matfi-MC OB Nov2010

Marchés financiers : modèles continus et options barrières
M’hamed Eddahbi
Université Cadi Ayyad, Département de Mathématiques
Faculté des Sciences et Techniques
B.P. 549, Guéliz, Marrakech, Maroc.
e–mail : eddahbi@fstg-marrakech.ac.ma.
25 novembre 2010
2 M’hamed Eddahbi
Table des matières
1 Modèles en temps continu 5

1.1 Introduction aux équations différentielles stochastiques . . . . . . . . . . . . . . . . . . . 5
1.2 Marchés financiers et arbitrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Théorème de Girsanov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Actifs contingents et complétude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 Réplications d’options et marchés complets . . . . . . . . . . . . . . . . . . . . . 12
1.3.2 Caractérisation des marchés complets . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Evaluations des prix et réplications de portefeuilles . . . . . . . . . . . . . . . . . . . . . 15
1.4.1 Valorisation des actifs contingents . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.2 Modèle de Black & Scholes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 Quelques méthodes de réplications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.1 Méthode 1. Théorème de représentation . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.2 Méthode 2. Approche par les EDP . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.7 Les grecques : Les paramètres de sensibilité . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.7.1 Le delta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.7.2 Le thêta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.7.3 Le rhô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.7.4 Le véga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.7.5 Le gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.7.6 L’Omega . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.8 Volatilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.8.1 La volatilité historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.8.2 La volatilité implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.9 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.9.1 Paramètres Sensibilités et EDP : Modèle de Black–Scholes . . . . . . . . . . . . . 32
2 Options barrières 37
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 Formule de symétrie dans la formule de Black et Scholes . . . . . . . . . . . . . . . . . . 37
2.2.1 Caractéristiques générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2.2 Pricing et Réplication d’une option Up In regular . . . . . . . . . . . . . . . . . . 42
2.3 Application aux Calls, Puts et Binaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.3.1 Evaluation des options UIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.3.2 Le cas de Put . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.4 Delta-hedging des options barrières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.4.1 EDP d’évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.5 Quelques applications mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5.1 Loi du maximum, ou du minimum . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3
4 M’hamed Eddahbi
2.6 Les options lookback . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

2.7 Appendice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.7.1 Réplication en maturités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.7.2 Evaluation des options barrières Out en cas de paiement de dividendes . . . . . . 51
2.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Chapitre 1
Modèles en temps continu
1.1 Introduction aux équations différentielles stochastiques

Supposons maintenant que le processus stochastique S = {St , t ≥ 0} représente l’évolution du prix
d’un actif financier “risqué”. Nous ne connaissons pas, en général, la loi qui gouverne un tel processus,
mais nous avons peut-être une idée de son comportement local. Par exemple, sur un court intervalle de
temps de longueur ∆t, il est possible que ce prix ait tendance à varier proportionnellement à la longueur
de la période et au prix de l’actif au début de la période. Nous écrivons, pour débuter,
St+∆t − St = µSt ∆t.
Si, en général, les prix augmentent, alors µ est une constante positive et si les prix tendent à diminuer,
alors µ est négative.
Il y a cependant un problème avec cette dernière équation : nous ne sommes pas certain que le prix
varie proportionnellement à la longueur de la période et au prix de l’actif, nous prétendons seulement
qu’il a tendance à le faire. Il faut donc incorporer à notre équation une erreur non prévisible. Nous
pouvons toutefois contrôler l’ampleur de cette erreur aléatoire. Par exemple, nous pouvons supposer
qu’elle dépend du prix de l’actif en début de période. En effet, nous constatons que plus le prix est
élevé, plus le prix de l’actif risqué peut s’écarter de la tendance. De plus, l’erreur aléatoire doit aussi
dépendre de la longueur de l’intervalle de temps considéré : plus l’intervalle est grand, plus le prix risque
de s’écarter de la tendance. C’est pourquoi nous ajoutons un terme stochastique à notre équation de
départ. Le terme stochastique à ajouter à notre équation initiale nous mène à l’équation
√
St+∆t − St = µSt ∆t + σSt ∆tξ t
où σ est une constante positive et ξ t est une variable aléatoire de loi N (0, 1) indépendante de {Su , 0 ≤
u ≤ t}. Cette dernière condition est importante, car nous ne devons pas être capable de prédire l’erreur
ξ t en observant le comportement du prix de l’actif risqué antérieurement à la date t. Cette équation est
aléatoire et doit être satisfaite pour “presque” tous les ω, c’est-à-dire que
h √ i
P ω ∈ Ω : St+∆t (ω) − St (ω) = µSt (ω)∆t + σSt (ω) ∆tξ t (ω) = 1.
√
Concernant l’amplitude de l’erreur aléatoire, remarquons que ∆tξ t est de loi N (0, ∆t). De plus,
h √ . i √
E σSt ∆tξ t σ (Su : u ∈ {0, ∆t, 2∆t, · · · , t}) = σSt ∆tE[ξ t ] = 0,
√
2
σ (Su , u ∈ {0, ∆t, 2∆t, · · · , t}) = σ 2 St2 ∆tE ξ 2t

E σSt ∆tξ t
= σ 2 St2 ∆t,
5
6 M’hamed Eddahbi
√
ce qui implique que l’écart-type conditionnel de notre terme d’erreur est σSt ∆t. Ainsi, plus la longueur
de l’intervalle de temps ∆t est grande ou plus le prix St du titre est élevé, plus l’écart-type de l’erreur
aléatoire est grand. Cela implique que les valeurs pouvant être prises par l’erreur aléatoire sont plus
dispersées autour de son espérance (qui vaut zéro).
√
St+∆t − St = µSt ∆t + σSt ∆tξ t .
Réécrivons l’équation pour la période suivante :
√
St+2∆t − St+∆t = µSt+∆t ∆t + σSt+∆t ∆tξ t+∆t .
Si nous ne voulons pas être en mesure de prédire l’erreur ξ t+∆t , il faut que cette dernière soit indépendante
de {Su , u ∈ {0, ∆t, . . . , t + ∆t}}. Pour cette raison, nous introduisons le mouvement Brownien puisqu’il
est un processus gaussien dont les accroissements sont mutuellement indépendants :
St+∆t − St = µSt ∆t + σSt (Bt+∆t − Bt ) . (1.1.1)
√
Notons que la loi de Bt+∆t − Bt est la même que la loi de ∆tξ t : elles sont toutes deux de loi N (0, ∆t).
Soit B = {Bt , t ≥ 0} un mouvement Brownien construit sur un espace probabilisé filtré (Ω, F, Ft , P )
tel que la filtration {Ft }t≥0 est celle engendrée par le mouvement Brownien, augmentée de tous les
événements de probabilité nulle N , c’est-à-dire que pour tout t ≥ 0, Ft = σ(Bs , 0 ≤ s ≤ t) ∨ N .
Lorsque les intervalles de temps de longueur ∆t deviennent de longueur infinitésimale dans (1.1.1), nous
obtenons une équation du type
dSt = µSt dt + σSt dBt .
1.2 Marchés financiers et arbitrage

On considère un marché financier, construit sur un espace de probabilité (Ω, F, Ft , P ), soit Bt =
(Bt1 , . . . , Btm )
est un mouvement Brownien de dimension m de filtration canonique {Ft }t≥0 := {FtB }t≥0 .
On suppose que les transactions et le changement des prix peuvent avoir lieu en un temps quelconque
t ∈ [0, T ], où T > 0 désigne un horizon fini donné. Par conséquent le marché est maintenant représenté
par un processus stochastique de dimension n + 1 indexé par l’intervalle [0, T ] : St = (St0 , St1 , . . . , Std ),
t ∈ [0, T ] défini sur (Ω, F, P ). Plus précisément, nous allons supposer que le marché est constitué de
n + 1 actifs :
a) Un actif sans risque St0 dont la dynamique des prix est gouvernée par l’équation différentielle ordinaire
Z t
St0 = 1 + r(s)Ss0 ds (1.2.2)
0
b) n actifs risqués dont la dynamique des prix est donnée par la famille de processus {S·i : i = 1, . . . , n}
qui sont des processus de Itô de la forme :
Z t Z t
i i i

i
St = x + µ (s)ds + σ (s), dBs (1.2.3)
0 0
j
où r(·), µi (·) et σ i (·) = σ ij (·)j sont des processus Ft –adaptés et σ i (s), dBs = m i

P
j=1 σ j (s)dBs .
Rt i Pm
On suppose que r(·) est borné et que P [ 0 (|µ (s)| + j=1 (σ ij (s))2 )ds < ∞] = 1 pour tout t.
Dans l’équation (1.2.3) Sti désigne le prix, µi (·) est le taux d’appréciation (rendement) du ième actif et
σ = (σ ij (·))1≤i≤n,1≤j≤m désigne la matrice de volatilité.
Il est bien connu que la solution de l’équation (1.2.2) est donnée par
Z t
0
St = exp r(s)ds
0
Marchés financiers et modèles des taux d’intérêt 7
On définit {At : t ∈ [0, T ]} par

Z t
1
At = = exp − r(s)ds
St0 0
Le processus {At : t ∈ [0, T ]} est appelé le processus d’actualisation, il satisfait également l’équation
différentielle Z t
At = 1 − r(s)As ds pour tout t ∈ [0, T ].
0
Le processus {Set : t ∈ [0, T ]} définit par
Si
Seti = 0t = At Sti est le prix actualisé
St
pour i = 1, . . . , n. Cette formule est connue sous le nom Actualisation des prix (où changement d’unité
monétaire compté à t = 0).
Définition 1.2.1 Un portefeuille dans ce marché est un processus de dimension n + 1, Ft –adapté

φ = (φ0 , φ1 , . . . , φnt ), où φit est le nombre d’unités de l’actif sous–jacent i tenu à l’instant t vérifiant
Pt n R Tt it 2
i=0 0 |φs | ds est fini p.s.
Le processus de valeur (fonction de valeur) du portefeuille φ· est donné par
n
Vtφ = hφt , St i =
X
φit Sti pour tout t ∈ [0, T ].
i=0
Vtφ est aussi appelé richesse et Vetφ = At Vtφ est la richesse actualisée.
Définition 1.2.2 Nous dirons qu’un portefeuille est auto–financé si
dVtφ = hφt , dSt i
ou sous forme intégrale

Z t n Z t
Vtφ V0φ V0φ
X
= + hφs , dSs i = + φis dSsi pour t ∈ [0, T ] (1.2.4)
0 i=0 0
où l’intégrale qui apparaı̂t à droite de (1.2.4) est interprété au sens de l’intégrale stochastique de Itô qui
s’obtient en substituant (1.2.2) et (1.2.3) dans (1.2.4).
Cette notion intuitive d’auto–financement signifie qu’une fois le portefeuille constitué il est géré sans
retirer ni emprunter de l’argent.
Remarque 1.2.1 Tout portefeuille constant (indépendant du temps) est auto–financé.
Définition 1.2.3 Un portefeuille auto–financé φ· est dit admissible s’il existe une v.a. K = K(φ) < ∞
tel que
Vtφ ≥ −K pour presque tout (t, ω) ∈ [0, T ] × Ω.
Définition 1.2.4 Une opportunité d’arbitrage est une stratégie auto–finançante (portefeuille admissi-
ble) {φt : t ≥ 0} telle que :
V0φ ≤ 0 ≤ VTφ P –p.s. et P [VTφ > 0] > 0.
8 M’hamed Eddahbi
Définition 1.2.5 (Autrement) On dit qu’il y a opportunité d’arbitrage sur les prix si partant d’une
richesse V0φ ≤ 0, l’investisseur arrive à construire un portefeuille auto–financé {φt : t ≥ 0} tel que
0 ≤ VTφ P –p.s. et E[VTφ ] > 0.
Exemple 1.2.1 Supposons que n = 2 et

 0
 St = 1
S 1 = 1 + t + Bt1 + Bt2
 t2
St = 1 + 3t − 2Bt1 − 2Bt2 .
Alors φt = (−3, 2, 1) est une opportunité d’arbitrage, car Vtφ = 5t.
Le prix d’un actif non risqué est souvent appelé numéraire. On peut alors supposer que St0 > 0 pour
tout t ∈ [0, T ], ce qui est le cas dans le modèle que nous avons considéré. Par conséquent si on prend
St0 comme l’unité numéraire, le vecteur des prix devient
St1 Stn

St = 1, 0 , · · · , 0 = 1, At St1 , · · · , At Stn

e pour t ∈ [0, T ]. (1.2.5)
St St
Le marché {Set : t ∈ [0, T ]} est appelé la normalisation du marché {St : t ∈ [0, T ]}.
Nous dirons qu’un marché financier {Yt : t ∈ [0, T ]} est normalisé si Yt0 ≡ 1.
Lemme 1.2.1 Les assertions suivantes sont équivalentes

(i) Il n’existe pas d’opportunité d’arbitrage sur le marché {St : t ∈ [0, T ]} ;
(ii) Il n’existe pas d’opportunité d’arbitrage sur le marché {Set : t ∈ [0, T ]}.
Preuve. Supposons que {φt : t ∈ [0, T ]} est une opportunité d’arbitrage pour {St : t ∈ [0, T ]}. Soit
D E
Vetφ = φt , Set = At Vtφ
la fonction de valeur correspondante au marché normalisé {Set : t ∈ [0, T ]}. Alors

Z t Z t
φ φ φ φ
Vt = At Vt = A0 V0 +
e As dVs + Vsφ dAs
0 0
Z t Z t
φ
= V0 + As hφs , dSs i − r(s)As Vsφ ds
0 0
Z tD E
= V0φ + φs , dSes .
0
en particulier {φt : t ∈ [0, T ]} est admissible pour {Set : t ∈ [0, T ]}. Or
V0φ ≤ 0 ≤ VTφ P –p.s. et P [VTφ > 0] > 0
par conséquent
Ve0φ ≤ 0 ≤ VeTφ P –p.s. et P [VeTφ > 0] > 0.
D’où {φt : t ∈ [0, T ]} est une opportunité d’arbitrage pour {Set : t ∈ [0, T ]}.
Lemme 1.2.2 Supposons que {St : t ∈ [0, T ]} est normalisé. Alors il y a opportunité d’arbitrage sur
{St : t ∈ [0, T ]} si et seulement si il existe un portefeuille admissible {φt : t ∈ [0, T ]} tel que
V0φ ≤ VTφ P –p.s. et P [VTφ > V0φ ] > 0. (1.2.6)

Preuve. Supposons que {St : t ∈ [0, T ]} est normalisé et soit {φt : t ∈ [0, T ]} un portefeuille admissible.
On définit φ e0 , φ
e = (φ e1 , . . . , φ
en ) par
t t t t
ei = φi , pour i = 1, 2, . . . , n
φ t t
et on pose
n
e0 = −
X
φ 0 φi0 S0i ,
i=1
n Z t
e0 =
X
φ t −φit Sti + φis dSsi .
i=1 0
Donc V0φ = 0, et puisque dSt0 = 0 nous avons

e
n n Z t
e0 + ei dS i .
D E
Vtφ = φ
X X
e
e , St = φ i i
t t φ S
t t = φ s s
i=1 i=1 0
D’où φ
e est admissible et satisfait la relation (1.2.6) puisque
Vtφ = Vtφ − V0φ .

e
La notion d’absence d’arbitrage dans les marchés financiers est rattachée à l’existence d’une mesure
de probabilité, équivalente à la probabilité de référence, dite mesure martingale.
Définition 1.2.6 (i) Une mesure de probabilité Q sur FT est dite mesure martingale pour le marché
normalisé ou sur les prix actualisés {Set : t ∈ [0, T ]} si
h i
EQ Set /Fs = Ses pour tout t > s. (1.2.7)
(ii) Si, en plus de (1.2.7), la mesure Q est équivalente à P alors on dit que Q est une mesure martingale
équivalente pour le marché {Set : t ∈ [0, T ]}.
On peut également donner la définition de mesure martingale de la façon suivante.
Définition 1.2.7 Une probabilité Q équivalente à P est dite mesure martingale pour le système des
prix si sous Q les prix actualisés sont des martingales. On appelle cette probabilité Q probabilité neutre
du risque.
Proposition 1.2.1 Supposons qu’il existe une mesure martingale équivalente pour le marché {Set : t ∈
[0, T ]}. Alors il n’y a pas d’arbitrage dans le marché {St : t ∈ [0, T ]}.
1.2.1 Théorème de Girsanov

Question. Sous quelles conditions a t–on l’existence de mesure martingale ?
Exemple 1.2.2 Considérons la situation suivante :

