Processus Stochastiques & Applications Financières
Processus Stochastiques & Applications Financières
Mathematics, Finance · textbook
Fiche de révisionExplication
Rédigée à partir de ce document, puis vérifiée avant publication.
Cet article porte sur les processus stochastiques appliqués à la finance, en particulier sur le calcul stochastique, qui est essentiel pour modéliser l’évolution aléatoire des prix d’actifs financiers. Il s’adresse aux étudiants en mathématiques financières, en économie quantitative ou en ingénierie financière, ainsi qu’à toute personne souhaitant comprendre les fondements mathématiques des modèles de prix en temps continu.
Le travail s’intéresse à la modélisation des phénomènes financiers où les variables évoluent de manière aléatoire dans le temps, comme les prix des actifs risqués. Le problème principal est de définir rigoureusement des intégrales et des équations différentielles où l’intégrateur est un processus aléatoire, notamment le mouvement brownien ou processus de Wiener, dont les trajectoires sont très irrégulières (non dérivables en aucun point). Il s’agit donc de comprendre comment construire et manipuler des intégrales stochastiques, puis d’étudier les équations différentielles stochastiques qui en découlent, afin de modéliser l’évolution des prix et d’analyser des contrats financiers.
Avant d’aborder le calcul stochastique, il faut comprendre plusieurs notions fondamentales :
Le travail commence par rappeler la construction intuitive du mouvement brownien à partir d’une marche aléatoire, puis introduit la notion d’intégrale stochastique d’Itô. Cette intégrale est définie comme la limite en moyenne quadratique d’une somme de variables aléatoires adaptées, où la fonction intégrée est évaluée au début de chaque intervalle (choix caractéristique de l’intégrale d’Itô). Cette définition est nécessaire car les trajectoires du mouvement brownien sont trop irrégulières pour utiliser les définitions classiques d’intégrale.
Ensuite, les propriétés fondamentales de l’intégrale stochastique sont établies, notamment la linéarité, la propriété de martingale, et la nullité de son espérance conditionnelle. Ces propriétés sont essentielles pour manipuler les intégrales dans un cadre probabiliste.
La méthode se poursuit avec l’étude des équations différentielles stochastiques, qui modélisent l’évolution des prix d’actifs financiers. Ces équations comportent un terme déterministe (dérive) et un terme aléatoire (diffusion) lié au mouvement brownien. L’approche consiste à passer de la formulation discrète (différences finies) à la formulation continue (différentielle stochastique), en justifiant rigoureusement la limite.
Le lemme d’Itô est présenté comme un outil clé pour calculer la différentielle d’une fonction d’un processus d’Itô. Plusieurs versions du lemme sont données, allant de la version classique pour une fonction d’un mouvement brownien à des généralisations pour des fonctions dépendant aussi du temps et pour des processus d’Itô plus généraux.
Enfin, un exemple fondamental est développé : le modèle de Black & Scholes, où le prix d’un actif suit une équation différentielle stochastique avec dérive et diffusion constants. Le lemme d’Itô permet de montrer que le processus exponentiel du mouvement brownien corrigé est solution de cette équation, et que le prix suit une loi lognormale.
Le travail établit plusieurs résultats importants :
Le texte souligne que la construction initiale de l’intégrale stochastique manque de rigueur mathématique complète, ce qui nécessite un développement plus formel en théorie de la mesure et des probabilités. De plus, la question de l’existence et de l’unicité des solutions des équations différentielles stochastiques dépend des propriétés des coefficients µ et σ, et n’est pas toujours garantie sans hypothèses supplémentaires.
Enfin, la nature non dérivable des trajectoires du mouvement brownien soulève des difficultés conceptuelles dans la définition des différentielles stochastiques, justifiant le recours à des outils spécifiques comme le lemme d’Itô. Le travail n’aborde pas les cas plus complexes où les coefficients sont non-linéaires ou où les processus sont multidimensionnels, laissant ces extensions ouvertes.