Optimisation de la couverture du risque de change par l’algorithme génétique

Abstract

Les chercheurs et développeurs scientifiques ont aujourd'hui une énorme quantité de données à traiter. Ils ont besoin des solutions efficaces et rapides pour traiter et modéliser ces données. C'est pour cela qu'ils ont développé une métaheuristique basée sur l'évolution génétique naturelle. L'algorithme génétique ne prend pas en compte toutes les alternatives, mais c'est une technique rapide pour trouver une solution décente aux problèmes caractérisés par un flux importants de données. Dans de nombreux domaines, les données doivent être traitées dans le plus bref délai et dans cet article nous avons traité une nouvelle façon de trouver l'optimum du ratio de couverture par les contrats à terme, pour objectif de diminuer le risque présent sur le marché des produits dérivés, relatif aux fluctuations des prix de n'importe quel actif sous-jacent des contrats à terme soit des matières premières, de taux de change ou bien d'indices boursiers… Dans notre cas nous avons choisi le pétrole comme exemple d'application sur la fluctuation des prix des matières premières sur un horizon de 10 ans en appliquant le modèle de couverture de minimisation de la variance d'Ederington comme fonction objectif de notre algorithme d'optimisation génétique sur le logiciel MATLAB. ABSTRACT. Researchers and scientific developers today have a huge amount of data to process, they need a solution as quickly as possible, which is why they have developed this metaheuristic based on natural genetic evolution. The genetic algorithm does not take into account all the alternatives, but it is a quick technique to find a decent solution to problems with a lot of data. In many areas, data must be processed as quickly as possible and in this article we have discussed a new way to find the optimum coverage ratio for futures contracts, with the objective of decreasing the risk that one must face in the derivatives market, against fluctuations in the prices of any underlying asset of the futures contracts either commodities, exchange rates or stock market indices ..., in our case we have chosen oil as an example of an application on the fluctuation of commodity prices of a 10-year data margin, by applying the Ederington variance minimization hedge model as an objective function of our genetic optimization algorithm on MATLAB software. MOTS-CLÉS. Métaheuristiques, Algorithme génétique, risque de change.