GQI.
Global Quantitative Intelligence
Recherche Stochastique & Quantique • Paris
← Retour à tous les articles
Finance Quantitative Publié le 22 novembre 2026 • 6 min de lecture

Comprendre la simulation de Monte-Carlo et le Mouvement Brownien Géométrique en bourse

Comment passer d'une lecture intuitive des graphiques à une modélisation probabiliste rigoureuse sur 10 000 trajectoires, et quelles sont les limites mathématiques à connaître.

Par Virgil Martinez — Global Quantitative Intelligence (GQI)

Sur les marchés financiers, prédire un cours exact à une date donnée est impossible. En revanche, la modélisation stochastique permet d'estimer une distribution de probabilités réaliste à partir de la dynamique historique d'un actif. C'est le principe fondamental utilisé par Belfort Engine au sein de Gatibot Live.

1. Le principe du Mouvement Brownien Géométrique (GBM)

Le Mouvement Brownien Géométrique modélise l'évolution d'un prix S(t) en combinant deux composantes : une tendance moyenne (le drift, noté μ) et une composante aléatoire proportionnelle à la volatilité (notée σ). Grâce au Lemme d'Itô, la solution exacte de l'équation différentielle stochastique s'écrit sur un pas de temps Δt :

S(t + Δt) = S(t) × exp[ (μ − ½ σ²) Δt + σ √Δt × Z ]

Où Z suit une loi normale centrée réduite N(0, 1). Le terme correctif − ½ σ² (issu directement du Lemme d'Itô) est essentiel : il reflète l'asymétrie mathématique entre les gains et les pertes composées — une perte de 50 % nécessite un gain de 100 % pour revenir à l'équilibre.

2. Pourquoi simuler 10 000 trajectoires ?

Une seule trajectoire aléatoire n'a aucune valeur analytique. En générant 10 000 scénarios indépendants sur des horizons de 1 jour, 5 jours et 10 jours, la loi des grands nombres stabilise la distribution finale. On peut alors mesurer deux indicateurs clés :

  • La probabilité directionnelle : le pourcentage de trajectoires terminant au-dessus du cours actuel.
  • Le prix médian projeté : plus robuste que la moyenne face aux valeurs extrêmes de la loi log-normale.

3. Calibration glissante et limites honnêtes du modèle

Un modèle quantitatif sérieux doit toujours exposer ses limites. Sur GQI, les paramètres μ et σ sont recalibrés sur une fenêtre glissante de 252 séances de bourse (une année ouvrée), afin d'éviter la suroptimisation (overfitting) sur le passé.

Force du modèle GBMLimite à garder en tête
Garantit des prix strictement positifs (distribution log-normale).Suppose une volatilité constante sur l'horizon court simulé.
Quantifie immédiatement l'incertitude liée à la volatilité.Sous-estime les chocs extrêmes brutaux (fat tails ou annonces imprévues).
Permet un audit réel hors échantillon (forward-testing).Ne remplace jamais l'analyse fondamentale ni la gestion du risque personnelle.

Vous pouvez observer ces calculs en direct sur plus de 230 actifs mondiaux via Gatibot Live ou demander à Gigi AI d'analyser un ticker précis.