Finance de Marché Modele Mathématiques A Temps Discret

Laurence Carassus Gilles Pags
Finance
demarch
Modles mathmatiques temps discret
lments de cours
24 problmes dexamens
Tous les corrigs
comments et dtaills
Table des matires
Avant-propos xi
0 Pour qui veut sattaquer directement aux problmes 1
Premire partie. lments de cours 11
1 Introduction 13
1.1 Sous-jacent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2 Actifs (ou produits) drivs . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Marchs financiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Le modle binomial une priode . . . . . . . . . . . . . . . . . . . . . . 21
2 Rappels de probabilits et danalyse convexe 25

2.1 Quelques notions de base en probabilits . . . . . . . . . . . . . . . . . . . 25
2.2 Esprance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 Martingales, surmartingales, sous-martingales . . . . . . . . . . . . . . . . 33
2.4 Temps darrt, enveloppe de Snell et arrt optimal . . . . . . . . . . . . . 36
2.5 Chanes de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.6 Supremum essentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.7 Thormes de sparation et cnes polyhdraux . . . . . . . . . . . . . . . 50
3 Modlisation des marchs discrets 53

3.1 Modle probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2 Actifs risqus et actif sans risque . . . . . . . . . . . . . . . . . . . . . . . 54
3.3 Portefeuille, stratgie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.4 Autofinancement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5 Financement avec entre/sortie . . . . . . . . . . . . . . . . . . . . . . . . 61
3.6 Produits drivs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4 Caractrisation de labsence dopportunit darbitrage 69

4.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2 Viabilit et absence dopportunit darbitrage . . . . . . . . . . . . . . . . 71
vi Table des matires
5 valuation et couverture de produits drivs europens par arbitrage 77

5.1 Notion de prix et de stratgie de couverture pour les produits drivs
europens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.2 valuation dactifs drivs europens dans un march viable . . . . . . . . 79
5.3 valuation dactifs drivs europens rplicables dans un march viable . 81
5.4 Application diffrents types de sous-jacents . . . . . . . . . . . . . . . . 85
5.5 Couverture approche et autres problmes connexes . . . . . . . . . . . . 87
6 valuation et couverture des options europennes en march complet 91

6.1 Dfinition et caractrisation dun march complet . . . . . . . . . . . . . . 91
6.2 Dmonstration du thorme de caractrisation probabiliste des marchs
complets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.3 Deux applications de la thorie des marchs complets . . . . . . . . . . . . 94
6.4 Algorithme dvaluation doptions europennes dans un modle markovien 96
7 Options europennes en march incomplet : thorme de surrplica-

tion 109
7.1 Thorme de dcomposition optionnel . . . . . . . . . . . . . . . . . . . . 110
7.2 Preuve du thorme de surrplication . . . . . . . . . . . . . . . . . . . . . 114
7.3 Lien entre les probabilits martingales et leurs densits . . . . . . . . . . . 115
8 Options amricaines 121

8.1 Prix et stratgie de couverture . . . . . . . . . . . . . . . . . . . . . . . . 121
8.2 Options amricaines en march complet . . . . . . . . . . . . . . . . . . . 123
8.3 Options amricaines en march incomplet . . . . . . . . . . . . . . . . . . 134
vous de travailler maintenant 139

Avertissement 141
Deuxime partie. Autour du modle binomial 143

9 Asymptotique dun modle binomial dissymtrique (**) 145
9.1 Prsentation et motivations . . . . . . . . . . . . . . . . . . . . . . . . . . 145
9.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
9.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
9.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10 propos de couverture (**) 157

10.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
10.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
10.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
Table des matires vii
11 De la bouchre la doubling strategy : telle mre, telle fille. . . (**)165

11.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
11.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
11.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
Troisime partie. Quelques options exotiques 177

12 propos doptions dachat asiatiques (*) 179
12.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
12.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
12.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
13 Arbre binomial et options exotiques (***) 191

13.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
13.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
13.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
Quatrime partie. Quelques autres problmes en march

complet 199
14 Dici et de l-bas (*) 201
14.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
14.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
14.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
15 Consommer et investir : loptimal (**) 207

15.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
15.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
15.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
Cinquime partie. Arrt optimal et options amricaines 221

Avertissement 223
16 Amricaines et sans (trop de) regret (**) 225

16.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
16.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
16.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
viii Table des matires
17 Retour sur le Put amricain : la frontire libre (**) 231

17.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
17.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
17.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
18 Contrle dune amricaine par une europenne. . . (***) 239

18.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
18.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
18.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
19 Lenveloppe de Snell est aussi un infimum (**) 245

19.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
19.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
19.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
20 Formulation duale multiplicative de lenveloppe de Snell (**) 249

20.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
20.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
20.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
21 Temps darrt optimal versus temps darrt optimaux (***) 253

21.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
21.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
21.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
22 propos doptions digitales (***) 261

22.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
22.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
22.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
23 Lenveloppe de Snell passera-t-elle la limite ? (**) 267

23.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
23.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
23.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
24 propos doptions la crie. . .(***) 273

24.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
24.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
24.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
Table des matires ix
25 Alors, on swingue ? (**) 281

25.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
25.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
25.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
26 La princesse et son dilemme paramtrique (**) 289

26.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
26.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
26.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
Sixime partie. Marchs incomplets, marchs imparfaits 301
27 La transformation dEsscher est-elle viable ? (**) 303

27.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
27.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
27.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
28 Viable mais incomplet. . . (*) 311

28.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
28.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
28.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
29 Modle trinomial et viabilit (*) 317

29.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
29.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
29.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
30 Volatilit stochastique et risques rsiduels ? (**) 327

30.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
30.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
30.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
31 Surrplication : trop cher ? (***) 337

31.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
31.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
31.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
x Table des matires
32 Viabilit et surrplication : cas de contraintes coniques (***) 353

32.2 nonc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
32.3 Corrig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
32.4 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
Bibliographie 375
Index 383
Avant-propos
Cet ouvrage propose des lments de cours, ainsi que des problmes corrigs sur le thme
des mathmatiques financires temps discret. Visant un public vari, il est adapt
aux tudiants de Master de mathmatiques financires, mais aussi aux tudiants de
Master de mathmatiques appliques ou prparant lagrgation et leurs enseignants
la recherche de problmes dapplication, notamment en vue de lpreuve de mod-
lisation. Nous pensons que les praticiens, souhaitant approfondir certaines notions de
mathmatiques financires, y trouveront aussi un intrt.
Cet ouvrage peut tre utilis de diverses faons. On peut y voir un livre de problmes
corrigs permettant de sentraner aux mathmatiques financires, aux probabilits et
certaines notions danalyse convexe. Un tel livre nexistant pas notre connaissance,
cest dailleurs ce qui en a motiv lcriture. On y trouvera une gamme de problmes
varis, tant par leur sujet que par leurs difficults mathmatiques gradues (codifies
par les symboles (*), (**) et (***), du plus simple au plus complexe). La plupart des
problmes proposs sont des sujets dexamen donns, au fil des ans, dans divers cours de
mathmatiques financires, Master 1, ex-DEA ou Master 2 dispenss dans les universits
o les auteurs ont exerc : Universit Pierre et Marie Curie-Paris 6 (Master 2 Probabilits
& Finance dit El Karoui ), Universit Paris-Diderot-Paris 7 (Master 2 M2MO dit L.
lie et M1 et M2 ISIFAR), Universit Reims Champagne-Ardenne (Master 2 SEP),
Universit Paris 1-Panthon-Sorbonne (Master 1 et Master 2 MMMEF) et Universit
Paris 12-Paris-Est-Crteil (Master 1).
Les noncs tant volontairement reproduits dans leur forme originelle, certaines rp-
titions sont invitables et les notations peuvent varier marginalement sur certains points.
Certains dentre eux sont autosuffisants et pourraient tre traits sans pratiquement
aucune connaissance pralable en mathmatiques financires. cette fin, nous proposons
le chapitre 0 : il prsente un rsum trs rapide des diffrentes notions utilises et peut
permettre un accs direct aux problmes.
Ce livre est aussi destin tous ceux qui souhaitent se former aux mathmatiques
financires. Il propose donc plusieurs portes dentre correspondant aux divers niveaux
de familiarit du lecteur avec la finance et leurs mathmatiques. Le dbutant voulant
se former rapidement lira les chapitres 3 (ventuellement sans la section 3.5), 4, 6 et la
section 8.2. Il aura alors acquis les bases des mathmatiques financires la Lamberton-
Lapeyre (voir [Lamberton et Lapeyre (1997)], ouvrage qui reste pour nous louvrage
incontournable dintroduction aux mathmatiques financires) : un prix est lesprance,
sous une bonne probabilit, des flux futurs ( une actualisation prs). Les lments de
cours ont t crits pour permettre aussi une autre approche, plus conomique, de la
notion de prix : un prix pour un vendeur est le montant minimum lui permettant de
xii Avant-propos
livrer le bien tout en restant solvable. Le chapitre 5 explicite cette approche et fait le
lien avec lapproche probabiliste dvaluation via lesprance.
Insistons un instant sur un point structurel de ce livre. Le fait quil soit crit en
temps discret nous a permis de simplifier les outils probabilistes utiliss, et ainsi de
pouvoir exposer et traiter directement les principaux aspects des problmes dvaluation
en mathmatiques financires. Malheureusement, cette simplification a un cot puisque
les marchs discrets sont gnriquement incomplets et perdent donc la plupart du temps
la bonne proprit de compltude se traduisant en pratique par lunicit de la
probabilit risque-neutre quivalente . Nous proposons donc un dernier niveau de
formation sur les marchs incomplets : ce sont les lments de cours du chapitre 7 et de
la section 8.3 ainsi que les problmes de la partie VI. Si la crise de 2008 a eu un impact
fort la baisse sur le niveau de technicit des marchs financiers, elle a aussi rvl le
caractre incomplet de (presque) tous les marchs financiers. Ce livre permettra donc
aux lecteurs dj au fait des bases des mathmatiques financires de se former la notion
dincompltude et ses consquences.
Ainsi peut-on utiliser cet ouvrage comme indiqu plus haut, indiffremment comme
un livre de problmes corrigs ou, plus classiquement, commencer par les lments de
cours. Dans tous les cas, nous recommandons la lecture du chapitre 1. Il sagit de planter
le dcor dans une introduction qui, saffranchissant parfois de nos objectifs essentiellement
mathmatiques, propose une brve prsentation des marchs financiers, organiss ou
non, des produits financiers et de leurs drivs. De notre point de vue, ce qui peut
paratre comme un dtour, est en fait indispensable la comprhension de certains
enjeux actuels de la finance de march. Le chapitre 2 a galement un statut particulier :
cest notre bote outils. Il runit lensemble des notions ncessaires la comprhension
des lments de cours et des problmes. Nanmoins, ce livre ncessite et prsuppose
donc des connaissances minimales en probabilits, le chapitre 2 ne faisant que rappeler
trs succinctement les notions de base utilises, avec pour but essentiel de prciser les
notations.
Nous remercions vivement toutes celles et ceux qui ont particip llaboration de
cette premire dition et, en tout premier lieu, nos tudiants qui, anne aprs anne, ont
pein sur tous ces problmes et nous ont motivs pour leur en imaginer de nouveaux.
Nous remercions galement Catherine Dufresne-Wateau et Romain Blanchard pour leur
relecture minutieuse du livre. Nos remerciements vont enfin nos collgues, qui nous ont
fait lamiti den relire certaines parties : Anne-Laure Bronstein, Noufel Frikha, Cline
Labart et Abass Sagna.
Malgr les nombreuses relectures, des coquilles sommeillent srement a et l : nous
remercions par avance les lecteurs qui voudront bien nous les signaler mais aussi nous
faire part de leurs commentaires et suggestions.
Paris, le 15 juin 2015,

