stochastiques
Processus stochastiques Filtration Temps d’arrêt Références
Les processus stochastiques
80-646-08 Calcul stochastique
Geneviève Gauthier
HEC Montréal
stochastiques
Processus stochastiques
Filtration Temps d’arrêt Références
Processus stochastiques
Dé…nition
De…nition
Dé…nition. Soit (Ω,F), un espace probabilisable. Un processus stochastique
X = fXt :t 2 T g
est une famille de variables aléatoires, toutes construites sur le même espace probabilisable(Ω,F)oùT représente un ensemble d’indices.
stochastiques
Processus stochastiques Filtration
Dé…nitions Exemple
Temps d’arrêt Références
Filtration I
Dé…nitions
De…nition
Dé…nition. Une famille F=fFt :t 2 T g de tribus deΩ est une…ltration sur l’espace probabilisable (Ω,F)si
(F1) 8t 2 T,Ft F,
(F2) 8t1,t22 T tels que t1 t2,Ft1 Ft2.
De…nition
Dé…nition. Un processus stochastique X = fXt :t 2 T gest adapté à la …ltrationF =fFt :t 2 T gsi
8t 2 T,Xt est Ft mesurable.
stochastiques
Processus stochastiques Filtration
Dé…nitions Exemple
Temps d’arrêt Références
Filtration II
Dé…nitions
De…nition
Dé…nition. La …ltrationF=fFt :t 2 T g est dite engendrée par le processus stochastiqueX = fXt :t 2 T gsi
8t 2 T,Ft =σfXs :s 2 T,s tg.
stochastiques
Processus stochastiques Filtration
Dé…nitions Exemple
Temps d’arrêt Références
Filtration I
Exemple
Exemple1. Supposons que l’ensemble fondamental est Ω=fω1,ω2,ω3,ω4get que T = f0,1,2,3g. Le processus stochastiqueX = fXt :t 2 f0,1,2,3gg représente l’évolution du prix d’une action,Xt = le prix de l’action à la fermeture de la bourse aut ième jour, l’instantt =0 représentant
aujourd’hui.
ω X0(ω) X1(ω) X2(ω) X3(ω) ω1 1 0,50 1 0,50 ω2 1 0,50 1 0,50
ω3 1 2 1 1
ω4 1 2 2 2
stochastiques
Processus stochastiques Filtration
Dé…nitions Exemple
Temps d’arrêt Références
Filtration II
Exemple
Question. Quelle est la …ltration engendrée par ce processus stochastique?
stochastiques
Processus stochastiques Filtration
Dé…nitions Exemple
Temps d’arrêt Références
Filtration III
Exemple
ω X0(ω) X1(ω) X2(ω) X3(ω) ω1 1 0,50 1 0,50 ω2 1 0,50 1 0,50
ω3 1 2 1 1
ω4 1 2 2 2
Réponse.
F0 = σfX0g=f?,Ωg,
F1 = σfX0,X1g=σffω1,ω2g,fω3,ω4gg, F2 = σfX0,X1,X2g= σffω1,ω2g,fω3g,fω4gg, F3 = σfX0,X1,X2,X3g=σffω1,ω2g,fω3g,fω4gg.
Notons que toute tribuF contenant la sous-tribuF3 rendX0,X1,X2 et X3 F mesurables.
stochastiques
Processus stochastiques Filtration
Dé…nitions Exemple
Temps d’arrêt Références
Filtration IV
Exemple
Rappel :
F0 = σfX0g=f?,Ωg,
F1 = σfX0,X1g=σffω1,ω2g,fω3,ω4gg, F2 = σfX0,X1,X2g=σffω1,ω2g,fω3g,fω4gg, F3 = σfX0,X1,X2,X3g=σffω1,ω2g,fω3g,fω4gg. Interprétation. Ωreprésente les états de la nature. Xt(ωi) représente le prix de l’action au tempst si c’est lei ième état du monde qui s’est réalisé.
Au temps 0 (aujourd’hui), nous connaissons de façon certaine le prix de l’action et nous ne sommes pas en mesure de distinguer lequel des états de la nature s’est réalisé. C’est pourquoi la sous-tribuF0 est la tribu triviale car elle ne contient aucune information.
stochastiques
Processus stochastiques Filtration
Dé…nitions Exemple
Temps d’arrêt Références
Filtration V
Exemple
Rappel :
F1=σfX0,X1g=σffω1,ω2g,fω3,ω4gg.
1 Au tempst=1, nous en savons en peu plus. En e¤et, si nous observons que le prix de l’action est 0,50 alors nous savons que l’état du monde qui s’est réalisé estω1 ouω2 mais certainement pasω3
ouω4. Par conséquent, nous pouvons en déduire que le prix du titre pour les deux périodes suivantes (t=2 ett=3) sera respectivement de 1 et 0,50 dollars .
