GESTION DE PORTEFEUILLE 3bis Catherine Bruneau RISQUE & PROBABILITE.

Slides:



Advertisements
Présentations similaires
Dénombrements & probabilités
Advertisements

GESTION DE PORTEFEUILLE chapitre n° 4 C. Bruneau
GESTION DE PORTEFEUILLE chapitre n° 4 C. Bruneau
GESTION DE PORTEFEUILLE 3 Catherine Bruneau
Introduction sur les marchés financiers Rôles des marchés financiers
Echantillonnage Introduction
4 Les Lois discrètes.
5 La Loi de Laplace Gauss ou loi Normale
Notions de variable aléatoire et de probabilité d’un événement
Moyenne, écart type et incertitude de mesure.
Les tests d’hypothèses
variable aléatoire Discrète
Fluctuations d’une fréquence selon les échantillons, Probabilités
Programmes du cycle terminal
La méthode de Monte Carlo
Nombre de sujets nécessaires en recherche clinique
Représentation graphique
DEA Perception et Traitement de l’Information
Signaux aléatoires.
TECHNIQUES QUANTITATIVES APPLIQUEES A LA FINANCE
Chapitre 6 Lois de probabilité.
E2phy Nantes 22-25/8/2006 Jacques Bouchez CEA-Saclay
Prise en compte des données avec excès de zéros
Probabilités géométriques
Les bases des probabilités
Conception et analyse des algorithmes Les algorithmes probabilistes
Algorithmes probabilistes
Contrôle « rapide » Indiquer votre série GAUCHE ou DROITE
Contrôle « rapide » Indiquer votre série GAUCHE ou DROITE
E (0) = E + E' = 15 E E' Ω(E) Ω ' (E') Ω (0) (E) Configuration la plus probable Postulat.
Réseaux bayésiens Chap. 14 Sections 1 – 3.
Varia Lectures obligatoires dans manuel du cours: Chapitre 5
Rappel... Diagonalisation. Transformations linéaires.
Probabilités et variables aléatoires
Processus de Poisson UQAM, Actuariat 3.
CHAPITRE 6 LES PROBABILITES.
Probabilités et Statistiques Année 2010/2011
Amélioration de la simulation stochastique
Scénario Quatre hommes entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones cellulaires.
Probabilités et cannabis
Probabilités et Statistiques
STATISTIQUES DESCRIPTIVES
Micro-intro aux stats.
Probas-Stats 1A novembre 10 1 Probabilités et Statistiques Année 2010/2011
TD4 : « Lois usuelles de statistiques »
Probabilités (suite).
Vers une loi à densité. Masse en gEffectifFréquence % [600,800[1162,32 [800,900[3957,9 [900,1000[91818,36 [1000,1100[124824,96 [1100,1200[121824,36 [1200,1300[71514,3.
Probabilités.
Chapitre 3: Variables aléatoires réelles continues
LOIS DE PROBABILITE Variables aléatoires Lois discrètes Lois continues
Probabilités et Statistiques
Principales distributions théoriques
- 6 - Concepts probabilistes et distributions de probabilité
La loi normale ou loi de Laplace-Gauss
Rappels sur les fonctions et les suites aléatoires
Probabilités et Statistiques
Probabilités et Statistiques
Rappel de statistiques

PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
Distribution de probabilité du vent
Probabilités et Statistiques
LOIS COURANTES DE PROBABILITES La Loi Binomiale
Probabilités et statistiques. SOMMAIRE CER ENSAM D'ANGERS  Notion de probabilité  Cas d’un espace fini  Cas d’un espace infini non dénombrable  Variable.
GESTION DE PORTEFEUILLE 3bis Catherine Bruneau RISQUE & PROBABILITE.
Chapitre 3 Lois de probabilité 1. Lois discrètes 2. Loi de Bernoulli (ou loi alternative simple) variable de Bernoulli On appelle variable de Bernoulli.
Processus ponctuels Caractéristiques et Modèles de répartitions spatiales.
LOG770 Annexe A Éléments de probabilité
 1____Probabilité  2______variables aléatoires discrètes et continues  3______loi de probabilités d’une v a  4_______les moyens et les moyens centraux.
Plan du cours Statistiques appliquées
Transcription de la présentation:

GESTION DE PORTEFEUILLE 3bis Catherine Bruneau RISQUE & PROBABILITE

Rappels de calcul de probabilité Espace des issues aléatoires Ω Exemple : ce qui fait monter ou descendre un cours daction Évènements : parties de Ω Cours au-dessus dun certain seuil Tribu dévènements ( axiomes) A (Ω, A) espace probabilisable P: mesure de probabilité définie sur A

P à valeurs dans [0,1] Axiomes Exemple: P(hausse)=2/3 et P(baisse)=1/3 P(Ω)=1 Suite dénombrable dévènements disjoints 2 à 2: (Ω, A,P) espace probabilisé Probabilité conditionnelle Indépendance dévénements

Variable aléatoire X définie sur (Ω, A,P) est un évènement: X à valeurs dans : –un ensemble de valeurs fini ou dénombrable X: VARIABLE DISCRETE =1 si hausse =-1 si baisse dun cours boursier –Un ensemble continu de valeurs (R) X: VARIABLE CONTINUE Log(cours boursier)

Distribution des valeurs possibles de X: x=X( )/distribution de probabilité (de ces valeurs) –Variable discrète: –Exemple Bernouilli, Poisson –Variable continue Densité: P(xX<x+dx)=f(x)dx Fonction de répartition P(X<x)=F(x); F(x)=f(x) –Exemples loi normale, log-normale, student, etc… –Loi N(0,1)

Moments –Espérance ( moyenne) –Variance: –écart-type ( volatilité) –Skewness –Kurtosis –(effet leptokurtique ( queue de distribution plus épaisse que celle de la loi normale): risques « extrêmes » plus probables Fractiles VaR=Value at Risk P(perte>VaR)=α

Cas de deux variables aléatoires X et Y exemple: valeur dun taux dintérêt ( taux de rendement dune obligation ( du trésor ou autre) et valeur dun cours boursier Loi jointe –Densité –Fonction de répartition –Plus que la caractérisation des 2 lois marginales (celles de X et de Y) Cf. tableau de contingence –Sauf cas dindépendance

Cas de plusieurs variables Matrice de variance du vecteur U de composantes aléatoires. E(AU)=AE(U) Var(AU)=AVar(U)A Cov(AU,BV)=ACov(U,V)B

Calculs despérances

Exemple de calculs dans le cas discret X=1 avec la probabilité de 2/3 et =-1 avec la probabilité de 1/3 skewness (coefficient dasymétrie)

Remarques: Rendement, taux de rendement et cours dune action Cours dune action P(t) Log cours : LogP(t) Variation ΔLogP(t)= LogP(t)- LogP(t-1) ΔLogP(t)=Log[P(t)/P(t-1)]=Log(rendement de linvestissement dans laction) ΔLogP(t)=Log{1+[P(t)- P(t-1)]/P(t-1)} ΔLogP(t)= [P(t)- P(t-1)]/P(t-1) =taux de rendement de linvestissement=variation de richesse/richesse initiale investie si [P(t)- P(t-1)]/P(t-1) est petit devant 1 P(t)/P(t-1)=rendement=1+taux de rendement Question: si une grandeur X varie de 10% de combien varie le carré de cette grandeur?