L. Carassus et G. Pags
CHAPITRE 3
Modlisation des marchs discrets
3.1 Modle probabiliste

Nous nous donnons un espace probabilis (, F, P). Un lment gnrique de est
parfois appel scnario (cette terminologie est propre aux mathmatiques financires).
La probabilit P reprsente la probabilit relle du monde dans lequel nous nous
plaons et est appele probabilit historique. Dans nos problmes de calcul de prix dactifs
drivs, son rle est de distinguer les scenarii importants de ceux qui ne le sont pas :
elle donne les ensembles de mesure nulle. Comme nous supposerons souvent que la
probabilit historique charge tous les scenarii, celle-ci jouera donc un rle mineur et
dautres probabilits seront introduites sur .
Nous verrons que, dans le cas des marchs dits complets, on peut sans vritable perte
de gnralit supposer fini. Le fait que soit fini permet de simplifier les preuves bien
sr et offre galement une prsentation beaucoup plus aise des principaux concepts.
En particulier, on ne doit pas faire dhypothse dintgrabilit et lon peut spargner
beaucoup dgalits ou dingalits P-p.s. Nous prciserons dans chaque chapitre dans quel
contexte nous nous trouvons. Mais, sauf mention explicite du contraire (essentiellement
dans les parties traitant des marchs incomplets), nous allons faire les trois hypothses
suivantes :
(i) lespace est suppos fini,
(ii) est muni de sa tribu grossire P() (engendre par tous les scenarii lmentaires
{}, ),
(iii) P({}) > 0 pour tout : la probabilit historique charge tous les scenarii.
Un espace probabilis (, F, P) vrifiant (i), (ii) et (iii) est dit non redondant.
La probabilit P sera aussi appele probabilit non redondante. Lhypothse de non
redondance signifie quil ny a pas dans de scnario inutile .
Une probabilit P sur un espace non redondant est entirement caractrise par la
donne dune famille
p := P({}), ,
vrifiant : X
, p > 0 et p = 1.

54 Chapitre 3. Modlisation des marchs discrets
Par ailleurs, toute application X : R est une variable alatoire relle, puisque, pour
tout borlien B B(R), X 1 (B) P().
Lespace vectoriel L0R (, F, P) des variables alatoires relles sur confond donc avec
le R-espace vectoriel de dimension ||( 1 ) des applications de dans R, not R . Il en
p
est de mme de L R (, F, P) et de LR (, F, P) pour p ]0, [ (lindice R sera souvent
omis dans la suite). Lesprance par rapport la probabilit P sera note EP ou, plus
simplement, E en labsence dambigut. Elle est dfinie par
X
EP (X) = p X().

noter que, grce lhypothse de non-redondance, lapplication
(X, Y ) 7 E(XY )
dfinit un vritable produit scalaire sur R .

Nous nous donnons un horizon de temps entier et fini T N . En gnral, T correspond
lhorizon des actifs financiers analyser.
Nous munissons alors lespace probabilis (, F, P) dune filtration (voir dfini-
tion 2.3.1), i.e. dune suite croissante pour linclusion de sous-tribus de F, note
F = (Ft )t{0,...,T } . La sous-tribu Ft reprsente linformation observable ou dispo-
nible chacun des instants t {0, . . . , T } : la croissance pour linclusion rend compte
du fait que linformation saccumule au fil du temps. Le plus souvent, mais pas toujours,
la tribu F0 sera la tribu triviale, i.e.,
F0 := {, }
et la tribu terminale FT la tribu grossire P(). La trivialit de F0 rend compte du

fait que le prsent est dterministe ds quil est observable et la grossiret de FT est
comme la non-redondance une caractristique de la minimalit du modle.
3.2 Actifs risqus et actif sans risque

Considrons un march financier constitu de d + 1 actifs ngociables nots selon les
cas S 0 , S 1 , . . . , S d ou plus simplement 0, 1, . . . , d. Ce march a pour horizon lentier
T N on parle aussi de march T priodes et t = 0, 1, 2, . . . , T dsignent de faon
gnrique les T + 1 instants de cotation de ce march. La nature des actifs financiers
variera de problmes en problmes (actions sans dividendes, actifs ngociables associs
des actions distribuant des dividendes, taux de change, taux dintrt). Pour chaque
t {0, . . . , T }, Sti dsigne le prix (ou valeur ou cotation) de lactif S i linstant t( 2 ).
Les Sti sont modliss par des variables alatoires positives, dfinies sur le mme espace
probabilis filtr (, F, F, P), o lon rappelle que F = (Ft )t{0,...,T } .
1 |A| dsigne ici le cardinal de lensemble A.

2 Il est implicite dans cette dfinition que ce march fonctionne sans cot de transaction, quil ny a donc
pas de prix bid et ask pour les actifs sous-jacents. Il sagit l videmment dune restriction peu raliste
mme si elle est souvent adopte.
3.2 Actifs risqus et actif sans risque 55
Nous nous plaons dans un cadre o, chaque instant t, les prix des actifs ngociables
du march sont observables et ne dpendent que de linformation disponible en t. Cela
se traduit par le fait que, pour tout t {0, . . . , T }, les prix (St0 , St1 , . . . , Std ) des actifs
la date t sont Ft -mesurables. En particulier, ceci est quivalent (St0 , St1 , . . . , Std ) Ft ,
o (St0 , St1 , . . . , Std ) dsigne la plus petite tribu sur rendant les variables alatoires Sti ,
i = 0, . . . , d, mesurables (voir dfinition 2.1.4). Comme Ft est croissante pour linclusion,
on en dduit quen fait
0
...S d
FtS := (Ss0 , Ss1 , . . . , Ssd , i = 0, . . . , d, s = 0, . . . , t) Ft ,
soit encore, en termes plus synthtiques, la suite (St0 , . . . , Std )t{0,...,T } est F-adapte.
0 d
On considre dailleurs souvent pour F la filtration (FtS ...S )t{0,...,T } appele filtration
propre et engendre par la suite des prix (St0 , St1 , . . . , Std )t{0,...,T } .
3.2.1 Dfinition
En termes de modlisation, nous distinguerons lactif S 0 des autres actifs. Mathmati-
quement, nous imposerons que
S00 = 1 et t {1, . . . , T }, St0 > 0.
Grce lhypothse St0 > 0, lactif S 0 permet de transfrer, ventuellement perte,

de largent dune date lautre. La quantit St0 reprsente la capitalisation la date t
dune unit montaire place dans lactif 0 la date 0. Cet actif rend donc compte de
la rmunration des liquidits, ainsi que de leur cot demprunt au jour le jour. Il est
souvent appel numraire. Cet actif est reli la notion de taux dintrt. En effet, la
quantit dfinie, pour tout t {1, . . . , T }, par
St0 St1
0
St0
rt := 0 = 0 1,
St1 St1
dsigne le rendement de lactif S 0 entre t 1 et t et nest autre que le taux dintrt dun
placement fait en t, entre t et t + 1. Il sagit donc du processus des taux dintrt court
terme, i.e. le montant des intrts requis ou vers en t pour 1 euro emprunt ou plac en
1
t 1. Ceci est quivalent affirmer que 1+r t
est le prix en t 1 dun 0-coupon versant 1
euro en t. videmment, on obtient que
t
Y
St0 = (1 + rs ). (3.2.1)
s=1
Notons que lon dsigne souvent S 0 sous le nom dactif sans risque, tort (puisque que
lon ne suppose mme pas rt > 0).
Par extension, les d autres actifs ngociables du march S 1 , . . . , S d sont appels actifs
risqus. Nous noteronsSt := (St1 , . . . , Std ) le vecteur des prix des actifs risqus linstant
t et St := (St0 , St ) le vecteur des prix de lensemble des d + 1 actifs.
Ainsi, si lon rsume les hypothses faites :

