Calcul Stochastique Finance 07 L1

Introduction à la modélisation stochastique en finance
Le mouvement Brownien comme limite d’une marche aléatoire

Propriétés du mouvement brownien
CALCUL STOCHASTIQUE ET FINANCE

IMFSE, Département de Mathématiques Appliquées
Nizar TOUZI
SEANCE 1: 25 septembre 2007
Nizar TOUZI Calcul stochastique & finance

Outline
1 Introduction à la modélisation stochastique en finance
2 Le mouvement Brownien comme limite d’une marche aléatoire
3 Propriétés du mouvement brownien

Fig.: Wall Street, New York

Fig.: London Stock Exchange, Londres

Fig.: Salles de marchés

Fig.: Evolution du NASDAQ

Outline

Le modèle binomial : marché financier
• On considère un marché financier constitué

- d’un actif sans risque de rendement R 0 = e r sur chaque période
(r est le taux d’intérêt)
- d’un actif risqué de rendement R. Le modèle binomial suppose que
P[R = u] = 1 − P[R = d ] = p où 0 < p < 1
• Les acteurs du marché peuvent faire des échanges en ces deux

actifs à toute date t = 0, . . . T (soit T + 1 périodes) sans
contraintes sur les volumes, sans coûts de transaction, sans taxes...
• On notera pas St le prix de l’actif risqué à la date t, par définition
St = RSt−1 = · · · = R t S0

Portefeuilles autofinancés
• Allocation dynamique de la richesse :
- Richesse initiale X0 = x répartie en
θ0 S0 en actif risqué
%
&
X0 − θ0 S0 en actif sans risque
- Richesse à la date t : Xt répartie en
θt St en actif risqué
%
&
Xt − θt St en actif sans risque
- Valeur de la richesse à la date t + 1 :
Xt+1 = θt St+1 + (Xt − θt St ) R 0
Portefeuilles autofinancés - suite
• On calcule alors simplement que :

t
Xt X Sk Sk−1
= X0 + θk−1 −
R 0t k=1 R 0k R 0 k−1

Portefeuilles et structure d’information
• La valeur de la richesse :
t
Xt X Sk Sk−1
= X0 + θk−1 −
R 0t k=1 R 0k R 0 k−1
est connue à la date t

• La décision d’investissement est basée sur l’information disponible
à la date d’investissement
• Mathématiquement la structure de l’information est définie par la
donnée d’une suite croissante de σ−algèbres (Ft )0≤t≤T , et
les variables aléatoires θt , Xt sont Ft − mesurables

Valeur actualisée, choix de numéraire
• Les valeurs actualisées de la richesse et des cours de l’actif risqué :

Xt St
X̃t := et S̃t :=
R 0t R 0t
i.e. valeur exprimée en termes de nombre d’unités d’actif sans risque
• s’applique à toute variable représentant un montant financier
• En termes de valeurs actualisée, la richesse s’exprime simplement
t
X
X̃t = X0 + θk−1 S˜k − S̃k−1
k=1

Valeur actualisée, choix de numéraire - suite
• On peut aussi utiliser un autre actif de réference de prix

St0 0≤t≤T :
Xt St
,
St0 St0
Un tel actif est alors appelé numéraire

Extension : taux d’intérêt stochastique, multi-actifs

• Le rendement Rt0 = e rt sur la période [t − 1, t] peut varier de
manière aléatoire. Comme il est rattaché à un actif sans risque
Rt0 est une variable aléatoire Ft−1 − mesurable
On dit que (Rt )1≤t≤T est un processus prévisible

• Les valeurs actualisées sont alors définies par
Xt St
X̃t = et S̃t =
R1 · · · Rt0
0 R1 · · · Rt0
0
• Si le marché contient d actifs risqués, la richesse se généralise à

t
X
X̃t = X0 + θk−1 · S˜k − S̃k−1
k=1
où les processus θ et S sont maintenant à valeurs dans Rd

Outline

Les grands théorèmes en probabilité
• Loi des grands nombres (LGN) Soit (Ui )i≥1 une suite de
variables aléatoires réelles indépendantes et de même loi (iid)
intégrables ou positives. Alors
n
1X
Ui −→ E[U1 ] P − p.s.
n
i=1
• Théorème de la limite centrale (TCL) Soit (Ui )i≥1 une suite

de variables aléatoires réelles iid et de carré intégrable. Alors
n
!
√ 1X
n Ui − E[U1 ] −→ N (0, Var[U1 ]) en loi
n
i=1

