Processus

stochastiques

Processus
stochastiques

Filtration

Temps d’arrêt
Les processus stochastiques
Références
80-646-08
Calcul stochastique

Geneviève Gauthier

HEC Montréal
 Processus
stochastiques
Processus stochastiques
Processus Dé…nition
stochastiques

Filtration

Temps d’arrêt

Références
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 ) où T représente un
ensemble d’indices.
 Processus
stochastiques
Filtration I
Processus Dé…nitions
stochastiques

Filtration
Dé…nitions
Exemple De…nition
Temps d’arrêt
Dé…nition. Une famille F = fFt : t 2 T g de tribus de Ω est
Références
une …ltration sur l’espace probabilisable (Ω, F ) si

(F 1) 8t 2 T , Ft F,
(F 2) 8t1 , t2 2 T tels que t1 t2 , F t 1 Ft 2 .

De…nition
Dé…nition. Un processus stochastique X = fXt : t 2 T g est
adapté à la …ltration F = fFt : t 2 T g si

8t 2 T , Xt est Ft mesurable.
 Processus
stochastiques
Filtration II
Processus Dé…nitions
stochastiques

Filtration
Dé…nitions
Exemple

Temps d’arrêt

Références
De…nition
Dé…nition. La …ltration F = fFt : t 2 T g est dite engendrée
par le processus stochastique X = fXt : t 2 T g si

8t 2 T , Ft = σ fXs : s 2 T , s tg .
 Processus
stochastiques
Filtration I
Processus Exemple
stochastiques

Filtration
Dé…nitions
Exemple1 . Supposons que l’ensemble fondamental est
Exemple
Ω = fω 1 , ω 2 , ω 3 , ω 4 g et que T = f0, 1, 2, 3g. Le processus
Temps d’arrêt
stochastique X = fXt : t 2 f0, 1, 2, 3gg représente l’évolution
Références
du prix d’une action, Xt = le prix de l’action à la fermeture de
la bourse au t ième jour, l’instant t = 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
 Processus
stochastiques
Filtration II
Processus Exemple
stochastiques

Filtration
Dé…nitions
Exemple

Temps d’arrêt

Références

Question. Quelle est la …ltration engendrée par ce processus

stochastique?
 Processus
stochastiques
Filtration III
Processus Exemple
stochastiques

Filtration ω X0 (ω ) X1 (ω ) X2 (ω ) X3 (ω )
Dé…nitions
Exemple

Temps d’arrêt ω1 1 0, 50 1 0, 50
Références
ω2 1 0, 50 1 0, 50
ω3 1 2 1 1
ω4 1 2 2 2
Réponse.

F0 = σ fX0 g = f?, Ωg ,
F1 = σ fX0 , X1 g = σ ffω 1 , ω 2 g , fω 3 , ω 4 gg ,
F2 = σ fX0 , X1 , X2 g = σ ffω 1 , ω 2 g , fω 3 g , fω 4 gg ,
F3 = σ fX0 , X1 , X2 , X3 g = σ ffω 1 , ω 2 g , fω 3 g , fω 4 gg .

Notons que toute tribu F contenant la sous-tribu F3 rend X0 , X1 , X2 et

X3 F mesurables.
 Processus
stochastiques
Filtration IV
Processus Exemple
stochastiques

Filtration
Dé…nitions
Exemple
Rappel :
Temps d’arrêt

Références F0 = σ fX0 g = f?, Ωg ,

F1 = σ fX0 , X1 g = σ ffω 1 , ω 2 g , fω 3 , ω 4 gg ,
F2 = σ fX0 , X1 , X2 g = σ ffω 1 , ω 2 g , fω 3 g , fω 4 gg ,
F3 = σ fX0 , X1 , X2 , X3 g = σ ffω 1 , ω 2 g , fω 3 g , fω 4 gg .

Interprétation. Ω représente les états de la nature. Xt (ω i ) représente le

prix de l’action au temps t si c’est le i 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-tribu F0 est la tribu triviale
car elle ne contient aucune information.
 Processus
stochastiques
Filtration V
Processus Exemple
stochastiques

Filtration Rappel :
Dé…nitions
Exemple
F1 = σ fX0 , X1 g = σ ffω 1 , ω 2 g , fω 3 , ω 4 gg .
Temps d’arrêt
1 Au temps t = 1, nous en savons en peu plus. En e¤et, si nous
Références
observons que le prix de l’action est 0,50 alors nous savons que l’état
du monde qui s’est réalisé est ω 1 ou ω 2 mais certainement pas ω 3
ou ω 4 . Par conséquent, nous pouvons en déduire que le prix du titre
pour les deux périodes suivantes (t = 2 et t = 3) sera respectivement
de 1 et 0,50 dollars .
2 Par contre, si au temps t = 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 bien ω 3 ou bien ω 4 . 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 temps t = 1, nous serons en mesure de
décider si c’est l’événement fω 1 , ω 2 g qui s’est réalisé ou bien si c’est
l’événement fω 3 , ω 4 g qui s’est produit,
F1 = σ ffω 1 , ω 2 g , fω 3 , ω 4 gg.
 Processus
stochastiques
Filtration VI
Processus Exemple
stochastiques