(i) (, F, P) est non redondant,
(ii) F est une filtration telle que F0 = {, } et FT = F,
(iii) S = (S 0 , S) est F-adapt,
(iv) S00 = 1 et St0 > 0, t {1, . . . , T }.
Notation : Un tel march financier est dsign par
M(, P(), P, F, S 0 , S).
Dans lnonc de certaines dfinitions, thormes et dans certains problmes, nous

considrerons un espace infini non dnombrable et nous ne pourrons plus faire la
premire hypothse (i) ; dans ce cas le march sera alors not
M(, F, P, F, S 0 , S).
Dans les sections 3.3, 3.4 et 3.5, certaines dfinitions ou propositions sont donnes en se
rfrant F sans prciser si F = P() ou non, car ces noncs, bien que donns dans le
cadre fini, seront aussi utiliss dans le cadre infini.
Remarquons que, dans le cadre des modles temps continu, le numraire S 0 et les
actifs risqus S i ne sont habituellement pas des processus de mme nature probabiliste.
Ce nest pas le cas pour les marchs en temps discret. Mais nous allons voir dans le
paragraphe suivant que, cependant, le numraire S 0 joue un rle particulier au sein des
actifs ngociables.
3.2.2 Actualisation
La valeur actualise dun actif ngociable est sa valeur exprime en units de numraire :
chaque instant t {0, . . . , T }, nous dfinissons donc la valeur actualise de lactif i par
Si
Seti := 0t .
St
Dans un univers dterministe, cest la quantit de liquidits quil faut dtenir

lorigine (t = 0) et qui, place dans le numraire S 0 entre les dates 0 et t, aura pour
valeur capitalise Sti la date t. Lactualisation consiste donc valuer les prix des
actifs, non plus en units montaires (e), mais en units de numraire. On talonne ainsi
lvolution des actifs risqus laune de lactif dit sans risque , i.e. la rmunration
des liquidits.
Il est noter que Se0 = 1 identiquement pour t {0, . . . , T }.
t
Les Seti sont videmment des variables alatoires positives dfinies sur , Ft -adaptes
(en particulier Seti na videmment aucune raison dtre connue la date initiale).
Nous dfinissons alors le vecteur des prix actualiss des actifs risqus par
Se := (Se1 , . . . , Sed ).
3.3 Portefeuille, stratgie 57
3.3 Portefeuille, stratgie

Tout agent (ou oprateur ou investisseur) sur le march dcrit ci-dessus va se constituer
un portefeuille et va donc dtenir chaque instant t {1, . . . , T } un certain nombre
de chacun des actifs du march. Ds la diffusion des cotations linstant t 1, cet
agent, au vu des informations disponibles cet instant, cest--dire Ft1 , va prvoir une
modification de la composition de son portefeuille qui sera effective linstant t.
Nous noterons donc it la quantit dactif i dtenue en portefeuille la date t, ou,
plus prcisment, sur la priode ]t 1, t] .
Chaque it est une variable alatoire dfinie sur lespace probabilis filtr (, F, F, P)
associ au march. Nous notons t := (1t , . . . , dt ) le vecteur alatoire des quantits
dactifs risqus dtenues la date t {0, . . . , T }, = (t )t{0,...,T } le processus (vectoriel)
de ces quantits et, enfin, avec des notations videntes, := (0 , ).
Le choix de t ne dpend que de linformation disponible la date t 1 pour tout t 1 :
t est Ft1 -mesurable.
La suite = (it )t{0,...,T } est donc suppose prvisible.
Le cas t = 0 est un peu particulier et nous verrons que les quantits investies cette
date ninterviennent pas rellement. Ds que F0 = {, }, 0 tant F0 -mesurable, cest
une constante.
Par extension, nous dirons quun processus est prvisible si
t est Ft1 -mesurable, t {1, . . . , T } et 0 est F0 -mesurable.
Dfinition 3.3.1 Une suite (t )t{0,...,T } de vecteurs F-prvisibles valeurs dans Rd+1
est appele portefeuille ou stratgie.
La dfinition suivante est propre au cas o est infini.
Dfinition 3.3.2 Dans le cas o est infini, les stratgies sont dites P-admissibles si,
en outre, pour tout t, ( : S)
e t est Q-intgrable (voir la dfinition 2.3.4) lorsque Q parcourt
une famille P de probabilits (voir le thorme 4.2.3 ci-aprs pour la dfinition de P).
Daprs la remarque 3.4.4 ci-aprs, cela revient supposer que la valeur du portefeuille
est intgrable pour toute probabilit risque-neutre quivalente. On notera que, par
exemple, les stratgies bornes sont toujours admissibles.
Remarque 3.3.3 Nous avons choisi dadopter la convention selon laquelle les stratgies
sont prvisibles. Ce choix a t fait par souci de cohrence avec la modlisation en temps
continu. On peut alternativement choisir les stratgies adaptes. On suppose alors que,
pour tout t = 0, . . . , T 1, it reprsente la quantit dactif i dtenue sur la priode
[t, t + 1[ pour i = 0, . . . , d. Il faut alors modifier les dfinitions qui suivent en consquence.
Le produit it Sti correspond au montant investi en actif i = 0, . . . , d la date
t {0, . . . , T }. En consquence, la valeur dun tel portefeuille (ou stratgie) est donne
chaque instant t par
d
X
Vt = it Sti = 0t St0 + t .St = t .St .
i=0
Remarque 3.3.4 Nous ferons la convention suivante : X.Y dsignera systmatiquement

le produit scalaire des vecteurs alatoires X par Y dans leur espace dtats. Ainsi, pour
chaque , t .St () rsulte dun produit scalaire dans Rd et t .St () dun produit
scalaire dans Rd+1 .
Souvent, la valeur initiale du portefeuille joue un rle particulier, elle sera note x,
x = V0 = 00 S00 + 0 .S0 . (3.3.1)
Si x > 0, il faut un capital pour initialiser la stratgie, si x < 0, linverse, ce portefeuille

dgage un profit au dpart.
La valeur actualise dun portefeuille la date t {0, . . . , T } est dfinie par
V
Vet := t0 = 0t + t .Set = t .S
et
St
e t = St = (1, Set ) pour tout t {0, . . . , T }.

o S
St0
3.4 Autofinancement
Nous allons dans un premier temps traduire la notion dautofinancement dun portefeuille.
Comme lindique son nom, il sagit de construire, date aprs date, un portefeuille se
finanant lui-mme : la liquidation du portefeuille de la date prcdente permet exactement
de construire celui de la date suivante.
Considrons donc les deux quantits suivantes pour t {1, . . . , T }
la valeur du portefeuille juste aprs les cotations de linstant t 1 est donne par
t1 .St1 = 0t1 St1

0
+ t1 .St1 ,
la valeur du portefeuille aprs le redploiement dcid par linvestisseur au vu des

cotations de t 1 et juste avant celles de t est donne par
t .St1 = 0t St1
0
+ t .St1 .
La conservation de la valeur pendant financier de la loi de conservation de la

masse induit lgalit immdiate suivante
t1 .St1 = t .St1 .
Do la dfinition suivante.
Dfinition 3.4.1 Un portefeuille (t )t{0,...,T } de vecteurs F-prvisibles valeurs dans

Rd+1 est autofinanc si, pour t {1, . . . , T },
t1 .St1 = t .St1 . (3.4.1)

3.4 Autofinancement 59
Ceci se rcrit
t .St1 = 0, t {1, . . . , T }.
0
Soit encore, en utilisant la forme actualise obtenue en divisant par St1 ,
t .S
e t1 = 0, t {1, . . . , T }. (3.4.2)
Remarquons que, daprs lhypothse dautofinancement (3.4.1), pour tout t {1, . . . , T },
Vt = Vt Vt1

= t .St t1 .St1
= t .St t .St1 = t .St .
Do, lidentit
Vt = t .St , t {1, . . . , T }. (3.4.3)
La notion dautofinancement se traduit donc par le fait que la variation de valeur du
portefeuille entre deux instants successifs t 1 et t ne provient que de la variation des
cours entre ces mmes instants. En sommant les relations (3.4.3) entre les instants 1 et t,
pour tout t {1, . . . , T }, on obtient alors
t
X
Vt = 0 .S0 + s .Ss . (3.4.4)
s=1
La valeur dun portefeuille autofinanc est donc chaque instant la somme de linvestis-
sement initial x = 0 .S0 et des gains algbriques raliss au fil des cotations.
Lquation (3.4.2) sinterprte son tour, en sparant actifs risqus et sans risque, et
en utilisant que Set = 1,
0t = t .Set1 . (3.4.5)
Ceci signifie que lon peut remanier son portefeuille autofinanc comme lon veut sur
les actifs risqus, sous rserve de se financer ou de placer ses excdents de liquidits en
numraire. En remarquant que, par hypothse (voir lquation (3.3.1)), 00 = x 0 .S0 et,
par autofinancement, 01 = x 1 .S0 , on tablit par une rcurrence immdiate lidentit
t
X
0t = x 1 .S0 s .Ses1 , t {2, . . . , T }. (3.4.6)
s=2
En dautres termes, le processus des quantits dactif sans risque (0t )t{0,...,T } est
entirement dtermin par le couple constitu de linvestissement initial x et du pro-
cessus = (t )t{0,...,T } des quantits investies en actifs risqus. On voit mme que
(0t )t{1,...,T } est entirement dtermin par x et = (t )t{1,...,T } . Nous allons pour-
suivre le raisonnement et montrer que la valeur dun portefeuille autofinanc dans
son ensemble est caractrise par x et (t )t{1,...,T } . Nous verrons, comme annonc
prcdemment, que la stratgie linstant 0 nintervient pas dans la dtermination de
V . Reprenons la dmonstration de lidentit (3.4.4), mais en considrant cette fois le

processus des valeurs actualises et en remarquant que Set0 = 0. Il vient alors que
Vet = Vet Vet1

= t .Se t t1 .S
e t1
e t t .S
= t .S e t1 = t .Set
= t .Set . (3.4.7)
En sommant entre les instants 1 et t, pour tout t {1, . . . , T }, et en utilisant lqua-
tion (3.3.1), on obtient :
t
X
Vet = x + s .Ses , t {2, . . . , T }. (3.4.8)
s=1
soit encore !
t
X
Vt = St0 x+ s .Ses . (3.4.9)
s=1
Dfinition 3.4.2 On appellera caractristiques du portefeuille autofinanc = (0 , )

au sens de sa valeur le couple (x, (t )t{1,...,T } ), o x = 00 + 0 .S0 et lon notera de
manire alternative
Vtx, := Vt
la valeur du portefeuille autofinanc linstant t.
Rciproquement, tant donn x R et (t )t{1,...,T } , un processus vectoriel F-prvisible
valeurs dans Rd , on peut construire (0t )t{1,...,T } grce lidentit (3.4.6) de telle
sorte que le portefeuille = (0t , t )t{1,...,T } soit autofinanc et que Vtx, = Vt . On
notera que 00 et 0 ne sont pas compltement identifis : on sait juste que x = V0x, =
V0 = 00 + 0 .S0 .
Remarque 3.4.3 Les stratgies la date 0 ne sont pas trs importantes pour dfinir la
valeur dune stratgie autofinance puisque V0 = 01 + 1 .S0 . On peut adopter plusieurs
conventions :
(i) 00 = 01 et 0 = 1 ,
(ii) 00 = 0 et 0 .S0 = x, i.e on dbute la stratgie sans liquidits,
(iii) 00 = x et 0 = 0, i.e on dbute la stratgie sans actifs risqus.
Chacune de ces possibilits prsente des avantages et des inconvnients, aussi choisirons-
nous de ne pas spcifier 00 et 0 . Il faudra donc, ds prsent, considrer =
(t )t{1,...,T } lorsque lon crit Vtx, .
Remarque 3.4.4 La transforme Pt du processus S par est spcifie dans la dfinition

