MASTER 2 MIME-MISE

Cours Méthodes mathématiques de la finance

Pr NITIEMA
Avril 2024
 Table des matières

1 Notion de base et généralités 1

1.1 Quelques vocabulaires de la finance . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Les marchés organisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Les marchés électroniques . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.3 Les marchés de gré à gré . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.4 Les produits dérivés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Définitions et caractéristiques des options . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Caractéristiques des options . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Le fonctionnement des options . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Les stratégies de base des options . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Modèle de Cox-Ross-Rubinstein (CRR) 12

2.1 Modèle à une période . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.1 Évolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.2 Probabilité risque-neutre . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.3 Portefeuilles autofinancés . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.4 Arbitrage et martingale . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.5 Complétude de marché . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Couverture des options européennes . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.2 Prix d’une option dans un marché complet . . . . . . . . . . . . . . . . . 18
2.3 Modèle de Cox-Ross-Rubinstein (CRR) . . . . . . . . . . . . . . . . . . . . . . 19
2.3.1 Hypothèses du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.2 Description du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.3 Application pour un modèle à une période . . . . . . . . . . . . . . . . . 24
2.4 Généralisation pour un modèle à n périodes . . . . . . . . . . . . . . . . . . . . 26
2.5 Convergence du modèle CRR vers le modèle de Black-Scholes . . . . . . . . . . 28

ii
TABLE DES MATIÈRES TABLE DES MATIÈRES

3 Éléments de calcul stochastique 30

3.1 Généralités sur les processus stochastiques . . . . . . . . . . . . . . . . . . . . . 30
3.1.1 Premières définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.1.2 Propriétés fonctionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.3 Processus Gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2 Temps d’arrêt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3 Martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4 Martingales et stratégies autofinancées . . . . . . . . . . . . . . . . . . . . . . . 36
3.4.1 Stratégie autofinancée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.4.2 Processus de valeur d’une stratégie autofinancée . . . . . . . . . . . . . . 37

4 Mouvement brownien et calcul d’Itô 38

4.1 Martingales en temps continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2 Mouvement brownien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.1 Définition et premières propriétés . . . . . . . . . . . . . . . . . . . . . . 39
4.2.2 Mouvement brownien multi-dimensionnel . . . . . . . . . . . . . . . . . . 40
4.2.3 Variation d’ordre p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Intégrale d’Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.3.1 Intégration des processus élémentaires . . . . . . . . . . . . . . . . . . . 42
4.4 Lemme d’Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.5 Formule de Black-Scholes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5.1 Mouvement brownien simple . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5.2 Mouvement brownien avec tendance . . . . . . . . . . . . . . . . . . . . . 46
4.5.3 Processus d’Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.5.4 Mouvement brownien géométrique . . . . . . . . . . . . . . . . . . . . . . 47
4.6 Équations différentielles stochastiques . . . . . . . . . . . . . . . . . . . . . . . . 47
4.6.1 Conditions d’existence et d’unicité de la solution . . . . . . . . . . . . . . 47

5 Modèle de Black-Scholes 48
5.1 Hypothèses du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.2 Présentation du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.3 Application de la formule de Black-Scholes . . . . . . . . . . . . . . . . . . . . . 53

6 Les Grecques 54
6.1 Généralité sur les Grecques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.1.1 Le Delta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.1.2 Le Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.1.3 le Véga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.1.4 le Thêta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
6.1.5 Le Rhô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

Univ-Thomas SANKARA / Burkina Faso iii Pr Pierre Clovis NITIEMA c 2024

 Chapitre 1

Notion de base et généralités

1.1 Quelques vocabulaires de la finance

1.1.1 Les marchés organisés

Un marché organisé d’actifs dérivés est un marché sur lequel sont échangés des contrats
standardisés élaborés par les autorités de marché. Le Chicago Board of Trade ([Link]) a
été crée en 1848 pour confronter les offres et demandes des grains des fermiers et des négociants.
Au départ, l’objectif essentiel était de standardiser quantités et qualité des grains échangés.
Quelques années plus tard, le premier contrat futur a été mis en place. Rapidement, les
spéculateurs ont trouvé plus attractif de spéculer sur le contrat que sur le grain lui-même. Le
principal concurrent nord-américain, le Chicago Mercantile Exchange (CME, [Link]), a
ouvert ses portes en 1919. Aujourd’hui, des marchés organisés de contrats futures existent dans
le monde entier.

1.1.2 Les marchés électroniques

Alors que, traditionnellement, les traders (ou membres de marchés) négociaient en un lieu
unique, à la criée, à l’aide d’un jeu de signes complexe, l’évolution technologique a conduit à
l’émergence de la négociation (ou trading) électronique qui la norme aujourd’hui. Les ordres
sont passés directement par ordinateur et transférés sur un système central qui apparie acheteurs
et vendeurs.

1.1.3 Les marchés de gré à gré

Tous les échanges ne sont pas réalisés sur des marchés organisés. Le marché de gré à gré (noté
OTC dans la suite pour Over the counter) constitue une alternative importante en terme de
volume de transactions. Les échanges sont conclus par téléphone ou par l’intermédiaire de
réseaux informatiques entre deux institutions financières ou entre une institution et l’un de ses
clients. Ces institutions jouent souvent le rôle de teneurs de marchés, ou market-markers, pour
les produits les plus courants, c’est-à-dire qu’elles cotent des prix auxquels elles sont prêtes à
acheter (prix demandé ou bid) et des prix auxquels elles acceptent de vendre (prix offert ou ask).

1
Chapitre 1. 1.1. Quelques vocabulaires de la finance

les transactions sur le marché OTC sont en général d’un montant moyen plus important que
sur le marché organisé et les conversations téléphoniques sont enregistrées pour régler les litiges
éventuels.

1.1.4 Les produits dérivés

Exemple: Le producteur du blé et du boulanger:
Définition 1.1 Un produit dérivé est un contrat entre deux parties qui détermine à l’avance le
prix à un actif que l’on appelle aussi produit sous-jacent. Ce produit sous-jacent peut être un
titre financier, comme une action ou une obligation, mais aussi des valeurs comme les devises,
les matières premières ou encore les taux d’intérêts. La valeur d’un produit dérivé est intrinsèque
ce qui signifie qu’elle n’est pas identique à la valeur du cours du marché mais qu’elle bénéficie
de l’augmentation ou de la diminution de cette dernière.

Il existe énormément de produits dérivés. Les plus connus sont les contrat de différence ou
CFD, les contrat à termes ou futures, les options, et les swaps. La plupart des produits dérivés
sont négociés de gré à gré ce qui veut dire qu’ils sont uniques et personnalisés. Vous pouvez
investir dans ce type de produit en passant par des marchés bousiers spécialisés ou même dans
certains marchés boursiers que vous utilisez pour acheter vos actions pour en savoir plus sur les
marchés boursiers. Le montant total de produit dérivés qui existe sur le marché c’est un million
de milliard de dollars. 1 + 15 zéros c’est bien puisque l’ensemble des pièces, billets et complets
de dépôt cash du monde entier.
Mais comment est ce possible ?
C’est possible car le règlement en lui-même ne s’effectue pas directement lors de la création du
contrat mais lors d’une date future.
Exemple:
Lorsque le prix du pétrole augmente les particuliers les premiers à s’indigner car cela signifie
que le prix du carburant augmente. Mais voyons comment certaines personnes bénéficier du
prix de la hausse du pétrole.
Supposons que le prix du baril de pétrole est de 50 e et que vous acheter un produit dérivé
pour 5 e qui représente 1 pour 1 du prix du baril de pétrole. Si le prix du pétrole augmente 5 e
qui représente 1 pour 1 du prix du baril de pétrole. Si le prix du pétrole augmente de 5 e soit
55 e la valeur de votre produit dérivé sera de 5.5 e soit une hausse de 10% le pétrole prend
10%, la valeur de votre produit dérivé sera de 10 e soit une hausse de 100%.
Si certains parie sur la hausse, d’autre parvient sur la baisse. Un produit dérivé peut aussi
être utilisé pour couvrir les risques associés aux fluctuations des prix. Dans ce cas, on l’utilise
comme instrument de couverture. Ce type d’opération de couverture s’effectue beaucoup dans
le domaine des matières premières comme le blé.

Univ-Thomas SANKARA / Burkina Faso 2 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.1. Quelques vocabulaires de la finance

Les deux types de produits dérivés : les dérivés inconditionnelles et les dérivés conditionnelles.
Les deux dérivés utilisés sur le pétrole et sur le blé sont des dérivés inconditionnelles car ils
sont exécutés sans conditions. Nous avons tous les faits un contrat afin de me vendre votre
tonne de blé à 100 e Les produits dérivés font partis des produits, financiers les plus complexes.
Utilisons maintenant un dérivé conditionnel. Au lieu de passer un contrat avec une autre partie,
vous aller acheter une option. Cette option vous donne le droit de vendre une tonne de blé à
100 e, mais ce n’est pas une obligation. Si lors de la prochaine moisson le prix du blé est 50 e,
vous avez le droit de le vendre à 100 e. Mais si le prix du blé est de 150 e, vous pouvez laissez
expirer votre option et ensuite vendre votre tonne de blé en bourse pour 150 e.
Pour avoir accès à ce type d’option vous devez payer ce qu’on appelle une prime d’option.
Les produits dérivés sont ils des produits de pure spéculation ou sont-ils utiles au développe-
ment de notre économie ?
C’est comme un couteau. Si on sait l’utiliser correctement c’est très utile, sinon c’est
dangereux.
La valeur des produits dérivés dans le monde est de 1 million de milliards. Soit 11 fois le
P IB mondial qui est de 87 752 milliards de dollars. Le produit dérivés sont plus utilisés par les
spéculateurs que par les personnes voulant se couvrir contre les fluctuations de prix
A la base la spéculation n’est pas une mauvaise chose car cela permet de fournir des liquidités
sur les marchés afin de réduire le risque au niveau des entreprises. Mais lorsque ces belles
spéculatives se forment et que les prix sont artificiellement augmentés. Cela peut impacter
directement les producteurs et consommateurs. Par exemple, si le prix de la nourriture augmente
beaucoup de personnes n’auront pas assez d’argent pour manger.
Ce sous-jacent produit financier classique comme une action obligation sous-jacent= truc
sur lequel on pari.

1. L’effet levier

L’effet levier est un principe qui permet d’augmenter le rendement d’un placement.

2. Le hedge

Univ-Thomas SANKARA / Burkina Faso 3 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.2. Définitions et caractéristiques des options

On le trouve dans le mot « HEDGE » fund qui se traduit par le mot couverture ou
assurance.
En revenant sur l’effet levier, il faut remarquer l’idée parier sur la hausse d’une action
coute moins chère que d’acheter cette même action pourtant le gain potentiel est le même
: si avec 50 e on peut acheter une action y, avec ces 50 e on peut parier sur la hausse de
dix (10) actions.

1.2 Définitions et caractéristiques des options

Les termes suivants sont des éléments qui permettent de se familiariser au concept de la finance.

• Call: option d’achat

• Put: option de vente

• Strike: prix d’exercice de l’option

• In the money: une option est in the money si son détenteur a intérêt à l’exercer immédi-
atement

• Out the money: une option est out the money si son détenteur n’a pas intérêt à l’exercer
immédiatement

• la prime ou premium: Il s’agit du prix de l’option

• Pricing d’une option: évaluation de la prime

• Option européenne: une option européenne ne peut être exercée qu’à l’échéance

• Option américaine: une option américaine peut être exercée à tout moment

• La valeur intrinsèque: est égale au gain réalisé en cas d’exercice immédiat de l’option

• La valeur temps: une option de maturité T peut avoir une valeur intrinsèque nulle à
l’instant t 6 T. Mais en fonction des évènements qui sont susceptibles de se produire sur
l’intervalle [t;T], la valeur intrinsèque peut devenir strictement positive. Cette possibilité
est appelée la valeur temps; elle est donc une valeur spéculative.

1.2.1 Définitions
Définition 1.2
Les options sont des contrats qui donnent le droit à leur acheteur d’acheter ou de vendre une
quantité déterminée de l’actif sous-jacent à un prix spécifique, moyennant une prime, pendant
une période donnée ou à une date donnée.

Univ-Thomas SANKARA / Burkina Faso 4 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.2. Définitions et caractéristiques des options

On distingue entre autres:

– les options de change: une option de change aussi appelée option sur devise donne à son
détenteur le droit d’acheter ou de vendre des devises, jusqu’à une certaine échéance, à
un cours fixé lors de la souscription de l’option. Une entreprise qui craint une baisse du
dollar US et qui souhaite se couvrir contre ce risque pourrait s’acquérir d’une telle option.

– les options de taux d’intérêt: une option de taux d’intéret donne à son détenteur le droit
d’emprunter ou de prêter, à un taux préalablement fixé, à un certain moment, pour une
durée donnée, moyennent le versement d’une prime. On trouve des produits comme les
Cap, les Floor, les Collars qui sont des options sur différence des taux.

– les options sur indices boursier: une option sur indices boursiers donne à son détenteur
le droit d’acheter ou de vendre un indice représentatif d’un ensemble de titres cotés sur
une place financière. On a comme exemple, le CAC 40 en france, le NASDAQ, ou le DOW
JONES aux états-unis. Le CAC 40 qui signifie cotation assistée en continu est un indice
boursier français indiquant la moyenne du cours de 40 sociétés parmi les 100 plus fortes
capitalisations. Il est défini de la manière suivante:
P40 t
t i=1 KBi
CAC40 = P40 31/12/1987
× 1000
i=1 KBi

Sachant que la capitalisation boursière d’une société est donnée par:

[nombre de titres admis cote] × [cours du titre]

avec KB t la capitalisation boursière, à l’instant t, des 40 principales sociétés cotées à

Paris.
Le simple fait qu’une société fasse partie des 40 conduit notamment des investisseurs
institutionnels à acquérir ses titres. Inversement, lorsqu’une société sort du périmètre de
l’indice, de nombreux investisseurs cherchent à s’en séparer. L’appartenance ou non à
un indice, l’entrée ou la sortie dans un indice, ont donc mécaniquement un impact sur le
cours des actions.

– les options sur actions: une option sur action donne à son détenteur le droit d’acheter ou
de vendre un certain nombre d’actions d’une société, à un prix déterminé.

– les options sur marchandises: il existe des options sur certaines marchandises que l’on
peut négocier. Ces options ont le même mécanisme que les précédents mais ici, le sous-
jacent n’est pas un actif financier mais un actif réel tels que le blé, le café, l’or, le
métal.

Univ-Thomas SANKARA / Burkina Faso 5 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.2. Définitions et caractéristiques des options

Les options permettent premièrement de fixer aujourd’hui les modalités à remplir pour une
transaction future. Les deux parties auront donc l’une le droit et l’autre l’obligation d’effectuer
la transaction. En deuxième lieu, elles permettent de transférer sur autrui les aléas du futur.
Elles pourront ensuite être utilisées comme moyen de couverture de risque de hausse ou de baisse
du prix du sous-jacent par exemple si les grands producteurs de pétrole auguraient l’avènement
du corona-virus, ils pourraient acheter des puts afin de se prémunir d’une baisse très importante
des cours du pétrole. Les options peuvent aussi être utilisées comme moyens de spéculation.

1.2.2 Caractéristiques des options

A partir de cette définition, on peut dégager les six caractéristiques suivantes:

1. l’actif sous-jacent: c’est l’élément sur lequel porte le contrat d’option. Il peut être un
actif financier tels qu’une action, une obligation, un bon de trésor, un contrat à terme,
une devise, un indice boursier ou un actif physique telle une matière première agricole ou
minérale.

2. le prix d’exercice: c’est le prix auquel peut être acheté ou vendu l’actif sous-jacent, c’est
à dire le prix du sous-jacent sur lequel les deux parties se sont mises d’accord au moment
de la conclusion du contrat. On l’appelle aussi strike.

3. la quantité de l’actif sous-jacent: lors de la conclusion du contrat, la quantité de l’actif

sous-jacent doit être bien déterminée. Ainsi, pour les actifs financiers, il faut bien
mentionner le nombre d’actif et le montant de base par exemple, 20 actions de la société
X à 100.000 dollars US. Quant aux actifs physiques, on parle par exemple de baril pour le
pétrole et de tonne pour le blé.

4. la nature de l’option: concernant la nature de l’option, on distingue généralement option

d’achat ou call et option de vente ou put. Lors de la conclusion du contrat, il faut donc
déterminer la position de chacune des deux parties.

5. la date ou la période d’exercice: pour chaque option, il existe une date de maturité. Si
le détenteur de l’option a le droit d’exercer son option pendant toute la durée de l’option,
on parle d’option américaine. Si le détenteur de l’option n’a le droit de l’exercer qu’à une
date bien déterminée, on parle d’option européenne.
Le caractère américain ou européen de l’option n’a aucun rapport avec le continent ou
le pays. Par exemple, toutes les options de Euronext-Liffe sont américaines. Il existe
aussi des options asiatiques, des options russes; cependant, nous nous limiterons dans ce
mémoire aux options européennes.