On suppose que St = (1, Yt ) où Yt = t + Bt pour t ∈ [0, T ] où {Bt : t ∈ [0, T ]} est un mouvement
Brownien réel. Y a t–il des opportunités d’arbitrage dans le marché {St : t ∈ [0, T ]} ?
Puisque le processus des prix de l’actif risqué {Yt : t ∈ [0, T ]}, peut prendre des valeurs positives et
négatives avec des probabilités positives, on peut s’attendre intuitivement à une réponse négative.
10 M’hamed Eddahbi
Vérifiant ceci en construisant une probabilité Q qui soit équivalente à P telle que St soit une Q–
martingale.
On pose
t
Mt = exp −Bt − , t ∈ [0, T ].
2
On définit la mesure Q sur FT par
dQ = MT dP.
Il est claire que Q est équivalente à P : (Mt > 0) de plus
EQ [1] = EP [MT ] = 1
car Mt est une P –martingale (on peut le vérifier en utilisant la formule de Itô).
Par souci de simplification on note E[·] à la place de EP [·] (P la probabilité de référence).
Avant de démontrer que St est une Q–martingale, nous rappelons un résultat important sur l’espérance
conditionnelle.
Lemme 1.2.3 (Bayes) Soit Q une probabilité sur F de la forme dQ = F dP où F est une v.a. positive
et F–mesurable. Soit Y une v.a. F–mesurable telle que EQ |Y | < ∞ et soit G ⊂ F une sous tribu de F.
Si EP [F/G] = E[F/G] 6= 0 alors
E[F Y /G]
EQ [Y /G] = .
E[F/G]
Preuve. On a
dQ = F dP sur F et dQ = E[F/G]dP sur G.
En appliquant ce lemme à notre situation, on obtient pour tout s < t < T ,
E[MT Yt /Fs ] E[E[MT Yt /Ft ]/Fs ]
EQ [Yt /Fs ] = =
E[MT /Fs ] Ms
E[Yt E[MT /Ft ]/Fs ] E[Yt Mt /Fs ]
= = .
Ms Ms
Or par application de la formule de Itô on obtient
Z t
Yt Mt = Y0 M0 + Ms (1 − Ys ) dBs ,
0
par suite Yt Mt est une P –martingale et donc EQ [Yt /Fs ] = Ys . Par conséquent le marché ne peut pas
avoir d’arbitrage.
En revanche l’exemple précédent est un cas particulier d’un résultat très important dans la théorie
des martingales, et qui donne une méthode générale pour construire des mesures martingales.
Théorème 1.2.1 (Girsanov) Supposons que {Yt : t ∈ [0, T ]} est un processus de Itô à valeurs dans
Rn i.e. de la forme
Z t m Z t
X
i i i
Yt = Y0 + µ (s)ds + σ ij (s)dBsj pour i ∈ {1, . . . , n}.
0 j=1 0
Supposons qu’il existe deux processus u(t) ∈ Rm et ρ(t) ∈ Rn tels que

m
X
σ ij (t)uj (t) = µi (t) − ρi (t) pour i ∈ {1, . . . , n} (1.2.8)
j=1
et que
Z T
1 2
E exp ku(s)k ds < ∞.
2 0
On pose
Z t
1 t
Z
2
Mt = exp − u(s)dBs − ku(s)k ds pour t ∈ [0, T ]
0 2 0
et on définit la mesure Q sur FT par
dQ = MT dP. (1.2.9)
Alors Q est une probabilité sur FT qui est équivalente à P et
Z t
B
et := u(s)ds + Bt pour t ∈ [0, T ]
0
est un mouvement Brownien sous Q, de dimension m. De plus en terme de B

et le processus Yt possède
la représentation suivante
Z t m Z
X t
Yti = Y0i + i
ρ (s)ds + σ ij (s)dB
ej
s pour i ∈ {1, . . . , n}.
0 j=1 0
En particulier, si ρi (s) ≡ 0 alors Q est une mesure martingale équivalente pour le processus Yt .
Remarque 1.2.2 Notons que la filtration {F̃t : t ∈ [0, T ]} engendrée par {B et : t ∈ [0, T ]} ne coı̈ncide
pas en général avec celle engendrée par {Bt : t ∈ [0, T ]}. On peut voir que F̃t ⊂ Ft (voir Revuz et Yor
(1994)). Mais si u(s) est déterministe alors on a l’égalité Ft = F̃t .
En vertu de la construction explicite du théorème de Girsanov (Théorème 1.2.1) et la Proposition

1.2.1, on peut donner des conditions pour éviter les opportunités d’arbitrage directement en terme des
coefficients r(·), µ(·) et σ(·) dans les équations (1.2.2) et (1.2.3) qui définissent le marché {St : t ∈ [0, T ]}.
Le résultat suivant est une application du théorème de Girsanov.
Théorème 1.2.2 Supposons qu’il existe un processus {u(t) : t ∈ [0, T ]} à valeurs dans Rm Ft –adapté
tel que
σ(t)u(t) = µ(t) − r(t)(St1 , . . . , Stn ) (1.2.10)

où sous forme scalaire
m
X
σ ij (t)uj (t) = µi (t) − r(t)Sti pour i ∈ {1, . . . , n}
j=1
et Z T
1 2
E exp u (s)ds < ∞. (1.2.11)
2 0
Alors il n’y a pas d’arbitrage dans le marché {St : t ∈ [0, T ]}.
Une sorte de réciproque de ce théorème est donné par Karatzas (1996) Theorem 0.4.2 : S’il n’y a
pas d’arbitrage dans le marché {St : t ∈ [0, T ]} alors il existe un processus {u(t) : t ∈ [0, T ]} à valeurs
dans Rm , Ft –adapté vérifiant (1.2.10).
Exemple 1.2.3 a) Supposons que n = m et que la matrice σ est inversible pour presque tout (t, ω).
Alors le système ( 1.2.10) admet une unique solution
u(t) = σ −1 (t) µ(t) − r(t) St1 , St2 , · · · , Stn

(1.2.12)
où σ −1 désigne la matrice inverse de σ.

Par conséquent, si le vecteur u(·) défini par ( 1.2.12) satisfait la condition ( 1.2.11), alors le marché n’a
pas d’arbitrage.
b) Remarquons que même lorsque n = m et la matrice σ n’est pas inversible, l’équation ( 1.2.10) peut
avoir des solutions.
En effet, considérons le marché suivant avec n = m = 2 :
St0 = 1


St1 = 2t + Bt1 + Bt2 (1.2.13)
2 1
St = −2t − Bt − Bt . 2 
Alors l’équation ( 1.2.10) prend la forme

1 1 u1 2
=
−1 −1 u2 −2
et admet par exemple (u1 = 2 et u2 = 0) comme solution.

RT
Or E[exp( 21 0 u2 (s)ds)] = E[exp 2T ] < ∞, il en résulte que le marché ( 1.2.13) n’a pas d’arbitrage.
c) Si on remplace le marché ( 1.2.13) par
St0 = 1


St1 = t + Bt1 + Bt2 (1.2.14)
2 1
St = −2t − Bt − Bt .2 
Alors l’équation ( 1.2.10) prend la forme

1 1 u1 1
=
−1 −1 u2 −2
et cette dernière n’admet pas de solution, et par suite le marché ( 1.2.14) possède un arbitrage.
En effet, si on prend φt = (0, −1, −1) alors φ est auto–financé (car il est constant) et Vtφ = t pour tout
t ≥ 0, d’où φ est un arbitrage pour le marché ( 1.2.14).
Remarque 1.2.3 On peut répliquer certain actifs contingent dans des marchés financiers où il y a
présence d’opportunité d’arbitrage, voir par exemple Shiryaev (1998).
1.3 Actifs contingents et complétude

1.3.1 Réplications d’options et marchés complets
Dans cette section on se place dans un marché financier {St : t ∈ [0, T ]} donné par les équations
(1.2.2) et (1.2.3). Nous commençons par rappeler la définition d’une option européenne d’achat (call
européen).
Définition 1.3.1 Une option européenne d’achat sur un actif donné est un contrat qui donne le droit
(mais non l’obligation) à son détenteur d’acheter une unité de l’actif au prix K (prix d’exercice) à
l’instant T futur (maturité) fixé à t = 0 : lors de la signature du contrat.
Si {St : t ∈ [0, T ]} désigne l’ensemble les prix des stocks dans un marché financier à l’instant t, alors
il y a deux possibilités :
– Si ST > K alors le détenteur de cette option va acheter le stock avec le prix K et le vendre
immédiatement dans le marché (ouvert) avec le prix ST . Il a donc un profit (richesse) (payoff)
ST − K.
– Si ST ≤ K alors le détenteur ne va pas exercer cette option et son profit est donc nul i.e. (payoff)
est 0.
Nous pouvons alors exprimer le payoff F qui est une variable aléatoire à l’instant T pour une option
européenne d’achat par :

+ ST − K sur {ω : ST (ω) > K}
F = (ST − K) = (1.3.15)
0 sur {ω : ST (ω) ≤ K}.
Plus généralement on introduit les concepts suivants
Définition 1.3.2 (i) Un actif contingent est une variable aléatoire F qui est FT –mesurable et borné
inférieurement.
(ii) On dit que l’actif contingent F est atteint (ou duplicable) dans le marché {St : t ∈ [0, T ]} s’il existe
un portefeuille admissible φt ∈ Rn+1 et un nombre réel x tels que
Z T n Z T
VTφ,x
X
F = := x + hφs , dXs i = x + φis dXsi . (1.3.16)
0 i=0 0
cela veut dire que F est égale à la valeur du processus (fonction) de valeur à l’instant T .
Si un tel portefeuille existe, il est appelé le portefeuille qui réplique (duplique) F .
(iii) Le marché {St : t ∈ [0, T ]} est dit complet si tout actif contingent borné est atteint.
Dans la suite de ce chapitre nous allons essayer de répondre aux questions suivantes :
1. Quels sont les actifs atteints dans un marché financier donné {St : t ∈ [0, T ]} ?
2. Quels sont les marchés complets ?
3. Si un actif contingent F est atteint, comment peut–on définir sa valeur initiale et le portefeuille
qui le réplique ? sont–ils unique ?
Maintenant nous allons illustrer la situation par un exemple simple.
Exemple 1.3.1 On se place dans un marché donné par St = (1, Bt ), t ∈ [0, T ] où B est un mouvement
Brownien réel.
L’actif F = BT2 est il atteint ? On cherche un portefeuille admissible φt = (φ0t , φ1t ) et un nombre réel x
tels que
Z T
F = BT2 = x + φ1s dBs . (1.3.17)
0
Or d’après la formule de Itô on a
Z T
BT2 =T+ 2Bs dBs .
0
On en déduit que x = T et φ1t = 2Bt . Puis on choisi φ0t de sorte que le portefeuille soit auto–financé
i.e. on cherche φ0t tel que
Z t
φ,x
Vt = x + hφs , dSs i = hφt , St i
0
ce qui est équivalent à Z t

T+ 2Bs dBs = φ0t + 2Bt2 .
0
d’où Z t
φ0t =T + 2Bs dBs − 2Bt2 = T − t − Bt2 .
0
Enfin, φt = (T − t − Bt2 , 2Bt ) est un portefeuille admissible qui réplique F , donc F est atteint.
1.3.2 Caractérisation des marchés complets

Dans le théorème ci–dessous nous présentons une caractérisation de la complétude d’un marché
{St : t ∈ [0, T ]} en terme de mesure martingale équivalente. Ce résultat est due essentiellement à
Harrison et Pliska (1983).
Théorème 1.3.1 Un marché {St : t ∈ [0, T ]} est complet si et seulement si il existe une et une seule
mesure martingale équivalente Q pour le marché normalisé {Set : t ∈ [0, T ]}.
Le théorème suivant donne un critère direct pour montrer qu’un marché est complet en terme des
coefficients qui définissent l’évolution des prix. (Par exemple les coefficients r, µ, et σ qui apparaissaient
dans les équations (1.2.2) et (1.2.3)).
Théorème 1.3.2 Soit {St : t ∈ [0, T ]} un marché dont la dynamique des prix est donnée par les
équations ( 1.2.2) et ( 1.2.3). Supposons qu’il existe un processus {u(t) : t ∈ [0, T ]} à valeurs dans Rm ,
Ft –adapté tel que
σ(t)u(t) = µ(t) − r(t)(St1 , . . . , Stn ) (1.3.18)
et Z T
1 2
E exp |u(s)| ds < ∞. (1.3.19)
2 0
Alors le marché {St : t ∈ [0, T ]} est complet si et seulement si la matrice σ(t) ∈ Rn×m admet un inverse
à gauche noté −1 σ(t) ∈ Rm×n .
Autrement dit si et seulement si
rang(σ(t)) = m. (1.3.20)
Pour la démonstration de ce théorème on se réfère à Karatzas (1996) Theorem 0.3.5 et à Øksendal

(1998) Theorem 12.2.5.
Exemple 1.3.2 On considère le marché suivant

St0 = 1


St1 = x1 + Bt1 + 3Bt2 (1.3.21)
St2 = x2 + t − Bt1 − 2Bt2 .

L’équation ( 1.3.18) prend la forme

1 3 u1 0
=
−1 −2 u2 1
et admet u = (−3, 1) comme unique solution.
De plus on a Z T Z T
1 2 1
E exp u (s)ds = exp 10ds = exp (5T ) < ∞.
2 0 2 0
D’où le marché est complet par le Théorème 1.3.2.
Exemple 1.3.3 Soit {St : t ∈ [0, T ]} un marché financier dont la dynamique des prix est donnée par
St0 = 1 et St1 = σ 1 Bt1 + σ 2 Bt2 , (1.3.22)
où σ 1 et σ 2 sont des constantes. Dans cette situation l’équation ( 1.3.19) devient

u1
σ1 σ2 =0
u2
et donc admet une infinité de solutions [u1 , u2 ] ∈ R2 . On voit aussi que rang(σ) ≤ 1 < 2 = m, et dans ce
cas la relation ( 1.3.20) n’est pas vérifiée. On conclut donc par le Théorème 1.3.2 que le marché donnée
par ( 1.3.22) n’est pas complet.
Par conséquent il existe des actifs contingents qui ne sont pas atteint dans ce marché. Nous donnons
ci–dessous un tel actif.
On définit F = [BT1 ]2 . La formule de Itô donne
Z T
1 2
F = [BT ] = T + 2Bs1 dBs1 . (1.3.23)
0
Si F était atteint, il existerait un processus φt ∈ R et x tels que F = VTφ,x et

Z t
Vtφ,x = x + φs [σ 1 dBs1 + σ 2 dBs2 ]. (1.3.24)
0
De plus Vtφ,x est borné inférieurement, ce qui implique que {Vtφ,x : t ∈ [0, T ]} est une sur–martingale,
il s’ensuit que x et φ sont uniques par l’unicité de la décomposition de Doob–Meyer (voir Karatzas et
Shreve (1991)). Donc en combinant les équations ( 1.3.23) et ( 1.3.24) on obtient, grâce au Théorème
de représentation des martingales, que x = T , σ 1 φt = 2Bt1 et σ 2 φt = 0. Cette contradiction montre que
F ne peut pas être atteint dans ce marché.
1.4 Evaluations des prix et réplications de portefeuilles

