Soutenance - Le Cermics
Transcription
Soutenance - Le Cermics
Modélisation de la dépendance et simulation de processus en finance Mohamed Sbai Université Paris-Est, CERMICS 25 novembre 2009 Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 1 / 55 Plan de la thèse I) Simulation de processus en finance ◮ Méthodes de Monte Carlo exactes et pricing d’options asiatiques ◮ Schémas de discrétisation pour modèles à volatilité stochastique ◮ Erreur faible uniforme en temps pour le schéma d’Euler II) Modélisation de la dépendance en finance ◮ Un modèle d’indice boursier couplant indice et stocks ◮ Un modèle de frailty dynamique pour la gestion des risques dans un portefeuille de crédit . Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 2 / 55 Plan 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 3 / 55 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 4 / 55 Modélisation de la dépendance dans le marché actions Options portant sur un seul actif : modélisation de plus en plus fine depuis Black & Scholes (smile de volatilité, modèles à volatilité stochastique, à volatilité locale, à sauts, . . .). Autre enjeu majeur : la modélisation de la dépendance Produits portant sur plusieurs actifs sous-jacents : ◮ ◮ ◮ Options sur panier : pay-off portant sur une combinaison linéaire des cours Options Best-of, Worst-of : pay-off portant sur le meilleure/pire cours Options plus exotiques (Everest, Altiplano, Atlas, . . .) Indices boursiers : regroupement de plusieurs actions relevant d’un même marché/secteur ind. (S&P, Dow Jones, DAX, CAC40, . . .) Principale difficulté : la dimension (options sur panier d’une centaine d’actions, 500 titres présents dans l’indice S&P500, 40 pour le CAC40, . . .) Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 5 / 55 Un modèle cohérent pour traiter un indice et les stocks qui le composent : c’est encore un défi. Approche standard : un modèle pour chaque stock (smilé) + une matrice de corrélation ⇒ on reconstruit la vol. locale/implicite de l’indice. (Avellaneda, Boyer-Olson, Busca et Friz [2002], Lee, Wang et Kerim [2003], . . .) Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 6 / 55 Un modèle cohérent pour traiter un indice et les stocks qui le composent : c’est encore un défi. Approche standard : un modèle pour chaque stock (smilé) + une matrice de corrélation ⇒ on reconstruit la vol. locale/implicite de l’indice. (Avellaneda, Boyer-Olson, Busca et Friz [2002], Lee, Wang et Kerim [2003], . . .) ◮ Difficulté de retrouver le smile de l’indice (plus pentu que celui d’un stock) par une matrice de corrélation constante estimée historiquement. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 6 / 55 Un modèle cohérent pour traiter un indice et les stocks qui le composent : c’est encore un défi. Approche standard : un modèle pour chaque stock (smilé) + une matrice de corrélation ⇒ on reconstruit la vol. locale/implicite de l’indice. (Avellaneda, Boyer-Olson, Busca et Friz [2002], Lee, Wang et Kerim [2003], . . .) ◮ Difficulté de retrouver le smile de l’indice (plus pentu que celui d’un stock) par une matrice de corrélation constante estimée historiquement. ◮ ”Ajuster” la matrice de corrélation est compliqué (la garder définie positive ? matrice de corrélation implicite ?). Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 6 / 55 Un modèle cohérent pour traiter un indice et les stocks qui le composent : c’est encore un défi. Approche standard : un modèle pour chaque stock (smilé) + une matrice de corrélation ⇒ on reconstruit la vol. locale/implicite de l’indice. (Avellaneda, Boyer-Olson, Busca et Friz [2002], Lee, Wang et Kerim [2003], . . .) ◮ Difficulté de retrouver le smile de l’indice (plus pentu que celui d’un stock) par une matrice de corrélation constante estimée historiquement. ◮ ”Ajuster” la matrice de corrélation est compliqué (la garder définie positive ? matrice de corrélation implicite ?). Objectif : un nouveau cadre de modélisation permettant de gérer à la fois l’indice et les stocks. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 6 / 55 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 7 / 55 Considérons un indice boursier composé de M stocks (Sj,M )1≤j≤M : ItM = M X wj Stj,M j=1 où les poids wj sont positifs et supposés constants. Sous une proba. risque neutre, on spécifie le modèle suivant pour les stocks : ∀j ∈ {1, . . . , M}, dStj,M Stj,M = (r − δj )dt + βj σ(t, ItM )dBt + ηj (t, Stj,M )dWtj (1) r est le taux d’intérêt sans risque. δj ∈ [0, ∞[ est le taux de dividende du stock j. βj est le coefficient beta usuel du stock j. (Bt )t∈[0,T] , (Wt1 )t∈[0,T] , . . . , (WtM )t∈[0,T] sont des mouvements Browniens indépendants. P Les fonctions (s1 , . . . , sM ) 7→ (sj σ(t, M j=1 wj sj ), sj ηj (t, sj ))1≤j≤M sont Lipschitz et à croissance linéaire uniformément en t. ⇒ Existence et unicité trajectorielle pour l’EDS (1). Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 8 / 55 ∀j ∈ {1, . . . , M}, dStj,M Stj,M = (r − δj )dt + βj σ(t, ItM )dBt + ηj (t, Stj,M )dWtj Une EDS M-dimensionnelle dirigée par M + 1 sources de bruit B, W 1 , . . . , W M : marché incomplet. La dynamique d’un stock dépend de tous les autres stocks qui composent l’indice à travers le terme de volatilité σ(t, ItM ). Les corrélations entre stocks ne sont pas constantes mais stochastiques : βi βj σ 2 (t, ItM ) ρij (t) = q q i,M 2 M 2 2 βi σ (t, It ) + ηi (t, St ) βj2 σ 2 (t, ItM ) + ηj2 (t, Stj,M ) Elles dépendent non seulement des stocks mais aussi de l’indice. Propriété importante : quand la vol. systémique σ(t, ItM ) augmente, les corrélations deux à deux ρij (t) augmentent. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 9 / 55 L’indice ItM = dItM PM j,M j=1 wj St satisfait l’EDS suivante j,M M dt δ w S = rItM dt − j=1 j j t M M X X + βj wj Stj,M σ(t, ItM )dBt + wj Stj,M ηj (t, Stj,M )dWtj | P j=1 Mohamed Sbai (UPE-CERMICS) {z } Modèle d’indice & schémas j=1 | {z } 25 novembre 2009 10 / 55 L’indice ItM = dItM PM j,M j=1 wj St satisfait l’EDS suivante j,M M dt δ w S = rItM dt − j=1 j j t M M X X + βj wj Stj,M σ(t, ItM )dBt + wj Stj,M ηj (t, Stj,M )dWtj | P j=1 {z ≃ItM } j=1 | {z Notre modèle est en ligne avec Cizeau, Potters et Bouchaud [2001] : LesP coefficients beta sont étroitement distribués autour de 1 j,M M ⇒ ≃ ItM . j=1 βj wj St Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas } 25 novembre 2009 10 / 55 L’indice ItM = dItM PM j,M j=1 wj St satisfait l’EDS suivante j,M M dt δ w S = rItM dt − j=1 j j t M M X X + βj wj Stj,M σ(t, ItM )dBt + wj Stj,M ηj (t, Stj,M )dWtj | P j=1 {z ≃ItM } j=1 | {z ≃0 Notre modèle est en ligne avec Cizeau, Potters et Bouchaud [2001] : LesP coefficients beta sont étroitement distribués autour de 1 j,M M ⇒ ≃ ItM . j=1 βj wj St Pour de grandes valeurs de M, on montre que le terme P j,M j j M j=1 wj St ηj (t, St )dWt peut être négligé. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas } 25 novembre 2009 10 / 55 L’indice ItM = dItM PM j,M j=1 wj St satisfait l’EDS suivante j,M M dt δ w S = rItM dt − j=1 j j t M M X X + βj wj Stj,M σ(t, ItM )dBt + wj Stj,M ηj (t, Stj,M )dWtj | P j=1 {z ≃ItM } j=1 | {z ≃0 Notre modèle est en ligne avec Cizeau, Potters et Bouchaud [2001] : LesP coefficients beta sont étroitement distribués autour de 1 j,M M ⇒ ≃ ItM . j=1 βj wj St Pour de grandes valeurs de M, on montre que le terme P j,M j j M j=1 wj St ηj (t, St )dWt peut être négligé. } ⇒ rj = βj rI M + ηj ∆W j + drift où rj (resp. rI M ) est le log-rendement du stock j (resp. de l’indice). Le rendement d’un stock est composé d’une partie systémique dirigée par l’indice, qui représente le marché, et d’une partie résiduelle Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 10 / 55 Un modèle simplifié On regarde l’asymptotique nombre de stocks sous-jacents M grand. Soit le candidat limite (It )t∈[0,T] solution de dIt = (r − δ)dt + βσ(t, It )dBt ; I0 = I0M It (2) Théorème 1 Soit p ∈ N∗ . Si (H1) ∃Kb tel que ∀(t, s), |σ(t, s)| + |ηj (t, s)| ≤ Kb ∃Kσ tel que ∀(t, s1 , s2 ), |s1 σ(t, s1 ) − s2 σ(t, s2 )| ≤ Kσ |s1 − s2 | alors, il existe CT > 0 qui dépend de β, δ, Kb , Kσ mais pas de M tel que ! P p M 2 w E sup |ItM − It |2p ≤ CT max1≤j≤M |S0j,M |2p j j=1 0≤t≤T + Mohamed Sbai (UPE-CERMICS) P M j=1 wj |βj − β| Modèle d’indice & schémas 2p + P M j=1 wj |δj − δ| 2p 25 novembre 2009 11 / 55 En remplaçant I M par I dans la dynamique du j-ème stock, on obtient dStj Stj = (r − δj )dt + βj σ(t, It )dBt + ηj (t, Stj )dWtj Théorème 2 Sous les hypothèses du Théorème 1 et si (H2) ∃Kη t.q. ∀j ≤ M, ∀(t, s1 , s2 ), |s1 ηj (t, s1 ) − s2 ηj (t, s2 )| ≤ Kη |s1 − s2 | ∃KLip t.q. ∀(t, s1 , s2 ), |σ(t, s1 ) − σ(t, s2 )| ≤ KLip |s1 − s2 | e j > 0 qui dépend de alors, ∀j ∈ {1, . . . , M}, il existe C T β, δ, βj , δj , Kb , Kσ , Kη , KLip et max1≤j≤M S0j,M mais pas de M tel que 2p PM 2 p PM j j,M j 2p e ≤ CT w |β − β| w + E sup |St − St | j j j j=1 j=1 0≤t≤T 2p P M + . j=1 wj |δj − δ| Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 