6. le prix de l’option: le droit de vendre ou d’acheter un actif sous-jacent à un prix déterminé

a un coup. L’acheteur d’une option doit ainsi payer un montant défini pour entrer en

Univ-Thomas SANKARA / Burkina Faso 6 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.2. Définitions et caractéristiques des options

possession de l’option. Il s’agit de la prime ou du premium. La prime est bien sûr verseé
par l’acheteur au vendeur qui trouve ainsi une compensation financière à une situation
dans laquelle il a toutes les obligations et aucun droit.

La valeur d’une option dépend de plusieurs facteurs déterminants tels que la valeur actuelle du
sous-jacent, le temps qui reste à l’option avant son échéance, le prix d’exercice, le taux d’intérêt
sans risque et la volatilité ou écart type de l’action.

Définition 1.3 le taux d’intérêt

Le taux d’intérêt sur la période de temps [t0 ; t0 + T ] est le réel r tel que K placé à la date t0
donne K(1+r) à la date t0 + T .

Le taux d’intérêt est le loyer de l’argent. Pour un consommateur, l’intérêt est le prix à payer
pour la jouissance immédiate d’un bien de consommation. Pour un épargnant, l’intérêt est la
récompense pour la remise à plus tard de cette jouissance. Pour une entreprise, l’intérêt est le
prix à payer pour utiliser et faire fructifier l’argent prêté.

Définition 1.4 actualisation

Au taux annuel r, la valeur aujourd’hui actualisée d’une somme W reçue à la date t annuelle est:
W
S= .
(1 + r)t
On dit que S est la valeur actualisée de W.

Définition 1.5 la volatilité

La volatilité est l’ampleur des variations du cour d’un actif financier. Elle sert de paramètre de
quantification du risque de rendement et de prix d’un actif financier.

Lorsque la volatilité est élevée, la possibilité de gain est plus importante mais le risque de perte
l’est aussi. Pariant sur la volatilité à venir, les opérateurs de marché traders sont parfois appelés
des joueurs à risque ou risk players.
La volatilité est donc un indicateur primordial pour la fluidité du marché. D’après la théorie
financière, un investisseur n’admet acquérir un actif financier présentant une forte volatilité
donc un risque important que si son rendement est élevé. C’est pourquoi, les périodes de
forte volatilité se traduisent souvent par des cours bas permettant à l’acheteur d’anticiper une
rentabilité plus élevée.
La méthode de calcul de la volatilité est cependant contestée. En effet, elle prend pour hypothèse
que l’évolution future sera inspirée par l’évolution passée. Cette quantification utilise en effet
l’écart type notée σ des variations historiques de rentabilité. Autre simplification, elle se base
sur la courbe gaussienne des hausses et baisses de prix passées de cet actif, sur une suite de
périodes historiques. Par exemple, elle utilise l’écart type des variations journalières sur un
mois, ou des variations mensuelles sur dix ans etc.

Univ-Thomas SANKARA / Burkina Faso 7 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.3. Le fonctionnement des options

Toutefois, rien n’assure que ce paramètre doit rester constant dans le temps. C’est pourquoi les
opérateurs de marché ont développé et implémenté des modèles intégrant des volatilités non
constantes; il s’agit entre autres, de la volatilité locale, la volatilité stochastique, les méthodes
de calibrations historiques.

1.3 Le fonctionnement des options

Définition 1.6 Call
Une option d’achat ou call est un contrat qui donne à son détenteur le droit mais non l’obligation
d’acheter un actif donné appelé sous-jacent à une date donnée, à un prix convenu à l’avance,
appelé prix d’exercice.

Si l’achat a lieu, on dit que l’acheteur exerce son option. Puisqu’il n’est pas obligé de le faire, ce
contrat amène un gain qui est toujours positif.

Appelons St le prix du sous-jacent ou Spot à la date t. Soit T la date d’échéance et K le

prix d’exercice.
Le détenteur du call européen, à la date T a le choix d’acheter ou non le sous-jacent, au prix K.
Si ST > K, il achète donc au prix K un produit qui vaut ST . Il reçoit donc le jour T,

ST − K.

Par contre, si ST 6 K, il ne fait rien et reçoit donc dans ce cas

0.

On voit que de toute façon, il reçoit

max(0, ST − K) ou (ST − K)+ .

appelé Pay-off du call.

Définition 1.7 Put

Une option de vente ou put est un contrat qui donne à son détenteur le droit mais non l’obligation
de vendre un actif donné appelé sous-jacent à une date donnée, à un prix convenu à l’avance,
appelé prix d’exercice.

Si la vente a lieu, on dit que l’acheteur exerce son option. Puisqu’il n’est pas obligé de le faire,
ce contrat amène un gain qui est toujours positif.

Appelons St le prix du sous-jacent ou Spot à la date t. Soit T la date d’échéance et K le

prix d’exercice.
Le détenteur du put européen, à la date T a le choix de vendre ou non le sous-jacent, au prix K.
Si ST < K, il vend donc au prix K un produit qui vaut ST . Il reçoit donc le jour T,

Univ-Thomas SANKARA / Burkina Faso 8 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.4. Les stratégies de base des options

K − ST .

Par contre, si ST > K, il ne fait rien et reçoit donc dans ce cas

0.

On voit que de toute façon, il reçoit

max(0, K − ST ) ou (K − ST )+ .

appelé Pay-off du put.

On peut dire que l’option d’achat s’analyse juridiquement comme une promesse de vente,
accordée par le vendeur de l’option d’achat à l’acheteur de cette option. Alors que l’option de
vente s’analyse comme une promesse d’achat, accordée par le vendeur de l’option de vente à
l’acheteur de cette option.
Avec l’option, on a toujours quatre cas de figure:

1. un acheteur de call: il obtient un droit d’achat

2. un émetteur de call: il s’engage à livrer

3. un acheteur de put: il obtient un droit de vente

4. un émetteur de put: il s’engage à acheter

Une caractéristique primordiale des contrats d’options est la suivante:l’acheteur de l’option

n’est jamais contraint d’exercer l’option, il peut décider de laisser l’option expirer sans l’exercer.
De façon symétrique, le vendeur de l’option n’a pas le choix, il doit acheter ou vendre l’actif
sous-jacent si l’acheteur de l’option le désire.

1.4 Les stratégies de base des options

A l’échéance de l’option, il est possible de schématiser les pertes et les profits de l’acheteur et
du vendeur de l’option. Soient:

- K: le prix d’exercice de l’option

- S: le cours de l’actif sous-jacent sur le marché

- ST : le cours de l’actif sous-jacent à l’échéance

- P: la prime versée lors de la conclusion du contrat

Univ-Thomas SANKARA / Burkina Faso 9 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.4. Les stratégies de base des options

Figure 1.1 – Gain/perte d’un acheteur d’une option d’achat européenne

Source : De boeck, gestion de portefeuille 2007

L’acheteur d’un call anticipe que le prix du sous-jacent va augmenter. S’il se trompe, il fera
une perte limitée à la prime payée. S’il a raison, il va obtenir un non limité. Un call est dit in
the money si ST > K et out the money si ST 6 K.

Figure 1.2 – Gain/perte d’un vendeur d’une option d’achat européenne

Source : De boeck, gestion de portefeuille 2007

Le vendeur d’un call anticipe que le prix du sous-jacent va peu ou pas augmenter. S’il se trompe,
il fera une perte non limitée. S’il a raison, il obtient un gain limité à la prime encaissée.

Figure 1.3 – Gain/perte d’un acheteur d’une option de vente européenne

Univ-Thomas SANKARA / Burkina Faso 10 Pr Pierre Clovis NITIEMA c 2024

Chapitre 1. 1.4. Les stratégies de base des options

Source
: De boeck, gestion de portefeuille 2007

Un acheteur de put anticipe que le prix du sous-jacent va baisser. S’il se trompe, sa perte est
limitée à sa prime payée.

Figure 1.4 – Gain/perte d’un vendeur d’une option de vente européenne

Source :
De boeck, gestion de portefeuille 2007

Un vendeur de put anticipe que le prix du sous-jacent va augmenter, ou qu’il va peu baisser.
S’il se trompe, il encourt une perte non limitée, s’il a raison, il perçoit un gain limité à la prime
perçue. Ces schémas mettent en évidence l’asymétrie du risque: l’acheteur de l’option a une
perte limitée au montant de la prime et un profit quasi illimité tandis que le vendeur a un gain
limité et une perte potentiellement illimitée.

Univ-Thomas SANKARA / Burkina Faso 11 Pr Pierre Clovis NITIEMA c 2024

 Chapitre 2

Modèle de Cox-Ross-Rubinstein (CRR)

2.1 Modèle à une période

2.1.1 Évolution
On s’intéresse à un marché constitué de deux actifs:

• un actif sans risque B d’évolution prévisible,

• un actif risqué S d’évolution imprévisible.

L’actif sans risque B appelé Bond ou obligation est typiquement un bon de trésor. L’actif risqué
S ou Stock peut être n’importe quelle valeur négociée sur les marchés, par exemple une action
cotée en bourse , le cours d’une matière première ou le cours d’une action etc.
Notons ∆Bn = Bn - Bn−1 et ∆Sn = Sn - Sn−1 les variation de B et S entre les temps n et n-1.
L’évolution des actifs B et S est décrite par:





∆Bn = rn Bn−1


∆Sn = ρn Sn−1



avec rn le taux d’intérêt de B et ρn le rendement de S. Le taux d’intérêt rn et le rendement ρn

sont à priori stochastiques, autrement dit rn et ρn sont des variables aléatoires. on note Fn
l’information dont on dispose au temps n. L’actif B est dit sans risque car son évolution est
prévisible; au temps n-1, on connait la valeur du taux d’intérêt rn pour le temps n. La variable
aléatoire rn est donc Fn−1 -mesurable. Par contre l’actif S est un actif risqué; au temps n-1, on
ne connait pas la valeur de ρn . La variable aléatoire ρn est donc Fn -mesurable mais pas Fn−1 -
mesurable. Notre information au temps n est donc constituée de Fn = σ(S0 , ..., Sn , B0 , ..., Bn+1 ).
Il est plus commode de réécrire l’évolution des actifs sous la forme suivante:
∆Bn = Bn - Bn−1 = rn Bn−1 d’où Bn = (1+rn )Bn−1 .
Par récurrence on obtient: Bn = (1+rn )...(1 + r1 )B0
De manière analogue, on a: Sn = (1+ρn )...(1 + ρ1 )S0

12
Chapitre 2. 2.1. Modèle à une période

Définition 2.1 exponentielle stochastique

A un processus (Xn )n>1 , on associe l’exponentielle stochastique εn (X) définie par:
ε0 (X)= 1 et εn (X)= (1 + ∆X1 )...(1 + ∆Xn ), n> 1.

A partir de cette définition, on peut ré-exprimer les valeurs de Bn et Sn avec l’exponentielle

n
X n
X
stochastique. En posant Un = rk et Vn = ρk on a:
n=1 n=1

εn (Un ) = (1 + ∆U1 )(1 + ∆U2 )...(1 + ∆Un ) (2.1.1)

εn (Un ) = (1 + ∆U1 )(1 + U2 − U1 )...(1 + Un − Un−1 ) (2.1.2)
n−1
X n−1
X
εn (Un ) = (1 + r1 )(1 + r1 + r2 − r1 )...(1 + rn−1 + rn − rn−1 ) (2.1.3)
n=1 n=1

εn (Un ) = (1 + r1 )(1 + r2 )...(1 + rn ) (2.1.4)

d’où Bn = B0 εn (Un ). De manière analogue Sn = S0 εn (Vn ). Finalement, on obtient:






Bn = B0 εn (Un )


Sn = S0 εn (Vn )



2.1.2 Probabilité risque-neutre

Définition 2.2 probabilité risque-neutre
On dit que P∗ est une probabilité risque-neutre si:

1. P∗ est équivalente à la probabilité réelle P, c’est à dire P∗ (A) = 0 si et seulement si P(A)=0,

2. (Sn /εn (U ))n6N est une martingale sous P.

La première condition est une condition technique qui impose qu’un évènement qui n’a pas lieu
dans le monde réel (P(A)=0), n’a pas non plus lieu sous la probabilité risque-neutre(P∗ (A)=0)et
vice-versa. La seconde condition est équivalente à (Sn /Bn )n6N est une martingale sous P.
La valeur (Sn /εn (U ))n6N est appelée valeur réactualisée de Sn . Elle correspond à la valeur
relative de Sn par rapport à Bn . Autrement dit, elle donne le nombre d’obligation B que l’on
peut acheter au temps n avec un actif S.

La probabilité risque-neutre s’interprète en ces termes: sous la probabilité P∗ , les évolutions du

marché sont les mêmes que dans le monde réel sous P, mais elles ont lieu avec une probabilité
différente. Par exemple, une évolution très probable sous P, sera peut-être peu probable sous
P∗ . La probabilité P∗ n’est donc pas observée sur les marchés, mais c’est un outil de calcul très
utile. Elle permet de se ramener à un marché risque-neutre où la valeur relative de (Sn /Bn ) du
cours de S par rapport au cours de B n’a pas de tendance haussière ou baissière.

Univ-Thomas SANKARA / Burkina Faso 13 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.1. Modèle à une période

2.1.3 Portefeuilles autofinancés

Confectionnons-nous un portefeuille Π = (βn , γn )n6N composé au temps n de βn unités de B et
de γn unités de [Link] valeur au temps n est:

XnΠ = βn Bn + γn Sn

La gestion du portefeuille Π s’effectue de la manière suivante. Au temps n, nous possédons une

quantité βn et γn d’actifs B et S dont les cours sont Bn et Sn . Nous composons notre portefeuille
Π de nouvelles quantités βn+1 et γn+1 d’actifs B et S. Ce choix s’effectue au temps n, donc βn+1
et γn+1 sont Fn -mesurables.
Au temps n, la valeur du portefeuille est donnée par XnΠ = βn Bn + γn Sn . Après le réinvestisse-
ment, sa valeur est donnée par βn+1 Bn + γn+1 Sn . Il est naturel de considérer les portefeuilles
qui gardent une valeur constante lors du réinvestissement; on n’ajoute ni ne retire de l’argent au
portefeuille c’est à dire:

βn Bn + γn Sn = βn+1 Bn + γn+1 Sn

Un tel portefeuille sera dit autofinancé. La définition suivante, la condition d’autofinancement

est exprimée au temps n-1 plutôt qu’au temps n.

Définition 2.3 portefeuille autofinancé

Un portefeuille est dit autofinancé si:

βn−1 Bn−1 + γn−1 Sn−1 = βn Bn−1 + γn Sn−1

ce que l’on peut réécrire sous la forme:

∆βn Bn−1 + ∆γn Sn−1 = 0

Proposition 2.1 autofinancement et martingales

Supposons qu’il existe une probabilité risque-neutre P∗ . Alors, la valeur réactualisée (εn (U )−1 XnΠ )n>0
d’un portefeuille autofinancé Π est une martingale sous P∗ .

Preuve :
Notons E∗ (X) = l’espérance prise par X sous la probabilité P∗ . E∗ (X|Fn ) est l’espérance
conditionnelle de X sachant Fn sous la probabilité P∗ .
Comme Bn = B0 εn (U ), la valeur réactualisée du portefeuille est donnée par:

XnΠ = βn Bn + γn Sn (2.1.5)
XnΠ Bn Sn
= βn + γn (2.1.6)
εn (U ) εn (U ) εn (U )
Π
Xn Sn
= βn B0 + γn (2.1.7)
εn (U ) εn (U )

Univ-Thomas SANKARA / Burkina Faso 14 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.1. Modèle à une période

En prenant l’espérance conditionnelle de cette égalité, on obtient:

XnΠ Sn
E∗ ( | Fn−1 ) = E∗ (βn B0 | Fn−1 ) + E∗ (γn | Fn−1 ) (2.1.8)
εn (U ) εn (U )

βn et γn étant Fn−1 -mesurable, on a:

XnΠ Sn
E∗ ( | Fn−1 ) = βn B0 + γn E∗ ( | Fn−1 ) (2.1.9)
εn (U ) εn (U )

(Sn /εn (U )) étant une martingale sous P∗ , on obtient:

XnΠ Sn−1
E∗ ( | Fn−1 ) = βn B0 + γn (2.1.10)
εn (U ) εn−1 (U )
βn B0 εn−1 (U ) + γn Sn−1
= (2.1.11)
εn−1 (U )
βn Bn−1 + γn Sn−1
= (2.1.12)
εn−1 (U )

comme on a βn−1 Bn−1 + γn−1 Sn−1 = βn Bn−1 + γn Sn−1 par autofinancement alors :

XnΠ βn−1 Bn−1 + γn−1 Sn−1

E∗ ( | Fn−1 ) = (2.1.13)
εn (U ) εn−1 (U )
Π
Xn−1
= (2.1.14)
εn−1 (U )

donc (XnΠ /εn (U )) est une martingale sous P∗ . 