1.4.1 Valorisation des actifs contingents
On se limite aussi dans cette section aux options européenne d’achat. Il s’agit en fait de répondre
aux questions suivantes :
1. A combien vendre cette option à t = 0 ? Ce prix est déterminer de façon que le vendeur investit
cette somme x dans le marché et pouvoir produire le profit F à T (c’est le problème de couverture).
2. Combien doit être la richesse Vt du vendeur à t ≤ T tel que VT = F ? (c’est le problème de
valorisation (pricing)).
3. Combien un acheteur doit payer à t = 0 pour devenir un détenteur d’une option européenne
d’achat ?
4. Et combien doit être la somme accepté par le vendeur pour une telle option ?
On peut aussi considérer la situation où un agent détenteur (l’acheteur) avait une garantie d’un
certain actif contingent à l’instant T au prix (aléatoire) F par le vendeur.
Le détenteur raisonne de la façon suivante :
S’il paye le prix y pour cette garantie, alors il commence dans sa stratégie d’investissement avec une
fortune initiale égale à −y. Avec cette fortune il faudrait être capable de répliquer à l’instant T une
valeur VTφ,−y qui lui donne avec le payement garanti F une v.a. positive i.e.
VTφ,−y + F ≥ 0 p.s.
De ce point de vu, le prix maximal p = p(F ) que le détenteur devait payé est donné par
p(F ) = sup{y : il existe un portefeuille admissible φ tel que VTφ,−y ≥ −F p.s.}
RT
où VTφ,−y := −y + 0 φs dSs .
p(F ) est le prix de l’actif contingent F pour le détenteur.
D’autre part, le vendeur peut adopter un raisonnement similaire non risqué : Si le vendeur accepte le
prix x pour cette garantie, alors il peut utiliser dans sa stratégie d’investissement la somme x comme
sa fortune initiale. Avec cette fortune il faudrait être capable de répliquer à l’instant T une valeur VTφ,x
qui soit supérieure à F qu’il avait promis au détenteur i.e.
VTφ,x ≥ F p.s.
Donc le prix minimal q = q(F ) que le vendeur devait accepté est donné par
q(F ) = inf{x : il existe un portefeuille admissible φ tel que VTφ,x ≥ F p.s.}
RT
où VTφ,x := x + 0 φs dSs .
q(F ) est le prix de l’actif contingent F pour le vendeur.
Définition 1.4.1 Si p(F ) = q(F ) on appelle cette valeurs commune le prix de l’actif contingent à
l’instant t = 0.
Théorème 1.4.1 (i) Supposons que les conditions ( 1.3.18) et ( 1.3.19) du Théorème 1.3.2 sont vérifiées
et soit Q la probabilité définie par la relation ( 1.2.9) du Théorème 1.2.1. Soit F un actif contingent tel
que EQ [AT F ] < ∞ où {At } est le processus d’actualisation. Alors
p(F ) ≤ EQ [AT F ] ≤ q(F ) ≤ ∞. (1.4.25)
(ii) Supposons en plus des conditions de (i), que le marché est complet. Alors le prix de l’actif contingent
F est donné par
p(F ) = EQ [AT F ] = q(F ). (1.4.26)
Il en résulte que pour les marchés complet satisfaisant les conditions (1.3.18) et (1.3.19), il existe un
unique prix (canonique) pour un actif contingent. Mais pour les marchés incomplet, on peut seulement
donner un intervalle [p(F ), q(F )] dans lequel se trouve le prix de l’actif sous–jacent. Mais cet intervalle
peut être large dans plusieurs situation et par suite les inégalités de (1.4.25) ne donnent pas une réponse
satisfaisante. Notons qu’on se limite ici aux marchés complet.
Pour une démonstration du Théorème 1.4.1 voir Karatzas (1996) Proposition 0.4.1 ou Øksendal
(1998) Theorem 12.3.2.
Exemple 1.4.1 On considère le marché de l’Exemple 1.3.2 donné par
 0
 St = 1
S 1 = x1 + Bt1 + 3Bt2
 t2
St = x2 + t − Bt1 − 2Bt2 .
Supposons que notre actif est de la forme F = [ST1 ]2 .
Puisque ce marché est complet, on sait que le prix de cet actif est donné par ( 1.4.26) i.e.
p(F ) = q(F ) = EQ [ST1 ]2 (car At ≡ 1)

Z T Z T
1 T 2
Z
1 2 2 1 2

= E exp − u1 dBt − u2 dBt − u1 + u2 dt [ST ]
0 0 2 0
h 2 i
= E exp 3BT1 − BT2 − 5T x1 + BT1 + 3BT2

( car (u1 , u2 ) = (−3, 1))
2
y1 + y22
Z
1 2
= exp (3y1 − y2 − 5T ) (x1 + y1 + 3y2 ) exp − dy1 dy2 .
2πT R2 2T
1.4.2 Modèle de Black & Scholes

Nous allons maintenant discuter en détails un cas spécial pour le modèle général donné par les
équations (1.2.2) et (1.2.3) : On suppose que le marché {St = (St0 , St1 ) : t ∈ [0, T ]} est donné par
Z t
0
St = 1 + r(s)Ss0 ds (1.4.27)
0
Z t Z t
1 1 1
St = S0 + µ(s)Ss ds + σ(s)Ss1 dBs , (1.4.28)
0 0
Ici et dans toute la suite r(s), µ(s) et σ(s) sont déterministes, à valeurs réelles, i.e. ne dépendent pas
de l’aléatoire ω et vérifient les conditions suivantes
Z T
|r(s)| + |µ(s)| + |σ(s)|2 ds < ∞ (1.4.29)
0
et
T
(µ(s) − r(s))2
Z
ds < ∞. (1.4.30)
0 σ 2 (s)
On peut dire que le modèle donné par les équations (1.4.27) et (1.4.28) est un peu plus général que le
modèle classique de Black & Scholes qui correspond au cas où les coefficients r, µ et σ 6= 0 sont des
constantes.
Ce marché consiste en deux actifs (Modèle binomial ) :
1. Actif sans risque de prix {St0 : t ∈ [0, T ]} qui correspond par exemple à une somme déposée à la
banque dont la dynamique des prix est donnée par (1.4.27) ;
2. Actif risqué de prix {St1 : t ∈ [0, T ]} correspondant au stock dont la dynamique des prix est donné
par (1.4.28).
Nous allons donc appliquer la théorie que nous avons vus ci-dessus pour déterminer les propriétés de ce
marché :
Absence d’arbitrage
L’équation (1.3.18) prend la forme
σ(t)St1 u(t) = µ(t)St1 − r(t)St1
qui admet la solution

µ(t) − r(t)
u(t) = . (1.4.31)
σ(t)
En vertu de (1.4.30) on voit que la condition (1.3.19) est vérifiée et on conclut par le Théorème 1.2.2
que le marché n’admet pas d’arbitrage.
Complétude
On voit aussi que les conditions (1.3.18) et (1.3.19) du Théorème 1.3.2 sont satisfaites. Or σ(t) 6= 0
pour presque tout t et donc rang(σ(t)) = 1 = m p.p. tout t. Donc par le Théorème 1.3.2 on déduit que
ce marché est complet.
De plus l’unique mesure martingale équivalente est donnée par
Z T
1 T
Z
2
dQ = exp − u(t)dBt − u(t) dt dP := ZT (u)dP (1.4.32)
0 2 0
et u est donné par (1.4.31).

Il en résulte d’après le Théorème 1.4.1 que le prix de l’option européenne d’achat (cf. Définition 1.3.1)
+
F = ST1 − K
est donné par h + i

p(F ) = q(F ) = EQ AT ST1 − K
RT
avec AT = exp(− 0 r(s)ds) étant le processus d’actualisation. Ce qui donne en utilisant les équations
(1.4.27) et (1.4.28)
h + i
EQ AT ST1 − K
" Z T Z T + #
1
= AT EQ S01 exp σ(t)dBt + µ(t) − σ 2 (t) dt − K
0 0 2
" Z T Z T + #
1
= AT EQ S01 exp σ(t)dB
et + r(t) − σ 2 (t) dt − K .
0 0 2
et = Bt + t u(s)ds, où u est donné par (1.4.31), est un mouvement Brownien par rapport à Q.
R
avec B 0
En utilisant la loi du Brownien réel on obtient
Z T +
exp(−y 2 /2Γ)
Z
1 1 2
p(F ) = q(F ) = AT S0 exp y + r(t) − σ (t) dt − K √ dy
R 0 2 2πΓ
où l’on a utiliser en plus un résultat de représentation de certaines martingales (Théorème de Dubins–
Schwarz) ci–dessous à l’aide du Brownien pris au crochet de celle–ci i.e.
Z T
σ(t)dBet = WR T 2
σ (t)dt
0 0
avec W est un Brownien indépendant de B

e et
Z T Z T 2
2
Γ := σ (t)dt = EQ σ(t)dB
et .
0 0
Théorème 1.4.2 (Dubins–Schwarz) Soit M une martingale locale continue nulle en 0 et telle que
hM, M i+∞ = +∞ p.s. Alors il existe un mouvement Brownien W tel que p.s. pour tout t ≥ 0 on a
Mt = WhM,M it .
Voir Revuz et Yor (1994) pour la preuve.

Ceci donne une formule (plus générale) de valorisation des options européenne d’achat pour le modèle
de Black & Scholes.
Notant que le coefficient {µ(t) : t ∈ [0, T ]} n’apparaı̂t pas dans la formule de pricing précédente !
Remarque 1.4.1 Dans le cas classique de Black & Scholes i.e. r, µ et σ 6= 0 sont des constantes (ne
dépendants pas de t, on obtient les formules classique de Black & Scholes
√
p(F ) = q(F ) = S01 Φ(y) − exp(−rT )KΦ(y − σ T )
où
u
ln(S01 /K) + (r + σ 2 /2)T
Z 2
1 x
y= √ et Φ(u) = √ exp − dx.
σ T 2π −∞ 2
Revenant maintenant à la question : Comment déterminer la valeur initiale x et le portefeuille qui

réplique un actif contingent donné dans un marché gouverné par le modèle de Black & Scholes ci–
dessus ?
Pour se faire, nous allons étudier d’une manière directe la relation entre un portefeuille admissible
φt = (φ0t , φ1t ) et le processus de valeur correspondant
Vtφ = φ0t St0 + φ1t St1 . (1.4.33)
(où φ0t est le montant investit dans l’actif sans risque et φ1t le nombre de part (d’unité) du deuxième
actif).
Puisque φt est auto–financé nous avons (sous forme différentielle)
dVtφ = φ0t dSt0 + φ1t dSt1 . (1.4.34)
De l’équation (1.4.33) on déduit
Vtφ − φ1t St1

φ

φ0t = = A t V t − φ 1 1
t St ,
St0
qui, après substitution dans l’équation (1.4.34), donne

dVtφ = Vtφ − φ1t St1 r(t)dt + φ1t dSt1
= Vtφ r(t)dt + φ1t St1 [(µ(t) − r(t)) dt + σ(t)dBt ] .
Ceci peut s’écrire, en fonction du nouveau Brownien B

e (définit ci–dessus), comme suit
dVtφ − Vtφ r(t)dt = φ1t St1 σ(t)dBet . (1.4.35)

Rt
En multipliant l’équation (1.4.35) par At = exp(− 0 r(s)ds) on obtient

d At Vtφ = At φ1t St1 σ(t)dB et .
Ce qui donne après intégration

Z t
At Vtφ = V0φ + As φ1s Ss1 σ(s)dB
es . (1.4.36)
0
Par conséquent pour dupliquer un actif F il suffit de chercher φ1s tel que
Z T
φ
AT F = V0 + As φ1s Ss1 σ(s)dB
es . (1.4.37)
0
Si un tel processus φ1s est déterminé, alors on a montrer l’existence d’un portefeuille φt auto–financé. Pour
démontrer que φt est aussi admissible, on doit vérifier que {Vtφ : t ∈ [0, T ]} est bornée inférieurement.
Pour se faire, on considère la mesure de probabilité Q définie sur FT et donnée par (1.4.31) et (1.4.32).
Alors en prenant l’espérance conditionnelle dans l’équation (1.4.37) sous Q et par rapport à Ft on
obtient Z t
φ es = At V φ .
EQ [AT F /Ft ] = V0 + As φ1s Ss1 σ(s)dB t
0
On en déduit que Vtφ

est minoré puisque F l’est. D’où φt = (φ0t , φ1t ) est admissible.
Maintenant, si on prend l’espérance sous Q dans (1.4.37), on obtient
V0φ = AT EQ [F ] . (1.4.38)
Remarque 1.4.2 Il est clair que la mesure Q est construite de sorte que le processus de valeur actualisé
At Vtφ soit une Q martingale. Notons que l’on peut construire une mesure martingale Q∗ pour laquelle
le processus St0 /St1 (dans le cas d’un marché à deux actifs) soit une martingale. L’avantage de cette
nouvelle probabilité c’est quelle permet de généraliser les formules de valorisation et de réplication dans
le cas de Black & Scholes aux cas de modèle de HJM (Heath, Jarrow and Morton). On se réfère pour
cette approche à Musiela et Rutkowski (1997).
1.5 Quelques méthodes de réplications

Revenant maintenant au point essentiel de cette section qui est la détermination du processus {φ1t :
t ∈ [0, T ]} dans le cas du modèle de Black & Scholes.
1.5.1 Méthode 1. Théorème de représentation

Si V0φ est donnée par la relation (1.4.38), on définit la v.a. G par
Z T
G = AT F = F exp − r(s)ds .
0
Supposons en plus que la v.a. G est de carré intégrale sous Q i.e. EQ G2 < ∞.

En tenant compte de la Remarque 1.2.2, il est claire que les filtrations {F̃t : t ≥ 0} et {Ft : t ≥ 0}
coı̈ncident, on peut donc appliquer le théorème de représentation pour la v.a. G ∈ L2 (Ω, Q) qui est
F̃T –mesurable.
Par suite d’après le Théorème de représentation des martingales il existe un unique processus prévisible
{ϕt : t ∈ [0, T ]} Ft –adapté tel que
Z T
G = EQ [G] + ϕs dB
es
0
RT Rt
et EQ [ 0 ϕ2s ds] soit fini, de plus { 0 ϕs dB
es : t ∈ [0, T ]} est borné inférieurement.
Remarquons que cette méthode ne permet pas de déterminer explicitement le processus {ϕt : t ∈ [0, T ]}.
Par conséquent on obtient par unicité
ϕt
V0φ = EQ [G] et φ1t =
At St1 σ(t)
1.5.2 Méthode 2. Approche par les EDP

Pour simplifier les notations on pose St = St1 . On suppose qu’il existe une fonction f ∈ C 1,2 ([0, T ] ×
R+ , R) telle que
Vtφ = f (t, St ), t ∈ [0, T [ et g(x) = f (T, x), x ∈ R+
Soit Yt = f (t, St ). La formule de Itô nous permet de développer Y sous la forme
Z t Z t
∂f ∂f
Yt = f (0, S0 ) + (s, Ss ) Ss σ(s)dBs + (s, Ss ) µ(s)Ss ds
0 ∂x 0 ∂x
Z t
1 t ∂2f
Z
∂f
+ (s, Ss ) ds + (s, Ss ) Ss2 σ 2 (s)ds.
0 ∂t 2 0 ∂x2
Notons par L le générateur infinitésimal de la diffusion St défini sur C 1,2 ([0, T ] × R+ , R) par
∂f ∂f 1 ∂2f
Lf = µ(t)x (t, x) + (t, x) + σ 2 (t)x2 2 (t, x) .
∂x ∂t 2 ∂x
d’où Z t Z t
∂f
Yt = f (0, S0 ) + Lf (s, Ss ) ds + (s, Ss ) Ss σ(s)dBs . (1.5.39)
0 0 ∂x
Si φ représente une stratégie finançant F i.e. φt = (φ0t , φ1t ) où φ0t est le nombre d’obligations (somme
déposé à la banque) et φ1t est le nombre d’actions tels que
Vtφ = φ0t St0 + φ1t St

Z t
= φ00 S00 + φ10 S0 + φ0s dSs0 + φ1s dSs
0
= f (t, St ) =: Yt .
Ce qui donne une nouvelle écriture de Yt :

Z t Z t
Yt = φ00 S00 + φ10 S0 +
0 0
φs Ss r(s) + φ1s Ss µ(s) ds + φ1s Ss σ(s)dBs .

(1.5.40)
0 0
En comparant les équations (1.5.39) et (1.5.40), on obtient en identifiant les termes en ds et les coeffi-
cients en dBs (il s’agit en revanche d’une application du Théorème de représenation des martingales)
Lf (s, Ss ) = φ0s Ss0 r(s) + φ1s Ss µ(s), (1.5.41)

∂f
φ1s Ss σ(s) = (s, Ss ) Ss σ(s). (1.5.42)
∂x
∂f
Il en résulte que φ1t = ∂x (t, St ), et en reportant dans l’équation (1.4.33) on obtient
f (t, St ) − St ∂f
∂x (t, St )
φ0t = 0
S
Z tt
∂f
= exp − r(s)ds f (t, St ) − St (t, St ) .
0 ∂x
Ainsi nous avons obtenu le portefeuille qui duplique F en fonction du prix implicite.
En reportant dans l’équation (1.5.41)

∂f ∂f
Lf (t, St ) = r(t) f (t, St ) − St (t, St ) + (t, St ) St µ(t).
∂x ∂x
En explicitant Lf (t, St ), cette dernière équation s’écrit, après simplifications


∂f ∂f 1 ∂2f
(t, St ) + σ 2 (t)St2 2 (t, St )

r(t)f (t, St ) = r(t)St (t, St ) + (1.5.43)
 f (T, S ) = g(S ) p.s. ∂x ∂t 2 ∂x
T T
On remarque que µ(t) n’intervient pas dans (1.5.43).

