Processus Stochastiques & Applications Financières

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.

La question

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.

Concepts de base

Avant d’aborder le calcul stochastique, il faut comprendre plusieurs notions fondamentales :

• Processus de Wiener (mouvement brownien) : un processus stochastique continu avec des accroissements indépendants, stationnaires, et de loi normale centrée. Ses trajectoires sont continues mais nulle part dérivables.
• Intégrale stochastique d’Itô : une intégrale définie pour des processus adaptés (dépendant uniquement de l’information passée) par rapport au mouvement brownien. Elle diffère de l’intégrale classique car elle prend en compte la nature aléatoire et les propriétés du mouvement brownien.
• Filtration : une famille croissante de tribus représentant l’information disponible jusqu’à un instant donné.
• Processus adapté et prévisible : un processus est adapté s’il est mesurable par rapport à la filtration jusqu’à l’instant t, et prévisible s’il est déterminé par l’information strictement antérieure à t.
• Équations différentielles ordinaires (EDO) : équations où la dérivée d’une fonction est donnée en fonction de la fonction elle-même et du temps, avec des solutions déterministes.
• Équations différentielles stochastiques (EDS) : extension des EDO où un terme aléatoire (souvent lié au mouvement brownien) est ajouté, modélisant des phénomènes incertains.
• Lemme d’Itô : analogue stochastique du théorème fondamental du calcul, permettant de calculer la différentielle d’une fonction d’un processus d’Itô, en tenant compte de la variation quadratique du processus.
• Processus d’Itô : processus stochastiques pouvant s’écrire comme la somme d’une intégrale déterministe et d’une intégrale stochastique par rapport au mouvement brownien.
• Variation quadratique : mesure de la "variance accumulée" d’un processus stochastique, essentielle dans le calcul d’Itô.

Approche

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.

Résultats

Le travail établit plusieurs résultats importants :

• La construction de l’intégrale stochastique d’Itô est possible sous des hypothèses d’adaptabilité et d’intégrabilité quadratique, et elle possède des propriétés analogues à celles de l’intégrale classique, notamment la linéarité et la propriété de martingale.
• Les équations différentielles stochastiques peuvent être formulées rigoureusement comme des équations intégrales impliquant des intégrales stochastiques d’Itô.
• Le lemme d’Itô fournit une formule explicite pour la différentielle d’une fonction régulière appliquée à un processus d’Itô, en tenant compte du terme de diffusion et de la variation quadratique.
• Le modèle de Black & Scholes est une application directe de ce cadre, où le prix d’un actif suit une équation différentielle stochastique dont la solution est un processus lognormal.
• Les moments d’une variable lognormale sont explicités, ce qui est utile pour l’évaluation des espérances et variances des prix dans ce modèle.

Limitations et questions ouvertes

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.

Glossaire

• Processus de Wiener : processus stochastique continu avec accroissements indépendants et normaux, utilisé pour modéliser le bruit blanc en temps continu.
• Intégrale stochastique d’Itô : intégrale définie pour des processus adaptés par rapport au mouvement brownien, caractérisée par une évaluation "à gauche" des fonctions intégrées.
• Filtration : famille croissante de tribus représentant l’information disponible au fil du temps.
• Processus adapté : processus dont la valeur à l’instant t est mesurable par rapport à la filtration jusqu’à t.
• Processus prévisible : processus dont la valeur à l’instant t est déterminée par l’information strictement antérieure à t.
• Équation différentielle ordinaire (EDO) : équation reliant la dérivée d’une fonction à la fonction elle-même et au temps.
• Équation différentielle stochastique (EDS) : extension des EDO avec un terme aléatoire modélisant l’incertitude.
• Lemme d’Itô : formule donnant la différentielle d’une fonction régulière appliquée à un processus d’Itô, incluant un terme lié à la variation quadratique.
• Processus d’Itô : processus pouvant s’écrire comme la somme d’une intégrale déterministe et d’une intégrale stochastique.
• Variation quadratique : mesure de la somme des carrés des accroissements d’un processus, essentielle dans le calcul stochastique.
• Mouvement brownien standard : processus de Wiener avec moyenne nulle et variance égale au temps.
• Martingale : processus dont la valeur espérée conditionnelle future est égale à la valeur actuelle, modélisant une "juste" évolution sans tendance prévisible.
• Modèle de Black & Scholes : modèle financier où le prix d’un actif suit une EDS avec dérive et diffusion constants, solution lognormale.