2.1.4 Arbitrage et martingale

Dorénavant, on s’intéresse à l’évolution du marché à une date fixée N.
En économie, la notion d’opportunité d’arbitrage correspond à la notion d’opportunité de gagner
de l’argent sans prendre de risque. Mathématiquement, cela se formalise de la manière suivante:

Définition 2.4 opportunité d’arbitrage

On dit qu’il existe une opportunité d’arbitrage s’il existe un portefeuille autofinancé Π tel que:

X0Π = 0, XnΠ > 0 ∀n 6 N , et P(XNΠ > 0) > 0

Autrement dit, il existe une opportunité d’arbitrage s’il est possible, en gérant un portefeuille de
façon autofinancée, de gagner de l’argent, tout en ayant aucun risque d’en perdre. Le théorème
fondamentale relie la notion économique d’opportunité d’arbitrage à la notion mathématique
d’existence d’une probabilité risque neutre.

Théorème 2.1 arbitrage et probabilité risque neutre

Univ-Thomas SANKARA / Burkina Faso 15 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.1. Modèle à une période

Il n’existe pas une opportunité d’arbitrage

⇐⇒
Il existe au moins une probabilité risque-neutre.

Preuve :
Soit P∗ une probabilité risque neutre et Π un portefeuille autofinancé tel que X0Π = 0. On sait
que (εn (U )−1 XnΠ )n≤N est une martingale sous P∗ .
XΠ XΠ
D’après la propriété fondamentale des martingale, on a E∗ ( εN (U
N
)
) = E∗ ( ε0 (U
0
)
).
XΠ
En conséquence si E∗ ( εN (U
N
)
) ≥ 0, alors nécessairement P∗ (XNΠ > 0)= 0. Comme de plus P∗ et
P sont par hypothèse équivalentes, on en déduit que P(XNΠ > 0)= 0. Il n’y a pas d’opportunité
d’arbitrage. 

2.1.5 Complétude de marché

En économie un marché complet correspond à un marché idéal, sans contraintes ni frais de
transactions, où tous les actifs sont accessibles a tout moment et en n’importe quelle quantité.
Mathématiquement, cette notion est formalisée de la manière suivante.

Définition 2.5 marché complet

Le marché B-S est dit complet si, si pour toute variable aléatoire f: Ω → R+ , il existe un
portefeuille autofinancé Π qui réplique f à l’échéance N, c’est à dire tel que:

XNΠ (ω) = f(ω), ∀ ω  Ω

L’hypothèse de complétude du marché est difficilement justifiable économiquement. Cependant,

cette hypothèse permet de construire une théorie d’évaluation des produits dérivés très simple,
qui sert de guide en pratique. Nous allons voir que la notion de complétude est liée à l’unicité
d’une probabilité risque-neutre.

Théorème 2.2 complétude et probabilité risque-neutre

Considérons un marché B-S sans opportunité d’arbitrage. On a l’équivalence suivante:

Le marché est complet ⇐⇒ il existe une unique probabilité risque-neutre P∗ .

Preuve :
Supposons que le marché soit complet et qu’il existe deux probabilités risque-neutre P∗ et P0 .
Comme P∗ 6= P0 , il existe un évènement A tel que P(A)∗ 6= P0 (A).
Posons f(ω) = N (U )(ω)1A (ω). Le marché étant complet, il existe un portefeuille autofinancé Π
tel que XNΠ (ω) = f(ω) quel que soit ΩΩ. D’après la proposition 1.2, la valeur réactualisée du
portefeuille Π est une martingale sous P∗ et sous P0 . En conséquence,

E∗ (εn (U )−1 XNΠ (ω))= E∗ (ε0 (U )−1 X0Π (ω)) et E’(εn (U )−1 XNΠ (ω))= E’(ε0 (U )−1 X0Π (ω))

Univ-Thomas SANKARA / Burkina Faso 16 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.2. Couverture des options européennes

Or d’une part ε0 (U )−1 = 1 et d’autre part εn (U )−1 XNΠ = εn (U )−1 f = 1A , donc

E∗ (1A ) = X0Π = E0 (1A ),

c’est à dire P(A)∗ = P0 (A) ce qui contredit (P(A)∗ 6= P0 (A)). Il ne peut donc pas exister deux
probabilités risque-neutre différentes. 

2.2 Couverture des options européennes

2.2.1 Position du problème

Une option de type européenne est un contrat qui ne peut être exercé qu’à l’échéance N fixée à
l’avance. Une telle option est donc caractérisée par son échéance et sa fonction de paiement f: ω
→ R. La quantité f(ω) correspond à ce que reçoit le détenteur de l’option à l’échéance N dans
l’éventualité ω.
Exemple d’option européenne

• option d’achat européenne: f(ω)= (SN (ω) - K)+

• option de vente européenne: f(ω)= (K - SN (ω))+

• option Collar: f(ω)= min(SN (ω) - K1 , K2 )+

• option look-back: f(ω)= SN (ω) - min(S0 (ω), ...SN (ω))

SN −p (ω),...SN (ω)
• option asiatique: f(ω)= p
pour un p < N

Pour se couvrir, le vendeur de l’option va investir sur le marché l’argent que l’acheteur lui a
versé. Il va se constituer un portefeuille Π dont la valeur à la date N lui permettra de faire face
à son engagement. Son portefeuille doit vérifier XNΠ (ω) > f (ω) pour tout ω  Ω. On appelle
portefeuille de couverture un tel portefeuille.

Définition 2.6 portefeuille de couverture

Un portefeuille Π est un portefeuille de couverture, si sa valeur à l’échéance est supérieure ou
égale à sa fonction de paiement, c’est à dire si:

XNΠ (ω) > f (ω), ∀ω  Ω.

Le vendeur ne va pas injecter d’argent dans son portefeuille ni en retirer. Il va donc le gérer
de manière autofinancé. De plus la valeur initiale X0Π de son portefeuille va correspondre à la
prime que l’acheteur lui a versée. En conséquence, le prix équitable d’une option correspond à
la plus petite valeur initiale X0Π parmi toutes les valeurs initiales des portefeuilles de couverture
autofinancés Π.

Univ-Thomas SANKARA / Burkina Faso 17 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.2. Couverture des options européennes

Définition 2.7 prix d’une option européenne

Le prix C d’une option européenne de fonction de paiement f et d’échéance N correspond à la
quantité:

C = inf{ X0Π tel que Π est autofinancé et XNΠ (ω) > f (ω), ∀ω  Ω }.

2.2.2 Prix d’une option dans un marché complet

Nous supposerons dans ce paragraphe que le marché B-S est sans opportunité d’arbitrage et
complet. Il existe donc une unique probabilité risque-neutre P∗ .

Théorème 2.3 prix d’une option européenne

1. Le prix d’une option européenne de fonction de paiement f à d’échéance N est

C = E∗ (εN (U )−1 f ).

2. Il existe un portefeuille de couverture autofinancé Π∗ de valeur initiale C. La valeur au

temps n de ce portefeuille est donnée par

∗
XnΠ = E∗ (εN (U )−1 εn U )f | Fn )

où Fn = (B0 , ..., Bn+1 , S0 , ..., Sn ).

Preuve
Considérons un portefeuille de couverture Π. Sous P∗ , la valeur réactualisée du portefeuille
(XNΠ /εn (U ))n6N ) est une martingale donc

E∗ (εN (U )−1 XNΠ ) = X0Π .

Or XNΠ (ω) > f (ω) pour tout ω  Ω donc

X0Π > E∗ (εN (U )−1 f ).

Cela étant vrai pour tout portefeuille de couverture autofinancé, on en déduit que:

C = inf{ X0Π tel que Π est autofinancé et XNΠ (ω) > f (ω), ∀ω  Ω } > E∗ (εN (U )−1 f ).
∗
Parallèlement, le marché étant complet, il existe un portefeuille autofinancé Π∗ tel que XnΠ (ω)
∗
= f(ω) pour tout ω  Ω. Comme Π∗ est autofinancé, (XNΠ /εn (U ))n6N ) est une martingale. En
conséquence
∗ ∗
X0Π = E∗ (εN (U )−1 XNΠ ) = E∗ (εN (U )−1 f )
∗
et comme Π∗ est un portefeuille de couverture autofinancé, on a XNΠ > C, donc finalement

Univ-Thomas SANKARA / Burkina Faso 18 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.3. Modèle de Cox-Ross-Rubinstein (CRR)

C 6 E∗ (εN (U )−1 f ).

En combinant les deux inégalités précédentes, on obtient

C = E∗ (εN (U )−1 f ).
∗
Nous avons prouvé le 1. Concernant le 2., on remarque que Π∗ convient et comme XnΠ /εn (U ))
est une martingale sous P∗
∗
XnΠ ∗
εn (U )
= E∗ (εN (U )−1 XNΠ | Fn ) = E∗ (εN (U )−1 f | Fn )

et on obtient la valeur du portefeuille Π∗ en multipliant l’égalité par εn (U ). D’où

∗
XnΠ = E∗ (εN (U )−1 εn (U ))f | Fn ). 

2.3 Modèle de Cox-Ross-Rubinstein (CRR)

2.3.1 Hypothèses du modèle

Le modèle Cox-Ross-Rubinstein est un modèle de marché Bond-Stock qui repose sur un certain
nombre d’hypothèse:

– Le temps est discret: l’intervalle [0, N] est découpé en N périodes de même longueur dont
chaque instant est représenté par un entier 0 6 n 6 N.

– Le marché est parfait: il n’y a pas de coûts de transaction ni d’impôts, ni de restrictions sur
les vents à découvert, les titres négociables sont très liquides et indéfiniment fractionnables,
les transactions sont instantanées et les participants du marché n’influencent pas les prix
par leurs achats et ventes.

– Il y a symétrie d’information: tout le monde possède la même quantité d’information

disponible et le prix des différents actifs reflète à tout moment toute l’information
disponible.

– La vente à découvert est autorisée: il s’agit de la possibilité de vendre des actifs sans
les posséder ou n’avoir pas la contrepartie des avances faites.

– Il y a absence d’opportunité d’arbitrage: on ne peut pas faire de profit sans prendre

de risque. Autrement dit, il est impossible de gagner de l’argent de façon certaine à partir
d’un investissement initial nul.

Univ-Thomas SANKARA / Burkina Faso 19 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.3. Modèle de Cox-Ross-Rubinstein (CRR)

2.3.2 Description du modèle

Le modèle CRR retrace l’évolution d’un actif sous-jacent, via un arbre, pour un nombre donné
de pas qui correspond au temps entre la date d’évaluation et celle de l’expiration de l’option.
Chaque nœud de l’arbre (intersection entre les branches de l’arbre) est un prix possible du
sous-jacent à un moment précis dans le temps. Cette évolution des prix constitue la base de
l’évaluation des options.
Le processus d’évaluation est itératif. On part du nœud final de chaque branche et ensuite, on
remonte jusqu’au premier nœud où le résultat du calcul est la valeur de l’option.

La création de l’arbre de prix s’effectue en partant de la date à laquelle on veut valoriser

l’option et ce jusqu’à la date d’expiration de l’option. A chaque étape, on accepte que le
sous-jacent augmente (up) ou diminue (down) en fonction d’un facteur spécifique (u ou d) et
ce pour toutes les étapes. Par définition, u > 1 et 0 6 d 6 1. Par conséquent, si S est le prix
actuel, alors le prix de la période suivante sera Sup = S.u ou Sdown = S.d.
Pour plus de pratique, modélisons un tel processus sur 3 périodes. On obtient l’arbre binomial
suivant:

Figure 2.2 – Exemple d’arbre binomial après 3 itérations.

Extrait du livre: The Theory and Practice of Investment Management.

L’ensemble des états finaux est: Ω = {uuu, uud, udu, udd, duu, dud, ddu, ddd}.
Le prix de l’actif à chaque période est une variable aléatoire. On a:





u.S0 avec probabilité p
S1 = 

d.S0 avec probabilité (1 − p)



Univ-Thomas SANKARA / Burkina Faso 20 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.3. Modèle de Cox-Ross-Rubinstein (CRR)






u2 .S0 avec probabilité p






S2 = u.d.S0 avec probabilité 2.p.(1 − p)







d2 .S0

avec probabilité (1 − p)2



2 états finaux {ud} et {du} donnent S2 = u.d.S0






u3 .S0 avec probabilité p






u2 .dS0

avec probabilité 3.p2 .(1 − p)





S3 = 
d2 .u.S0

avec probabilité 3.(1 − p)2 .p











d3 .S0

avec probabilité (1 − p)3



3 états finaux {uud}, {udu} et {duu} donnent S3 = u2 .d.S0

3 états finaux {ddu}, {dud} et {udd} donnent S3 = d2 .u.S0

Ainsi,
E(S1 ) = p.u.S0 + q.d.S0 = (up + dq)S0 avec q = 1 − p
E(S2 ) = p2 .u2 .S0 + 2.p.q.u.d.S0 + q 2 .d2 .S0 = (up + dq)2 S0
E(S2 ) = p3 .u3 .S0 + 3.p2 .q.u2 .d.S0 + 3.p.q 2 .u.d2 .S0 + q 3 .d3 .S0 = (up + dq)3 S0
Le processus de prix (St ), t = 0, 1, 2, 3 est alors un processus stochastique en temps discret.
Chaque valeur (St ) est une variable aléatoire c’est-à-dire une fonction:

Ω −→ R
ω 7−→ St (ω)

Si on fixe l’état final ω, on obtient une suite {S0 (ω), S1 (ω), S2 (ω), S3 (ω)} appelée trajectoire du
processus de prix.
Par exemple, si ω = udu, on obtient la trajectoire {S0 , S0 .u, S0 .u.d, S0 .u2 .d}.
La trajectoire de prix de l’actif est révélée progressivement au cours du temps. A t = 0, il y a 8
trajectoire possibles. A t = 1, on observe S1 et il reste 4 trajectoires possibles ainsi de suite.
L’information est donc révélée progressivement sur le trajectoire du prix. On obtient ainsi une
filtration de Ω, F = {F0 , F1 , F2 , F3 } avec F0 ⊂ F1 ⊂ F2 ⊂ F3

Figure 2.3 – Trajectoires possibles du cours d’un actif financier.

Univ-Thomas SANKARA / Burkina Faso 21 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.3. Modèle de Cox-Ross-Rubinstein (CRR)

Source: Renaud Bourlès, mathématique pour la finance.

Conditionnellement à cette partition, on a:






E(S3 |Bu ) sur Bu = {uuu, uud, udu, udd}
E(S3 |F1 ) =


E(S3 |Bd ) sur Bd = {duu, dud, ddu, ddd}



E(S3 |Bu ) = p2 .u3 .S0 + 2.p.q.u2 .d.S0 + q 2 .u.d2 .S0 = (u.p + d.q)2 .u.S0
E(S3 |Bd ) = q 2 .d3 .S0 + 2.p.q.u.d2 .S0 + p2 .u2 .d.S0 = (u.p + d.q)2 .d.S0
d’où:
E(E(S3 |F1 )) = p.E(S3 |Bu ) + q.E(S3 |Bd ) = (u.p + d.q)3 .S0
Donc

E(E(S3 |F1 )) = E(S3 ) = (u.p + d.q)3 .S0

Sn
Considérons maintenant le processus actualisé de prix Sn = . Essayons de trouver une
(1 + r)n
probabilité de hausse ou de baisse telle que (Sn ) soit ne martingale par rapport à la filtration F
= {F0 , F1 , F2 , F3 }. C’est là qu’intervient l’élément incontournable de risque neutre. En effet,
on cherche p∗ telle que:

Ep∗ (Si |Fj ) = Sj ∀j 6 i.

Univ-Thomas SANKARA / Burkina Faso 22 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.3. Modèle de Cox-Ross-Rubinstein (CRR)

Par exemple, on a:

Ep (S1 |F0 ) = S0
S1 S0
⇐⇒ Ep ( 1
|F0 ) = = S0
(1 + r) (1 + r)0
S1
⇐⇒ Ep ( ) = S0 ⇐⇒ Ep (S1 ) = (1 + r)S0
1+r
p.u.S0 + (1 − p).d.S0 = (1 + r)S0 ⇐⇒ p.(u − d) = (1 + r) − d

On obtient par la suite:

(1 + r) − d
p∗ =
u−d
Vérifions alors que Ep∗ (S2 |F1 ) = S1
On a :





Ep∗ (S2 |Bu ), si ω ∈ Bu = {uuu, uud, udu, udd}
Ep∗ (S2 |F1 ) = 

EP ∗ (S2 |Bd ), si ω ∈ Bd = {duu, dud, ddu, ddd}



Ep∗ (S2 |Bu )

Ep∗ (S2 |Bu ) =
(1 + r)2
p∗ u2 S0 + (1 − p∗ )udS0
=
(1 + r)2
 
(1+r)−d 2 (1+r)−d
u−d
u S0 + 1− u−d
udS0
= 2
(1 + r)
(1 + r)u S0 − du2 S0 + u2 dS0 − (1 + r)udS0
2
=
(u − d)(1 + r)2
(u − d)(1 + r)uS0
=
(u − d)(1 + r)2
1
Ep∗ (S2 |Bu ) = uS0
1+r

1
De même Ep∗ (S2 |Bd ) = dS0
1+r
1



 uS0 , si ω ∈ Bu


 1+r
Comme S1 (ω) =
1



dS0 , si ω ∈ Bd



1+r
on a bien Ep∗ (S2 |F1 ) = S1

Univ-Thomas SANKARA / Burkina Faso 23 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.3. Modèle de Cox-Ross-Rubinstein (CRR)

D’après les propriétés de l’espérance conditionnelle, on a aussi:

Ep∗ (S3 |F1 ) = E[Ep∗ (S3 |F2 )|F1 ] = Ep∗ (S2 |F1 ) = S1

Si on actualise en temps continu, la probabilité risque-neutre devient:

er − d
p∗ =
u−d
• En général, r est le taux d’intérêt annuel. Dans ce cas p∗ représente la probabilité risque
neutre si les périodes considérées sont distantes d’un an.

