Publié le 2025-11-05 02:39:00. La modélisation financière et la tarification des options continuent de s’affiner grâce à de nouvelles approches numériques, notamment pour tenir compte de la volatilité et des risques spécifiques aux marchés, comme le Bitcoin. Plusieurs études récentes explorent des méthodes avancées pour améliorer la précision et l’efficacité de ces calculs.
- Des chercheurs ont développé des schémas numériques rapides et précis pour évaluer les options américaines, en tenant compte de la volatilité changeante des marchés.
- L’application d’ondelettes de Fibonacci bidimensionnelles et de méthodes de Monte Carlo permet d’améliorer la modélisation des équations aux dérivées partielles fractionnaires utilisées en finance.
- Des avancées sont également observées dans la reconstruction de la surface de volatilité locale à partir des prix des options observés sur le marché.
La tarification des options et l’évaluation des actifs financiers sont des domaines cruciaux de la finance quantitative. Les modèles traditionnels, comme celui de Black et Scholes (Black et Scholes, 1973), ont posé les bases, mais nécessitent des améliorations pour s’adapter à la complexité des marchés modernes. Des recherches récentes se concentrent sur le développement de méthodes numériques plus performantes et sur l’intégration de facteurs tels que la volatilité stochastique, les sauts de prix et les effets de mémoire.
Plusieurs études récentes mettent en lumière des avancées significatives dans ce domaine. Sabermahani, Ordokhani et Rahimkhani (2022) ont exploré l’application d’ondelettes de Fibonacci bidimensionnelles pour résoudre des équations aux dérivées partielles fractionnaires rencontrées sur les marchés financiers. Parallèlement, Lin, Dai et Liu (2023) ont présenté un schéma de différences finies compact et précis pour évaluer les options américaines dans un modèle de commutation de régime. Ces approches visent à améliorer la précision et la stabilité des calculs, en particulier pour les instruments financiers complexes.
La modélisation de la volatilité est un enjeu central. Dupire (1994) a introduit une approche influente pour tarifer les options en tenant compte du “smile” de volatilité, c’est-à-dire la variation de la volatilité implicite en fonction du prix d’exercice. Des travaux plus récents, comme ceux de Zhou, Gu, Zhao et Li (2024) et Xin, Gu et Liu (2023), explorent des schémas numériques rapides pour le modèle de Black-Scholes tempéré fractionnaire dans le temps, offrant une meilleure représentation de la dynamique de la volatilité.
L’application de ces modèles s’étend également à des marchés spécifiques, comme celui du Bitcoin. Yao, Ling, Zhang et Xiao (2020) ont étudié les options asiatiques conditionnelles à courte échéance dans les modèles de volatilité locale, tandis que Gong, Wang, Xie et Uddin (2024) ont analysé l’influence de la volatilité du marché et du sentiment d’aversion au risque sur les options d’ETF SSE 50 en Chine. Pagnottoni (2019) a exploré l’utilisation de réseaux neuronaux pour la tarification des options Bitcoin, ouvrant la voie à de nouvelles approches basées sur l’apprentissage automatique.
Les recherches actuelles se concentrent également sur l’amélioration de la reconstruction de la surface de volatilité. Gong et Xu (2023) ont proposé une méthode pour reconstruire la surface de volatilité locale à partir des options américaines, tandis que Yoo, Kwak, Hwang, Jang, Kim et Kim (2025) ont développé un schéma de calibration précis à partir des prix des options observés sur le marché. Chen, Li et Yu (2024) utilisent des B-splines avec des coefficients dépendants du temps, prédits par des méthodes d’apprentissage automatique, pour modéliser la surface de volatilité implicite.
Enfin, des outils logiciels comme MATLAB (The MathWorks Inc., 1994) sont largement utilisés pour la mise en œuvre et la validation de ces modèles. Les développements récents, tels que le schéma numérique efficace proposé par Sah et Gowrisankar (2023) et les méthodes d’estimation des paramètres de Hilliard, Hilliard et Ngo (2024), témoignent de l’évolution constante de ce domaine.