2.3.4 par ( : S)t = 0 .S0 + s=1 s .Ses . Et donc, daprs les formules (3.4.8) et (3.3.1),
Vet = x 0 .S0 + ( : S)t

= 00 + ( : S)t .
3.5 Financement avec entre/sortie 61
Remarque 3.4.5 Si lon choisit des stratgies adaptes, la condition dautofinancement

change. En effet, la date t {1, . . . , T }, linvestisseur au vu de linformation disponible
la date t en lespce Ft rajuste sa stratgie t1 dtenue entre [t1, t[, en t dtenue
entre [t, t + 1[ ; ce rajustement se fait la cotation de la date t et lautofinancement
scrit
t1 .St = t .St .
3.5 Financement avec entre/sortie

Contrairement la section prcdente, nous allons envisager dautoriser chaque instant
lintervenant, soit recevoir, soit dpenser de largent en dehors des actifs financiers
du march. Ainsi, cest le cas, par exemple, si lintervenant reoit un salaire ou dcide de
consommer en dehors des actifs financiers du march, une partie de largent investi. Ce
montant est dcid au vu de linformation disponible la date t. Nous noterons donc
ct le montant de liquidits dpens ou reu localement la date t.
Chaque ct est une variable alatoire dfinie sur lespace probabilis filtr (, F, F, P)
associ au march financier, elle est suppose Ft -adapte.
Les notions lies lautofinancement avec entre/sortie seront utiles pour parler de
stratgie minimale de couverture (voir dfinition 5.1.3) et aussi, plus directement, pour
modliser et rsoudre le problme de consommation optimale (voir problme 15).
Dfinition 3.5.1 Une suite (ct )t{0,...,T } de variables alatoires F-adaptes valeurs
dans R est appele processus dentre/sortie locale. Si ct 0, on parle de consommation
locale.
Le choix fait dans la section prcdente pour dfinir la valeur du portefeuille ne
tenait pas compte de lapport ou du retrait dargent chaque date. Nous allons donc
maintenant considrer la valeur du portefeuille une fois lentre/sortie locale effectue,
que nous noterons Vt,c , et donne par
Vt,c := Vt ct = t .St ct , t {0, . . . , T }.
Il est naturel de le dsigner sous le nom de valeur nette dentre/sortie associe au

portefeuille et au processus dentre/sortie locale c (par extension nous appellerons
souvent portefeuille le couple (, c)). Les deux processus de valeur V et V ,c concident
videmment en labsence dentre/sortie locale c 0.
La valeur actualise dun portefeuille (, c) est dfinie par
V ,c
Vet,c := t 0 = 0t + t .Set ct = t .S
e t ct
St
ct
o ct = St0
pour tout t (processus dentre/sortie locale actualis).
Intressons-nous maintenant la variation de la richesse de linvestisseur entre deux
instants t 1 et t, pour t {1, . . . , T }.
Considrons les trois quantits suivantes :

la valeur du portefeuille juste aprs les cotations de linstant t 1 est
t1 .St1 = 0t1 St1

0
+ t1 .St1 ,
lentre/sortie locale en t 1 est ct1 ,

la valeur du portefeuille aprs le redploiement dcid par linvestisseur au vu
des cotations de t 1 et juste avant celles de t et avant lentre/sortie locale
linstant t est
t .St1 = 0t St1
0
+ t .St1 .
En appliquant nouveau, la loi de conservation de la valeur, on obtient
t1 .St1 ct1 = t .St1
Ceci conduit la dfinition ci-aprs.
Dfinition 3.5.2 Un portefeuille (t )t{0,...,T } de vecteurs F-prvisibles valeurs dans

Rd+1 est dit financ par un processus dentre/sortie locale (ct )t=0,...,T si, pour t
{1, . . . , T },
t1 .St1 ct1 = t .St1 . (3.5.1)
Ceci se rcrit pour tout t {1, . . . , T } en
t .St1 = ct1 . (3.5.2)
Sous forme actualise, on obtient pour tout t {1, . . . , T }

e t1 = ct1 .
t .S (3.5.3)
Remarquons daprs la loi de conservation (3.5.1) que, pour t {1, . . . , T }
Vt,c = Vt,c Vt1

,c
= t .St ct (t1 .St1 ct1 )
= t .St ct t .St1 = t .St ct .
Do lidentit fondamentale
Vt = t .St ct , t {1, . . . , T }. (3.5.4)
Comme prcdemment, linvestissement initial ncessaire la mise en uvre de la

stratgie sera not x, et vrifie donc
d
X
x = V0,c = 00 + i0 S0i c0 .
i=1
Nous allons nous appuyer sur cette formulation pour dfinir les caractristiques dun
portefeuille. En effet, il est vident partir de la formule (3.5.3) que

0t = 0t1 t .Set1 + ct1 .
3.5 Financement avec entre/sortie 63
Ainsi, comme par dfinition 00 = x 0 .S0 + c0 , et daprs la formule (3.5.1), 01 =

x 1 .S0 . Par une rcurrence immdiate, on obtient pour t {2, . . . , T },
t
X
0t = x 1 .S0 s .Ses1 + cs1 . (3.5.5)
s=2
En dautres termes, pour le processus dentre/sortie (ct )t{0,...,T } donn, lquation de

financement par entre/sortie (3.5.1) permet de dterminer entirement le processus des
quantits dactifs sans risque (0t )t{0,...,T } partir de linvestissement initial x et du
processus des quantits investies en actifs risqus. Comme dans le cas autofinanc,
nous allons voir que la valeur du portefeuille V ,c ne dpend pas de c0 et 0 . Reprenons
la preuve de la relation (3.5.4), mais en utilisant le processus des valeurs actualises. En
remarquant que Set0 = 0, il vient que pour t {1, . . . , T }

Vet,c = Vet,c Vet1 ,c
= t .S e t ct t1 .S
e t1 ct1
= t .Set ct = t .Set ct . (3.5.6)
En sommant entre les instants 1 et t, on obtient pour tout t {1, . . . , T }

t
X t
X
Vet,c = x + s .Ses cs , (3.5.7)
s=1 s=1
ou encore !
t
X t
X
Vt,c = St0 x+ s .Ses cs . (3.5.8)
s=1 s=1
Dfinition 3.5.3 On appellera caractristiques au sens de sa valeur du portefeuille

= (0 , ) financ par le processus entre/sortie c, le triplet (x, (t )t{1,...,T } , (ct )t{1,...,T } )
o x = 00 + 0 .S0 c0 et nous noterons de manire alternative
Vtx,,c := Vt,c
la valeur linstant t dun portefeuille financ par le processus entre/sortie c.

Soit x R, := (t )t{1,...,T } un processus vectoriel valeurs dans Rd , F-prvisible
et c := (ct )t{1,...,T } un processus rel F-adapt, alors on peut construire (0t )t{1,...,T }
grce lidentit (3.5.5), de telle sorte que (t )t{1,...,T } soit financ par entre/sortie et
que Vtx,,c := Vt,c . Encore une fois, 00 , 0 et c0 ne sont pas compltement identifis
puisque lon sait juste que x = 00 + 0 .S0 c0 .
Remarque 3.5.4 Les stratgies et la consommation la date 0 ne sont pas trs

importantes pour dfinir la valeur dune stratgie finance par entre/sortie puisque
V0,c = 01 + 1 .S0 c0 . On peut adopter plusieurs conventions, chacune privilgiant le
choix dune consommation nulle en 0 :
(i) 00 = 01 , 0 = 1 et c0 = 0,
(ii) 00 = 0, 0 .S0 = x et c0 = 0,
(iii) 00 = x, 0 = 0 et c0 = 0.
Au vu de ces commentaires, nous choisissons de ne pas de spcifier 00 et 0 dans la
suite. Nous allons introduire une notion de consommation cumule et, de ce fait, il est
pratique de choisir c0 = 0.
Il faudra donc ds prsent considrer des suites = (t )t{1,...,T } et c = (ct )t{0,...,T }
avec c0 = 0 lorsque lon crit Vtx,,c .
Remarque 3.5.5 Un portefeuille financ par entre/sortie est autofinanc si et

seulement c = 0.
On voit alors que ces caractristiques sont (x, , 0). Nous adopterons bien videmment
les notations de la section prcdente et noterons (x, ) en lieu et place de (x, , 0), soit
encore
Vt,0 = Vt et Vtx,,0 = Vtx, .
Nous dduisons immdiatement de lquation (3.5.8) les proprits de linarit et de
croissance suivantes du processus (Vtx,,c )t{0,...,T } .
Proposition 3.5.6 (a) Lapplication

(x, , c) 7 (Vtx,,c )t{0,...,T }
est linaire.
(b) Lapplication c 7 (Vtx,,c )t{0,...,T } est dcroissante au sens o, si ct c0t pour tout
t {0, . . . , T }, alors
0
Vtx,,c Vtx,,c , t {0, . . . , T }.
(c) Pour tout t {0, . . . , T }, lapplication x 7 Vtx,,c est strictement croissante.
Dfinition 3.5.7 partir dune suite (ct )t{0,...,T } dentre/sortie locale (voir dfini-
tion 3.5.1), le processus dentre/sortie cumule est dfini par C0 = c0 = 0 et
t
X cs
Ct = St0 0
, t {1, . . . , T }. (3.5.9)
S
s=1 s
Alors ct = Cet et il est quivalent de se donner le processus C ou le processus c.

