Introduction
La valorisation des options constitue un pilier fondamental de la finance quantitative. La volatilité, dans ce contexte, désigne l’ampleur des fluctuations du prix d’un actif financier. Elle mesure le niveau d’incertitude ou de risque relatif à ces mouvements de prix. Depuis la publication du modèle de Black-Scholes en 1973, les efforts pour mieux refléter le comportement réel des marchés n’ont cessé de croître. Ce modèle repose sur des hypothèses fortes, notamment celle d’une volatilité constante. Or, les données de marché révèlent une volatilité implicite qui varie selon le prix d’exercice (strike) et la maturité, donnant naissance à des phénomènes bien connus tels que le smile ou le skew de volatilité.
Pour dépasser ces limites, deux grandes approches ont vu le jour : les modèles à volatilité locale, dans lesquels la volatilité est une fonction déterministe du temps et du niveau du sous-jacent, et les modèles à volatilité stochastique, où la volatilité est modélisée comme un processus aléatoire à part entière. Ces derniers offrent une représentation plus dynamique et réaliste des phénomènes de marché.
Problématique : Pourquoi le modèle de Black-Scholes, malgré sa simplicité et son élégance, échoue-t-il à représenter fidèlement la dynamique des options, et en quoi les modèles à volatilité stochastique, comme celui de Heston, permettent-ils de mieux capturer la réalité des marchés financiers ?
Nous verrons d’abord les limites du modèle de Black-Scholes, avant d’explorer les apports du modèle à volatilité locale, puis ceux du modèle de Heston, et enfin son application concrète au pricing des autocalls.
Le modèle de Black-Scholes : fondations et limites
Le modèle de Black-Scholes-Merton repose sur l’hypothèse que le prix du sous-jacent suit un mouvement brownien géométrique, avec une volatilité constante. Le processus du prix du sous-jacent est donné par :
où :
est le rendement espéré du sous-jacent,
est la volatilité constante,
est un mouvement brownien standard.
Sous la mesure risque-neutre 
, l’équation devient :
où r est le taux sans risque.
La formule de Black-Scholes pour le prix d’un call européen est :
Avec :
, 
où N(x) désigne la fonction de répartition de la loi normale.
Cependant, cette modélisation ne permet pas d’expliquer :
- Le smile de volatilité (variation de la volatilité implicite selon le strike) ;
- Le skew (asymétrie pour les indices ou actions) ;
- La dynamique temporelle de la volatilité, observée notamment en période de crise.
Ces limitations montrent que l’hypothèse d’une volatilité constante est trop restrictive pour capturer les comportements réels du marché.
Pour aller plus loin ? Réserver un Coaching Gratuit avec notre équipe : https://calendly.com/derivatives/coaching
Le modèle à volatilité locale : flexibilité statique
Pour corriger l’hypothèse irréaliste de volatilité constante dans le modèle de Black-Scholes, Bruno Dupire a introduit en 1994 le concept de volatilité locale, où la volatilité devient une fonction déterministe du temps et du niveau du sous-jacent. On écrit alors :
La dynamique du sous-jacent s’en trouve modifiée, et devient :
Le modèle part d’un postulat simple : si l’on connaît exactement la surface de volatilité implicite 
pour toutes les maturités 
et tous les strikes 
, alors il est possible de trouver une fonction 
telle que, si on utilise cette dernière dans un modèle de diffusion, celui-ci reproduise exactement tous les prix d’options européens observés sur le marché.
L’équation de Dupire, dérivée en utilisant la formule de Fokker-Planck pour la densité de probabilité sous la mesure risque-neutre, permet de déterminer 
à partir des prix d’options européennes :
où 
est le prix d’une option européenne en fonction du strike et de la maturité .
Cette expression fournit une méthode de calibrage statique de la volatilité locale à partir d’un ensemble de prix d’options observés sur le marché. Une fois la fonction 
obtenue, on peut l’utiliser dans des simulations de Monte Carlo ou des arbres binomiaux pour le pricing de produits dérivés, en particulier ceux sensibles au chemin suivi par le sous-jacent (ex : options lookback, cliquet, options asiatiques, etc.).
Avantages principaux du modèle :
- Il permet de reproduire parfaitement la surface de volatilité implicite observée à un instant donné (si les données sont lisses).
- Il conserve une structure de type Black-Scholes, ce qui permet une mise en œuvre relativement simple.
- Il est compatible avec les méthodes numériques classiques (Monte Carlo, différences finies).
