Méthodes quantitatives en gestion des risques financiers et papillons noirs
Arnaud Clément-Grandcourt
Jacques Janssen
Hermes Science
Lavoisier
Préface13
Régis de Laroullière
Introduction17
Première Partie. Les outils de la méthodologie prudentielle et de la gestion quantitative33
Chapitre 1. Bases probabilistes37
1.1. Cadre probabiliste37
1.1.1. Cadre général39
1.2. Calcul de Itô (ou calcul stochastique)41
1.2.1. Mouvement brownien41
1.2.2. L'intégrale de Itô et le calcul stochastique de Itô43
1.2.2.1. Problème de l'intégration stochastique43
1.2.2.2. Pourquoi le concept de l'intégrale stochastique45
1.2.2.3. Intégrale stochastique avec le mouvement brownien standard comme processus intégrateur47
1.2.3. Différentielle stochastique48
1.2.3.1. Définition et exemples48
1.2.3.2. Utilité de la différentielle stochastique en finance49
1.2.3.3. Formule de Itô50
1.3. Equation différentielle stochastique (ou EDS) et processus de diffusion52
1.3.1. Processus de diffusion53
1.4. Modélisation en finance56
1.4.1. Limites du paradigme brownien56
1.4.2. Calibration de modèles58
Chapitre 2. Modèles stochastiques d'évolution de taux61
2.1. Taux d'intérêt instantané ou spot rate61
2.1.1. Définition61
2.1.2. Modèle de retour à la moyenne62
2.2. Modèles stochastiques d'évolution du taux d'intérêt63
2.2.1. Modèle OUV (Ornstein-Uhlenbeck-Vasicek)63
2.2.2. Modèle CIR (Cox, Ingersoll, Ross) en temps discret65
2.2.3. Modèle CIR (Cox, Ingersoll, Ross) en temps continu67
Chapitre 3. Modèle de Black-Scholes-Samuelson71
3.1. Le modèle de Black-Scholes-Samuelson71
3.2. Prédiction73
3.3. Théorie des options75
3.3.1. Définitions75
3.3.2. Evaluation ou pricing des options européennes76
3.3.3. Formule de Black et Scholes77
3.3.4. Mesure risque neutre78
3.4. La relation de parité call put79
3.4.1. La relation de parité call put pour les options européennes79
3.4.2. Le pricing d'un put selon la formule de Black et Scholes80
3.5. Black et Scholes sur les marchés : études empiriques80
3.6. Méthode de la volatilité implicite81
3.7. Effet smile82
3.8. Les grecques : les paramètres delta, gamma, thêta, etc.83
3.8.1. Définitions83
3.8.1.1. Le coefficient delta84
3.8.1.2. Le coefficient gamma84
3.8.1.3. Le coefficient théta85
3.8.1.4. Le coefficient d'élasticité86
3.8.1.5. Le coefficient véga86
3.8.2. Valeurs des paramètres grecs pour Black-Scholes87
3.8.3. Stratégie de couverture « delta neutre »88
3.8.4. Analyse de sensibilité90
3.9. Les options américaines91
3.9.1. Calcul par simulation91
3.9.2. Bornes sur les calls92
3.9.3. Bornes pour les puts93
3.9.4. La formule de Barone-Adesi et Whaley (1987) pour les options américaines93
3.9.5. Méthode d'interpolation pour le calcul des puts américains (Johnson, 1983 ; Broadie et Detemple, 1996)95
3.9.6. Modèle de Geske et Johnson95
3.9.7. Relation de parité96
3.9.8. Relation de symétrie97
3.9.9. Exemple97
Chapitre 4. Les options exotiques99
4.1. Les options asiatiques99
4.1.1. Définition99
4.1.2. Calcul par simulation100
4.2. Les options sur devises101
4.2.1. Calls et puts classiques101
4.2.2. Formule de Garman-Kohlhagen102
4.3. Les options exotiques102
4.3.1. Définition102
4.3.2. Les options binaires ou options digitales104
4.3.2.1. Les options du type cash or nothing et asset or nothing104
4.3.2.2. Calcul de la prime d'un call cash or nothing105
4.3.2.3. Calcul de la prime d'un put cash or nothing105
4.3.2.4. Les options du type asset or nothing105
4.3.2.5. Calcul de la prime d'un call asset or nothing106
4.3.2.6. Calcul de la prime d'un put asset or nothing107
4.3.3. Les options à barrière107
4.3.4. Les options sur extrema ou no regret options109
4.3.5. Autres types d'options exotiques109
4.3.5.1. Option bermuda109
4.3.5.2. Option cliquet109
4.3.5.3. Option shout109
4.3.5.4. Option parisienne110
4.3.5.5. Option rainbow110
4.3.5.6. Option de surperformance (Margrabe option)110
