Seance de revision

Semestre 2

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Chapitre 10 : Introduction aux proba continues

Definitions
Soit X une variable aleatoire continue (`a valeurs reelles)
la fonction de densit
e de X, fx est definie par
Z b
P(a X b) =
fX (x)dx [a, b] R
a

la fonction de distribution de X, FX , est definie

FX (x) = P(X x)
Theor`eme
Rx
F (x) = fX (t)dt, et

d
F (x)
dx

Renaud Bourl`
es - Ecole
Centrale Marseille

= f (x)
Math
ematiques pour la finance

Propri
et
es
FX est croissante s < t FX (s) FX (t)
lim FX (x) = 0 et lim FX (x) = 1
x

x+

Exemples

La distribution uniforme U(a, b) : f (x) =

1
ba

0
1

si x [a, b]
sinon

La distribution normale N (, ) : f (x) =

e
2 2

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

(x)2
2 2

Chapitre 11 : Esperance et variance

Definition
Soit X une vabiable aleatoire continue de densite f .
Z +
= E(X ) =
xf (x)dx

2 = Var(X ) = E (X )2 = E(X 2 ) [E(X )]2
Sachant que, pour toute fonction : R R
Z +
E((X )) =
(x)f (x)dx

On peut egalement utiliser la fonction generatrice :

(n)
MX (t) = E(e tX ) qui donne MX (0) = E(X n )

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Dans le cas de la distribution uniforme U(a, b) :

(b a)2
a+b
et Var(X ) =
E(X ) =
2
12
Dans le cas de la distribution normale : N (, )
E(X ) = et Var(X ) =
N (0, 1) est appelee loi normale centree-reduite
si X N (, ) alors Y X N (0, 1)

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Chap 12 : Proba. conditionnelles et couple de v.a.

Probabilite conditionnelle par rapport `a un evenement

P(E F )
f (x)/P(E ) si x E
f (x|E ) =
P(F | E ) =
0
si x
/E
P(E )
2 evts E et F sont independants si P(E F ) = P(E )P(F )
Soient X et Y deux v.a. continue. Alors leur fonction de
distribution jointe est definie par
F (x, y ) = P(X x, Y y )
et leur fonction de densite jointe est alors definies par
Z x Z y
F (x, y ) =
f (s, t)dt.ds

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

On a parZailleurs,
Z
+
fX (x) =
f (x, y )dy , et fY (y ) =

f (x, y )dx

Deux variables X et Y sont ind

ependantes si
F (x, y ) = FX (x)FY (y ) x, y R
Si X et Y sont independants alors
f (x, y ) = fX (x)fY (y )
E(X , Y ) = E(X )E(Y )
et plus generalement, pour toutes fonctions g (.) et h(.)
E(g (X ), h(Y )) = E(g (X ))E(h(Y ))

Cov (X , Y ) = E(XY ) E(X )E(Y )

Ainsi, si X et Y sont independant alors Cov (X , Y ) = 0

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Definition
Soient X et Y deux variables continues. La densite
conditionnelle de X sachant Y = y est alors definie par
fX |Y (x|y ) =

fX ,Y (x, y )
fY (y )

o`u fX ,Y (x, y ) est la densite jointe de X et Y , et fY la densite

de Y .
Et, lesperance conditionnelle de X sachant Y = y secrit
Z +
E (X | Y = y ) =
x.fX |Y (x | y )dx

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Chapitre 13 : LGN et TCL

Theor`eme : Inegalite de Tchebychev
Soit X une v. a. desperance = E(X ) et de variance
2 = V (X ) finie. Alors pour tout  > 0 : P(|X | )
Intuition : La probabilite de seloigner de la moyenne est
dautant plus petite que la variance est petite
Theor`eme : La Loi des Grands Nombres
Soit X1 , X2 , ..., Xn une suite de v.a. independantes, de meme
loi desperance = E(Xi ) et de variance 2 = V (Xi ).
Notons Sn = X1 + ... + X
n . Alors pour tout  > 0:
limn+ P  Snn  <  = 1
 Pn

i=1 Xi
Intuition : La moyenne arithmetique
converge (en
n
probabilite) vers lesperance statistique = E(Xi )