En utilisant le calcul de loi i.e. si on remplace St par x on voit facilement que la fonction f vérifie
l’équation aux dérivés partielles parabolique suivante

∂f ∂f 1 ∂2f
(t, x) + σ 2 (t)x2 2 (t, x)

r(t)f (t, x) = r(t)x (t, x) + (1.5.44)
 f (T, x) = g(x) si ∂x ∂t 2
x > 0 (condition au bord)
∂x
Nous résumons le résultat de cette méthode dans le théorème suivant.

Théorème 1.5.1 Soit S 0 le prix d’un actif sans risque dont la dynamique des prix est donnée par
dSt0 = rSt0 dt
et S 1 le prix d’un actif risqué vérifiant
dSt1 = µSt1 dt + σSt1 dBt .
Soit F = g(ST1 ) une variable aléatoire positive et π(F )t son prix implicite. On suppose qu’il existe une
fonction f ∈ C 1,2 ([0, T ] × R+ , R) telle que
π(F )t = f (t, St1 ) pour t < T et g(x) = f (T, x) pour x > 0.
Alors f vérifie l’équation parabolique


∂f ∂f 1 ∂2f
(t, x) + σ 2 x2 2 (t, x) ,

rf (t, x) = rx (t, x) + (1.5.45)
 f (T, x) = g(x) ∂x ∂t 2 ∂x
pour x > 0.
Une stratégie finançant F est donnée par φt = (φ0t , φ1t ) où
∂f
φ1t = t, St1

∂x
f (t, St1 ) − St1 ∂f 1
∂x (t, St )
φ0t = .
St0
Remarque 1.5.1 Il n’est en général pas facile de résoudre explicitement l’équation parabolique ci–
dessus. Le calcul stochastique fournit une expression de cette solution.
Soit x et t fixés et Xsx,t le processus indexé par s (t ≤ s ≤ T ), défini par

Z s Z s
Xsx,t = x + r Xux,t du + σ Xux,t dBu Q–p.s.
t t
On a le résultat suivant connu sous le nom de la formule de Feymann–Kac :
Théorème 1.5.2 Si g est de classe C 2 sur R+ et g, g 0 et g 00 sont lipschitziennes, alors la fonction

h i
f (t, x) := EQ e−r(T −t) g(XTx,t ) (1.5.46)
est l’unique solution lipschitzienne de ( 1.5.45).

Modèle de Black & Scholes classique

Dans le cas du modèle de Black & Scholes classique, nous allons utiliser la méthode de représentation
précédente en travaillant sous la probabilité risque–neutre Q définie par dQ = ZT dP , pour retrouver
les formules de valorisation précédentes.
Nous avons vu que, sous Q, le prix de l’actif à risque vérifie
dSt1 = rSt1 dt + σSt1 dB

et .
Si l’on se constitue un portefeuille φt = (φ0t , φ1t ) tel que
Vtφ = φ0t St0 + φ1t St1 ,
on vérifie que sous Q
dVtφ = φ0t St0 rdt + φ1t St1 (rdt + σdB

et )
= Vtφ rdt + dMt ,
où Mt est défini par dMt = φ1t St1 σdB et . Sous réserve d’intégrabilité, Mt est une Q–martingale. Ceci
implique en utilisant la formule de Itô que e−rt Vtφ est une martingale (égale à Mt à une constante près).
On a donc h i
e−rt Vtφ = EQ e−rT VTφ /Ft
ou encore en utilisant que le processus St1 est un processus de Markov,

h i
Vtφ = f (t, St1 ) = EQ e−r(T −t) g(ST1 ) /Ft .
Théorème 1.5.3 Le prix implicite de g(ST1 ) est donné par

h i
EQ e−r(T −t) g(ST1 ) /Ft
où Q est la probabilité neutre du risque.
En particulier pour t = 0, on vérifie par un calcul directe que
f (0, x) = EQ e−rT g(ST1 ) = EP e−rT g(XT )

où X vérifie dXt = Xt (rdt + σdBt ) et X0 = x et on retrouve la formule (1.5.46).

Dans le présent modèle de Black–Scholes, la relation (1.5.46) nous permet de poursuivre les calculs
car les coefficients r et σ sont constants.
On sait qu’un processus vérifiant l’équation
Z s Z s
x,t x,t
Xs = x + rXu du + σXux,t dBu
t t
a une loi log–normale i.e. Xsx,t a un logarithme de loi N [ln x + (r − 12 σ 2 )(s − t), σ 2 (s − t)], ou encore
Xsx,t = exp(U ) où U a une loi normale.
On peut ainsi calculer
h i h i
EP e−r(T −t) g(XTx,t ) = e−r(T −t) EP g(XTx,t )
Z
−r(T −t)
= e g(eu )hT −t (u)du,
R
où hT −t (u) est la densité de la loi normale de moyenne ln x + (r − 12 σ 2 )(T − t) et de variance σ 2 (T − t).
Lorsque g est une fonction explicite on peut poursuivre le calcul. Plaçons nous dans le cas où g(x) =
(x − K)+ . Rx R +∞
2 2
Soit Φ(x) = √12π −∞ e−u /2 du = √12π −x e−u /2 du. On a alors en écrivant
Z Z Z
u u
g(e )hT −t (u)du = e hT −t (u)du − K hT −t (u)du,
R {u>ln K} {u>ln K}
σ2

1 x
f (t, x) = xΦ √ ln + (T − t) r +
σ T −t K 2
σ2

−r(T −t) 1 x
−Ke Φ √ ln + (T − t) r − ,
σ T −t K 2
f (T, x) = (x − K)+ .
Théorème 1.5.4 (Formule de Black–Scholes) Le prix d’un call européen est donné par
f (0, x) = xΦ (d1 ) − Ke−rT Φ (d2 )
où
σ2 √

1 x
d1 = √ ln +T r+ , d2 = d1 − σ T
σ T K 2
On a également
f (t, x) = xΦ (d1 (t)) − Ke−r(T −t) Φ (d2 (t)) ,
où
σ2

1 x
d1 (t) = √ ln + (T − t) r + ,
σ T −t K 2
√
d2 (t) = d1 (t) − σ T − t.
Cette méthode donne des formules explicites pour la richesse initiale et le portefeuille, mais elle ne
s’applique pas aux cas non–Markovien comme le cas “knock–out option” i.e. F (ω) = 1{K≤max0≤t≤T St } .
1.6 Exercices
Problème 1. On considère un marché financier dans lequel les titres risqués peuvent verserR des div-
t
idendes en continu. Un titre S est donc caractérisé par son cours St et le montant Dt = 0 ρ(u)du
des dividendes versés entre 0 et t. Le gain total associé à la possession du titre entre 0 et t est de
Gt = Vt − V0 + Dt , où Vt désigne le processus de valeur. Le cash S 0 ne verse pas de dividende et son
prix vérifie dSt0 = rSt0 dt, r constant, S00 = 1.
1. Rappeler la propriété d’auto financement d’une stratégie (φ0 , φ1 ) d’investissement pour ce modèle.
Nous supposons :
– que le prix St satisfait l’équation
dSt = St (µt dt + σ t dW
ft );
f est un mouvement Brownien réel sur l’espace (Ω, Ft , P ) avec P probabilité de référence
où W
(historique).
– que le titre S verse des dividendes dont le taux est adapté à la filtration Ft et est proportionnel
au cours St , ρ(t) = δ t St ,
– que les fonctions σ t et σ −1 t sont déterministes et bornées,
– que µt est un processus adapté à la filtration Ft ,
– qu’il n’y a pas d’opportunités d’arbitrage pour les stratégies qui vérifient
Z T
φt St σ t 2 dt < +∞
1
EP (Eq. 1)
0
Rt
2. Notons ∆t = exp( 0 δ s ds) et supposons que ∆t vérifie la condition (Eq. 1).
2.1. Montrer que ∆t St est la valeur d’un portefeuille auto-finançant.

2.2. On suppose dorénavant µt + δ t borné, montrer qu’il existe une probabilité risque neutre Q
telle que ∆t St soit de rendement instantané rt .
2.3. Expliciter un mouvement Brownien Wt sous Q.
2.4. Montrer que la valeur Vt d’un portefeuille auto-finançant a aussi pour rendement rt sous Q.
2.5. Prouver qu’un processus Vt est la valeur financière d’un portefeuille auto-finançant s’il existe
un processus φ1t adapté tel que
dVt = rt Vt dt + φ1t St σ t dWt
et Wt mouvement Brownien sous Q.

2.6. En admettant les résultats du cours, prouver que la valeur actualisée Vt /St0 d’un portefeuille
auto–finançant associé à une stratégie vérifiant (Eq. 1) est une Q, Ft –martingale. Que dire
de ∆t St ?
2.7. Ecrire l’équation satisfaite par St sous Q.
3. Nous supposons δ t déterministe et borné. Nous nous intéressons à l’évaluation de call et de put
de maturité T et de prix d’exercice K.
3.1. On pose Vt = exp(−r(T − t))EQ [ST /Ft ]. Calculer explicitement Vt , puis montrer que Vt est
la valeur financière d’un portefeuille auto–finançant dont on donnera l’investissement dans
l’actif risqué et le cash.
3.2. Donner la formule de parité call / put.
On veut montrer que le prix d’un call de prix d’exercice K et de maturité T vaut
exp(−r(T − t))EQ [(ST − K)+ /Ft ] := Ut
1. 3.3. Montrer que Ut = f (t, St ) et peut se calculer explicitement par une formule de type Black–
Scholes.
3.4. Ecrire Ut comme processus d’Itô et montrer que Ut est bien la valeur d’un portefeuille auto–
finançant dont on donnera l’investissement dans l’actif risqué.
3.5. En déduire que le prix recherché du call est Ut .
3.6. Donner l’EDP satisfaite par f .
4. Nous supposons maintenant σ constant et δ t = α ln(St ).
4.1. Ecrire l’EDS satisfaite par St sous Q, puis par Zt = ln(St ). Montrer que Zt est un processus
d’Orstein Uhlenbeck vérifiant
Z t
−at
Zt = e ln(S0 ) + β t + σ e−α(t−s) dWs ,
0
W mouvement Brownien sous Q, où β t est une fonction déterministe de t que l’on ne calculera
pas.
4.2. Prouver que ZT − Zt e−a(T −t) est indépendant de Ft .
4.3. En déduire que
Vt = e−r(T −t) E[ST /Ft ] = γ t exp Zt e−α(T −t) ,
où γ t est une fonction déterministe de t et T que l’on ne cherchera pas à expliciter.
4.4. Quel est le rendement de Vt ? écrire Vt sous forme de processus d’Itô et prouver que sa volatilité
en t est σe−α(T −t) . Montrer que Vt est la valeur financière d’un portefeuille auto-finançant
dont on donnera l’investissement dans l’actif risqué.
4.5. On pose
Ut = e−r(T −t) EQ [(ST − K)+ /Ft ].
Montrer que Ut se calcule de manière explicite à l’aide des paramètres σ, α, T , r, K par une
formule de type Black–Scholes.
4.6. Prouver que Ut est la valeur financière d’un portefeuille auto–finançant. En déduire le prix
en t d’un call d’exercice K et de maturité T .
4.7. Donner une stratégie de couverture à l’aide de Vt et du cash.
4.8. Donner une stratégie de couverture à l’aide de St et du cash.
Rappel : On rappelle la formule du call dans le modèle de Black–Scholes avec paramètres dépendant
du temps : Z T
C(t, St , K, T ) = St N (d1 ) − K exp − r(s)ds N (d2 )
t
RT
e2 =
où σ 1
T −t t σ 2 (s)ds
RT 2 √
ln SKt + r(s)ds + σe2 T −t √
d1 = t
√ e2 T − t
et d2 = d1 − σ
e2 T − t
σ
Exercice 1. Considérons le modèle de Black–Scholes
dBt = rBt dt
dSt = rSt dt + σSt dWt

où r et σ sont des, et W est un mouvement Brownien ou Q la probabilité neutre du risque
(i) Considérons un contrat de payoff au temps T :
Z T
1
π T = ST − Su du
T 0
Déterminer le prix π t pour tout t ≤ T .

Donner la stratégie de couverture pour ce contrat.
(ii) Considérons une option de payoff au temps T :
π T = (ST − K)2 1{ST ≥K}
Un actif contingent de payoff donné par la fonction
g(x) = (x − K)2 1{x≥K}
est appelé powered call.

Montrer que le prix a tout instant t de cet actif est donné par
π t = St2 exp (r + σ 2 )(T − t) Φ(d0 (St , t)) − 2KSt Φ(d1 (St , t))

+ exp [−r(T − t)] K 2 Φ(d2 (St , t))
où
ln SKt + (r + ( 23 − i)σ 2 )(T − t)
di (St , t) = √ .
σ T −t
Exercice 2. Soit S le prix dont la dynamique sous la probabilité neutre du risque Q
dSt = St− [(r − δ)dt + σdWt + κdMt ]
W est Q mouvement Brownien, M est la Q–martingale compensé associée au processus de Poisson N

d’intensité λ.
Déterminer un processus Xt de sorte que St = S0 exp(Xt ). (utiliser la formule de Itô).
Dans les exercices 3 et 4, on ne fait aucune hypothèse sur le cours St de l’actif risqué, mais on
suppose qu’il y a absence d’opportunités d’arbitrage. On note B(t, T ) le prix à la date t d’un zéro–
coupon d’échéance T (c’est à dire la valeur à t de 1 Euro en T ).
Exercice 3. Soit l’instrument financier de flux final
min(max(ST , K1 ), K2 ), K1 < K2
Tracer le profil de cet instrument à la date T . Décomposer son prix à la date t à l’aide de zéro–coupons
et des calls bien choisis.
Exercice 4. C(t, St , K, T ) est le prix à la date t d’un Call de sur S de prix d’exercice K et de maturité
T.
1. On suppose K1 < K2 . Montrer que
B(t, T )(K1 −K2 )≤C(t, St , K2 , T )−C(t, St , K1 , T )≤0.
En déduire que si C est dérivable en K, un encadrement de cette dérivée.

2. (a) Prouver que
C(t, St , K, T ) ≥ (St − KB(t, T ))+ .
(b) On suppose le taux sans risque r constant. Montrer que pour 0 ≤ t ≤ T ,
C(t, St , K, T + θ) ≥ C(t, St , Ke−rθ , T ).

Exercice 5. Modèle de Merton

Soit V la valeur total de l’actif. Soit K le prix d’exercice de l’option. Le payoff F de l’actif risqué
est égale à F = K − max(K − V, 0).
On note par P (t, T ) le prix au temps t d’un zero–coupon de maturité T et de payoff K, et par
d
P (t, T ) le prix à l’intant t de l’actif risqué
1. Calculer P d (t, T ) si la dynamique neutre du risque de l’actif est donnée par
dVt
= rdt + σ V dWt .
Vt
2. Supposons que P d (t, T ) = K exp(−rd (T − t)). Alors rd − r est appelé credit spread (étendue du
crédit) de l’actif risky. Calculer rd − r.
Exercice 6. Modèle de Black–Scholes avec paramètres dépendant du temps..
On reprend le modèle de Black–Scholes, en supposant que les prix des actifs vérifient les équations
suivantes, avec les notations du cours :
dSt0 = r(t)St0 dt, dSt = St (µ(t)dt + σ(t)dBt )
où r(t), µ(t) et σ(t) sont des fonctions déterministes du temps, continues sur [0, T ]. On suppose, de plus,
inf t∈[0,T ] σ(t) > 0.
1. Montrer que : Z Z t Z t
1 2
St = S0 exp tµ(s)ds + σ(s)dBs − σ (s)ds
0 0 2 0
On pourra considérer le processus :
Z t Z t
1 t 2
Z
Zt = St exp − µ(s)ds + σ(s)dBs − σ (s)ds .
0 0 2 0
2. Soit (Xn )n≥0 une suite de variables aléatoires réelles, gaussiennes, centrées, convergeant en moyenne
quadratique vers X. Montrer que X est gaussienne. Rt
Montrer, en approchant σ par des fonctions en escalier, que 0 σ(s)dBs est une gaussienne et
calculer sa variance.
3. Montrer qu’il existe une probabilité Q équivalente à P , sous laquelle le prix actualisé de l’action
est une martingale et donner sa densité par rapport à P.
4. Dans la suite, on se propose d’évaluer et de couvrir un call d’échéance T et de prix d’exercice K
sur une action.
Soit (Ht0 , Ht ) une stratégie auto–financée, de valeur Vt à l’instant t.
Montrer que si { SV0t : t ∈ [0, T ]} est une martingale sous Q tel que VT = (ST − K)+ , alors
t
∀ t ∈ [0, T ], Vt = F (t, St )
où F est la fonction définie par :

Z T Z T +
1 2 −
RT
r(s)ds
F (t, x) = EQ x exp σ(s)dW s − σ (s)ds − Ke t
t 2 t
où {Wt : t ∈ [0, T ]} est, sous Q, un mouvement Brownien standard.