4.4. Dérivés de crédit110
Chapitre 5. Gestion quantitative de portefeuille113
5.1. Introduction113
5.1.1. Critère moyenne-variance de Markowitz (Markowitz, 1952)113
5.2. Notion de frontière efficiente116
5.3. Portefeuille efficient en présence d'un actif sans risque118
5.4. Analyse critique et limitations du modèle de Markowitz118
5.4.1. Problème de calibration118
5.4.2. Non-prise en compte de l'attitude dissymétrique de l'investisseur119
5.4.3. Non-prise en compte de la dissymétrique statistique119
5.4.4. Coûts de transaction120
5.5. Critère général N(alpha, bêta) de Hamza et Janssen (1995) avec prise en compte de la dissymétrie120
5.5.1. Cas particuliers121
5.5.1.1. Equivalence avec la variance122
5.5.1.2. Le modèle moyenne-semi-variance inférieure122
5.6. Critère général N(alpha, bêta) et prise en compte du comportement dissymétrique de l'investisseur122
5.7. Optimisation de portefeuille : critère moyenne-semi-variances « E-N(alpha, bêta) »125
5.7.1. Modélisation mathématique du problème125
5.7.2. Estimation des paramètres du modèle125
5.7.3. Programme d'optimisation126
5.8. Approche par scénarios, back et stress testing127
Chapitre 6. Principales distributions utilisées en finance quantitative129
6.1. Le paramètre de skewness (ou d'asymétrie)129
6.1.1. Définition du skewness129
6.1.2. Définition du kurtosis130
6.2. Principales distributions utilisées en finance et en assurance130
6.2.1. La distribution exponentielle négative130
6.2.2. La distribution log-normale131
6.2.3. La distribution gamma131
6.2.4. La distribution de Pareto131
6.2.5. La distribution de Poisson133
6.2.6. Distribution gamma133
6.2.7. La distribution uniforme134
6.2.8. La distribution de Gumbel134
6.2.9. La loi de Weibull134
6.3. Théorie des valeurs extrêmes135
6.3.1. Définitions135
6.3.2. Résultats asymptotiques135
6.3.3. Estimation des paramètres (Esch, Kieffer et Lopez, 1997)137
Chapitre 7. Le risque de crédit139
7.1. Introduction139
7.2. Le modèle de Merton140
7.3. Le modèle de Longstaff et Schwartz (1995)143
7.4. Notations en risque de crédit146
7.4.1. Statistiques de Standard & Poor's (année 1998)148
7.4.2. Impact du risque de défaut sur l'évaluation des zéro-coupons149
7.4.3. Exemple150
Chapitre 8. L'après Black-Scholes151
8.1. Les processus de Lévy151
8.1.1. Motivation151
8.1.2. Notion de fonction caractéristique (Lukacs, 1970)152
8.1.3. Processus de Lévy153
8.1.4. Formule de Lévy-Khintchine154
8.1.5. Exemples de processus de Lévy156
8.1.5.1. Le processus de Black et Scholes156
8.1.5.2. Le processus de Poisson156
8.1.5.3. Le processus de Poisson composé157
8.1.5.4. Interprétation en théorie de la ruine158
8.1.6. Le processus VG (variance gamma)160
8.1.6.1. La distribution gamma160
8.1.6.2. La distribution variance gamma ou VG160
8.1.6.3. Le processus variance gamma ou VG161
8.1.6.4. La formule de Carr-Madam pour le call européen162
8.1.7. Utilité des processus de Lévy en finance163
8.2. Le modèle de Merton avec sauts164
8.2.1. Introduction164
8.2.2. Le modèle de Merton avec sauts164
8.2.3. Principaux résultats165
8.3. Les modèles semi-markoviens167
8.3.1. Définitions167
8.3.2. Cas particuliers171
8.3.2.1. Processus de renouvellement171
8.3.2.2. Chaînes de Markov171
8.3.2.3. Processus de Markov ou chaînes de Markov à temps continu172
8.4. Exemple des ratings des agences de notation173
8.5. Application en finance : extension de la formule de Black et Scholes (Janssen et Manca, 2007)175
8.5.1. L'extension markovienne du modèle unipériodique de CRR176
8.5.1.1. Le modèle176
8.5.1.2. Application au pricing d'un call de maturité T = 1 et de prix d'exercice K acheté en t = 0 fonction de l'information de l'investisseur181
8.5.1.3. Exemple numérique183
8.5.1.4. Le modèle markovien discret multipériodique et le cas limite185
8.5.1.5. Conclusion189
Deuxième partie. Gestion quantitative des risques en prudence financière par l'indicateur VaR et ses dérivés191
