1

Document de synthèse présenté pour obtenir

L'HABILITATION À DIRIGER DES RECHERCHES

par

Bruno BOUCHARD-DENIZE
Laboratoire de Probabilités et Modèles Aléatoires
tel-00116933, version 1 - 29 Nov 2006

Université Pierre et Marie Curie

75252 Paris Cedex 05

Finance Mathématique

et

Probabilités Numériques

1
Document rédigé en mars 2006.
 Introduction 2

Introduction

Ce document est une synthèse de travaux menés depuis 1998 en nance mathématique
et probabilité numérique.
Le chapitre I présente diérents résultats obtenus en nance théorique. Il peut être scindé
en deux parties.
La première concerne les marchés nanciers en temps discret avec frictions. On y étudie
trois extensions des modèles usuels : évaluation d'options américaines, modèles à rendements
non-linéaires, arbitrage en information incomplète. S'agissant de questions qui n'avaient jus-
qu'alors quasiment pas été abordées par la littérature, nous sommes amenés à proposer de
nouvelles modélisations.
Dans la seconde partie, on résume une série de résultats portant sur les problèmes d'exis-
tence et de dualité en gestion optimale de portefeuille en temps continu. Il s'agit essen-
tel-00116933, version 1 - 29 Nov 2006

tiellement de s'aranchir de trois hypothèses habituellement retenues : absence de friction,

fonctions d'utilité régulières, utilité ne dépendant que de la consommation ou de la richesse
terminale. L'étude de ces questions nous a également amené à travailler sur les relations de
polarité que l'on peut établir sur L0 et qui apparaissent naturellement en nance, et plus
particulièrement dans les problèmes duaux en gestion de portefeuille.
Le chapitre II rassemble des travaux portant sur la résolution (explicite ou numérique)
de problèmes de cibles stochastiques par des techniques de type solutions de viscosité.
Les deux premières sections portent sur les cibles stochastiques et leurs liens avec les
équations paraboliques. Le premier modèle étudié est une extension des problèmes de sur-
réplication usuels et s'avère susamment général pour rendre compte de nombreuses situa-
tions en matière de gestion de risques (en assurance, gestion de provisions,...). Le second
correspond à un modèle nancier markovien dans lequel on veut évaluer une option à bar-
rière sous contraintes de portefeuille. La dynamique est moins générale que dans le modèle
précédent mais la présence de la barrière rend le problème techniquement plus dicile.
La troisième section porte sur la couverture d'option en présence de coûts de transaction.
On utilise également des techniques de viscosité mais la caractérisation nale est explicite.
On obtient de nouveaux résultats sur les marchés avec coûts non-eectifs, i.e. qui sont nuls
entre certains actifs.
Le chapitre III porte sur la discrétisation et l'approximation numérique d'équations dif-
férentielles stochastiques rétrogrades (EDSR). Là encore la motivation initiale vient de la
nance. Dans un premier temps, on étudie une famille de représentations alternatives per-
mettant le calcul rapide d'un grand nombre d'espérances conditionnelles. Celle-ci est ensuite
utilisée pour construire un schéma numérique permettant la résolution des EDSR dans un
modèle markovien et le calcul de prix d'options américaines. On s'intéresse ensuite aux EDSR
à sauts et on propose un schéma de discrétisation adapté à la résolution de systèmes d'équa-
tions paraboliques couplées qui apparaissent notamment dans les modèles avec risque de
défauts. Enn, on améliore signicativement les résultats de convergence déjà établis pour
les EDSR rééchies.
 Introduction 3

Le chapitre IV traite de la randomisation (ou canadisation) de l'horizon de temps en

contrôle stochastique. La motivation initiale est l'algorithme proposé par Carr pour l'évalua-
tion des options américaines. On propose un cadre très général dans lequel on montre que la
convergence a bien lieu. Ceci conduit à la mise en oeuvre d'algorithmes rapides de résolution
numérique pour certains problèmes de contrôle stochastique.
Le dernier chapitre présente les principaux axes de recherche que je compte suivre dans
les années à venir.
Ces diérents chapitres sont basés sur les articles suivant :

Articles publiés ou à paraître

[1] Bouchard B. et N. Touzi (2000). Explicit solution of the multivariate super-replication
problem under transaction costs. The Annals of Applied Probability, 10 3, 685-708.
[2] Bouchard B., Y. Kabanov et N. Touzi (2001). Option pricing by large risk aversion utility
tel-00116933, version 1 - 29 Nov 2006

under transaction costs. Decisions in Economics and Finance, 24, 127-136.

[3] Bouchard B. (2002). Stochastic Target with Mixed diusion processes. Stochastic Pro-
cesses and their Applications, 101, 273-302

[4] Bouchard B. (2002). Utility Maximization on the Real Line under Proportional Transac-
tion Costs. Finance and Stochastics, 6 (4), 495-516.
[5] Bouchard B. et L. Mazliak (2003). A multidimensional bipolar theorem in L0 (Rd ; Ω, F, P).
Stochastic Processes and their Applications, 107 (2), 213-231.

[6] Bouchard B., N. Touzi et A. Zeghal (2004). Dual Formulation of the Utility Maximization
Problem : the case of Nonsmooth Utility. Annals of Applied Probability, 14 (2), 678-717.
[7] Bouchard B. (2004). No-arbitrage in discrete-time markets with proportional transaction
costs and general information structure. A paraître dans Finance and Stochastics.
[8] Bouchard B. et H. Pham (2004). Wealth-Path Dependent Utility Maximization in Incom-
plete Markets. Finance and Stochastics, 8 (4), 579-603.
[9] Bouchard B., I. Ekeland, et N. Touzi (2004). On the Malliavin approach to Monte Carlo
approximation of conditional expectations. Finance and Stochastics, 8 (1), 45-71.
[10] Bouchard B. et N. Touzi (2004). Discrete-Time Approximation and Monte-Carlo Simu-
lation of Backward Stochastic Dierential Equations. Stochastic Processes and their Appli-
cations, 111 (2), 175-206.

[11] Bouchard B. (2005). A version of the G -conditionial bipolar theorem in L0 (Rd ; Ω, F, P).
Journal of Theoretical Probability, 18 (2), 439 - 467 .

[12] Bouchard B. et H. Pham (2005). Optimal consumption in discrete time nancial models
with industrial investment opportunities and non-linear returns. Annals of Applied Proba-
bility, 15 (4), 2393-2421.

[13] Bouchard B. et E. Temam (2005). On the Hedging of American Options in Discrete

Time Markets with Proportional Transaction Costs. Electronic Journal of Probability, 10,
746-760.
[14] Bouchard B., N. El Karoui et N. Touzi (2005). Maturity randomization for stochastic
control problems. The Annals of Applied Probability, 15 (4), 2575-2605.
 Introduction 4

Articles soumis
[15] Bouchard B. et I. Bentahar (2005). Explicit characterization of the super-replication
strategy in nancial markets with partial transaction costs. Document de travail du LPMA.
[16] Bouchard B. et R. Elie (2005). Discrete time approximation of decoupled Forward-
Backward SDE with jumps. Document de travail du LPMA.
[17] Bouchard B. et I. Bentahar (2006). Barrier option hedging under constraints. Document
de travail du LPMA.
[18] Bouchard B. et J.-F. Chassagneux (2006). Discrete time approximation for continuously
and discretely reected BSDE's. Document de travail du LPMA.
Autres documents de travail
[19] Bouchard B. (1999). Option Pricing via Utility Maximization in the presence of Tran-
saction Costs : an Asymptotic Analysis. Document de travail du CEREMADE.
[20] Bouchard B. (2000). A Note on the Utility Based Option Pricing with Proportional
tel-00116933, version 1 - 29 Nov 2006

Transaction Costs under Large Risk Aversion. Document de travail du CREST.

[21] Bouchard B. (2000). Exponential hedging and pricing under proportional transaction
costs. Document de travail du CREST.
Thèse de doctorat
Bouchard B. Contrôle Stochastique Appliqué à la Finance. Thèse de doctorat de l'Université
Paris IX Dauphine, 2000.

Notations générales : An d'alléger au maximum la rédaction, nous listons ici un certain
nombres de notations qui seront utilisées tout au long de ce document. Tout élément x =
(xi )i≤d de Rd sera identié à un vecteur colonne de norme euclydienne |x|. On note Rd+ :=
[0, ∞)d , Md l'ensemble des matrices d × d et Md+ lorsque les composantes sont positives. La
matrice diag [x] est l'élément de Md dont la i-ème composante diagonale est xi . La trace
2
de M ∈ Md est noté Tr[M ], |M | désigne sa norme euclydienne comme élément de Rd et
M 0 sa transposée. Pour une fonction régulière ϕ : (t, x) ∈ [0, T ] × Rd 7→ ϕ(t, x), on note
Dϕ, ou ∇x ϕ, et D2 ϕ, ou ∇2x ϕ, sa jacobienne et sa hessienne par rapport à x. Pour un sous-
ensemble E ⊂ Rd , on note cl(E) ou Ē sa fermeture, int(E) son intérieur et ri(E) son intérieur
relatif. On travaillera toujours sur un espace de probabilité (Ω, F, P) muni d'une ltration
F = (Ft )t≤T satisfaisant les conditions habituelles avec F0 triviale. On désignera toujours par
W un mouvement brownien d-dimensionnel. Pour P̃ ∼ P, un sous-ensemble E de Rd ou Md
et G ⊂ F , on note Lp (E; Ω, G, P̃) l'espace des variables aléatoires G -mesurables, admettant
un moment d'ordre p ≥ 0 pour P̃, à valeurs dans E . La norme associée est notée k · kLp (P̃) . Le
cas p = ∞ correspond aux variables essentiellement bornées. Si G est une ltration, on note
de manière similaire Lp (E; Ω × [0, T ], G, P̃) pour désigner les processus ξ adaptés à G tels
RT 1
que kξkHp (P̃) := k( 0 |ξt |2 dt) 2 kLp (P̃) < ∞. On omettra l'un des arguments s'il est clairement
identié par le contexte. Toutes les inégalités entre variables aléatoires sont à prendre au
sens P-p.s.
 Chapitre I
Arbitrage, couverture et gestion
optimale de portefeuille : quelques
apports à la théorie
tel-00116933, version 1 - 29 Nov 2006

