Modèles à volatilité stochastique

AIT LAQDDIEME MARWA

ERRACHIDI HAFSA
REHHABY YOUNES

31/12/2025

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 1 / 28

 Plan

1 Volatilité implicite et limites de Black–Scholes

2 Cadre général des modèles à volatilité stochastique
3 Modèle de Heston
4 Modèle SABR
5 Implémentation et calibration

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 2 / 28

 Volatilité implicite : définition

Sur le marché, le prix des options est observé.

Le modèle de Black–Scholes donne un prix théorique dépendant de
la volatilité.
La volatilité implicite est la valeur de σ qui permet de retrouver le
prix de marché.

Cmarch = BS(S0 , K, T, r, σimp )

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 3 / 28

 Modèle de Black–Scholes

dSt = µSt dt + σSt dWt

σ : volatilité supposée constante

Hypothèse clé du modèle
Le prix d’une option est une fonction croissante de la volatilité
Une volatilité plus élevée implique une option plus chère
Plus d’incertitude sur le prix futur
Plus de valeur pour le droit offert par l’option

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 4 / 28

 Dépendance au strike et à la maturité

Dans le modèle de Black–Scholes, la volatilité est supposée constante :

σ = constante

En pratique, les prix de marché montrent que :

la volatilité implicite dépend du strike K,
la volatilité implicite dépend de la maturité T .

On observe alors une surface de volatilité implicite :

σimp = σ(K, T )

Cette dépendance constitue une première limite du modèle de

Black–Scholes.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 5 / 28

 Smile et skew de volatilité

Smile de volatilité :
La volatilité implicite est minimale pour les options at-the-money.
Elle augmente pour les options très in-the-money et
out-of-the-money.
La courbe de volatilité a alors une forme symétrique en sourire.

Skew de volatilité :
La volatilité implicite devient asymétrique selon le strike.
Sur les marchés actions, la volatilité est plus élevée pour les strikes
faibles.
Ces phénomènes sont absents du modèle de Black–Scholes.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 6 / 28

 Illustration : Smile de volatilité implicite

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 7 / 28

 Illustration : Skew de volatilité

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 8 / 28

 Structure par maturité de la volatilité

La volatilité implicite dépend également de la maturité de l’option.

Les options à court terme reflètent le risque immédiat.
Les options à long terme intègrent une incertitude plus élevée sur
l’avenir.

On observe ainsi une structure par maturité de la volatilité :

σimp = σ(T )

Cette structure peut être croissante, décroissante ou plate selon le

contexte de marché.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 9 / 28

 Clustering de la volatilité

Le clustering de la volatilité désigne la persistance de la volatilité dans

le temps.
Les périodes de forte volatilité ont tendance à être suivies par
d’autres périodes de forte volatilité.
De même, les périodes calmes sont suivies par des périodes calmes.

La volatilité présente ainsi une mémoire temporelle, contrairement à

l’hypothèse de volatilité constante de Black–Scholes.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 10 / 28

 Clustering de la volatilité

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 11 / 28

 Leverage effect

Le leverage effect correspond à une corrélation négative entre le prix du

sous-jacent et sa volatilité.
Lorsque le prix de l’actif baisse, la volatilité augmente.
Lorsque le prix remonte, la volatilité diminue.

Ce phénomène est très observé sur les marchés actions et reflète

l’augmentation du risque perçu en période de baisse des prix.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 12 / 28

 Leverage effect : prix et volatilité

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 13 / 28

 Volatilité constante

Le modèle de Black–Scholes repose sur l’hypothèse d’une volatilité

constante :
σ(t) = σ

La volatilité ne dépend ni du temps, ni du strike, ni de la maturité.

Cette hypothèse permet d’obtenir une formule fermée pour le prix
des options.

Cependant, les marchés montrent que :

σimp = σ(K, T ) (smile et structure par maturité),
la volatilité évolue dans le temps (clustering),
elle est corrélée au prix du sous-jacent (leverage effect).
L’hypothèse de volatilité constante est donc incompatible avec les faits
de marché.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 14 / 28

 Rendements gaussiens
Dans le modèle de Black–Scholes, le sous-jacent suit :

dSt = µSt dt + σSt dWt

Cela implique que les rendements logarithmiques sont gaussiens :

 
St
rt = ln ∼ N (µ∆t, σ 2 ∆t)
St−1

Distribution symétrique
Variance constante
Événements extrêmes très rares
Or, les données de marché montrent :
des queues épaisses (fat tails),
une kurtosis élevée,
une asymétrie des rendements.
La loi normale sous-estime donc fortement le risque extrême.
AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 15 / 28
 Incapacité à reproduire le smile
Dans le modèle de Black–Scholes, une seule volatilité est utilisée :

σ = constante

Cela implique que la volatilité implicite devrait être plate :

σimp (K, T ) = σ ∀K, T

Cependant, les données de marché montrent :

∂σimp
̸= 0
∂K

La volatilité implicite varie selon le strike.