• Si les périodes considérées ne sont pas distantes d’un an, on aura:

(1 + r)∆t − d er∆t − d
p∗ = et p∗ =
u−d u−d

où ∆t représente l’écart entre deux périodes exprimé comme proportion d’une année.

Exemple: On s’intéresse à une action dont le rendement peut au cours des deux prochains
trimestres, augmenter ou diminuer de 15 pour cent. On considère que le taux d’intérêt
annuel est de 10 pour cent.

L’écart entre ces deux périodes est de 3 mois, exprimé comme proportion d’une année, on
3 1
obtient: d’où ∆t = . On a u = 1, 15, d = 0, 85, etr = 0, 10
12 4
1
(1 + 0, 10) 4 − 0, 85
p∗ = = 0, 58
1, 15 − 0, 85

Ceci est aussi vrai pour l’actualisation du cours de l’action. On aura:

St
St = t , ∀ t = {1, 2}.
(1 + 0, 10) 4

2.3.3 Application pour un modèle à une période

Considérons un monde à deux dates notées 0 et 1. Il existe trois actifs dans l’économie:

1. une action de S0 à la date 0 et pouvant avoir à la date 1 un rendement u à l’état up ou d

à l’état down.

Univ-Thomas SANKARA / Burkina Faso 24 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.3. Modèle de Cox-Ross-Rubinstein (CRR)

2. un bon de trésor qui rapporte (1+r)unité par unité monétaire placé.

On impose que d < 1 + r < u. Dans le cas contraire l’action serait systématiquement
préférée au bon du trésor.

3. une option d’achat ou call de type européen, dont le sous-jacent est l’action. Par définition,
elle vaut:

Cu = max(0, u.S0 − K) dans l’état up

et
Cd = max(0, d.S0 − K) dans l’état down

Les éléments K, S0 , u, d et r sont considérés comme connus. Cu et Cd se calculent directement à

partir de ces éléments.

L’objectif du modèle est de trouver la valeur de l’option à la date t = 0 telle qu’il n’existe pas
d’opportunité d’arbitrage dans l’économie.

On a vu précédemment que l’hypothèse d’absence d’opportunité d’arbitrage implique que

la probabilité de survenance de l’état up est:
(1 + r) − d
p∗ =
u−d
Aussi: 0 < p∗ < 1 si et seulement si d < 1 + r < u

Ainsi, la valeur de l’action, qui correspond à l’espérance actualisée de sa valeur futur s’écrit:
1
C= (p∗ Cu − (1 − p∗ )Cd )
1+r
C’est à dire:
!
1 (1 + r) − d u − (1 + r)
C= .max(0, u.S0 − K) − .max(0, d.S0 − K)
1+r u−d u−d
De la même manière, une option de vente ou put dont le sous-jacent est S et dont le prix
d’exercice est K vaut:
1
P = (p∗ Pu − (1 − p∗ )Pd )
1+r
C’est à dire:

Univ-Thomas SANKARA / Burkina Faso 25 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.4. Généralisation pour un modèle à n périodes

!
1 (1 + r) − d u − (1 + r)
P = .max(0, K − u.S0 ) − .max(0, K − d.S0 )
1+r u−d u−d
Si on considère un put et un call ayant le même sous-jacent et le même prix d’exercice, on a la
relation:
K
C − P = S0 −
1+r
Application: On cherche à évaluer un call et un put européen d’échéance 3 mois et de prix
d’exercice 105 unités monétaires. Le cours de l’action est actuellement de 100 unités monétaires.
Pour simplifier, on suppose que dans 3 mois, le cours de l’action peut augmenter de 15 pour
cent ou diminuer de 15 pour cent. On suppose par ailleurs que le taux sans risque est de 10
pour cent annuel.

1
On a : K = 105, S0 = 100 u = 1, 15, d = 0, 85, r = 0, 10, ∆t = 4

Cu = max (0; 1, 15 × 100 − 105) = max(0; 10) = 10

Cd = max (0; 0, 85 × 100 − 105) = max(0; −20) = 0

1
(1 + 0, 10) 4 − 0, 85
∗
On donc: p = = 0, 58
1, 15 − 0, 85
1
d’où C = 1 (0, 58 × 10 + 0, 42 × 0) = 5, 66
(1 + 0, 10) 4
105
et P = 5, 66 − 100 + 1 = 8, 19
(1 + 0, 10) 4

2.4 Généralisation pour un modèle à n périodes

Théorème 2.4
Dans un marché Bond-Stock où Sn suit un modèle CRR:
le prix d’un call européen est:
n
1 k
Cnk p∗ (1 − p∗ )n−k max(0, uk dn−k S0 − K)
X
C0 = n
(1 + r) k=0

le prix d’un put européen est:

n
1 k
Cnk p∗ (1 − p∗ )n−k max(0, K − uk dn−k S0 )
X
P0 = n
(1 + r) k=0

la parité call-put à la même date d’échéance N donne:

K
Cn − Pn = Sn −
(1 + r)N −n

Univ-Thomas SANKARA / Burkina Faso 26 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.4. Généralisation pour un modèle à n périodes

Remarque 2.1
Si les facteurs utilisés pour évaluer l’augmentation ou la diminution du sous-jacent sont calculés
en prenant en compte la volatilité du sous-jacent,alors:
√ 1 √
u = eσ t et d = = e−σ t
u
T
avec t = où T représente la maturité et i, le nombre d’itération.
i
Application: Considérons une option européenne qui présente les caractéristiques suivantes:
prix du spot S = 135, prix d’exercice K = 140, taux d’intérêt sans risque r = 6, 5 pour cent
annuel, la volatilité σ = 25 pour cent annuel, la maturité 1 an annuelle.

Voyons maintenant avec l’arbre binomial de Cox-Ross-Rubinstein ce que donnera le prix d’un call.

Considérons d’abord que le nombre d’itération est i = 1 :

√1 1
µ = e0,25 1 = 1,284 et d = = 0,779
µ
0,065
∗ e 1 − 0, 779
p = = 0,57
1, 284 − 0, 779
1
1
C k (0, 57)k (1 − 0, 57)1−k × max( 0 ; 1, 284k × 0, 7791−k × 135 − 140)
X
call1 =
(1 + 0, 065)1 k=0 1
1
call1 = (C 0 (0, 57)0 (1 − 0, 57)1 × max( 0 ; 1, 2840 × 0, 7791 × 135 − 140)
(1 + 0, 065)1 1

+C11 (0, 57)1 (1 − 0, 57)0 × max( 0 ; 1, 2841 × 0, 7790 × 135 − 140))

1
call1 = (0, 43 × max( 0 ; −34, 83) + 0, 57 × max( 0 ; 33, 34))
(1 + 0, 065)1
1
call1 = (0, 43 × 0 + 0, 57 × 33, 34)
(1 + 0, 065)1
call1 = 17,84

Pour un nombre d’itération i = 2, on a :

√1 1
µ = e0,25 2 = 1,193 et d = = 0,838
µ
0,065
∗ e 2 − 0, 838
p = = 0,55
1, 193 − 0, 838
2
1
C k (0, 55)k (1 − 0, 55)2−k × max( 0 ; 1, 193k × 0, 8382−k × 135 − 140)
X
call2 =
(1 + 0, 065)1 k=0 2
call2 = 14,81

Pour un nombre d’itération i = 3, on a :

Univ-Thomas SANKARA / Burkina Faso 27 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.5. Convergence du modèle CRR vers le modèle de Black-Scholes

√1 1
µ = e0,25 3 = 1,155 et d = = 0,866
µ
0,065
∗ e 3 − 0, 866
p = = 0,54
1, 155 − 0, 866
3
1
C k (0, 54)k (1 − 0, 54)3−k × max( 0 ; 1, 155k × 0, 8663−k × 135 − 140)
X
call3 =
(1 + 0, 065)1 k=0 3
call3 = 16,1

Pour un nombre d’itération i = 4, on a :

√ 1
0,25 14
µ=e = 1,133 et d = = 0,883
µ
0,065
∗ e 4 − 0, 883
p = = 0,53
1, 133 − 0, 883
4
1
C4k (0, 53)k (1 − 0, 53)4−k × max( 0 ; 1, 133k × 0, 8834−k × 135 − 140)
X
call4 = 1
(1 + 0, 065) k=0
call4 = 14,88

Pour un nombre d’itération i = 5, on a :

√1 1
µ = e0,25 5 = 1,118 et d = = 0,894
µ
0,065
∗ e 5 − 0, 894
p = = 0,53
1, 118 − 0, 894
5
1
C k (0, 53)k (1 − 0, 53)5−k × max( 0 ; 1, 118k × 0, 8945−k × 135 − 140)
X
call5 =
(1 + 0, 065)1 k=0 5
call5 = 15,54

2.5 Convergence du modèle CRR vers le modèle de Black-

Scholes
La formule de Black-Scholes donne un prix unique pour l’option. Par contre, la formule CRR
donne un prix différent pour chaque itération. Comparons pour un call européen les résultats
obtenus dans le modèle Black-Scholes et le modèle CRR. En reprenant l’exemple avec un nombre
d’itération allant de 1 à 10, on obtient le tableau suivant:

Tableau 3.1: Prix d’une option européenne selon le nombre d’itération.

Univ-Thomas SANKARA / Burkina Faso 28 Pr Pierre Clovis NITIEMA c 2024

Chapitre 2. 2.5. Convergence du modèle CRR vers le modèle de Black-Scholes

Nbre d’itération 1 2 3 4 5 6 7 8 9 10
CRR 17,84 14,81 16,1 14,88 15,54 15,11 15,32 15,1 15,28 15,17

Source: Construction de l’auteur.

Avec la formule de Black-Scholes, on a obtenu un call égal à 15,23. Le graphique suivant résume
bien les deux approches:

Figure 3.3: Convergence du modèle CRR vers le modèle Black-Scholes.

Source: Construction de l’auteur.

Maintenant, on peut observer comme le montre le graphique ci-dessus, en abscisse le nombre

d’itération et en ordonnée la valeur de l’option que lorsque le nombre d’itération est grand, la
valeur d’une option calculée avec les mêmes paramètres à la manière de CRR se rapprochera de
la valeur obtenue avec le modèle Black-Scholes.

Univ-Thomas SANKARA / Burkina Faso 29 Pr Pierre Clovis NITIEMA c 2024

 Chapitre 3

Éléments de calcul stochastique

3.1 Généralités sur les processus stochastiques

3.1.1 Premières définitions

On commence par introduire une notion mathématique qui joue un rôle central en théorie des
marchés financiers:

Définition 3.1
Soit (Ω, F, P) un espace de probabilité et {Ft , t ≥ O} une famille de sous tribus de F. On
dit que {Ft , t ≥ O} est une filtration si c’est une famille croissante, au sens où Fs ⊂ Ft si
s ≤ t.

• Il faut comprendre Ft comme "l’information au temps t": plus le temps croit (s ≤ t), plus
on a d’information (Fs ⊂ Ft ).

• Une filtration {Gt , t ≥ O} est dite plus grosse que {Ft , t ≥ O} si Ft ⊂ Gt ∀t ≥ 0

• Une filtration est dite normale si elle vérifie les propriétés supplémentaires:

- les négligeables au sens large sont dans tous les Ft :

P[A] = 0 =⇒ A ∈ F0

- la filtration est continue à droite:

\
Ft = Ft+ := Fs .
s<t

• Si {Ft , t ≥ O} est une filtration sur un espace de probabilité (Ω, F, P), on dit que
(Ω, F, {Ft , t ≥ O}, P) est un espace de probabilité filtré.

Définition 3.2
Soit (Ω, F, {Ft , t ≥ O}, P) est un espace de probabilité filtré.

• Une famille X = {Xt , t ≥ O} de v.a sur Ω est appelé processus stochastique.

30
Chapitre 3. 3.1. Généralités sur les processus stochastiques

• On dit que le processus X est (Ft )-adapté si Xt est Ft -mesurable pour tout t ≥ 0.

A un processus stochastique X on peut associer sa filtration naturelle (σ(Xs , s ≤ t), t ≥ 0),

qui est la plus petite filtration telle que le processus stochastique X soit adapté.
A un processus stochastique X on associe plus généralement sa filtration naturelle com-
plété {FtX , t ≥ O} définie par:

FtX = σ(σ(Xs , s ≤ t), N )

où N désigne la tribu des négligeables pour P.

La tribu FtX représente l’information portée par Xs , s ≤ t, et les négligeables. En demeure,
X est un processus FtX -adapté.
On peut montrer que si X a p.s des trajectoires continues à droite, pourvues de limites à
gauche (càdlag), en particulier continues, alors la filtration {FtX , t ≥ O} est continue à droite.

Définition 3.3
On dit que deux processus X et Y sont égaux à modification près si

P[Xt = Yt ] = 1 pour tout t.

Remarquons que si deux processus continus à droite sont égaux à modification près, alors

P[Xt = Yt , ∀t ≥ 0] = 1

En effet, comme Q est dénombrable et que l’intersection d’une famille dénombrable d’événements
certains est un événement certain, on voit facilement que

P[Xt = Yt , ∀t ∈ Q] = 1,

si X et Y sont égaux à modification près.

De plus, comme Q est dense dans R et X et Y sont continus à droite, les trajectoires de X
et Y sont uniquement déterminées par leurs valeurs sur Q puisque:

Xt = lim Xtm pour tout t ≥ 0.

Q
tm ∈ ↓t

On a donc bien P[Xt = Yt , ∀t ≥ 0] = 1

Définition 3.4
On dit que deux processus X et Y sont égaux en loi et on écrit X = Y si pour tout n ∈ N
d

et tout (t1 , t2 , · · · , tn ) on a:

d
{Xt1 , Xt2 , · · · , Xtn } = {Yt1 , Yt2 , · · · , Ytn }

Univ-Thomas SANKARA / Burkina Faso 31 Pr Pierre Clovis NITIEMA c 2024

Chapitre 3. 3.1. Généralités sur les processus stochastiques

On dit que X et Y sont des versions l’un de l’autre.

Remarque 3.1
On remarque immédiatement que si X et Y sont continues à droite et modification l’un de
l’autre, alors ils sont égaux en loi.
Attention: la réciproque est fausse: en effet, si X est symétrique (au sens où X =d −X
), alors X et −X sont des versions l’un de l’autre mais évidemment

P[Xt = −Xt , ∀t ≥ 0] = 1 ssi X ≡ 0

3.1.2 Propriétés fonctionnelles

• Un processus X est croissant si p.s. t 7−→ Xt est une fonction croissante c’est à dire si
Xt (ω) ≤ Xs (ω) ∀ t ≤ s p.s.

• De même on dira qu’un processus est continu à droite, continu, dérivable, de classe C 2 ,
· · · si la fonction t 7−→ Xt (ω) vérifie la propriété considérée.

• Un processus est dit à variation finie (V.F) sur [0, t] si

n
!
X
sup |Xtk+1 − Xtk | < +∞
0≤t0 <···<tn ≤t k=0

Cette dernière notion, assez délicate, joue un rôle fondamental en théorie de l’intégration.
Elle signifie que la longueur de la courbe trajectoire de X est localement finie (quand
cette longueur est infinie, ce qui sera le cas pour la courbe brownienne par exemple on
mesure la complexité de la courbe à l’aide de notions de dimension fractale et de mesure
de Hausdorff)

• En particulier: X est V.F s’il est dérivable.

• Dans le cas réel, on peut montrer que X est V.F ssi X est la différence de deux processus
croissants.

3.1.3 Processus Gaussiens

Définition 3.5
Un processus X est appelé processus Gaussien si toute combinaison linéaire finie de Xt
n
est une v.a gaussienne autrement dit si ∀n ∈ N, t1 , · · · , tn , a1 , · · · , an :
X
ai Xti est une
i,j=1
variable aléatoire gaussienne.