1 Modèles avec coûts de transaction proportionnels en temps

discret
Depuis les travaux pionniers de Jouini et Kallal, [JoKa95] et [JoKa99], les modèles de
marchés nanciers avec coûts de transactions propotionnels ont été largement étudiés dans
la littérature. En particulier, les travaux récents [KaSt01b], [KaRaS02], [Sc04] et [KaRaS03]
ont permis de clarier la notion d'absence d'opportunité d'arbitrage et ses implications dans
les modèles en temps discret, voir également [Ra02], [Pe01] et [Gr05].
La modélisation abstraite proposée par [KaRaS02] est la suivante. Tout d'abord, la pré-
sence de coûts de transaction impose de représenter la richesse comme un processus d dimen-
sionnel, chaque composante reétant la position de l'agent dans l'un des actifs nanciers. An
d'éliminer la question du choix d'un numéraire, on s'intéresse aux quantités (par opposition
aux montants) d'actifs détenues. Les échanges sont représentés par un processus adapté ξ . A
chaque date t, ξti est la quantité d'actifs i achetée en échange d'autres actifs. Etant données
une dotation initiale x ∈ Rd et une stratégie ξ , le processus de portefeuille correspondant est
t
Vtx,ξ
X
:= x + ξs , t ∈ T := {0, 1, . . . , T } ⊂ N .
s=0

La contrainte d'autonancement s'écrit de manière abstraite

ξt ∈ −Kt P − p.s. pour tout t ∈ T ,

où (Kt )t∈T est une suite de cônes aléatoires, P − p.s. niment engendrés et dont l'intérieur
contient Rd+ \ {0}. On notera K l'ensemble de ces suites.
On note A l'ensemble des processus adaptés ξ vériant cette condition, A(x) := {V x,ξ : ξ ∈
A} et At (x) := {Vt : V ∈ A(x)}.

5
 I.1 Modèles avec coûts de transaction... 6

Exemple 1.1 Si on suppose que le prix d'une unité d'actif j en unités d'actif i est πtij , on
peut écrire K comme
 
 
Kt (ω) = x ∈ Rd : ∃a ∈ Md+ t.q. xi + aji − aij πtij (ω) ≥ 0 ∀ i ≤ d .
X
 
j6=i≤d

Dire que ξt ∈ −Kt , signie que l'on peut trouver une matrice de transfert ηt = (ηtij )i,j≤d ∈
L0 (Md+ ; Ft ) telle que

ηtji − ηtij πtij , i ≤ d ,

X
ξti ≤
j6=i≤d

i.e. le montant net transféré pour chaque actif est le résultat d'échanges simples ηtij entre
chaque couple d'actifs, après éventuellement avoir consommé une partie des avoirs.
tel-00116933, version 1 - 29 Nov 2006

La principale question traitée dans les articles précédemment cités est celle de l'absence
d'opportunité d'arbitrage et de la sur-réplication d'actifs contingents de type européen.
Dans les articles [7], [12] et [13], on s'intéresse à trois nouveaux problèmes :
1. Comment évaluer une option américaine ?
2. Peut-on étendre ces modèles à des investissements non-nanciers générant des rende-
ments non-linéaires ?
3. Que peut-on dire sur l'absence d'opportunité d'arbitrage si l'agent ne possède pas toute
l'information sur les taux d'échange entre actifs ?

1.1 Sur-réplication d'options américaines

Une option européenne est représentée par une variable aléatoire G ∈ L0 (Rd ; F), chaque
composante Gi correspondant à une quantité d'actif i devant être livrée à échéance. Les tra-
vaux de [KaRaS02], [Sc04] et [KaRaS03] ont notamment permis de caractériser l'ensemble
Γ(G) des dotations initiales x ∈ Rd telles que G ∈ AT (x), i.e. qui permettent de couvrir
l'option sans risque. Formellement et sous certaines conditions d'absence d'opportunité d'ar-
bitrage que l'on explicitera par la suite, on a
n o
Γ(G) = x ∈ Rd : E ZT0 G − Z00 x ≤ 0, pour tout Z ∈ Z, (ZT0 G)− ∈ L1
 

où Z est l'ensemble des martingales Z vériant

Zt ∈ Kto pour tout t ∈ T ,

et Kto (ω) désigne le cône polaire positif de Kt (ω), i.e.

n o
Kto (ω) := z ∈ Rd : z 0 y ≥ 0 , pour tout y ∈ Kt (ω) .

Similairement, une option américaine est modélisée par un processus ϑ ∈ L0 (Rd ; F), ϑit
représentant la quantité d'actif i délivrée en cas d'exercice à la date t. Sur-répliquer ϑ signie
que le processus de portefeuille V x,ξ est tel que Vtx,ξ − ϑt ∈ −Kt pour tout t ∈ T, i.e. qu'à
 I.1 Modèles avec coûts de transaction... 7

une transaction près V x,ξ permet d'obtenir ϑ à n'importe quelle date avant la maturité. Par
abus de notation, on note également Γ(ϑ) l'ensemble des x ∈ Rd tels qu'un tel ξ existe.
Par analogie avec la formulation duale obtenue pour ces produits dans les marchés sans
friction, on pourrait s'attendre à pouvoir identier Γ(ϑ) avec
( )
 0 0 0 −
Θ(ϑ) = x ∈ R : sup E Zτ ϑτ − Z0 x ≤ 0 , pour tout Z ∈ Z, (Z ϑ) ∈ L (F)
d 1

,
τ ∈T (T)

où T (T) est l'ensemble des temps d'arrêt à valeurs dans T. On montre dans [13] que cette
formulation n'est en générale par correcte. Ce phénomène avait déjà été observé par [ChJh01]
dans des modèles d'arbres avec un seul actif risqué. On montre ensuite qu'une caractérisation
duale peut être obtenue si à chaque mesure P̃ ∼ P on associe l'ensemble D(P̃) des processus
Z ∈ L1 (Rd+ ; F, P̃) tels que
" T #
tel-00116933, version 1 - 29 Nov 2006

X
Zt ∈ Kt et Z̄t := E
o P̃
Zs | Ft ∈ Kto ∀ t ∈ T .
s=t

Si l'on suppose que l'ensemble A(0) est fermé en mesure (quand on l'indentie à un sous-
ensemble de L0 (Rd×(T +1) )) et qu'il n'y pas d'arbitrage faible dans la terminologie de [KaSt01b]

NAw : AT (0) ∩ L0 (Rd+ ; F) = {0} ,

on peut montrer par des arguments de séparation de type Hahn-Banach que D(P̃) 6= ∅.
On obtient ensuite un premier résultat qui caractérise l'ensemble des processus ϑ qui sont
sur-réplicables à partir d'une dotation initiale nulle.

Théorème 1.2 Si A(0) est fermé en mesure et NAw est satisfaite, alors on a équivalence
entre
(i) 0 ∈ hΓ(ϑ) i
(ii) EP̃ 0 Z ≤ 0 , ∀ P̃ ∼ P et Z ∈ D(P̃) tels que (ϑ0 Z)− ∈ L1 (R; F, P̃)
PT
ϑ
t=0 t t
hP i
(iii) ∃ P̃ ∼ P tel que EP̃ T 0
t=0 ϑt Zt ≤ 0 pour tout Z ∈ D(P̃) vériant (ϑ0 Z)− ∈ L1 (R; F, P̃).

Comme corollaire immédiat, on obtient la formulation duale

( " T
# )
X
Γ(ϑ) = x ∈ Rd : E ϑ0t Zt ≤ Z̄00 x ∀ Z ∈ D(P), (Z 0 ϑ)− ∈ L1 (R; F, P) .
t=0

On montre ensuite que cette représentation généralise celles proposées par [ChJh01]. La
première consiste à interpréter les éléments de D(P) comme des mesures sur un arbre (ici de
dimension innie) vériant un certain nombre de contraintes. L'autre revient essentiellement
à montrer que l'égalité Γ(ϑ) = Θ(ϑ) est vraie à condition de remplacer dans la dénition de
Θ(ϑ) l'ensemble des temps d'arrêt par un ensemble de temps d'arrêt aléatoires.

On montre ensuite que A(0) est fermé en mesure sous la condition suivante :
X
ξ ∈ A et ξt = 0 =⇒ ξt ∈ Nt pour tout t ∈ T
t∈T
 I.1 Modèles avec coûts de transaction... 8

où Nt = Kt ∩ (−Kt ) désigne l'ensemble des échanges réversibles à la date t, i.e. les direc-
tions" dans lesquelles les coûts de transaction sont nuls. Cette hypothèse est vériée sous la
condition de non-arbitrage stricte introduite par [KaRaS02]
NAs : At (0) ∩ L0 (Kt ; Ft ) ⊂ L0 (Nt ; Ft ) pour tout t ∈ T ,
lorsque Nt = {0} pour tout t, i.e. lorsqu'il n'existe pas de couple d'actifs pouvant être échan-
gés librement. C'est également le cas sous la condition de non-arbitrage robuste introduite
par [Sc04] et ré-écrite sous la forme suivante par [KaRaS03]
NAr : NAw est vériée par un élément K̃ ∈ K qui domine K ,
au sens où Kt \ Kt0 ⊂ ri(K̃t ) ∀ t ∈ T , voir également [Pe01].
La preuve de ce dernier résultat repose essentiellement sur des arguments initialement
proposés par [KaRaS02] et [KaRaS03] que l'on adapte à notre contexte.
tel-00116933, version 1 - 29 Nov 2006

1.2 Gestion optimale et rendements non-linéaires

Dans [12], on considère une extension du modèle avec coûts de transaction proportionnels
étudié dans la sous-section 1.1 dans laquelle l'agent nancier peut également investir dans des
actifs productifs, ou actifs industriels, dont le rendement n'est pas nécessairement linéaire,
voir [KaKi03] et [DiPi94] pour des modèles similaires.

