- Volatility Investing & Trading Part III
Dans nos deux premières notes sur le trading de volatilité, nous sommes revenus sur les approches optionnelles et leurs limites. Ces dernières ont nécessité la mise en place de produits dédiés : les variances swaps. Néanmoins, face à la demande pour ces produits, il a fallu en développer de nouveaux, permettant d’investir de manière toujours plus précise sur la volatilité. C’est l’objet de notre troisième note sur ce sujet.
- Implied Volatility for FX Vanilla Options: Back to Basic Principles
L’évaluation des options fait partie intégrante de la gestion moderne des risques financiers. En raison de l’interconnexion des marchés, les options sur devises sont de plus en plus utilisées par les institutions financières pour neutraliser les risques de change. Ainsi, au cours de ces dernières années, et surtout compte tenu du contexte sanitaire que nous traversons, la volatilité des taux de change a subi de très fortes variations et a ainsi attiré notre attention. Dans la littérature financière, le modèle de Garman & Kohlhagen est utilisé pour évaluer les options sur devises. L’objectif de notre Note est triple :
1) Démystifier les concepts d’évaluation des options vanilles de taux de change
2) Rappeler le modèle de données utilisé pour l’extraction de la volatilité implicite
3) Proposer une méthodologie d’extrapolation de la volatilité implicite au-delà des zones liquides du marché des taux de change
- Volatility Investing & Trading Part II
Dans notre première note sur le trading de volatilité, nous avons montré l’intérêt mais aussi les limites du recours aux options. Pour faire face à ces dernières, des produits spécifiques ont été développés : les variance swaps. Dans cette seconde note, nous revenons longuement sur ces produits et montrons comment ils peuvent être utilisés pour investir et prendre des positions sur la volatilité.
- Volatility Investing & Trading Part I
La volatilité est une notion à la fois particulière et centrale en finance : s’il ne s’agit pas d’un actif en soi, cette quantité est néanmoins facilement observable, permettant ainsi d’investir sur son évolution. Puisque ce n’est pas un actif, il faut recourir à des outils spécifiques pour réaliser un tel investissement. Dans notre travail, organisé en plusieurs parties, nous revenons sur les différentes méthodes de trading de la volatilité ; cette première note est ainsi dédiée aux approches « historiques », fondées sur l’utilisation d’options.
- Financial Time Series and Machine Learning: What Are The Advantages of Using Hidden Markov Models ?
The question of time series modeling is particularly crucial in finance, since the price of an asset is, by definition, a time series. In order to devise promising models, strong mathematical tools are needed to cope with those time series while respecting some of the basic stylized facts of financial time series, such as non-stationarity or non- linearity.
- The Application of Kalman Filter in the Stochastic Model Estimation of Commodities
The Kalman Filter, firstly proposed by R.E. Kalman (1960, cf. [1]), is an algorithm to estimate the optimal parameters of a linear dynamical system. Precisely, the idea of Kalman filtering is to predict a state vector’s mean and variance after updating all the information from the previous period.
- Dynamic of agricultural commodity: A focus on extreme soybeans price variation via Extreme Value Theory
The commodity markets develop very extensively through the derivatives, such as futures and options contracts, Trackers index and other OTC derivatives. Among those, agricultural commodities occupy a special role in the economy.
- Marchés de l’électricité et valorisation d’une production hydraulique
Dans cette note, nous présentons tout d’abord brièvement les marchés financiers de l’énergie. Nous nous focalisons ensuite sur la problématique de valorisation de l’électricité produite par une infrastructure hydraulique. Sa résolution, qui représente l’objet principal de notre étude, est un préalable fondamental en vue de finalités diverses.
- Utilisation de modèles ARIMA saisonniers pour la prédiction des flux de change
Nombreuses sont les banques qui optent pour la mise en place d’algorithmes destinés à la gestion automatique de leurs activités de market making dès lors que la rentabilité par trade pour la classe d’actifs considérée ne permet plus la présence de personnes dédiées (nominal par trade non significatif et spread trop faible) ou que le volume de requêtes clients est trop élevé pour être géré à l’échelle humaine. Le trader algorithmique prend alors la responsabilité d’émettre, par l’intermédiaire de son algorithme, des bids-offers qu’il souhaite les plus compétitifs possible afin d’accroitre ses parts de marché et ainsi satisfaire les demandes de ses clients.
- The Multi-Curve Framework: A Practitioner’s Guide
La crise financière de 2007-2008 a bouleversé certains principes, jadis acquis, sur la valorisation des produits dérivés de taux d’intérêt. Depuis, la méthodologie dite du « multi-courbe » a vu le jour. Cette Note revient sur les raisons majeures qui ont conduit les praticiens à basculer vers le « multi-courbe ». Elle présente également les grandes lignes de la méthodologie, encore utilisée au front office, dans les départements de risque et par les chambres de compensation. Un lien est ensuite établi avec la courbe ESTER, qui remplacera, à horizon 2022, l’actuelle courbe d’actualisation utilisée par les institutions financières de la zone Euro.
