A NNALES SCIENTIFIQUES
DE L ’U NIVERSITÉ DE C LERMONT -F ERRAND 2 Série Probabilités et applications
C. A RENAS
Une famille bi-markovienne : arrêt optimal
Annales scientifiques de l’Université de Clermont-Ferrand 2, tome 93, sérieProbabilités et applications, no8 (1989), p. 1-11
<http://www.numdam.org/item?id=ASCFPA_1989__93_8_1_0>
© Université de Clermont-Ferrand 2, 1989, tous droits réservés.
L’accès aux archives de la revue « Annales scientifiques de l’Université de Clermont- Ferrand 2 » implique l’accord avec les conditions générales d’utilisation (http://www.
numdam.org/conditions). Toute utilisation commerciale ou impression systématique est constitutive d’une infraction pénale. Toute copie ou impression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
UNE FAMILLE
BI-MARKOVIENNE :
ARRETOPTIMAL
C. ARENAS
Summary.
ilestudy
aparticular
bi-14arkovfamil-y
with values in constructed with two Markovian processes with va- lues in which are theuni q ue
solutions of twogiven
stochastic differential
équations
and we solve theoptimal stopping problem
associated with afamily
of processes whichare functions of the
previously
constructed bi-Markov fa-mily.
Key
words: bi-Markovfamily, optimal stopping problem.
1. Introduction
Le
problème
d’arrêtoptimal
pour des processus à deux indice s a é té
réce m ment résolu; j e
renvo i e à[D]
pour le casdiscret et pour le cas continu.Comme
application
de ces derniers résultats on
montre,dans l’existence
d’unpoint d’arrêt optimal
pour une famille de processusbi-markovienne vérifiant certaines
propriétés
et à valeursdans condition de
prendre
ses valeurs dans!R xtR
semble un peu artificielle.On s’intéresse d’abord aux pro-
cessus à valeurs dans
Rd .
Avec cettecondition
on se demande,
si étant donnéesdeux familles de processus deMarkov,
X =
X · · x )~
x e et Y =~ Y ( · ~y)~ ·
y xRd },
définiescomme les
uniques
solutions continues de deuxéquations
différentielles
stochastiques
associées au mouvement Browniend-dimensionel,
etayant
comme condition initiale unpoint quelconque
deRd
la famille M ={M ( · x),
x eRd
à va-leurs dans
Rd
déf inie parM · · x)
= pour2
z =
(s,t)
dansIR ,
estbi-markovinne etvérifie
les condi tions
nécéssaires
pourpouvoir
assurer l’exi.stence d’ unpoint
d’arrêtoptimal.
Dans la
première partie,
on montrequ’ une
telle famille est bi-markovienne si lesdemi-groupes
associés aux processus X et Y commutent.Dans la deuxième
partie,
en suivant~Ma~ ,
on montre l’existence de solution au
problème
d’arrê toptimal
associé à unefamille de p rocessus U =
~ U ( ··x ~ )r
x cE d 1 construite
à par- tir de la famille M de lafaçon
suivante: si p est un nom- bre réel s trictementpositif,
f une fonctionpositive,
bor-née et uniformément
continue,
alors onprend
2 d
pour tout z =
(s,t)
deE 2 ,
tout x deR
aveclzl
= s + tet
U~(’.x)
= 0.2. Notations. Construction de la famille bi-Markovienne M.
Soit
(E,f)
un espacemétrique séparable, complet et Ê
satribu borélienne . On
désigne
parb(t)
l’ensemble des fonctions mesurables bornées f surE,
avec la norme2
On
prend R+
comme ensemble d’indices avec l’ordrepartiel
2
usuel,
c’est àdire,
pour z =(s, t) ,
z’ =(s’ , t’ )
dansR , z
z’ 1signifie
que s s’ 1 ett
t’ .2
Soit un espace de
probabilité
et F =(F-, z
z ER+}
+une filtration
complête, croissante,
continue à droite avec lapropriété d’indépendance
conditionnelleclassique (proprié-
té
F.4.,[C-W]),
c’est àdire,
étant donné z =(s, t)
dans2
R+ ,
lessous-tribus,
sont conditionnellement
indépendantes
parrapport
àFZ.
Suivant les notations de
[B),étant donné
un processus Aon
désigne
par A° saprojection optionnelle.
Rappelons
les définitionssuivantes,
Définition II.1.
2
Un deux indices est une famille P =
{P z z
ER+}
d’opérateurs
deb(t)
dansb(e) positifs vérifiant,
2
(i) p (0 , 0)
=Id,
et pourz, z’
dansR+ , P-’P
,=Pz
(ii)
Pour toute fonction f de on aDéfinition II.2.