Chapitre 9. L'indicateur de risque VaR et la prudence financière195
9.1. Méthodologie de la construction d'indicateurs de risque195
9.2. L'indicateur VaR (value at risk) pour le risque actions196
9.2.1. Le risque actions196
9.2.2. Définition de la VaR197
9.2.3. Forme générale de la VaR198
9.2.4. Critique de la VaR198
9.2.5. Exemple de calcul de la VaR201
9.2.6. Exemple numérique I201
9.3. Conclusion202
Chapitre 10. Calcul approché de la VaR en cas de non-normalité205
10.1. L'approximation NP (Normal Power)205
10.2. L'approximation de Cornish-Fisher207
10.3. VaR et backtesting, stress scénario et simulation de crise208
10.4. Le calcul de la VaR par les valeurs extrêmes209
10.5. Calcul de la VaR pour un risque de distribution de Pareto211
10.5.1. Formes de la distribution de Pareto211
10.5.2. Forme explicite de la VaR213
10.5.3. Exemple214
Chapitre 11. VaR pour un portefeuille215
11.1. Définition générale215
11.2. Cas de la distribution normale215
11.3. Calcul de la VaR avec le modèle MEDAF216
11.4. VaR pour un portefeuille d'actions investi dans un marché log-normal220
11.5. Difficultés de l'estimation de la VaR d'un portefeuille221
11.6. Algorithme de simulation de la VaR222
Chapitre 12. Autres indicateurs225
12.1. Motivation225
12.2. Exemples226
12.3. Dissymétrie forte perte et gain élevé : l'indicateur SyVaR227
12.3.1. Cas normal228
12.3.2. Cas général229
12.3.3. Cas d'un risque pur230
12.4. Risque de modélisation232
12.4.1. Exemple numérique II234
Troisième partie. L'ALM et la gestion prudente des risques237
Chapitre 13. L'ALM classique (première et deuxième générations)241
13.1. Qu'est-ce que l'ALM ?241
13.1.1. Introduction241
13.1.2. Rôle de l'ALM dans la gestion des risques242
13.2. L'ALM classique ou de première génération244
13.2.1. Rappel des définitions de base244
13.2.2. Scénario sur les flux (ALM de deuxième génération)246
13.2.3. Cas particulier247
13.2.4. Cas de deux flux249
13.3. Matching actif / passif (statique) et immunisation250
13.3.1. Définition250
13.3.2. ALM de deuxième génération : scénario sur les flux254
13.3.2.1. Cas particulier256
13.3.3. Matching actif / passif (statique) à deux taux257
13.4. L'ALM et le management financier de l'entreprise259
13.5. Approche VaR et matching actif / passif (statique) à deux taux260
13.5.1. Matching de durations en fonction de courbes de taux données261
13.5.1.1. Courbe des taux ou yield curve261
13.5.1.2. Exemples263
13.5.2. Etude de la sensibilité des fonds propres au risque de taux264
13.5.2.1. But264
13.5.2.2. Dynamique temporelle des flux et calculs des taux équivalents266
13.5.2.3. Etude de sensibilité des fonds propres268
13.5.2.4. Duration des fonds propres269
13.6. ALM et actions273
13.7. Duration d'un portefeuille d'actifs275
Chapitre 14. L'ALM stochastique (ou de troisième génération)277
14.1. Introduction277
14.2. Modèles stochastiques internes du type ALM et constructions d'indicateurs de risque280
14.2.1. Concepts généraux280
14.2.2. Le modèle de diffusion simple (Cox et Miller, 1965 ; Gerber, 1973)284
14.2.2.1. Présentation du modèle284
14.2.2.2. Probabilité de couverture parfaite ou de non-ruine sur [0,t]285
14.2.2.3. Exemple 14.1 (basé sur l'assurance auto en Belgique)287
14.2.2.4. Simulation avec l'approximation de diffusion289
14.2.3. Modèle ALM I (Janssen, 1991, 1993) (le premier modèle de risque ALM)290
14.2.3.1. Le modèle et son application290
14.2.3.2. Exemple de simulation293
14.2.3.3. Cas des actifs et passifs corrélés294
14.2.3.4. Etude de cas296
14.2.4. Modèle ALM II (Janssen 1992, 1993) (le deuxième modèle de risque ALM)300
14.2.4.1. Introduction300
14.2.4.2. Le modèle ALM II301
14.2.4.3. La durée de vie de la compagnie305
14.2.4.4. Interprétation des résultats en termes d'aide à la gestion actif passif (ALM)308
14.2.4.5. Etude de cas310
Glossaire315
Bibliographie347