Marché et stratégies d'investissement

On dénit (Kt )t∈T comme dans la partie introductive de la section 1 mais on écrit main-
tenant d = dF +dI où dF et dI sont deux entiers. Le premier est le nombre d'actifs nanciers,
le second le nombre d'actifs industriels. Par la suite, à tout élément x ∈ Rd on associera le
vecteur xF ∈ RdF (resp. xI ∈ RdI ) formé par ses dF premières (resp. dI dernières) compo-
santes. Ainsi, une stratégie ξ se décompose en ξ F + ξ I où chaque composante de ξ F (resp. ξ I )
représente une quantité d'actifs nanciers (resp. industriels). Comme on ne peut pas vendre
à découvert un actif industriel, on dira dans cette section qu'une stratégie ξ ∈ L0 (Rd ; F) est
admissible pour une dotation initiale x ∈ Rd , et on notera ξ ∈ A(x), si
t
X
xI + I(ξ)t ∈ Rd+I pour tout t ∈ T , avec I(ξ)t = ξsI .
s=0
On suppose ensuite que les actifs industriels rapportent un rendement par période [t, t +
1] (aléatoire) qui dépend de la quantité d'actifs industriels détenus en début de période :
Rt+1 (xI + I(ξ)t ). Le processus R = (Rt )t∈T est un élément de l'ensemble R des processus à
valeurs dans l'espace des applications de Rd+I dans RdF × {0RdI }, où 0RdI est le vecteur nul
de RdI , tels que Rt (x) est Ft -mesurable pour tout x ∈ Rd+I . On peut noter que le rendement
n'est pas connu en début de période et que les gains générés par l'activité de production
correspondent à des actifs nanciers (des devises par exemple).
L'ensemble des valeurs terminales de portefeuille, après consommation éventuelle, s'écrit
donc
T T −1
( )
X X
I
AT (x) := x+ ξt + Rt+1 (x + I(ξ)t ) , ξ ∈ A(x) .
t=0 t=0
 I.1 Modèles avec coûts de transaction... 9

Contrairement aux modèles usuels en nance, la dynanique de la richesse et AT ne sont pas

linéaires en la dotation initiale et l'ensemble des stratégies admissibles en dépend également.

Problème de consommation optimale

Un processus de consommation c ∈ L0 (Rd+ ; F) est admissiblepour la dotation  initiale
PT
x ∈ R s'il peut être nancé par une stratégie d'investissement :
d
t=0 ct , 0RdI ∈ AT (x).
On note CT (x) l'ensemble formé par de tels processus.
Dans [12], on étudie le problème de consommation optimale suivant. On se donne une
suite (Ut )t∈T de fonctions (d'utilité) concaves de Rd+ dans R vériant chacune cl (dom(Ut )) =
Rd+ et la propriété de croissance au sens de Rd : Ut (x) ≥ Ut (y) si x − y ∈ Rd+ . On s'intéresse
à la maximisation de l'utilité espérée de la consommation
" # ( )
X X
−
u(x) := sup E Ut (ct ) où CT (x) := c ∈ CT (x) : (
U 1
Ut (ct )) ∈ L (P) .
tel-00116933, version 1 - 29 Nov 2006

c∈CTU (x) t∈T t∈T

Propriété de fermeture de l'ensemble des processus de consommation admissibles

An d'obtenir un résultat d'existence pour le problème de maximisation u(x), il est
nécessaire d'établir une propriété de fermeture de l'ensemble CT (x). Si l'on considérait un
marché sans friction et sans actifs industriels, cette propriété serait une conséquence de
l'hypothèse usuelle d'absence d'opportunité d'arbitrage faible qui s'écrit

NAw : AT (0) ∩ L0 (Rd+ ) = {0} ,

voir la section précédente. Ici la diculté est double. Tout d'abord les transactions sont
soumises à des coûts de transaction et la condition d'absence d'opportunité d'arbitrage faible
n'est pas assez forte en générale. Ensuite, la dynamique du portefeuille n'est pas linéaire
comme dans les modèles usuels de marché nancier.
Dans [12], nous proposons d'imposer une hypothèse d'absence d'opportunité d'arbitrage
robuste qui généralise celle dénie dans [Sc04]. On suppose qu'il existe un couple (K̃, R̃) ∈
K × R qui satisfait NAw et tel que, pour tout t ∈ T

K t \ N t ⊂ ri(K̃ t ) , R̃t (0) ∈ K t et R̃t (α) − Rt (α) ∈ ri(K t ) ∀ α ∈ Rd+I \ {0} .

Ici, K t (ω) = {x ∈ RdF : (x, 0RdI ) ∈ Kt (ω)} et N est déni similairement à partir de
N = K ∩ (−K). Dans [Sc04], l'hypothèse de non-arbitrage robuste signie qu'il existe un
modèle dans lequel les coûts de transaction sont plus faibles, strictement dans les directions
où ils ne sont pas déjà nuls, tel qu'il n'y a toujours pas d'arbitrage au sens de NAw (avec
dI = 0). C'est le sens de la condition (i) ci-dessus qui porte sur les transactions entre actifs
nanciers. Comme diminuer les coûts de transaction revient en quelque sorte à accroître
le rendement des investissements nanciers, notre idée est d'autoriser également une légère
augmentation du rendement des actifs industriels. C'est le sens de la condition (ii).
Pour obtenir le résultat de fermeture on a besoin de régularité et de concavité (au sens
de K) sur Rd+I : pour tout t ∈ T, on a P − p.s.
(R1) Rt (0) = 0 et Rt est continue.
 I.1 Modèles avec coûts de transaction... 10

(R2) λRt (α) + (1 − λ)Rt (β) − Rt (λα + (1 − λ)β) ∈ −K t , ∀ (λ, α, β) ∈ [0, 1] ×

(L0 (Rd+I ))2 .
(R3) Il existe at ∈ L0 (Rd ) et L ∈ R tels que λLt (α) = Lt (λα) P − p.s. et Rt (α) +
at + Lt (α) ∈ L0 (Rd+ ) pour tout (λ, α) ∈ L0 (R+ × Rd+I ).
Sous ces conditions, on obtient le résultat escompté.

Théorème 1.3 Pour tout x ∈ RdF × Rd+I , AT (x) et CT (x) sont fermés en probabilité.

Ce résultat nous permet en outre de fournir une caractérisation duale de ces deux
ensembles. La démonstration est fortement inspirée par les techniques introduites dans
[KaRaS02] et [KaRaS03]. Toutefois, la présence de la non-linéarité due au processus de
rendement R complique signicativement la preuve.

Existence pour le problème de consommation optimale

tel-00116933, version 1 - 29 Nov 2006

An d'obtenir un résultat d'existence, il est nécessaire d'imposer également des condi-
tions sur la suite de fonctions d'utilité (Ut )t∈T . Tout d'abord, il est bien connu qu'il faut
des hypothèses de type Inada qui en dimension 1 s'écrivent U 0 (0+) = ∞ et U 0 (∞) = 0.
Dans notre cadre multivarié où Ut n'a pas de raison d'être régulière, nous ré-écrivons cette
hypothèse sous la forme int(Rd+F ) ⊂ dom(Ũt ) où Ũt est la tranformée de Fenchel associée à
U : Ũt (y) = supx∈Rd Ut (x) − x0 y . On suppose en outre que pour tout t ∈ T et λ ∈ (0, 1), il
+
existe Ctλ ∈ R+ tel que Ũt (λy) ≤ Ctλ (1 + Ũt (y)+ ) pour tout y ∈ dom(Ũt ). Il s'agit d'une ex-
tension naturelle au cadre multivarié de la condition d'Elasticité Asymptotique Raisonnable
de [KrSc99], les deux conditions étant équivalentes en dimension 1. C'est également une
hypothèse plus faible que celle retenue par [DePhT02] qui traite également d'un problème
d'optimisation d'utilité dans un cadre multivarié. Le résultat d'existence est le suivant.

Théorème 1.4 S'il existe x0 ∈ int(K0 ) tel que u(x0 ) < ∞,Palors quel que soit x ∈ RdF ×Rd+I
tel que CTU (x) 6= ∅, il existe c∗ ∈ CTU (x) vériant u(x) = E ∗ .

t∈T Ut (ct )

La preuve repose sur le résultat de fermeture déjà énoncé et sur une adaptation du schéma
de preuve d'existence directe utilisé dans [KrSc03]. Cependant cette approche nécessite de
montrer au préalable un résultat de dualité abstrait sur le problème d'optimisation dont la
preuve est très spécique au cadre univarié. Nous contournons cette diculté en introduisant
un problème de contrôle auxiliaire.

1.3 Absence d'arbitrage et information imparfaite

Dans [7], on étudie les conditions d'absence d'opportunité d'arbitrage NAw , NAs et NAr
décrites dans la sous-section 1.1 dans un modèle dans lequel l'agent nancier possède une
information diérente de celle générée par les processus de taux de change entre actifs. On
suppose que la ltration de l'agent H = (Ht )t∈T est quelconque et non plus nécessairement
égale à F comme dans les modèles habituellement considérés. Dans l'Exemple 1.1, cela revient
à ne plus supposer que la ltration de l'agent contient celle générée par le processus π . Une
telle situation est typiquement celle d'un petit investisseur qui n'a pas un accès direct à
l'information sur les prix. C'est aussi le cas lorsque les ordres sont exécutés avec un délai, et
 I.1 Modèles avec coûts de transaction... 11

à un prix qui n'est pas nécessairement le même que celui observé au moment du passage de
l'ordre, voir par exemple [ChGa03].
En l'absence de friction, la caractérisation de l'absence d'opportunité d'arbitrage en temps
discret est facilement établie en suivant presque ligne par ligne la preuve de [KaSt01]. Dans
[KaSt03], il est montré que l'absence d'opportunité d'arbitrage est équivalente à l'existence
d'une mesure Q ∼ P telle que la (H, Q)-projection optionnelle des prix est une (H, Q)-
martingale. L'objectif de [7] est d'étendre ce résultat aux marchés avec coûts de transaction
proportionnels.

Une modélisation alternative basée sur la notion d'ordre

Dans un premier temps, il est nécessaire de proposer une modélisation adaptée à ce
contexte. En eet, l'approche présentée dans la partie introductive de cette section n'a plus
de sens puisque dire que les processus de taux de change ne sont pas H-adaptés revient à dire
que le processus K n'est pas H-adapté. Il n'est donc plus possible de modéliser la stratégie
tel-00116933, version 1 - 29 Nov 2006

nancière à travers les quantités nettes achetées ou vendues et il faut revenir à la notion
d'ordres simples.
Etant donné un ensemble convexe fermé O de Md , on dit que η est processus d'ordre simple
s'il appartient à L0 (O; H). Typiquement η ij représente un ordre d'achat de |η ij | unités d'actif
j contre de l'actif i s'il est positif et un ordre de vente de |η ij | unités d'actif j contre de l'actif
i s'il est négatif. L'impact sur le portefeuille (en unités physiques) d'un ordre est mesuré par
un processus de conversion F = (Ft )t , i.e. une suite d'applications aléatoires de Md dans Rd
F -mesurable telle que, pour tout t, Ft est P − p.s. continue et vérie, P − p.s., les propriétés
d'homogénéité et de concavité suivantes

HF1 : λFt (a) = Ft (λa) pour tout λ ≥ 0 et a ∈ Md .