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

2
2

Theor`eme Central Limite

Soit Sn = X1 + ... + Xn la somme de n variables aleatoires
independantes ayant la meme densite desperance et de
Sn n
. Alors, pour tout a < b:
variance 2 . Soit Sn =
n
lim P (a <

n+

Sn

1
< b) =
2

x 2
2

dx

Ou de mani`ere equivalente
lim FSn (t) = 0,1 (t)

n+

(on parle alors de convergence en loi)

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Chapitre 14 : Vecteurs gaussiens

Definition
Un vecteur aleatoire X : Rn est dit gaussien (ou normal)
si il peut secrire X = + AZ :

X1
1
11 ... 1m
Z1
. . .

.
. = . + .

. .

. . .
. .
Xn
n
n1 ... nm
Zm
o`u Z1 , ..., Zm sont des variables gaussiennes (normales)
centrees reduites ind
ependantes.
Autrement dit, les composantes dun vecteur gaussien sont des
combinaisons lineaires des variables normales Z1 , ..., Zm :
Xi = i + ai1 Z1 + ... + aim Zm

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Proposition
Soit X = + AZ un vecteur gaussien. Alors
E(X ) = (cest a dire E(Xi ) = i , i = 1, ..., n) et
la matrice de variance-covariance de X vaut = AAT
Proposition
Soient X : RN et Y : RM tels que
Z = (X , Y ) = (X1 , ..., XN , Y1 , ..., YM ) est un vecteur gaussien.
Alors X et Y sont independants si et seulement si ils sont non
correles (Cov (Xi , Yj ) = 0, i = 1, ..., n; j = 1, ..., m)

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Si X = (X1 , ..., Xn ) (X = + AZ ) est un vecteur gaussien non

singulier (n=m et A inversible) de matrice de variance covariance alors il admet une densite donnee par:
fx (y ) =

1
1
1
T 1
.p
e 2 (y ) (y )
n/2
(2)
det()

o`u y = (y1 , ..., yn )T et = AAT

Si n = 1, on a = 2 et on retrouve la densite dune variable
gaussienne
Si n = 2, avec X , Y N (0, 1) et Cov(X , Y ) = alors

fX ,Y (x, y ) =

1
2
2
2
p
.e (x 2xy +y )/(2(1 ))
2 1 2

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Proposition
Soient X : RN et Y : RM tels que Z = (X , Y ) est
un vecteur gaussien. Alors E(Y | X ) est egale `a la regression
lineaire (MPL) de Y sur {X1 , ..., XN }.
En particulier si N = 1 et Var(X ) 6= 0
E(Y | X ) = E(Y ) +

Renaud Bourl`
es - Ecole
Centrale Marseille

cov(X , Y )
(X E(X ))
Var (X )

Math
ematiques pour la finance

Chapitre 15 : Mouvements Browniens

Definition
Un processus stochastique {Wt |t 0} est un mouvement
Brownien (ou processus de Wiener) de volatit
e si
1
W0 = 0

2
Wt N (0, t))
3
{Wt } est un processus `a accroissement
stationnaire,

s < t, Wt Ws N (0, t s)
4
{Wt } est un processus `a accroissement ind
ependants,
t1 t2 ... tn : Wt2 Wt1 , Wt3 Wt2 ,...,
Wtn Wtn1 sont des v.a. independantes
Un mouvement Brownien avec d
erive est alors un processus
stochastique de la forme {t + Wt | t 0} o`u est une
constante et {Wt } un mouvement brownien

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Mouvement brownien standard

Un mouvement brownien {Wt | t 0} avec = 0 et = 1
est appele mouvement brownien standard. Dans ce cas Wt
a une moyenne 0 et une variance t.
Nimporte quel mouvement brownien {Wt | t 0} de derive
et de variance 2 peut alors secrire Wt = t + Zt o`u
{Zt | t 0} est un mouvement brownien standard
Definition
Un processus stochastique de la forme {e Wt | t 0} o`u
{Wt | t 0} est un mouvement brownien est appele
mouvement brownien g
eom
etrique
Exemple : Si St = S0 e Ht o`u Ht est un mouvement brownien,
on peut toujours ecrire Ht = ln(St /S0 ) = t + Wt o`u {W
t}
est un mouvement brownien standard. Ainsi Ht N (t, t)
et par definition St /S0 suit une loi lognormale

