Processus Stochastiques & Applications Financières

Cet article traite du processus de Wiener, aussi appelé mouvement brownien, un concept fondamental en mathématiques appliquées et en finance. Il s’adresse aux étudiants en mathématiques financières, en probabilités, ou à toute personne souhaitant comprendre comment modéliser l’évolution aléatoire des cours financiers sur des marchés continus.

La question

Le travail s’intéresse à la modélisation mathématique des mouvements aléatoires observés dans les marchés financiers, en particulier à la description rigoureuse du mouvement brownien ou processus de Wiener. Ce processus est essentiel pour représenter l’évolution des rendements d’un actif financier dans un cadre continu, ce qui est crucial pour la théorie financière moderne, notamment pour la valorisation des options et la gestion des risques.

Le problème principal est de comprendre comment passer d’un modèle discret, basé sur des marches aléatoires, à un modèle continu qui capture la nature irrégulière et imprévisible des fluctuations des prix sur les marchés.

Concepts de base

Le point de départ est la marche aléatoire, un processus stochastique discret où la valeur à l’instant n+1 dépend uniquement de la valeur à l’instant n plus un incrément aléatoire indépendant. Formellement, on définit :

Xn+1 = Xn + Yn+1

où les variables Yn sont indépendantes et identiquement distribuées, prenant des valeurs ±c avec certaines probabilités.

Cette marche aléatoire est une chaîne de Markov car l’évolution future dépend uniquement de l’état présent, et elle peut être une martingale si les incréments sont centrés (espérance nulle).

Un exemple concret est le modèle binomial de Cox-Ross-Rubinstein, où le logarithme du cours d’un actif évolue selon une marche aléatoire avec des rendements prenant deux valeurs possibles, modélisant ainsi la dynamique des prix en temps discret.

Pour passer à un modèle en temps continu, on considère la limite lorsque le nombre de sous-périodes N dans un intervalle [0, t] tend vers l’infini, avec la durée h de chaque sous-période tendant vers zéro. Le processus de rendement Zt est alors défini comme :

Zt = lim (N→+∞) XN = lim (N→+∞) ∑(n=1 à N) Yn

Les hypothèses économiques H1, H2 et H3 assurent que la variance des rendements ne devient ni infinie ni concentrée sur certains instants, ce qui est réaliste pour un marché financier.

Une propriété importante est que la variance des incréments Yn est de l’ordre de h, ce qui implique que les rendements sur un intervalle de longueur h sont proportionnels à h^1/2. Cette échelle est caractéristique du mouvement brownien.

Le processus de Wiener standard est la limite en loi de ces marches aléatoires normalisées. Il est défini par :

• Z0 = 0
• Trajectoires continues mais non dérivables en aucun point
• Accroissements indépendants et stationnaires
• Pour 0 ≤ s ≤ t, Zt − Zs suit une loi normale centrée de variance t − s

Cette irrégularité des trajectoires est contre-intuitive mais fondamentale : elle reflète la nature fractale et imprévisible des fluctuations des cours.

Le processus de Wiener est aussi une martingale, ce qui signifie que sa valeur espérée conditionnelle à l’information passée est égale à sa valeur actuelle, une propriété clé en finance pour modéliser des marchés sans arbitrage.

Approche

La méthode consiste à construire le mouvement brownien comme limite d’une marche aléatoire symétrique à temps discret, en faisant tendre la durée entre deux observations vers zéro. Cette construction repose sur le théorème central limite qui garantit la convergence en loi vers une variable normale, et donc vers un processus à accroissements normaux indépendants.

Les hypothèses H1, H2 et H3 encadrent la variance des incréments pour garantir une convergence non triviale et une modélisation réaliste des rendements financiers.

Ensuite, la généralisation du processus de Wiener standard introduit un terme de tendance µ et une volatilité σ, donnant naissance au processus de Wiener général :

Wt = µt + σ.Zt

où Zt est un mouvement brownien standard. Ce modèle permet d’incorporer une dérive moyenne dans les rendements, correspondant au rendement espéré de l’actif, tout en conservant la nature aléatoire des fluctuations.

Cette généralisation est obtenue en modifiant la marche aléatoire initiale pour que les incréments Yn aient une espérance µh et une variance σ^2h, avec h la durée de la sous-période.

Résultats

Le processus de Wiener standard possède plusieurs propriétés fondamentales :

• Trajectoires continues mais non dérivables en aucun point
• Accroissements indépendants et stationnaires
• Martingale par rapport à sa filtration naturelle
• Covariance entre Zt et Zs égale à min(t, s)
• Processus markovien

Le processus de Wiener général hérite de ces propriétés, avec en plus un terme de dérive µ qui modélise la tendance moyenne des rendements. Il est une sous-martingale ou sur-martingale selon le signe de µ.

Ces résultats confirment que le mouvement brownien est une bonne approximation du comportement des rendements financiers en temps continu, justifiant son utilisation dans la modélisation financière moderne.

De plus, certaines fonctions du processus de Wiener, comme Zt^2 − t ou exp(αZt − α^2t/2), sont également des martingales, ce qui est utile pour la construction de modèles financiers et d’outils d’évaluation.

Limitations et questions ouvertes

Le principal inconvénient du modèle de Wiener général est l’hypothèse que les paramètres µ et σ sont constants, indépendants du temps et du niveau atteint par le processus. Cette simplification limite la capacité du modèle à capturer des phénomènes plus complexes tels que la volatilité variable ou les effets de mémoire.

Une généralisation possible consiste à considérer µ et σ comme fonctions dépendant du temps et de l’état du processus, ce qui nécessite l’introduction d’intégrales stochastiques et de concepts plus avancés pour définir rigoureusement la limite.

Enfin, bien que le processus de Wiener soit une approximation réaliste pour des marchés continus, les marchés réels ne sont jamais parfaitement continus, et des modèles plus sophistiqués peuvent être nécessaires pour capturer certains aspects du comportement des prix.

Glossaire

• Marche aléatoire : Processus discret où chaque pas est une variable aléatoire indépendante, souvent symétrique.
• Processus de Wiener (mouvement brownien) : Limite continue d’une marche aléatoire, avec accroissements indépendants, stationnaires et normalement distribués.
• Martingale : Processus stochastique dont la valeur espérée conditionnelle à l’information passée est égale à la valeur actuelle.
• Filtration : Suite croissante de tribus représentant l’information disponible jusqu’à un instant donné.
• Accroissements indépendants : Propriété selon laquelle les variations du processus sur des intervalles disjoints sont indépendantes.
• Stationnarité : Propriété selon laquelle la loi des accroissements dépend uniquement de la longueur de l’intervalle, pas de sa position.
• Théorème central limite : Résultat fondamental assurant que la somme normalisée de variables indépendantes tend vers une loi normale.
• Processus markovien : Processus dont l’évolution future dépend uniquement de l’état présent, pas du passé.
• Intégrale stochastique : Généralisation de l’intégrale classique pour des processus aléatoires, nécessaire pour modéliser des processus avec paramètres variables.