PRÉLIMINAIRES

I. Épistémologie et Enjeux Scientifiques du Domaine

L’économie financière moderne naît du basculement paradigmatique opéré par Louis Bachelier en 1900, substituant une approche stochastique à la vision déterministe des marchés. Cette révolution conceptuelle, qui traite les prix d’actifs non comme des valeurs prévisibles mais comme des réalisations de processus aléatoires, constitue le socle de la discipline. L’enjeu scientifique majeur demeure la quête d’un équilibre entre la complexité mathématique des modèles et leur pertinence empirique, une tension permanente entre l’élégance théorique et le chaos factuel des crises financières.

II. Cartographie des Compétences et Transversalité

Cette unité d’enseignement forge un triptyque de compétences stratégiques : la valorisation (Black-Scholes), la gestion (ALM) et la prévoyance (mutualisation des risques). Loin d’être cloisonnées, ces aptitudes sont en interaction constante et irriguent des disciplines connexes. La modélisation des dérivés exige une maîtrise fine des statistiques et de l’informatique scientifique ; la gestion actif-passif dialogue avec le droit des assurances et la macroéconomie ; la théorie actuarielle puise ses fondements dans la démographie et la théorie de la mesure. L’étudiant devient un architecte du risque.

III. Alignement Stratégique avec les Réalités Opérationnelles

La maîtrise de ces compétences répond à un besoin critique des économies africaines en voie de financiarisation. L’actuaire financier, l’ingénieur financier et le gestionnaire ALM sont des pivots pour les banques, assurances et fonds de pension locaux, confrontés à la volatilité des matières premières, aux risques de change et à la nécessité de structurer des produits d’épargne et de prévoyance innovants. Ce cours arme les futurs experts pour sécuriser les bilans des institutions, optimiser les investissements et concevoir des solutions financières adaptées aux défis socio-économiques du continent.

Chapitre I. Calcul Stochastique et Fondements de la Modélisation

I.1 Le Mouvement Brownien et les Martingales comme Archétypes du Hasard Financier

Héritage de la physique statistique, le mouvement brownien géométrique constitue le moteur aléatoire de la finance moderne, décrivant la trajectoire imprédictible des prix d’actifs. Sa propriété fondamentale de martingale sous la probabilité risque-neutre garantit l’absence d’opportunité d’arbitrage, un postulat non négociable pour toute évaluation cohérente. La maîtrise de ces deux concepts est le prérequis absolu pour déconstruire et quantifier le risque de marché, transformant l’incertitude brute en une variable mathématiquement traitable et donc, valorisable dans un modèle économique rigoureux.

I.2 Le Lemme d’Itô comme Outil Différentiel pour les Processus Stochastiques

Sous l’angle du calcul, le lemme d’Itô est l’équivalent de la règle de dérivation en chaîne pour les fonctions de processus stochastiques. Cet outil puissant permet de déterminer la dynamique exacte d’un produit dérivé dont le sous-jacent suit une équation différentielle stochastique, comme un cours de bourse ou un taux d’intérêt. Son application est mécanique mais sa portée est immense : elle est la clé de voûte algébrique qui permet de passer de la dynamique du sous-jacent à l’équation aux dérivées partielles gouvernant le prix de l’option.

I.3 Critique des Hypothèses de Continuité et de Volatilité Constante

La robustesse du modèle brownien est mise à mal par la réalité empirique des marchés, caractérisée par des sauts brutaux (krachs) et une volatilité non constante (le “sourire de volatilité”). Cette section attaque frontalement ces limites, en montrant comment les hypothèses de continuité des trajectoires et d’homoscédasticité sont violées dans les faits. L’analyse critique de ces axiomes est essentielle pour comprendre l’émergence de modèles plus complexes, tels que les modèles à sauts de Merton ou les modèles de volatilité stochastique comme celui de Heston.

I.4 Application à la Modélisation du Prix du Cobalt en RDC

Face à l’extrême volatilité du cours du cobalt, crucial pour l’économie congolaise, une modélisation par processus à sauts et à volatilité stochastique s’impose. Ce cas pratique consiste à calibrer un modèle de Bates (combinaison de Heston et Merton) sur les données historiques du LME pour capturer à la fois les fluctuations continues et les chocs exogènes liés aux annonces politiques ou géologiques. L’étudiant apprendra à simuler des trajectoires de prix réalistes pour évaluer des contrats à terme et des options pour les producteurs miniers locaux.

