2
Hugo Daugeron-Mijoin Université Paris I Panthéon-Sorbonne Master 1 - MBFA Stéphane Lombaerde Projet VBA Partie A : Calculer la statistique de Jarque Bera Dans cette partie, nous avons dû mobiliser un bon nombre de connaissances que nous avons vu et en finance de marché, produits dérivés et gestion des risques et économétrie financière pour les appliquer dans Virtual Basic. Ici nous cherchions à savoir si les rendements présentés, les 994 rendements, suivaient une loi normale dans l’ensemble, c'est-à-dire si le test de Jarque & Bera était respecté. Nous avons donc calculé la skewness et la kurtosis : les résultats trouvés étaient proche de 0 pour la skewness et proche de 3 pour la kurtosis. Ceci signifiait bien que les rendements suivaient une loi normale. Partie B : Ré-échantillonnage La première partie consiste à récupérer les données de la colonne de rendements, et à les affecter dans le Tableau1, dont nous récupérons automatiquement la dimension. Nous faisons ensuite appel à la fonction « Calcul » afin de trouver la moyenne, l’écart type et la skewness de notre tableau1. Ensuite, nous faisons appel à la fonction Bootstrap_with, qui va nous permettre de créer notre échantillon boostrappé. La deuxième partie du code permet de calculer la moyenne, l’écart type et la skewness du Tableau qui est transmis en argument. Nous notons dans les cases demandées les résultats. Nous procédons dans le cas de ré échantillonnage avec remise. Nous demandons à l’utilisateur d’entrer la taille de l’échantillon boostrappé et récupérons le nombre d’itérations dans la case G6. On utilise « Randomize » afin d’obtenir des valeurs aléatoires. Nous avons créé une boucle afin d’obtenir nos échantillons boostrappés. A l’intérieur de celle-ci, nous avons créé une boucle qui permet d’avoir un échantillon bootstrappé, qui est stocké dans un tableau. Ensuite, nous nous servons de la fonction « Calcul » pour obtenir la

Web viewNous faisons ensuite appel à la fonction « Calcul » afin de trouver la moyenne, l’écart type et la skewness de notre tableau1. Ensuite,

  • Upload
    lyliem

  • View
    215

  • Download
    2

Embed Size (px)

Citation preview

Hugo Daugeron-Mijoin Université Paris I Panthéon-Sorbonne Master 1 - MBFA

Stéphane Lombaerde

Projet VBA

Partie A : Calculer la statistique de Jarque Bera

Dans cette partie, nous avons dû mobiliser un bon nombre de connaissances que nous avons vu et en finance de marché, produits dérivés et gestion des risques et économétrie financière pour les appliquer dans Virtual Basic.

Ici nous cherchions à savoir si les rendements présentés, les 994 rendements, suivaient une loi normale dans l’ensemble, c'est-à-dire si le test de Jarque & Bera était respecté.

Nous avons donc calculé la skewness et la kurtosis : les résultats trouvés étaient proche de 0 pour la skewness et proche de 3 pour la kurtosis. Ceci signifiait bien que les rendements suivaient une loi normale.

Partie B : Ré-échantillonnage

La première partie consiste à récupérer les données de la colonne de rendements, et à les affecter dans le Tableau1, dont nous récupérons automatiquement la dimension. Nous faisons ensuite appel à la fonction « Calcul » afin de trouver la moyenne, l’écart type et la skewness de notre tableau1. Ensuite, nous faisons appel à la fonction Bootstrap_with, qui va nous permettre de créer notre échantillon boostrappé.

La deuxième partie du code permet de calculer la moyenne, l’écart type et la skewness du Tableau qui est transmis en argument. Nous notons dans les cases demandées les résultats.

Nous procédons dans le cas de ré échantillonnage avec remise. Nous demandons à l’utilisateur d’entrer la taille de l’échantillon boostrappé et récupérons le nombre d’itérations dans la case G6. On utilise « Randomize » afin d’obtenir des valeurs aléatoires. Nous avons créé une boucle afin d’obtenir nos échantillons boostrappés. A l’intérieur de celle-ci, nous avons créé une boucle qui permet d’avoir un échantillon bootstrappé, qui est stocké dans un tableau. Ensuite, nous nous servons de la fonction « Calcul » pour obtenir la Skewness de ce tableau, que nous envoyons en argument. Nous stockons cette Skewness dans le Tableau3, qui va garder toutes les Skewness. Cette grande boucle continue jusqu’à avoir le nombre d’itérations demandé.

Partie C : Pricing d’options selon Black & Scholes

Pour cette dernière partie, nous avons préféré utilisé un Userform, soit un tableau interactif, où on pourra plus facilement entrer des données que via des « inputBox » : c’est plus simple et dynamique, surtout pour sélectionner le choix de call ou de put.

Nous avons alors utilisé les formules de pricing de Black and Scholes, à la différence près que nous avons rajouté un paramètre « b » qui vient se glisser dans le calcul de « d1 » et du « résultat ». Nous

Hugo Daugeron-Mijoin Université Paris I Panthéon-Sorbonne Master 1 - MBFA

Stéphane Lombaerdeavons également utilisé une fonction de vérification de données pour ne pas avoir de messages d’erreur ; et un bouton « fermer » lors que vous aurez fini d’utiliser ce programme.