Fig. 2.3 : La distribution de la loi de Student.0,600,50t_50,400,30n(0,1)0,070,050,200,10--5,00-4,50-4,00-3,50-3,00-2,50-2,00-1,50-1,00-0,50f_5⎛n ⎜0,⎝-0,000,501,001,502,002,503,005 ⎞⎟3⎠3,504,004,505,000,030,02-0,00-5,00 -4,50 -4,00 -3,50 -3,00 -2,50 -2,00directe avec la loi normale n (0, 1). En fait, seule la densité de Student standardisée (t 5 ) estcomparable à n (0,(1).√Il convient)de comparer la densité de Student standard à la courbe demême variance n 0, .532 En reprenant le tableau 2.1 et en posant v = 5, on trouve le tableau 2.6.Tab. 2.6 : Simulations de R v,c (T) avec v = 5.v 51-cmu sigma 95,00 % 97,50 % 99,00 % 99,90 % 99,99 %0 1 1,561 1,991 2,606 4,565 7,49510 % 1 1,461 1,891 2,506 4,465 7,395-10 % 1 1,661 2,091 2,706 4,665 7,59510 % 10 % 0,056 0,099 0,161 0,357 0,65010 % 20 % 0,212 0,298 0,421 0,813 1,39910 % 30 % 0,368 0,497 0,682 1,270 2,14910 % 40 % 0,524 0,696 0,943 1,726 2,89824On constate que les valeurs en risque se comportent les unes par rapport aux autres conformémentà l’intuition (voir exercice 1). La comparaison avec les VaR normales du tableau 1(obtenues dans les mêmes contextes de moyenne et variance) est intéressante. On constateque la VaR Student est a) inférieure à la VaR normale lorsque le seuil de confiance est modéré(95 %), de même ordre de grandeur pour 1 − c = 97, 5 % et nettement supérieure, au-delà.© 2010 <strong>Pearson</strong> France – Synthex Finance de marché – Franck Moraux
3 On trouve le tableau 2.7.Tab. 2.7 : Simulations de ES v,c (T)v 51-cmu sigma 95,00 % 97,50 % 99,00 % 99,90 % 99,99 %2,015 2,571 3,365 5,894 9,6760 1 2,2387 2,7278 3,4488 5,8203 9,445210 % 1 2,1387 2,6278 3,3488 5,7203 9,3452-10 % 1 2,3387 2,8278 3,5488 5,9203 9,545210 % 10 % 0,1239 0,1728 0,2449 0,4820 0,844510 % 20 % 0,3477 0,4456 0,5898 1,0641 1,789010 % 30 % 0,5716 0,7183 0,9347 1,6461 2,733610 % 40 % 0,7955 0,9911 1,2795 2,2281 3,6781Exercice 7Solution1 Le problème s’écrit plus formellement :[ −RMaxNc MaxVaR(T) − µσ]] [+ exp[2 −µRMax c MaxVaR(T) −RMaxσ 2 NLorsque µ = 0, on a pour les deux VaR : Nc MaxVaR(T) − µσ[ ][−Rc (T)−RMaxσ= c V et 2N]= c MaxVaR. (2.4)c MaxVaR(T )σ]= c MaxVaR.Pour[la première]lecture, conservons le seuil R c (T) pour la MaxVaR. On trouve alors c MaxVaR=2N −Rc (T)σ= 2c V . Autrement dit, la probabilité de voir la VaR franchie durant la périodeest deux fois celle de la voir atteinte à l’échéance !Pour la deuxième lecture, conservons le niveau c V pour la MaxVaR. On a alors R Maxc V(T) =−σN [ −1 12 c V]> −σN −1 [c V ] = R cV (T). Le seuil doit être plus élevé. Autrement dit, on vaplus loin dans les extrêmes (et cela pour être moins facilement atteignable).Pour la troisième lecture, on sait déjà que si on double le niveau c V pour la MaxVaR, onobtient :[ −RMax]c2NMaxVaR(T)= cσMaxVaR= 2c VaR,[ −RMax] [ ]csoit encore 2N MaxVaR(T)σ= 2N −Rc (T)σ. On a donc, après simplification,R Maxc MaxVaR(T) = R c (T). Autrement dit, on doit accepter de diminuer le seuil de confiance (enfait de 1 − c V à 1 − 2c V ) pour utiliser la VaR habituelle comme MaxVaR.2 Pour µ, σ et c connus, on peut calculer la VaR normale. Pour un niveau de MaxVaR arbitraire,on peut également calculer c MaxVaRpar la formule (2.4). En utilisant le solveur, on peutalors forcer la cellule contenant c MaxVaRà prendre exactement une valeur de c en faisant varierMaxVaR. On trouve alors le tableau 2.8.On affiche ici les décimales de c obtenues par solveur pour rappeler la démarche numérique.La dernière colonne permet de vérifier immédiatement que le seuil MaxVaR est bien plusgrand que la VaR puisque le rapport est strictement supérieur à un. Conformément à la questiona) (lorsque µ = 0), la première et deuxième lignes montrent que MaxVaR 5 % est identiqueà VaR 2,5 % . L’introduction d’une espérance de rentabilité strictement positive diminue25© 2010 <strong>Pearson</strong> France – Synthex Finance de marché – Franck Moraux