Étant donné un
semi-groupe
P et une famille de processus X ={X(-;x) ,
x eE} continus,
on dit que(X,F,P)
est unebi-markovienne
si pour toute fonction f deb(f)
et2
pour tout z de
R ,
laprojection optionnelle
du processus+
2
i f x
, z’ ER+}
estindistinguable
du processus2
{p f (X , ( · ; x) ) , z’ e R+}
et si pour tout x de E on a,zz +
X( 0,0 ) (.;x)
= x, presque - sûrement.Rematcque,D.ans
le cadre des processus à deux indicesplusieurs propriétés
de Markov ont étéproposées
on utilisela
définition précédente
car elles’exprime
en termes desemi-proupes.
Sur un espace de
probabilité donné,
unpoint d’atttt
est2
une variable aléatoire Z à valeurs dans
R+
telle que, pour2
tout z dans
R ,
+ - l’ensemble{Z z}
est dansFz.
zSoit X un processus
positif
vérifiant de bonnesproprié-
tés. Le
pAob£éme optimal
associé à X consistè à éta- blir l’existence d’unpoint
d’arrêt Z*, ditoptimal, qui
maximise le
gain
moyen sur l’ensemble despoints d’arrêt,
c’est àdire,
Dans la suite E sera l’ensemble
Rd
d >0,
avec la rela-tion d’ordre
partiel
induite par les coordonnées cartésiennes et on considère les familles X =
~X ( · > · x) > x E
etY =
{Y ( · ~Yi ~ ·
ye de processus markoviens définiscomme les
uniques
solutions continues deséquations
diffé-rentielles
stochastiques
de laforme,
où
eisont
des fonctions mesurables deRa
x Rglobalement Lipschitziens
avec les conditions usuelles de restriction sur lacroissance, (voir [A]),
pourqu’il
existeune
unique
solution continue etmarkovienne,et
W est un mou-vement Brownien de dimension d. Ces processus sont définis
sur des espaces de
probabilité
i =1, 2,
et sontassociés
à des filtrationsFi
=fF i,
t >0 ) ,
i =1, 2,
cornt -
plètes,
continues à droite et croissantes. Deplus,
ils ontun
semi-groupe Pl Pl,
t >OJ associé,
i =1, 2.
On consi-dère
l’espace
deprobabilité produit,
et la filtration2 1 2
F = c
R+ }avec F z
=F 0 Ft
pour tout z =(s, t) ;
onsait
(voir [Me-1])
que cette filtration estcomplète,
croissanté, continue à droite et vérifie la
propriété
F.4.Sur cet espace de
probabilité produit
avec la filtration F,on définit une famille M =
{M(.;x),,
x ~Rd} de
lafaçon
suid 2 l 2
vante: pour x E.
R d 1 (s,t) e R 2
etq2,
+ 1 2
Cette notion à
été
introduite par D.MichelM.
Théorème
II.1.1 2
La M e4t
bi-Markovienne
6ite,6 demi-gtoupe4 P ,
Pcommutent.
Démon,6t,lation
1 2
Si
P ,
Pcommutent,il
est facile de voirque
la famille1 2 2
P = =
Ps Pt , R+}
est unsemi-groupe.
S, t) s t +
On va montrer maintenant que
(M,F,P)
est une famille bi-Mar kovienne. C’est àdire,
il faut montrer que pour toutpoint
d’arrêt
(S, T) (on prendra (S, T) yé
tout x deRd
et2
tout z de
E ,
on a, +Notons que,
2
~
2
(i)
Si T est un F -temps
d’arrêtet ~
une variable sur ~- ,qui prend
seulement un nombre fini de valeurs etqui
est2
FT-measurable,
alors pour toute fonction g measurable et bornée(continue
etbornée) ,
on a:1 2
(ii)
Si lessemi-groupes P ,
Pcommutent,pour
tout x deRd,
tout(s, t)
deE2 ,
laloi de Y (-;X (-;x) ) coincide
Rd,
tout(s, t)
deR+ ,
la loi det s
coincideavec celle de
xs . ; Yt . ; x> > .
(iii)
Par un raisonnement de classesmonotones,
il suffit de montrer(1)
pour toute fonction fcontinue
et bornée.Soit donc f une
fonction
continue et bornée.Le
premier
terme de(1)
est le même que,La variable X est
F2m-measurable
T et onpeut
suppo-ser
qu’elle prend
unnombre
fini de valeurs(sinon
onliap
2 2
proche
par des fonctionsdéfinies FT-measurables
ne
prenant qu’un
nombre fini devaleurs) .