Lorsquil sagit de consommation locale, i.e. ct 0, le processus de consommation
cumule actualis Ce est croissant.
On obtient alors daprs lquation (3.5.8),

Vtx,,C = Vtx, Ct . (3.5.10)
Nous utiliserons les caractristiques (x, , c) ou (x, , C) selon les problmes rencontrs.
Remarquons que, dans un cadre dterministe, choisir la consommation cumule revient
raliser trois oprations. Tout dabord, nous actualisons toutes les consommations
locales en zro, i.e pour tout s {0, . . . , t} nous calculons Scs0 . Cela a alors un sens de
s
Pt
les sommer, i.e s=1 Scs0 . Il suffit alors de capitaliser la valeur obtenue jusquen t pour
s
obtenir Ct .
3.6 Produits drivs 65
3.6 Produits drivs

Nous avons vu quun actif optionnel est un actif bas sur un actif sous-jacent ngociable
(i.e. schangeant sur un march ngociable). Cest en cela que lon parle de produit
driv, sous-entendu de son actif sous-jacent . Ce sous-jacent peut tre lun des actifs
S i ou tout ou partie du panier constitu des d + 1 actifs S i .
3.6.1 Actif europen

Dfinition 3.6.1 Toute variable alatoire FT -mesurable H est appele actif conditionnel,
actif contingent ou actif driv europen.
Remarque 3.6.2 Nous verrons que les actifs conditionnels donns en exemple sont
associs des variables alatoires H positives ou nulles. Cependant, lorsque nous traiterons
dvaluation, il sera commode de considrer des actifs conditionnels ngatifs. En effet, le
prix de sous-rplication ou prix dachat de H (voir dfinition 5.1.2) sexprime comme
tant le prix de surrplication ou prix de vente (voir dfinition 5.1.1) de H (ceci sera
prouv dans le lemme 5.1.1).
Notons que, comme FT = P(), toute fonction de dans R est un actif driv
europen. Acheter (resp. vendre) lactif conditionnel H revient recevoir (resp. verser)
le flux H la date de maturit (ou date dexercice) T relative H. On parlera parfois de
contrat doption europen relatif lactif contingent H.
Signalons la terminologie anglo-saxonne trs utilise de payoff. Sur un plan plus proba-
biliste, notons que dans le cas dun march non redondant, FT = P(), toute fonction
de dans R est donc un actif conditionnel. Notons enfin quun actif conditionnel peut
dpendre de tout lhistorique des cours des diffrents actifs jusquen T .
Dans cette famille dactifs contingents, nous allons distinguer grossirement deux
classes.
La premire est constitue des actifs contingents les plus simples, cest--dire ne
dpendant que de la valeur ST du vecteur des prix du march linstant T . Les anglo-
phones les regroupent sous le terme de plain vanilla (appellation surtout vocatrice
pour les gros consommateurs de glace outre-atlantique pour lesquels la glace la vanille
reprsente la crme glace standard). Les plus connus sont sans nul doute les options
(europennes) dachat et de vente respectivement appeles call et put en anglais sur
un actif S i . Les actifs contingents correspondants sont :
H = max(STi K, 0) = (STi K)+ pour loption dachat de prix dexercice K et
dchance T ,
H = max(K STi , 0) = (K STi )+ pour loption de vente de prix dexercice K et
dchance T .
Pour une introduction plus fonctionnelle aux produits drivs, notamment les options,
nous renvoyons la section 1.2. Diverses combinaisons de ces options de base, aux
patronymes fleuris, existent sous forme ngociable ou synthtique comme les options
spread, les straddle, butterfly, etc.
H = (STi K1 )+ (STi K2 )+ , K2 > K1 pour lcart vertical haussier (ou bullish

spread en anglais) base de calls de prix dexercice K1 et K2 . Lcart vertical
haussier correspond lachat dun call et la vente simultane dun autre call de
mme date dexercice mais dont le prix dexercice est suprieur celui du call achet.
Lintrt de cette stratgie est de profiter des hausses de prix tout en minimisant
le risque de perte encouru.
H = (STi K1 )+ (STi K2 )+ , K1 > K2 pour lcart vertical baissier (ou bearish
spread en anglais) base de calls de prix dexercice K1 et K2 . Lcart vertical
baissier correspond lachat dun call et la vente simultane dun autre call de
mme date dexercice mais dont le prix dexercice est infrieur celui du call achet.
Lintrt de cette stratgie est de profiter des baisses de prix tout en minimisant le
risque de perte encouru.
H = (KSTi )+ +(STi K)+ pour loption straddle (ou stellage pour les francophones)
de prix dexercice K. Il sagit donc dacheter (ou vendre) simultanment un put et
un call de mmes prix et dates dexercice. Il sagit dune stratgie o lon anticipe
une forte volatilit des prix la hausse ou la baisse.
H = (K2 STi )+ (STi K2 )+ + (STi K1 )+ + (K3 STi )+ pour loption butterfly
de prix dexercices K1 , K2 et K3 avec K3 < K2 < K1 . Il sagit donc de vendre un
straddle de prix dexercice K2 et dacheter un call de prix dexercice K1 et un put
de prix dexercice K3 . Les trois options ont mme chance. En gnral, on suppose
le straddle la monnaie, i.e. K2 = S0i ; le put et le call sont alors en dehors de la
monnaie. Il sagit dune stratgie o lon anticipe une faible volatilit des prix ( la
hausse ou la baisse).
Citons galement pour finir les options digitales associes lactif contingent
H := 1{S i K}
T
i
qui paient donc 1 si ST est suprieur K et 0 sinon. Notons que ces produits (et
quelques-unes de leurs variantes aux vertus amortissantes supposes) sont sortis de la
sphre des marchs financiers et ont t massivement diffuss dans le grand public par
diffrents tablissements bancaires de dtail lore des annes 1990 avec des fortunes
mdiatiques diverses, notamment lorsque ces produits sont arrivs chance au terme
dune descente aux enfers de leur actif sous-jacent.
Lautre classe doptions est appele parfois options dpendant de la trajectoire
(path-dependent en anglais) ou options exotiques". Elles sont associes des actifs contin-
gents dpendant de toute la trajectoire dun ou plusieurs actifs risqus (Sti )t{0,...,T },1id
(voir en particulier les problmes de la partie III). Citons comme premiers exemples, le
call asiatique sur lactif i associ lactif contingent
T
!
1 X
i
H := St K o T0 T 1.
T T0
t=T0 +1 +
Le call asiatique (Asian call) est donc une option dachat de prix dexercice K mais
dont lactif sous-jacent est formellement la moyenne sur T T0 instants de lactif S i
entre t = T0 + 1 et t = T (voir le problme 13).
3.6 Produits drivs 67
Le partial lookback call (ou option dachat partiellement sans regret) est associ
lactif contingent

H() := max STi min Sti , 0 = STi min Sti , [1, +[.
t{T0 ,...,T } t{T0 ,...,T } +
Lorsque = 1, cette option est appele lookback call ou sans regret. Elle est
effectivement sans regret en cela que, dans ce cas,
H(1) = STi min Sti .

t{T0 ,...,T }
Il sagit donc dune option dachat sur lactif sous-jacent S i dont le prix dexercice est le
minimum observ de lactif en question sur T0 + 1 instants entre t = T0 et t = T : sauf
malchance (le minimum est prcisment atteint linstant T . . .) loption est toujours
dans la monnaie et son dtenteur est certain de pouvoir tirer un profit brut (i.e. hors
prime) de son exercice (voir les problmes 12, 13 et 16).
Autre exemple, les options barrires europennes, comme le call europen Up and
Out de prix dexercice K > 0 et de barrire L telle que L > S0 et L > K et dont le
payoff scrit
T
Y
H := (STi K)+ 1{Sti <L} = (STi K)+ 1{max1tT Sti <L} .
t=0
Si le cours du sous-jacent reste toujours sous la barrire L, loption dachat de prix

dexercice K est active . Les options attaches ces actifs contingents exotiques
sont en majorit des contrats gr gr (ou Over-The-Counter) entre contreparties
identifies. Notons que lon peut imaginer dissocier lactif intervenant dans la partie call
et celui apparaissant dans la partie barrire .
Depuis la crise de 2008, les transactions sur de tels produits se sont considrablement
rduites jusqu devenir un march de niche lexception notable des marchs des
changes (FX pour Foreign Exchange) o la famille des options barrires que nous venons
dintroduire est omniprsente et assimile des options vanille . La crise de 2008 a
donc eu un impact fort la baisse sur le niveau de technicit des marchs financiers.
3.6.2 Actif amricain

