Méthodes de Monte Carlo appliquées au pricing d ... - Maths-fi.com
Méthodes de Monte Carlo appliquées au pricing d ... - Maths-fi.com
Méthodes de Monte Carlo appliquées au pricing d ... - Maths-fi.com
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
5.2. Différentes métho<strong>de</strong>s <strong>de</strong> construction la VaR <strong>de</strong> marché5.2 Différentes métho<strong>de</strong>s <strong>de</strong> construction la VaR <strong>de</strong> marchéNous présentons dans cette section quatre métho<strong>de</strong>s <strong>de</strong> calcul <strong>de</strong> la VaR <strong>de</strong> marché. Les <strong>de</strong>uxpremières approches ne requièrent pas l’utilisation <strong>de</strong> simulations <strong>Monte</strong> <strong>Carlo</strong> : il s’agit <strong>de</strong> La VaRhistorique et <strong>de</strong> la VaR g<strong>au</strong>ssienne.Les <strong>de</strong>ux approches suivantes sont <strong>de</strong>s approches paramétriques dans lesquelles la dépendanceentre les différents facteurs <strong>de</strong> risque est modélisée <strong>au</strong> moyen d’une copule. Ces <strong>de</strong>ux approchesdiffèrent par la façon dont chaque source <strong>de</strong> risque est prise en <strong>com</strong>pte :– Dans l’approche paramétrique, la loi <strong>de</strong> chaque facteur <strong>de</strong> risque est issue d’un modèle paramétrique;– Dans l’approche semi-historique (ou semi-paramétrique), la loi <strong>de</strong>s différents facteurs correspondà la distribution empirique.Cadre d’analyseSoit un portefeuille linéaire <strong>de</strong> n actifs. Nous notons P i (t) et r i (t) le prix et le ren<strong>de</strong>ment <strong>de</strong>l’actif i à la date t. Si θ = (θ 1 , . . . , θ n ), la valeur du portefeuille à la date t estn∑P (t) = θ i P i (t)i=1Nous supposons que les facteurs <strong>de</strong> risque sont les ren<strong>de</strong>ments <strong>de</strong>s actifs. A la date t, la valeur duportefeuille P (t + 1) est aléatoire et nous avonsn∑P (t + 1) = θ i P i (t + 1)Le P&L entre les dates t et t + 1 est donc=i=1n∑θ i P i (t) (1 + r i (t + 1))i=1Π (t + 1 | t) = P (t + 1) − P (t)n∑= θ i P i (t) r i (t + 1)i=1= θ ⋆ (t) ⊤ r (t + 1)où r (t + 1) est le vecteur aléatoire <strong>de</strong>s ren<strong>de</strong>ments (r 1 (t + 1) , . . . , r n (t + 1)) et θ ⋆ (t) est le vecteurdont la i-ième <strong>com</strong>posante est θ i P i (t). Notons F la distribution <strong>de</strong> r (t + 1). La valeur en risque<strong>au</strong> seuil <strong>de</strong> con<strong>fi</strong>ance α est alors dé<strong>fi</strong>nie parV ar (α) = − inf {x : P {Π (t + 1 | t) ≤ x} ≥ 1 − α}= −F −1 (1 − α)Pour chaque métho<strong>de</strong> <strong>de</strong> calcul <strong>de</strong> la VaR, les applications numériques utilisent la base <strong>de</strong> donnéesdu London Metal Exchange étudiée dans [2, Bouyé et al., 2000]. Nous considérons en particulierla dépendance entre le prix spot <strong>de</strong> l’aluminium (que nous notons AL) et le prix forward 15 mois(que nous notons AL-15), ainsi que les prix spot du cuivre (CU), du nickel (NI) et du plomb (PB).Les trois portefeuilles considérés ont la <strong>com</strong>position suivante :AL AL-15 CU NI PBP 1 1 1 1 1 1P 2 -1 -1 -1 1 1P 3 2 1 -3 4 563