Filtration Rappel :
Dé…nitions
Exemple F2 = σ fX0 , X1 , X2 g = σ ffω 1 , ω 2 g , fω 3 g , fω 4 gg .
Temps d’arrêt

Références
Supposons maintenant qu’au temps t = 2, nous observons un prix égal à
un dollar. L’erreur fréquemment commise est de conclure que la sous-tribu
associée à cet instant est σ ffω 1 , ω 2 , ω 3 g , fω 4 gg puisqu’en observant X2
nous sommes en mesure de distinguer entre les événements fω 1 , ω 2 , ω 3 g
et fω 4 g. 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 temps t = 0. Or les trajectoires
(X0 (ω ), X1 (ω ), X2 (ω )) nous permettent de distinguer entre les trois
événements suivants: fω 1 , ω 2 g, fω 3 g et fω 4 g. En e¤et, après avoir
observé les prix jusqu’au temps deux, nous saurons avec certitude quel est
l’état du monde ω qui s’est réalisé sauf si nous avons observé la trajectoire
(1, 12 , 1) où nous serons alors incapables de distinguer entre les états du
monde ω 1 et ω 2 .

1 Nousapprofondissons, tout au long de ce chapitre, un exemple amorcé

dans Stochastic Calculus, A Tool for Finance de Daniel Dufresne.
 Processus
stochastiques
Temps d’arrêt
Processus Introduction
stochastiques

Filtration

Temps d’arrêt
Dé…nition
Exemple
Transformations
Premier passage

Références
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.
 Processus
stochastiques
Temps d’arrêt
Processus Dé…nition
stochastiques

Filtration

Temps d’arrêt
Dé…nition
De…nition
Dé…nition. Soit (Ω, F ), un espace probabilisable tel que
Exemple
Transformations

Card (Ω) < ∞ et muni de la …ltration

Premier passage

Références
F = fFt : t 2 f0, 1, ...gg. Un temps d’arrêt τ est une
(Ω, F ) variable aléatoire à valeurs dans f0, 1, ...g et telle que

fω 2 Ω : τ (ω ) t g 2 Ft pour tout t 2 f0, 1, ...g . (1)

Exercice. Montrer que la condition donnée à la ligne (1) est

équivalente à

fω 2 Ω : τ (ω ) = t g 2 Ft pour tout t 2 f0, 1, ...g .

 Processus
stochastiques
Temps d’arrêt I
Processus Exemple
stochastiques

Filtration

Temps d’arrêt
Dé…nition
Exemple
Transformations
Exemple. Reprenons l’exemple entrepris antérieurement: X
Premier passage
représente le cours d’une action.
Références

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
 Processus
stochastiques
Temps d’arrêt II
Processus Exemple
stochastiques

Filtration

Temps d’arrêt
Dé…nition
Exemple Nous avions déterminé que la …ltration contenant l’information
Transformations
Premier passage révélée par le processus à chaque instant est
Références

F0 = σ fX0 g = f?, Ωg ,
F1 = σ fX0 , X1 g = σ ffω 1 , ω 2 g , fω 3 , ω 4 gg ,
F2 = σ fX0 , X1 , X2 g = σ ffω 1 , ω 2 g , fω 3 g , fω 4 gg ,
F3 = σ fX0 , X1 , X2 , X3 g = σ ffω 1 , ω 2 g , fω 3 g , fω 4 gg .
 Processus
stochastiques
Temps d’arrêt III
Processus Exemple
stochastiques

Filtration

Temps d’arrêt Rappel.

Dé…nition
Exemple
ω X0 (ω ) X1 (ω ) X2 (ω ) X3 (ω )
Transformations
Premier passage
ω1 1 0, 50 1 0, 50
Références
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 (ω 1 ) = 2, τ (ω 2 ) = 2, τ (ω 3 ) = 1 et τ (ω 4 ) = 1.
 Processus
stochastiques
Temps d’arrêt IV
Processus Exemple
stochastiques

Filtration

Temps d’arrêt
Dé…nition
Exemple
Transformations Cette variable aléatoire est bien un temps d’arrêt puisque
Premier passage

Références
fω 2 Ω : τ ( ω ) = 0g = ? 2 F0 ,
fω 2 Ω : τ ( ω ) = 1g = f ω 3 , ω 4 g 2 F1 ,
fω 2 Ω : τ ( ω ) = 2g = f ω 1 , ω 2 g 2 F2 ,
fω 2 Ω : τ ( ω ) = 3g = ? 2 F3 .
 Processus
stochastiques
Temps d’arrêt V
Processus Exemple
stochastiques Rappel.
Filtration ω X0 (ω ) X1 (ω ) X2 (ω ) X3 (ω )
Temps d’arrêt
Dé…nition ω1 1 0, 50 1 0, 50
Exemple
Transformations ω2 1 0, 50 1 0, 50
Premier passage
ω3 1 2 1 1
Références
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 (ω 1 ) = 1,
τ (ω 2 ) = 1, τ (ω 3 ) = 0 et τ (ω 4 ) = 0. τ n’est pas
un temps d’arrêt puisque

f ω 2 Ω : τ ( ω ) = 0g = f ω 3 , ω 4 g 2
/ F0 .
 Processus
stochastiques
Temps d’arrêt VI
Processus Exemple
stochastiques