Chapitre II. Théorie de l’Évaluation d’Actifs et Modèle de Black-Scholes

II.1 Le Principe d’Absence d’Opportunité d’Arbitrage (AOA)

Fondement axiomatique de toute la finance de marché, le principe d’AOA stipule l’impossibilité de réaliser un profit certain sans risque et sans investissement initial. Cette loi économique, plus forte qu’une simple observation empirique, est le pilier qui garantit l’existence d’une mesure de probabilité unique, dite risque-neutre, sous laquelle le prix de tout actif est l’espérance de ses flux futurs actualisés. La compréhension de cette logique contrefactuelle est la condition sine qua non pour aborder la construction de n’importe quel modèle de pricing.

II.2 L’Équation de Black-Scholes-Merton et la Dynamique des “Greeks”

Déduite d’un portefeuille de réplication auto-financé, l’équation aux dérivées partielles de Black-Scholes-Merton est la formule qui a transformé la finance. Elle lie le prix d’une option à la dynamique de son sous-jacent et au temps, indépendamment des préférences de l’investisseur. Ce chapitre dissèque sa résolution et se concentre sur l’interprétation des “Greeks” (Delta, Gamma, Vega, Theta, Rho), qui sont les sensibilités du prix de l’option aux paramètres du marché, et constituent le tableau de bord de tout gestionnaire de risques.

II.3 La Controverse du “Volatility Smile” et la Faillite du Modèle

La découverte du “sourire de volatilité” dans les années 80 a marqué la première grande crise épistémologique du modèle de Black-Scholes. Le fait que la volatilité implicite d’une option dépende de son prix d’exercice et de sa maturité contredit directement l’hypothèse centrale de volatilité constante du modèle, le rendant théoriquement invalide mais toujours utilisé en pratique. Cette section explore ce paradoxe, analysant les raisons de cette déformation et les tentatives de correction via les surfaces de volatilité locale ou stochastique.

II.4 Valorisation d’Options sur le Change pour une Entreprise d’Import-Export au Nigeria

Une entreprise nigériane important des biens en euros fait face à un risque de change Naira/Euro considérable. L’objectif est d’utiliser le cadre de Black-Scholes, ajusté pour les devises (modèle de Garman-Kohlhagen), pour valoriser des options d’achat sur l’euro afin de couvrir ce risque. L’étudiant devra collecter les données de taux d’intérêt et de volatilité pour les deux monnaies, calculer le prix juste de l’option et justifier son coût comme une prime d’assurance contre une dépréciation défavorable du Naira.

Chapitre III. Gestion Actif-Passif (ALM) : Stratégies et Risque de Taux

III.1 La Congruence Stratégique du Bilan comme Dogme de l’ALM

Au cœur de la gestion actif-passif se trouve l’impératif de cohérence entre la structure des actifs détenus et la nature des engagements futurs (le passif). Pour un assureur ou un fonds de pension, l’ALM n’est pas une simple technique d’investissement mais une doctrine de survie, visant à garantir la solvabilité de l’institution face aux aléas des marchés financiers, en particulier les fluctuations des taux d’intérêt. L’objectif est de piloter l’entreprise par son bilan, en synchronisant les flux financiers entrants et sortants.

III.2 Mécanismes d’Immunisation de Portefeuille : Duration et Convexité

Pour se prémunir contre le risque de taux, la gestion ALM déploie des outils d’immunisation précis. La duration mesure la sensibilité du prix d’une obligation à une variation des taux d’intérêt, permettant de construire des portefeuilles dont la valeur est stable face à de petits mouvements de taux parallèles. La convexité affine cette analyse en capturant les effets de second ordre, offrant une protection plus robuste. La maîtrise de ces deux indicateurs est la base technique du métier de gestionnaire ALM.

