1
Quelques mod `eles de prix de l’ ´electricit ´e pour la valorisation de produits d ´eriv ´es
1. Caract `eristiques des prix de l’ ´electricit ´e 2. Pr ´etraitement des donn ´ees de prix `a terme
3. Mod `ele factoriel gaussien
4. Quelques mod `eles avanc ´es
1. Caract ´eristiques des prix de l’ ´electricit ´e 2
Exemple de chronique de prix spot
◮
Donn ´ees de prix spot EEX heure par heure(S
t)
t≥0∈ R
+0 1e3 2e3 3e3 4e3 5e3 6e3 7e3 8e3 9e3
0 100 200 300 400 500
4390 4410 4430 4450 4470 4490 4510 4530 4550 4570
0 10 20 30 40 50
Du 15/09/2002 `a 00h00 au 14/09/2003 `a 23h00 Zoom sur une semaine
1. Caract ´eristiques des prix de l’ ´electricit ´e 3
Caract ´eristiques du prix spot
◮
P ´eriodicit ´e multi- ´echelles•
Cycle annuel•
Cycle hebdomadaire•
Cycle journalier◮
Retour `a la moyenne•
R ´eponse de l’offre `a la demande◮
Pr ´esence d’importants pics de prix•
Caract `ere non stockable de l’ ´electricit ´e•
Discontinuit ´e des co ˆuts de production⇒
Pas de couverture possible sur le spot1. Caract ´eristiques des prix de l’ ´electricit ´e 4
Exemple de donn ´ees de prix `a terme
◮
Donn ´ees de prix `a termeF (t, T, θ) t
fix ´ePlatts Allemand Base (Euros/MWh) le 20 fevrier 2004
1. Caract ´eristiques des prix de l’ ´electricit ´e 5
Courbe de prix `a terme
◮
Repr ´esentation des donn ´ees de prix `a termeF (t, T, θ)
pourt
fix ´e1. Caract ´eristiques des prix de l’ ´electricit ´e 6
Gestion des recouvrements
◮
Suppresion des recouvrements par Absence d’Opportunit ´e d’Arbitrage2. Pr ´etraitement des donn ´ees de prix `a terme 7
Saisonnalisation de la courbe des prix `a terme
◮
Multiplication des produits par saisonnalisation2. Pr ´etraitement des donn ´ees de prix `a terme 8
Lissage de la courbe de prix `a terme
◮
Lissage polynomial2. Pr ´etraitement des donn ´ees de prix `a terme 9
Courbe de prix `a terme reconstruire
◮
Exemple de reconstruction au niveau horaire3. Mod `ele factoriel gaussien 10
Evolution de la courbe de prix `a terme dans le temps
◮
Comment ´evolue la courbe entre les instantst
0 ett > t
0 ?3. Mod `ele factoriel gaussien 11
Structure de volatilit ´e exponentielle observ ´ee
◮
Volatilit ´e des rendements∆ log F (t, T, θ)
en fonction de l’ ´ech ´eanceT − t
1 3 5 7 9 11 13 15
0 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18
Calcul empirique `a partir des donn ´ees Platts du 01/01/2001 au 15/07/2002
3. Mod `ele factoriel gaussien 12
Description du mod `ele factoriel
◮
Lien entre prix `a terme observ ´es et prix terme horairesF (t, T, θ) = 1 θ
θ−1
X
i=0
F (t, T + i)
[Heath-Jarrow-Morton-1987], [clewlow-Strickland-2000], [Lucia-Schwartz-2002]
◮
Mod `ele `a deux facteur horaire(F (t, T ))
t≥0∈ R
+ pourT ≥ t
F (t, T ) = F (0, T ) exp { M (t, T ) + e
−a(T−t)X
t+ Y
t}
X
t= e
−atX
0+ R
t0
σ
ce
−a(t−s)dW
s1Y
t= σ
LW
t23. Mod `ele factoriel gaussien 13
Mod ´elisation des prix SPOT ´electriques
◮