Les gaussiennes
• X est distribué suivant N(0, 1) si
−x 2

1
P [X ∈ [x, x + dx]] = √ exp dx
2π 2
X −m
• X est distribué suivant N(m, σ 2 ) si est distribué suivant
σ
N(0, 1)
• Une variable aléatoire X à valeurs dans Rn est un vecteur
gaussien si a.X est une gaussienne pour tout a ∈ Rn
• Soit X à valeur dans Rn un vecteur gaussien N (m, V ), a ∈ Rp et
b ∈ MR (p, n) de rang p. Alors

a + bX est distribué suivant N a + bm , bVbT

Les gaussiennes - suite
• Transformée de Laplace d’un vecteur gaussien X suivant N(m, V )

h i 1 T
E e λ·X = e λ·m+ 2 λ V λ
(caractérise une gaussienne)

• Soit (Xn )n≥1 une suite de gaussiennes qui converge en loi vers
une variable aléatoire X . Alors X est une gaussienne
• L’ensemble G des variables aléatoires gaussiennes, muni du
produit scalaire hX , Y i = E[XY ], est un espace de Hilbert

Limite en temps continu du modèle binomial

• Le temps continu est une modélisation plus riche qui inclut le
temps discret, puisqu’il suffit de se restreindre à des stratégies
discrètes...
• Que devient ce modèle très simple si le pas de temps tend vers
zéro ? i.e. dates de transaction ti = i Tn , i = 0, . . . , n
• On définit Yi := 1I{Sti =uSti −1 } − 1I{Sti =dSti −1 } pour i = 1, . . . , n,
alors
n
ST n u X 1
ln = ln (ud ) + ln Yi où Yi iid ∼ (δ−1 + δ1 )
S0 2 d 2
i=1
centrale =⇒ ln du ≈ Cn−1/2 et

Théorème de la limite
ln (ud ) = O n−1 (ici, on a supposé p = 1/2)

Typiquement, si r est le taux d’intérêt par période unitaire

q q
r Tn +σ T
r Tn −σ T
u = e n et d = e n

Marche aléatoire symétrique changée d’échelle

• Fixons p = 12 , les variables aléatoires Yi , i = 1, . . . , n, sont
indépendantes de même loi P[Yi = 1] = 1 − P[Yi = −1] = 12
Pk
• M0 = 0 et pour tk := kn , Stk = j=1 Yj , k = 1, . . . , n :
marche aléatoire =⇒ On étend à t ≥ 0 par interpollation linéaire,
et on définit
1
Mtn := √ Snt , t ≥ 0
n
? Mtn` − Mtnk et Mtnj − Mtni indépendants, 0 ≤ i ≤ j ≤ k ≤ ` ≤ n
? E[Mtnk − Mtni ] = 0 et Var[Mntk − Mnti ] = tk − ti , 0 ≤ i ≤ k
? Propriété de martingale :
Ei [Mtnk ] = Mtni , 0≤i ≤k
? Variation quadratique :
2
[M n , M n ]tk = Σkj=1 Mtnj − Mtnj−1 = tk
Limite en temps continu de la marche aléatoire symétrique

• On définitMtn pour tout t ∈ [0, 1] par interpolation linéaire
• D’après le théorème de la limite centrale : Mtn −→ N(0, t) en loi.
• En utilisant un théorème de la limite centrale fonctionnel, on
obtient la convergence de la suite de processus {Mtn , t ∈ [0, 1]} vers
le ... mouvement Brownien (Théorème de Donsker)

De la marche aléatoire au brownien

Le mouvement brownien
• T = R+ ou [0, T ]
• Un processus à valeurs dans Rn est une application de T × Ω
dans Rn
• Si X est un processus, X (., ω) est une trajectoire correspondant à
l’état du monde ω ∈ Ω
Définition W : (t, ω) ∈ T × Ω 7−→ W (t, ω) ∈ R est un
mouvement brownien standard si
• W0 = 0 et W est à trajectoires continues p.s.
• W est à accroissements indépendants : Wt4 − Wt3 et Wt2 − Wt1
indépendants si 0 ≤ t1 ≤ t2 ≤ t3 ≤ t4
• Wt+h − Wt est distribué suivant N(0, h) pour t > s ≥ 0

Distribution marginale du mouvement brownien
• Par définition Wt est distribué suivant N(0, t) :
1 2
P [Wt ∈ [x, x + dx]] = √ e −x /2t
2πt
vérifie l’équation de la chaleur ! !
√
Fig.: Une trajectoire brownienne et les courbes ±1.96 t

Brève histoire du mouvement brownien
• Utilisé pour modéliser les phénomènes aux mouvements très

erratiques en Physique, en Economie, en Finance et en Biologie
• Première observation et description par Robert Brown
(1773-1858), botaniste écossais, pour modéliser les mouvements
des particules en suspension dans un liquide
• En 1905, Albert Einstein construit un modèle pour décrire la
trajectoire des atomes soumis à des chocs : la densité vérifie
l’équation de la chaleur est de ce fait est gaussienne

Brève histoire du mouvement brownien (suite)