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Chapitre 16 : Le lemme dIto

si X suit un processus de Wiener (mouvement brownien)
general alors la variationx durant un court intervalle t
secrit : x = t +  t , o`u  N (0, 1)
si S suit un mouvement
brownien geometrique
:

S
S = St + S t et S N (t, t)
un processus stochastique encore plus general, appele
processus dIt
o, autorise les parametres et `a etre
des fonctions de la variable x et du temps t :

x = (x, t)t + (x, t) t

(en supposant que (.) et (.) restent constants entre t et t + t)

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Le lemme dIto
Supposons que la valeur dune variable x suive un processus
dIto de param`etres (x, t) et (x, t). Le lemme dIto montre
quune fonction G de x et t est caracterisee par le processus
suivant


G
G
G
1 2G 2
dG =

(x,
t)
dt
+
(x, t) +
+
(x, t)dz
x
t
2 x 2
x
o`u z est le meme processus de Wiener standard que dans dx.
Ainsi, G suit
egalement un processus dIt
o de param`etres
G
1 2G 2
G
G
(x, t) + t + 2 x 2 (x, t) et x (x, t)
x
Dans le cas dune action dS = Sdt + Sdz et pour toute
fonction
 G (S, t)

G
1 2G 2 2
dG = G
S
+
+

S
dt + G
Sdz
S
t
2 S 2
S

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

2G
S 2

= S12 et G
= 0.
t


2
Ainsi, dapr`es le lemme dIto, dG = 2 dt + dz
Par exemple, si G ln(S),

G
S

= S1 ,

Ainsi G suit donc un processus de Wiener et la variation de

ln(S) entre la date
quelle
 0 et nimporte

 date T suit une
2

normale loi N

T , T , c-`a-d
2




2
ln(ST ) N ln(S0 ) + 2 T , T
ST (le cours de laction) suit une loi log-normale

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

Chapitre 17 : Le mod`ele de Black et Scholes

Hypoth`eses
Le cours de laction suit un pocessus de Wiener
geometrique : dS
= dt + dz
S
Pas de restriction sur les ventes `a decouvert. Le produit
des ventes est immediatement et integralement disponible.
Pas de frais de transactions ou dimpots. Tous les actifs
financiers sont parfaitement divisibles
Pas de dividendes sur le sous-jacent pendant la duree de
vie de lactif derive
Pas dopportunites darbitrage
Le marche fonctionne en continu
Le taux sans risque, r , est constant et fixe quelle que soit
la maturite du produit derive.

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

LEDP de Black-Scholes-Merton
Soit f le cours dun produit derive ayant S comme sous-jacent.
Dapr`es le Lemme dIto,


f
f
1 2f 2 2
f
df =
S +
+

S
dt
+
Sdz
S
t
2 S 2
S
Ainsi, les variations aleatoires de f et S sont gouvernees par le
meme mouvement brownien dz. Un portefeuille compose de la
f
actions
vente dune unite du produit derive et de lachat de S
est alors sans risque. Dapr`es lhypoth`ese dAOA ce
portefeuille doit avoir le meme rendement que lactif sans
risque, on a donc, pour tout produit derive de S :
f
f
1
2f
+ rS
+ 2 S 2 2 = rf
t
S 2
S

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

En resolvant cette equation dans le cas doptions europeennes de

vente ou dachat (call et put), on obtient

Les formules devaluation de Black et Scholes

o`u

c0 = S0 N(d1 ) Ke rT N(d2 )
p0 = Ke rT N(d2 ) S0 N(d1 )
ln(S0 /K ) + (r + 2 /2)T

d1 =
T

ln(S0 /K ) + (r 2 /2)T

d2 =
= d1 T
T

et o`
u N(x) designe la fonction de repartition dune loi normale
centree-reduite
Ce resultat peut aussi etre obtenu en prenant la limite T 0 dans le
mod`ele CRR, ou en appliquant la methode de levaluation risque-neutre

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance