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.

5.3. Calcul <strong>de</strong> la charge en capital pour le risque opérationnel– Le choix <strong>de</strong> la copule Normale ne permet pas <strong>de</strong> mettre <strong>de</strong> la dépendance sur les extrêmes.Une copule <strong>de</strong> valeurs extrêmes a une influence plus importante sur la mesure <strong>de</strong> risque.– L’absence <strong>de</strong> dépendance sur les extrêmes est accentuée par <strong>de</strong>ux phénomènes : les fréquencessont discrètes (ce qui veut dire par exemple que la mesure <strong>de</strong> risque sera plus sensible à lacopule si les fréquences <strong>de</strong> Poisson sont importantes, car le caractère discret <strong>de</strong> la distributionest moins accentué) et la mesure <strong>de</strong> risque porte sur la distribution agrégée. Nous pouvons trèsbien avoir <strong>de</strong>ux extrêmes N 1 et N 2 , cela ne veut pas dire que nous obtenons nécessairementun extrême pour la somme <strong>de</strong>s <strong>de</strong>ux distributions <strong>com</strong>posées, car le risque opérationnel estavant tout un risque <strong>de</strong> sévérité (quelques pertes extrêmes suf<strong>fi</strong>sent à représenter 95% durisque opérationnel).p i,j 0 1 2 3 4 5 · · · p i,·0 0.0945 0.133 0.0885 0.0376 0.0114 0.00268 0.3681 0.0336 0.1 0.113 0.0739 0.0326 0.0107 0.3682 0.00637 0.0312 0.0523 0.0478 0.0286 0.0123 0.1843 0.000795 0.00585 0.0137 0.0167 0.013 0.0071 0.06134 7.28E-005 0.000767 0.00241 0.00381 0.00373 0.00254 0.01535 5.21E-006 7.6E-005 0.000312 0.000625 0.000759 0.000629 0.00307.p·,j 0.135 0.271 0.271 0.18 0.0902 0.0361 1Table<strong>au</strong> 5.9. Loi <strong>de</strong> Poisson bidimensionnelle avec ρ = 0.5p i,j 0 1 2 3 4 5 · · · p i,·0 0.0136 0.0617 0.101 0.0929 0.058 0.027 0.3681 0.0439 0.112 0.111 0.0649 0.026 0.00775 0.3682 0.0441 0.0683 0.0458 0.0188 0.00548 0.00121 0.1843 0.0234 0.0229 0.0109 0.00331 0.000733 0.000126 0.06134 0.00804 0.00505 0.00175 0.000407 7.06E-005 9.71E-006 0.01535 0.002 0.00081 0.000209 3.79E-005 5.26E-006 5.89E-007 0.00307.p·,j 0.135 0.271 0.271 0.18 0.0902 0.0361 1Table<strong>au</strong> 5.10. Loi <strong>de</strong> Poisson bidimensionnelle avec ρ = −0.5Corrélation <strong>de</strong>s pertesDans [3, Frachot, Georges et Roncalli , 2001], les <strong>au</strong>teurs présentent une secon<strong>de</strong> métho<strong>de</strong>pour agréger les risques qui est be<strong>au</strong>coup plus acceptable. La dépendance est directement mise surles pertes. Soient ϑ 1 et ϑ 2 <strong>de</strong>ux pertes correspondant à <strong>de</strong>ux types différents <strong>de</strong> risque opérationnel.Soit G la distribution jointe. Nous avonsG (x 1 , x 2 ) = C (G 1 (x 1 ) , G 2 (x 2 ))72

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

Saved successfully!

Ooh no, something went wrong!