Mod `ele de prix spot : On poseS
t= F (t, t)
ce qui impliqueS
t= D
te
Xt+Yt avecdX
t= − aX
tdt + σ
cdW
t1 etY
t= σ
LW
t2• D
t:
saisonnalit ´e deS
tD
t= F (0, t) exp { M (t, t) }
• a :
vitesse de retour `a la moyenne• σ
c:
volatilit ´e court-terme• σ
L:
volatilit ´es long-terme• (W
1, W
2) :
bruit g ´en ´erateur Brownien3. Mod `ele factoriel gaussien 14
Structure de volatilit ´e exponentielle mod `ele
◮
Volatilit ´e des rendements∆ log F (t, T, θ)
en fonction de l’ ´ech ´eance induite par le mod `ele `a deux facteursσ(T − t) = p
σ
c2e
−2a(T−t)+ σ
L24. Quelques mod `eles avanc ´es 15
Mod ´ele de diffusion avec sauts
◮
Mod `ele de prix spot : Partie gaussienne + SautsS
t= D
te
Xt+Yt avecdX
t= − aX
tdt + σ
cdW
t1+ dN
t, Y
t= σ
LW
t2 etN
t:
processus de Poisson compos ´e•
Difficult ´e pour estimer les param `etres de saut (fr ´equence et amplitude)•
Les sauts sont bien repr ´esent ´es mais les pics de prix sont mal repr ´esent ´es4. Quelques mod `eles avanc ´es 16
Mod ´ele `a volatilit ´e stochastique
◮
Extension du mod `ele [Hobson-Rogers98] dans [Collet-Duwig-Oudjane-2006]S
t= D
te
Xt avecdX
t= − aX
tdt + σ(P
t)dW
t etY
tσ
LW
t etP
t=
Z
+∞0
λe
−λu(X
t− X
t−u)
2du
avecλ > 0
etσ(P
t) = p
ω + αP
t avecω ≥ 0 , α ≥ 0
etα + ω > 0
•
Mod `ele de march ´e complet [Hobson-Rogers98]. Version temps discret du mod `ele est proche d’un mod `ele GARCH (incomplet) [Jeantheau04]•
Estimation des param `etres correcte•
Repr ´esentation des prix m ´ediocre4. Quelques mod `eles avanc ´es 17
Simulation de prix spot avec le mod `ele de type H&R
◮
Comparaison d’une trajectoire simul ´ee avec la chronique observ ´ee0 1e3 2e3 3e3 4e3 5e3 6e3 7e3 8e3 9e3
0 100 200 300 400 500
0 1e3 2e3 3e3 4e3 5e3 6e3 7e3 8e3 9e3
0 200 400 600 800 1000 1200 1400 1600 1800
Prix spot EEX Prix spot simul ´e suivant type H&R
4. Quelques mod `eles avanc ´es 18
Mod `ele de Barlow
◮
Mod `ele fond ´e sur la confrontation de l’offre et de la demande [Barlow2002] :u
t(S
t) = d
t(S
t)
avecu
t:
fonction d’offre etd
t:
fonction de demande4. Quelques mod `eles avanc ´es 19
Mod ´ele de Barlow
◮
La demande est suppos ´ee in ´elastique au prix :d
t(S
t) = D
t avecD
t:
Demande mod `elis ´ee par un Ornstein-Uhlenbeck◮
La fonction d’offre est suppos ´ee constante :u
t(x) = g(x) = a
0+ b
0x
αL’ ´egalit ´e
D
t= g(S
t)
+ Contrainte de prix maximumε
1/α0 impliqueS
t=
a0−Dt b0 1/α= (1 + αX
t)
1/α pourD
t< a
0− ε
0b
0ε
1/α0 pourD
t≥ a
0− ε
0b
0Avec
X
t= OU (a, m
′, σ)
siD
t= OU (a, m, σ)
4. Quelques mod `eles avanc ´es 20
Simulation de prix spot avec le mod `ele de Barlow
◮
Comparaison d’une trajectoire simul ´ee avec la chronique observ ´eePrix spot EEX Prix spot simul ´e suivant Barlow
4. Quelques mod `eles avanc ´es 21
Mod `ele `a 1 facteur Normal inverse Gaussien
[Benth2003], [Oudjane2003]
◮
Mod `ele de prix spot / prix `a termeS
t= F (t, t)
etF (t, T, θ) = 1 θ
θ−1
X
i=0