Nous allons maintenant dfinir la seconde famille dactifs contingents, appele actifs
contingents amricains. La diffrence fondamentale est quici la date dexercice nest pas
forcment T , mais tout temps darrt (voir dfinition 2.4.1) antrieur T .
Dfinition 3.6.3 Le processus alatoire H = (Ht )t{0,...,T } est appel actif contingent
(ou conditionnel) amricain si, pour tout t {0, . . . , T },
Ht est Ft -mesurable.
Acheter le contrat doption (ou option amricaine) relatif lactif contingent H assure
son dtenteur le droit de recevoir une et une seule fois une date ventuellement
alatoire mais honnte de son choix le flux H .
Par honnte , on entend que la dcision de sarrter en t, lorsque lon suit la rgle
darrt donne par la variable alatoire , doit tre prise en fonction de linformation
disponible la date t lorsque = t (attention !, il ne sagit pas ici de la dfinition
probabiliste dun temps honnte). Ceci se traduit en termes mathmatiques pour par
le fait que
t {0, . . . , T }, { = t} Ft .
Ceci nest autre que la dfinition classique dun F-temps darrt (voir dfinition 2.4.1).
Vendre le contrat doption (ou option amricaine) relatif lactif contingent H impose
son vendeur de verser une et une seule fois la date alatoire honnte , choisie
par lacheteur, le flux H .
Remarquons tout dabord que, contrairement au cas europen, il y a une dissymtrie
entre la position de lacheteur et du vendeur. Remarquons galement que la date dexercice
est alatoire : si dans le scnario , je dcide dexercer en () le contrat me versera
H () () cette date et dans cet tat du monde.
En dautres termes un actif contingent amricain est une suite de variables alatoires
F-adaptes.
Nous traiterons en dtail le cas de ces options dans le chapitre 8. Signalons lexistence
doptions en apparence encore plus gnrales connues sous le nom doptions la crie
(ou shout option) dans lesquelles on nexige plus de lactif contingent quil soit adapt
la filtration F (cf. problme 24).
CHAPITRE 26
La princesse et son dilemme paramtrique (**)
26.1 Prsentation et motivations
Le but du problme est de rsoudre le problme darrt optimal relatif une suite i.i.d.
finie de T + 1 variables alatoires Z0 , . . . , ZT uniformment rparties sur [0, 1].
Le titre du problme provient dune mise en situation naturelle de lnonc mathma-
tique en forme de conte pour (grands) enfants. Un roi, dsespr de voir sa fille unique
et prfre rester clibataire, lui propose un march : chaque jour lui sera prsent un
prtendant choisi au hasard parmi les T + 1 jeunes gens en situation de se marier dans le
royaume. La princesse disposera de 24 heures pour valuer sa convenance le prtendant,
au terme desquelles elle pourra, soit laccepter pour poux, soit le rcuser jamais. Faute
davoir arrt son choix auparavant, elle devra saccommoder au jour T du dernier dentre
eux. Ce problme a longtemps t popularis sous le nom de problme de la secrtaire
puisquil est aisment transposable la recherche dun employ par un employeur.
La question qui se pose alors, si lon admet que la Raison dtat impose la princesse
daccepter les rgles du jeu, est : quelle stratgie la princesse doit-elle adopter pour
optimiser son choix (sous-entendu en moyenne) ?
Nous allons faire lhypothse que la princesse a fait des tudes pousses en Probabilits
et matrise la thorie de larrt optimal. Elle dcide donc dans un premier temps de
rationaliser sa procdure dvaluation en attribuant une note entre 0 et 1 (par convention)
chaque prtendant. Elle suppose en outre que les valeurs des prtendants successifs sont
des variables alatoires indpendantes de mme loi sur [0, 1]. Pour ce qui nous concerne,
nous spcifierons rapidement cette loi en la loi uniforme sur [0, 1] pour faciliter les
calculs. Le dilemme de la princesse devient alors paramtrique .
Ce problme admet une version non paramtrique lgrement diffrente, en cela que
la princesse va chercher non pas optimiser la valeur de son prtendant en moyenne
mais maximiser la probabilit que son futur poux soit effectivement le meilleur de la
liste des prtendants. La stratgie optimale du problme savre alors ne pas dpendre
de la loi de probabilit de la valeur des prtendants (mais lindpendance est toujours
requise dans cette autre approche). Cette version du problme est notamment disponible
sousla forme dun exercice rsolu dans [Baldi et al. (2000)].
Par cohrence avec notre prsentation de la thorie de larrt optimal au chapitre 2,
nous avons choisi de faire dbuter le processus quotidien de slection la date 0, ce
qui induit par convention un nombre T + 1 de prtendants. Ceci na nanmoins aucune
290 Chapitre 26. La princesse et son dilemme paramtrique (**)
influence sur les rsultats asymptotiques relatifs aux temps darrt optimaux et la
satisfaction moyenne de la princesse au niveau de prcision choisi.
26.2 nonc
Avertissement : On admettra dans tout le problme que les rsultats de la thorie de
larrt optimal relatifs la formule de programmation dynamique, aux temps darrt
optimaux, tablis pour une suite de variables alatoires positives (Zt )t{0,...,T } dfinie
sur un espace probabilis fini (voir section 2.4) stendent au cas o cette suite est dfinie
sur un espace probabilis quelconque (, F, P) sous rserve que les Zt vrifient
E Z0 + + E ZT < +.
Pour plus de dtails (notamment sur la dlicate question des extrema essentiels non
utiliss ici), on pourra consulter [Neveu (1972)] ou les lments de cours.
Soit donc (Zt )t{0,...,T } une telle suite de variables alatoires relles intgrables,
indpendantes et de mme Z loi . On pose F (z) := ([0, z]), z R+ , sa fonction de
rpartition et K(z) := v(dv), z R+ . On note (Ut )t{0,...,T } son enveloppe de
[0,z]
Snell par rapport la filtration naturelle de (Zt )t{0,...,T } (dfinie pour tout t {0, . . . , T }
par Ft := (Z0 , . . . , Zt )).
1.a. Montrer laide dune rcurrence descendante que, pour tout t {0, . . . , T },
Ut := max(Zt , ut+1 )
o ut := E Ut , t {0, . . . , T 1}, uT := E Z0 et uT +1 := .
1.b. tablir la relation de rcurrence
t {0, . . . , T 1}, ut = ut+1 F (ut+1 ) + E Z0 K(ut+1 ).
2.a. Soit le plus petit temps darrt optimal. Montrer que

= min t {0, . . . , T } | Zt ut+1 .
2.b. Vrifier que le processus prvisible croissant (At )t{0,...,T } associ la surmartingale
(Ut )t{0,...,T } via la dcomposition de Doob (voir proposition 2.3.8) est donn par A0 = 0
et
t
X
t {1, . . . , T }, At = (Zs1 us )+ .
s=1
En dduire que le plus grand temps darrt := min t {0, . . . , T } | Ut > ut+1 T .

3. Dans la suite du problme, on suppose que := U ([0, 1]) (loi uniforme sur [0, 1]).
26.3 Corrig 291
3.a. Montrer que, pour tout T N et pour tout t {0, . . . , T }, ut := vT t o la suite

(vn )n0 est dfinie par
1 + vn2
v0 := 1/2 et vn+1 := .
2
3.b. Calculer les premiers termes de la suite (vn )n1 . Montrer que vn 1 quand n +.
1 1 1
3.c. Montrer que, pour tout n N, = . En dduire que vn =
1 vn+1 1 vn 1 + vn
2
1 n + o(1/n) (on pourra utiliser la convergence au sens de Csaro).
3.d. Montrer quil existe une constante relle c 6= 0, que lon dterminera, telle que

2 c log n log n
vn = 1 + +o .
n n2 n2
(On pourra utiliser que la suite 1 + 12 + + n1 log n converge vers une limite strictement
positive appele constante dEuler).
4. Montrer que, pour toute variable alatoire valeurs dans {0, . . . , T },

T
X 1
E = P( > t).
t=0
En dduire que
1 1
T T
!
X X 1
E = vt vt+1 vT 1 = v0 vT 1 1+ .
t=0 t=1
v0 vt1
(T )
E (T )
5. En dduire un quivalent de lorsque T tend vers + (o dsigne le plus
T
petit temps darrt optimal relatif la date T ). Puis, de faon analogue, donner un
quivalent de la satisfaction moyenne optimale de la princesse, suppose avoir adopt
cette stratgie optimale.
26.3 Corrig
1.a. On part de la dfinition de lenveloppe de Snell (voir dfinition 2.4.7) :

UT = ZT et Ut = max Zt , E(Ut+1 | Ft , t {0, . . . , T 1},
et lon raisonne par rcurrence descendante. Le rsultat est vident pour t = T puisque
UT = ZT et que uT +1 := par convention. Soit t {0, . . . , T 1}. Supposons que
Ut+1 = max Zt+1 , ut+2 .

Ut = max Zt , E(Ut+1 | Ft ) .
Comme, par hypothse, Zt+1 est indpendant de Ft , il en est de mme de Ut+1 qui est
une fonction dterministe de Zt+1 , si bien que E Ut+1 | Ft = E (Ut+1 ) = ut+1 . Par suite,

Ut = max Zt , ut+1 .
1.b. Daprs la question prcdente,

ut = E(Ut ) = E max(Zt , ut+1 )

= E max(Z0 , ut+1 ) (car les Zt ont mme loi)

= E Z0 1{Z0 >ut+1 } + E ut+1 1{Z0 ut+1 }
= E(Z0 ) E Z0 1{Z0 ut+1 } ) + ut+1 F (ut+1 )
= E(Z0 ) K(ut+1 ) + ut+1 F (ut+1 ).

Le plus petit temps darrt optimal est dfini par = min t {0, . . . , T } | Ut =
2.a.
Zt (voir si ncessaire le corollaire 2.4.17). Vue la forme de Ut tablie la question 1.a.,
il est alors clair que

= min t {0, . . . , T } | max(Zt , ut+1 ) = Zt = min t {0, . . . , T } | Zt ut+1 .
2.b. Par construction, At At1 = E(Ut Ut1 | Ft1 ) = Ut1 E(Ut | Ft1 ). Or,
Ut = max(Zt , ut+1 ) est indpendant de Ft1 donc E(Ut | Ft1 ) = E(Ut ) = ut , do
At At1 = max(Zt1 , ut ) ut = (Zt1 ut )+ .
Le rsultat annonc en dcoule puisque le processus (At )t{0,...,T } est nul en 0.

De plus, le plus grand temps darrt optimal est donn par := min t

{0, . . . , T } | At+1 > 0} T (cf. proposition 2.4.18) ou de faon quivalente, puisque

(At )t{0,...,T } est croissant et issu de 0,
= min t {0, . . . , T } | At+1 At > 0 T.

Daprs la question 1.a., il est immdiat (on utilise ici la convention uT +1 = ) que
= min t {0, . . . , T } | (Ut ut+1 )+ > 0 = min t {0, . . . , T } | Ut > ut+1 .