2 Par contre, si au tempst=1, nous observons que le prix du titre est 2 dollars alors nous savons que l’état du monde qui s’est réalisé est ou bienω3 ou bienω4. Nous pouvons en déduire que le prix du titre ne redescendra pas sous la barre du un dollar: parce qu’après avoir observé le processus au tempst=1, nous serons en mesure de décider si c’est l’événementfω1,ω2gqui s’est réalisé ou bien si c’est l’événementfω3,ω4gqui s’est produit,
F1=σffω1,ω2g,fω3,ω4gg.
stochastiques
Processus stochastiques Filtration
Dé…nitions Exemple
Temps d’arrêt Références
Filtration VI
Exemple Rappel :
F2=σfX0,X1,X2g=σffω1,ω2g,fω3g,fω4gg.
Supposons maintenant qu’au tempst=2, nous observons un prix égal à un dollar. L’erreur fréquemment commise est de conclure que la sous-tribu associée à cet instant estσffω1,ω2,ω3g,fω4ggpuisqu’en observantX2
nous sommes en mesure de distinguer entre les événementsfω1,ω2,ω3g etfω4g. Cela serait vrai si nous venions de commencer l’observation du processus, ce qui n’est pas le cas. Nous devons tenir compte de l’information obtenue depuis le tempst=0. Or les trajectoires (X0(ω),X1(ω),X2(ω))nous permettent de distinguer entre les trois événements suivants: fω1,ω2g,fω3getfω4g. En e¤et, après avoir observé les prix jusqu’au temps deux, nous saurons avec certitude quel est l’état du mondeωqui s’est réalisé sauf si nous avons observé la trajectoire (1,12,1)où nous serons alors incapables de distinguer entre les états du mondeω1 etω2.
1Nous approfondissons, tout au long de ce chapitre, un exemple amorcé dansStochastic Calculus, A Tool for Finance de Daniel Dufresne.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt
Introduction
Nous nous apercevrons de la très grande utilité des temps d’arrêt lorsque nous tenterons de tarifer les produits dérivés de type américain. Ils ont comme principal rôle de déterminer le moment où le détenteur d’une option exercera son droit.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt
Dé…nition
De…nition
Dé…nition. Soit (Ω,F), un espace probabilisable tel que Card(Ω)< ∞et muni de la …ltration
F=fFt :t 2 f0,1, ...gg. Untemps d’arrêt τ est une
(Ω,F) variable aléatoire à valeurs dans f0,1, ...get telle que fω2 Ω:τ(ω) tg 2 Ft pour toutt 2 f0,1, ...g. (1) Exercice. Montrer que la condition donnée à la ligne (1) est équivalente à
fω 2Ω:τ(ω) =tg 2 Ft pour tout t 2 f0,1, ...g.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt I
Exemple
Exemple. Reprenons l’exemple entrepris antérieurement: X représente le cours d’une action.
ω X0(ω) X1(ω) X2(ω) X3(ω) ω1 1 0,50 1 0,50 ω2 1 0,50 1 0,50
ω3 1 2 1 1
ω4 1 2 2 2
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt II
Exemple
Nous avions déterminé que la …ltration contenant l’information révélée par le processus à chaque instant est
F0 = σfX0g=f?,Ωg,
F1 = σfX0,X1g=σffω1,ω2g,fω3,ω4gg, F2 = σfX0,X1,X2g= σffω1,ω2g,fω3g,fω4gg, F3 = σfX0,X1,X2,X3g=σffω1,ω2g,fω3g,fω4gg.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt III
Exemple
Rappel.
ω X0(ω) X1(ω) X2(ω) X3(ω)
ω1 1 0,50 1 0,50 ω2 1 0,50 1 0,50
ω3 1 2 1 1
ω4 1 2 2 2
Nous ne vendons pas nos actions aujourd’hui(t =0)mais nous les vendrons aussitôt que le prix sera supérieur ou égal à 1.
Le temps aléatoire représentant cette situation est τ(ω1) =2, τ(ω2) =2, τ(ω3) =1 et τ(ω4) =1.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt IV
Exemple
Cette variable aléatoire est bien un temps d’arrêt puisque
fω 2Ω:τ(ω) =0g = ?2 F0,
fω 2Ω:τ(ω) =1g = fω3,ω4g 2 F1, fω 2Ω:τ(ω) =2g = fω1,ω2g 2 F2, fω 2Ω:τ(ω) =3g = ?2 F3.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt V
Exemple Rappel.
