Modèles factoriels latents et dynamique des prix d'options: théorie et évidence empirique

Latent factor models and option price dynamics: theory and empirical evidence

• Auteur / Autrice : Marcus Fearnley
• Direction : Laurent E. Calvet
• Type : Projet de thèse
• Discipline(s) : Sciences de gestion
• Date : Inscription en doctorat le 02/12/2010; Soutenance le 22/01/2013
• Etablissement(s) : Jouy-en Josas, HEC
• Ecole(s) doctorale(s) : École doctorale Sciences du Management Gestion-Organisation-Décision-Information (Paris)

Mots clés

Mots clés libres

Options, volatilité stochastique, changement de régime

Diffusions avec sauts, filtres particulaires, processus multifractal Markovien avec changement de régimes

Estimation jointe, prime de risque pour les sauts.

Option pricing, stochastic volatility

Switching, jump diffusions

Particle filters, Markov-switching multifractal, joint estimation, jump risk-premium

Résumé

Cette thèse développe une nouvelle méthode de filtration qui permet d’une part d’estimer des modèles à facteurs latents sur des données d'actions et d'options et d’autre part d’examiner la capacité de modèles de grande dimension à capturer le comportement des prix des options au cours du temps. Le premier chapitre introduit une classe de diffusions multivariées avec sauts pour l'évaluation d’actifs et développe des méthodes d’estimation flexibles de séries chronologiques et de pricing d’options. Le deuxième chapitre développe une méthode de vraisemblance pour l’estimation jointe et la filtration de modèles à facteurs latents pour les actions et les options. Cette approche est illustrée par l’utilisation d’un filtre particulaire dans l’estimation jointe d'une diffusion affine avec sauts, et met en évidence la mis-spécification du modèle. Finalement un troisième chapitre présente un modèle de prix d'actifs avec volatilité multifréquences, pour lequel les sauts sont causés par des chocs hétérogènes sur la volatilité de long terme et pour lequel « l’effet de levier » est capturé par une corrélation négative entre les innovations haute fréquence des rendements et de la volatilité. L’estimation de ce modele prouve qu’il domine les diffusions affines avec sauts sur des données d’actions et d'options.

I develop filtration-based methods for estimating latent factor models on both option and return data and examine the performance of high-dimensional models in capturing the behaviour of options prices over time. The first essay introduces a general regime switching multivariate jump diffusion process for asset pricing and develops tractable methods for time-series estimation and option pricing. The second essay develops a likelihood-based method for the joint estimation and filtration of latent factor models on stock and option data. I illustrate the approach using a particle filter to jointly estimate affine jump diffusions and find strong evidence of model misspecification. The third essay presents a multifrequency volatility model of equity returns in which jumps to the return process are caused by heterogeneous shocks to long-run volatility and the ''leverage effect'' is captured through negative correlation of high frequency innovations to returns and volatility. In- and out-of-sample results show that the model out-performs affine jump diffusions across both option and return data.