12 / 55 Trois indices différents Indice limite PM j,M où (Sj,M )1≤j≤M est solution j=1 wj St : It solution de dIItt = (r − δ)dt + βσ(t, It )dBt P j j Attention ! en général It 6= M j=1 w St où dStj = (r − δj )dt + βj σ(t, It )dBt + ηj (t, Stj )dWtj Stj Indice original : ItM = M def Indice reconstruit : I t = Théorème 3 de (1). PM j j j=1 w St Sous les hypothèses du Théorème 2, 2p P M 2p M M w E sup |It − I t | ≤ max1≤j≤M Ce Tj j=1 j 0≤t≤T 2p 2p P PM PM 2 p M + + × j=1 wj |δj − δ| j=1 wj |βj − β| j=1 wj Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 13 / 55 qP M 2 Dans les Théorèmes 1, 2 et 3, la distance L2 est petite si j=1 wj , PM PM j=1 wj |βj − β| et j=1 wj |δj − δ| sont petits. P 1 2 Pour des poids uniformes, M j=1 wj = M est petit dès que M est grand. PM j=1 wj |δj − δ| est minimale pour la médiane δ⋆ de la v.a.d D : ∀j ∈ {1, . . . , M}, w P(D = δj ) = PM j k=1 wk . P Idem pour M j=1 wj |βj − β| mais, pour rester cohérent avec l’interprétation des βj comme des coef. de regression, il faut que β = 1. PM 2 j=1 wj 0.026 P 2 ( M j=1 wj |βj − 1|) 0.0174 P 2 infβ ( M j=1 wj |βj − β|) 0.0173 β⋆ 0.975 TABLE: Exemple de l’indice Eurostoxx à la date du 21 décembre 2007 (M=50). Estimation historique des βj sur deux ans. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 14 / 55 Pour résumer, quand le nombre de stocks sous-jacents est grand, notre modèle original peut être approché par ∀j ∈ {1, . . . , M}, dIt = (r − δI )dt + σ(t, It )dBt It j dSt = (r − δj )dt + βj σ(t, It )dBt + ηj (t, Stj )dWtj j St (3) On aboutit à Un modèle à volatilité locale pour l’indice Un modèle à volatilité stochastique pour chaque stock, composé d’une partie systémique dirigée par l’indice et d’une partie intrinsèque. Attention ! Le modèle simplifié n’est pas valide pour des options écrites sur l’indice et les stocks puisque l’indice limite n’est plus la somme pondérée exacte mais approchée des stocks. Auquel cas, considérer l’indice reconstruit P M j It = M j=1 wj St ou alors utiliser le modèle original. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 15 / 55 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 16 / 55 Calibration du modèle simplifié dIt = (r − δI )dt + σ(t, It )dBt It dSt = (r − δ)dt + β σ(t, It )dBt + η(t, St )dWt . St (4) On se cale d’abord sur le smile de l’indice : calibration d’un modèle à volatilité locale (standard, par ex. forme paramétrique) → σ(t, x). Se caler sur le smile d’un stock est plus compliqué. Le coefficient de régression β peut être estimé historiquement (estimation d’un β implicite difficile à priori). ⇒ Notre modèle favorise la calibration de l’indice (les options sur indices sont généralement plus liquides que les options sur un stock individuel). Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 17 / 55 Comment estimer η ? Soit vloc (t, K) le carré de la volatilité locale qui permet de se caler sur le smile du stock, donné par la formule de Dupire [3] : vloc (t, K) = 2 ∂t C(t, K) + (r − δ)K∂K C(t, K) + δC(t, K) 2 C(t, K) K 2 ∂KK où C(t, K) : prix de marché d’un Call de maturité t et strike K écrit sur S. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 18 / 55 Comment estimer η ? Soit vloc (t, K) le carré de la volatilité locale qui permet de se caler sur le smile du stock, donné par la formule de Dupire [3] : vloc (t, K) = 2 ∂t C(t, K) + (r − δ)K∂K C(t, K) + δC(t, K) 2 C(t, K) K 2 ∂KK où C(t, K) : prix de marché d’un Call de maturité t et strike K écrit sur S. D’après Gyöngy [1986], si E(β 2 σ 2 (t, It ) + η 2 (t, St )|St = K) = vloc (t, K), alors ∀T, K > 0, E e−rT (ST − K)+ = C(T, K). Donc, on veut calculer η(t, K) = Mohamed Sbai (UPE-CERMICS) q vloc (t, K) − β 2 E (σ 2 (t, It ) | St = K) Modèle d’indice & schémas 25 novembre 2009 (5) 18 / 55 Comment estimer η ? Soit vloc (t, K) le carré de la volatilité locale qui permet de se caler sur le smile du stock, donné par la formule de Dupire [3] : vloc (t, K) = 2 ∂t C(t, K) + (r − δ)K∂K C(t, K) + δC(t, K) 2 C(t, K) K 2 ∂KK où C(t, K) : prix de marché d’un Call de maturité t et strike K écrit sur S. D’après Gyöngy [1986], si E(β 2 σ 2 (t, It ) + η 2 (t, St )|St = K) = vloc (t, K), alors ∀T, K > 0, E e−rT (ST − K)+ = C(T, K). Donc, on veut calculer η(t, K) = q vloc (t, K) − β 2 E (σ 2 (t, It ) | St = K) (5) En pratique, vloc peut être calibré par l’ajustement d’une forme paramétrique au smile de marché du stock. Estimer l’espérance conditionnelle est plus compliqué (elle dépend implicitement de η puisque la loi de (St , It ) dépend de η) Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 18 / 55 Estimation non-paramétrique de η Si on remplace η par l’expression (5) dans la dynamique du stock, on obtient q dSt = (r − δ)dt + β σ(t, It )dBt + vloc (t, St ) − β 2 E (σ 2 (t, It ) | St )dWt St dIt = (r − δI )dt + σ(t, It )dBt It EDS non-linéaire au sens de McKean On approche l’espérance conditionnelle par un estimateur à noyau du type Nadaraya-Watson ⇒ système de particules K → E(σ 2 (t, It )|St = K) peut être calculé par interpolation spatiale de (σ 2 (t, Sti,N ))1≤i≤N → approximation de η(t, K) Le système de particules peut être directement utilisé pour le pricing dans le modèle calibré : estimation Monte Carlo du prix de l’option de −rT PN i,N ) payoff h écrite sur S → e N h(S i=1 Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 19 / 55 Calibration du modèle original dStj,M Stj,M = (r − δj )dt + βj σ(t, ItM )dBt + ηj (t, Stj,M )dWtj avec ItM = M X wj Stj,M j=1 Une calibration parfaite est compliquée... mais on peut ◮ ◮ prendre pour σ la vol. locale calibrée de l’indice puis calibrer les coefficients ηj ⇒ calibration imparfaite de l’indice mais erreur petite (Théorème 1) prendre pour σ et ηj les coefficients calibrés dans le modèle simplifié ⇒ calibration imparfaite de l’indice et des stocks mais erreur petite (Théorèmes 1 et 2) On se permet une légère erreur de calibration mais la contrainte d’additivité de l’indice est respectée (on évite des arbitrages) P M j De manière similaire, l’indice reconstruit I t = M j=1 wj St dans le modèle simplifié calibré n’est pas parfaitement calibré Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 20 / 55 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 21 / 55 Données de marché au 21 décembre 2007 de l’EUROSTOXX 50. T = 1 an. 0.40 Exact Implied Vol. N=10000 0.38 N=200000 0.36 0.34 0.32 0.30 0.28 0.26 0.24 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 Moneyness F IGURE: Estimation non-paramétrique de la vol. implicite de Carrefour. Moneyness ( SK0 ) Error : |b σsimul − σ bexact | 0.5 36 0.7 8 0.9 2 1 1 1.1 2 1.2 9 1.5 32 2 56 TABLE: Erreur (en bp) sur la vol. implicite de Carrefour avec N = 200000 particules. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 22 / 55 Illustration des Théorèmes 1, 2 et 3 1 Le modèle original ∀j ∈ {1, . . . , M}, 2 Le modèle simplifié dStj,M = rdt + σ(t, ItM )dBt Stj,M P j,M ItM = M j=1 wj St . ∀j ∈ {1, . . . , M}, 3 dStj Stj dIt It + η(t, Stj,M )dWtj = rdt + σ(t, It )dBt + η(t, Stj )dWtj = rdt + σ(t, It )dBt . P M i L’indice reconstruit I t = M i=1 wi St . Le modèle de marché (matrice de corrélation constante) q j e tj ∀j ∈ {1, . . . , M}, dSjt = rdt + vloc (t, Stj )dW St e i, W e j >t = ρdt. ∀i 6= j, d < W Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 23 / 55 M, I0 , et w1 , . . . , wM → valeurs pour l’Eurostoxx au 21 décembre 2007. S01 = . . . = S0M = 53. r = 0.045 σ(t, i) → vol. locale calibrée pour l’Eurostoxx. Forme paramétrique arbitraire pour le coeff. de volatilité intrinsèque η. On évalue vloc tel que le modèle de marché donne les mêmes prix d’options sur les stocks que le modèle simplifié → vloc (t, s) = η 2 (t, s) + E(σ 2 (t, It )|St1 = s). On fixe le coefficient de corrél. ρ tel que le modèle de marché et le modèle simplifié donnent la même volatilité implicite ATM pour l’indice. Nombre de trajectoires simulées : 100 000. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 24 / 55 0.42 0.40 Simplified 0.40 Simplified Market Market Original 0.38 Original 0.35 Simplified Reconstructed 0.36 0.34 0.30 0.32 0.30 0.25 0.28 0.26 0.20 0.24 0.22 0.20 0.15 0.5 1.0 1.5 2.0 0.5 Moneyness 1.5 2.0 Moneyness F IGURE: Vol. implicite pour un stock. Mohamed Sbai (UPE-CERMICS) 1.0 F IGURE: Vol. implicite pour l’indice. Modèle d’indice & schémas 25 novembre 2009 25 / 55 Plan 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 26 / 55 Modèle à volatilité stochastique L’actif sous-jacent (St )t∈[0,T] est solution de l’EDS ( p dSt = rSt dt + f (Yt )St (ρdWt + 1 − ρ2 dBt ); dYt = b(Yt )dt + σ(Yt )dWt ; Y0 = y0 S0 = s0 > 0 (6) où r est le taux d’intérêt sans risque, (Bt )t∈[0,T] et (Wt )t∈[0,T] deux Browniens scalaires indépendants, ρ ∈ [−1, 1] le coefficient de correlation, f , b, σ : R → R réguliers (on ne traite pas le modèle de Heston) Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 27 / 55 Exemples Scott 1987 p Yt S (ρdW + dS = rS dt + e 1 − ρ2 dBt ) t t t t dYt = κ(θ − Yt )dt + νdWt ⇒ f (y) = ey , b(y) = κ(θ − y) and σ(y) = ν. Stein & Stein 1991 p 2 dSt = rSt dt + Yt St (ρdWt + 1 − ρ dBt ) dYt = κ(θ − Yt )dt + νdWt ⇒ f (y) = y, b(y) = κ(θ − y) and σ(y) = ν. Modèle quadratique gaussien p 2 S (ρdW + Y 1 − ρ2 dBt ) dS = rS dt + t t t t t dYt = κ(θ − Yt )dt + νdWt ⇒ f (y) = y2 , b(y) = κ(θ − y) and σ(y) = ν. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 28 / 55 Schémas spécifiques ? Comparativement au modèle de Heston, il y a peu de schémas spécifiques aux modèles à vol. sto. quand Y est solution d’une EDS à coefficients réguliers σ, b : R → R : ( p dSt = rSt dt + f (Yt )St (ρdWt + 1 − ρ2 dBt ) dYt = σ(Yt )dWt + b(Yt )dt Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 29 / 55 Schémas spécifiques ? Comparativement au modèle de Heston, il y a peu de schémas spécifiques aux modèles à vol. sto. quand Y est solution d’une EDS à coefficients réguliers σ, b : R → R : ( p dSt = rSt dt + f (Yt )St (ρdWt + 1 − ρ2 dBt ) dYt = σ(Yt )dWt + b(Yt )dt Kahl & Jäckel 2006 proposent un schéma avec discrétisation de Milstein de l’intégrale p/p à dWt et discrétisation par des trapèzes de l’intégrale p/p à dBt → ordre de convergence forte 1/2 et, d’après les résultats numériques, une plus petite constante multiplicative que pour Euler. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 29 / 55 Schémas spécifiques ? Comparativement au modèle de Heston, il y a peu de schémas spécifiques aux modèles à vol. sto. quand Y est solution d’une EDS à coefficients réguliers σ, b : R → R : ( p dSt = rSt dt + f (Yt )St (ρdWt + 1 − ρ2 dBt ) dYt = σ(Yt )dWt + b(Yt )dt Kahl & Jäckel 2006 proposent un schéma avec discrétisation de Milstein de l’intégrale p/p à dWt et discrétisation par des trapèzes de l’intégrale p/p à dBt → ordre de convergence forte 1/2 et, d’après les résultats numériques, une plus petite constante multiplicative que pour Euler. Objectifs : Tirer profit de la structure particulière de l’EDS 2D pour construire des schémas performants pour le pricing d’options vanilla et path-dependent. Garder la possibilité de remplacer le schéma sur Y par la simulation exacte dans le cas Ornstein-Uhlenbeck. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 29 / 55 Transformation de l’EDS (6) déf Changement de variables logarithmique pour l’actif : Xt = log(St ) résout p 1 dXt = r − f 2 (Yt ) dt + f (Yt )(ρdWt + 1 − ρ2 dBt ). 2 Traitement du terme ρf (Yt )dWt : si f , σ sont C1 et σ ne s’annule pas alors, déf R y pour F(y) = y0 σf (z)dz, 1 bf ′ ′ + (σf − f σ ) (Yt )dt. dF(Yt ) = f (Yt )dWt + σ 2 Ainsi ( p dXt = ρdF(Yt ) + h(Yt )dt + 1 − ρ2 f (Yt )dBt dYt = σ(Yt )dWt + b(Yt )dt (7) déf où h(y) = r − 21 f 2 (y) − ρ( bfσ + 21 (σf ′ − f σ ′ ))(y). Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 30 / 55 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 31 / 55 Options Vanilla On veut calculer le prix E(e−rT g(ST )) = E(e−rT g(eXT )) de l’option de maturité T et de payoff g : R∗+ → R+ . Schémas avec ordre de convergence élevé Familles de moments : Kusuoka 01 04, Ninomiya 03 03,... Cubatures : Lyons & Victoir 04,... Splitting et intégration d’EDOs : Ninomiya & Victoir 08, Ninomiya & Ninomiya 09, Tanaka & Kohatsu-Higa 09, Alfonsi 09,... . Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 32 / 55 Splitting pour (7) ( dYt = σ(Yt )dWt + b(Yt )dt p dZt = h(Yt )dt + 1 − ρ2 f (Yt )dBt Splitting naturel de l’opérateur associé déf Si Zt = Xt − ρF(Yt ), alors L= . σ 2 (y) (1 − ρ2 )f 2 (y) ∂yy + b(y)∂y + ∂zz + h(y)∂z . 2 | 2 {z } | {z } LZ LY → à y fixé, simulation exacte de l’EDS associée possible Si à chaque pas de temps T/N, on résout l’EDS sur Z à Y fixé sur un intervalle de longueur T/2N, intègre l’EDS de Y avec un schéma d’ordre faible 2 sur un intervalle de longueur T/N, résout l’EDS sur Z à Y fixé sur un intervalle de longueur T/2N, alors on obtient un schéma d’ordre faible 2 pour (Y, Z) (Ninomiya & Victoir 08, Alfonsi 09, Tanaka & Kohatsu-Higa 09). Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 33 / 55 Schéma Weak 2 def kT N. Pour 0 ≤ k ≤ N, tk = ( Ȳ0N = y0 On considère le schéma de Ninomiya-Victoir T e T e ∀0 ≤ k ≤ N − 1, ȲtNk+1 = e 2N b e(Wtk+1 −Wtk )σ e 2N b (ȲtNk+1 ) def e b(y) = b(y) − 12 σσ ′ (y), pour v : R → R, etv (y) dénote la solution ξ(t) de l’EDO ξ ′ (t) = v(ξ(t)) déf R z 1 qui part de y en 0. Si η(z) = 0 v(x) dx, alors etv (y) = η −1 (t + η(y)). Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 34 / 55 Schéma Weak 2 def kT N. Pour 0 ≤ k ≤ N, tk = ( Ȳ0N = y0 On considère le schéma de Ninomiya-Victoir T e T e ∀0 ≤ k ≤ N − 1, ȲtNk+1 = e 2N b e(Wtk+1 −Wtk )σ e 2N b (ȲtNk+1 ) def e b(y) = b(y) − 12 σσ ′ (y), pour v : R → R, etv (y) dénote la solution ξ(t) de l’EDO ξ ′ (t) = v(ξ(t)) déf R z 1 qui part de y en 0. Si η(z) = 0 v(x) dx, alors etv (y) = η −1 (t + η(y)). Alors X̄TN = log(s0 ) + ρF(ȲTN ) + N−1 X (h(ȲtNk ) + h(ȲtNk+1 )) k=0 T 2N v u u (1 − ρ2 )T N−1 X +t (f 2 (ȲtNk ) + f 2 (ȲtNk+1 )) × G 2N k=0 avec G ∼ N1 (0, 1) indépendante de (Wt )t≥0 . Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 34 / 55 Résultat de convergence Théorème 4 Supposons que F ∈ Cb6 , f ∈ Cb4 , h ∈ Cb4 , σ ∈ C5 , b ∈ C4 , avec des dérivées bornées, σ ne s’annule pas, infR f 2 > 0, |ρ| = 6 1, g est mesurable vérifiant µ ∃c ≥ 0, ∃µ ∈ [0, 2), ∀y > 0, |g(y)| ≤ ce| log(y)| . Alors, il existe C indépendant de N tel que ∀N ∈ N∗ , |E(g(ST )) − E(g(eX̄T ))| ≤ N C . N2 Convergence pour tout payoff g mesurable à croissance polynômiale. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 35 / 55 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 36 / 55 Critère de convergence faible trajectorielle Soit g : C([0, T], R) → R une fonction Lipschitz (payoff asiatique ou lookback par exemple) : StN )t≤T ))|≤E g((St )t≤T ) − g((e StN )t≤T )) |E(g((St )t≤T )) − E(g((e ! N St | . ≤ kgkLip E sup |St − e t≤T Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 37 / 55 Critère de convergence faible trajectorielle Soit g : C([0, T], R) → R une fonction Lipschitz (payoff asiatique ou lookback par exemple) : StN )t≤T ))|≤E g((St )t≤T ) − g((e StN )t≤T )) |E(g((St )t≤T )) − E(g((e ! N St | . ≤ kgkLip E sup |St − e t≤T ≤ : estimation grossière. Considérer plutôt la distance de Wasserstein W1 , |E(g((St )t≤T )) − E(g((e StN )t≤T ))| StN )t≤T ))| ≤ sup |E(γ((St )t≤T )) − E(γ((e kgkLip kγkLip ≤1 | {z } W1 (L(S),L(e SN )) Mohamed Sbai (UPE-CERMICS) E supt≤T |eSt − eStN | . S=S Formulation duale : W1 (L(S), L(e SN )) = infe L Modèle d’indice & schémas 25 novembre 2009 37 / 55 Schémas existants d’ordre 1 Schéma de Milstein : schéma d’ordre fort 1. ◮ la condition de commutativité s’écrit σf ′ = 0 donc il faut une volatilité déterministe ⇒ le schéma de Milstein implique la simulation de l’aire de Levy (simulation possible mais difficile à mettre en oeuvre en dimension deux par Gaines & Lyons 1994). Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 38 / 55 Schémas existants d’ordre 1 Schéma de Milstein : schéma d’ordre fort 1. ◮ la condition de commutativité s’écrit σf ′ = 0 donc il faut une volatilité déterministe ⇒ le schéma de Milstein implique la simulation de l’aire de Levy (simulation possible mais difficile à mettre en oeuvre en dimension deux par Gaines & Lyons 1994). Schéma de Cruzeiro Malliavin & Thalmaier 2004 : schéma d’ordre 1 pour W1 (rotation astucieuse du Brownien sous condition d’ellipticité). ◮ ◮ ◮ si Y est OU, la simulation exacte casse l’ordre de convergence pour W1 perte d’indépendance entre le schéma sur Y et B (pas de conditionnement), dans la perspective d’appliquer la méthode de Romberg statistique (Kebaier 05) ou multi-level Monte Carlo (Giles & al 07 08 09) MLMC , pas de couplage avec ordre fort 1 entre les schémas avec N et 2N pas. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 38 / 55 Schéma Weak Traj 1 etN = y0 et pour 0 ≤ k ≤ N − 1 Schéma de Milstein pour Y : Y 0 T 1 ′ eN T N N N N 2 e e e e Ytk+1 = Ytk + b(Ytk ) + σ(Ytk )∆Wk+1 + σσ (Ytk ) ∆Wk+1 − N 2 N etN = X etN + ρ F(Y etN ) − F(Y etN ) + h(Y etN ) T hrt. X k+1 k k+1 k k N v ! u 2 ′ (Y etN ) Z tk+1 p u Nσ f k N et ) + (Ws − Wtk )ds ∨ f 2 ∆Bk+1 + 1 − ρ2 t f 2 (Y k T tk Théorème 5 Supposons que ∀N, R2(N+1) est équipé de la norme sup et que b ∈ Cb3 et σ ∈ Cb4 avec infy∈R σ(y) > 0, déf f ∈ Cb4 avec f 2 = infy∈R f 2 (y) > 0 etN )k≤N ) ≤ etN , Y alors ∃C > 0, ∀N ∈ N∗ , W1 L((Xtk , Ytk )k≤N ), L((X k k Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas C N. 25 novembre 2009 39 / 55 Couplage entre schémas avec N et 2N pas (pour le MLMC) T le pas de temps du schéma avec 2N Soit δ = 2N pas. p 2N e 2N ejδ e 2N ) − F(Y ejδ2N ) + h(Y ejδ2N )δ + 1 − ρ2 × X = X + ρ F( Y (j+1)δ (j+1)δ v ! u 2 ′ (Y e 2N ) Z jδ+δ u σ f jδ u f 2 (Y ejδ2N ) + (Ws − Wjδ )ds ∨ f 2 (B(j+1)δ − Bjδ ) u δ {z } | u jδ t| {z } ∆B2N j v2N j eN X X N : on remplace ∆BNk par √ 2 √ q 2N 2N 2N v2N 2k ∆B2k + v2k+1 ∆B2k+1 q . 