est déterministe, alors c’est facile d’obtenir des expressions pour les
prix d’option.
Qd β t +
Ct = E (FS (T, T ) − K) |Ft
βT
parce que l’option est exprimé en monnaie domestique, on peut prendre l’espérance du payoff actualisé
sous la probabilité risque-neutre domestique, ou sous la probabilité forward-neutre
T
Ct = B(t, T )E Q (FS (T, T ) − K)+ |Ft
145
où Z T
2
υS2 (t, T )
S
=
σ (u) + σ f (u, T ) − σ d (u, T )
du
t
146
C. Exercice
Considérez le modèle de Amin-Jarrow (1991) dans lequel deux économies sont reliées entre elles par un
taux d’échange et où il n’y a pas d’opportunités d’arbitrage.
a/ Notons B d (t, T ) (et B f (t, T ) respectivement) le prix d’un titre zéro-coupon donnant droit à une unité
de numéraire domestique (étranger) à la date T .
Supposons que l’EDS de B d (t, T ) sous la probabilité risque-neutre Qd du marché domestique est égale
à
0 ∼d
dB d (t, T ) = rtd B d (t, T )dt + B d (t, T )σ d (t, T ) dW t .
Donnez l’EDS analogue pour B f (t, T ) sous la probabilité risque-neutre Qf du marché étranger.
∼f
Utilisez la notation W t pour un mouvement Brownien sous Qf et le fait que le taux de change suit
l’EDS: 0 ∼d
dS(t) = rtd − rtf S(t)dt + S(t)σ S (t) dW t .
∼d
b/ Supposons maintenant que σ S , rd et rf sont des constantes et que W t est un mouvement Brownien
unidimensionnel.
Notons Stf le prix d’une action, notée dans le numéraire étranger, avec EDS sous la probabilité risque-
neutre Qf :
∼f
dStf = Stf (rf dt + σS f dW t ),
avec σS f une constante.
Donnez l’EDS et la solution de cette EDS sous la probabilité risque-neutre Qd .
c/ Considérez un produit dérivé (appelé equity-linked foreign exchange call) avec payoff à la date de
maturité T :
CT = (ST − K)+ STf ,
avec K le strike, et exprimé dans le numéraire domestique.
Démontrez que son prix à la date t est égal à:
Ct = Stf (St N (d1 (St , T − t)) − Ke−γ(T −t) N (d2 (St , T − t)))
avec γ = rd − rf + σ S σS f et
ln( Ks ) + (γ ± 12 |σ S |2 )t
d1,2 (s, t) = √ .
σS t
Hint:
Introduisez la probabilité Q∗∗ :
dQ∗∗ ∼d 1
d
= exp(σS f W T − |σS f |2 T ).
dQ 2
147
Références
[1] Abate J. and W. Whitt, 1995, ”Numerical Inversion of Laplace Transforms of Probability Distribu-
tions”, ORSA Journal on Computing, 7(1), 36-43.
[2] Arnold L., 1974, Stochastic Differential Equations: Theory and Applications, Wiley, New-York.
[3] Artzner P. and F. Delbaen, 1987, ”Term Structure of Interest Rates: The Martingale Approach”,
Advances in Applied Mathematics, 10, 95-129.
[4] Ash R.B. and M.F. Gardner, 1975, Topics in Stochastic Processes, Academic Press, New-York.
[5] Bachelier L., 1900, ”Théorie de la spéculation.”, Ann. Sci. Ecole Normale Supérieure, 17, 21-86.
[6] Beaglehole D.R. and M.S. Tenney, 1992, ”Correction and Additions to ’A Nonlinear General Equi-
librium Model of the Term Structure of Interest Rates’”, Journal of Financial Economics, 32, 345-
353.
[7] Black F., 1976, ”The pricing of commodity contracts”, Journal of Financial Economics, 9, 167-179.
[8] Black F. and M. Scholes, 1973, ”The pricing of options and Corporate Liabilities”, Journal of
Political Economy, 3, 637-654.
[9] Brennan M.J. and E.S. Schwartz, 1977, ”Savings Bonds, Retractable Bonds and Callable Bonds”,
Journal of Financial Economics, 5, 67-88.
[10] Brennan M.J. and E.S. Schwartz, 1982, ”An Equilibrium Model of Bond Pricing and a Test of
Market Efficiency”, Journal of Financial and Quantitative Analysis, 17, 301-329.
[11] Brown S.J. and P.H. Dybvig, 1986, ”The Empirical Implications of the Cox, Ingersoll, Ross Theory
of the Term Structure of Interest Rates”, Journal of Finance, 41, 617-630.