3.a. La relation de rcurrence tablie dans un cadre gnral la question 1.b. scrit ici
1 1 1 2 u2 + 1
uT = , ut = u2t+1 + ut+1 = t+1 , t {0, . . . , T 1}.
2 2 2 2
Do le rsultat.
3.b. Il est immdiat que
1 5 89 24 305
v0 = , v1 = , v2 = , v3 = ,...
2 8 128 32 768
rcurrence que vn 1 pour tout n 0. Dautre part, pour
Dune part, il est clair par
1
tout x > 0, 2x + x2 = 12 ( 1x x)2 + 1 1 donc vn+1 1 vn
vn = 2vn + 2 1. La suite (vn )n0
2
crot donc vers une limite ` 2 , 1 vrifiant ` = ` 2+1 . Sa limite est donc 1.
1
26.3 Corrig 293
3.c. Remarquons que

1 1 2 2 1
+ = = = .
1 + vn 1 vn 1 vn2 1 (2vn+1 1) 1 vn+1
On en dduit par rcurrence que
n1 n1
!
1 1 X 1 1X 1
= =n
1 vn 1 v0 1 + vk n 1 + vk
k=0 k=0
1
n lorsque n +
2
1
daprs le thorme de Csaro. En dautres termes, 1v n
= n2 (1 + n ) avec lim n = 0.
n
Soit finalement
2 1 2 1
vn = 1 =1 +o .
n 1 + n n n
3.d On repart de lidentit tablie la question 3.c., mais partir du rang 1, soit, pour
tout n 1 :
n1
1 1 X 1
= + .
1 vn 1 v1 1 + vk
k=1
On y rinjecte le dveloppement limit obtenu au terme de cette mme question. Ce qui
conduit
n1
1 1 X 1
= + 1 k avec lim n = 0
1 vn 1 v1 2(1 k k )
n
k=1
n1
1 1X 1 1
= + 1+ +o .
1 v1 2 k k
k=1
Or, la suite 1 + 12 + + n1
1
log n converge vers une limite finie (appele constante
dEuler). Do il ressort que
1 1 n1 1 1
= + + log n + + n + o (log n)
1 vn 1 v1 2 2 n
n 1
= + log n + o (log n) .
2 2
Par suite
1
vn = 1 n log n
2 + + o(log n)
2
2 1
= 1
n 1 + logn n + o( logn n )

2 log n log n
= 1 1 +o
n n n

2 2 log n log n
= 1 + + o .
n n2 n2
4. Ceci est une identit classique pour les variables alatoires entires. On part de la
remarque suivante :
XT
= 1{k}
k=1
do lon dduit que
T
X T
X 1
E () = P( k) = P( > t).
k=1 t=0
Passons au calcul de P( > t). Lvnement { > t} scrit au vu de la forme de
tablie la question 2.a.
t
\
{ > t} = {Zs < us+1 } .
s=0
Les variables alatoires Zt tant indpendantes et de mme loi, on en dduit que, pour
tout t {0, . . . , T 1},
t
Y t+1
Y
P( > t) = P(Zs < us+1 ) = P(Z0 < us ).
s=0 s=1
Daprs la question prcdente, il vient alors :

T
X 1
E ( ) = P( > t)
t=0
T
X 1
= P(Z0 < u1 )P(Z0 < u2 ) P(Z0 < ut+1 )
t=0
T
X 1
= u1 u2 ut+1
t=0
T
X 1
= vT 1 vT 2 vT t1 daprs la question 3.a.
t=0
T
X 1
= vs vs+1 vT 1 o lon a pos t := T 1 s.
s=0
On obtient finalement en mettant le produit v0 . . . vT 1 en facteur

1
T
!
X 1
E ( ) = v0 . . . vT 1 1 + .
t=1 0
v . . . vt1
5. partir du dveloppement limit de la question 3.d., il vient pour tout n 1,

n !
X 2 2 log k log k
v1 vn = exp log 1 + +o
k k2 k2
k=1
n
!
X 1
= exp 2 + ak
k
k=1
26.4 Commentaires 295

log k
o ak = O est donc le terme gnral dune srie absolument convergente.
k2
Par suite, lorsque n +,
C
v0 vn 2
n
o C est une constante relle strictement positive. Par consquent,
1 n2

v0 vn C
ce qui entrane par application des rgles usuelles sur les quivalents dans les sries
divergentes termes positifs,
T 1 T 2
X 1 1 X 2 1 (T 2)(T 1)(T 32 ) T3
1+ 1+ t = 1+ lorsque T +.
t=1
v0 vt1 C t=0 C 3 3C
On en dduit, toujours par application des rgles usuelles sur les quivalents, que
1
T
!
(T )
E 1 X 1
= v0 vT 1 1 +
T T t=1 0
v vt1
C T3
2
T (T 1) 3C
1
lorsque T +.
3
Par ailleurs, lenveloppe de Snell dhorizon T , note U (T ) , vrifie (cf. section 2.4)
(T )
E (Z(T ) ) = E (U0 ) = vT

donc la satisfaction moyenne de la princesse, si elle sen tient la stratgie optimale, se

comportera asymptotiquement comme

2 2 log T log T
E (Z(T ) ) = 1 + +o
T T2 T2
lorsque le nombre de prtendants tend vers +.
26.4 Commentaires
B Sur un plan pratique, cest la formule de la question 2.a. pour le (plus petit) temps
darrt optimal, combine avec la forme explicite des ut via la suite (vk ) qui permet la
rsolution numrique du problme : on calcule les ut , t {1, . . . , T }, puis on attend
dobserver un Zt ut+1 .
B Cette approche paramtrique peut tre tendue des lois plus gnrales , par exemple
portes par tout R+ . Cette dernire restriction est motive par des considrations de
politique intrieure : il semble sage dviter les notes ngatives alors, qu linverse,
sautoriser ventuellement une chelle de notes non borne suprieurement peut passer
pour une forme dhabilet suprme. . .
De mme, on supposera que 0 appartient au support de mais que ({0}) = 6 1.
Tout dabord, la question 3.a peut tre gnralise sans difficult particulire sous la
forme : soit (vn )n0 la suite croissante dfinie par
v0 = E Z0 et vn+1 = vn F (vn ) + E Z0 K(vn ). (26.4.1)
(T )
Alors, pour tout horizon fix T du problme de la princesse, la rduite (ut )t{0,...,T }
de lenveloppe de Snell associe vrifie
(T )
t {0, . . . , T }, ut = vT t .
Ds que les fonctions de rpartition F et K admettent des formes explicites (ce qui
induit quil en est de mme avec E Z0 = limu+ K(u)), il est immdiat de calculer
numriquement (vn )n0 laide dune calculatrice programmable (un ordinateur est
inutile ce stade si F et K sont vraiment explicites, cf. ci-aprs !). La rduite
(T )
(ut )t{0,...,T } de lenveloppe de Snell en dcoule aussitt et, partant, la rgle pratique
darrt optimal que la princesse doit mettre en uvre aprs avoir valu chaque prtendant.
Sur un plan plus thorique, on peut obtenir un certain nombre de rsultats dans ce
cadre gnral. On pose
(v) = vF (v) K(v) + E Z0 , v R+ .
En notant que, pour tout v R+ ,
Z
E Z0 K(v) = y(dy) v(v, +[) = v(1 F (v))
]v,+[
on dduit que (v) v et, par suite, que la suite (vn )n0 est croissante.
On dfinit la borne suprieure du support de dans R+ par
` = inf v | F (v) = 1 .

Noter que E Z0 ]0, ` [ car le support de contient 0, sans y tre rduit, et que (0) = 0.
Nous allons montrer que
lim vn = ` .
n
Dune part, notons que, F tant continue droite, F (` ) = 1 et que, comme (]` , +[) =
0, il est clair que K(` ) = E Z0 . En consquence, (` ) = ` , i.e. ` est un point fixe de
.
Dautre part, on dduit de lidentit lmentaire,
Z
vF (v) K(v) = (v u) (du), v R+ ,
[0,v] | {z }
0
que la fonction est croissante sur R+ et strictement croissante sur [` , +[ car gale
lidentit v 7 v. Enfin, remarquons que
Z
(v) = v si et seulement si (v u) (du) = 0.
]v,+[ | {z }
<0
Par consquent (v) = v si et seulement si (]v, +[) = 0, i.e. v ` par construction

de ` . Ceci montre que ` est lunique point fixe de sur [0, ` ].
On vrifie enfin que la fonction , continue droite par construction, est en fait
continue car elle a pour saut en v R+ ,

v F (v) F (v ) K(v) K(v ) = 0.
Comme v0 = E Z0 = (0) ` et que ` est un point fixe de , il est clair en itrant

lingalit que, pour tout n 0, vn = n (0) ` .
La suite (vn )n1 est donc croissante, majore par ` et na donc dautre choix, par
continuit de , que de converger vers lunique point fixe ` de sur [(0), ` ].
Cela signifie notamment que la satisfaction moyenne optimale de la princesse, quelle
que soit la rpartition des vertus des prtendants, tendra vers la satisfaction absolue
lorsque la population de prtendants tend vers +, i.e.,
(T ) (T )
lim u0 = E Z = lim vn = ` .
T + n+
Ce rsultat mathmatique est plus connu sous sa forme ancestrale non formalise
Bienheureuses soient les princesses leves dans de vastes royaumes,
Elles y croisent chaque jour moult preux chevaliers rougissant sous leur heaume.
(Ce qui nest, somme toute, gure surprenant).
(T )
La formule donnant lesprance du temps darrt optimal obtenue la question 4.
se gnralise elle aussi aisment en
1
T
!

(T )
X 1
E = F (v0 ) . . . F (vT 1 ) 1 + .
t=1
F (v0 ) . . . F (vt1 )
Une fois encore, tout ceci se calcule sans peine si F et K sexpriment partir de
fonctions lmentaires. On peut nanmoins, comme dans le problme
prcdent, souhaiter
(T )
se faire une ide prcise a priori du comportement de E lorsque T est trs grand
pour dautres lois .
titre dexemple, nous allons traiter un second modle paramtrique.
Un modle de notation exponentiel : Ainsi, supposons que la princesse, sous lin-
fluence dtudes scientifiques pousses, dcide dadopter une notation peu acadmique
entre 0 et +. Il sagit surtout pour elle de pouvoir traduire, de faon peine voile, son
absence dillusions sur les vertus des jeunes gens du royaume puisquelle fait lhypothse
que sa loi de notation sera exponentiellement distribue, de paramtre > 0. Le modle
choisi conduit des fonctions F et K donnes classiquement par
1 ez
F (z) = 1 ez et K(z) = zez + , z R+ .

On vrifie alors sans peine que la suite (vn )n0 est solution de la rcurrence
1 evn
v0 = , vn+1 = vn + , n 0.