On observe un smile ou un skew de volatilité.
Le smile n’est pas généré par le modèle, il est seulement révélé par
l’inversion de Black–Scholes.
AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 16 / 28
 Hypothèses irréalistes

Le modèle de Black–Scholes repose sur plusieurs hypothèses fortes :

volatilité constante,
rendements gaussiens,
absence de sauts de prix,
marchés parfaits et sans frictions.

Ces hypothèses rendent le modèle :

mathématiquement élégant,
analytiquement tractable,
mais limitent fortement sa capacité à décrire les marchés financiers
réels.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 17 / 28

 Conclusion de la Partie I

La volatilité implicite révèle les limites de Black–Scholes.

Les marchés présentent des phénomènes absents du modèle : smile,
structure par maturité, clustering et leverage effect.
Les hypothèses fondamentales de Black–Scholes sont trop
restrictives.

Cela motive l’introduction des modèles à volatilité

stochastique.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 18 / 28

 Cadre général des modèles à volatilité stochastique

Le modèle de Black–Scholes repose sur une volatilité constante.

Les marchés montrent une volatilité variable, persistante et
asymétrique.

Idée clé
La volatilité devient une variable aléatoire à part entière, au même titre
que le prix du sous-jacent.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 19 / 28

 Volatilité comme processus aléatoire

Dans le modèle de Black–Scholes :

dSt = µSt dt + σSt dWt

La volatilité σ est constante.

Toute l’incertitude provient du mouvement brownien Wt .

Dans les modèles à volatilité stochastique :

σ −→ σt

La volatilité varie dans le temps.

Elle est modélisée par un processus aléatoire.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 20 / 28

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 21 / 28
 Deux sources d’incertitude

Les modèles à volatilité stochastique introduisent deux risques distincts

:
1 Risque de prix : fluctuations du sous-jacent
2 Risque de volatilité : incertitude sur l’intensité des fluctuations

Conséquence
Le prix d’une option dépend non seulement du niveau de la volatilité,
mais aussi de sa dynamique future.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 21 / 28

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 22 / 28
 Cadre mathématique général

Le cadre général des modèles à volatilité stochastique est :

( √
dSt = µSt dt + vt St dWtS
√
dvt = κ(θ − vt ) dt + ξ vt dWtv

St : prix du sous-jacent
vt : variance instantanée
Deux équations différentielles stochastiques

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 22 / 28

 Corrélation prix–volatilité
Les deux browniens vérifient :
dWtS dWtv = ρ dt
ρ < 0 : baisse du prix ⇒ hausse de la volatilité
ρ contrôle l’asymétrie du smile (skew)

Interprétation
AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 23 / 28
 Passage à la mesure risque-neutre

Pour le pricing des options, on travaille sous la mesure Q :

√
dSt = rSt dt + vt St dWtS,Q

Le drift réel µ est remplacé par le taux sans risque r

Les préférences au risque sont absorbées dans la mesure

Prix option = EQ e−rT Payoff

 

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 24 / 28

 Pourquoi la volatilité bouge

La volatilité reflète le niveau d’incertitude du marché.

annonces macroéconomiques
crises financières
chocs géopolitiques
comportement des investisseurs

Interprétation
Une hausse de la volatilité traduit une augmentation de la peur et de
l’aversion au risque.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 25 / 28

 Structure générale du modèle

ρ
St vt
ρ

Deux dynamiques stochastiques

Interaction via la corrélation

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 26 / 28

 Impact sur le pricing des options

La volatilité stochastique permet :

de générer endogènement le smile et le skew,
de mieux pricer les options loin de la monnaie,
de capturer le risque extrême.

Résultat clé
Les modèles à volatilité stochastique fournissent des prix d’options plus
cohérents avec le marché.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 27 / 28

 Transition vers le modèle de Heston

Le cadre général étant posé, nous pouvons maintenant introduire un

modèle spécifique.

Le modèle de Heston propose une dynamique précise de la volatilité

tout en conservant une structure semi-analytique pour le pricing.

AIT LAQDDIEME/ERRACHIDI/REHHABY Gestion des risques 31/12/2025 28 / 28