5. expliciter la fonction F et faire le lien avec la formule de Black–Scholes.
6. Construire une stratégie de couverture du call ( expliciter Ht0 et Ht et vérifier la condition d’auto–
financement).
7. Nous allons maintenant retrouver ces résultats en utilisant l’EDP.
On sait que le prix F (t, St ) d’une option de fonction de profit h vérifie :
∂F σ 2 x2 ∂ 2 F ∂F
∀(t, x) ∈ [0, T ] × R+ + 2
+ rx − rF = 0, ∀x ∈ R+ F (T, x) = h(x).
∂t 2 ∂x ∂x
On pose v(t, y) = F (T − t, ey ), σ̄(t) = σ(T − t) et r̄(t) = r(T − t). Montrer que v satisfait l’EDP
∂2v

∂v 1 1 ∂v
∀(t, y) ∈ [0, T ] × R (t, y) = σ̄ 2 (t) 2 (t, y) + r̄(t) − σ̄ 2 (t) (t, y) − r̄(t)v(t, y)
∂t 2 ∂y 2 ∂y
Rt
8. Soit f la fonction définie par f (t) = 21 0 σ 2 (s)ds Montrer que f est bijective sur des intervalles
que l’on précisera. On pose w(τ , y) = v(f −1 (τ ), y)
9. Montrer que
∂w ∂2w ∂w
= 2
+ a(τ ) − b(τ )w
∂τ ∂y ∂y
où a et b sont des fonctions que l’on explicitera.
10. En omettant le terme du second ordre, montrer que la solution générale est de la forme w(τ , y) =
h(y + A(τ ))e−B(τ ) avec A0 (τ ) = a(τ ) et B 0 (τ ) = b(τ ).
11. Chercher maintenant une solution de l’équation générale sous la forme e−B(τ ) V (y − A(τ ), τ ). On
pourra choisir B de manière à ce que V soit solution de
∂V ∂2V
=
∂τ ∂y 2
12. Qu’arrive t-il aux conditions initiales tout au long de ces transformations ?
1.7 Les grecques : Les paramètres de sensibilité

Cette section n’a pas la vocation d’être exhaustive sur la détermination des indicateurs relatifs aux
prix des options. En revanche, elle a pour but de vous introduire l’utilité première de ces indicateurs
dans la gestion d’un portefeuille d’options.
Afin de mieux comprendre l’intérêt des fameux ”grecs”, mettons nous à la place d’un trader sur
options, également appelé ”trader sur volatilité”.
Ainsi, supposons que notre portefeuille est constitué de :
• un ensemble de positions vendeuses et acheteuses sur des options (call et put) portant sur un
sous-jacent Y ,
• n sous-jacent Y .
1.7.1 Le delta
Il calcule la sensibilité de l’option par rapport au prix du sous-jacent. C’est le paramètre le plus
important pour un praticien qui veut se couvrir contre le risque
∂C

 ∂S = Φ(d1 ) dans le modèle B-S



DeltaCall =
 C − Cd
 u

 dans le modèle binomial
Su − Sd
∂P

 ∂S = Φ(d1 ) − 1 dans le modèle B-S



DeltaP ut =

 Pu − Pd

 dans le modèle binomial
Su − Sd
Afin d’obtenir le delta global de notre position, il suffit de multiplier la valeur du delta de chaque option
par sa position. Puis on fait la somme de tous ces deltas.
Par exemple, si l’on est vendeur de 5 calls C1 et acheteur de 7 Call C2 alors notre delta global sera
égal à :
7 × Delta(C2 ) − 5 × Delta(C1 ).
La valeur de ce paramètre nous informe sur la quantité de sous-jacent à acheter ou vendre afin
d’immuniser la valorisation de notre portefeuille aux variations du cours de ce sous-jacent. On dit
souvent que l’on adopte une stratégie en delta neutre.
1.7.2 Le thêta
Il calcule la sensibilité du prix de l’option par rapport à sa maturité
∂C σS
T hêtaCall = = √ Φ0 (d1 ) + Kre−rt Φ(d2 ).
∂T 2 T
∂P σS
T hêtaP ut = = − √ Φ0 (d1 ) − Kre−rt Φ(−d2 ).
∂T 2 T
En raison de sa maturité, une option à une durée de vie limitée ! Souvenez vous la valeur temps.
Ainsi, le temps à un impact non négligeable sur le prix d’une option.
Appliqué à notre portefeuille, le thêta nous donne la valeur perdue ou gagnée suite à l’écoulement
d’une journée.
1.7.3 Le rhô
Il calcule la sensibilité du prix de l’option par rapport au taux d’intérêt.
∂C
RhôCall = = T Ke−rt Φ(d2 ).
∂r
∂P
RhôP ut = = −T Ke−rt Φ(−d2 ).
∂r
Assez peu utilisé par les professionnels !
1.7.4 Le véga
Il mesure la sensibilité de l’option par rapport à la volatilité.
∂C √
V égaCall = = Sσ T Φ0 (d1 ).
∂σ
∂P √
V égaCall = = −Sσ T Φ0 (−d1 ).
∂σ
La volatilité est le paramètre déterminant le prix d’une option. L’impact de la variation de ce paramètre
sur la valorisation de notre portefeuille est très important.
Le Véga est donc un paramètre primordiale pour les trader sur options. Il leur indique en ”cash” la
valeur gagnée ou perdue lors d’une variation de 1% de la volatilité du sous-jacent.
1.7.5 Le gamma
Il est souvent identifié à la courbure de l’option.
∂2C Φ0 (d1 )
GammaCall = = √ .
∂S 2 σS T
∂2P Φ0 (d1 )
GammaP ut = = √ .
∂S 2 σS T
Le gamma correspond à la dérivée du Delta : c’est un paramètre très utilisé pour se couvrir. Il fait
l’objet de plusieurs stratégies sur lesquelles nous reviendrons plus tard !
1.7.6 L’Omega
Il mesure la sensibilité de l’option par rapport au sous-jacent
∂C S SΦ(d1 )
Omega = = .
∂S C C
Dans la cadre du modèle de Black et Scholes le tableau ci-dessous résume les expressions de ces
différents paramètres
Cx0 = Delta = ∆ = N (d1 ) 0 = −e−rT N (d )

CK 0
00 = Gamma = Γ = 1 √
Cxx √ N 0 (d1 ) > 0 Cσ0 = V ega = x T N 0 (d1 )
xσ T
xσ
Ct = T heta = Θ = − √ N 0 (d0 ) − Ke−rT N (d0 ) Cr0 = Rho = ρ = T Ke−rT N (d0 ) > 0
0
2 T
l’EDP :
1 2 2
2σ x Γ + rx∆ − rC + Θ = 0
Gestion ∆-neutre
Paramètres des options Call Put

Cours du sous-jacent S=100$ 3.53 Premium 3.32
Strike K=100$ 0.5267 Delta -0.4733
Taux court r=2,5% 0.0463 Gamma 0.0463
Nbre de jours avant l’échéance 30j 0.1141 Vega 0.1141
Volatilité σ =30% -0.0605 theta -0.0537
Couverture des portefeuilles d’options

– Couverture ∆-neutre : Le portefeuille est insensible à une variation discrète du sous-jacent.
– Couverture ∆-Γ neutre : insensible àux variation du Delta et du Gamma
L’étape la plus importante : l’Implementation Tous les paramètres et vatiables doivent être
identifiés Implémentation naive
les paramètres de l’option
– strike et date d’exercice sont définis dans le contrat
– Quel est le bon cours de l’action à retenir, celui du matin, du soir, le plus fort, le plus faible, etc. . . .
Les cours publiés dans les journaux spécialisés sont souvent des cours reconstitués : moyenne entre
le prix de l’offre et le prix de vente (bid-ask)......
le temps restant à courir : Il apparaı̂t comme
– associé au taux d’intérêt : le nombre de jours du calendrier semble approprié car les intérêts
courent tous les jours.
– associé à la maturité : des études empiriques ont montré un effet jour significatif (week-ends
et jours fériés sont nettement moins risqués).
Souvent, les traders ajustent cette maturité restante ( de volatilité) à un nombre de jours compris
entre le nombre de jours du calendrier et celui du nombre de jours ouvrés ( par exemple, un jour
de non trading = 1/3 d’une journée ouverte). Comme l’année boursière est de l’ordre de 252 jours
ouvrés, cette correction n’est pas négligeable.
1.8 Volatilité
Différentes notions de volatilité
volatilité locale :mesure la variation instantanée du cous-jacent
dXt
= rt dt + σ X
t (dWt + λt dt)
c
Xt
Dans le modèle de Black et Scholes, le Call est localement plus volatil que l’actif sous-jacent.
1.8.1 La volatilité historique

Elle est calculée sur les données historiques par un estimateur de la variance par unité de temps
des rendements du sous-jacent.
Utilisé seulement dans les marchés entrain de se faire
1.8.2 La volatilité implicite

Une notion fondamentale dans les marchés liquides Motivation
Le modèle est moins utlisisé pour faire les prix que pour ∆-hedger les produits.
Définition et calcul :
volatilité implicite d’une option est le pramètre qui permet d’ajuster le prix obervé à celui donné
par BS
C Obs (t, x, T, K) = C BS (t, x, T, K, Σimpl )
Effet de smile : La volatilité dépend des paramètres de l’option : complète contradiction avec le
modèle
1.9 Exercices
1.9.1 Paramètres Sensibilités et EDP : Modèle de Black–Scholes
Exercice 1. Soit sur l’espace (Ω, F, P ) un actif dont le cours suit l’EDS
dSt = St (µdt + σdWt ),

où µ et σ sont des constantes réelles strictement positives et où {Wt : t ≥ 0} est un mouvement
Brownien réel. On suppose de plus qu’il existe un actif sans risque sur le marché satisfaisant
dSt0 = rSt0 dt.

On considère un call de prix à l’instant t noté C(t, St , K, T ). On pose
∂C ∂2C ∂C
∆(t, x) = (t, x, K, T ), Γ(t, x) = 2
(t, x, K, T ) et Θ(t, x) = (t, x, K, T ).
∂x ∂x ∂t
1. En remarquant que e−rt C(t, St , K, T ) est une martingale sous la probabilité neutre du risque,
montrer que
1
Θ(t, x) + rx∆(t, x) + σ 2 x2 Γ(t, x) = rC(t, x, K, T ).
2
En déduire une relation analogue pour le Put. Quelle est la différence entre les deux ?
2. Montrer que
C(0, S0 , K, T ) = P (0, Ke−rT , S0 erT , T )
En déduire la formule de dualité Call/Put :
√ √
C(0, S0 , K, T ) K 0 = KP (0, S0 , K 0 , T )
avec KK 0 = S02 e2rT 3. En déduire une relation entre

∂C ∂P
et .
∂K ∂x
∂C 2
∂ C
4. Trouver une relation entre Θ , C, ∂K et ∂K 2 .
5. Utiliser la relation de parité Call/Put pour expliciter la relation entre :
(a) Le Delta d’un Call Européen et d’un Put Européen.
(b) Le Gamma d’un Call Européen et d’un Put Européen.
(c) Le Vega d’un Call Européen et d’un Put Européen.
(d) Le Theta d’un Call Européen et d’un Put Européen.
Exercice 2. On appelle Delta d’un portefeuille la somme pondérée des Delta de chaque option com-
posant le portefeuille plus la position dans le sous–jacent. Actif Position Delta, Gamma, Vega
Call - 1000 0 :5 2 :2 1 :8
Call - 500 0 :8 0 :6 0 :2
Put - 2000 - 0 :4 1 :3 0 :7
Call - 500 0 :7 1 :8 1 :3
1. On considère un portefeuille constitué d’options sur un sous-jacent. La composition du portefeuille
est décrite dans le tableau ci–dessus. Un chiffre négatif dans la colonne position signifie que l’on a vendu
les options. Que doit-on faire pour que ce portefeuille ait un Delta nul ? On appelle cette position Delta
neutre.
2. On considère une option sur le marché avec un delta de 0.6, un Gamma de 1.5 et un Vega de 0.8.
Quel est le nombre de ces options que l’on doit vendre ou acheter pour avoir un portefeuille Gamma
neutre et Delta neutre ? Calculer le Vega de ce portefeuille.
3. Quel est le nombre de ces options que l’on doit vendre ou acheter pour avoir un portefeuille Vega
neutre et Delta neutre ? Calculer le Gamma de ce portefeuille.
4. On suppose qu’une seconde option est disponible. Elle a un Delta de 0.4, un Gamma de 1.2 et un
Vega de 0.5. Comment le portefeuille peut-il être Delta, Gamma et Vega neutre ?
Problème 1. Option sur moyenne
On considère un marché financier dans lequel il y a un actif sans risque, de prix St0 = ert à l’instant
t (avec r ≥ 0) et un actif risqué, de prix St à l’instant t. Le modèle est étudié sur l’intervalle de
temps [0, T ], (0leqT < ∞). Le processus stochastique {St : 0 ≤ t ≤ T } est défini sur un espace de
probabilité (Ω, F, P ), muni d’une filtration {Ft : 0 ≤ t ≤ T } . On suppose que {Ft : 0 ≤ t ≤ T } est la
filtration naturelle d’un mouvement Brownien standard {Bt : 0 ≤ t ≤ T } et que l’évolution du processus
{St : 0 ≤ t ≤ T } est régie par le modèle de Black–Scholes :
dSt = St (µdt + σdBt ),

u2
avec µ ∈ R et σ > 0. On notera Q la probabilité de densité e−uBT − 2 T par rapport à P , avec u = µ−r σ .
Sous Q, le processus {Wt : 0 ≤ t ≤ T } , défini par Wt = ut + Bt , avec est un mouvement Brownien
standard.
Partie I RT
Nous allons étudier une option dont la valeur à la date d’échéance T est donnée par h = ( T1 0 St dt−
K)+ , où K est une constante positive. Une telle option est appelée option asiatique.
I.1. Rappeler brièvement pourquoi la valeur à un instant t (t ≤ T ) de l’option asiatique ci–dessus est
donnée par " Z T + #
1
Vt = EQ e−r(T −t) St dt − K /Ft
T 0
Rt
I.2. Montrer que sur l’événement { T1 0 Su du ≥ K}, on a
1 − e−r(T −t)
Z t
−r(T −t) 1
Vt = e Su du + St − Ke−r(T −t)
T 0 rT
I.3. On pose Set = e−rt St , pour t ∈ [0, T ].

(a) Démontrer l’inégalité
+
EQ Set − Ke−rT ≤ EQ e−rT (ST − K)+

(Conditionner par Ft ).
(b) En déduire que
V0 ≤ EQ e−rT (ST − K)+ ,

c’est–à–dire que la valeur de l’option asiatique à l’instant 0 est plus petite que celle d’un call
européen d’échéance T et de prix d’exercice K.
(c) Pour t ≤ u, on note Ctu la valeur à l’instant t d’un call européen d’échéance u et de prix
d’exercice K. Montrer l’inégalité :
Z t +
1 T −r(T −u) u
Z
−r(T −t) t 1
Vt ≤ e Su du − K + e Ct du
T t 0 T t
Partie II
On note {ξ t : 0 ≤ t ≤ T } le processus défini par
1 1 t
Z
ξt = Su du − K
St T 0
II.1. Montrer que {ξ t : 0 ≤ t ≤ T } est solution de l’équation différentielle stochastique

1 2
dξ t = + (σ − r)ξ t dt − σξ t dWt
T
II.2. Montrer que " Z T + , #
1
Vt = e−r(T −t) St EQ ξt + Stu du Ft ,
T t
avec
σ2

Stu = exp −(r − )(u − t) + σ(Wu − Wt )
2
II.3. En déduire que Vt = St F (t, ξ t ), avec

+
1 T u
Z
F (t, x) = e−r(T −t) EQ x + St du
T t
Partie III
On cherche maintenant une équation aux dérivées partielles satisfaites par F .
III.1. On suppose que F est C 1 en t et C 2 en x. écrire Vt comme processus de Itô
III.2. En étudiant le rendement de Vt prouver que F satisfait l’EDP
∂F 1 ∂2F ∂F 1 ∂F
+ σ 2 x2 2 − rx − = 0, F (0, x) = x− .
∂t 2 ∂x ∂x T ∂x
III.3. Déterminer une stratégie de couverture parfaite de l’option étudiée.
III.4. écrire une relation de parité Call/Put pour l’option asiatique.
Partie IV
L’objet de cette partie est de proposer une approximation par défaut de V0 consistant à remplacer
la moyenne arithmétique par la moyenne géométrique. On pose ainsi :
Z T +
−rT 1
V0 = e
b EQ exp log(St )dt − K
T 0
IV.1. Montrer que V0 ≥ Vb0 .