HF2 : Ft (a1 + a2 ) ≥ Ft (a1 ) + Ft (a2 ) pour tout a1 , a2 ∈ O.
On dit qu'un processus ξ est un processus d'échange s'il résulte d'un processus d'ordre
simple

Ft (η), η ∈ L0 (O; Ht )

ξt ∈ −Kt := , t∈T.

On note simplement ξ ∈ −K . Le processus de portefeuille associé est V ξ déni par Vtξ =

Pt ξ
s=0 ξs et on note At (0) := {Vt − r : ξ ∈ −K, r ∈ L (R+ )} l'ensemble des actifs
0 d

sur-réplicables par une stratégie partant de 0 menée jusqu'en t.

Par la suite, on dira qu'un processus d'échange est reversible si ξ ∈ N := K ∩(−K). Dans
le modèle exposé en introduction de cette section, si un processus d'échange est réversible,
alors −ξ est automatiquement un processus d'échange. Ce n'est plus le cas dans notre modèle.
Toutefois, dire qu'une transaction est réversible revient à dire qu'elle n'implique que des
échanges entre actifs entre lesquels il n'y a pas de friction. Dans ce cas, on devrait pouvoir
annuler l'opération simplement en passant un ordre inverse. C'est le sens de l'hypothèse
suivante :

HN : Pour tout t et η ∈ L0 (O; Ht ), Ft (η) ∈ Nt ⇒ Ft (−η) = −Ft (η) et −η ∈ L0 (O; Ht ).

 I.1 Modèles avec coûts de transaction... 12

Enn, on suppose que les ordres d'échange à l'achat et à la vente entre deux mêmes actifs
s'annulent dans le sens où

HO : 1. F (±eij ) = 0 si ±eij ∈
/ O, i, j ≤ d.
2. F (η) = i,j (η ) F (eij ) + (η ij )− F (−eij ) pour tout η dans L0 (Md ).
P  ij + 

Ici, eij est la matrice de Md+ dont la composante (k, l) vaut 1(i,j)=(k,l) .

Caractérisation de l'absence d'opportunité d'arbitrage

Dans ce modèle, les hypothèses d'absence d'opportunité d'arbitrage faible et stricte pré-
sentées dans la sous-section 1.1 s'écrivent simplement

NAw : AT (0) ∩ L0 (Rd+ ) = {0} et NAs : At (0) ∩ (Kt + L0 (Rd+ )) ⊂ Nt pour tout t ∈ T .

On dénit l'absence d'opportunité d'arbitrage robuste, NAr , comme l'existence d'un pro-
tel-00116933, version 1 - 29 Nov 2006

cessus de conversion d'ordres G vériant HO tel que pour tout η ∈ L0 (O; H) et t :

1. Gt (ηt ) ≥ Ft (ηt )
h i
/ Nt ⇒ P ∃ k tel que Gkt (ηt ) > Ftk (ηt ) > 0
2. Ft (ηt ) ∈
3. NAw est vériée par G.

An d'étendre les caractérisations d'absence d'opportunité d'arbitrage de [KaRaS02], [Sc04]

et [KaRaS03], il reste à introduire une bonne classe de variables duales qui coïncide avec
l'ensemble Z déni dans la sous-section 1.1 lorsque F est H-adapté. Pour cela, on introduit
l'ensemble ZH des éléments Z ∈ L∞ (int(Rd+ ); F) tels que

F̄t (ηt ; Z) ≤ 0 et Ft (ηt )1F̄t (ηt ;Z)=0 ∈ Nt , pour tout η ∈ L0 (O; H) et t ,

où F̄t (ηt ; Z) := E [Z 0 Ft (ηt ) | Ht ]. Lorsque F est H-adapté, on retrouve facilement l'interpré-

tation usuelle de ZH en terme de processus de prix ctifs, voir par exemple [1] et [Sc04]. En
eet, si on dénit Z̄ et Z̃ par Z̄t = E [Z | Ht ] et Z̃t = Z̄t /Z̄t1 et si on introduit la mesure
équivalente Q̄ dénie par dQ̄/dP = Z̄T1 /Z̄01 , la (Q̄, H)-martingale Z̃ correspond à un proces-
sus de prix ctif dans un marché sans coût de transaction dans lequel le premier actif est pris
comme numéraire. La condition F̄t (ηt ; Z) ≤ 0 ⇔ Z̃t0 Ft (ηt ) ≤ 0 signie que les transactions
eectuées évaluées au prix Z̃t vérient la condition usuelle d'autonancement. Par ailleurs,
Ft (ηt )1F̄t (ηt ;Z)=0 ∈ Nt implique que cette condition n'est saturée que si la transaction est
réversible. Notre résultat principal est le suivant.

Théorème 1.5 Sous NAr , AT (0) est fermé en probabilité et ZH est non-vide. Si ZH est
non vide alors NAw , NAs et NAr sont vériées.

On montre en outre que la première assertion reste vraie si l'on remplace NAr par NAs
dès que l'on fait l'hypothèse de frictions eectives : N = {0}. On propose également une
représentation alternative de l'ensemble ZH en terme de cônes de solvabilité projetés qui
permet de faire le lien avec l'ensemble de variables duales Z introduit dans la sous-section
1.1. Enn, on étudie les implications de ce théorème dans diérents modèles spéciques. On
 I.2 Relations de dualité en nance... 13

montre en particulier que notre condition d'absence d'opportunité d'arbitrage robuste est
équivalente à celle de [Sc04].
Note : Ce travail a été ré-écrit dans un cadre abstrait par [DeKaS06]. Leur approche consiste
à remplacer F par un opérateur linéaire qui s'avère un peu plus exible. Ils énoncent égale-
ment une formulation duale pour le problème de sur-réplication qui découle de la propriété de
fermeture de AT (0) et d'arguments similaires à ceux déjà employés pour obtenir le Théorème
1.5.

2 Relations de dualité en nance et gestion de portefeuilles

Il existe une vaste littérature sur les problèmes de maximisation d'utilité en marchés
incomplets. Depuis les travaux pionniers de [KaLeSX91] qui sont à l'origine de l'approche
par dualité, jusqu'aux plus récents articles [KrSc99], [KrSc03], [Sc01] et [Sc03] qui ont large-
tel-00116933, version 1 - 29 Nov 2006

ment contribué à clarier la situation lorsque la fonction d'utilité est régulière, donnant des
conditions nécessaires et susantes pour l'existence d'une solution au problème dual et au
problème primal.
La série d'articles présentés ci-après s'intéresse à des extensions non-triviales de ces tra-
vaux lorsque :
1. on tient compte de la présence de coûts de transaction dans des marchés multivariés
([2], [4], [19], [20], [21]),
2. la fonction d'utilité n'est pas régulière, ce qui est le cas lorsque l'on considère des
critères de minimisation de l'erreur de couverture ([6]),
3. l'horizon de temps est aléatoire et/ou l'utilité dépend de la trajectoire de la richesse
et non plus seulement de sa valeur terminale ([8]).
Enn, on étudie une relation de polarité sur L0 qui permet de mieux comprendre la
nature des problèmes duaux apparaissant dans cette théorie ([5], [11]).

2.1 Modèles avec coûts de transaction proportionnels

Existence et dualité
Dans [21] et [4], on considère un marché nancier avec coûts de transaction proportionnels
en temps continu. Les actifs risqués sont modélisés par une semi-martingale S = (S 1 , . . . , S d )
à composantes strictement positives. Ici S 1 est pris comme numéraire et est normalisé
S 1 ≡ 1. Les coûts de transactions sont représentés par une matrice à coecients positifs
Λ = (λij )i,j≤d : si on achète de l'actif j en échange de l'actif i, on paie un coût proportionnel
à la transaction de coecient λij en actif i. Une dotation initiale est un vecteur x ∈ Rd ,
chaque composante xi représentant un avoir en actif i, en terme de numéraire. Pour mo-
déliser la dynamique des portefeuilles nanciers, on suit l'approche introduite par [Ka99]
et [KaLa02]. Une stratégie nancière est décrite par un processus matriciel L = (Lij )i,j≤d
adapté à variation bornée, continu à droite, dont chaque composante est positive, croissante
et tel que L(0−) = 0. Le portefeuille X x,L induit par la dotation initiale x et la stratégie L
 I.2 Relations de dualité en nance... 14

est la solution sur [0, T ] de

t i d 
Xr−
Z 
ji ij
X
Xti =x+ i
dS i
r + Lt − (1 + λ ij
)Lt , i≤d.
0 Sr− j=1

On appelle A l'ensemble des stratégies L et on note X (x) := {XTx,L , L ∈ A} l'ensemble des

valeurs terminales de portefeuille partant d'une dotation initiale x.
Etant donnée un fonction d'utilité U nie sur R, on s'intéresse au problème de gestion
optimale

sup E [U (`(X − G))] (2.1)

X∈X (x)

où G ∈ L∞ (Rd ) est un actif contingent borné, chaque composante Gi représentant un mon-

tant d'actif S i devant être livré, et ` est la fonction de liquidation dénie par
tel-00116933, version 1 - 29 Nov 2006

 
 Xd 
`(x) := sup w ∈ R : xi + (aji − (1 + λij )aij ) ≥ w1i=1 , i ≤ d .
 
