Commodity Derivatives: Modeling and Pricing
Produits dérivés des matières premières : modélisation et évaluation
Résumé
Commodity prices have been rising at an unprecedented pace over the last years making commodity derivatives more and more popular in many sectors like energy, metals and agricultural products. The quick development of commodity market as well as commodity derivative market results in a continuously uprising demand of accuracy and consistency in commodity derivative modeling and pricing. The specification of commodity modeling is often reduced to an appropriate representation of convenience yield, intrinsic seasonality and mean reversion of commodity price. As a matter of fact, convenience yield can be extracted from forward strip curve and then be added as a drift term into pricing models such as Black Scholes model, local volatility model and stochastic volatility model. Besides those common models, some specific commodity models specially emphasize on the importance of convenience yield, seasonality or mean reversion feature. By giving the stochasticity to convenience yield, Gibson Schwartz model interprets the term structure of convenience yield directly in its model parameters, which makes the model extremely popular amongst researchers and market practitioners in commodity pricing. Gabillon model, in the other hand, focuses on the feature of seasonality and mean reversion, adding a stochastic long term price to correlate spot price. In this thesis, we prove that there is mathematical equivalence relation between Gibson Schwartz model and Gabillon model. Moreover, inspired by the idea of Gyöngy, we show that Gibson Schwartz model and Gabillon model can reduce to one-factor model with explicitly calculated marginal distribution under certain conditions, which contributes to find the analytic formulas for forward and vanilla options. Some of these formulas are new to our knowledge and other formulas confirm with the earlier results of other researchers. Indeed convenience yield, seasonality and mean reversion play a very important role, but for accurate pricing, hedging and risk management, it is also critical to have a good modeling of the dynamics of volatility in commodity markets as this market has very fluctuating volatility dynamics. While the formers (seasonality, mean reversion and convenience yield) have been highly emphasized in the literature on commodity derivatives pricing, the latter (the dynamics of the volatility) has often been forgotten. The family of stochastic volatility model is introduced to strengthen the dynamics of the volatility, capturing the dynamic smile of volatility surface thanks to a stochastic process on volatility itself. It is a very important characteristic for pricing derivatives of long maturity. Stochastic volatility model also corrects the problem of opposite underlying-volatility correlation against market data in many other models by introducing correlation parameter explicitly. The most popular stochastic volatility models include Heston model, Piterbarg model, SABR model, etc. As pointed out by Piterbarg, the need of time-dependent parameters in stochastic volatility models is real and serious. It is because in one hand stochastic volatility models with constant parameters are generally incapable of fitting market prices across option expiries, and in the other hand exotics do not only depend on the distribution of the underlying at the expiry, but on its dynamics through all time. This contradiction implies the necessity of time-dependent parameters. In this thesis, we extend Piterbarg's idea to the whole family of stochastic volatility model, making all the stochastic volatility models having time-dependent parameters and show various formulas for vanilla option price by employing various techniques such as characteristic function, Fourier transform, small error perturbation, parameter averaging, etc.
Les prix des matières premières ont augmenté à un rythme sans précédent au cours des dernières années rendant les dérivés sur matières premières de plus en plus populaires dans de nombreux secteurs comme l'énergie, les métaux et les produits agricoles. Le développement rapide du marché des produits dérivés sur matières premières a aussi induit une recherche vers toujours plus de précision et cohérence dans la modélisation et l'évaluation de produits dérivés des matières premières. Les points les plus importants dans la modélisation des matières premières sont la bonne représentation du rendement d'opportunité appelé communément "convenience yield ", la prise en compte de la saisonnalité et la capture du phénomène de retour à la moyenne pour les prix des matières premières. Il est à noter que le rendement d'opportunité (convenience yield ) peut être induit du prix des la courbe des forwards et être simplement ajouté au terme d'évolution(terme de drift) dans les modèles canoniques, comme le modèle de Black Scholes, le modèle à volatilité locale et les modèles à volatilité stochastique. An delà de ces modèles, d'autres modèles ont été conçus pour modéliser spécifiquement l'évolution du convenience yield, la saisonnalité ou le phénomène de retour à la moyenne des prix. Il s'agit par exemple du modèle de Gibson Schwartz qui suppose que le terme de convenience yield est aléatoire. Cette approche prend donc en compte l'évolution non déterministe du convenience yield et l'interprète comme un paramètre critique du modèle. Ceci explique sa grande popularité et son adoption important par les praticiens du marché. Un autre modèle fréquemment utilisé est le modèle de Gabillon. Celui se concentre sur la saisonnalité des prix et l'effet de retour a la moyenne, en modélisant un prix à long terme stochastique corrélé aux prix du spot. Dans cette thèse, nous prouvons que ces deux approches ne sont en fait qu'une et qu'il y a une relation d'équivalence entre le modèle de Gibson Schwartz et le modèle de Gabillon. Reposant sur le principe de diffusion équivalente introduite par Gyöngy, nous montrons que le modèle de Gibson Schwartz et le modèle de Gabillon peuvent se réduire à un modèle à un facteur dont la distribution marginale peut être explicitement calculée sous certaines conditions. Ceci nous permet en particulier de trouver des formules analytiques pour l'ensemble des options vanilles. Certaines de ces formules sont nouvelles à notre connaissance et d'autres confirment des résultats antérieurs. Dans un second temps, nous nous intéressons à la bonne modélisation de la dynamique de la volatilité des marchés des matières premières. En effet, les marchés de matières premières sont caractérisés par des volatilités très fluctuantes et importante. Alors que les effets sur la saisonnalité, la modèlisation du convenience yield et l'effet de retour à la moyenne des prix ont été fortement soulignés dans la littérature, la bonne modélisation de la dynamique de la volatilité a souvent été oubliée. La famille de modèle à volatilité stochastique est introduite pour renforcer la dynamique de la volatilité, capturant le phénomène de smile de la surface de volatilité grâce à un processus stochastique pour la volatilité. C'est une caractéristique très importante pour les dérivés à maturité longue où l'effet volatilité stochastique conduit à des résultats très différents de ceux obtenus avec des modèles plus conventionnels. Les modèles à volatilité stochastique permettent aussi de prendre en compte le phénomène de corrélation négative entre le sous-jacent et la volatilité en introduisant de manière explicite ce paramètre de corrélation. Les modèles à volatilité stochastique les plus populaires comprennent le modèle d'Heston, le modèle de Piterbarg, le modèle de SABR, etc. Dans cette thèse, nous étendons les idées de Piterbarg à la famille des modèles à volatilité stochastique en rendant le concept plus général. Nous montrons en particulier comment introduire des paramètres dépendant du temps dans les modèles à volatilité stochastique et explicitons différentes formules de calcul explicite du prix d'options vanilles, permettant ainsi une calibration des paramètres du modèles extrêmement efficace.
Domaines
Economies et finances
Loading...