F (t, T + i)
◮
Mod `ele `a 1 facteur horaire(F (t, T ))
t≥0∈ R
+ pourT ≥ t
F (t, T ) = F (0, T ) exp { M (t, T ) + e
−a(T−t)X
t}
X
t= e
−atX
0+ R
t0
σ(s, t)dL
s avecσ(s, t) = σe
−a(t−s)L :
Processus de L ´evy Normal Inverse Gaussien4. Quelques mod `eles avanc ´es 22
Processus de L ´evy NIG
◮
Motivation Repr ´esentation des pics de prix pour la valorisation d’options tr `es en dehors de la monnaie◮ L
L ´evy de type Normal Inverse Gaussien (NIG) i.e.L
1∼ N IG(α, β, δ, µ) L
1= µ+βY + √
Y N ,
o `uN ∼ N (0, 1) ,
etY ∼
IG(δ, γ = p
α
2− β
2)
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.1 0.2 0.3 0.4 0.5 0.6
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.1 0.2 0.3 0.4 0.5 0.6
−5 −4 −3 −2 −1 0 1 2 3 4 5
−14
−12
−10
−8
−6
−4
−2 0
−5 −4 −3 −2 −1 0 1 2 3 4 5
−14
−12
−10
−8
−6
−4
−2 0
Densit ´e gaussienne vs NIG Log–densit ´e gaussienne vs NIG
◮
Le logarithme de la transform ´ee de Laplace a pour expression :Φ(u) = log( E [e
uL]) = uµ+δ p
α
2− β
2− p
α
2− (β + u)
2∀ | β+u | < α
4. Quelques mod `eles avanc ´es 23
Calage des r ´esidus
◮
Meilleure repr ´esentation des queues de distribution par le mod `ele NIG−6 −4 −2 0 2 4 6
−20
−16
−12
−8
−4 0 4 8 12
−6 −4 −2 0 2 4 6
−20
−16
−12
−8
−4 0 4 8 12
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
−6 −4 −2 0 2 4 6
−8
−7
−6
−5
−4
−3
−2
−1 0 1
−6 −4 −2 0 2 4 6
−8
−7
−6
−5
−4
−3
−2
−1 0 1
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
Log-densit ´e gaussienne Log-densit ´e NIG
4. Quelques mod `eles avanc ´es 24
Simulation de prix gaussien vs NIG
◮
Meilleure repr ´esentation des pics de prix par le mod `ele factoriel NIG0 2e3 4e3 6e3 8e3 10e3 12e3
0 10 20 30 40 50 60 70 80 90
0 2e3 4e3 6e3 8e3 10e3 12e3
0 40 80 120 160 200 240
Prix spot simul ´e avec bruit gaussien Prix spot simul ´e avec bruit NIG
4. Quelques mod `eles avanc ´es 25
Valorisation par absence d’opportunit ´e d’arbitrage
◮
Valorisation par absence d’opportunit ´e d’arbitrage :Prime de l’option = moyenne des ”cash-flow” sous la probabilit ´e risque neutre
◮
On montre sous certaines hypoth `eses (lorsqu’on se limite `a une certaine famille de mod `ele) l’unicit ´e de la probabilit ´e risque neutre pour le mod `ele NIG ([Oudjane2005])◮
Comment caract ´eriser la probabilit ´e risque neutre ?4. Quelques mod `eles avanc ´es 26
Transformation d’Esscher
◮ L
un processus de L ´evy de type NIG i.e.L
1∼ N IG(α, β, δ, µ)
◮ θ : [0, T
∗] → R
une fonction mesurable v ´erifiant :| θ(t) | < α
et| θ(t) + β | < α ∀ t ∈ [0, T
∗]
◮
On appelle transformation d’Esscher le changement de probabilit ´e deP
`aP ˜
θ de densit ´eZ
tθ= d P ˜
tθdP
t de la forme :Z
tθ= exp
Z
t 0θ(s)dL
s− Z
t0
Φ(θ(s))ds
∀ t ∈ [0, T
∗]
4. Quelques mod `eles avanc ´es 27
Condition d’existence d’une probabilit ´e risque neutre
◮ P e
θ∼ P
sur[0, T
∗]
de densit ´eZ
θ◮
Supposons queθ
v ´erifie pour toutT ∈ [0, T
∗]
et pour toutt ∈ [0, T ]
