RESEARCH ROUTES / 2026

Comprendre. Modéliser. Transformer.

Des parcours courts relient concepts, modèles exécutables et décisions de transformation.

44 RESEARCH BRIEFS / 53 TOTAL

Crédit, structuration, volatilité, commodities et management

Quarante-quatre synthèses structurées et sourcées.

AHS-INSIGHT-01Transformation · 12 min

CHECKPOINT 01 · TRANSFORMATION FINANCE

Transformer la finance de marché : de la livraison de projets à la plateforme de décision

La transformation réussie n’est ni une migration informatique isolée, ni une succession de comités.

1. Partir de la décision, pas du système

Une architecture cible devient utile lorsqu’elle précise qui décide, sur quelle donnée, avec quel modèle, à quel horizon et sous quel contrôle.

2. Contractualiser les interfaces critiques

Front Office, Risk, Finance et Technologie doivent partager des contrats explicites.

3. Piloter par la preuve

01Baseline

Temps de cycle, ruptures, contrôles manuels, incidents et coûts observables.

02Cible testable

Critères d’acceptation métier, data lineage et contrôles de modèle.

03Incréments

Une chaîne de valeur utilisable à chaque étape, avec retour utilisateur.

04Contrôle durable

Ownership, indicateurs, seuils et processus de changement après mise en service.

4. Les anti-patterns à éliminer

  • Un programme défini par une liste d’applications plutôt que par des capacités métier.
  • Une donnée dite “golden source” sans propriétaire, horodatage ni règle de qualité.
  • Une UAT qui vérifie les écrans sans réconcilier cash-flows, Greeks, P&L et comptabilité.
  • Un comité qui suit l’activité mais ne tranche ni risque, ni priorité, ni dérogation.
Sources et portée

Cadre éditorial fondé sur HBR Guide to Project Management, adapté aux chaînes Front-to-Risk et Front-to-Finance.

AHS-RESEARCH-02Taux · 13 min

CHECKPOINT 02 · ARCHITECTURE DE COURBES

Valoriser les taux après la courbe unique : actualisation, projection et risque de base

Une architecture multi-courbes sépare actualisation et projection.

1. Le noyau mathématique

PVswap = N Σi Pd(0,Ti) δi [Fp(0;Ti−1,Ti) − K]

P₍d₎ actualise ; F₍p₎ projette les coupons de l’indice.

2. Architecture et validation

  • Affecter chaque instrument à sa courbe.
  • Bootstrapper avec conventions exactes.
  • Repricing et risk reconciliation.

3. Limites

Le démonstrateur illustre la séparation des courbes, pas un bootstrap de production.

Références

Bianchetti, M. & Carlicchi, M. (2011), Interest Rates After the Credit Crunch: Multiple-Curve Vanilla Derivatives and SABR. Bormetti, G. et al. (2016), Impact of Multiple-Curve Dynamics in Credit Valuation Adjustments under Collateralization. Synthèse non évaluée par les pairs.

AHS-RESEARCH-03SABR · 15 min

CHECKPOINT 03 · VOLATILITY SMILE

SABR : calibrer un smile sans confondre qualité d’ajustement et qualité de couverture

SABR couple un forward et sa volatilité stochastique.

1. Dynamique et paramètres

dFt = αtFtβdWt,   dαt = ν αtdZt,   d⟨W,Z⟩t = ρdt

Les quatre paramètres interagissent.

2. Calibration falsifiable

  1. 01Documenter β.
  2. 02Calibrer niveau, skew et courbure.
  3. 03Publier les résidus.
  4. 04Tester stabilité et couverture.

3. Limites

Une bonne RMSE ne suffit pas à valider le modèle.

Références

Hagan, P. S., Kumar, D., Lesniewski, A. S. & Woodward, D. E. (2002), Managing Smile Risk, Wilmott, 84–108. Rebonato, R., McKay, K. & White, R., The SABR/LIBOR Market Model, ch. 3, 5–6. Synthèse non évaluée par les pairs.

AHS-RESEARCH-04Heston · 16 min

CHECKPOINT 04 · STOCHASTIC VOLATILITY

Heston : de la fonction caractéristique à un pricer numériquement contrôlé

Le défi essentiel est autant numérique que stochastique.

1. Modèle risque-neutre

dSt=(r−q)Stdt+√vtStdWtS
dvt=κ(θ−vt)dt+σv√vtdWtv,   d⟨WS,Wvt=ρdt

Le prix européen provient de la fonction caractéristique.

2. Risques numériques et tests

BranchesLittle Heston Trap.
Bornesmax(S0e−qT−Ke−rT,0) ≤ C ≤ S0e−qT
ParityC−P=S0e−qT−Ke−rT
Limiteσv→0 → Black–Scholes à variance intégrée
Convergence|CN−C2N| < ε

3. Limites

La calibration de vanilles ne valide pas toute la dynamique.

Références

Heston, S. L. (1993), A Closed-Form Solution for Options with Stochastic Volatility, Review of Financial Studies 6(2), 327–343, DOI 10.1093/rfs/6.2.327. Rouah, F. D., The Heston Model and Its Extensions, ch. 1–2, 5. Synthèse non évaluée par les pairs.