j=1

Autrement dit, `(X −G) est la quantité maximale de numéraire que l'on peut obtenir à partir
de la richesse X après livraison de l'actif contingent G. Le cône convexe fermé polyèdral
n o
K := x ∈ Rd : `(x) ≥ 0 ,

correspond à l'ensemble des portefeuilles qui permettent d'obtenir une quantité d'actif 1
positive une fois soldées toutes les autres positions en actifs risqués. C'est ce que l'on appelle
la région de solvabilité.
L'étude de (2.1) pose plusieurs dicultés. Jusqu'alors les problèmes de gestion optimale
avec coût de transactions proportionnels n'avaient été étudiés que dans le cadre univarié ou
dans des modèles n'autorisant pas d'échanges directs entre les actifs risqués, voir [CvKa96],
[CvWa01] et [Gu02] pour des résultats d'existence généraux, et, [HoNe89], [DaPaZ93] et
[BaSo96] pour des approches par EDP.
Dans cet article, nous utilisons les théorèmes de sur-réplication obtenus par [Ka99] et [KaLa02]1
pour les marchés comprenant plusieurs actifs risqués qui peuvent être échangés directement
sans passer par un numéraire, voir [JoKa95] et [CvKa96] pour le cas univarié. En particulier,
on se restreint aux hypothèses faites dans le second papier : S est continue, il existe une me-
sure martingale équivalente pour S , K o (le polaire positif de K au sens de l'analyse convexe)
est d'intérieur non vide. Cette dernière condition est équivalente à : λij + λji > 0 pour tout
(i, j). Ceci implique qu'il n'existe pas de couple d'actifs pouvant être librement échangés.
Par ailleurs, le problème (2.1) est mal posé. En eet, il est bien connu en nance mathéma-
tique qu'il est nécessaire d'imposer une borne inférieure au processus de richesse de manière
à éviter les arbitrages obtenus en suivant des stratégies de type doubling strategies. Il est
donc nécessaire de restreindre le problème (2.1) à une sous-classe Xb (x) de X (x). De manière
1
Ces travaux ont été très récemment étendus aux processus non continus par [CaSc06].
 I.2 Relations de dualité en nance... 15

naturelle, on pourrait imposer que la valeur liquidative d'un portefeuille soit uniformément
bornée inférieurement,
n o n o
Xb (x) := XTx,L , L ∈ Ab où Ab := L ∈ A : ∃ c > 0, `(Xt0,L ) ≥ −c ∀ t ≤ T .

Toutefois, la fonction d'utilité U étant nie sur R, il est clair que le problème

sup E [U (`(X − G))] (2.2)

X∈Xb (x)

n'a aucune raison d'avoir une solution dans Xb (x). An de mieux poser le problème d'opti-
misation, on suit une approche similaire à celle de [Sc01]. On relaxe le problème en cherchant
une solution dans XU (x) déni comme l'ensemble des éléments X ∈ L0 (Rd ) tels qu'il existe
une suite (X n )n≥1 de Xb (x) vériant

X n −→ X P − p.s. et E [U (`(X n − G))] −→ E [U (`(X − G))] .

tel-00116933, version 1 - 29 Nov 2006

Le problème primal est déni par

u(x; G) := sup E [U (`(X − G))] . (2.3)

X∈XU (x)

Dans [21] et [4], on suit l'approche par dualité initialement introduite par [CoHu89] et
[KaLeSX91] pour les marchés nanciers sans friction. Cette approche permet de substi-
tuer au problème de contrôle (dynamique) initial un problème de contrôle (dual) statique.
En marchés complets, elle permet une résolution quasi-explicite (à un paramètre près, que
l'on peut en général au moins estimer par des techniques de type Monte-Carlo). En marchés
incomplets, elle peut également permettre de se ramener à un problème plus simple à traiter
numériquement (voir e.g. [Mn02]). D'une marnière générale, elle a été jusqu'à très récemment
utilisée pour obtenir des résultats d'existence généraux.
D'après [Ka99] et [KaLa02], il existe une dualité naturelle entre Xb (x) et l'ensemble Z des
processus Z à valeurs dans K o tels que (Z i S i )i≤d est une martingale. Leur résultat essentiel
implique que, sous certaines hypothèses,

Xb (x) ∩ L0 (K) = X ∈ L0 (K) : E ZT0 X ≤ Z00 x , ∀ Z ∈ Z (2.4)

  
.

L'ensemble Z est une extension naturelle de l'espace des densités de mesure martingale
(locale) qui apparaît dans les modèles sans friction. Etant donnée (2.4), il serait naturel de
considérer le problème dual
h i
ū(y; G) = inf E Ũ (ZT1 ) − ZT0 G . (2.5)
Z∈Z, Z0 =y

Toutefois, Z n'étant pas fermé en probabilité, il y a peu de chance de réussir à montrer un

résultat d'existence pour (2.5). Ce phénomène est bien connu dans les modèles sans friction.
L'ensemble des variables duales est donc déni comme suit. A y ∈ K o , on associe tout
d'abord

Y ∈ L0 (K o ) : E Y 0 X ≤ y 0 x ∀ X ∈ X (x) ∩ L0 (K)
  
Y(y) := .
 I.2 Relations de dualité en nance... 16

Ensuite, on se restreint à la sous-classe

n o
Y ∈ Y(y) : Y 1 > 0, E Y 1 = y 1 , Ũ (Y 1 ) ∈ L1
 
YŨ (y) :=

que l'on suppose non-vide et on dénit

h i
ũ(y; G) := inf E Ũ (Y 1 ) − Y 0 G . (2.6)
Y ∈YŨ (y)

Dans [21], on se concentre sur l'utilité exponentielle : U (z) = −e−ηz avec η > 0. Dans [4],
on considère le cas où U est une fonction strictement concave, C 1 , vériant les conditions
d'Inada : U 0 (−∞) = ∞ et U 0 (∞) = 0. On travaille sous les hypothèses d' élasticité asympto-
tique raisonnable introduites par [KrSc99] et [Sc01]. Celles-ci sont nécessaires pour obtenir
un résultat d'existence général, voir [GuSc04] pour les modèles avec coûts de transaction
lorsque U est dénie sur R+ . On montre que pour tout x ∈ Rd :
1. il existe une solution X∗ à (2.3),
tel-00116933, version 1 - 29 Nov 2006

2. il existe y∗ ∈ K o tel que u(x; G) = ũ(y∗ ; G) + y∗0 x,

3. il existe une solution Y∗ ∈ YŨ (y∗ ) à (2.6),
4. X ∗ = −Ũ 0 (Y∗1 )e1 + G, où e1 = (1, 0, . . . , 0).
On montre en outre que X ∗ ∈ X (x) s'il existe une mesure martingale équivalente de
densité H telle que Ũ (H) ∈ L1 . Ces résultats étendent aux modèles avec coûts de transaction
proportionnels ceux de [Sc01]. La preuve consiste à approcher le problème (2.3) par une
suite de problèmes similaires mais dénis pour des fonctions d'utilités à domaine borné
inférieurement. Il faut également tronquer l'actif contingent G de manière à ce que la suite
de problèmes soit bien dénie, ce qui n'apparaît pas dans [Sc01] qui considère le cas où
G = 0 (le cas G 6= 0 en marchés incomplets a été traité au même moment par [Ow02]). On
montre les résultats d'existence et de dualité pour ces problèmes, puis on passe à la limite.
La diculté principale provient évidemment de ce passage à la limite qui est rendu plus
délicat que dans [Sc01] du fait de l'aspect multivarié des diérentes variables.

Prix de réserve et aversion à l'égard du risque innie

On se restreint maintenant au cas étudié dans [21] : U (z) = Uη (z) := −e−ηz avec η > 0.
On obtient une formulation duale pour le prix de réserve d'un actif contingent G ∈ L∞ (Rd )

pG
η (x) := inf {p ∈ R : u(x + pe1 ; G) ≥ u(x; 0)} , e1 = (1, 0 . . . , 0) .

On montre en eet, que

pG E Y 0 G − η −1 Y 1 ln(Y 1 ) − y 0 x + E η −1 Y 1 ln(Y 1 ) + y 0 x
   
η (x) = sup inf
(y,Y )∈Yη (y,Y )∈Yη

où Yη := {(y, Y ) ∈ K o × L0 (K o ) : Y ∈ YŨη (y), y 1 = 1}. Ici, Ũη est la transformée de

Fenchel associée à Uη .
Dans [2], on étudie le comportement de pG η (x) lorsque le paramètre d'aversion à l'égard du
risque η tend vers ∞. Notre principal résultat montre que le prix de réserve tend vers le prix
 I.2 Relations de dualité en nance... 17

de sur-réplication lorsque la dotation initiale est nulle. Ce résultat avait été conjecturé dans
[BaSo96]. Dans le cas général, on obtient

lim pG (x) = `(x) + inf {p ∈ R : ∃ X ∈ XS (x + pe1 ) t.q. `(X − G) ≥ 0} ,

η→∞ η

où XS (x) est l'ensemble des valeurs terminales des portefeuilles X x,L tels qu'il existe cL ≥ 0
pour lequel X x,L − cL S ∈ K . Ce résultat requiert une hypothèse technique supplémentaire
qui nous assure que le théorème de sur-réplication de [Ka99] et [KaLa02], dont (2.4) est une
forme particulière, peut-être ré-écrit en terme de l'ensemble Yη .
Cette propriété avait déjà été établie dans le document de travail [19] dans un modèle de
diusion browienne markovien. L'approche était complètement diérente et reposait sur
la dérivation puis l'étude du comportement asymptotique d'équations d'Hamilton-Jacobi-
Bellman, prises au sens de la viscosité. Dans la note [20], le résultat précédent est étendu
à une plus large classe de fonctions d'utilité. Des résultats similaires ont été obtenus par
tel-00116933, version 1 - 29 Nov 2006

[KaRo00], [DeGrRSSS02] et [KaSt02] dans des modèles de marchés nanciers incomplets

mais sans friction.

2.2 Modèles sans friction : utilités non régulières et dépendant de la tra-

jectoire de la richesse

Dans [6] et [8], on considère un marché nancier sans friction. Les prix des actifs nanciers
sont modélisés par une semi-martingale localement bornée S à composantes strictement
positives. On suppose que le premier actif joue le rôle d'un numéraire, i.e. S 1 = 1. Un
Rt
processus de richesse s'écrit alors Xtx,θ := x + 0 θr0 dSr , où x ∈ R est la dotation initiale et
θ ∈ L(S), l'ensemble des processus prévisibles, S -intégrables. Par la suite on notera
n o
X (x) := XTx,θ , θ ∈ L(S) .

On suppose que l'ensemble M = {H = dQ/dP : Q ∼ P, S est une Q-martingale locale}

des densités de mesures martingales locales est non vide. Cette condition est équivalente à
l'absence de free lunch with vanishing risk qui est une version faible de l'arbitrage, voir
[DeSc94].

