Return to search

Processus matriciels : simulation et modélisation de la dépendance en finance

La première partie de cette thèse est consacrée à la simulation des équations différentielles stochastiques définies sur le cône des matrices symétriques positives. Nous présentons de nouveaux schémas de discrétisation d'ordre élevé pour ce type d'équations différentielles stochastiques, et étudions leur convergence faible. Nous nous intéressons tout particulièrement au processus de Wishart, souvent utilisé en modélisation financière. Pour ce processus nous proposons à la fois un schéma exact en loi et des discrétisations d'ordre élevé. A ce jour, cette méthode est la seule qui soit utilisable quels que soient les paramètres intervenant dans la définition de ces modèles. Nous montrons, par ailleurs, comment on peut réduire la complexité algorithmique de ces méthodes et nous vérifions les résultats théoriques sur des implémentations numériques. Dans la deuxième partie, nous nous intéressons à des processus à valeurs dans l'espace des matrices de corrélation. Nous proposons une nouvelle classe d'équations différentielles stochastiques définies dans cet espace. Ce modèle peut être considéré comme une extension du modèle Wright-Fisher (ou processus Jacobi) àl'espace des matrice de corrélation. Nous étudions l'existence faible et forte des solutions. Puis, nous explicitons les liens avec les processus de Wishart et les processus de Wright-Fisher multi-allèles. Nous démontrons le caractère ergodique du modèle et donnons des représentations de Girsanov susceptibles d'être employées en finance. En vue d'une utilisation pratique, nous explicitons deux schémas de discrétisation d'ordre élevé. Cette partie se conclut par des résultats numériques illustrant le comportement de la convergence de ces schémas. La dernière partie de cette thèse est consacrée à l'utilisation des ces processus pour des questions de modélisation multi-dimensionnelle en finance. Une question importante de modélisation, aujourd'hui encore difficile à traiter, est l'identification d'un type de modèle permettant de calibrer à la fois le marché des options sur un indice et sur ses composants. Nous proposons, ici, deux types de modèles : l'un à corrélation locale et l'autre à corrélation stochastique. Dans ces deux cas, nous expliquons quelle procédure on doit adopter pour obtenir une bonne calibration des données de marché

Identiferoai:union.ndltd.org:CCSD/oai:pastel.archives-ouvertes.fr:pastel-00674813
Date01 December 2011
CreatorsAhdida, Abdelkoddousse, Ahdida, Abdelkoddousse
PublisherUniversité Paris-Est
Source SetsCCSD theses-EN-ligne, France
LanguageEnglish
Detected LanguageFrench
TypePhD thesis

Page generated in 0.002 seconds