T3
RT
IV.2. Montrer que, sous Q, la variable aléatoire 0 Wt dt est une gaussienne centrée de variance 3 .
IV.3. En déduire que !+
r !
σ2 T T
Vb0 = e−rT EQ S0 exp (r − ) + σG −K
2 2 3
où G est une gaussienne centrée réduite, et expliciter Vb0 à l’aide de la fonction de répartition de
la loi normale centrée réduite.
IV.4. Démontrer l’inégalité :
erT − 1 σ2T

−rT rT
V0 − Vb0 ≤ S0 e − exp − −
rT 2 12
Chapitre 2
Options barrières
2.1 Introduction
Les options exotiques sont des produits complexes, qui constituent un marché d’une réelle importance
depuis les années 1990, notamment sur le marché des changes. Leur nom vise surtout à les différencier
des options standards européennes ou américaines. Ce sont des options qui ne sont traitées que sur
les marchés de gré à gré (Over the Counter) à la différence des options standards traitées aussi dans
les marchés organisés. Elles visent à répondre à des besoins spécifiques d’assurance des grands groupes
financiers, des compagnies d’assurance, fonds de pension, etc...
La notion d’exotisme est bien sûr toute relative, car au fur et à mesure qu’un produit financier
devient très liquide il perd progressivement son caractère d’exotisme. L’intérêt pour certaines options
exotiques provient du fait qu’elles sont moins chères que les options classiques équivalentes. Les options
barrières sont un exemple d’une telle réduction, puisque l’option pourra être exercée dans un nombre
de configurations moindre que l’option classique, par exemple seulement si le sous-jacent est passé en
dessous d’une barrière définie dans le contrat. Pour le vendeur de l’option, la principale difficulté sera
de mettre en place une stratégie de couverture efficace, car le delta de telles options présente souvent
des discontinuités, notamment au voisinage de la barrière.
Nous nous intéressons particulièrement aux options barrières et aux options lookbacks, c’est à dire
aux options qui portent sur le minimum ou le maximum des cours. De manière assez surprenante, dans
le contexte de Black et Scholes, il existe des formules fermées pour le prix de telles options, qui reposent
sur un principe de symétrie bien connu des probabilistes.
Nous reprenons les mêmes idées, en montrant comment elles s’étendent à un sous-jacent log-normal
quelconque. Les options barrières binaires nous servent de transition pour l’obtention des formules
fermées pour les barrières et les lookbacks et permettent de proposer des stratégies de couverture quasi-
statiques.
Nous étendrons ces résultats à la formule de réplication statique de Derman Kani, qui dans le cadre
d’un sous-jacent suivant une diffusion markovienne, montre qu’une option barrière peut toujours s’écrire
comme une intégrale en maturités de Call’s à la barrière.
2.2 Formule de symétrie dans la formule de Black et Scholes

Nous utilisons les notations habituelles sur les actions, où
St est le prix de l’action à la date t,
r est le taux d’intérêt instantané supposé constant,
σ la volatilité instantanée constante.
µ désigne le coût de portage (vocabulaire consacré dans le cas des actions), égal à r si l’action ne
verse pas de dividende, à r − q si elle verse un taux de dividende de q.
37
La dynamique du prix de l’action est modélisée par

dSu = Su (µdu + σdWu ), St = x (2.2.1)
où (Wu ) est un brownien risque-neutre sur l’espace (Ω, F, Q).
Remarque 2.2.1 Lorsque le coût de portage est différent de r, le prix à investir en t pour détenir
l’actif en T n’est pas St , mais St e(µ−r)(T −t) qui est donc le vrai sous-jacent d’une option de maturité T .
En d’autres termes, le prix du contrat forward sur l’action est Ft (S, T ) = St eµ(T −t) .
Nous commençons par établir la formule de symétrie lorsque le sous-jacent ne supporte pas de coût
de portage, puis l’étendons simplement au cas général.
Formule de symétrie Call-Put sans coût de portage

Dans cette section, nous supposons que le coût de portage est nul, c’est à dire que sous la probabilité
risque-neutre Q, dSu = Su σdWu .
On désigne par N la fonction de répartition de la loi normale centrée réduite.
Formules de symétrie Call-Put. Le prix d’un Call, pour un flux payé à la maturité T de (ST −K)+
est donné par la formule de Black et Scholes, appliquée à un sous-jacent qui vaut xe−r(T −t) à la date t,
CallBS (t, x, K, T ) = e−r(T −t) [xN [d1 (T − t, x, K)] − KN [d0 (T − t, x, K)]] (2.2.2)
avec
1 x σ √u
d0 (u, x, K) = √ log − ,
σ u K 2
√
d1 (u, x, K) = d0 (u, x, K) + σ u = −d0 (u, K, x). (2.2.3)
De même, le prix d’un Put, qui paye à la maturité un flux de (K − ST )+ , est donné par
P utBS (t, x, K, T ) = e−r(T −t) [KN [d1 (T − t, K, x)] − xN [d0 (T − t, K, x)]] (2.2.4)
Cette formule montre clairement qu’à condition d’intervertir le niveau de sous-jacent et le prix d’exercice,
il existe une formule de symétrie Call-Put
CallBS (t, x, K, T ) = P utBS (t, K, x, T ) (2.2.5)
Remarque 2.2.2 Attention aux places respectives de x et K dans ces formules.
Interprétation mathématique : L’interprétation mathématique de ce résultat en éclaire la portée.
Nous introduisons la probabilité risque-neutre Q et exploitons au maximum le fait que le prix du sous-
jacent dépend linéairement de sa condition initiale, c’est à dire qu’un sous-jacent qui part de K a même
distribution qu’un sous-jacent S qui part de x multiplié par K x . L’équation (2.2.5) devient
" + # " 2 + #
KS T S T x
EQ (ST − K)+ = EQ

x− = EQ −K .
x x ST
Comme ceci est vrai pour tout K, nous en déduisons que la loi de ST sous Q est la même que celle
2
de SxT sous la probabilité QS de densité SxT par rapport à Q. (Rappelons que S n’ayant pas de coût
de portage est une martingale sous Q). Appliquée à des fonctions positives quelconques, la formule
précédente devient 2
ST x
E[f (ST )] = E f . (2.2.6)
x ST
Principe de symétrie dans le cas général

Symétrie dans la formule de Black et Scholes générale : Il y a plusieurs moyens de montrer le principe
de symétrie dans le cas général, mais nous souhaitons en donner une formulation adaptée à notre propos
de réplication statique. Nous considérons donc un sous-jacent
dSu = Su (µdu + σdWu ) , St = x (2.2.7)
La formule de Black et Scholes devient, en ne récrivant pas T − t dans d0 et d1

h i h i
CallBS (t, x, K, T )er(T −t) = xeµ(T −t) N d1 (xeµ(T −t) , K) − KN d0 (xeµ(T −t) , K) ,
h i h i
BS r(T −t) µ(T −t) µ(T −t) µ(T −t)
P ut (t, x, K, T )e = KN d1 (K, xe ) − xe N d0 (K, xe ) .
La formule précédente conduit aussi à une formule de symétrie
CallBS (t, x, K) = e−µ(T −t) P utBS (t, K, xe2µ(T −t) ), (2.2.8)

BS −µ(T −t) BS 2µ(T −t)
P ut (t, x, K) = e Call (t, K, xe ). (2.2.9)
Version mathématique du principe de symétrie général.

Ces formules de symétrie font intervenir la maturité résiduelle, ce qui nous pose un problème dans
l’application aux options barrières. Pour obtenir la formulation adéquate, nous nous ramenons au cas
martingale par une transformation simple, et utilisons la formulation mathématique pour obtenir la
formule de symétrie.
Proposition 2.2.1 Soit S un sous-jacent avec coût de portage (rendement) µ et de volatilité σ, Alors
1. Le processus {Stα , t ≥ 0} est un processus log-normal de coût de portage µα et de volatilité σ α donnés
par
σ2

µα = α µ + (α − 1) , σ α = ασ (2.2.10)
2
2. Pour γ = 1 − 2µ
σ2
, le processus {Stγ , t ≥ 0} est une martingale, c’est à dire log-normal sans coût de
portage.
3. Pour toute fonction f positive
γ 2
ST x
E[f (ST )] = E f (2.2.11)
x ST
4. Pour toute fonction f positive

h 2
i
EQ [STα f (ST )] = xα eµα T EQ f (eασ (T −t) ST ) .
Preuve :
– La formule de Itô nous dit que
dStα 1
α = αµdt + ασdWt + α(α − 1)σ 2 dt
St 2
ce qui caractérise les coûts de portage et la volatilité.

En particulier, pour le paramètre noté γ, qui vérifie µ + 12 (α − 1)σ 2 = 0, le sous-jacent est une
martingale.
– Pour toute fonction f positive, d’après la formule de symétrie sans coût de portage
h 1 i
E [f (ST )] = E f STγ γ
" 2γ γ1 !#
ST γ x
=E f
x STγ
γ 2
ST x
=E f
x ST
– Nous utilisons les propriétés du processus S α pour calculer les prix de l’option Power.
La v.a. STα est positive, d’espérance sous la probabilité risque neutre Q égale à xα eµα T . On définit
la probabilité Qα par
dQα STα α2 σ 2

= α µ T = exp ασWT − T
dQ x e α 2
sous laquelle Wtα = Wt − ασt est mouvement brownien. Sous la probabilité Qα , (Su ) est un
brownien géométrique de même volatilité σ et de coût de portage µ + ασ.
2
– Remarquons que eασ (T −t) ST a même loi que STα . Par suite, pour toute fonction f positive,
2
l’espérance de STα f (ST ) est égale à l’espérance de f (eασ (T −t) ST ), correctement pondérée.
Interprétation financière de la symétrie
Nous pouvons réinterpréter ces formules en termes d’options. Toutefois, il est important de noter que
des payoffs qui dépendent de la condition initiale ne génèrent a priori pas nécessairement des portefeuilles
auto-finançants, en d’autres termes

e−r(T −t) OptEur t, St eµ(T −t) , φ(St eµ(T −t) , ST )
n’est pas nécessairement une martingale. Toutefois, cette propriété est conservée pour les fonctions φ
que nous utilisons ci-dessous.
Théorème 2.2.1 Soit S un sous-jacent de coût de portage µ et γ = 1 − 2µ σ2
.
Eur
1. Désignons par Opt (t, x, f (ST )) le prix d’une option européenne de payoff f (ST ) ≥ 0.
γ 2
Eur Eur ST x
Opt (t, x, f (ST )) = Opt t, x, f (2.2.12)
x ST

= OptEur t, x, φf (x, ST ) ,
2
où φf (x, z) = ( xz )γ f ( xz ).
2. Options avec poids : Pour toute fonction f positive,
α µα (T −t)
OptEur α
(µ,σ 2 ) (t, x, ST f (ST )) = x e OptEur
(µ+ασ 2 ,σ 2 ) (t, x, f (ST ))
3. Principe de symétrie
γ−1 + !
ST K
Call(t, x, K) = OptEur t, x, x − ST )
x x
= P owerP ut (t, K, x, γ − 1) (2.2.13)
4. Supposons la fonction f dérivable presque partout, de dérivée f 0 bornée. Le Delta de l’option Eu-
ropéenne est donné par

ST 0
DeltaOptEur (t, x, f ) = OptEur t, x, f (ST )
x
= DeltaOptEur (t, x, φf (x, ST ))

= OptEur t, x, δφf (x, ST )
2
si δφf (x, z) = ( xz )γ−1 f 0 ( xz ).
Remarque 2.2.3 Nous pouvons montrer que la dérivée d’une option peut se calculer en multipliant le
payoff par xσ1√T (−d0 (T, xerT , ST )), fonction affine de log(ST ).
En particulier

Eur Eur 1 µT
DeltaOpt (t, x, f (ST )) = Opt t, x, √ (−d0 (T, xe , ST ))f (ST ) .
xσ T
2.2.1 Caractéristiques générales

Options In et Out
Les options barrières sont un nom générique donné aux produits dérivés dont les payoffs dépendent
du fait que le sous-jacent a atteint ou non un niveau donné (ou barrière) durant la durée de vie de
l’option. Les plus courantes sont { knock-out options : L’option expire automatiquement quand le sous-
jacent touche une ou plusieurs barrières pré-déterminées.
– knock-in options : L’option est activée si les barrières sont touchées. Par ailleurs, ces options
barrières sont structurées comme des puts ou calls européens.
Par exemple :
Un DOC (down-and-out Call) de strike K, de barrière H et maturité T est l’option d’acheter le
sous-jacent au prix K au temps T si le sous-jacent ne descend jamais en-dessous de H.
Un UOC (up-and-out Call) possède les mêmes caractéristiques, mais la barrière est montante.
Un DIC (down-and-in Call) est activé si le sous-jacent passe au-dessous de la barrière.
Un UIC (up-and-in Call) est activé si le sous-jacent passe au-dessus de la barrière.
– Les mêmes définitions s’appliquent aux puts et aux options binaires.
Par exemple :
Un DIP est un (down-and-in Put).
Un BinDIC est un Call binaire, qui n’est activé que si le sous-jacent passe au-dessous de la
barrière.
Un DIB (down-and-in Bond) est un produit qui paye 1 Euro à l’échéance si la barrière a été
touchée.
Options regular ou reverse

Les options barrières peuvent être classées selon la valeur intrinsèque à la barrière :
Une option barrière qui est en dehors de la monnaie lorsque la barrière est touchée, (c’est à dire
dont le payoff est nul à la barrière et au-delà) est appelée une regular option. (Par exemple, une DIC
de barrière B et de prix d’exercice K ≥ B ou une UIP de barrière H et de strike K ≤ H.)
Dans le cas inverse, l’option est dite une reverse option.
Certaines options barrières sont assorties d’une compensation, le rebatte, sous forme de cash si
l’option est out. Le prix du rebatte est celui d’une option binaire à barrière.. En particulier, le rebatte
est souvent choisi pour qu’il y ait continuité des payoff à maturité à la barrière, soit si le payoff est
f (ST ) en T , on choisit un rebatte de f (H) à la barrière..
Remarque 2.2.4 1. Par arbitrage, être long d’une option In et d’une option Out est équivalent à
détenir une option standard, dite encore vanilla. Il suffit donc d’étudier les options in.
2. Considérons une option barrière Up In reverse, dont le payoff est nul en dessous de la barrière (par
exemple un Call de strike plus grand que la barrière). Dans ce cas, le payoff n’a de valeur que si la
barrière a été franchie. Le UICall et le Call ont donc la même prix à toute date. L’option barrière est
donc une option européenne.
C’est cette propriété qui est utilisée dans le principe de symétrie. En particulier, nous avons la
décomposition suivante.
Proposition 2.2.2 Soit U I(t, x, H, f (ST )) une option barrière de payoff f (ST ). Cette option est la
somme de deux options, une option barrière regular de payoff f H (ST ) = f (ST )1{ST ≤H} et une option
Européenne de payoff (f − f H )(ST ) soit :
U I (t, x, H, f (ST )) = U I t, x, H, f H (ST ) + OptEur t, x, (f − f H )(ST ) .