Utilités non-régulières
Il est généralement supposé que la fonction d'utilité est C 1 ce qui ne permet pas d'englober
les problèmes de minimisation de l'erreur de couverture du type

E V [G − X]+ , G ∈ L∞ (R) ,


inf
X∈X (x)

voir par exemple [Cv99], [FoLe00] et [Ph02]. L'objectif de [6] est d'étendre les résultats
généraux obtenus dans [KrSc99] et [KrSc03] au cas où U n'est pas C 1 mais simplement
croissante et concave.
Lorsque la fonction d'utilité U a un domaine borné inférieurement, on suit l'approche de
[DePhT02] qui consiste à approcher Ũ par une suite (Ũn )n construite par inf-convolution.
 I.2 Relations de dualité en nance... 18

Ceci nous permet de montrer l'existence d'une solution au problème dual associé à chaque
Ũn . Lorsque la fonction U est nie sur R, on procède comme dans [Sc01] et [4], i.e. on
approche U par une suite de fonctions (non régulières) à domaines bornés inférieurement.
Comme dans [DePhT02], on écrit les conditions d'Inada et d'élasticité asymptotique raiso-
nable sur la transformée de Fenchel Ũ et non sur U directement.
On a déjà remarqué dans la partie précédente que l'utilisation de portefeuilles uniformément
bornés inférieurement ne permet pas d'obtenir un résultat d'existence lorsque U est nie sur
R. Dans [DeGrRSSS02] et [Sc03], les auteurs proposent diérentes classes de stratégies et
montrent qu'elles sont équivalentes dans le sens où les valeurs d'utilité espérée maximales
sont les mêmes. Dans [6], on étend également ce résultat au cas non-régulier.

Utilités dépendant de la trajectoire du portefeuille

Jusqu'ici nous n'avons considéré que des utilités ne dépendant que de la richesse terminale,
ou de la consommation (voir la section I.1.2). Dans [8]2 , on considère des problèmes de la
tel-00116933, version 1 - 29 Nov 2006

forme
Z T 
u(x) := sup E U (Xt )dFt , (2.7)
0

où U est C 1 dénie sur (0, ∞), vérie les conditions d'Inada, et F admet une décomposition
de la forme
Z t p
X
Ft = fu du + αi 1τi ≤t 1τi <T + hT 1t=T , 0 ≤ t ≤ T,
0 i=1

où f est adaptée, positive et continue à droite, les τi sont des temps d'arrêts, les αi des
coecients strictement positifs et hT est une variable aléatoire FT -mesurable, positive et
bornée.
La maximisation dans (2.7) se fait sur le sous-ensemble XU (x) de l'espace X+ (x) des processus
R·
positifs de la forme x + 0 θr0 dSr , θ ∈ L(S), qui vérient
Z T 
−
E U (Xt ) dFt < ∞ .
0

Il s'agit clairement d'une généralisation du problème d'optimisation de la richesse terminale

mais cette modélisation permet également de rendre compte des situations dans lesquelles
l'horizon de temps est aléatoire, modélisé par un pseudo-temps d'arrêt au sens de [NiYo05],
voir [Ri75] et [BlKaJM02] pour une approche par EDP et pour plus de références. Par
ailleurs, l'approche usuelle suppose que l'agent ne s'intéresse qu'à sa richesse terminale, ce
qui n'est pas le cas en pratique, notamment pour les agents nanciers dont la performance
est régulièrement contrôlée.
L'ensemble des variables duales est déni ainsi. A y ≥ 0, on associe
 Z T  
0
Y(y) := Y ∈ L (R+ ; F) : E Xt Yt dFt ≤ y, ∀ X ∈ X+ (1) .
0
2
Ce travail a été motivé par une présentation de M. Jeanblanc sur les problèmes de gestion optimale en
horizon aléatoire et leurs liens avec les équations diérentielles stochastiques rétrogrades.
 I.2 Relations de dualité en nance... 19

On montre facilement que cet ensemble est non-vide sous l'hypothèse M =

6 ∅. On note Y∗ (y)
la restriction de Y(y) aux processus strictement positifs.
Le problème dual s'écrit
Z T 
ũ(y) := inf E Ũ (Yt )dFt .
Y ∈Y(y) 0

On suppose comme dans [KrSc03] que le problème est ni pour tout y > 0. Ce qui est
impliqué par la condition d'élasticité asymptotique raisonnable de [KrSc99] et la nitude,
en au moins un point, de u. Sous ces conditions, on retrouve les résultats d'existence et de
dualité obtenus dans le cas usuel où Ft = 1t=T . Notre approche dière de celle retenue dans
[6] qui suit l'approche classique consistant à prouver l'existence dans le problème dual puis
à utiliser des techniques de type calcul des variations sur celui-ci pour dériver la solution du
problème primal, voir [KaLeSX91]. La raison est la suivante : on peut prouver l'existence
d'une solution Ŷ associée à ũ(ŷ) où ŷ vérie u(x) = ũ(ŷ) + ŷx. On peut également suivre
tel-00116933, version 1 - 29 Nov 2006

l'approche par calcul des variations usuelle et montrer que X̂ = −Ũ 0 (Ŷ ) vérie
Z T 
E X̂t Yt dFt ≤ yx
0

pour tout Y ∈ Y(y) et y > 0. Si l'on pouvait montrer que X̂ est cadlag, il ne serait pas très
dicile d'en déduire que X̂ ∈ XU (x). Malheureusement, cela reviendrait à montrer que Ŷ
est cadlag. Or, même si l'on redénissait Y en se restreignant à des processus cadlag, il n'y
a aucune raison pour que l'argument minimum dans ũ soit aussi régulier. Autrement dit, on
n'arrive pas à en déduire que X̂ ∈ XU (x).
Pour contourner cette diculté, on commence par montrer la dualité entre u et ũ en
s'inspirant de techniques introduites par [KrSc03]. Puis on montre directement l'existence
d'une solution au problème primal. Ensuite, on utilise une approche par calcul des variations
mais cette fois-ci sur le problème primal. Ceci nous permet de montrer l'existence d'une
solution au dual et de retrouver la relation habituelle entre les deux solutions. On en déduit
en même temps que la solution du problème dual est bien cadlag.
On étudie un exemple correspondant à un marché nancier complet dans lequel la solution
peut-être explicitée. On prouve également un théorème de bipolarité qui permet d'étendre à
notre cas le résultat (iv) du Théorème 2.2 de [KrSc99], voir la section suivante.

2.3 Théorèmes de bipolarité dans L0

Bien que l'espace L0 (R+ ), muni de la topologie de la convergence en mesure, ne soit
pas localement convexe, il a été montré par [BrSc99] que l'on peut obtenir une version du
théorème de bipolarité, voir [Sc96], si l'on place L0 (R+ ) en polarité avec lui-même à travers
le produit scalaire hX, Y i := E [XY ] à valeur dans [0, ∞]. Autrement dit, si C est un sous-
ensemble de L0 (R+ ), on peut dénir son polaire comme

C o := {X ∈ L0 (R+ ) : E [XY ] ≤ 1 ∀ Y ∈ C} .

Son bipolaire C oo est le polaire de C o , i.e. C oo = (C o )o .

 I.2 Relations de dualité en nance... 20

La motivation initiale vient de la nance où il existe une dualité naturelle entre l'en-
semble des valeurs terminales de portefeuille et les densités de mesures martingales (locales)
équivalentes, voir [DeSc94]. En particulier, l'ensemble des variables duales qui apparaissent
dans les problèmes de maximisation d'utilité est une extension de l'ensemble de ces densités
qui correspond en fait exactement à son bipolaire. Un des objectifs de [BrSc99] est de clarier
la structure de ce bipolaire. Le résultat principal est qu'il coïncide avec l'enveloppe convexe
solide fermée de l'ensemble de départ.
On a également vu dans la section 2.1 que, dans les modèles avec coûts de transaction
proportionnels, la notion de densité de mesure martingale doit être remplacée par celle de
martingale d-dimensionnelle à valeurs dans un cône convexe fermé. La formulation duale
de l'ensemble des actifs contingents sur-réplicables faisant intervenir les valeurs initiales et
terminales de ces processus, voir (2.4). On retrouve ainsi, après normalisation, une relation
de polarité similaire à celle décrite ci-dessus à condition de considérer un espace du type
L0 (Γ) où Γ est un cône convexe fermé de Rd+ . Dans [5], on montre que les résultats obtenus
tel-00116933, version 1 - 29 Nov 2006

par [BrSc99] peuvent être étendus à ce cadre multivarié.

Enn, on peut se demander ce qui se passe si l'on remplace le produit scalaire hX, Y i =
E [X 0 Y ] par une version conditionnelle : hX, Y iG := E [X 0 Y | G] où G est une sous-algèbre
de F . Dans ce cas le polaire G -conditionnel de C ⊂ L0 (Γ) est

C (G, o) := X ∈ L0 (Γo ) : E X 0 Y | G ≤ 1 ∀ Y ∈ C
  

et son bipolaire G -conditionnel est

n o
C (G, oo) := X ∈ L0 (Γoo ) : E X 0 Y | G ≤ 1 ∀ Y ∈ C (G, o) .
 

Ici Γo est le polaire positif de Γ au sens de l'analyse convexe et son bipolaire positif Γoo
coïncide simplement avec Γ, voir [Ro70].
Lorsque Γ = R+ , ce problème a été étudié par [Zi02] qui étend à ce cadre, mais sous
des hypothèses un peu fortes, le résultat de bipolarité de [BrSc99]. Il s'agit d'une étape vers
la démonstration d'une version dynamique du théorème de bipolarité appelé théorème de
bipolarité ltré. Une application de ce résultat dynamique en nance est décrite dans [Zi02].
Dans [11], nous étendons cette version conditionnelle au cadre multivarié et nous aaiblissons
les hypothèses de [Zi02].
Avant d'énoncer notre principal résultat, nous avons besoin d'introduire les dénitions
suivantes.

Dénition 2.6 Soit D ⊂ L0 (Γ). On dit que D est Γ-solide si pour tout Y ∈ D et Ỹ ∈ L0 (Γ) :
Y − Ỹ ∈ Γ P − p.s. ⇒ Ỹ ∈ D . On dit que D est G -convexe si : hY1 + (1 − h)Y2 ∈ D , ∀ h ∈
L0 ([0, 1]; G) et Y1 , Y2 ∈ D .