Un processus gaussien est caractérisé par deux fonctions:

Univ-Thomas SANKARA / Burkina Faso 32 Pr Pierre Clovis NITIEMA c 2024

Chapitre 3. 3.2. Temps d’arrêt

• sa fonction espérance t 7−→ m(t) = E[Xt ]

• sa fonction de covariance (s, t) 7−→ Γ(s, t) = E[(Xt − m(t))(Xs − m(s))]. La fonction

n
X
Γ(s, t) est de type positif au sens où ∀n, t1 , · · · , tn , a1 , · · · , an ai aj Γ(ti , tj ) ≥ 0
i,j=1

Théorème 3.1 (Kolmogorov)

Soit m : R+ −→ R une fonction quelconque et Γ : R+ × R+ −→ R une fonction symétrique
de type positif.
Alors il existe un processus gaussien X de fonctions espérance m et de fonction de covariance Γ.

L’espace gaussien engendré par un processus gaussien X est le sous-espace de L2 (Ω) engendré
par les v.a.r centrées {Xt − E[Xt ], t ≥ O}, i.e le sous espace formé par les combinaisons linéaires
de ces variables centrées et leurs limites en moyenne quadratique.

Définition 3.6
∀s ∈ R+ .
d
Un processus est dit stationnaire si {Xt+s , t ≥ 0} = {Xt , t ≥ 0}
En particulier, tous les Xt ont même loi.

Remarque 3.2
On voit immédiatement qu’un processus gaussien stationnaire est tel que sa fonction
espérance est constante et sa fonction de covariance Γ(s, t) ne dépend que de (s − t).

Théorème 3.2 (Bochner)

Soit X un processus gaussien stationnaire. Il existe une unique mesure finie µ, appelée
mesure spectrale associée à X, telle que
Z
Γ(s, t) = cos((t − s)z)µ(dz)
R

3.2 Temps d’arrêt

Définition 3.7
Soit (Ω, F, {Ft , t ≥ O}, P) un espace de probabilité filtré.
Un temps d’arrêt relativement à Ft est une variable aléatoire τ à valeur dans R+ ∪ {+∞}
telle que {τ ≤ t} ∈ Ft ∀t ∈ R+ .

Remarque 3.3

• la définition est équivalente à {τ > t} ∈ Ft ∀t ∈ R+ , par stabilité des tribus par passage
au complémentaire.

Univ-Thomas SANKARA / Burkina Faso 33 Pr Pierre Clovis NITIEMA c 2024

Chapitre 3. 3.2. Temps d’arrêt

• Un temps d’arrêt doit être vu comme un temps aléatoire qui suit l’évolution aléatoire
sous-jacente.

• Attention:
c’est l’événement {τ ≤ t} et non {τ = t} qui intervient dans la définition du temps d’arrêt.

Exemple:
Soit {Xt , t ≥ O} un processus (Ft )-adapté à valeurs réelles continu à droite et partout de 0
(X0 = 0). Pour tout a > 0, le temps aléatoire Ta = inf{t > 0, Xt > a} appelé premier temps de
passage au seuil a est un (Ft )-temps d’arrêt.
En effet, pour tout t > 0, on a l’identification
\
{T > t} = {Xs ≤ a, ∀s ≤ t} = {Xs ≤ a}
s∈ Q+ ≤t
La deuxième égalité provenant de l’hypothèse cruciale de continuité à droite de X (qui est
alors entièrement déterminé par ses évaluations sur les rationnels).
Comme X est (Ft )-adapté et par stabilité des tribus par intersection dénombrable, on voit
que l’événement de droite est dans Ft .

Remarque 3.4

∗ Si X est continu, on a de plus Ta = inf{t > 0, Xt = a} et XTa (ω) (ω) = a.

∗ On montre de même que Ta = inf{t > 0, Xt < a} est un temps d’arrêt pour tout a < 0.

∗ D’une manière générale on peut montrer que si X est un processus i.e adapté à valeurs
dans Rd et si A est un Borélien de Rd , alors Ta = inf{t > 0, Xt ∈ A}, premier temps
d’atteinte de A, est un temps d’arrêt.

∗ on prend garde qu’en général, le dernier temps de passage en A: LA = sup{t > 0, Xt ∈ A}

n’est pas un temps d’arrêt, même dans les situations les simples.

Définition 3.8
Soit (Ω, F, {Ft , t ≥ O}, P) un espace de probabilité filtré et τ un temps d’arrêt relativement
à (Ft ). On appelle filtration arrêtée en τ la σ−algèbre

Ft = {A ∈ F, A ∩ {τ ≤ t} ∈ Ft , ∀ t ∈ R+ }

Proposition 3.1
Si S et T sont des temps d’arrêt tels que p.s. S ≤ T, alors FS ⊂ FT .

Preuve Soit A ∈ FS . Montrons que A ∈ FT .

∀t ≥ 0, on a A ∩ {T ≤ t} = A ∩ {S ≤ t} ∩ {T ≤ t} puisque S ≤ T ({T ≤ t} ⊂ {S ≤ t}) .
D’autre part {T ≤ t} ∈ Ft car T est un temps d’arrêt et A ∩ {S ≤ t} ∈ Ft puisque A ∈ FS .
Donc A ∩ {S ≤ t} ∩ {T ≤ t} ∈ Ft , ∀ t ≥ 0. 

Univ-Thomas SANKARA / Burkina Faso 34 Pr Pierre Clovis NITIEMA c 2024

Chapitre 3. 3.3. Martingales

3.3 Martingales
Définition 3.9
Soit (Ω, F, {Ft , t ≥ O}, P) un espace de probabilité filtré et X = {Xt , t ≥ O} un processus
(Ft )-adapté. On dit que X est une (Ft )-martingale si

• E(|Xt |) < +∞ (autrement dit Xt ∈ L2 (Ω)) pour tout t ≥ 0.

• E(Xt |Fs ) = Xs ∀s ≤ t.

Remarque 3.5
On peut en fait définir X sur (ω, F, P) sans filtration préalable, en disant que c’est une
martingale si E(|Xt |) < +∞ ∀t ≥ 0 et E(Xt |FsX ) = Xs ∀s ≤ t, où l’on rappelle que
{FtX , t ≥ 0} est la filtration naturelle de X.
Si X est une (Ft )-martingale, alors c’est nécessairement une (FtX )-martingale.
En effet, on a d’abord FuX = σ{Xs−1 (A), A ∈ B(R), s ≤ u} ⊂ Fu puisque X est (Ft )-adapté
et donc Xs−1 (A) ∈ Fs ⊂ Fu , ∀ s ≤ u. D’où

E(Xt |FsX ) = E(E(Xt |Fs )|FsX ) = E(Xs |FsX ) = Xs

on a successivement utilisé la propriété d’emboitement de l’espérance conditionnelle, que X est

une (Ft )-martingale, et la mesurabilité de Xs par rapport à FsX .

Propriété 3.1 (fondamentale et constamment utilisée en finance)

Pour tout horizon T > 0, si X est une martingale, alors l’ensemble du processus {Xt , t ≤ T }
est complètement déterminé par la valeur terminale XT au sens où Xt = E(XT |Ft ), ∀ t ≤ T.

Définition 3.10
Soit {Xt , t ≥ 0} une (Ft )-martingale. On dit que c’est une martingale fermée si il existe
Z ∈ L1 (Ω) tel que
Xt = E(Z|Ft ), ∀ t ≥ 0

Autrement dit, l’ensemble du processus est déterminé par une valeur terminale à l’horizon infini.

NB: On verra plus tard que Z est en fait la limite de Xt quand t −→ +∞.
Le théorème suivant caractérise les martingales fermées par leur uniforme intégrabilité:

Théorème 3.3
Soit {Xt , t ≥ O} une Ft -martingale.
C’est une martingale fermé ssi la famille de v.a {Xt , t ≥ 0} est uniforme intégrable.

Définition 3.11
Soit (Ω, F, {Ft , t ≥ O}, P) un espace de probabilité filtré et X = {Xt , t ≥ O} un processus
(Ft )-adapté tel que E(|Xt |) < +∞ pour tout t ≥ 0. On dit que

Univ-Thomas SANKARA / Burkina Faso 35 Pr Pierre Clovis NITIEMA c 2024

Chapitre 3. 3.4. Martingales et stratégies autofinancées

• X est une (Ft )-sous martingale si E(Xt |Fs ) ≥ Xs , ∀ s ≤ t

• X est une (Ft )-sur martingale si E(Xt |Fs ) ≤ Xs , ∀ s ≤ t.

Par analogie, on dira qu’une (Ft )-sous martingale (resp. sur martingale) est fermée si il
existe une v.a Z F-mesurable telle que E(Z|Ft ) ≥ Xt (resp. E(Z|Ft ) ≤ Xt ) ∀ t ≥ 0.
Il découle facilement des définitions qu’une martingale est un processus à espérance constante:
E(Xt ) = E(Xs ) ne dépend pas de t.

Une martingale modélise un jeu équitable.

Une sous martingale est un processus à espérance croissante (jeu favorable).
Une sur martingale est un processus à espérance décroissante (jeu défavorable).
La manière la plus simple de construire une sous martingale est d’ajouter à une martingale
donnée une fonction croissante déterministe. Le théorème suivant, très célèbre, dit que la
réciproque est presque vraie (la fonction croissante est remplacée par un processus aléatoire
croissant):

Théorème 3.4 (Décomposition de Doob-Meyer)

Soit X une (Ft )-sous martingale telle que la famille {XT , T (Ft ) − temps d’arrêt borné} est
uniforme intégrable.
Il existe une (Ft )-martingale M et un processus croissant (Ft )-adapté A tels que Xt = Mt +
At ∀t ≥ 0
De plus, M et A sont uniques à une constante additive près.

3.4 Martingales et stratégies autofinancées

Sur un marché sont échangés K titres dont les prix en date t sont notés Xt = (Xt1 , · · · , XtK ).
Ces prix sont exprimés en unités de numéraire. On suppose que le processus de chacun de ces
prix est une martingale. Soit θt = (θt1 , · · · θtK ) le portefeuille détenu entre t − 1 et t. La valeur
du portefeuille en t s’écrit:

k
θtk Xtk
X
Vt (θ) =
k=1

Pour rendre comparable Vt (θ) et V0 (θ) ;il faut supposer qu’aucun apport ni retrait de fonds
ne se fait aux dates intermédiaires et que les prix Xs sont mesurés dans la même unité. Dans
les cas les plus courants, on mesure ces prix en unités monétaires de date 0 et ou de date T
selon que l’on choisit l’ actualisation ou la capitalisation.

Univ-Thomas SANKARA / Burkina Faso 36 Pr Pierre Clovis NITIEMA c 2024

Chapitre 3. 3.4. Martingales et stratégies autofinancées

3.4.1 Stratégie autofinancée

Définition 3.12

a. On appelle stratégie de portefeuille θ tout processus prévisible borné.

b. Une stratégie θ est dite autofinancée si, pour toute date t:

k k
θtk Xtk k
Xtk
X X
= θt+1
k=1 k=1

Le membre de gauche est égal à la valeur de liquidation, à la date t, du portefeuille θt ; alors

que le membre de droite correspond au coût de constitution du portefeuille θt+1 à cette même
date. Par conséquent, l’égalité traduit bien le fait qu’aucun fonds nouveau n’est apporté au
portefeuille, mais aussi que toute la valeur liquidative a été réinvestie. Concrètement, cela
signifie qu’une acquisition nette de titres k à une date quelconque doit être financée par des
ventes de titres de l’ensemble {1, · · · , k − 1, k + 1, · · · , k}

3.4.2 Processus de valeur d’une stratégie autofinancée

La proposition suivante énonce que si les processus de prix sont des martingales, la valeur d’une
stratégie de portefeuille autofinancée reste une martingale. En d’autres termes, même un choix
judicieux des titres ne peut transformer ce " jeu équilibré" en un jeu favorable.

a. soit X = (X 1 , · · · , X k ) une martingale à valeurs dans RK et θ = (θ1 , · · · , θK ) une stratégie

autofinancée. Le processus Y défini par :

k
θ1k X0k
X
Y0 =
k=1

k
θtk Xtk
X
Yt =
k=1

est une martingale.

b. soit X = (X 1 , · · · , X k ) une martingale à valeurs dans RK et θ = (θ1 , · · · , θK ) un processus

prévisible borné. Le processus Z défini par:

Z0 = 0

k X
t
θsk (Xsk − Xs−1
k
X
Zt = )
k=1 s=1

est une martingale.

Univ-Thomas SANKARA / Burkina Faso 37 Pr Pierre Clovis NITIEMA c 2024

 Chapitre 4

Mouvement brownien et calcul d’Itô

4.1 Martingales en temps continu

Définition 4.1 (F−martingale en temps continu)
Soit M = {Mt , t ≥ 0} un processus stochastique adapté défini sur l’espace de probabilité
(Ω, F, P) muni de la filtration F. On dit que M est une martingale si:

1. pour tout t ≥ 0 la variable aléatoire Mt est intégrable;

2. pour tout t ≥ s ≥ 0, E[Mt |Fs ] = Ms .

Lorsque à la place du point 2. le processus Mt vérifie

∀s ≤ t : Ms ≤ E(Mt |Fs ) (resp. ∀s ≤ t : Ms ≥ E(Mt |Fs )) le processus M est appelé
sous-martingale (resp. sur-martingale).

Définition 4.2 (Temps d’arrêt)

Soit F = {Ft , t ≥ 0} une filtration. Une variable aléatoire τ : Ω −→ R+ ∪ {+∞} est un
temps d’arrêt si pour tout t ≥ 0.
{τ ≤ t} ∈ Ft .

Définition 4.3 (F−martingale locale en temps continu)

Soit un processus stochastique adapté M = {Mt , t ≥ 0} défini sur l’espace de probabilité
(Ω, F, P) muni de la filtration F. Le processus M est dit martingale locale s’il existe une suite
strictement croissante de temps d’arrêt (Tn )n≥1 telle que:

1. la suite Tn converge presque sûrement vers +∞ ;

2. pour tout n ≥ 0 le processus M Tn := {MtTn = Mt∧Tn , n ≥ 0} est une martingale.

Proposition 4.1
Soit M = {Mt , t ≥ 0} une martingale définie sur l’espace de probabilité (Ω, F, P) muni de la
filtration F. Soit Φ : R −→ R une application convexe telle que pour tout t ≥ 0, la v.a. Φ(Mt )
est intégrable. On définit le processus M φ par: MtΦ := Φ(Mt ), t ≥ 0.

1. M Φ est une sous-martingale sur (Ω, F, P, F);

38
Chapitre 4. 4.2. Mouvement brownien

2. si M est seulement sous-martingale mais Φ est croissante alors M Φ est également une
sous-martingale.

Proposition 4.2 (Inégalité maximale de Doob)

Soit M = {Mt , t ≥ 0} une sous-martingale définie sur l’espace de probabilité (Ω, F, P) muni
de la filtration F. On suppose que M est à trajectoires continues. Alors pour tout 0 ≤ τ < T et
tout λ > 0 on a:
!
sup Ms ≥ λ ≤ E |MT |1{sups∈[τ,T ] Ms ≥λ} ≤ E[|MT |].
h i
λP
s∈[τ,T ]

Proposition 4.3 (Inégalité de Doob II)

Soit M une martingale définie sur l’espace de probabilité (Ω, F, P) muni de la filtration F.
On suppose que M est à trajectoires continues. Alors pour tout 0 ≤ τ < T et p > 1 on a:
" !p # !p
p
E sup |Ms | ≤ E[|MT |p ]
s∈[τ,T ] p−1

4.2 Mouvement brownien

4.2.1 Définition et premières propriétés

Définition 4.4 (mouvement brownien réel)
Soit B = {Bt , t ≥ 0} un processus défini sur l’espace de probabilité (Ω, F, P) muni de la
filtration naturelle (complétée) du processus B, filtration notée F tel que:

1. B est un processus à trajectoires continues;

2. B est un processus à accroissements indépendants, c’est-à-dire que pour tous 0 ≤ s ≤ t la

variable aléatoire Bt − Bs est indépendante de Fs ;

3. pour tous 0 ≤ s ≤ t la variable aléatoire Bt − Bs suit la loi normale N (0, t − s).

Si de plus B0 = 0 (respectivement B0 6= 0), on dit que B est un mouvement brownien standard

(respectivement non-standard).
Quand la filtration F est donnée a priori, un processus F−adapté qui vérifie les conditions
ci-dessus est dit F−mouvement brownien.
Dans tout ce qui suit, sauf mention explicite du contraire nous supposerons B0 = 0.

Remarque 4.1
Le mouvement brownien est un processus à accroissements stationnaires.

Proposition 4.4

Univ-Thomas SANKARA / Burkina Faso 39 Pr Pierre Clovis NITIEMA c 2024

Chapitre 4. 4.2. Mouvement brownien

1. Soit B = {Bt , t ≥ 0} un F−mouvement brownien sur l’espace de probabilité filtré

(Ω, F, P, F). Alors B est un processus gaussien de fonction moyenne E[Bt ] = 0 et
d’opérateur de covariance var(Bt , Bs ) = min(s, t).

2. Soit B un processus gaussien continu de fonction moyenne E[Bt ] = 0 et d’opérateur de

covariance var(Bt , Bs ) = min(s, t) et avec B0 = 0. Alors B est un mouvement brownien
standard.