[12] Chan K.C., G.A. Karolyi, F.A. Longstaff and A.B. Sanders, 1992, ”An Empirical Comparison of
Alternative Models of the Short-Term Interest Rate”, Journal of Finance, 47, 1209-1277.
[13] Chen R.-R. and L. Scott, 1992, ”Pricing Interest Rate Options in a Two-Factor Cox-Ingersoll-Ross
Model of the Term Structure”, Review of Financial Studies, 5, 613-636.
148
[14] Chung K.L., 1974, A Course in Probability Theory, Second edition, Academic Press, New-York.
[15] Chung K.L. and R.T. Williams, 1989, Introduction to Stochastic Integration, Second edition,
Birkäuser, Boston.
[16] Conze A., 1993, ”Un Modèle à Deux Facteurs de la Courbe des Taux”, working paper, Fixed
Income Research de Goldman Sachs, New-York.
[17] Courtadon G., 1982, ”The Pricing of Options on Default-Free Bonds”, Journal of Financial and
Quantitative Analysis, 17, 75-100.
[18] Cox J.C., J.E. Ingersoll and S.A. Ross, 1985, ”An Intertemporal General Equilibrium Model of
Asset Prices”, Econometrica, 53, 363-384.
[19] Cox J.C., J.E. Ingersoll and S.A. Ross, 1985, ”A Theory of the Term Structure of Interest Rates”,
Econometrica, 53, 385-407.
[20] Cox J., Ross S. and Rubenstein M., 1979, ”Option pricing. A simplified approach.”, Journal of
Financial Economics, 7, 229-263.
[21] Dalang R.C., Morton A. and W. Willinger, 1989, ”Equivalent Martingale Measures and no Arbi-
trage in Stochastic Securities Market Models”, Stochastics and Stochastics Reports, 29, 185-202.
[22] DANA, R.-A. et M. JEANBLANC-PIQUE (1994). Marchés Financiers en Temps Continu. Eco-
nomica.
[23] Delbaen F. and W. Schachermayer, 1994a, ”Arbitrage and Free-Lunch with Bounded Risk for Un-
bounded Continuous Processes”, Mathematical Finance, 4, 343-348.
[24] Delbaen F. and W. Schachermayer, 1994b, ”A General Version of the Fundamental Theorem of
Asset Pricing”, Math. Annal., 300, 463-520.
[25] Devroye L., 1986, Non-Uniform Random Variate Generation, Springer-Verlag, New-York.
[26] Doléans-Dade C., 1976, ”On the Existence and Unicity of Solutions of Stochastic Integral Equa-
tions”, Zeitschrift für Wahrscheinlichkeitstheorie und Verwandte Gebiete, 36,93-101.
[27] DOTHAN, M.U. (1990). Prices in Financial Markets. Oxford University Press.
[28] Dothan U.L., 1978, ”On the Term Structure of Interest Rates”, Journal of Financial Economics, 6,
59-69.
[29] Dudley R.M., 1977, ”Wiener Functionals of Itô Integrals”, Annals of Probability, 5, 140-141.
[30] Duffie D., 1992, Dynamic Asset Pricing Theory, Princeton University Press.
[31] Duffie D. and R. Kan, 1993, ”A Yield-Factor Model of Interest Rates”, working paper.
149
[32] Dybvig P.H., J.E. Ingersoll and S.A. Ross, 1986, ”Do Interest Rates Converge?”, working paper.
[33] Dybvig P.H., J.E. Ingersoll and S.A. Ross, 1994, ”Long Forward Rates can Never Fall”, working
paper.
[34] El Karoui N., Geman H. and Rochet J.C., 1995, ”Changes of numéraire, arbitrage and option
prices.”, Journal of Applied Probability, 32, 443-458.
[35] Friedman A., 1975, Stochastic Differential Equations and Applications,Volume 1, Academic Press,
New-York.
[36] Harrison M. and D. Kreps, 1979, ”Martingales and Arbitrage in Multiperiod Securities Markets”,
Journal of Economic Theory, 20, 381-408.
[37] Harrison J.M. and S. Pliska, 1981, ”Martingales and Stochastic Integrals in the Theory of Continu-
ous Trading”, Stochastic Processes and their Applications, 11, 215-260.
[38] Heath D., R. Jarrow and A. Morton, 1992, ”Bond Pricing and The Term Structure of Interest Rates:
A New Methodology for Contingent Claims Valuation”, Econometrica, 60, 77-105.
[39] HULL, J. (1989). Options, Futures and Other Derivative Securities. Prentice-Hall, Englewood
Clifs, New Yersey.
