Ce mémoire vise à estimer la densité neutre au risque (Risk neutral density (RND) en anglais) par une approche non paramétrique tout en tenant compte de l’endogénéité. Les prix transversaux des options européennes sont utilisés pour l’estimation. Le modèle principal considéré est la régression linéaire fonctionnelle. Nous montrons comment utiliser des variables instrumentales dans ce modèle pour corriger l’endogénéité. En outre, nous avons intégré des variables instrumentales dans le modèle approximant le RND par l’utilisation des fonctions d’Hermite à des fins de comparaison des résultats. Pour garantir un estimateur stable, nous utilisons la technique de régularisation de Tikhonov. Ensuite, nous effectuons des simulations de Monte-Carlo pour étudier l’impact des différents types de distribution RND sur les résultats obtenus. Plus précisément, nous analysons une distribution de mélange lognormale et une distribution de smile de Black-Scholes. Les résultats des simulations démontrent que l’estimateur utilisant des variables instrumentales pour corriger l’endogénéité est plus performant que l’alternative qui ne les utilise pas. En outre, les résultats de la distribution de smile de Black-Scholes sont plus performants que ceux de la distribution de mélange log-normale. Enfin, S&P 500 options sont utilisées pour une application de l’estimateur. / This thesis aims to estimate the risk-neutral density (RND) through a non-parametric approach
while accounting for endogeneity. The cross-sectional prices of European options are used for
the estimation. The primary model under consideration is functional linear regression. We
have demonstrated the use of instrumental variables in this model to address endogeneity.
Additionally, we have integrated instrumental variables into the model approximating RND
through the use of Hermite functions for the purpose of result comparison. To ensure a stable
estimator, we employ the Tikhonov regularization technique. Following this, we conduct Monte-
Carlo simulations to investigate the impact of different RND distribution types on the obtained
results. Specifically, we analyze a lognormal mixture distribution and a Black-Scholes smile
distribution. The simulation results demonstrate that the estimator utilizing instrumental
variables to adjust for endogeneity outperforms the non-adjusted alternative. Additionally,
outcomes from the Black-Scholes smile distribution exhibit superior performance compared to
those from the log-normal mixture distribution. Finally, S&P 500 options are used for an
application of the estimator.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/32707 |
| Date | 10 1900 |
| Creators | DJOSSABA, ADJIMON MARCEL |
| Contributors | Carrasco, Marine |
| Source Sets | Université de Montréal |
| Language | English |
| Detected Language | French |
| Type | thesis, thèse |
| Format | application/pdf |
Page generated in 0.0026 seconds