On peut normaliser lquation prcdente en posant yn = vn , n 0 : la suite (yn )n0

est alors solution de la rcurrence aisment calculable et libre de :
y0 = 1, yn+1 = yn + eyn , n 0.
(En fait, la suite (yn )n0 correspond tout simplement au cas = 1). On sait donc, daprs
ce qui prcde, que yn ` = +. Mais on peut, comme pour la loi uniforme, faire
beaucoup mieux. En effet, si lon rcrit la relation de rcurrence ci-dessus sous la forme
(yn yn1 )eyn1 = 1, n 1,
on en dduit que
n
X
(yk yk1 )eyk1 = n.
k=1
Comme, par ailleurs, la suite (yn )n0 tant croissante, il vient :

n
X Z yn
(yk yk1 )eyk1 eu du = eyn 1.
k=1 0
On en dduit que eyn n + 1, soit encore,
yn log(n + 1), n 0.
En rinjectant cette ingalit dans lquation initiale, on en obtient une dans lautre sens,
en lespce yn+1 yn e log(n+1) = n+11
; soit, aprs sommation,
1 1
yn 1 + + + .
2 n
On a donc lencadrement
1 1
n 0, log(n + 1) yn 1 + + + .
2 n

(T )
Ceci se rvle nanmoins insuffisant pour conclure sur lasymptotique de E . Posons
maintenant yn = yn log n, n 1. Cette suite est positive et lon constate par ailleurs
quelle est dcroissante puisque, pour tout n 1,
1 1
yn+1 yn = log 1 + eyn eyn = eyn e log(n+1) 0.
n+1 n+1
Donc la suite (yn )n1 dcrot vers une limite c 0, i.e.,
yn = log n + c + n , n 0 lorsque n +.
En rinjectant nouveau cette galit dans lquation de rcurrence initiale, il vient,

aprs multiplication par n,
1
n log 1 + + n(n+1 n ) = ec en .
n
Do lon dduit que lim n(n+1 n ) = c0 avec c0 = ec 1 0. Si c0 < 0, alors il existe

n
c0
un entier n0 2 tel que, pour tout n n0 , n+1 n , et partant,
2n
n
X 1
n+1 n0 c0 lorsque n +,
2k
k=n0
ce qui contredit la convergence de n vers 0. Par suite, c = 0. En consquence, en revenant

une troisime fois lquation originelle, on observe que
1 1 1 en
log 1 + + n n+1 = .
n n n

Or, n1 log 1 + n1 2n1 2 , do il ressort que
n n
1 ek

X X 1
= 1 n+1 + O .
k k2
k=1 k=1
Ceci assure la convergence de la srie du membre de gauche.

On dispose maintenant dune prcision suffisante sur le comportement asymptotique
(T )
de la suite (yn )n0 pour revenir lanalyse de lesprance du temps darrt optimal
lorsque T +. En effet, au vu de ce qui prcde et de la dfinition de la fonction de
rpartition, il vient :
n1 n1 n1
Y Y
yk
1 Y ek
F (vk ) = 1e = 1 1
e k
k=0 k=0 k=1
n1 k n1
1 X e X e2k
= 1 exp exp O
e k k2
k=1 k=1
n1 n1
X 1 ek n1
1 X 1 X 1
= 1 exp exp + O .
e k k k2
k=1 k=1 k=1
Pn1
Or, sachant que k=1 k1 = log n + + n o n 0 et dsigne la constante dEuler( 1 )
Pn1 k
et que k=1 1ek < +, on en dduit lexistence dune constante R+ telle que
n1
Y
F (vk ) lorsque n +.
n
k=0
On en dduit que, lorsque T +,

1
T
!
(T )
E X k 1
2 1+ .
T T 2
k=1
1 1
Il suffit de vrifier que xn = 1 + + n log n, n 1, dcrot, est minore par yn , donc tend vers une
limite positive note (en fait, 0, 5772156649 > 0).
Par ailleurs, lenveloppe de Snell dhorizon T vrifie toujours dans ce modle expo-
nentiel
(T ) (T ) y
E Z = E U0 = vT = T .

Finalement, la satisfaction moyenne optimale de la princesse voluera asymptotiquement
comme
(T ) log T
E Z

lorsque le nombre T de prtendants tend vers +.
Dun point de vue plus gnral, et comme le sous-entend le titre du problme,

lapproche paramtrique nest pas la seule possible et sans doute pas la plus vraisemblable :
il est rare en matire de mariage que lon connaisse a priori la loi de la rpartition
statistique des qualits dans la population de son cur (et encore moins une princesse,
cela va de soi). On peut aussi critiquer le manque de chic du critre en moyenne. Une
princesse plus ambitieuse choisira de maximiser la probabilit de dsigner le meilleur
prtendant ! Sous cette forme non paramtrique, on retrouve l un trs vieux problme
dinitiation larrt optimal, mysoginement connu sous le nom de problme des
secrtaires (lanalogie tant aussi vidente que douteuse et dnue de toute forme de
romantisme !).
Pour plus de dtails sur lhistoire et les diffrentes versions apparues au cours des
temps de ce trs ancien problme, nous renvoyons larticle de Thomas S. Ferguson :
Who Solved the Secretary Problem ? Statistical Science, 4(3) :282-289, Aot 1989. On
pourra aussi consulter le site web dImages des Mathmatiques, 2009 (CNRS)
http ://images.math.cnrs.fr/Decision.html
Laurence Carassus, Gilles Pags
Finance de march
Modles mathmatiques temps discret
Ce manuel est une introduction aux mathmatiques financires temps discret ainsi quaux
concepts et techniques de modlisation utiliss par les professionnels de la finance de march.
Il est constitu dlments de cours et de 24 problmes corrigs, slectionns parmi les sujets
dexamens de mathmatiques financires labors, par les auteurs, au fil des ans.
Cet ouvrage sadresse en priorit aux tudiants en Master de mathmatiques appliques (ds la
premire anne) ou se prparant lpreuve de modlisation de lAgrgation de mathmatiques
ainsi quaux lves des coles dingnieurs et des coles de commerce se destinant une
carrire danalyste quantitatif. Il sera galement utile aux professionnels de la finance de
march puisque nombre des problmes poss sont motivs par des cas concrets.
Sommaire :
I. lments de cours
II. Autour du modle binomial
III. Quelques options exotiques
IV. Quelques autres problmes en march complet
V. Arrt optimal et options amricaines
VI. Marchs incomplets, marchs imparfaits
Laurence Carassus est professeur de mathmatiques luniversit Reims Champagne-Ardenne. Cofondatrice du master
Ingnierie statistique et informatique de la finance, de lassurance et du risque (ISIFAR) de luniversit Paris Diderot/Paris7,
elle mne ses recherches dans les domaines des probabilits, de loptimisation, de lconomie et de la finance mathmatique.
Gilles Pags est professeur de mathmatiques luniversit Pierre et Marie Curie/Paris 6. Coresponsable du Master 2
Probabilits & finance dit master El Karoui commun lUPMC et lcole polytechnique, il mne ses recherches dans
les domaines des probabilits numriques, du calcul stochastique, de la quantification et des mathmatiques financires.
ISBN 978-2-311-40136-3
www.VUIBERT.fr
9 782311 401363

Finance de Marché Modele Mathématiques A Temps Discret

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Finance de Marché Modele Mathématiques A Temps Discret

Diunggah oleh

Hak Cipta:

Format Tersedia

Laurence Carassus Gilles Pags

0 Pour qui veut sattaquer directement aux problmes 1

Premire partie. lments de cours 11

2 Rappels de probabilits et danalyse convexe 25

3 Modlisation des marchs discrets 53

4 Caractrisation de labsence dopportunit darbitrage 69

5 valuation et couverture de produits drivs europens par arbitrage 77

6 valuation et couverture des options europennes en march complet 91

7 Options europennes en march incomplet : thorme de surrplica-

8 Options amricaines 121

vous de travailler maintenant 139

Deuxime partie. Autour du modle binomial 143

10 propos de couverture (**) 157

11 De la bouchre la doubling strategy : telle mre, telle fille. . . (**)165

Troisime partie. Quelques options exotiques 177

13 Arbre binomial et options exotiques (***) 191

Quatrime partie. Quelques autres problmes en march

15 Consommer et investir : loptimal (**) 207

Cinquime partie. Arrt optimal et options amricaines 221

16 Amricaines et sans (trop de) regret (**) 225

17 Retour sur le Put amricain : la frontire libre (**) 231

18 Contrle dune amricaine par une europenne. . . (***) 239

19 Lenveloppe de Snell est aussi un infimum (**) 245

20 Formulation duale multiplicative de lenveloppe de Snell (**) 249

21 Temps darrt optimal versus temps darrt optimaux (***) 253

22 propos doptions digitales (***) 261

23 Lenveloppe de Snell passera-t-elle la limite ? (**) 267

24 propos doptions la crie. . .(***) 273

25 Alors, on swingue ? (**) 281

26 La princesse et son dilemme paramtrique (**) 289

Sixime partie. Marchs incomplets, marchs imparfaits 301

27 La transformation dEsscher est-elle viable ? (**) 303

28 Viable mais incomplet. . . (*) 311

29 Modle trinomial et viabilit (*) 317

30 Volatilit stochastique et risques rsiduels ? (**) 327

31 Surrplication : trop cher ? (***) 337

32 Viabilit et surrplication : cas de contraintes coniques (***) 353

Paris, le 15 juin 2015,

Modlisation des marchs discrets

3.1 Modle probabiliste

noter que, grce lhypothse de non-redondance, lapplication

dfinit un vritable produit scalaire sur R .

et la tribu terminale FT la tribu grossire P(). La trivialit de F0 rend compte du

3.2 Actifs risqus et actif sans risque

1 |A| dsigne ici le cardinal de lensemble A.

S00 = 1 et t {1, . . . , T }, St0 > 0.

Grce lhypothse St0 > 0, lactif S 0 permet de transfrer, ventuellement perte,

Ainsi, si lon rsume les hypothses faites :

M(, P(), P, F, S 0 , S).

Dans lnonc de certaines dfinitions, thormes et dans certains problmes, nous

Dans un univers dterministe, cest la quantit de liquidits quil faut dtenir

3.3 Portefeuille, stratgie

Remarque 3.3.4 Nous ferons la convention suivante : X.Y dsignera systmatiquement

x = V0 = 00 S00 + 0 .S0 . (3.3.1)

Si x > 0, il faut un capital pour initialiser la stratgie, si x < 0, linverse, ce portefeuille

e t = St = (1, Set ) pour tout t {0, . . . , T }.

t1 .St1 = 0t1 St1

la valeur du portefeuille aprs le redploiement dcid par linvestisseur au vu des

La conservation de la valeur pendant financier de la loi de conservation de la

Dfinition 3.4.1 Un portefeuille (t )t{0,...,T } de vecteurs F-prvisibles valeurs dans

t1 .St1 = t .St1 . (3.4.1)

Remarquons que, daprs lhypothse dautofinancement (3.4.1), pour tout t {1, . . . , T },

V . Reprenons la dmonstration de lidentit (3.4.4), mais en considrant cette fois le

Laurence Carassus Gilles Pags