Proposition 4.5
Soit B un mouvement brownien standard et λ ∈ R une constante. Chacun des processus
suivants est une martingale:
2 t/2
1. {Bt , t ≥ 0}, 2. {Bt2 − t, t ≥ 0}, 3. {eλBt −λ , t ≥ 0}.

Proposition 4.6 (Caractérisation de Lévy du mouvement brownien)

Soit M = {Mt , t ≥ 0} une martingale continue vérifiant M0 = 0 telle que {Mt2 − t, t ≥ 0}

est aussi une martingale. Alors M est un mouvement brownien.

Preuve: Admis
Proposition 4.7
Soit B un mouvement brownien standard. Soient T et λ deux constantes positives données.
Ces processus sont des mouvements browniens.

1. B − := {−Bt , t ≥ 0} : c’est la propriété de symétrie.

2. B ⊕T := {BT +t − BT , t ≥ 0} : c’est la propriété d’invariance par translation.

3. B ⊗λ := { √1λ Bλt , t ≥ 0} : c’est la propriété d’auto-similarité.

4. B / := {tB1/t , t ≥ 0} : c’est la propriété d’inversion du temps.

Remarque 4.2
Pour l’auto-similarité la filtration naturelle associée à B ⊗λ est la filtration suivante
 
Ft⊗λ = (Fλt )t≥0 où (Ft )t≥0 est la filtration du brownien Bt .
t≥0

Proposition 4.8
Le mouvement brownien est nulle-part dérivable (à un ensemble P−négligeable près).

4.2.2 Mouvement brownien multi-dimensionnel

Définition 4.5
Soit F une filtration donnée. Un processus à valeurs dans Rd noté Bt = (Bt1 , · · · , Btd )t≥0 est
appelé F−mouvement brownien standard à d dimensions ou d−dimensionnel si et seulement si
les composantes Btk de B sont des F−mouvements browniens standard indépendants.

Univ-Thomas SANKARA / Burkina Faso 40 Pr Pierre Clovis NITIEMA c 2024

Chapitre 4. 4.2. Mouvement brownien

4.2.3 Variation d’ordre p

Soit t > 0 un réel donné et ∆ := {t0 = 0 ≤ t1 ≤ · · · ≤ tn = t} une subdivision de l’intervalle
[0, t]. On appelle module de la subdivision ∆ et on note |∆| la quantité |∆| := supi |ti − ti−1 |.
Pour une fonction g et un réel p ≥ 1 on note
n
(p)
|g(ti ) − g(ti−1 )|p .
X
Vt (g, ∆) :=
i=1

Définition 4.6

Soit T ∈ R+ ∪ {+∞}. On dit que la fonction g : [0, T ] −→ R est à variation d’ordre p finie si
(p) (p) (p)
pour tout 0 ≤ t ≤ T : sup∆ Vt (g, ∆) < ∞. La fonction t 7−→ Vt (g) := lim Vt (g, ∆) < ∞
|∆|→0
(p)
est appelée variation totale d’ordre p de g. Elle est positive et croissante. Si lim Vt (g) < ∞
t→∞
on dit que g est de variation d’ordre p bornée.

Notons que la définition ci-dessus ne dépend pas de la sous-suite utilisée pour la lim. Dans
le reste de ce paragraphe nous allons nous intéresser aux cas
p = 1 : la variation d’ordre 1 d’une fonction g est appelée variation totale de la fonction g,
et on note V (g) := V (1) (g).
p = 2: la variation d’ordre 2 d’une fonction g est appelée variation quadratique de la fonction
g.
Soit X = {Xt , t ≥ 0} un processus stochastique défini sur (Ω, F, P). Nous pouvons définir
pour chaque trajectoire t 7−→ Xt (ω) sa variation d’ordre p

Proposition 4.9 (Variation quadratique du mouvement brownien)

Soit B un mouvement brownien sur l’espace de probabilité (Ω, F, P). Alors, pour tout t ≥ 0
 
2
lim E
(2)
Vt (B, ∆) −t =0
|∆|→0

(2) L2
Ceci peut s’écrire encore Vt (B, ∆)n −−−→ On dit que la variation quadratique sur [0, t] du
|∆|→0
2 (2)
mouvement brownien existe dans L et Vt (B) = t.

Proposition 4.10 (Variation totale du mouvement brownien)

Soit B un mouvement brownien défini sur l’espace de probabilité (Ω, F, P). Alors, pour t ≥ 0,
les trajectoires de B sont, presque sûrement, à variation totale infinie sur [0, t].

Définition 4.7
Un processus X est dit à variation quadratique finie s’il existe un processus fini hXit tel que
pour toute suite de divisions ∆n avec ∆n → 0 :

(2)
P − lim Vt (X, ∆n ) = hXit .
n→∞

Univ-Thomas SANKARA / Burkina Faso 41 Pr Pierre Clovis NITIEMA c 2024

Chapitre 4. 4.3. Intégrale d’Itô

Il s’agit donc d’une convergence en probabilité. Pour deux processus X, Y à variation quadratique
finie nous notons
hX + Y it − hXit − hY it
hX, Y it =
2
Cette quantité est appelée covariation quadratique et hX, Xit = hXit .

Proposition 4.11 (Caractérisation du mouvement brownien)

Soit M une martingale continue avec M0 = 0 telle que hM it = t. Alors M = (Mt )t≥0 est un
mouvement brownien

4.3 Intégrale d’Itô

Z t
Dans cette section, on donne un sens à « f (s)dBs » où f est une fonction vérifiant certaines
0
propriétés et B est un F− mouvement brownien standard défini sur l’espace de probabilité filtré
(Ω, F, P, F).

4.3.1 Intégration des processus élémentaires

Dans toute la suite, on fixe un horizon de temps T > 0. On s’intéressera aux trajectoires des
processus considérés seulement sur [0, T ].

Définition 4.8 (Processus élémentaire)

Un processus H := {Ht , t ≥ 0} à valeurs dans R et défini sur l’espace de probabilité filtré
(Ω, F, P, F) est appelé élémentaire s’il peut s’écrire comme:
n
θi (ω)1]ti−1 ,ti ] , ∀ t ∈]0, T ],
X
Ht (ω) = (4.3.1)
i=1

où {t0 < · · · < tn = T } est une subdivision de [0, T ] et (θi )0≤i≤n est une suite de variables
aléatoires telles que θi est Fti−1 −mesurable et la v.a. supi |θi | est bornée. Dans toute la suite on
note ε := ε(Ω, F, P, F) l’ensemble des processus élémentaires définis sur l’espace de probabilité
filtré (Ω, F, P, F).

On commence par définir l’intégrale stochastique pour les processus élémentaires.

Définition 4.9 (Intégrale stochastique I)

Soit H ∈ ε(Ω, F, P, F) un processus élémentaire et θi les variables qui interviennent dans
(4.3.1). L’intégrale stochastique de H contre le mouvement brownien entre la date 0 et la date
Z t
t ≤ T , notée Hu dBu est définie par
0

Z t n
X
Hu dBu = θi (Bt∧ti − Bt∧ti−1 )
0 i=1

Univ-Thomas SANKARA / Burkina Faso 42 Pr Pierre Clovis NITIEMA c 2024

Chapitre 4. 4.3. Intégrale d’Itô

Pour 0 ≤ s ≤ t ≤ T , on pose
Z t Z t Z s
Hu dBu = Hu dBu − Hu dBu
s 0 0

Remarque 4.3
Notons que si k est l’entier tel que t ∈]tk , tk+1 ], alors

Z t k
X
Hu dBu = θi (Bti − Bti−1 ) + θk+1 (Bt − Btk )
0 i=1
Xk
= Hti (Bti − Bti−1 ) + Ht (Bt − Btk ).
i=1

Z t
En particulier : 1dBu = Bt .
0

Proposition 4.12
L’intégrale stochastique du processus élémentaire H contre le mouvement brownien vérifie:
Z t 
1. Le processus Hu dBu , 0 ≤ t ≤ T est F−adapté et à trajectoires continues;
0
Z t 
2. Le processus Hu dBu , 0 ≤ t ≤ T est une F−martingale qui démarre à zéro;
0
Z t 
3. Le processus Hu dBu , 0 ≤ t ≤ T vérifie la propriété d’isométrie:
0

"Z
t 2 # Z t 
E Hu dBu =E Hu2 du ;
0 0

4. Si K est un processus élémentaire, alors

Z t  Z τ "Z #
  min(t,τ )
E Hu dBu Ku dBu |Fs = E Hu Ku dBu |Fs
s s s

n R o
t 2
Rt 2
5. Le processus donné par ( 0 Hu dBu ) − 0 Hu du, 0 ≤ t ≤ T est une F−martingale qui
démarre à zéro.

Proposition 4.13 (Variation quadratique I) Z t 

Soit H un processus élémentaire. La variation quadratique de la martingale Hu dBu
0 t≥0
est donnée par Z · Z t
h Hu dBu it = Hu2 du (4.3.2)
0 0

Univ-Thomas SANKARA / Burkina Faso 43 Pr Pierre Clovis NITIEMA c 2024

Chapitre 4. 4.4. Lemme d’Itô

Si K est un processus élémentaire, la covariation quadratique entre les deux martingales

Rt Rt
( 0 Hu dBu )t et ( 0 Ku dBu )t est donnée par
Z · Z · Z t
h Hu dBu , Ku dBu it = Hu Ku du (4.3.3)
0 0 0

4.4 Lemme d’Itô

Notons: x le cours d’une bourse de l’action sous-jacente ; dx la petite variation du cours de
bourse de l’action. Le processus d’Itô consiste à écrier que:
√
dx = a(x, t)dt + b(x, t)dz où dz = ε dt avec ε ∼ N (0, 1) et dt est un petit accroissement du
temps c’est à dire que E(ε) = 0 et V (ε) = 1. Pour obtenir la formule d’Itô ou encore le lemme
d’Itô, nous cherchons le développement limité de F (x, t) une fonction de deux variables de x et
de t.

∂F ∂F 1 ∂ 2F 2 1 ∂ 2F
dF (x, t) = dt + dx + (dt) + (dx)2 + · · ·
∂t ∂x 2 ∂t2 2 ∂x2
∂F ∂F 1 ∂ 2F
= dt + [a(x, t)dt + b(x, t)dz] + (dt)2 +
∂t ∂x 2 ∂t2
1 ∂ 2F √ 2
[a(x, t)dt + b(x, t)ε dt] + · · · (4.4.1)
2 ∂x2
∂F ∂F ∂F 1 ∂ 2F
= dt + a(x, t)dt + b(x, t)dz + (dt)2 +
∂t ∂x ∂x 2 ∂t2
1 ∂ 2F 2 3

2
[a (x, t)(dt)2 + 2εa(x, t)b(x, t)dt 2 + b2 (x, t)ε2 dt]
2 ∂x

Nous nous intéresserons au développement limité de dF (x, t) à l’ordre 1 par conséquent tous
les termes qui ont un exposant supérieur à 1 seront éliminés. Ce sont:

1 ∂ 2F 2
2 1∂ F 2
2
2 ∂ F 3
(dt) ; a (x, t)(dt) ; εa(x, t)b(x, t)dt 2
2 ∂t2 2 ∂x2 ∂x2

On obtient

∂F ∂F ∂F 1 ∂ 2F 2
dF (x, t) = dt + a(x, t)dt + b(x, t)dz + b (x, t)ε2 dt (4.4.2)
∂t ∂x ∂x 2 ∂x2

On s’intéresse ponctuellement au dernier terme. Nous calculons E[b2 (x, t)ε2 dt] et V [b2 (x, t)ε2 dt]
sachant que ε2 est la seule variable aléatoire car b2 (x, t) et dt sont du point de vue du calcul des

Univ-Thomas SANKARA / Burkina Faso 44 Pr Pierre Clovis NITIEMA c 2024

Chapitre 4. 4.5. Formule de Black-Scholes

probabilités des constantes multiplicatives qui peuvent sortir de l’espérance.

E[b2 (x, t)ε2 dt] =b2 (x, t)dtE(ε2 )

=b2 (x, t)dt[V (ε) + (E(ε))2 ] Formule de Koenig Huyghens
=b2 (x, t)dt × 1 car ε ∼ N (0, 1)
=b2 (x, t)dt
V [b2 (x, t)ε2 dt] =b4 (x, t)(dt)2 V (ε2 ).

On a lim V [b2 (x, t)ε2 dt] = lim b4 (x, t)(dt)2 V (ε2 ) = 0. On conclut que
dt→0 dt→0

E[b2 (x, t)ε2 dt] = b2 (x, t)dt et V [b2 (x, t)ε2 dt]

Par conséquent on peut remplacer ou approximer b2 (x, t)ε2 dt par b2 (x, t)dt car b2 (x, t)ε2 dt ne
s’écarte pas en moyenne de b2 (x, t). Finalement on obtient:
Puisqu’on peut remplacer b2 (x, t)ε2 dt par b2 (x, t)dt, le lemme d’Itô permet d’écrire que

dF (x, t) = A(x, t)dt + B(x, t)dz (4.4.3)

L’équation (4.4.3) signifie qu’on a une fois de plus un processus d’Itô.

Conclusion: On obtient que: si dx = a(x, t)dt + b(x, t)dz alors une fonction F (x, t)
conduit à écrire une fonction dF (x, t) = A(x, t)dt + B(x, t)dz. En d’autre terme si on a un x qui
définit un processus d’Itô, une autre fonction F (x) définit un autre processus d’Itô également.

4.5 Formule de Black-Scholes

Il faut d’abord faire l’hypothèse de log normalité de la distribution cours de bourse de l’action
sous-jacente.
Mouvement brownien −→ Log Normale de la distribution −→ Formule de Black
géométrique du cours de bourse de l’action and Scholes
sous-jacente

4.5.1 Mouvement brownien simple

x = cours de bourse de l’action sous-jacente. dx = petite variation du cours par une petite
variation du temps. Le principe du mouvement brownien simple consiste à écrire que:

√ E(ε)

=0
dx = dz = ε dt où ε ∼ N (0, 1) =⇒
V (ε)

=1

Dans ce cas:

Univ-Thomas SANKARA / Burkina Faso 45 Pr Pierre Clovis NITIEMA c 2024

Chapitre 4. 4.5. Formule de Black-Scholes

√ √ √
• E(dx) = E(dz) = E(ε dt) = dtE(ε) = dt × 0 = 0
√ √
• V (dx) = V (dz) = V (ε dt) = ( dt)2 V (ε) = dt × 1 = dt


E(dx)

=0
=⇒ dx ∼ N (0, 1)
V (dx)

= dt

4.5.2 Mouvement brownien avec tendance

Dans ce cas:
√
dx = adt + bdz où dz = ε dt avec ε ∼ N (0, 1)

On a:
√
E(dx) = E(adt + bdz) = E(adt + bε dt)
√
= E(adt) + E(bε dt)
√
= adt + b dtE(ε)
= adt De même
√
V (dx) = V (adt + bdz) = V (adt + bε dt)
√
= V (adt) + V (bε dt)
= 0 + b2 dtV (ε)
= b2 dt

E(dx)

= adt
=⇒ dx ∼ N (adt, b2 dt)
V (dx) 2
= b dt


4.5.3 Processus d’Itô

Intéressons nous maintenant au processus d’Itô. L’idée est de généraliser le mouvement brownien
avec tendance:
√
dx = a(x, t)dt + b(x, t)dz où dz = ε dt avec ε ∼ N (0, 1)

Ici a et b ne sont plus des constantes mais des fonctions de deux variables donc

dx ∼ N (a(x, t)dt, b2 (x, t)dt)

Univ-Thomas SANKARA / Burkina Faso 46 Pr Pierre Clovis NITIEMA c 2024

Chapitre 4. 4.6. Équations différentielles stochastiques

4.5.4 Mouvement brownien géométrique

C’est un cas particulier du processus d’Itô . On repart de l’équation a(x, t) = µx et b(x, t) = σx
puis on obtient dx = µxdt + σxdz (fonction d’une variable réelle x).
En appliquant le résultat ci dessus on obtient:

dx ∼ N (µxdt, σ 2 x2 dt)

4.6 Équations différentielles stochastiques

4.6.1 Conditions d’existence et d’unicité de la solution

Soit (Xt )t∈T , T = [0; +∞) ou R un processus vérifiant:

dXt

= µ(t, Xt )dt + σ(t, Xt )dBt
(4.6.1)
X = x0 P.p.s

0

µ(t, Xt ) permet de mesurer la variation moyenne du processus stochastique, c’est le drift.

σ(t, Xt ) est le coefficient le plus important car si σ(t, Xt ) = 0 on a plus un E.D.S mais un
E.D.O. c’est le coefficient de diffusion ou la volatilité. C’est ce coefficient qui mesure l’ampleur
de la variation du processus stochastique.