Il ne nous reste donc qu’à étudier les options “regular”.
2.2.2 Pricing et Réplication d’une option Up In regular

Nous étudions le cas d’une option Up “regular”, dont le payoff f H (ST ) est nul au-dessus de la
barrière H.
Théorème 2.2.2 Soit f H (ST ) le payoff d’une option Up regular, nul pour z ≥ H, et U IOpt(t, x, f H (ST ), T )
le prix de l’option In associée.
Pour tout z < H, cette option est réplicable par une option Européenne standard de payoff φH,γ (z, f ) =
2
( Hz )γ f H ( Hz )
γ 2
H
Eur ST H H
U IOpt t, x, f (ST ) = Opt t, x, f (2.2.14)
H ST
x γ 2
H
= OptEur t, x, f H ST (2.2.15)
H x2
Mathématiquement, introduisons le temps τ H de passage au-dessus de H,
τ H = inf {u ≥ t , Su ≥ H} (2.2.16)
γ
H2

H ST H
E[f (ST )1{τ H ≤T } ] = E f
H ST
x γ 2
H
= E fH( ST (2.2.17)
H x2
Remarque 2.2.5 La première égalité dans ( 2.2.14) donne la réplication statique, pour un sous-jacent
en dessous de la barrière.
La deuxième est très efficace pour le calcul, car le prix de l’option barrière a exactement la même
complexité de calcul que celui de l’option européenne dont on est parti. Il suffit de multiplier par un
poids et de dilater le payoff.
Preuve : Nous désignons par τ H = inf{u ≥ t , Su ≥ H} le premier instant après t où le sous-jacent
passe au-dessus de la barrière H. Pour évaluer l’option à la date t, nous pouvons par arbitrage choisir
d’évaluer l’option à la date τ H pour τ H < T puis donner un prix en t pour ce flux aléatoire payé en
τ H . A la barrière, le niveau du sous-jacent est connu, seule la maturité restante T − τ H est aléatoire et
l’option UIOpt est équivalente à un OptEur (τ H , H, f H , T ). Comme le sous-jacent est log-normal, et la

volatilité déterministe, la dynamique du sous-jacent initialisé au temps aléatoire τ H et au point H, est,
conditionnellement à l’observation du passé jusqu’en τ H à distribution log-normale.
La formule de symétrie (2.2.5) et l’homogénéité du prix du Put montrent que
OptEur τ H , H, f H (ST ) = OptEur τ H , H, φH,γ (ST )

L’option qui à la barrière vaut OptEur (τ H , H, φH,γ (ST )) est une option Up et In de payoff φH,γ (ST ).
Par suite, l’option U IOpt(t, x, H, f H (ST )) est équivalente à une U IOpt(t, x, H, φH,γ (ST )).
A l’échéance T , la valeur intrinsèque φH,γ n’a de la valeur que si le sous-jacent est supérieur à H. La
barrière H a donc été atteinte durant la vie de l’option avec une probabilité 1 ; la barrière n’a donc
plus d’influence sur le prix. L’option barrière U IOpt(t, x, f H (ST )) est donc égale à l’option vanilla
OptEur (t, x, φH,γ (ST )). Cette formulation donne une réplication statique de l’option barrière au moyen
d’une option européenne, dont le payoff φH,γ est déduit de manière analytique, mais assez compliquée
si l’on pense aux Calls et Puts, de f H .
Revenons donc à la forme explicite de φH,γ . Le payoff de l’option
γ 2
Eur ST H H
Opt t, x, f ,
H ST
suggère de réappliquer une formule de réplication statique à la date t cette fois-ci (l’autre fois était à
la barrière). Il faut alors mettre en évidence des quantités de la forme SxT à la place des quantités de la
forme SHT , ce qui revient à écrire
γ 2 γ 2 2
ST H H x γ ST H H x
f = f .
H ST H x x2 ST
La formule de réplication statique (2.2.13) nous donne alors
γ 2 2
Eur ST H H x γ Eur H H
Opt t, x, f = Opt t, x, f ST .
H ST H x2
2.3 Application aux Calls, Puts et Binaires

Nous continuons à nous intéresser à des options regular Up-In, Call et Put en particulier. Le cas
général se ramène simplement à ces deux situations. Il suffit de décomposer le payoff f en
c
f (z) = f H (z) + f H (z) = f (z)1{z<H} + f (z)1{z≥H}
L’option UIOpt de payoff f se ramène donc à une option regular U IOpt(t, x, f H ) plus une option
c
Européenne de payoff f H , pour x < H. Au delà de la barrière, il s’agit d’une option Européenne
standard de payoff f .
Les options dont le payoff est le plus simple, et qui joueront un grand rôle dans la suite sont les
options qui payent 1 Euro si la barrière est touchée, désignée par P. Carr par UIB.
2.3.1 Evaluation des options UIB

Le prix de ces options s’exprime aisément à partir des Calls et Puts binaires grâce à la décomposition
en partie regular et partie européenne 1 = 1{z<H} + 1{z≥H}
∀ x ≤ H, U IB(x, H) = BinC(x, H) + BinU IP (x, H, H),

∀ x ≥ H, U IB(x, H) = B(0, T ).
En utilisant les équations des sections précédentes et la formule de Black et Scholes, nous obtenons
x γ
U IB(x, H) = BinC(x, H) + BinC(H, x)
x γ H
= N (δ 0 ) + N (δ 1 ),
H
où
1 x σ √T √
δ 0 = √ log + γ et δ 1 = δ 0 − σγ T .
σ T H 2
2.3.2 Le cas de Put

Put regular
Etudions l’option Put avec strike inférieur à la barrière (K ≤ H). Le payoff f (ST ) = (K − ST )+ est
donc regular. L’étude que nous venons de faire nous montre que cette option
barrière est regular et que son prix est donné par
+ !
H2
x γ
Eur
U IP ut(t, x, H, K) = Opt t, x, K − 2 ST
H x
Kx2
x γ−2
= P ut t, x, 2
H H
Cette option est réplicable statiquement par une option de payoff

γ +
ST γ−1 K
+
H2

ST
K− = ST − H
H ST H H
+
K ST γ−1 H2

= ST −
H H K
Il s’agit de HKγ options P owerCall(t, x, HK2 , γ − 1). En d’autres termes, si on peut acheter ces options
sur le marché, on les garde en couverture dans le portefeuille jusqu’à ce que le sous-jacent touche la
barrière.. On les revend à ce moment là, et on rachète un Put d’échéance T et de strike K. Cette
stratégie est bien auto–finançante, puisque le prix de l’option barrière donné par la formule précédente
est à la barrière exactement le même que celui du Put (à la barrière) comme le montre le principe de
symétrie.
Remarque 2.3.1 Dans le cas où γ = 1 on retrouve le résultat de P. Carr qui montre que l’option
UIPut est réplicable statiquement par un Call de strike HK2 . En fait, les options powers sont rarement
directement accessibles sur le marché. On peut être donc amené à les répliquer, à l’aide d’une famille
de Call et Put bien choisis, de même maturité mais de strikes différents, comme nous le verrons dans
le chapitre suivant. Il s’agit alors toujours d’une couverture statique car les poids de la réplication ne
dépendent pas des conditions de marché aujourd’hui. Une autre voie est d’utiliser la replication par
“delta-hedging” de ces options “power”.
Put barrière reverse

Supposons le strike supérieur à la barrière (K ≥ H). La partie non regular du payoff est
(K − ST )+ 1{ST >H} = (K − ST )+ − (K − H)+ 1{ST ≤H} − (H − ST )+

L’option barrière associée à ce payoff est donc composée d’un Put, P ut(x, K) moins un Put P ut(x, H),
moins (K − H) options BinPut de strike H.
Considérons la partie regular du payoff, i.e.,
f H (ST ) = (K − ST )+ 1{ST <H}
et utilisons la décomposition
(K − x)+ 1{x<H} = (H − x)+ (K − H)1{x<H}
L’option barrière de partie regular f H est donc identique à la somme d’un U IP (t, x, H, H) et de K − H
options binaires BinP (x, H), que nous avons étudiées dans l’analyse de la UIB. Cette formule très
générale est une simple conséquence de l’arbitrage et ne suppose aucune hypothèse particulière sur les
sous-jacents, contrairement à la formule d’évaluation de la UIP. La proposition 2.2.2 nous donne
Eur
U IOpt(x, T, f (ST )) = U IOpt(x, T, f H (ST )) + OptEur ((f − f H )(ST )),
soit,
U IP ut(x, H, K) = P ut(x, K) + U IP ut(x, H, H) + (K − H)+ BinU IP (x, H, H)

−(P ut(x, H, H) + (K − H)+ BinP (x, H, H))
x γ−1 h x
= P ut(x, K) + P ut(H, x) + (K − H)+ BinP (H, x)
H H
− P ut(x, H, H) + (K − H)+ BinP (x, H, H) .
Le cas de Call Par la même discussion que pour les Put, on obtient les résultats suivants pour la partie
regular du Call :
Si H ≤ K, on a U IC(x, H, K) = Call(x, K) :
Si H > K, on a f H (z) = (z − K)+ 1{z≤H} = (z − K)+ − (z − H)+ − (H − K)+ 1{x≥H} .
Le prix de l’option européenne de payoff f H (ST ) est :
OptEur (x, f H (ST )) = Call(x, K) − Call(x, H ∧ K) + (H − K)+ BinC(x, H) :
L’option UIC a un prix donné par
U IC(x, H, K, T ) = Call(x, K) − Call(x, K) − Call(x, H ∧ K) − (H − K)+ BinC(x, H)

x γ
H2

H2

+
+ Call , K − Call , H ∧ K − (H − K) BinC(H, x) .
H x x
2.4 Delta-hedging des options barrières

Comme nous l’avons montré, les options barrières sont réplicables statiquement par des options
européennes, mais ces options changent selon qu’on est inférieur à la barrière ou non.
2.4.1 EDP d’évaluation

Comme celui des options Européennes, le prix des options barrières est solution d’une équation aux
dérivées partielles. Le plus simple est de travailler avec des options Out, dont nous avons vu qu’elles ne
dépendent que de la fonction f H . On a le résultat suivant, qui est valable pour une diffusion générale.
Théorème 2.4.1 Soit u une solution régulière dans ]0, T [×]0, H[ du problème de Dirichlet :

∂u 1 ∂2u ∂u
(t, x) + σ 2 (t, x)x2 2 (t, x) + rx (t, x) − ru(t, x) = 0



∂t 2 ∂x ∂x

u(t, H) = 0 , u(T, x) = f H (T, x) ∀ x ≤ H.


La fonction u(t, x) est le prix à la date t, sachant que St = x de l’option barrière U O(t, x, f H (ST )). En
particulier u(t ∧ τ H , St ∧ τ H ) est la valeur en t d’un portefeuille auto–finançant, qui réplique le payoff
de l’option à maturité. Son delta est la dérivée du prix u en (t, St ).
Notons que cette fonction n’est pas nécessairement continue à la barrière, comme nous le voyons
dans le paragraphe suivant.
Le Delta de l’option barrière à la barrière

Nous revenons au modèle de Black et Scholes et pour simplifier, dans toute cette section,
nous supposons γ = 1
H2
L’option UIP regular est réplicable statiquement par K H Call de strike K tant que le sous-jacent est
au dessous de la barrière et par un Put standard ensuite. A la barrière, la symétrie Call-Put garantit
qu’il n’y a pas de discontinuité du prix. Il n’en est pas de même du delta de couverture qui admet une
limite à gauche donnée d’après (2.2.14) par

−rT K H
∆− U IP (H, K, H) = e N d1
H K
alors que la limite à droite est donnée par

H
∆+ U IP (H, K, H) = ∆P ut(H, K) = −e−rT N d0
K
Par suite,le delta de couverture n’est pas continu à la barrière, et admet un saut négatif,

rT 1 H H
e [∆+ − ∆− ]U IP (H, K, H) = − HN d0 + KN d1
H K K
2.5 Quelques applications mathématiques

Loi du temps d’atteinte τ H de la barrière haute
Traduisons mathématiquement les résultats concernant l’option UIB à l’aide du temps d’arrêt τ H .
Il vient pour x < H,
x γ H 2
P (τ H ≤ T ) = P ST ≤ H + P (ST ≥ H)
H x2
x γ h x γ i h x γ i
= N d1 , γσ + N d0 , γσ
H H H
Les propriétés suivantes seront très utiles.
Lemme 2.5.1 Posons

1 γ √ 1 γ √
δ 0 (z, σ, T ) = √ log(z) − σ T , δ 1 (z, σ, T ) = √ log(z) + σ T .
σ T 2 σ T 2
Alors
1 2
δ 1 (z, σ, T ) − δ 20 (z, σ, T ) = log(z γ ).

2
De plus
∂δ 20 ∂δ 2 1
= 1 = − δ 1 (z, σ, T )δ 0 (z, σ, T ).
∂T ∂T T
Preuve :
La première relation se déduit de
1 2 1
δ 1 (z, σ, T ) − δ 20 (z, σ, T ) =

(δ 1 (z, σ, T ) + δ 0 (z, σ, T )) (δ 1 (z, σ, T ) − δ 0 (z, σ, T ))
2 2
1 √
= √ log(z)γσ T = log(z γ ).
σ T
Pour la deuxième, remarquons que
∂ √ 1 √

∂ 1 1 1
√ =− √ et que T = T
∂T T 2T T ∂T 2T
Par suite, il vient immédiatement que

∂δ 0 1 ∂δ 1
=−
∂T 2T ∂T
Nous sommes alors en mesure de calculer simplement la densité de la loi de τ H .
Théorème 2.5.1 Pour x < H, la v.a. τ H admet une densité, donnée par
2
1 x 1 1 x
fH (T ) = − log √ exp − δ 0 , γ, σ, T
Tσ H 2π 2 H
x
Preuve : D’après la formule donnant la fonction de répartition de τ H , nous voyons que pour z = H

1
γ 1 2 ∂δ 1 1 1 2 ∂δ 0
fH (T ) = z √ exp − δ 1 + √ exp − δ 0
2π 2 ∂T 2π 2 ∂T
D’après les calculs précédents, en tenant compte du fait que

2 2
δ1 δ
γ
z exp − = exp − 0
2 2
il vient
2
1 δ δ1 + δ0
fH (T ) = √ exp − 0 −
2π 2 2T
2
1 δ0 log(z)
= √ exp − −
2π 2 Tσ
2.5.1 Loi du maximum, ou du minimum

La même formule nous permet d’étudier la loi du maximum, quand on connaı̂t la valeur terminale..
Puisque
P (ST ≤ K, ST∗ ≥ H) = P (ST ≤ K, τ H ≤ T )
x γ H 2
= P ST ≤ K
H x2
x γ Kx
= N δ1 , σ, T
H H2
alors que
x K
P (ST ≤ K) = N δ 1 , σ, T =N −δ 0 , σ, T .
K x
Proposition 2.5.1 La fonction de répartition de la loi conditionnelle de ST∗ sachent que {ST = K} est
donnée par
x
∗ 2 K
P (ST ≥ H/ST = K) = exp − 2 log log pour x, K ≤ H
σ T H H
Remarque 2.5.1 Cette loi est extrêmement importante dans les approximations de Monte-Carlo, car
elle permet de mesurer l’erreur faite sur une fonction du maximum lorsqu’on ne fait que des observations
discrètes..
Preuve : La fonction de répartition conditionnelle est donnée par

∂K P (ST∗ ≥ H, ST ≤ K)
P (ST∗ ≥ H/ST = K) =
∂K P (ST ≤ K)
x γ
exp − 12 δ 21 Kx , σ, T ∂K δ 1 Kx

H H2 H 2 , σ, T
=
exp − 12 δ 21 Kx x

, σ, T ∂K δ 1 K , σ, T
x γ
En tenant compte du terme en ( H ) qui est en facteur, il vient que

∗ 2 H H
P (ST ≥ H/ST = K) = exp − 2 log log pour H ≥ K, H ≥ x
σ T K x
Corollaire 2.5.1 De même pour la loi du minimum,

2 B B
P (S∗,T ≤ B/ST = K) = exp − 2 log log pour B ≤ x, K ≥ B
σ T K x
On peut aussi déduire de la formule ci-dessus la loi du maximum.
Proposition 2.5.2 Nous avons

x γ x x
P (ST∗ ≥ H) = N δ1 , γ, σ, T + N δ0 , γ, σ, T
H H H
La loi admet une densité

2 1 1 x
m∗ (dH) = √ exp − δ 20 , γ, σ, T
σ 2πT H 2 H
γ x γ x
+ N δ1 , γ, σ, T dH
H H H
La densité s’obtient à partir des calculs précédents.
2.6 Les options lookback

La formule donnant le prix de la BinDIC peut être utilisée pour évaluer et couvrir les options sur
minimum et maximum.
Nous appelons M inC(x, K) le prix d’une option qui permet d’acheter à l’échéance le sous-jacent à
un prix égal à K fois la plus petite valeur mT prise par le cours durant la période où court l’option
(mT = min0≤u≤T Su ). Le payoff final s’écrit (ST − KmT )+ . Le lien avec les options barrières est fait
grâce à l’identité
Z ST Z +∞
(ST − KmT )+ = dy = 1{KmT ≤y≤ST } dy
KmT 0
de telle sorte que

Z +∞ y
M inC(x, K) = BinDIC x, y, dy (2.6.18)
0 K
Dans cette dernière expression, il faut distinguer le cas où la valeur x aujourd’hui du sous-jacent est
y
plus grande que la barrière K , du cas opposé. Dans le premier cas,
γ
y xK y
BinDIC x, y, = BinC , xK
K y K
y y
tandis que dans le cas x ≤ K , BinDIC(x, y, K ) = BinC(x, k).
La contribution de ce terme au prix de la M inCt(x, K) est un Call(x, xK). Le premier terme est
un peu plus compliqué à calculer. Nous avons donc
Z xK y
M inC(x, K) = BinDIC x, y, dy + Call(x, xK)
0 K
Supposons γ = 1, le sous-jacent est une martingale St = xMt , M0 = 1. L’égalité

x K
BinDIC(x, K, H) = − DeltaP H, x
H H
a été obtenue pour x > H et K ≥ H.