• Louis Bachelier (1870-1946) a soutenu en 1900 à la Sorbonne,
sous la direction de Henri Poincaré, une thèse intitulée
Théorie de la spéculation
Il introduit le mouvement brownien et jette les bases de la finance

Brève histoire du mouvement brownien (suite)
• Norbert Wiener (1894-1964) a donné en 1923 une construction

rigoureuse du mouvement brownien, et produit de nombreuses
publications en théorie du signal et des télécommunications
• Paul Lévy, X1904 (1886-1971), Professeur a l’X, développe l’étude
mathématique du mouvement brownien et montre des propriétés
surprenantes de non différentiabilité, de grandes oscillations...
• Kyioshi Itô (1915-) développe le calcul différentiel stochastique,
les équations différentielles stochastiques et les processus de
diffusion
• Développement considérable en France, notamment en liaison
avec la théorie des martingales J.L. Doob, P.A. Meyer

Mouvement brownien et finance
• Louis Bachelier a été le premier à introduire le mouvement

brownien dans la modélisation mathématique en finance, mais ses
travaux n’ont pas eu le succès mérité...
• Fisher Black, Myron Scholes, et Robert Merton (Prix Nobel
d’Economie 1997) ont écrit les articles fondateurs entre 1969 et
1973 de la thérie moderne de la finance mathématique. Ils ont
introduit la théorie de l’évaluation par arbitrage et de gestion de
portefeuille.

Intégration stochastique et finance

• Rappelons que la valeur actualisée d’un portefeuille est
t
X
X̃t = X0 + θk−1 · S˜k − S̃k−1
k=1
• Si on veut définir ce processus en temps continu, on doit être

capable de passer à la limite quand le pas de temps tend vers zéro.
Si tout se passe bien, on s’attend à obtenir
Z t
X̃t = X0 + θu · d S̃t (intégrale stochastique)
0
• Ce passage à la limite n’est pas trivial car la variation totale

k
Mt − Mt = √1 n −→ ∞ !
X
lim j j−1
n→∞ n
j=1

Outline

Premières propriétés du mouvement brownien

• Fonction de covariance :
Cov (Wt , Ws ) = E [Wt Ws ] = t ∧ s = min{t, s}
• Propriété de martingale : avec Fs := σ (Wu , u ≤ s),
E [Wt |Fs ] = Ws pour 0 ≤ s ≤ t
• E Wt |Fs ≥ Ws2 , s ≤ t, et Wt2 − t, t ≥ 0 est martingale.
2
n
t
X 2
• Avec ti := i n , (p.s.-) lim Wtj − Wtj−1 = t (LGN)
n→∞
j=1
- Nous verrons que cette limite ne dépend pas du choix de la
subdivision de [0, t], et qu’elle définit la variation quadratique
- Pour f : R+ −→ R de classe C 1 , on a
Xn
lim (f (tj ) − f (tj−1 ))2 = 0...
n→∞
j=1
Premières propriétés du mouvement brownien
Soit W = {Wt , t ≥ 0} un mouvement brownien. Alors

• Symétrie : −W est un MB
• Propriété d’échelle (scaling) : pour tout c > 0,
c 1

Wt := c Wc 2 t , t ≥ 0 est un MB
•
n Retournement du temps : pour o tout T > 0,
T
Ŵt := WT − Wt , t ∈ [0, T ] est un MB
n o
• Inversion du temps : W̃t := tW1/t , t > 0, W̃0 = 0 est un MB
(continuité en zéro !)

Trajectoires du mouvement Brownien

• A l’infini : Loi des grands nombres
Wt
−→ 0 p.s. quand t −→ ∞
t
• En zéro : Loi du logarithme itéré
Wt Wt
lim sup q = 1 et lim inf q = −1 p.s.
t→0
t→0 2t ln ln 1t 2t ln ln 1t
• Non différentiabilité nulle part : pour tout t ≥ 0 :

Wt+h − Wt Wt+h − Wt
lim sup = +∞ et lim inf = −∞ p.s.
h→0 h t→0 h
• La trajectoire du mouvement brownien est localement
γ−hölderienne pour tout 0 < γ < 21 , nulle part δ−hölderienne pour
tout δ > 12
Temps d’arrêt
• On utilise pour l’instant comme filtration Ft := σ (Ws , s ≤ t)

Définition Un temps d’arrêt est une v.a. U à valeurs dans
R+ ∪ {+∞} telle que {U ≤ t} ∈ Ft pour tout t ≥ 0
Exemple Premier temps de passage du brownien par le niveau 1
(surtout pas dernier temps de passage par 1 avant une maturité
donnée)
• Si U, V sont des temps d’arrêt et a ∈ R+ ,
? U ∧ V , U ∨ V , U + V sont des temps d’arrêt
? mais U − a n’est pas un temps d’arrêt
Définition Pour un temps d’arrêt U,
FU := {A : A ∩ {U ≤ t} ∈ Ft }