:| θ(t) + σ(t, T ) + β | < α
◮
Alors les processus(F (t, T ))
t∈[0,T] sont des martingales sousP e
θ, pour toute maturit ´eT ∈ [0, T
∗]
, si et seulement si la condition de d ´erive suivante est v ´erifi ´ee :M (t, T ) = − Z
t0
Φ(σ(s, T ) + θ(s)) − Φ(θ(s))
ds
4. Quelques mod `eles avanc ´es 28
Etude sous la nouvelle probabilit ´e
◮
Si la fonctionθ
est constante par morceaux sur chaque heure :∀ t ∈ [t
n, t
n+1[ θ(t) = θ
n◮
Alors le changement de probabilit ´e se traduit sur la mesure de L ´evy par une translation du param `etre d’asym ´etrie :β −→ β + θ
n◮
Conclusion : sousP ˜
θL
tn+1− L
tn∼ N IG(α, β + θ
n, δ, µ)
4. Quelques mod `eles avanc ´es 29
Calage des param `etres du mod `ele
◮
Calage des param `etres `a partir des donn ´ees de prix spot•
Les param `etres(a, σ)
sont cal ´es par moindres carr ´es•
Les param `etres(α, β, δ, µ)
du bruit NIG sont cal ´es par maximum de vraisemblance◮
Calage de la condition de d ´erive `a partir des donn ´ees de prix `a terme et de la saisonnalit ´eM (T, T ) = − log
F (0, T ) D
T= − Z
t0
Φ(σ(T − s) + θ(s)) − Φ(θ(s))
ds
4. Quelques mod `eles avanc ´es 30
Calage de la condition de d ´erive
◮
Calage deθ
tel quelog
F(0,T) DT
= R
t 0Φ(σ(s, T ) + θ(s)) − Φ(θ(s)) ds
0 20 40 60 80 100 120 140 160 180
−0.4
−0.2 0.0 0.2 0.4 0.6 0.8
4. Quelques mod `eles avanc ´es 31
Prix d’options europ ´eennes sur spot
◮
Comparaison avec le mod `ele gaussien pour diff ´erents prix d’exercice et maturit ´es•
Prix `a terme de 40 Euros4. Quelques mod `eles avanc ´es 32
Smile de volatilit ´e
◮
Smile de volatilit ´e pour diff ´erentes maturit ´es33
Conclusions et perspectives
◮
Conclusions•
Difficult ´e de repr ´esenter les pics de prix : pas de mod `ele universel•
Incompl `etude du march ´e : quel paradigme pour la valorisation ?•
Impact de l’approximation horaire de la courbe de prix `a terme ?◮
Perspectives autour du mod `ele NIG•
Comparaison des prix fournis par le mod `ele NIG `a des prix de r ´ef ´erence•
Test sur des options de type swing en dehors de la monnaie•
Recherche d’une couverture associ ´ee34
R ´ef ´erences (1/2)
•
[Heath-Jarrow-Morton-1987]. D. Heath, R. A. Jarrow, A. Morton, Bond pricing and the term structure of interest rates: a new methodology, working paper, Cornell University, 1987•
[Clewlow-Strickland-2000]. L. Clewlow, C. Strickland, Energy derivatives.Pricing and Risk management, Lacima Publications, 2000
•
[Lucia-Schwartz-2002]. J. J. Lucia, E. S. Schwartz, Electricity prices andpower derivatives: Evidence from the Nordic Power Exchange 2002, Review of Derivatives Research, Vol. 5, pp. 5-50, 2002
•
[Hobson-Rogers-1998]. D. G. Hobson and L. C. G. Rogers, Complete Models with Stochastic Volatility, Mathematical Finance, pp. 27-48, 1998•
[Jeantheau-2004]. T. Jeantheau, A link between complete models withstochastic volatility and ARCH models, Finance and Stochastics, pp. 111-131, 2004
35