Dans la suite, on supposera que : ri(Γ) 6= ∅ et Γ ∩ ∂[0, ∞)d = {0}. Notre résultat principal
repose également sur l'une des deux hypothèses suivantes :
H1 : convG (C) ∩ L0 (ri(Γ)) 6= ∅ où convG (C) est l'enveloppe G -convexe de C .
ou
 I.2 Relations de dualité en nance... 21

G G
H2 : {Y 1{Y ∈ri(Γ)}
/ , Y ∈ C } est borné en probabilité, où C est l'enveloppe fermée (en
probabilité), G -convexe et Γ-solide de C .
On peut remarquer que l'hypothèse H2 est toujours vériée lorsque Γ = R+ , cas étudié
par [BrSc99] et [Zi02], ce dernier supposant de surcroît que C est borné en probabilité.
S'appuyant sur des résultats déjà obtenus dans [5], on montre dans [11] le résultat suivant.

Théorème 2.7 Si H1 ou H2 sont vériées, alors C (G, oo) = C G .

On montre en outre dans [11] que les hypothèses H1 et H2 ne sont plus nécessaires si Γ est
un cône polyèdral. Dans ce cas, on utilise un argument de type exhaustion qui nous permet
de nous ramener au cas d = 2 puis d = 1.
On déduit de ce résultat que tout élément Y de C (G, oo) peut être dominé par la limite (pour
la convergence en probabilité) d'une suite (Yn )n de combinaison convexe d'éléments de C
au sens où Yn → Y∗ tel que Y∗ − Y ∈ Γ. Formellement, cela implique que v(C) = v(C oo )
tel-00116933, version 1 - 29 Nov 2006

si v(D) := inf Y ∈D E [V (Y )] pour une fonctionnelle convexe V de Γ dans R, croissante pour

l'ordre partiel associé à Γ.
En nance, il s'agit de savoir si la valeur du problème dual associé à un problème de
gestion de portefeuille reste la même si l'on considère l'espace naturel des variables duales
qui apparaissent dans les théorèmes de sur-réplication ou si l'on considère leur extension
(bipolaire) introduite naturellement an d'obtenir des résultats d'existence. Par exemple,
le problème de la section 2.1 correspond à la situation où Γ = K o est un cône polyèdral,
C = {ZT : Z ∈ Z, Z0 = y} pour un y ∈ Γ et C oo = Y(y) (avec les notations de cette
section). La question est alors de savoir si ū dénie dans (2.5) coïncide avec ũ dénie dans
(2.6).
En utilisant le résultat énoncé ci-dessus, on montre sous des conditions de type élasticité
asymptotique raisonnable, voir [KrSc99] et [DePhT02], que v(C) = v(C 00 ) si v(C) < ∞. Il
s'agit d'une extension du résultat de la Proposition 3.2 de [KrSc99]. Par ailleurs, on énonce
un résultat d'existence général pour le problème inf Y ∈C 00 E [V (Y )] qui généralise celui obtenu
par [DePhT02]. Dans [11], on montre que ces résultats peuvent-être étendus aux problèmes
du type ess inf E [V (Y ) | G].
Y ∈C
 Chapitre II
Cibles stochastiques et évaluation
d'actifs contingents : approche par
solutions de viscosité
tel-00116933, version 1 - 29 Nov 2006

Dans ce chapitre, on étudie trois problèmes de cible stochastique. En nance, ils s'in-
terprètent comme des problèmes de sur-réplication sous contraintes de portefeuille ou en
présence de coûts de transaction proportionnels. Dans les deux premières sections ([3] et
[17]), l'objectif est de caractériser la fonction valeur comme solution discontinue de viscosité
d'une équation d'Hamilton-Jacobi-Bellman. Dans la dernière section ([1] et [15]), la dériva-
tion des équations ne sert que d'étape intermédiaire. Elles permettent d'établir un certain
nombre de propriétés vériées par la fonction valeur, et nalement d'en déduire une formu-
lation explicite.

1 Cibles stochastiques, diusions mixtes et couverture sous

contraintes
Le problème de cible
Dans [3], on cherche à caractériser l'ensemble des conditions initiales z ∈ Rd telles qu'il
existe un contrôle ν pour lequel le processus contrôlé Zzν atteigne une cible G ⊂ Rd presque
sûrement à une date T > 0 xée à l'avance.
Plus précisément, on se donne un sous-ensemble compact U de Rd et on dénit U comme
l'ensemble des processus prévisibles à valeurs dans U . Etant donné t ∈ [0, T ], z = (x, y) ∈
Rd × R et ν ∈ U , on considère le processus Zt,z
ν := (X ν , Y ν ) à valeurs dans Rd × R solution
t,x t,z
sur [t, T ] de
ν ν

ν

0
Xt,x (s) = ρ s, Xt,x (s), ν(s) ds + α s, Xt,x (s), ν(s) dW (s)
Z
ν


+ β s, Xt,x (s−), ν(s), e µ(de, ds)
E

22
 II.1 Cibles stochastiques, diusions mixtes... 23

ν ν

ν

0
Yt,z (s) = r s, Zt,z (s), ν(s) ds + a s, Zt,z (s), ν(s) dW (s)
Z
ν


+ b s, Zt,z (s−), ν(s), e µ(de, ds) .
E

Ici, W est un mouvement brownien d-dimensionnel et µ est une mesure de Poisson associée à
l'espace de marques E ⊂ Rm . Les fonctions ρ, α, β , r, b et a sont continues, lipschitziennes à
croissance linéaire en leur seconde variable, uniformément par rapport aux autres, et bornées
en e ∈ E . Le problème consiste à caractériser l'ensemble
ν ν


Γ(t, x) := y ∈ R : ∃ ν ∈ U, Yt,x,y (T ) ≥ g Xt,x (T ) ,

où g est une fonction mesurable de Rd dans R.

Ce problème, dit de cible stochastique, a été étudié par [SoTo02] dans le cas d'une
diusion brownienne où β = b = 0, voir également [SoTo02b] pour les liens avec les ots
géométriques et [SoTo04]. Il s'agit d'une extension naturelle des problèmes de sur-réplication
tel-00116933, version 1 - 29 Nov 2006

rencontrés en nance mathématique. En eet, on peut voir Yt,x,y ν comme le processus de

portefeuille associé à une stratégie nancière ν sur un marché constitué par les actifs risqués
ν . La fonction g s'interprète alors comme le pay-o d'une option et Γ(t, x) comme
Xt,x
l'ensemble des richesses initiales permettant de se couvrir sans risque contre la livraison de
l'option européenne g Xt,xν (T ) . La borne inférieure

u(t, x) := inf Γ(t, x) (1.1)

correspond au prix de sur-réplication de g Xt,x ν (T ) .

En nance, l'étude de la fonction u repose généralement sur une formulation duale qui
permet de se ramener à un problème de contrôle écrit sous une forme standard. En utilisant
des techniques classiques de programmation dynamique, elle permet de caractériser u comme
solution d'une équation d'Hamilton-Jacobi-Bellman. Mais une telle formulation n'est pas
toujours disponible. C'est le cas en particulier pour les problèmes de couverture de grands
investisseurs dont la stratégie ν peut inuencer l'évolution du sous-jacent X . C'est également
le cas pour les problèmes de couverture sous contrainte gamma étudiés dans [SoTo00], voir
également [SoTo04] et [SoTo05]. C'est enn le cas pour une plus grande variété de questions
liées à la couverture de risques exogènes, comme celle de la gestion optimale de provisions
que nous étudions dans [3].
Pour caractériser u comme solution d'une équation d'Hamilton-Jacobi-Bellman, il faut
alors avoir recours à un principe de programmation dynamique directement écrit sur le
problème de cible. Dans notre cadre il s'énonce sous la forme suivante.

Proposition 1.8 Soit (t, x) ∈ [0, T ] × Rd .

(DP1) Soit y ∈ R et ν ∈ U tels que Yt,x,y
ν (T ) ≥ g X ν (T ) . Alors, pour tout temps d'arrêt


t,x
θ ≥ t, on a :
ν ν


Yt,x,y (θ) ≥ u θ, Xt,x (θ) .
(DP2) Soit y := u(t, x), η > 0 et θ ≥ t un temps d'arrêt. Alors, quel que soit ν ∈ U :
 ν ν


P Yt,x,y−η (θ) > u θ, Xt,x (θ) < 1 .
 II.1 Cibles stochastiques, diusions mixtes... 24

Une version générale de ce principe est démontrée dans [SoTo02]. Dans [3], on l'établit
sous l'hypothèse : pour tout (t, x, y, ỹ) ∈ [0, T ] × Rd × R × R,

ỹ ≥ y et y ∈ Γ(t, x) =⇒ ỹ ∈ Γ(t, x) .

Celle-ci permet de caractériser Γ par sa borne inférieure. Lorsque β = b = 0, cas étudié

par [SoTo02], cette hypothèse est toujours vériée par continuité des trajectoires de Z . Pour
se passer de cette hypothèse, il faudrait travailler directement sur la fonction indicatrice
1y∈Γ(t,x) , voir [SoTo02c].1

Caractérisation de la borne inférieure

Si on suppose que u est susamment régulière et que l'inmum est atteint dans (1.1) le
principe de programmation dynamique de la Proposition 1.8 implique, au moins formelle-
ment, que l'on doit trouver un contrôle ν ∈ U tel que
tel-00116933, version 1 - 29 Nov 2006

ν ν


d Yt,x,y (t) − u(t, Xt,x (t) ) ≥ 0 ,

si y = u(t, x). En particulier, on doit pouvoir trouver ν ∈ U tel que

∂u 0
Lν u(t, x) := r(t, x, u(t, x), ν) − (t, x) − ρ(t, x, ν) Du(t, x)
∂t
1  0

− Trace D u(t, x)α (t, x, ν)α(t, x, ν) ≥ 0 ,
2
2
G ν,e u(t, x) := b(t, x, u(t, x), ν, e) − u (t, x + β(t, x, ν, e)) + u (t, x) ≥ 0 .