[40] Hull J. and A. White, 1990, ”Pricing Interest Rate Derivative Securities”, Review of Financial
Studies, 3, 573-592.
[41] Hull J. and A. White, 1990, ”Valuing Derivative Securities Using the Explicit Finite Difference
Method”, Journal of Financial and Quantative Analysis, 25, 87-100.
[42] Jamshidian F., 1992, ”A Simple Class of Square-Root Interest Rate Models”, working paper, Fuji
International Finance PLC.
[43] Jamshidian F., 1993, ”Bond, Futures and Option Evaluation in the Quadratic Interest Rate Model”,
Proceedings of the AFFI international conference in finance.
[44] Karatzas I. and S. Shreve, 1991, Brownian Motion and Stochastic Calculus, Second edition,
Springer-Verlag, New-York.
[45] Karlin S. and H. Taylor, 1981, A Second Course in Stochastic Processes,Academic Press, New
York.
[46] Kloeden P.E. and E. Platen, 1992, Numerical Solution of Stochastic Differential Equations,
Springer-Verlag, Berlin, Heidelberg.
[47] LAMBERTON D. and LAPEYRE B., 1991, Introduction au calcul stochastique appliqué à la
finance, Edition Marketing S.A., Ellipses, SMAI, Paris.
[48] Langetieg T.C., 1980, ”A Multivariate Model of the Term Structure”, Journal of Finance, 35, 71-97.
150
[49] Leithner S. and H. Zimmerman, 1993, ”Term Structure Estimation and Bond Valuation in the Swiss
Capital Market”, working paper.
[50] Longstaff F.A., 1989, ”A Nonlinear General Equilibrium Model of the Term Structure of Interest
Rates”, Journal of Financial Economics, 23, 195-224.
[51] Longstaff F.A., 1992, ”Multiple Equilibria and Term Structure Model”, The Journal of Finance, 32,
333-344.
[52] Longstaff F.A. and E.S. Schwartz, 1992, ”Interest Rate Volatility and the Term Structure: A Two-
Factor General Equilibrium Model”, Journal of Financial Economics, 47, 1259-1282.
[53] Longstaff F.A. and E.S. Schwartz, 1993, ”Implementation of the Longstaff-Schwartz Interest Rate
Model”, Journal of Fixed Income, Sept. 1993, 7-14.
[54] Martellini L. et Ph. Priaulet, 2000, Produits de Taux d’intérêt, Economica, Paris.
[55] Merton R.C., 1971, ”Optimum Consumption and Portfolio Rules in a Continuous-Time Model”,
Journal of Economic Theory, 3, 373-413. Erratum: ibid. 6 (1973), 213-214.
[57] Parker G., 1994, ”Moments of the present value of a portfolio of policies”, Scandinavian Actuarial
Journal, 1994 (1), 53-67.
[58] Pitman J.W. and M. Yor, 1981, ”Bessel Processes and Infinitely Divisible Laws”,in Stochastic Inte-
grals, Lecture Notes in Mathematics, 851, 285-370, Springer-Verlag, Berlin.
[59] Pitman J.W. and M. Yor, 1982, ”A decomposition of Bessel Bridges”, Zeitschrift für Wahrschein-
lichkeitstheorie und Verwandte Gebiete, 59, 425-457.
[60] Protter P., 1990, Stochastic Integration and Differential Equations, Springer-Verlag, New-York.
[61] Revuz D. and M. Yor, 1991, Continuous Martingales and Brownian Motion, Springer-Verlag,
Berlin-Heidelberg, New-York.
[62] Richard S., 1978, ”An Arbitrage Model of the Term Structure of Interest Rates”, Journal of Finan-
cial Economics, 6, 33-57.
[63] Schaefer S. and E.S. Schwartz, 1984, ”A Two-Factor Model of the Term Structure: An Approximate
Analytical Solution”, Journal of Financial and Quantitative Analysis, 19,413-424.
[64] STEELE, J. M., 2001, Stochastic Calculus and Financial Applications, Springer-Verlag.
[65] Stricker C., 1989, ”Arbitrage et lois de martingale”, Annales Inst. Henri Poincaré, 26, 451-460.
[66] Uhrig M. and U. Walter, 1993, ”Term Structure of Interest Rates, Consistent Risk Attitudes and
Preference-Free Option Prices”, working paper.
151
[67] Uhrig M. and U. Walter, 1994, ”Estimating the Process of the Short-Term Riskless Rate”, working
paper.
[68] Vasicek O., 1977, ”An Equilibrium Characterization of the Term Structure”, Journal of Financial
Economics, 5, 177-188.
152