X 0 = x0 P.p.s =⇒ P(ω ∈ Ω/X0 (ω) = x0 ) = 1

On dit que cette EDS admet une unique solution si certaines propriétés sont vérifiées:

a. X0 = x0 P.p.s

b. Il faut que µ et σ soient des fonctions continues.

c. la propriété du Lipschitz:
∀x, y ∈ R, ∀t ∈ T, ∃ k < ∞ /, |µ(t, x) − µ(t, y)| + |σ(t, x) − σ(t, y)| ≤ k|x − y|

d. La propriété de la croissance polynomiale qui stipule que:

∀x ∈ R, ∀t ∈ T, ∃ c < ∞!/|µ(t, x)|2 + |σ(t, x)|2 ≤ c(1 + |x|2 ) et de plus ce processus Xt
doit vérifier E sup |Xt |2 < ∞.
t∈T

Si ces conditions sont vérifiées alors la relation (4.6.1)Z admet une unique solution.
Z t t
En plus il faut que: |µ(s, Xs )|ds < ∞ P.p.s; |σ(s, Xs )|2 ds < ∞ P.p.s.
0 0

Univ-Thomas SANKARA / Burkina Faso 47 Pr Pierre Clovis NITIEMA c 2024

 Chapitre 5

Modèle de Black-Scholes

5.1 Hypothèses du modèle

Le modèle de Black-Scholes est un modèle de marché Bond-Stock qui repose sur un certain
nombre d’hypothèses:

• le temps est une fonction continue;

• l’option est européenne, c’est-à-dire qu’elle ne peut s’exercer qu’à maturité;

• le taux d’intérêt sans risque est déterministe, c’est-à-dire qu’il est connu pour les différentes
échéances. En outre, il est toujours possible d’emprunter à ce taux. On notera r ce taux;

• le prix du call est fonction uniquement du prix de l’action sous-jacente et de sa durée de vie
restante à couvrir;

• l’action ne donne aucun dividende pendant la période d’exercice de l’option;

il n’y a pas de frais de transaction et d’imposition lors de l’achat et de vente d’actions ou

d’options;

• il est possible d’effectuer des ventes à découvert;

• l’absence d’opportunité d’arbitrage: l’impossibilité de réaliser un profit sans prendre de risque;

• le cours de l’action S suit l’équation différentielle stochastique d’un mouvement brownien

géométrique:
! !
σ2
St = S0 exp σWt + µ − t avec :
2

• S0 : la valeur initiale de l’actif St ;

• µ: la tendance c’est-à-dire l’espérance mathématique du rendement de l’action. On
suppose que
• µ n’est pas constante;

48
Chapitre 5. 5.2. Présentation du modèle

• σ: la volatilité c’est-à-dire la variance de l’option suposée constante durant toute la

vie de l’option et proportionnelle au carré du cours de l’action. On considère que
tous les investisseurs lui attribuent une valeur identique;
√
• Wt : un mouvement brownien standard avec dW = dt et qui suit une loi normale
de moyenne nulle et de variance égale à dt.
Le mouvement brownien géométrique appartient à la famille des processus de Markov.
Cela implique que la distribution des prix à tout instant du temps dépend uniquement
du prix de l’action au temps t et suit une loi log-normale. Par conséquent, le rendement
de l’action

dS
= µdt + σdWt
S

est distribué selon une loi normale dont la moyenne est égale à µdt et la variance à σ 2 dt.

5.2 Présentation du modèle

On considère un marché formé par un actif sans risque S 0 et un actif risqué S. on suppose que
le prix de l’actif sans risque vérifie :

St0 = S00 ert , (5.2.1)

Où r est une constante donnée, r ≥ 0. Sauf mention explicite du contraire, nous prendrons
S00 = 1. Pour modéliser l’incertitude concernant le prix de l’actif risqué S, on introduit un
espace de Probabilité (Ω, F, P). On suppose que le processus de prix de S, S = {St , t ≥ 0}, est
décrit par le modèle de Black-Merton-Scholes

dSt = µSt dt + αSt dBt , (5.2.2)

Où B = {Bt , t ≥ 0} est un mouvement brownien sur (Ω, F, P) .Ici µ et α sont deux constantes
réelles données :

• µ est appélée  tendance  ou  rendement instantané  de S,

• α > 0 est appélée volatilité de S. Elle mesure la taille de l’incertitude sur S.

Dans cette partie, on note:

S̄ = {St /St0 , t ≥ 0}

Le prix de S exprimé dans le nouveau numéraire S 0 et F := {Ft , t ≥ 0} la filtration naturelle

du processus S. Remarquons que St et Bt étant en bijection par une application mesurable, F

Univ-Thomas SANKARA / Burkina Faso 49 Pr Pierre Clovis NITIEMA c 2024

Chapitre 5. 5.2. Présentation du modèle

est également la filtration naturelle du mouvement brownien B. D’après lemme d’Itô on a :

α2
St = S0 exp{(µ − )t + αBt } (5.2.3)
2

et, en notation différentielle,

dS̄t = (µ − r)S̄t dt + σ S̄t dBt .

On suppose que le marché financier est sans friction

Hypothèse: (Marché sans frictions)
Les actifs de ce marché financier sont parfaitement divisibles et ne sont soumis à aucun coût
de transaction.

Théorème 5.1 formule de Black-Scholes

Le prix d’une option d’achat européenne de maturité T et de prix d’exercice K est:

C = S0 N (d1 ) - Ke−rT N (d2 )

avec
Z x
2 /2 dt
N(x) = e−t √
−∞ 2π
et
log(S0 /K) + T (r + σ 2 /2) √
d1 = √ et d2 = d1 -σ T
σ T
Les valeurs de N (d1 ) et N (d2 ) sont obtenues à partir de la table de la fonction de répartition de
la loi normale centrée réduite.

Preuve
D’après la définition 3.7.2, on a:
 
C = E∗ e−rT g(ST ) = G(0, S0 )

où la fonction G est définie par

!
−r(T −t)
Z +∞ 
(r−σ 2 /2)(T −t)+σy
 −y 2 dy
G(t, x) = e g xe exp q .
−∞ 2(T − t) 2π(T − t)

En posant τ = T-t, on obtient:

!
−rτ
Z +∞ 
(r−σ 2 /2)τ +σy
 −y 2 dy
G(t, x) = e g xe exp √ .
−∞ 2τ 2πτ
Effectuons un changement de variable en posant:

Univ-Thomas SANKARA / Burkina Faso 50 Pr Pierre Clovis NITIEMA c 2024

Chapitre 5. 5.2. Présentation du modèle

y √ dy
z = √ =⇒ y = τ z et dz = √ .
τ τ
D’où:
!
−rτ
Z +∞  √ 
(r−σ 2 /2)τ +σz τ −z 2 dz
G(t, x) = e g xe exp √ .
−∞ 2 2π
La fonction de paiement d’un option d’achat européenne s’écrit: g(x) = g(x − K)+ donc:
2 /2)τ +σz √τ 2 /2)τ +σz √τ
   
g xe(r−σ = xe(r−σ −K .
+

Par conséquent:
!
−rτ
Z +∞  √
(r−σ 2 /2)τ +σz τ −z 2  dz
G(t, x) = e xe − K exp √ .
−∞ + 2 2π
On a :
2 /2)τ +σz √τ √ K
 
xe(r−σ − K > 0 ⇐⇒ (r − σ 2 /2)τ + σz τ > log .
x
D’où
   
x σ2
log K
+ r− 2
τ
z>− √ = −d2 (x, τ ).
σ τ
G devient alors:
−z 2
Z +∞  2 /2)τ +σz √
τ
(  ) dz
G(t, x) = e−rτ xe(r−σ −K e 2 √ .
−d2 (x,τ ) + 2π
En développant, on obtient:
Z +∞
−1 √ dz Z +∞
z 2 dz
(σ 2 τ −2σ τ z+z 2 )
G(t, x) = x e 2 √ − Ke−rτ e− 2 √ .
−d2 (x,τ ) 2π −d2 (x,τ ) 2π
Z +∞
−1 √ dz Z +∞
z 2 dz
(z−σ τ )2
G(t, x) = x e 2 √ − Ke−rτ e− 2 √ .
−d2 (x,τ ) 2π −d2 (x,τ ) 2π
Effectuons un changement de variable:
√ √
µ = z − σ τ ⇐⇒ z = µ + σ τ et dµ = dz
   
x σ2
√ log K
+ r− 2
τ √
µ = −d2 (x, τ ) − σ τ = − √ −σ τ
σ τ
   
x σ2
log K
+ r+ 2
τ
µ=− √ = −d1 (x, τ )
σ τ
On obtient ensuite:
Z +∞ Z +∞
− 21 µ2 dµ −rτ z 2 dz
G(t, x) = x e √ − Ke e− 2 √ .
−d1 (x,τ ) 2π −d2 (x,τ ) 2π
En posant:

Univ-Thomas SANKARA / Burkina Faso 51 Pr Pierre Clovis NITIEMA c 2024

Chapitre 5. 5.2. Présentation du modèle

Z x
1 2 dt
N (x) = e− 2 t √
−∞ 2π
On obtient finalement:

G(t, x) = xN (d1 ) − Ke−rτ N (d2 )

En prenant t = 0 et x = S0 , nous avons:

G(0, S0 ) = S0 N (d1 ) − Ke−rT N (d2 ) 

Dans cette formule interviennent le prix de l’action à la date initiale S0 , le prix d’achat éventuel
C, le taux d’intérêt r, la date d’exercice T , le prix d’exercice K et la volatilité σ instantanée de
l’action que l’on a dû supposée constante. C’est le seul paramètre qui n’est pas parfaitement
connu à la date initiale et qui pourrait être déterminé par des modèles statistiques.

L’interprétation de la formule de Black-Scholes est relativement simple. La quantité Ke−rT est

égale à la valeur actuelle du prix d’exercice. Si un opérateur place ce montant sur le marché
monétaire de l’argent, il disposera à l’échéance du contrat d’option d’une somme égale au prix
d’exercice K. Le prix du call est égal à la valeur d’un portefeuille constitué de N (d1 ) actions et
financé partiellement par un crédit de Ke−rT N (d2 ).

Plus σ est élevé, plus l’écart entre N (d1 ) et N (d2 ) est important et, par conséquent, le prix du
call est grand.
Corollaire (valeur d’un put européen)
Le prix d’une option de vente européenne de maturité T et de prix d’exercice K est:

P = Ke−rT N (−d2 ) − S0 N (−d1 )

La valeur du prix de put est donc donnée comme une différence entre deux termes. Le premier
correspond à la valeur actuelle investie dans les options pour assurer une couverture totale
contre le risque et le deuxième concerne la valeur d’un portefeuille constitué de N (d1 ) actions.

Enfin, il reste de noter que le prix du call et du put selon la formule de Black-Scholes permet de
déterminer la put − call parity, ou en d’autres termes la relation d’équilibre entre un call et un
put européen ayant les mêmes caractéristiques.
Corollaire (Parité call-put)
On considère un put et call ayant le même sous-jacent et le même prix d’exercice K. Alors:

P = C − S + Ke−rT

Univ-Thomas SANKARA / Burkina Faso 52 Pr Pierre Clovis NITIEMA c 2024

Chapitre 5. 5.3. Application de la formule de Black-Scholes

Cette relation peut être expliquée par le fait que l’achat de l’action de base et celui d’un put
pour le protéger peut être remplacé par l’achat d’un call et la réalisation d’un placement en
trésorerie.

Plus généralement, le prix d’un put doit être égal au prix d’un call de même échéance et
de même prix d’exercice augmenté de la valeur actuelle du prix d’exercice et diminué du cours
de l’action.

5.3 Application de la formule de Black-Scholes

Considérons une option européenne qui présente les caractéristiques suivantes: prix du spot
S = 135, prix d’exercice K = 140, taux d’intérêt sans risque r = 6, 5 pour cent annuel, la
volatilité σ = 25 pour cent annuel, la maturité 1 an annuelle.

Déterminons le call et le put d’une telle option par la formule de Black-Scholes.

On a:

S = 135, K = 140, r = 0,065, σ = 0,25, T = 1.

2
 
log 135
140
+ 0, 065 + 0,25
2
×1
d1 = √ = 0,2395 ' 0,24
0, 25 1
√ √
d2 = d1 − σ T = 0,2395 − 0, 25 1 = −0, 0105 ' −0, 01

La table de la loi normale centrée réduite nous donne:

N (d1 ) = N (0, 24) = 0, 5948

N (d2 ) = 1 − N (−d2 ) = 1 − N (0, 01) = 1 − 0, 5040 = 0, 496

On a donc:

C = 135×0,5948 − 140×0, 496 × e−0,065×1 = 15,23

P = 15,23 − 135 + 140×e−0,065×1 = 11,42

Univ-Thomas SANKARA / Burkina Faso 53 Pr Pierre Clovis NITIEMA c 2024

 Chapitre 6

Les Grecques

6.1 Généralité sur les Grecques

Les grecques sont des instruments de base de la gestion financière des options. Elles se déduisent
des principaux modèles d’évaluation d’option, notamment celui de Black & Scholes. La vente
d’une option sur un marché de gré à gré implique un risque et donc un besoin de couverture
de la position courte . Si il y a des options similaire sur les marchés organisés le risque peut
être neutralisé facilement. Or, les options de gré à gré se font sur mesure et il est difficile de
trouver des options similaires. D’où l’intérêt des grecques. Ce sont des indicateurs qui mesurent
la sensibilité du prix de l’option par rapport à la variation de chacune de ses variables suivantes
: le cours du sous-jacent (S), la volatilité (V), le temps (T) avant l’échéance et le taux d’intérêt
sans risque (r). Ils sont représentés par des dérivées d’une valeur d’option par rapport à ces
différents paramètres. Ils sont appelés grecques parce qu’ils sont représentés par des lettres
grecques exception faite de Véga qui bien que considéré comme grecque n’est pas une lettre
grecque. Les grecques qui font l’objet de notre travail sont : Delta, Gamma, Véga, Rhô et Thêta.
Ils ont été introduits pour la première fois par Black & Scholes en 1973.
Il existe d’autres auteurs qui ont développé des modèles de calculs des grecques. Nous
citerons ces auteurs sur les lignes suivantes.
Carr (2001) : à partir du modèle de l’équation aux dérivés partielles de l’option obtenue par
le modèle de Black-Merton-Scholes, il exprime le delta qui a la même expression que l’équations
aux dérivées partielles de l’option exception faite de la dérivé (drift) et du taux d’actualisation.
A partir de ces Equations et des relations qui existent entre les différentes grecques, en se servant
d’une expansion en série de Taylor, il est à mesure de déduire les autres grecques. Cependant, la
résolution des équations aux dérivées partielles de l’option et celle du delta se fait numériquement.
C’est seulement la détermination des autres dérivées qui se fait analytiquement.
Reiss et Wystup (2001) : ils proposent une approche rapide de calcul des grecques. Ils étab-
lissent les liens entre les différentes grecques. Ils déduisent une relation basée sur l’homogénéité
du temps (le prix de l’option dépend de la date de maturité plutôt que du temps au moment
courant) et une autre basée sur le niveau de prix du produit financier. Ils montrent ensuite
comment déduire les autres grecques lorsqu’on en connaît un ou deux en exploitant ces différentes
propriétés.