III.3 Limites de l’Immunisation Statique et le Problème des Mouvements non Parallèles

L’élégance de l’immunisation par la duration se heurte à une réalité complexe : les courbes de taux ne se déplacent que très rarement de manière parallèle. Une hausse des taux courts et une baisse des taux longs (aplatissement de la courbe) peuvent déjouer une stratégie basée sur une duration unique. Cette section critique l’approche statique et introduit la nécessité d’une gestion dynamique, utilisant des modèles multi-facteurs de la courbe des taux (comme Nelson-Siegel) pour une couverture plus fine et plus réaliste des risques structurels.

IV.4 Application à la Gestion d’un Fonds de Pension de la CEMAC

Un fonds de pension de la zone CEMAC doit garantir les rentes futures de ses affiliés en investissant principalement dans des obligations d’État émises par les pays membres. La mission consiste à structurer un portefeuille obligataire dont la duration et la convexité sont alignées sur celles du passif (les rentes à verser), tout en tenant compte des risques de crédit spécifiques à chaque émetteur souverain. L’étudiant devra construire une stratégie d’immunisation robuste dans un contexte de marchés obligataires peu liquides et de risques politiques.

Chapitre IV. Optimisation de Portefeuilles et Mesures de Performance

IV.1 La Frontière Efficiente de Markowitz comme Révolution Conceptuelle

En 1952, Harry Markowitz a radicalement changé la gestion d’actifs en démontrant mathématiquement que le risque d’un portefeuille ne dépend pas seulement du risque de ses composants, mais surtout de leurs covariances. La diversification devient alors un outil scientifique pour réduire le risque sans sacrifier le rendement. Le concept de frontière efficiente, l’ensemble des portefeuilles offrant le rendement maximal pour un niveau de risque donné, constitue depuis lors le point de départ incontournable de toute allocation d’actifs rationnelle.

IV.2 Les Ratios de Sharpe, Treynor et l’Alpha de Jensen comme Arbitres de la Performance

Évaluer un gestionnaire de portefeuille exige des outils qui ajustent la performance brute au risque pris. Le ratio de Sharpe compare le sur-rendement par rapport au risque total (volatilité), tandis que le ratio de Treynor le compare au risque systématique (bêta). L’alpha de Jensen, issu du modèle MEDAF, mesure la capacité du gestionnaire à surperformer le marché, toute chose égale par ailleurs. Ces trois métriques forment un tribunal objectif pour juger de la véritable création de valeur et débusquer la chance de la compétence.

IV.3 Critique du Cadre Moyenne-Variance et la Tyrannie de la Distribution Normale

L’efficacité du cadre de Markowitz repose sur l’hypothèse restrictive que les rendements des actifs suivent une distribution normale, ou que les investisseurs n’ont qu’une fonction d’utilité quadratique. Or, les rendements financiers affichent des “queues de distribution épaisses” (fat tails) et une asymétrie, rendant les événements extrêmes plus probables que ne le prédit le modèle gaussien. Cette section explore les limites de l’optimisation moyenne-variance et introduit des mesures de risque alternatives comme la Value-at-Risk (VaR) et la Conditional VaR (CVaR).

IV.4 Construction d’un Portefeuille pour la Caisse de Dépôts du Sénégal

La Caisse des Dépôts et Consignations du Sénégal cherche à construire un portefeuille d’investissement stratégique pour financer des projets d’infrastructures nationaux. L’étudiant doit proposer une allocation d’actifs optimale en utilisant le cadre de Black-Litterman, qui combine les vues du marché (MEDAF) avec les convictions spécifiques des gestionnaires sur certains actifs locaux (immobilier, capital-investissement). L’objectif est de générer un portefeuille robuste, adapté aux contraintes de passif de long terme et au mandat de développement économique de l’institution.

Chapitre V. Théorie de la Ruine et Mutualisation des Risques Complexes

V.1 Le Modèle de Lundberg-Cramér et la Probabilité de Ruine

La théorie de la ruine, initiée par Filip Lundberg au début du 20ème siècle, modélise la solvabilité d’une compagnie d’assurance comme une course entre son flux de primes, supposé constant, et le processus aléatoire des sinistres. Le problème central est de calculer la probabilité de ruine, c’est-à-dire la probabilité que les réserves de l’assureur deviennent négatives à un horizon infini. Ce modèle, bien que simple, pose les bases conceptuelles de la gestion du capital et de la définition des marges de solvabilité réglementaires.

