La lecture à portée de main
Découvre YouScribe en t'inscrivant gratuitement
Je m'inscrisDécouvre YouScribe en t'inscrivant gratuitement
Je m'inscrisDescription
Informations
Publié par | Thesee |
Nombre de lectures | 363 |
Langue | Français |
Poids de l'ouvrage | 1 Mo |
Extrait
Bibliographie 1Table des matières
Table des matières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1 Le cadre général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1 Généralités liées aux options . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.1 Les paramètres des options . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.1.2 Les opérations sur les options . . . . . . . . . . . . . . . . . . . . . . . . 17
L’achat d’une option d’achat ( pour se protéger d’une hausse)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
La vente d’une option d’achat (pour jouer d’une légère baisse)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
L’achat d’une option de vente (pour se protéger d’une baisse)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Vente d’une option de vente (pour jouer une légère hausse) . 19
1.2 Approche par gestion dynamique de portefeuille . . . . . . . . . . . . . . 20
1.3 Modelisation à l’aide du mouvement Brownien . . . . . . . . . . . . . . . . 22
1.3.1 Mouvement Brownien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Un peu d’histoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.2 Modélisation stochastique de l’actif risqué . . . . . . . . . . . . . . . . 23
1.4 Black-Scholes et la gestion parfaite . . . . . . . . . . . . . . . . . . . . . . . 23
1.5 Approche probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.6 Marché incomplet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Présentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Problème de ” réplication optimale ” . . . . . . . . . . . . . . . . . 27
1.7 Volatilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.7.1 Précisions sur la volatilité . . . . . . . . . . . . . . . . . . . . . . . . . . 29
La volatilité locale . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Volatilité historique . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
La volatilité implicite . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.8 Le smile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Smile et options exotiques . . . . . . . . . . . . . . . . . . . . . . . 33
1.9 La Persistance dans les Marchés financiers . . . . . . . . . . . . . . . . . . . 33
34 Table des matières
2 Problème de contrôle stochastique . . . . . . . . . . . . . . . . . . . . . . 37
2.1 Problème de contrôle stochastique . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1.2 Espace de décision, variables de décision . . . . . . . . . . . . . . . . . 38
2.2 Contrôle de diffusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3 Equation de la programmation dynamique . . . . . . . . . . . . . . . . . . . 42
2.4 Théorème de vérification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.5 Application du modèle de volatilité stochastique . . . . . . . . . . . . . . . . . . 47
2.5.1 Le Modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3 Modèle de ” Regime Switching ” avec sauts . . . . . . . . . . . . . . . 53
3.1 Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2 Application du contrôle stochastique optimal . . . . . . . . . . . . . . . . . 57
3.3 Résolution numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Ouverture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.3.1 Différences finies généralisées (DFG) . . . . . . . . . . . . . . . . . . . . 62
Pourquoi utilise-t-on les DFG ? . . . . . . . . . . . . . . . . . . . . 62
DFG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3.2 Schéma implicite et différences finies généralisées . . . . . . . . . . . . 70
Localisation du problème . . . . . . . . . . . . . . . . . . . . . . . . 70
Algorithme de type Howard (ou méthode d’itération sur les politi-
ques) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
l’algorithme de splitting . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.3.3 Résolution de système linéaire . . . . . . . . . . . . . . . . . . . . . . . . 77
Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Stockage des matrices creuses . . . . . . . . . . . . . . . . . . . . . 78
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Le stockage compact par lignes (CSR) : . . . . . . . . . . . . . . . . . . . . . . . . 79
BiCGstab(l) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4 Calibration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.1 Rappel sur le filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.1.1 Filtre de Wiener . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.1.2 Le filtre de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Formulation du problème d’estimation . . . . . . . . . . . . . . . . 87
4.2 Discrétisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.3 Estimation d’un HMM discret à observation continue . . . . . . . . . . . . 88
4.3.1 Processus d’état et d’observation . . . . . . . . . . . . . . . . . . . . . . 89
4.3.2 Espérance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.3.3 Changement de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
Rappel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
Détermination de la forme appropriée de la densité Λ, dans le cas
d’un temps discret et des observation continue . . . . . . . . . . 94
4.3.4 Filtre récursif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97Table des matières 5
4.3.5 Les estimateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Estimateur de l’état . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Estimateur du nombre de transition . . . . . . . . . . . . . . . . . 100
Estimateur du temps d’occupation . . . . . . . . . . . . . . . . . . 101
Estimateur du processus d’observation . . . . . . . . . . . . . . . . 101
4.3.6 Réestimation des paramètres . . . . . . . . . . . . . . . . . . . . . . . . 102
Estimateur du Maximum de Vraisemblance (MV) . . . . . . . . 102
Algorithme EM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
a) les paramètres a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104ji
b) les paramètres c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106i
c) les paramètresα . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106i
4.4 Application aux données financière (VIX) . . . . . . . . . . . . . . . . . . . . 107
4.4.1 Le VIX-indicateur de la volatilité . . . . . . . . . . . . . . . . . . . . . . 107
4.4.2 Implémentation et résultat . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.1 Conditions aux limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Le cas : p≤0, et 0≤q≤N . . . . . . . . . . . . . . . . . . . . . . 113V
Le cas : p>N , et 0≤q≤N . . . . . . . . . . . . . . . . . . . . 114S V
Le cas : 0≤p≤N , et q≤0 . . . . . . . . . . . . . . . . . . . . . . 115V
Le cas : 0≤p≤N , et q>N . . . . . . . . . . . . . . . . . . . . 116V S
Le cas : p<0, et q<0 . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Le cas : p<0, et q>N . . . . . . . . . . . . . . . . . . . . . . . . . 118V
Le cas : p>N , et q<0 . . . . . . . . . . . . . . . . . . . . . . . . . 119S
Le cas : p>N , et q>N . . . . . . . . . . . . . . . . . . . . . . . 120S V
5.2 Mécanisme de la fonction « PriceOption » . . . . . . . . . . . . . . . . . . . 121
5.3 Testes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
25.3.1 Payoff (V −100) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
25.3.1.1 Payoff (V −100) Volatilité =1%, drift=0% . . . . . . . . . . . . 122
25.3.1.2 Payoff (V −100) Volatilité =1%, drift=1% . . . . . . . . . . . . 123
25.3.1.3 Payoff (V −100) Volatilité =40%, drift=0% . . . . . . . . . . . 124
25.3.1.4 Payoff (V −100) Volatilité =40%, drif