Limites structurelles importantes :
- Le modèle est purement déterministe : il ne tient pas compte de l’incertitude ou de la dynamique future de la volatilité.
- Il ne modélise pas le clustering de volatilité, ni les sauts ou les chocs de volatilité, qui sont fréquents en période de stress de marché.
- Il suppose une surface de volatilité implicite parfaitement lisse et arbitrage-free, ce qui est rarement le cas dans les données de marché brutes.
- Son utilisation pour des maturités ou strikes en dehors de la grille calibrée peut conduire à des extrapolations incorrectes.
Bien que le modèle à volatilité locale offre une flexibilité précieuse pour s’ajuster aux conditions de marché observées à un instant donné, il reste fondamentalement limité par son caractère déterministe. Il ne permet pas d’anticiper l’évolution future de la volatilité ni de capturer les dynamiques complexes et aléatoires observées en situation réelle, comme les phases prolongées de forte ou faible volatilité, les sauts ou les réactions asymétriques du marché.
Afin de dépasser ces contraintes et de représenter la volatilité comme un phénomène intrinsèquement incertain et corrélé à l’évolution des prix, les financiers et les mathématiciens ont développé une nouvelle classe de modèles : les modèles à volatilité stochastique. Ces derniers introduisent un second processus aléatoire pour décrire l’évolution de la variance elle-même, offrant ainsi une modélisation bien plus fidèle des dynamiques de marché. Le plus emblématique de ces modèles est le modèle de Heston, qui conjugue réalisme, robustesse mathématique et efficacité numérique.
Un aperçu de ce qu’on propose ? Accéder gratuitement aux premiers cours : https://cours.derivativesfinance.fr/courses/derivatives/
Le modèle à volatilité stochastique : réalisme et dynamique
Parmi les modèles capables de capturer la complexité réelle des marchés, le modèle de Heston occupe une place centrale. Introduit en 1993, il repose sur l’idée que la volatilité n’est pas une constante ni une fonction figée, mais un processus aléatoire qui évolue dans le temps, de manière potentiellement corrélée avec les variations du sous-jacent. Ce cadre permet non seulement d’expliquer le skew de volatilité et le clustering de volatilité, mais aussi de modéliser de manière cohérente les effets de levier observés sur les marchés actions, notamment lors des phases de baisse.
Le modèle de Heston fait appel à un système d’équations différentielles stochastiques couplées, où la variance instantanée suit un processus de type CIR (Cox-Ingersoll-Ross). Cette spécification garantit la positivité de la variance tout en introduisant une dynamique riche et calibrable. Le système est défini par :
avec :
: variance instantanée,
: niveau de variance de long terme,
: vitesse de retour à la moyenne,
: volatilité de la variance (vol of vol),
: corrélation entre le sous-jacent et la variance.
Ce modèle présente plusieurs avantages décisifs par rapport aux approches précédentes. Tout d’abord, le processus CIR utilisé pour la variance assure que celle-ci reste toujours positive, ce qui est économiquement et mathématiquement cohérent. Ensuite, le paramètre de corrélation permet de capturer l’effet levier observé empiriquement : lorsque le marché baisse, la volatilité augmente, ce qui est une caractéristique typique du marché équity. Ce mécanisme génère naturellement un skew de volatilité, sans nécessiter d’ajustements ad hoc.
Le modèle de Heston permet également de reproduire des phénomènes de clustering de volatilité, c’est-à-dire la persistance de régimes calmes ou agités du marché. Cette capacité à produire des régimes de volatilité variables en fait un outil plus réaliste pour les gestionnaires de risques ou les desks de structuration.
Du point de vue du calcul, le modèle reste relativement tractable. Pour les options de type européen, il existe une formule semi-fermée de pricing, utilisant les fonctions caractéristiques du processus de prix sous la mesure risque-neutre. Cette propriété rend le modèle compatible avec des méthodes numériques efficaces, comme la transformée de Fourier ou l’approche de Carr-Madan.
Pricing des autocalls : comparaison entre volatilité locale et stochastique
Les autocalls sont des produits structurés particulièrement sensibles à la trajectoire du sous-jacent et à la dynamique de la volatilité. Leur fonctionnement repose généralement sur des mécanismes de remboursement anticipé à dates fixes, conditionnés à des niveaux de barrière, ainsi que sur des protections conditionnelles en cas de non-remboursement. De par leur structure, ces instruments nécessitent une modélisation fine des probabilités de franchissement de seuils, ainsi que de la manière dont la volatilité évolue au fil du temps.
