+
-

Prix du Meilleur Jeune Chercheur en finance et assurance – Institut Europlace de Finance

Mieux comprendre le comportement des marchés financiers

Aurélien Alfonsi, lauréat du prix 2019, mène des recherches sur les méthodes numériques, en particulier la discrétisation de processus dans les modèles, pour calculer les prix d’options sur des actifs. Un autre volet de ses recherches concerne les modèles de price impact (impact sur les prix).

Le 07/06/2019
Aurélien Alfonsi

Aurélien Alfonsi a été désigné Meilleur Jeune Chercheur en finance et assurance par le conseil scientifique de l’Institut Europlace de Finance (EIF). Ce prix récompense ses travaux novateurs en mathématiques financières et lui a été remis par Elyès Jouini, directeur scientifique de l’EIF et Philippe Trainar, directeur du risque chez Scor, qui a déclaré : « Ce spécialiste des mathématiques financières a apporté des contributions majeures. Son travail scientifique est impressionnant. » En marge de la cérémonie de remise de prix - qui s’est déroulée lors du Forum International des Risques Financiers le 19 mars dernier - Aurélien Alfonsi a répondu aux questions de l’Institut Louis Bachelier (ILB).

Que représente pour vous ce prix du Meilleur Jeune Chercheur EIF en finance et en assurance ?

Je suis très heureux d’avoir reçu ce prix de Meilleur Jeune Chercheur. C’est un plaisir de voir que mes travaux de recherche ont été appréciés et reconnus par mes pairs. Pour faire un peu d’humour, je suis également content d’être encore considéré comme un jeune, à 40 ans ! Je profite de cette occasion pour remercier mes coauteurs, mes collègues du CERMICS [1], de l’équipe INRIA MathRisk et de la Chaire Risques Financiers.

Pouvez-vous nous détailler et nous expliquer brièvement les grandes thématiques de recherche sur lesquelles vous travaillez ?

Le CERMICS est le laboratoire de mathématiques appliquées de l’École nationale des ponts et chaussées, qui a une longue histoire et a été pionnière en mathématiques financières ainsi que dans les méthodes numériques, notamment avec Nicolas Bouleau et Bernard Lapeyre, qui se sont positionnés très tôt sur ces sujets. Pour ma part, je suis naturellement et logiquement très investi dans la recherche sur les méthodes numériques pour la finance, en particulier la discrétisation de processus dans les modèles affines, comme le modèle d’Heston, très connu et utilisé en pratique, qui est un modèle à volatilité stochastique. Sur ce modèle, j’ai proposé des schémas de discrétisation, afin de pouvoir y appliquer les méthodes numériques de Monte Carlo et y calculer ainsi les prix d’options sur un actif. J’ai également travaillé sur des modèles plus complexes, comme ceux basés sur le processus de Wishart, qui permettent de modéliser des covariances et donc les prix d’options sur plusieurs actifs.

Un autre volet de mes recherches concerne les modèles de price impact (impact sur les prix). Ces modèles se situent dans une échelle de temps intermédiaire, entre la basse et la haute fréquence, disons sur une journée pour fixer les idées. Dans ces modèles, j’étudie la problématique liée à la stratégie d’exécution optimale des ordres, c’est-à-dire le rythme et le volume auxquels un acteur doit acheter ou vendre. La forme de l’impact (proportionnel ou non au volume) de même que sa décroissance au fil du temps ont bien évidemment une incidence directe sur ces stratégies optimales, et j’ai regardé des modèles donnant des réponses quantitatives et analytiques à cela.

Plus récemment, j’ai réalisé des travaux plus théoriques sur le transport optimal de type martingale, qui sert à calculer des bornes de prix d’options exogènes aux modèles. Pour faire court, cela permet d’avoir des fourchettes de prix entre le plus bas et le plus élevé, qui donnent des indications aux praticiens.

Comment vos travaux de modélisation peuvent-ils éclairer l’industrie financière ?

Le développement et l’amélioration des méthodes numériques peuvent apporter des gains de temps considérables et permettre de réaliser des calculs, qui sont très longs, voire impossibles. Quant aux modélisations, elles servent à mieux comprendre et à identifier le comportement des marchés financiers, les décisions d’arbitrage dans les échanges à haute fréquence, la stabilité des marchés, ou encore les irrégularités sur les marchés.

Avez-vous un exemple concret ?

Oui. Si les modèles de price impact sont très simples par rapport à la complexité des carnets d’ordres, ils donnent des éclairages utiles aux praticiens et aux régulateurs. Par exemple, dans un modèle donné, la stratégie optimale pour acheter 10 titres pourrait être d’acheter 110 titres et d’en revendre 100. Le modèle pourrait même suggérer de répéter cette opération plusieurs fois. Or, si ce modèle ne doit pas être pris pour argent comptant, il a été constaté que cette technique répétée d’achat et de vente en grande quantité avait été à l’œuvre durant le flash krach de 2010.

Pour conclure, quels sont les prochains sujets sur lesquels vous allez travailler ?

Je vais continuer mes recherches sur les méthodes numériques, en particulier la discrétisation de processus dans les modèles financiers. Je travaille sur l’amélioration des algorithmes pour calculer des prix d’options en recourant à des méthodes numériques différentes de celles que j’ai mentionnées précédemment. Enfin, je m’intéresse également à l’assurance en encadrant une thèse sur le calcul des risques. Ce travail nécessite également des efforts de modélisation pour bien prendre en compte les aspects réglementaires de ce secteur.

 

[1] Centre d’Enseignement et de Recherche en Mathématiques et Calcul Scientifique, laboratoire de l'École des Ponts ParisTech, hébergeant des équipes projets communes avec l’Institut national de recherche en informatique et en automatique (INRIA) et l'Université de Marne-la-Vallée.

L'auteur

  • Aurélien Alfonsi
    • Chercheur
      CERMICS (Ecole nationale des ponts et chaussées)
    • Professeur chargé de cours
      Ecole Polytechnique
Cet article est extrait de
Revue Banque n°HoF2019

Pour en savoir plus

Séminaires

Sur le même sujet