AHS-RESEARCH-05xVA · 17 min

CHECKPOINT 05 · COUNTERPARTY RISK

xVA : transformer un prix sans défaut en mesure économique du contrat

La difficulté réside dans la cohérence de toute la chaîne.

1. Décomposition minimale

CVA ≈ (1−RC) Σi DFiEPEiΔPDC,i
DVA ≈ (1−RB) Σi DFiENEiΔPDB,i

EPE et ENE doivent être calculées après netting et collatéral.

2. Chaîne de calcul et contrôles

  1. 01Simuler les facteurs corrélés.
  2. 02Revaloriser et agréger.
  3. 03Intégrer crédit, funding et marge.
  4. 04Contrôler convergence et attribution.

3. Limites

Le wrong-way risk et les conventions internes sont déterminants.

Références

Basel Committee on Banking Supervision (2018), Counterparty credit risk in Basel III — Executive Summary. Savine, A. & Andreasen, J., Modern Computational Finance: Scripting for Derivatives and xVA. Bormetti, G. et al. (2016), Impact of Multiple-Curve Dynamics in CVA under Collateralization. Synthèse non évaluée par les pairs.

AHS-RESEARCH-06Quantum Finance · 14 min

CHECKPOINT 06 · QUANTUM FINANCE

Finance quantique : passer de la promesse algorithmique à une preuve de valeur

La bonne question n’est pas « quel problème envoyer sur un ordinateur quantique ? ».

1. La chaîne de preuve quantique

05Décision économiqueValeur, risque, délai, coût
04BenchmarkExact, heuristique et classique
03ExécutionCircuit, annealing, bruit, échantillons
02EncodageQUBO · Ising · amplitude · kernel
01Problème financierObjectif, contraintes, précision

2. Trois familles de cas d’usage

QUBO

Optimisation discrète de portefeuille

Budget, lots entiers, cardinalité et coûts de transaction peuvent être encodés dans une fonction quadratique binaire.

QAE / QMC

Estimation d’espérance

Le pricing et le risque reposent souvent sur des espérances.

QML

Classification et génération

Boosting quantique, kernels et modèles génératifs peuvent être étudiés pour le crédit ou les scénarios de marché.

3. Le protocole minimum d’une expérimentation crédible

  1. 01Définir une instance financière reproductible et sa métrique économique.
  2. 02Construire au moins un benchmark classique exact et un benchmark heuristique.
  3. 03Comptabiliser encodage, prétraitement, exécution, échantillonnage et post-traitement.
  4. 04Répéter les expériences, publier les distributions de résultats et analyser le bruit.
  5. 05Ne conclure à un avantage que sur une métrique définie ex ante et vérifiée hors échantillon.

4. Ce que cette note ne prétend pas

Cette note ne confirme aucun avantage quantique pratique en production. Elle décrit une méthode d’évaluation.

Source principale

Jacquier, A. & Kondratyev, O. (2024), Quantum Machine Learning and Optimisation in Finance, 2nd ed. — QUBO and discrete portfolio optimisation (ch. 3), quantum boosting (ch. 4), VQE portfolio optimisation (ch. 10), quantum kernels (ch. 12), quantum Monte Carlo (ch. 15). Synthèse éditoriale non évaluée par les pairs.

AHS-RESEARCH-07STRATEGIC MANAGEMENT · 12 min

OPERATING MODEL / MODEL RISK

Industrialiser la recherche quantitative sans diluer la responsabilité

La transformation construit une chaîne de décision et de preuve.

Architecture de contrôle

  1. 01Spécification économique versionnée.
  2. 02Données sourcées et rejouables.
  3. 03Benchmark indépendant.
  4. 04Surveillance et escalade.

Arbitrage managérial

Séparer composants certifiés et espace de recherche.

Références

Bohn & Stein, Active Credit Portfolio Management in Practice, ch. 2, 7, 9. Cherubini & Della Lunga, Structured Finance: The Object-Oriented Approach. Note professionnelle non évaluée par les pairs.

AHS-RESEARCH-08CAPITAL ALLOCATION · 13 min

ACTIVE CREDIT PORTFOLIO MANAGEMENT

Passer du suivi des limites à l’allocation active du capital crédit

Relier origination, prix, concentration et capital.

Cadre de décision

RAROC = (revenus − coûts − EL) / capital économique
EL = EAD × PD × LGD

La mesure doit intégrer calibration, concentration et coûts.

Risques de transformation

Un RAROC mal spécifié peut déplacer le risque.

Références

Bohn & Stein, ch. 1–2, 5, 8–9. O’Kane, Modelling Single-name and Multi-name Credit Derivatives, ch. 6–8, 15–17.

AHS-RESEARCH-09TRANSFORMATION · 11 min

FRONT-TO-RISK ARCHITECTURE

Construire une source de vérité sans confondre standardisation et uniformité

Partager les faits ; gouverner les représentations.

Cinq couches

ContractTaxonomie et conventions.
MarketDonnées de marché.
ModelModèle et méthode numérique.
RiskMesures de risque.
ControlContrôles et audit.

Indicateurs de réussite

Mesurer qualité, contrôle et délai.