- Page 1 and 2: Corrigés des exercices
- Page 3 and 4: avec o (x) un terme négligeable. O
- Page 5 and 6: 7 Vous allez devoir estimer 200 ren
- Page 7 and 8: Exercice 4Solution⎛⎞0, 01000 0,
- Page 9 and 10: Fig. 1.1 : Les enveloppes de portef
- Page 11 and 12: ⎛portefeuille M : E [R M ] = 9, 8
- Page 13 and 14: Dans le repère (0, E [R] , σ), il
- Page 15 and 16: Au total, on trouve :σ 2 P = 1 (N
- Page 17 and 18: où λ est le multiplicateur de Lag
- Page 19 and 20: Notons qu’il n’existe pas d’e
- Page 21 and 22: La première expression démontre q
- Page 23: pointe vers la droite (et donc les
- Page 28 and 29: changement de variable N −1 [u] =
- Page 30: fort. Le coefficient d’asymétrie
- Page 34 and 35: Fig. 2.7 : Détermination graphique
- Page 36 and 37: Chapitre 3Exercice 1Solution1 La mi
- Page 38 and 39: On trouve évidemment des valeurs i
- Page 40 and 41: estimer σ 2 t. On peut d’ailleur
- Page 42 and 43: La figure 3.4 compare trois volatil
- Page 44 and 45: Fig. 3.6 : Recherche du lambda opti
- Page 46 and 47: L’égalité (1) vient de la norma
- Page 48 and 49: La structure par terme de volatilit
- Page 50 and 51: Fig. 3.8 : Volatilité conditionnel
- Page 52 and 53: Exercice 9SolutionOn va estimer les
- Page 54 and 55: Chapitre 4Exercice 1Solution1 On tr
- Page 56 and 57: soit encorep (t 0 + 1, t 0 + 16) =
- Page 58 and 59: la rente perpétuelle demande un mo
- Page 60 and 61: Les taux d’intérêt spot et forw
- Page 62 and 63: Exercice 6Solution1 Cette obligatio
- Page 64 and 65: Et, en utilisant cette valeur dans
- Page 66 and 67: 6 Dans le dernier point, on envisag
- Page 68 and 69: On pourra vérifier l’égalité d
- Page 70 and 71: avec une valeur de u de un. La somm
- Page 72 and 73: V (R), on trouve V ′ (R) = −CR
- Page 74 and 75:
second ordre le sous-évalue systé
- Page 76 and 77:
Exercice 5Solution1 On trouve :D ef
- Page 78 and 79:
Exercice 7Solution1 On peut démont
- Page 80 and 81:
4 Dans la mesure où un butterfly e
- Page 82 and 83:
- à l’écart qui sépare le nive
- Page 84 and 85:
3 Sur le prix d’un zéro-coupon d
- Page 86 and 87:
Fig. 6.4 : Structure par terme des
- Page 88 and 89:
Fig. 6.7 : Impact de la volatilité
- Page 90 and 91:
Fig. 6.11 : Impact de la force de r
- Page 92 and 93:
Fig. 6.15 : Les paramètres structu
- Page 94 and 95:
Fig. 6.19 : Les paramètres structu
- Page 96 and 97:
La formule ( (6.6) peut donc s’in
- Page 98 and 99:
puis :d’oùOn a donc :∂ 2 ln A
- Page 100 and 101:
le cours du sous-jacent est inféri
- Page 102 and 103:
Fig. 7.2 : Portefeuilles Options /
- Page 104 and 105:
Le commentaire pour les stratégies
- Page 106 and 107:
parité obtenue dans l’exercice p
- Page 108 and 109:
[ ][ ]30 sept30 septOn a ensuite N
- Page 110 and 111:
Ce revenu terminal ne dépend d’a
- Page 112 and 113:
avec la N −1 la fonction de répa
- Page 114 and 115:
avec d 1 (K p (0)) = 1 2 σ√ T et
- Page 116 and 117:
Chapitre 8Exercice 1Solution1 La fi
- Page 118 and 119:
La figure 8.2 confirme les résulta
- Page 120 and 121:
Le delta implique la fonction de r
- Page 122 and 123:
Fig. 8.5 : Les principaux grecs en
- Page 124 and 125:
La condition ∂ ln v∂ ln S = 2 s
- Page 126 and 127:
Exercice 8Solution1 Prix et princip
- Page 128 and 129:
Exercice 10Solution1 Le prix d’un
- Page 130 and 131:
2. Le cours de l’action est supé
- Page 132 and 133:
Pour le moment d’ordre deux, on a
- Page 134 and 135:
l’on place dans la suivante colon
- Page 136 and 137:
2 Idem 1.3 La formule d’évaluati
- Page 138 and 139:
Fig. 9.6 : Volatilité implicite et
- Page 140 and 141:
alors estimée en actualisant (sur
- Page 142 and 143:
Fig. 9.10 : Histogramme des prix ob