Une différence essentielle entre les approches à volatilité locale et stochastique réside dans leur capacité à capturer la structure future de la volatilité, appelée « skew forward ». Le modèle à volatilité locale est souvent utilisé car il permet de reproduire exactement la surface de volatilité implicite observée à un instant donné. Cependant, il présente plusieurs limites dans le cadre des autocalls. En particulier, il ne modélise pas correctement l’évolution de la volatilité dans le futur, ni les corrélations entre le sous-jacent et sa propre volatilité. Ce biais conduit à sous-estimer systématiquement le skew forward : les modèles locaux génèrent un skew trop plat pour les maturités futures.
Dans la pratique, ce biais a des conséquences importantes. Les traders de produits structurés, notamment d’autocalls, vendent souvent des puts situés entre la barrière d’activation et le strike, par exemple entre 70 et 100. Pour se couvrir, ils vendent également des options vanilles à ces niveaux pour des maturités futures. Dans un modèle à volatilité locale, la valorisation de ces puts est plus faible que dans un modèle à volatilité stochastique, car le niveau de vol implicite attribué aux strikes bas est plus écrasé.
Le modèle de Heston répond précisément à ces besoins. Sa spécification stochastique permet de simuler une multitude de trajectoires réalistes du sous-jacent, où la volatilité évolue de manière endogène. La corrélation négative ρ < 0 introduit un lien direct entre les phases de marché et le niveau de volatilité, ce qui impacte significativement les probabilités de remboursement anticipé ou de franchissement de barrières. De plus, il permet de modéliser un skew forward plus accentué : les puts vendus dans le futur sont ainsi valorisés à un niveau plus élevé, ce qui améliore la rentabilité et la robustesse de la couverture du trader.
La méthode la plus courante pour valoriser un autocall dans ce cadre est la simulation de Monte Carlo. À chaque trajectoire, le modèle de Heston génère une dynamique cohérente du prix et de la volatilité, permettant d’évaluer le scénario de remboursement associé. Cette approche est bien plus robuste que les méthodes basées sur des modèles déterministes pour les produits à dépendance complexe à la trajectoire.
De plus, le calibrage du modèle sur la surface de volatilité implicite permet d’ajuster les paramètres de manière à refléter les conditions actuelles du marché. Ainsi, le pricing reflète à la fois les caractéristiques spécifiques du produit structuré et la configuration de marché à l’instant donné.
En résumé, le modèle de Heston constitue aujourd’hui une référence pour le pricing d’autocalls. Il permet une valorisation plus réaliste, une meilleure estimation des risques associés, une couverture plus robuste, et une compréhension fine de la sensibilité du produit à la volatilité implicite et à sa dynamique future. Ce différentiel de valorisation souligne une vérité importante : le modèle à volatilité stochastique n’est pas seulement plus réaliste, il est aussi plus pratique pour les desks de trading dans leur gestion quotidienne du risque et dans la construction des produits.
Conclusion
La volatilité joue un rôle central dans la valorisation des options. Si le modèle de Black-Scholes a marqué une révolution par sa simplicité analytique, il repose sur des hypothèses trop rigides pour capturer la réalité complexe des marchés. Le développement du modèle à volatilité locale a permis d’adapter le pricing aux conditions observées, mais sans véritable dynamique de marché.
En introduisant la volatilité comme un processus aléatoire, les modèles stochastiques, et en particulier le modèle de Heston, ont ouvert la voie à une modélisation plus fidèle et plus robuste. Ce dernier offre un équilibre entre réalisme économique, puissance mathématique et applicabilité numérique, rendant possible le pricing de produits dérivés complexes, tels que les autocalls, dans des conditions de marché variables.
À mesure que les marchés deviennent plus sophistiqués et volatils, la capacité à modéliser la dynamique de la volatilité ne relève plus d’un choix technique, mais d’une nécessité stratégique pour les acteurs de la finance. Le modèle de Heston s’impose alors comme un outil incontournable pour conjuguer exigence de précision et gestion des risques.
Sources :
https://meritis.fr/blog/de-la-volatilite-constante-a-la-volatilite-locale-equation-de-black-scholes
https://en.wikipedia.org/wiki/Local_volatility
https://ornelle.quarto.pub/heston-model/#mod%C3%A8le-de-heston