Propriété de Markov forte
Définition Soit W un MB et X0 une v.a. indépendante de W . Le

processus {Xt := X0 + Wt , t ∈ T} est appelé MB issu de X0
Proposition Soit U un temps d’arrêt. Le processus
{Wt+U , t ≥ 0} est un mouvement brownien independant issu de
WU
• Propriété de Markov forte Comme conséquence de cette
proposition, étant donnés deux temps d’arrêt 0 ≤ U ≤ V et une
fonction borélienne bornée f : Rn −→ R,
E [f (WV ) |FU ] = E [f (WU + (WV − WU )) |FU ]

= E [E {f (WU + (WV − WU )) |WU } |FU ]
= E {f (WU + (WV − WU )) |WU }

Principe de réflexion (ou de symétrie)
Ty := inf {t : Wt ≥ y } : 1er temps de passage au dessus de y

• Première remarque : Ty ≤ t ⇐⇒ sup Wu ≥ y
u≤t
d
• Deuxième remarque :WTy + Wt+Ty − WTy =
WTy − Wt+Ty − WTy
=⇒ Loi du maximum courant / du temps de passage :

P sup Wu ≥ y = P [Ty ≤ t] = P [|Wt | ≥ y ]
u≤t
=⇒ Loi du brownien et de son maximum courant :

P WT ≤ x , sup Wu ≥ y = P [WT ≥ 2y − x]
u≤t

Calcul Stochastique Finance 07 L1

Transféré par

Droits d'auteur :

Formats disponibles

Calcul Stochastique Finance 07 L1

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Calcul Stochastique Finance 07 L1

Transféré par

Droits d'auteur :

Formats disponibles

Introduction à la modélisation stochastique en finance

Le mouvement Brownien comme limite d’une marche aléatoire

CALCUL STOCHASTIQUE ET FINANCE

SEANCE 1: 25 septembre 2007

Nizar TOUZI Calcul stochastique & finance

1 Introduction à la modélisation stochastique en finance

2 Le mouvement Brownien comme limite d’une marche aléatoire

3 Propriétés du mouvement brownien

Nizar TOUZI Calcul stochastique & finance

Fig.: Wall Street, New York

Nizar TOUZI Calcul stochastique & finance

Fig.: London Stock Exchange, Londres

Fig.: Salles de marchés

Nizar TOUZI Calcul stochastique & finance

Fig.: Evolution du NASDAQ

1 Introduction à la modélisation stochastique en finance

2 Le mouvement Brownien comme limite d’une marche aléatoire

3 Propriétés du mouvement brownien

Nizar TOUZI Calcul stochastique & finance

Le modèle binomial : marché financier

• On considère un marché financier constitué

P[R = u] = 1 − P[R = d ] = p où 0 < p < 1

• Les acteurs du marché peuvent faire des échanges en ces deux

Nizar TOUZI Calcul stochastique & finance

Portefeuilles autofinancés - suite

• On calcule alors simplement que :

Nizar TOUZI Calcul stochastique & finance

Portefeuilles et structure d’information

est connue à la date t

les variables aléatoires θt , Xt sont Ft − mesurables

Nizar TOUZI Calcul stochastique & finance

Valeur actualisée, choix de numéraire

• Les valeurs actualisées de la richesse et des cours de l’actif risqué :

Nizar TOUZI Calcul stochastique & finance

Valeur actualisée, choix de numéraire - suite

• On peut aussi utiliser un autre actif de réference de prix

Un tel actif est alors appelé numéraire

Nizar TOUZI Calcul stochastique & finance

Extension : taux d’intérêt stochastique, multi-actifs

Rt0 est une variable aléatoire Ft−1 − mesurable

On dit que (Rt )1≤t≤T est un processus prévisible

• Si le marché contient d actifs risqués, la richesse se généralise à

où les processus θ et S sont maintenant à valeurs dans Rd

1 Introduction à la modélisation stochastique en finance

2 Le mouvement Brownien comme limite d’une marche aléatoire

3 Propriétés du mouvement brownien

Nizar TOUZI Calcul stochastique & finance

Les grands théorèmes en probabilité

• Théorème de la limite centrale (TCL) Soit (Ui )i≥1 une suite

Nizar TOUZI Calcul stochastique & finance

Nizar TOUZI Calcul stochastique & finance

Les gaussiennes - suite

• Transformée de Laplace d’un vecteur gaussien X suivant N(m, V )

(caractérise une gaussienne)

Nizar TOUZI Calcul stochastique & finance

Limite en temps continu du modèle binomial

Typiquement, si r est le taux d’intérêt par période unitaire

Nizar TOUZI Calcul stochastique & finance

Marche aléatoire symétrique changée d’échelle

Limite en temps continu de la marche aléatoire symétrique