V.2 Le Coefficient d’Ajustement et l’Inégalité de Lundberg comme Outils de Mesure

Le coefficient d’ajustement de Lundberg est un paramètre clé qui résume la viabilité d’un portefeuille d’assurance : il n’existe que si la compagnie a une marge de sécurité positive (les primes dépassent l’espérance des sinistres). Il permet de calculer une borne supérieure pour la probabilité de ruine via l’inégalité de Lundberg, offrant un premier outil rapide et conservateur pour évaluer la solidité d’un assureur. Sa détermination est un exercice fondamental pour l’actuaire, liant la politique de tarification à la survie de l’entreprise.

V.3 Critique de l’Indépendance des Sinistres et Introduction aux Risques de Dépendance

Le modèle classique de Lundberg-Cramér pèche par son hypothèse d’indépendance des sinistres, irréaliste face aux risques de pandémie, de catastrophe naturelle ou de crise systémique qui génèrent des vagues de sinistres corrélés. Cette section déconstruit cette hypothèse et introduit le concept de copules pour modéliser la structure de dépendance entre les risques. Comprendre ces mécanismes est vital pour ne pas sous-estimer massivement la probabilité de ruine et pour calibrer correctement les besoins en réassurance face aux risques catastrophiques.

V.4 Modélisation de la Solvabilité d’une Mutuelle de Santé en Milieu Rural Ivoirien

Une mutuelle de santé opérant dans les zones cacaoyères de Côte d’Ivoire fait face à des risques corrélés : une épidémie de paludisme peut affecter simultanément une grande partie de ses assurés. La mission est de modéliser la probabilité de ruine de cette mutuelle en utilisant un processus de sinistres agrégés qui intègre la dépendance via une copule de Gumbel. L’analyse doit permettre de déterminer le niveau de prime et de capital de solvabilité requis pour assurer la pérennité de la mutuelle face à ce risque d’accumulation.

ANNEXES

A. Script Python pour la Valorisation Monte-Carlo d’Options Asiatiques

Cette annexe fournit un script Python complet et commenté utilisant les librairies NumPy et SciPy pour valoriser une option asiatique, dont le payoff dépend du prix moyen du sous-jacent. Cet outil est indispensable pour l’ingénieur financier car il permet de traiter des produits dérivés complexes pour lesquels il n’existe pas de solution analytique fermée. Le script démontre la génération de chemins de prix, le calcul du payoff pour chaque simulation et l’actualisation de la moyenne pour obtenir le prix de l’option, une compétence directement applicable au pricing de produits structurés.

B. Modèle Excel/VBA pour le Suivi Dynamique de la Duration et de la Convexité

Cette section présente un tableau de bord Excel avancé, piloté par des macros VBA, pour le suivi en temps réel de la duration et de la convexité d’un portefeuille obligataire. Le modèle permet au gestionnaire ALM de saisir les caractéristiques de ses obligations (maturité, coupon, valeur nominale) et de visualiser instantanément l’impact d’une variation de la courbe des taux sur la valeur de son portefeuille. C’est un outil de pilotage essentiel pour implémenter des stratégies d’immunisation et produire des rapports de risque de taux pour le comité de direction.

C. Construction d’une Table de Mortalité Prospective avec le Modèle de Lee-Carter en R

L’annexe détaille la méthodologie et le code R pour construire une table de mortalité prospective en utilisant le modèle de Lee-Carter, qui capture la tendance à la baisse de la mortalité au fil du temps. Pour l’actuaire financier, cet outil est fondamental pour la tarification des rentes viagères et le provisionnement des régimes de retraite, car il permet de ne pas sous-estimer l’espérance de vie future. Le code fourni montre comment décomposer la matrice des taux de mortalité historiques en composantes temporelles et d’âge pour projeter les tendances futures.

Lire aussi :

Cours de Recherche scientifique 1, master-1, RSC2111

Cours de Stage Professionnel, master-2, CQE2241

Cours de Méthodes numériques en météorologie, master-2, MNM2231

Cours de Géodésie Spatiale, master-2, GSP2231

Cours de Physique de l’Atmosphère et Capteurs de Pollution de l’Air, master-1, PAC2121

Cours de Unités Transversales, master-2, UTR2233