Filtration

Temps d’arrêt
Dé…nition
Exemple
Transformations
Premier passage

Références
Intuitivement, le moment τ où 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.
 Processus
stochastiques
Temps d’arrêt I
Processus Transformation de temps d’arrêt
stochastiques

Filtration

Temps d’arrêt
Dé…nition
Exemple
Transformations
Premier passage Theorem
Références
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 τ 1 et τ 2
sont des temps d’arrêt par rapport à la …ltration F, alors
τ 1 ^ τ 2 min fτ 1 , τ 2 g et τ 1 _ τ 2 max fτ 1 , τ 2 g sont aussi
des temps d’arrêt.
 Processus
stochastiques
Temps d’arrêt II
Processus Transformation de temps d’arrêt
stochastiques

Filtration
Preuve du théorème. Si τ est un temps d’arrêt alors
Temps d’arrêt
8t 2 f0, 1, ...g
Dé…nition
Exemple
Transformations fω 2 Ω : τ (ω ) t g 2 Ft .
Premier passage

Références
8k 2 f0, 1, ...g ,

fω 2 Ω : τ 1 (ω ) ^ τ 2 (ω ) k g
= fω 2 Ω : τ 1 (ω ) k ou τ 2 (ω ) k g
= fω 2 Ω : τ 1 (ω ) k g [ fω 2 Ω : τ 2 (ω ) kg
| {z } | {z }
2Fk 2Fk
2 Fk .

Exercice. Démontrez le résultat de la proposition précédente

pour τ 1 _ τ 2 .
 Processus
stochastiques
Temps d’arrêt I
Processus Temps de premier passage
stochastiques

Filtration

Temps d’arrêt De…nition

Dé…nition
Exemple
Transformations
Dé…nition. Soit (Ω, F ), un espace probabilisable tel que
Premier passage Card (Ω) < ∞ et muni de la …ltration
Références
F = fFt : t 2 f0, 1, ...gg. X = fXt : t 2 f0, 1, ...gg
représente un processus stochastique adapté à cette …ltration.
Soit B R un sous-ensemble des nombres réels. Nous
dé…nissons le temps du premier contact du processus
stochastique X avec l’ensemble B par

τ B (ω ) = min ft 2 f0, 1, ...g : Xt (ω ) 2 B g .

S’il advenait que la trajectoire t ! Xt (ω ) n’atteigne jamais

l’ensemble B alors nous dé…nissons τ B (ω ) = ∞.
 Processus
stochastiques
Temps d’arrêt II
Processus Temps de premier passage
stochastiques

Filtration

Temps d’arrêt
Dé…nition
Exemple Theorem
Transformations
Premier passage
Théorème. La variable aléatoire τ B est un temps d’arrêt.
Références

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
(t ) (t )
x1 < ... < xm t .
 Processus
stochastiques
Temps d’arrêt III
Processus Temps de premier passage
stochastiques

Filtration 8t 2 f0, 1, ...g,

Temps d’arrêt
Dé…nition fω 2 Ω : τ B (ω ) = t g
Exemple
Transformations = fω 2 Ω : X0 (ω ) 2/ B , ..., Xt 1 (ω ) 2
/ B , Xt (ω ) 2 B g
Premier passage !
t\1
Références
= fω 2 Ω : Xk (ω ) 2
/ B g \ fω 2 Ω : Xt (ω ) 2 B g
k =0
0 1
B
t\1 [ n (k )
o
C
= @ ω 2 Ω : X k ( ω ) = xi A
k = 0 x (k ) 2
/B
i
0 1
n o
B [ (t ) C
\ @ ω 2 Ω : X t ( ω ) = xi A
(t )
x i 2B
2 Ft
 Processus
stochastiques
Temps d’arrêt IV
Processus Temps de premier passage
stochastiques

Filtration

Temps d’arrêt
Dé…nition
Exemple
Transformations
Premier passage car
Références t\1 [ n o [ n o
(k ) (t )
ω 2 Ω : X k ( ω ) = xi \ ω 2 Ω : X t ( ω ) = xi
k = 0 x (k ) 2
/B | {z } (t )
x 2B | {z }
i i
2Fk car X est adapté. 2Ft car X t est Ft mesurable.
| {z } | {z }
2Fk Ft car Fk est une tribu 2Ft car Ft est une tribu.
| {z }
2Ft car Ft est une tribu.
 Processus
stochastiques
Références
Processus
stochastiques

Filtration

Temps d’arrêt

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.