10.07.2015 Views

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

SHOW MORE
SHOW LESS

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!