ω X0(ω) X1(ω) X2(ω) X3(ω)
ω1 1 0,50 1 0,50 ω2 1 0,50 1 0,50
ω3 1 2 1 1
ω4 1 2 2 2
Considérons maintenant le temps aléatoire τ modélisant la situation suivante: nous achèterons des actions aussitôt que nous serons en mesure de réaliser un pro…t plus tard.
Cette variable aléatoire prend les valeurs τ (ω1) =1, τ (ω2) =1, τ (ω3) =0 etτ (ω4) =0. τ n’est pas un temps d’arrêt puisque
fω 2Ω:τ (ω) =0g=fω3,ω4g2 F/ 0.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt VI
Exemple
Intuitivement, le moment τoù l’on prend une décision est un temps d’arrêt si la décision est prise sur la base de l’information disponible à cet instant. Dans le cas des temps d’arrêt, l’utilisation de la boule de cristal est interdite.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt I
Transformation de temps d’arrêt
Theorem
Théorème. Soit (Ω,F), un espace probabilisable tel que Card(Ω)< ∞et muni de la …ltration
F=fFt :t 2 f0,1, ...gg. Si les variables aléatoires τ1 etτ2
sont des temps d’arrêt par rapport à la …ltrationF, alors τ1^τ2 minfτ1,τ2get τ1_τ2 maxfτ1,τ2gsont aussi des temps d’arrêt.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt II
Transformation de temps d’arrêt
Preuve du théorème. Si τest un temps d’arrêt alors 8t 2 f0,1, ...g
fω2Ω:τ(ω) tg 2 Ft. 8k 2 f0,1, ...g,
fω 2Ω:τ1(ω)^τ2(ω) kg
= fω 2Ω:τ1(ω) k ouτ2(ω) kg
= f|ω 2Ω:τ{z1(ω) kg}
2Fk
[ f|ω2Ω:τ{z2(ω) kg}
2Fk
2 Fk.
Exercice. Démontrez le résultat de la proposition précédente pourτ1_τ2.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt I
Temps de premier passage
De…nition
Dé…nition. Soit(Ω,F), un espace probabilisable tel que Card(Ω)< ∞et muni de la …ltration
F=fFt :t 2 f0,1, ...gg. X =fXt :t2 f0,1, ...gg
représente un processus stochastique adapté à cette …ltration.
SoitB R un sous-ensemble des nombres réels. Nous dé…nissons le temps du premier contact du processus stochastiqueX avec l’ensembleB par
τB(ω) =minft 2 f0,1, ...g:Xt(ω)2Bg. S’il advenait que la trajectoiret!Xt(ω)n’atteigne jamais l’ensembleB alors nous dé…nissons τB(ω) =∞.
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt II
Temps de premier passage
Theorem
Théorème. La variable aléatoire τB est un temps d’arrêt.
Preuve du théorème. Puisque Card(Ω)<∞, alors 8t 2 f0,1, ...g,Xt ne peut prendre qu’un nombre …ni de valeurs. Dénotons-les par
x1(t) <...<xm(tt).
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt III
Temps de premier passage
8t 2 f0,1, ...g,
fω2Ω:τB(ω) =tg
= fω2Ω:X0(ω)2/B, ...,Xt 1(ω)2/B,Xt(ω)2Bg
=
t\1 k=0
fω2Ω:Xk(ω)2/Bg
!
\ fω2Ω:Xt(ω)2Bg
= 0 B@
t\1 k=0
[ xi(k)/2B
n
ω2Ω:Xk(ω) =xi(k)o1 CA
\ 0 B@ [
xi(t)2B
n
ω2Ω:Xt(ω) =xi(t)o1 CA
2 Ft
stochastiques
Processus stochastiques Filtration Temps d’arrêt
Dé…nition Exemple Transformations Premier passage Références
Temps d’arrêt IV
Temps de premier passage
car
t\1 k=0
[ xi(k)2/B
n
ω2Ω:Xk(ω) =xi(k)o
| {z }
2FkcarX est adapté.
| {z }
2Fk FtcarFkest une tribu
| {z }
2FtcarFtest une tribu.
\ [
xi(t)2B
n
ω2Ω:Xt(ω) =xi(t)o
| {z }
2FtcarXtestFt mesurable.
| {z }
2FtcarFtest une tribu.
stochastiques
Processus stochastiques Filtration Temps d’arrêt Références
Références
BILLINGSLEY, Patrick (1986). Probability and Measure, Second Edition, Wiley, New York.
DUFRESNE, Daniel (1996). Stochastic Calculus, A Tool for Finance, Département de mathématiques et de statistique de l’Université de Montréal.
KARLIN Samuel et TAYLOR Howard M. (1975). A First Course in Stochastic Processes, Second Edition, Academic Press, New York.