Deplus,
2
est un F
-temps
d’arrêt etY(.;y)
a lapropriété
deFeller,
et est continu par
rapport à (t,y). Donc,
en vertude la
propriété
forte de Markov et de l’observation( i ) ,
ona que
(2)
est le même que,En
suposant
que S et Tprennent
un nombre fini de valeurs(sinon
on lesapproche
defaçon convenable) ,
en utilisant l’observation(ii)
et par un raisonnement similaire aupré
cèdent,
on achève la démonstration. #3. Arrêt
optimal.
A
partir
de la famillebi-Markovienne
M et é tant donnée unefonction
positive, uniformément
continue f deb(~y,
et unnombre
réel
strictementpositif
p, onconsidère la
famille de processus U =~ U ( ··x ~ ~~ x
E avec2 d
pour tout z =
(s, t)
deIR
xde IRd
avec0.
Pour
chaque
x deIRd y
le processusU ;x)
estadapté, posi- tif,
avec destrajectoires
continues et lafamille,
{U~(’;x)~
Zpoint d’arrêt)
estuniformément integrable.
Ondésigne
parJi.;x)
sonenveloppe
de Snell.Nous cherchonsà
montrer l’existence d’un
point
d’arrêtoptinal
pour le processusU(.;x).
On sait
(1 Ma]) ,
que pourchaque
x de l’ensembleM
il existe une fonction q de
b(t) qui majore
f telle que pour toutpoint
d’arrêtZ,
De
plus,
la famille M satisfait la condition deregularité
suivante,
Théorème 111.1.
Poun tout
nombre réel positif A , ael
uneB
k >
0, telle
que,poun
toutpoint
Z =(S,T)
avecA, et
pout
tout x,yde
on a,Démonstration
On
procède
comme dans~Ma~
lemme 3.1..#Finalment,
on a,Théorème 111.2.
tout x
d e
aupAob£éme
optima£ pan tappott a
teptoce44u4 u(.;x)
Comme la fonction f est uniformément continue et
bornée,
et la famille M satisfait le théorème
précédent,
alors([ma] , proposition 3.1.1.)la
fonction q est uniformément continue et bornée surIR d.
En outre, comme le processusU(.;x)
et sonenveloppe
de SnellJ ( · ; x)
sontcontinus,
etJ(-;x)
est un processuscomplètement régulier,
existe unesolution au
problème
d’arrêtoptimal
deU ( · ; x)
surJR;
(voir [Ma],
Theorem1.2.),
que l’onpeut
choisirparmi
les éléments maximaux de l’ensemble des
points
d’arrêtZ tels que,
REFERENCES
[A] Arnold,
L.: Stochastic DifferentialEquations.
Theo-ry and
Applications. Wiley
and Sons(1937).
[B] Bakry,
D.:Théorèmes
de section et deprojection
pour lesprocessus à
deux indices. Z. Wahrs. verw. Gebiete55, 55-71 (1981).
[C] Cairoli,
R.:Enveloppe
de Snell d’un processus à pa-ramètre
bidimensionnel. Ann. Inst. H. Poincaré.18-1,
47-54
(1982).
[C-w] Cairoli, R., Walsh,
J.: StochasticIntegrals
in theplane.
Acta Mathematica134,
111-183(1975).
[D] Dalang,
R.C.: On infinitégraphs
and randomizedstop- ping points
on theplane. Preprint.
[E]
ElKaroui,
N.: Lesaspects probabilistes
du contrôlestochastique.
Ecole d’Eté de St. Flour 1979. Lect. No tes in Math.876, 74-239, Springer-Verlag
Berlin(1981).
[F] Friedman,
A.: Stochastic DifferentialEquations
andApplications.
Volume 1. Academic Press(1975).
[M] Michel,D.:Produit
de deux diffussions.C.R.Acad.Sc.Paris Série
A,289,143-146 (1979).
|Ma] Mazziotto,
G.: Two ParameterOptimal Stopping
andbi-Markov Processes. Z. Wahrs. verw. Gebiete
69,
99-135
(1985).
[Mil
Millet A.: On randomizedtactics and optimal stopping
in the
plane.
Ann. Prob.13,946-965 (1985).
[Me-1] Meyer,
P.A.: ProcessusAléatoires
à deux indices.Lect. Notes in Math.
863, Springer-Verlag,
Berlin(1981) .
[Me-2] Meyer,
P.A.: Processus de Markov. Lect. Notes inMath, 26, Springer-Verlag,
Berlin(1967).
[N-S] Nualart, D., Sanz,
M. : A Markovproperty
for twoparameter gaussian
processes. Stochastica3-1, 1-16,
Barcelone(1979) .
C. ARENAS
Dept.
d’Estadistica Facultat deBiologia
Universitat de Barcelona
Diagonal,
64508028 BARCELONA