54
Chapitre 6. 6.1. Généralité sur les Grecques

6.1.1 Le Delta
Définition 6.1 Le Delta mesure la variation de la valeur du prix de l’option, basée sur la
variation du prix du sous-jacent. Il nous indique de combien le prix d’une option fluctuera suite
à une variation dans le prix du sous-jacent. Il se traduit de façon mathématique par l’expression
suivante:

• Pour l’option d’achat

∂C
∆call = = N (d1 ) avec ∆ ∈ [0, 1]
∂S

• Pour l’option put

∂P
∆put = = −N (−d1 ) avec ∆ ∈] − 1, 0]
∂S

Preuve Le calcul de la formule delta résulte d’une dérivation laborieuse puisque d1 et d2 sont
eux même fonction de S dans la formule de formule de Black-Scholes1 . Le calcul détaillé de la
dérivée :
D’après la formule de Black-Scholes :

Pour le cas d’une option d’achat

S σ2 √
−r(T −t) ln K + (r + 2
)(T − t)
C(St , t) = SN (d1 )−Ke N (d2 ) avec d1 = q et d2 = d1 −σ T − t
σ (T − t)

f (x) ∂C(S)
Il est habituel de noter que: ∂x
= f 0 (x) d’où ∂S
= C 0 (S)

∆ = C 0 (S) = [SN (d1 ) − Ke−r(T −t) N (d2 )]0

= [N (d1 (S)] + S[N (d1 (S))]0 − Ke−r(T −t) [N (d2 (S)]0

en outre
1 Z x − t2 1 x2
N (x) = √ e 2 dt alors N 0 (x) = √ e− 2 = f (x)
2π −∞ 2π
alors:
∆ = N (d1 (S)) + Sf (d1 (S))d01 (S) − Ke−r(T −t) f (d2 (S))d02 (S)

or √ √
√ 1 (d1 −σ√T −t)2 1 − d21 +2d1 σ (T −t)−(σ T −t)2
f (d2 ) = f (d1 − σ T − t) = √ e 2 =√ e 2
2π 2π
1
Nous nous sommes inspiré des documents suivants: [Link] et [Link] (1973),The pricing of option and
corporate liabilities, journal of political Econonomy,May-June

Univ-Thomas SANKARA / Burkina Faso 55 Pr Pierre Clovis NITIEMA c 2024

Chapitre 6. 6.1. Généralité sur les Grecques

avec
2 σ2 σ2
S
ln( K ) + (r + σ2 (T − t) S
ln( K ) + r(T − t) + 2
(T − t) S
ln ( K ) + ln er(T −t) + 2
(T − t)
d1 = √ = √ = √
σ T −t σ T −t σ T −t

σ2 σ2
ln (S) + ln KE −r(T −t) − 2
(T − t) S 2√
− t)
(T
d1 = √ = ln ( )−
σ T −t Ke−r(T −t) σ T −t
S 2
ln ( )− σ2 (T −t) √
1 d2 Ke−r(T√
−t) σ2
1 σ T −t
f (d2 ) = √ e− 2 e σ T −t e 2
(T −t)
2π
1 − d21 S 2 2
− σ2 (T −t) σ2 (T −t)
= √ e 2 e e
2π Ke−r(T −t)
1 d2
1 S
f (d2 ) = √ e− 2 −r(T −t)
2π Ke
par conséquent :

0 1 − d21
−r(T −t) S
∆ = [N (d1 (S))] + S[N (d1 (S))] − Ke √ e 2 −r(T −t)
2π Ke
2
1 d1
= [N (d1 (S))] + S[N (d1 (S))]0 − Ke−r(T −t) √ e− 2 S
2π
= [N (d1 (S))] + S[N (d1 (S))]0 − S[N (d1 (S)]0
∆call = N (d1 ) avec ∆ ∈]0, 1]

Pour le calcul de delta put, on fait recours à la parité call-put:

C − P = S − Ke−r(T −t)

Le delta put est donnée par l’expression suivante:

∂P
∆put =
∂S
P = C − S + Ke−r(T −t)
∂P ∂C
= − 1 or N (d1 ) + N (−d1 ) = 1
∂S ∂S

d’où:

∆put = −N (−d1 ) avec ∆ ∈] − 1, 0] 

Propriété 6.1 La prime d’un call est une fonction croissante du prix du sous-jacent ∆call ≥ 0
, alors que celle d’un put en est une fonction décroissante,∆put ≤ 0. Le delta d’un call est
compris entre 0 et 1 tandis que celui de delta put est compris entre −1 et 0. Plus la valeur

Univ-Thomas SANKARA / Burkina Faso 56 Pr Pierre Clovis NITIEMA c 2024

Chapitre 6. 6.1. Généralité sur les Grecques

delta est proche de 1 pour un call et −1 pour un put , on dit que l’option est fortement dans la
monnaie(ITM). A l’inverse, plus la valeur du delta se rapproche de 0,on dit que l’option est hors
de la monnaie(OTM). De même, lorsque la valeur du delta est égal (en valeur absolue ) à ou
proche de 0.5, on dit que l’option est à la monnaie (ATM). Le delta d’un portefeuille d’options
est la somme des deltas qui le composent.

6.1.2 Le Gamma
Définition 6.2 Ce terme détermine la convexité du prix de l’option en fonction du cours du
sous-jacent. C’est un indicateur de sensibilité associé au delta. Il mesure donc les variations du
delta en fonction des variations du sous-jacent. Gamma est définit par l’expression suivante :
il est identique pour l’option d’achat et l’option de vente

∂ 2C ∂ 2P N 0 (d1 )
Γcall = Γput = = = √
∂S 2 ∂ 2S Sσ T − t

Preuve La dérivation de gamma call est : comme ∆ = N (d1 )

∆0 = N 0 (d1 (S)) = f (d1 )d01 (S)

x 2
Avec f (x) = √1 e− 2 qui représente la densité de probabilité de la loi normale centrée réduite.
2π
d2 σ2 )
− 21 ln( ks )+(r+ 2 (T −t) 0
donc ∆0 = √1 e
2π
( √
σ T −t
) = f (d1 ) Sσ√1T −t
d’où
f (d1 ) N 0 (d1 )
Γcall = √ = √
Sσ T − t Sσ T − t
Le gamma put est déterminé par la relation suivante:

∂ 2P
Γput =
∂ 2S

à travers la formule de parité call-put on peut le déterminé aisément:

P = C − S − Ke−r(T −t)
∂ 2P ∂ 2C ∂ 2S ∂ 2 e−r(T −t) ∂ 2C
Γput = = − − K = −0−0
∂S 2 ∂S 2 ∂S 2 ∂S 2 ∂S 2

alors

∂ 2C N 0 (d1 )
Γput = = √
∂S 2 Sσ T − t

Univ-Thomas SANKARA / Burkina Faso 57 Pr Pierre Clovis NITIEMA c 2024

Chapitre 6. 6.1. Généralité sur les Grecques

finalement:

N 0 (d1 )
Γput = √ 
Sσ T − t

Propriété 6.2 Il indique que le prix de l’option a tendance à évoluer plus ou moins vite que
le prix du sous-jacent. Par analogie, on peut comparer le delta à la vitesse et le gamma à
l’accélération. Une autre lecture du gamma est le sens d’évolution du delta en fonction du prix
du sous-jacent. Un gamma positif indique que le prix du sous-jacent et delta évoluent dans le
même sens, alors qu’un gamma négatif montre le contraire.
Comme Γcall ≥ 0 et Γput ≥ 0, on dit qu’un acheteur de call ou de put sera long de gamma,
ou que son portefeuille sera gamma positif, et qu’un vendeur sera court (short) de gamma, ou
gamma négatif. Toutes choses égales par ailleurs, le gamma est maximum lorsque l’option est
à la monnaie (i.e. lorsque son delta est égal à 0.5). Un portefeuille comportant des positions
acheteuses (dites longues) et vendeuses (dites courtes) d’options à différents prix d’exercice (sur
un même sous-jacent) verra donc la valeur de son gamma évoluer, voire changer de signe, en
fonction des évolutions du prix du sous-jacent. Le gamma d’un portefeuille d’options est la
somme des gammas de chacune des options qui le composent.

6.1.3 le Véga
Définition 6.3 Il mesure la sensibilité du prix de l’option par rapport à la variation de la
volatilité. En d’autres termes, il nous indique de combien le prix de l’option va changer si la
volatilité de l’actif sous-jacent augmente ou diminue de 1% . De plus, il se traduit mathéma-
tiquement de la façon suivant:

Il est identique pour une option d’achat et une option de vente

∂C ∂P √
νcall = νput = = = SN 0 (d1 (σ)) T − t
∂σ ∂σ

Preuve Le Véga de call est donné par la formule suivante:

∂C √
νcall = = C 0 (σ) = SN 0 (d1 (σ)) T − t
∂σ

La dérivation de Véga call:

C 0 (σ) = S[N (d1 (σ))]0 − Ke−r(T −t) [N (d2 (σ))]0

= Sf (d1 (σ))(d1 (σ))0 − Ke−r(T −t) f (d2 (σ))(d2 (σ))0

S √ √
or f (d2 ) = f (d1 ) Et d2 (σ) = d1 (σ) − σ T − t donc d02 (σ) = d01 (σ) − T − t par
Ke−r(T −t)
Univ-Thomas SANKARA / Burkina Faso 58 Pr Pierre Clovis NITIEMA c 2024
Chapitre 6. 6.1. Généralité sur les Grecques

conséquent:

C 0 (σ) = S[N (d1 (σ))]0 − Ke−r(T −t) [N (d2 (σ))]0

S
= Sf (d1 (σ))(d1 (σ))0 − Ke−r(T −t) f (d1 (σ)) −r(T −t)
d01 (σ)
Ke
S √
+ Ke−r(T −t) f (d1 (σ)) −r(T −t) T − t
Ke
√
= Sf (d1 (σ)) T − t
√
νcall = SN 0 (d1 (σ)) T − t

La formule de Véga put est la suivante:

∂P √
νput = = SN 0 (d1 ) T − t
∂σ

Par ailleurs, la formule de parité call-put permet d’en déduire celui de Vega put:

P = C − S − Ke−r(T −t)
∂P ∂C ∂S ∂e−r(T −t) ∂C
νput = = − +K = − 0 − 0 = νcall
∂σ ∂σ ∂σ ∂σ ∂σ

Finalement,

√
νput = νcall = SN 0 (d1 (σ)) T − t 

Propriété 6.3 Comme νcall ≥ 0 et νput ≥ 0, on dit qu’un acheteur de call ou de put sera
long de Véga, ou que son portefeuille sera Véga positif, et qu’un vendeur sera court (short) de
Véga, ou Véga négatif.

Contrairement au gamma et au thêta, le Véga est une fonction croissante de la maturité.

Ainsi une augmentation parallèle de la volatilité aura plus d’impact sur les options dont la date
d’échéance est éloignée que sur celles dont elle est proche. Une position généralement appréciée
des investisseurs et des gestionnaires est alors d’avoir une position globalement gamma positive
(sensible aux grands mouvements de marché) et Véga négative, qui consiste à acheter des options
courtes et à vendre des options longues.

6.1.4 le Thêta
Définition 6.4 Il mesure la sensibilité du prix de l’option par rapport à une variation de
l’horizon de temps sur lequel est basée cette option. De façon mathématique, il se traduit par:

Univ-Thomas SANKARA / Burkina Faso 59 Pr Pierre Clovis NITIEMA c 2024

Chapitre 6. 6.1. Généralité sur les Grecques

• pour une option d’achat

∂C σ
Θcall = − = −C 0 (T −t) = −rKe−r(T −t) N (d2 (T −t))−Sf [(d1 (T −t))] q
∂(T − t) 2 (T − t)

• Pour une option de vente

∂P σ
Θput = = −rKe−r(T −t) [N (−d2 (T − t)] + Sf [d1 (T − t)] √
∂(T − t) 2 T −t

Preuve Pour une option d’achat(call), la formule thêta est la suivante:

∂C σ
Θcall = − = −C 0 (T − t) = −rKe−r(T −t) N (d2 (T − t)) − Sf [(d1 (T − t))] q
∂(T − t) 2 (T − t)

La dérivation de Thêta call est la suivante:

avec

C = SN (d1 ) − Ke−r(T −t) N (d2 )

C 0 (T − t) = S[N (d1 (T − t)]0 + rKe−r(T −t) N (d2 (T − t)) − Ke−r(T −t) [N (d2 (T − t))]0
3

avec

σ 2 (T −t)
S
ln −r(T −t) + 2
d1 (T − t) = 3 Ke √
σ T −t

et

√
d2 (T − t) = d1 (T − t) − σ T − t
σ
d02 (T − t) = d01 (T − t) − √
2 T −t

par ailleurs:

[N (d1 (T − t))]0 = f [d1 (T − t)]d01 (T − t)

Univ-Thomas SANKARA / Burkina Faso 60 Pr Pierre Clovis NITIEMA c 2024

Chapitre 6. 6.1. Généralité sur les Grecques

et

[N (d2 (T − t))]0 = f [d2 (T − t)]d02 (T − t)

donc:

C 0 (T − t) = Sf [d1 (T − t)]d01 (T − t) + rKe−r(T −t) N (d2 (T − t)) − Ke−r(T −t) f [d2 (T − t)]d02 (T − t)

en outre

S
f (d2 (T − t)) = f [d1 (T − t)]
Ke−r(T −t)
= Sf [d1 (T − t)]d01 (T − t) + rKe−r(T −t) N (d2 (T − t))
S
− Ke−r(T −t) f [d1 (T − t)] −r(T −t) d01 (T − t)
Ke
S σ
+ Ke−r(T −t) f [d1 (T − t)] −r(T −t) √
Ke 2 T −t

σ
C 0 (T − t) = rKe−r(T −t) N (d2 (T − t)) + Sf [d1 (T − t)] √
2 T −t
σ
Θcall = −rKe−r(T −t) N (d2 (T − t)) − Sf [d1 (T − t)] √
2 T −t

La formule Thêta put est la suivante:

∂P σ
Θput = − = rKe−r(T −t) N (−d2 (T − t)) − Sf d1 (T − t) √
∂(T − t) 2 T −t

D’après la formule de la parité Call-Put permet d’en déduire le thêta put

En effet :

P = C − S + Ke−r(T −t)
∂P ∂C ∂S ∂e−r(T −t)
Θput = − =− − +K
∂(T − t) ∂(T − t) ∂(T − t) ∂(T − t)
= Θcall − 0 + rKe−r(T −t)
∂σ
= −rKe−r(T −t) N (d2 (T − t)) − Sf [d1 (T − t)] √ + rKe−r(T −t)
2 T −t
σ
= rKe−r(T −t) [1 − N (d2 (T − t))] − Sf [d1 (T − t)] √
2 T −t
σ
Θput = rKe−r(T −t) [N (−d2 (T − t)] − Sf [d1 (T − t)] √ 
2 T −t

Propriété 6.4 Le Thêta évalue combien le passage du temps influe sur la valeur d’une option.

Univ-Thomas SANKARA / Burkina Faso 61 Pr Pierre Clovis NITIEMA c 2024

Chapitre 6. 6.1. Généralité sur les Grecques

Une position longue d’options (gamma positive) sera thêta négative/. Il fournit de même une
indication sur la vitesse à laquelle le prix de l’option décroit plus la date d’échéance approche.

6.1.5 Le Rhô
Définition 6.5 Il mesure la variabilité de la valeur du prime d’une option en fonction du taux
d’intérêt sans risque (r). Mathématiquement, il se traduit par:

• Pour une option d’achat

∂C
ρcall = = (T − t)Ke−r(T −t) N (d2 (r))
∂r

• Pour une option put:

∂P
ρcall = = −(T − t)Ke−r(T −t) (1 − N (d2 (r)))
∂r

Preuve Le Rhô call est représenté par l’expression suivante:

∂C
ρcall = = (T − t)Ke−r(T −t) N (d2 (r))
∂r

La dérivation de Rhô à base de la formule de Black-Scholes:

C 0 (r) = S[N (d1 (r))]0 − Ke−r(T −t) [N (d2 (r)]0 + (T − t)Ke−r(T −t) N (d2 (r))
√
d2 (r) = d1 (r) − σ T − t donc d02 (r) = d01 (r)

Par ailleurs:
[N (d1 (r))]0 = f (d1 (r))d01 (r)

et:
[N (d2 (r))]0 = f (d2 (r))d02 (r)

Donc :

C 0 (r) = Sf (d1 (r))d01 (r) + (T − t)Ke−r(T −t) N (d2 (r)) − Ke−r(T −t) f (d2 (r))d02 (r)

S
en outre : f (d2 ) = f (d1 (r)) Ke−r(T −t)

Dans ce cas :

S
C 0 (r) = Sf (d1 (r))d01 (r) + (T − t)Ke−r(t−t) N (d2 (r)) − Ke−r(T −t) f (d1 (r)) d01 (r)
Ke−r(T −t)

D’où
ρcall = (T − t)Ke−r(T −t) N (d2 (r))

Univ-Thomas SANKARA / Burkina Faso 62 Pr Pierre Clovis NITIEMA c 2024

Chapitre 6. 6.1. Généralité sur les Grecques

Le rhô de put est calculé par l’expression suivante:

∂P
ρput = = −(T − t)Ke−r(T −t) (1 − N (d2 (r)))
∂r

Par ailleurs , la formule de parité call put permet d’en déduire le Rhô put:

∂P ∂S ∂e−r(T −t)
ρput = − +K = C 0 (r) − K(T − t)e−r(T −t)
∂r ∂r ∂r
= (T − t)Ke−r(T −t) N (d2 (r)) − K(T − t)e−r(T −t)
= −(T − t)Ke−r(T −t) (1 − N (d2 (r)))

D’où:

ρput = −(T − t)Ke−r(T −t) (1 − N (d2 (r))) 

Propriété 6.5 Le rhô augmente avec le prix de l’actif sous-jacent et décroît avec la volatilité.
Dans le cas des options sur action, le taux d’intérêt r est moins important car la valeur des
options sur action change très peu pour des changements raisonnables du taux d’intérêt. Le Rhô
est beaucoup plus important pour des options sur devises , étant donné que les changements du
taux d’intérêt peuvent avoir un effet direct sur le taux de change entre deux devises.

Application
A partir de l’exemple 3.4.1 ,on peut calculer les grecques.

Table 6.1: Résultat de calcul des grecques sur le logiciel R

DELTA GAMMA THETA VEGA RHO

CALL 0,9124566 0,007262881 -0,01910912 17,42136 0,6979773
PUT -0,08754335 0,007262881 -0,003901291 17,42136 -0,0954444

Après ces différents calculs, nous pouvons tirer plusieurs conclusions. D’abord , les résultats
du delta Call et Put prouvent que une augmentation de 1 e du cours de l’actif sous-jacent
entraine une hausse du prime call d’environ 0, 91 e et une baisse de la prime du put d’environ
0, 09 e. Donc une hausse du cours de l’actif entraine une hausse du prime call et une baisse du
prime put .

Univ-Thomas SANKARA / Burkina Faso 63 Pr Pierre Clovis NITIEMA c 2024