2N v2N 2k +v2k+1 Proposition L etN )k≤N = (XtNk )k≤N . De plus, sous les hypothèses du Théorème 5, ∀N ∈ N∗ , (X k ∀p ≥ 1, ∃C ≥ 0, ∀N ∈ N , E ∗ max 0≤k≤N |XtNk et2N |2p −X k ≤ C . N 2p Utile dans la perspective du multi-level Monte Carlo. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 40 / 55 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 41 / 55 Schéma OU Improved dYt = κ(θ − Yt )dt + νdWt Simulation exacte pour Y. Ordres de convergence préservés sous des hypothèses plus faibles. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 42 / 55 Schéma OU Improved dYt = κ(θ − Yt )dt + νdWt Simulation exacte pour Y. Ordres de convergence préservés sous des hypothèses plus faibles. En s’inspirant du schéma d’ordre fort 3/2 proposé par Lapeyre & Temam 01 pour les options asiatiques dans le modèle de Black-Scholes : q btN = X btN + ρ F(Ytk+1 ) − F(Ytk ) + b h + (1 − ρ2 )(bvk ∨ f 2 ) ∆Bk+1 X k k+1 k Z ′ ν 2 ′′ T Nνf 2 (Ytk ) tk+1 ′ bvk = f 2 (Ytk ) + (Ws − Wtk )ds + (κ(θ − .)f 2 + f 2 )(Ytk ) T 2 2N tk Z tk+1 2 2 ν T T b hk = h(Ytk ) + νh′ (Ytk ) (Ws − Wtk )ds + (κ(θ − .)h′ + h′′ )(Ytk ) 2 N 2 2N tk Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 42 / 55 Schéma OU Improved dYt = κ(θ − Yt )dt + νdWt Simulation exacte pour Y. Ordres de convergence préservés sous des hypothèses plus faibles. En s’inspirant du schéma d’ordre fort 3/2 proposé par Lapeyre & Temam 01 pour les options asiatiques dans le modèle de Black-Scholes : q btN = X btN + ρ F(Ytk+1 ) − F(Ytk ) + b h + (1 − ρ2 )(bvk ∨ f 2 ) ∆Bk+1 X k k+1 k Z ′ ν 2 ′′ T Nνf 2 (Ytk ) tk+1 ′ bvk = f 2 (Ytk ) + (Ws − Wtk )ds + (κ(θ − .)f 2 + f 2 )(Ytk ) T 2 2N tk Z tk+1 2 2 ν T T b hk = h(Ytk ) + νh′ (Ytk ) (Ws − Wtk )ds + (κ(θ − .)h′ + h′′ )(Ytk ) 2 N 2 2N tk ◮ btN , Ytk )) ≤ max0≤k≤N W1 (L(Xtk , Ytk ), L(X k Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas C N 3/2 (couplage dép. de k). 25 novembre 2009 42 / 55 Schéma OU Improved dYt = κ(θ − Yt )dt + νdWt Simulation exacte pour Y. Ordres de convergence préservés sous des hypothèses plus faibles. En s’inspirant du schéma d’ordre fort 3/2 proposé par Lapeyre & Temam 01 pour les options asiatiques dans le modèle de Black-Scholes : q btN = X btN + ρ F(Ytk+1 ) − F(Ytk ) + b h + (1 − ρ2 )(bvk ∨ f 2 ) ∆Bk+1 X k k+1 k Z ′ ν 2 ′′ T Nνf 2 (Ytk ) tk+1 ′ bvk = f 2 (Ytk ) + (Ws − Wtk )ds + (κ(θ − .)f 2 + f 2 )(Ytk ) T 2 2N tk Z tk+1 2 2 ν T T b hk = h(Ytk ) + νh′ (Ytk ) (Ws − Wtk )ds + (κ(θ − .)h′ + h′′ )(Ytk ) 2 N 2 2N tk ◮ ◮ btN , Ytk )) ≤ max0≤k≤N W1 (L(Xtk , Ytk ), L(X k N 2N bT et X bT . Ordre fort 3/2 entre X Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas C N 3/2 (couplage dép. de k). 25 novembre 2009 42 / 55 Schéma OU Improved dYt = κ(θ − Yt )dt + νdWt Simulation exacte pour Y. Ordres de convergence préservés sous des hypothèses plus faibles. En s’inspirant du schéma d’ordre fort 3/2 proposé par Lapeyre & Temam 01 pour les options asiatiques dans le modèle de Black-Scholes : q btN = X btN + ρ F(Ytk+1 ) − F(Ytk ) + b h + (1 − ρ2 )(bvk ∨ f 2 ) ∆Bk+1 X k k+1 k Z ′ ν 2 ′′ T Nνf 2 (Ytk ) tk+1 ′ bvk = f 2 (Ytk ) + (Ws − Wtk )ds + (κ(θ − .)f 2 + f 2 )(Ytk ) T 2 2N tk Z tk+1 2 2 ν T T b hk = h(Ytk ) + νh′ (Ytk ) (Ws − Wtk )ds + (κ(θ − .)h′ + h′′ )(Ytk ) 2 N 2 2N tk ◮ ◮ ◮ . btN , Ytk )) ≤ C3/2 (couplage dép. de k). max0≤k≤N W1 (L(Xtk , Ytk ), L(X k N N 2N bT et X bT . Ordre fort 3/2 entre X bN Ordre faible 2 : |E(g(ST )) − E(g(eXT ))| ≤ NC2 . Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 42 / 55 1 Modélisation jointe entre indice et stocks Introduction Spécification du modèle Calibration Expériences numériques 2 Schémas de discrétisation pour modèles à volatilité stochastique Introduction Options Vanilla Options Path-dependent Cas où Y est un processus d’Ornstein-Uhlenbeck Résultats numériques Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 43 / 55 Expériences numériques dans le cadre du modèle de Scott (f (y) = ey , Y OU) p Yt 2 dSt = rSt dt + e St (ρdWt + 1 − ρ dBt ) dYt = κ(θ − Yt )dt + νdWt ⇒ f (y) = ey , b(y) = κ(θ − y) and σ(y) = ν avec les paramètres de l’article de Kahl & Jäckel 2006 : s0 = 100, y0 = log(0.25), r = 0.05 κ = 1, θ = 0, ν = √ 7 2 20 , ρ = −0.2, T = 1. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 44 / 55 Call à la monnaie (K = 100) 13.6 WeakTraj_1 Weak_2 13.4 OU_Improved IJK Euler 13.2 CMT 13.0 12.8 12.6 12.4 12.2 0 50 100 150 200 250 300 F IGURE: Convergence du prix du Call p/p à N. Prix calculé avec technique de conditionnement excepté pour CMT. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 45 / 55 Couplage à l’horizon T 4 2 0 −2 −4 −6 −8 WeakTraj_1 (C) −10 Weak_2 (C) OU_Improved (C) −12 IJK (C) Euler (C) −14 CMT −16 0.5 F IGURE: log E XTN e 1.0 1.5 XT2N −e 2.0 2.5 2 3.0 3.5 4.0 4.5 5.0 5.5 6.0 en fonction de log(N). Excepté pour CMT, XTN et XT2N sont générés en utilisant la même gaussienne pour l’intégrale p/p à B. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 46 / 55 Multi-level Monte Carlo pour le pricing d’un Call ATM 3 10 WeakTraj_1 Weak_2 OU_Improved IJK 2 Computation time 10 Euler 1 10 0 10 −1 10 −3 10 −2 −1 10 10 0 10 Epsilon F IGURE: Temps de calcul en fonction de la précision ε Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 47 / 55 Option asiatique à strike fixe (K = 100) 7.10 7.05 7.00 6.95 6.90 6.85 6.80 WeakTraj_1 Weak_2 6.75 OU_Improved IJK 6.70 Euler CMT 6.65 0 100 200 300 400 500 600 F IGURE: Convergence du prix de l’option asiatique en fonction de N. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 48 / 55 Convergence forte ........ log N 2N 2 en fonction de log(N) E max0≤k≤N eXtk − eXtk 5 5 4 3 0 2 1 0 −5 WeakTraj_1 −1 −2 Weak_2 WeakTraj_1 (C) OU_Improved Weak_2 (C) IJK OU_Improved (C) Euler IJK (C) CMT −3 0.5 1.0 Euler (C) 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 −10 0.5 F IGURE: Sans couplage. 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 F IGURE: Avec couplage. ........ Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 49 / 55 Multi-level Monte Carlo pour le pricing de l’option asiatique −1 10 WeakTraj_1 Weak_2 OU_Improved Computation time x Epsilon² IJK Euler CMT −2 10 −3 10 −3 10 −2 10 −1 10 Epsilon F IGURE: Temps de calcul multiplié par le carré de la précision ε Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 50 / 55 Perspectives 1 Calibration implicite du Beta dans le modèle d’indice ? Méthode de calibration plus rapide ? 2 Etude de la couverture tant sur le plan théorique que pratique ? 3 4 Relaxer l’hypothèse f 2 > 0 dans les résultats de convergence sur les schémas ? Hypothèses moins fortes pour passer à l’exponentielle dans les schémas Weak Traj 1 et OU Improved ? Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 51 / 55 References I M. Avellaneda, D. Boyer-Olson, J. Busca, and P. Friz. Reconstructing volatility. Risk, pages 87–91, October 2002. P. Cizeau, M. Potters, and J-P. Bouchaud. Correlation structure of extreme stock returns. Quantitative Finance, 1(2) :217–222, February 2001. B. Dupire. Pricing with a smile. Risk, pages 18–20, January 1994. I. Gyöngy. Mimicking the one-dimensional marginal distributions of processes having an Itô differential. Probab. Theory Relat. Fields, 71(4) :501–516, 1986. P. Lee, L. Wang, and A. Karim. Index volatility surface via moment-matching techniques. Risk, pages 85–89, December 2003. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 52 / 55 Volatilité Implicite 50 Carrefour Eurostoxx 45 40 35 30 25 20 15 10 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 Moneyness F IGURE: Effet de levier ? Pression d’achat de certains puts OTM sur l’indice (assurance contre les crashs) ? Stocks plus corrélés durant les crashs ?... Le smile de l’indice est plus pentu que celui des stocks. Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 53 / 55 cL son approximation par un P une fonctionnelle de la solution d’une EDS et P −L schéma de discrétisation de pas 2 T. P E PbL = E Pb0 + Ll=1 E Pbl − Pbl−1 ! N0 Nl X PL 1 1 X (k) (k) (k) b −P b b + P P ≃ l=1 0 l l−1 N0 Nl k=1 k=1 | {z } | {z } Théorème (Giles 06) b0 Y bl Y Si leschéma a un ordre deconvergence faible α ≥ 12 et si bl = O N −1 Tl β (par ex. si ordre de convergence forte égal à β ), Var Y l 2 2 alors il existe c > 0 tel que pour tout ǫ >P 0 il existe des valeurs de L et de b= L Y b vérifie E[(Y b − E(P))2 ] < ǫ2 (Nl )0,...,L pour lesquels l’estimateur Y −2 l=0 l si β > 1 cǫ −2 2 cǫ (ln(ǫ)) si β = 1 avec une complexité de calcul C ≤ −2− 1−β α si 0 < β < 1 cǫ Pour Euler par ex., on passe d’une complexité en O(ǫ−3 ) à O(ǫ−2 (ln(ǫ))2 ). Mohamed Sbai (UPE-CERMICS) Modèle d’indice & schémas 25 novembre 2009 54 / 55 Arguments heuristiques pour Weak Traj 1 dXt = ρdF(Yt ) + h(Yt )dt + L e e (Xtk )k≤N = (X tk )k≤N où X0 = log(s0 ) et p 1 − ρ2 f (Yt )dBt Z tk+1 etk+1 = X etk + ρ(F(Ytk+1 ) − F(Ytk )) + h(Ys )ds X tk s Z (1 − ρ2 )N tk+1 2 + f (Ys )ds ∆Bk+1 . T tk Var Z tk+1 tk f (Ys )dBs |W = ≃ Z tk+1 tk 2 f (Y f 2 (Ys )ds tk )T N + σ f (Ytk ) . . Mohamed Sbai (UPE-CERMICS) 2′ Modèle d’indice & schémas Z tk+1 tk Ws − Wtk ds 25 novembre 2009 55 / 55