Pour x < H,
BinDIC(x, K, H) = DIC(x, K, H) = Call(x, K).
En utilisant ces égalités pour y ∈ [0, xK] et K ≥ 1, on obtient
" + #
ST
M inC(x, K) = Call(x, xK) + xKE log
xK
soit, en notant CallLn(x, K) le prix d’un call de payoff (log(MT ) − log K)+
x
M inC(x, K) = Call(x, xK) + Call log(x, xK).
K
1
Si le sous-jacent est log–normal, on obtient en utilisant le coefficient γ tel que ST = xMTγ
Z xK Z xK γ
y xK y
BinDIC x, y, dy = BinC , xK dy
0 K 0 y K
1
De l’identité BinC(x, K) = e−rT Q(xMTγ > K), on déduit
xK γ
Z xK Z xK
y
BinDIC x, y, dy = e−rT E 1 − 1 dy
0 K 0 y {y>xK 2 MT γ }
Z +∞
−rT γ
= e (xK) E y −γ 1 −γ1 dy
0 {xK 2 MT <y<xK}
" 1−γ !+ #
e−rT (xK)γ
1
1−γ −
= E (xK) − xK 2 MT γ
1−γ
" + #
e−rT xK γ−1
= E 1 − K 1−γ MT γ
1−γ
2µ
En utilisant la formule de Itô et 1 − γ = σ2
γ−1 γ−1

γ γ 2µ
dMt = Mt µdt − dWt
σ
on obtient
Kσ 2

1−γ 2µ
M inC(x, K) = x Call(1, K, µ, σ) + P ut K , 1, µ,
2µ σ
où P ut(x, K, µ, σ) désigne un put sur un sous–jacent de coût de portage µ et de volatilité σ. Le prix à
la date t est M in(t, x, K) = M in(St , Kmt ) où mt = min 0≤s≤t Ss .
2.7 Appendice
2.7.1 Réplication en maturités
Derman et Kani de Goldman Sachs ont proposé un autre titre de réplication statique, qui utilise des
Call ou des Powercalls à la barrière, de différentes maturités.
Cette représentation est valable si la diffusion du sous-jacent est une diffusion markovienne à coef-
ficients indépendants du temps.
Dans le cas des sous-jacents log-normaux, nous avons une représentation des poids qui interviennent
dans cette représentation.
Proposition 2.7.1 Pour x ≤ H, U IP ut de strike K < H est réplicable statiquement par un continu-
um de Calls à la barrière
Z T
U IP ut(t, x, H, K, T ) = α(s)P owerCall(t, x, H, γ − 1, s)ds, (2.7.19)
t
où α(s) = K 1−γ β H (0, K, T − s) si β H (t, K, H, s) = β H (0, K, H, s − t) est la densité de probabilité du

temps d’atteinte de la barrière H à l’instant s en partant de K à l’instant t.
Preuve :
A la barrière, l’option qui émerge est donc équivalente à HKγ options avec des poids à la puissance
2
γ − 1, P owerCall(τ H , H, HK , γ − 1), soit encore K 1−γ P owerCall(τ H , K, H, γ − 1) :
Désignons par θH (t, K) le premier instant après t pour lequel le processus retourné (en temps) partant
de K à l’instant t touche la barrière H, (K < H), et par β H (t, K, s) la densité de la loi de cette v.a.,
c’est à dire
Q (θH (t, K) ∈ (s, s + ds)) = β H (t, K, s)ds (s ≥ t).
Au moment où il touche la barrière, il génère un PowerCall dont le sous-jacent est à la barrière et le
strike à la barrière.. On a la représentation
K 1−γ P owerCall(τ H , K, H, γ − 1, T )
Z T
1−γ
= K β H (τ H , K, u)P owerCall(u, K, H, γ − 1, T )du (2.7.20)
τH
Z T
= α(s)P owerCall(τ H , H, H, γ − 1, s)ds. (2.7.21)
τH
où
α(s) = K 1−γ β H (τ H , K, T − (s − τ H )) = K 1−γ β H (0, K, T − s) (2.7.22)
La propriété remarquable ici est que les α(s) ne sont pas aléatoires, par suite de l’homogénéité en temps
du processus log-normal.
A la barrière, le payoff de l’option barrière PowerCall de strike K s’écrit donc comme un continuum
d’options barrières PowerCall de strike H et de maturité variable. Cette représentation vaut à n’importe
quelle date. Il reste à noter que les PowerCalls ainsi générés à l’instant τ H sont associés à des options
barrières “reverse”. La barrière n’a donc pas d’influence dans le pricing. On obtient ainsi une réplication
statique à l’aide d’options powers, et les coefficients s’interprètent comme les densité de temps d’atteinte
de la barrière en partant de K.
Remarque 2.7.1 La même preuve, mais sans description explicite des coefficients, peut être utilisée
pour une réplication statique à l’aide de Call standards. Il suffit pour cela de résoudre le système fonc-
tionnel en α(s)
Z T
P ut(t, H, K, µ, T ) = α(s)Call(t, H, H, µ, s)ds.
t
Ce système n’est
√ pas très régulier, car au voisinage de la maturité les Calls se comportent approxima-
tivement en T − t.
2.7.2 Evaluation des options barrières Out en cas de paiement de dividendes

Nous nous intéressons à une option Up and Out, de payoff f H , nul pour z ≤ H, écrite sur un
sous-jacent S qui paye un dividende de d1 en t1 , c’est à dire que St = Yt si t < t1 et que St = Yt − d1
si t ≥ t1 . Dans toute la suite, nous supposons l’horizon T ≥ t1 . L’option Out n’a de la valeur que si la
frontière n’a pas été touchée entre 0 et T . Cela implique en particulier que la frontière H n’a pas été
touchée entre 0 et t1 pour le processus Y , et que la frontière H + d1 n’a pas été touchée par le processus
Y après t1 et avant T .
Considérons le prix de l’option Out en t1 si la frontière H n’a pas été touchée. Le prix de l’option
est alors le prix d’une option barrière classique, de barrière H + d1 et de payoff f H (• − d1 ). D’après
les résultats précédents le prix de cette option barrière Out est le prix d’une option barrière standard
moins le prix d’une option In.
G(t1 , Yt1 ) = OptEur(t1 , St1 , g H+d1 ,γ , T ) (2.7.23)
(H + d1 )2

H+d1 ,γ H z H
g (z) = f (z − d1 ) − f − d1 (2.7.24)
H + d1 z
Pour calculer le prix de l’option barrière Up and Out à la date t1 , nous devons considérer comme payoff
terminal la fonction GH (t1 , Yt1 ) = G(t1 , Yt1 )1{Yt1 ≤H} .
Nous pouvons maintenant réappliquer la formule d’évaluation des options barrières pour obtenir que
x γ 2
d H Eur Eur H
U OOpt (t, x, f , T ) = OptY (t, x, GH , T ) − OptY t, x, GH · ,T (2.7.25)
H x2
Comme la fonction GH est elle-même associée au prix d’une option barrière, nous pouvons simplifier
les calculs
OptEur (t, x, GH , T )
Y γ
(H + d1 )2

YT H
= E 1{Yt1 ≤H} f (YT − d1 ) − f − d1
H + d1 YT
γ
(H + d1 )2

h i YT
= E 1{Yt1 ≤H} f (YT − d1 ) − E 1{Y ≥ x2 } fH YT − d1
t1 H H + d1 x
2
De même, le terme en OptEur
Y t, x, GH Hx2
· ,T
2
H
OptEur
Y t, x, GH · ,T
x2
2
H
= E 1{Y ≤ x2 } f YT − d1
t1 H x2
γ γ γ
(H + d1 )2 x2

H YT H H
−E 1{H≤ x2 } f − d1
Yt
1
H + d1 x x H2 YT
2
H
= E 1{Y ≤ x2 } f YT − d1
t1 H x2
γ γ " 2 !#
H H H + d1
− E 1{H≤Yt1 } f H YT − d1 .
H + d1 x H2
2.8 Exercices
Problème 2. On considère un marché sans opportunité d’arbitrage, muni d’un actif risqué S et de cash
S 0 . On étudie l’option barrière suivante : “down and in call” dite à barrière activante : soit K le prix
d’exercice, L la barrière avec K > L. Soit S0 la valeur de l’actif en 0 supposée supérieure à L.
L’acheteur d’une telle option a le droit, si le cours de l’actif a touché la barrière entre 0 et T , d’acheter
S au prix K en T . On suppose que le marché est complet et on note Q la probabilité risque neutre.
Soit TL le temps d’arrêt suivant : TL = inf{t ≥ 0 : St ≤ L}.
Montrer que le prix en 0 de l’option barrière ci-dessus s’écrit
DIC(S0 , K, L) = EQ e−rT (ST − K)+ 1{TL ≤T }

L’objectif de ce problème est de calculer ce prix pour le modèle de Black et Scholes (sans utiliser a priori
la loi du sup de l’actif). On note toujours C(t, St , K, T ) (resp. P (t, St , K, T )) le prix en t d’un call (resp.
d’un put) de prix d’exercice K et de maturité T .
Partie I.
Dans un premier temps on suppose que r = 0, c’est à dire que dSt = σSt dWt , où Wt est un
mouvement Brownien sous Q.
I.1 Montrer que
C(t, St , K, T ) = P (t, K, St , T ) et ∀ λ > 0, P (t, λSt , λK, T ) = λP (t, St , K, T )

I.2 Prouver que

" " + , # #
2
σ(WT −WTL )− σ2 (T −TL )
DIC(S0 , K, L) = EQ EQ Le −K FT 1{TL ≤T } ,
où FTL est la tribu associée au temps d’arrêt TL .

I.3. Que dire du processus (Wt + TL − WTL )t≥0 et de la tribu FTL sur {TL ≤ T } ?
I.4. En déduire que
DIC(S0 , K, L) = EQ [C(0, L, K, T − TL )1{TL ≤T } ],
I.5. Montrer de même que

" + #
L2 L2

EQ − ST 1{TL ≤T } = EQ P 0, L, , T − TL 1{TL ≤T } ,
K K
I.6. Montrer à l’aide de la question 1, que

" + #
K L2
DIC(S0 , K, L) = EQ − ST 1{TL ≤T }
L K
L2
I.7. Que dire de TL si ST < K ?, En déduire que
L2

K
DIC(S0 , K, L) = EQ P 0, S0 , ,T
L K
I.8. Conclure à l’égalité

KS0
DIC(S0 , K, L) = C 0, L, ,T .
L
I.9. Montrer alors en dérivant par rapport à K l’égalité ci-dessus que
KS02

S0
Q ST > K, min St ≤ L = Q ST >
{0≤t≤T L L2
Partie II.
On suppose maintenant que dSt = rSt dt + σSt dWt où Wt est un Brownien sous Q.
II.1. Prouver (en utilisant la formule d’Itô) qu’il existe un réel γ que l’on déterminera et un processus
Mt vérifiant dMt = Mt γ −1 σdWt et M0 = 1 tels que St = S0 (Mtγ ).
II.2. Prouver alors en appliquant I. 9 à M que
1
KS02

S0 γ
Q ST > K, min St ≤ L = Q ST >
{0≤t≤T L L2
II.3. En déduire que

1
S0 γ KS0
DIC(S0 , K, L) = C 0, L, ,T .
L L

matfi-MC OB Nov2010

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

matfi-MC OB Nov2010

Загружено:

Авторское право:

Доступные форматы

Marchés financiers : modèles continus et options barrières

1 Modèles en temps continu 5

2.6 Les options lookback . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

Modèles en temps continu

1.1 Introduction aux équations différentielles stochastiques

St+∆t − St = µSt ∆t.

1.2 Marchés financiers et arbitrage

On définit {At : t ∈ [0, T ]} par

Le processus {Set : t ∈ [0, T ]} définit par

Définition 1.2.1 Un portefeuille dans ce marché est un processus de dimension n + 1, Ft –adapté

Définition 1.2.2 Nous dirons qu’un portefeuille est auto–financé si

dVtφ = hφt , dSt i

ou sous forme intégrale

Remarque 1.2.1 Tout portefeuille constant (indépendant du temps) est auto–financé.

0 ≤ VTφ P –p.s. et E[VTφ ] > 0.

Exemple 1.2.1 Supposons que n = 2 et

Alors φt = (−3, 2, 1) est une opportunité d’arbitrage, car Vtφ = 5t.

Lemme 1.2.1 Les assertions suivantes sont équivalentes

la fonction de valeur correspondante au marché normalisé {Set : t ∈ [0, T ]}. Alors

en particulier {φt : t ∈ [0, T ]} est admissible pour {Set : t ∈ [0, T ]}. Or

V0φ ≤ 0 ≤ VTφ P –p.s. et P [VTφ > 0] > 0

V0φ ≤ VTφ P –p.s. et P [VTφ > V0φ ] > 0. (1.2.6)

Donc V0φ = 0, et puisque dSt0 = 0 nous avons

Vtφ = Vtφ − V0φ .

On peut également donner la définition de mesure martingale de la façon suivante.

1.2.1 Théorème de Girsanov

Exemple 1.2.2 Considérons la situation suivante :

Supposons qu’il existe deux processus u(t) ∈ Rm et ρ(t) ∈ Rn tels que

est un mouvement Brownien sous Q, de dimension m. De plus en terme de B

En vertu de la construction explicite du théorème de Girsanov (Théorème 1.2.1) et la Proposition

σ(t)u(t) = µ(t) − r(t)(St1 , . . . , Stn ) (1.2.10)

u(t) = σ −1 (t) µ(t) − r(t) St1 , St2 , · · · , Stn

où σ −1 désigne la matrice inverse de σ.

Alors l’équation ( 1.2.10) prend la forme

et admet par exemple (u1 = 2 et u2 = 0) comme solution.

Alors l’équation ( 1.2.10) prend la forme

1.3 Actifs contingents et complétude

Plus généralement on introduit les concepts suivants

ce qui est équivalent à Z t

1.3.2 Caractérisation des marchés complets

Pour la démonstration de ce théorème on se réfère à Karatzas (1996) Theorem 0.3.5 et à Øksendal

Exemple 1.3.2 On considère le marché suivant

L’équation ( 1.3.18) prend la forme

Si F était atteint, il existerait un processus φt ∈ R et x tels que F = VTφ,x et

1.4 Evaluations des prix et réplications de portefeuilles

1.4.2 Modèle de Black & Scholes

σ(t)St1 u(t) = µ(t)St1 − r(t)St1

qui admet la solution

et u est donné par (1.4.31).

est donné par h + i

avec W est un Brownien indépendant de B

Voir Revuz et Yor (1994) pour la preuve.

Revenant maintenant à la question : Comment déterminer la valeur initiale x et le portefeuille qui

Vtφ = φ0t St0 + φ1t St1 . (1.4.33)

dVtφ = φ0t dSt0 + φ1t dSt1 . (1.4.34)

De l’équation (1.4.33) on déduit

Vtφ − φ1t St1 

= Vtφ r(t)dt + φ1t St1 [(µ(t) − r(t)) dt + σ(t)dBt ] .

Ceci peut s’écrire, en fonction du nouveau Brownien B

dVtφ − Vtφ r(t)dt = φ1t St1 σ(t)dBet . (1.4.35)

Ce qui donne après intégration

On en déduit que Vtφ

1.5 Quelques méthodes de réplications

Vtφ − φ1t St1