Il est également clair que la partie brownienne de la diérence doit absolument être nulle.
Autrement dit, si on suppose que l'application ν 7→ α−1 (t, x, ν)a(t, x, y, ν) est inversible
d'inverse ψ(t, x, y, ·) pour tout (t, x, y) ∈ [0, T ] × Rd × R, alors ν(t) doit coïncider avec
ψ(t, x, u(t, x), Du(t, x)). Si U est convexe et δ désigne sa fonction support :

δ(ζ) := sup ζ 0 ν̄ , ζ ∈ Rd ,
ν̄∈U

alors ν(t) doit en outre vérier

 0

χ(ν(t)) := inf δ(ζ) − ζ ν(t) ≥ 0 ⇔ ν(t) ∈ U ,
ζ∈Ũ1

où Ũ1 est la restriction à la boule unité de Ũ := dom(δ) (ici il s'agit simplement de la boule
unité mais on se re-servira de cette notation dans la section suivante). Autrement dit, on
doit avoir Hu
b ≥ 0 avec
 
Hu(t,
b ν ν,e
x) := min L u(t, x) ; inf G u(t, x) ; χ(ν) pour ν = ψ(t, x, u(t, x), Du(t, x)) .
e∈E

Il est également clair que l'une de ces inégalités doit être saturée. Dans [3], on montre
que cette équation est vériée au sens de la viscosité.
1
Le cas général a été étudié sous ma direction par Nicolas Saintier qui vient de nir une thèse à l'Institut
de Mathématiques de Jussieu.
 II.1 Cibles stochastiques, diusions mixtes... 25

Théorème 1.9 Si u est localement bornée, alors elle est solution de viscosité discontinue
sur (0, T ) × Rd de Hϕ = 0 .
b

An d'obtenir une caractérisation complète de u, on s'intéresse ensuite au bord en T .

Théorème 1.10 Si u est localement bornée, alors les fonctions

Ḡ(x) := lim sup u(t, x0 ) and G(x) := lim inf
0
u(t, x0 ) x ∈ Rd ,
t↑T,x0 →x t↑T,x →x

sont, respectivement, sur- et sous-solution de viscosité sur Rd de

n o n o
min ϕ(x) − g∗ (x) ; Tb ϕ(x) = 0 et min ϕ(x) − g ∗ (x) ; Tb ϕ(x) = 0 ,

où
 
Tb ϕ(x) := min inf G ν,e ϕ(T, x) ; χU (ν) pour ν = ψ(T, x, ϕ(x), Dϕ(x)) .
e∈E
tel-00116933, version 1 - 29 Nov 2006

Ici g∗ et g ∗ sont les enveloppes sci et scs de g . La diculté majeure par rapport au travail
de [SoTo02], qui considère le cas où b = β = 0, réside dans la preuve de la partie sous-solution
où il faut contrôler les trajectoires des processus, ici discontinues, au sens presque sur.
Lorsque a = α = 0, la contrainte sur le contrôle ν due à la présence du mouvement
brownien disparaît et on obtient un résultat plus simple.

Théorème 1.11 On suppose que a = α = 0. Si u est localement bornée, alors elle est
solution de viscosité discontinue sur (0, T ) × Rd de
 
ν ν,e
sup min L ϕ(t, x) ; inf G ϕ(t, x) = 0 .
ν∈U e∈E

Par ailleurs, G et Ḡ vérient respectivement sur Rd

 
ν,e
H∗ (G(x)) := min G(x) − g∗ (x) ; sup inf G G(x) ≥ 0
ν∈U e∈E
 
∗ ∗ ν,e
H (Ḡ(x)) := min Ḡ(x) − g (x) ; sup inf G Ḡ(x) ≤ 0 .
ν∈U e∈E

On peut remarquer que les conditions au bord en T sont maintenant énoncées dans un sens
fort (et non au sens de la viscosité). Ceci est naturel puisque ces conditions ne font plus
intervenir de termes locaux de dérivée.
Moyennant certaines hypothèses supplémentaires, on montre dans [3] que, si g est conti-
nue et a = α = 0, alors G := G = Ḡ est la plus petite solution de l'équation H∗ = 0.
Enn, on étudie plus particulièrement deux exemples d'application. Le premier correspond au
problème de sur-réplication dans un modèle à volatilité stochastique, dirigée par un processus
de sauts, et dans lequel un dividende aléatoire, également dirigé par un processus de sauts, est
payé à une date xe. Le second correspond à un problème de gestion optimale de provisions
pour une entreprise industrielle qui peut se couvrir contre un risque (dont la réalisation est
modélisée par un processus de Poisson) soit en s'assurant soit en investissant de manière à
réduire ce risque.
 II.2 Options à barrière et contraintes convexes 26

2 Options à barrière et contraintes convexes

Modèle et dérivation formelle de l'équation d'Hamilton-Jacobi-Bellman
Dans [17], on s'intéresse à l'évaluation d'options à barrière sous contrainte de portefeuille.
D'un point de vue mathématique, il s'agit d'un problème de cible stochastique similaire à
celui étudié dans la section précédente (dont on reprend les notations) mais dans lequel
l'ensemble à atteindre dépend du temps de sortie d'un domaine. On cherche à caractériser
la borne inférieure u(0, X0 ) de l'ensemble

y ∈ R : il existe ν ∈ U tel que Yyν (τ ) ≥ g(τ, X(τ ))



où τ := inf{t ∈ [0, T ] : X(t) ∈

/ O} ∧ T , O est un ouvert de Rd , le processus X est la solution
de
Z t
tel-00116933, version 1 - 29 Nov 2006

X(t) = X0 + diag [X(s)] σ(s, X(s))dWs , t ≤ T

0

et Yyν est le processus contrôlé déni par

Z t Z t
Yyν (t) = y + Yyν (s)ν(s)0 diag [X(s)]−1 dX(s) = y + Yyπ (s)ν(s)0 σ(s, X(s))dWs .
0 0

Ici, σ est supposée continue, bornée et d'inverse localement bornée, et (t, x) 7→ diag [x] σ(t, x)
est lipschitzienne.
Du point de vue nancier, X modélise le processus de prix de d actifs risqués sur un
marché où l'actif sans risque est pris comme numéraire, Yyν est le processus de richesse associé
à la dotation initial y ∈ R et à la stratégie ν appartenant à l'ensemble U des processus
prévisibles presque sûrement de carré intégrable tels que ν ∈ U dt × dP-p.p., où U est
maintenant un cône convexe fermé de Rd .
En nance, les contraintes de portefeuille apparaissent naturellement lorsque certains ac-
tifs ne peuvent être vendus à découvert. Elles peuvent également être imposées par l'agent
nancier lorsqu'il veut éviter d'investir une part trop importante de sa richesse dans cer-
tains actifs risqués. C'est typiquement le cas pour les options dont le prol de paiement est
discontinu ou pour les options barrière pour lesquelles suivre une stratégie de couverture
sans contrainte de type Black et Scholes peut conduire à acheter ou vendre une très grande
quantité de sous-jacents.
Lorsque O = Rd et σ est constante, le résultat remarquable de [BrCvS98] montre que
le problème de couverture sous contrainte est équivalent à un problème de couverture sans
contrainte dans lequel la fonction g est remplacée par une fonction ĝ qui la domine et qui
permet d'adopter une couverture satisfaisant automatiquement la contrainte. On parle de
face-lifting. Dans un modèle de diusion markovienne, [CvPhT99b] étend ce résultat et
donne une caractérisation en terme d'équations d'Hamilton-Jacobi-Bellman de la fonction
valeur associée, voir également le survey de [SoTo04].
L'objectif du papier [17] est de généraliser [CvPhT99b] au cas O = 6 Rd , ou encore O∗ :=
O ∩ (0, ∞)d 6= (0, ∞)d , puisque X est à composantes strictement positives. D'après les
 II.2 Options à barrière et contraintes convexes 27

résultats de la section 1, on peut s'attendre à ce que la fonction u soit solution de viscosité

discontinue à l'intérieure du domaine D = [0, T ) × O∗ de

min {−Lϕ , Hϕ} = 0

où
∂ 1 
δ(ρ)ϕ(t, x) − ρ0 diag [x] Dϕ(t, x) , Lϕ(t, x) = ϕ(t, x) + Tr σσ 0 D2 ϕ(t, x) .


Hϕ(t, x) = inf
ρ∈Ũ1 ∂t 2

Par ailleurs, les résultats de [CvPhT99b] indiquent que la condition au bord en T devrait
s'écrire

u(T −, x) = ĝ(T, x) := sup e−δ(ρ) g(T, xeρ )

ρ∈Ũ

ce qui correspond à la propriété de face-lifting mise en évidence par [BrCvS98]. Il reste

tel-00116933, version 1 - 29 Nov 2006

donc à fournir une condition sur le bord du domaine en espace (0, T ) × ∂O∗ où ∂O∗ :=
∂O ∩ (0, ∞)d . Le résultat obtenu par [ShScW02] dans le modèle de Black et Scholes montre
que la condition naturelle au bord g(t, x) n'est en générale pas satisfaite de manière continue
à cause de la contrainte imposée sur le portefeuille. D'un point de vue mathématique, cela
s'exprime sous la forme d'une condition relaxée

min{u(t, x) − g(t, x) , Hu(t, x)} = 0 .

Autrement dit, soit la condition naturelle au bord est satisfaite, soit la contrainte sur le
contrôle ν est saturée. Intuitivement, la contrainte Hu(t, x) ≥ 0 implique également un
lifting de g ce qui devrait permettre de ré-écrire cette condition sous la forme

min{u(t, x) − ĝ(t, x) , Hu(t, x)} = 0 ,

n o
où ĝ(t, x) := supρ∈Ũ (x,∂O) e−δ(ρ) g(t, xeρ ) pour t < T , avec Ũ (x, E) := ρ ∈ Ũ : xeρ ∈ E
si E ⊂ Ō.

Caractérisation par solutions de viscosité

La principale diculté dans la dérivation des équations décrites ci-dessus vient de la
contrainte sur le bord en espace. Dans [17], on suppose que le bord de O est régulier dans
le sens où : il existe une fonction d : (0, ∞)d 7→ R, C 2 dans un voisinage de ∂O∗ telle que
{x ∈ (0, ∞)d : d(x) > 0} = O∗ et {x ∈ (0, ∞)d : d(x) = 0} = ∂O∗ . Cela revient
essentiellement à supposer le bord C 2 , voir [GiTr77], sauf que l'on se restreint à (0, ∞)d .
Encore une fois, cette restriction est naturelle puisque le processus X est à composantes
strictement positives.
Grâce à cette condition, et d'autres hypothèses exposées ci-dessous, on montre que u est
sous-solution discontinue de Bϕ = 0 où

 min {−Lϕ , Hϕ}
 sur D
Bϕ := min {ϕ − ĝ , Hϕ} sur ∂x D∗ := [0, T ) × ∂O∗ ,
sur ∂T D∗ = {T } × Ō∗

 ϕ − ĝ
 II.2 Options à barrière et contraintes convexes 28

où Ō∗ := Ō ∩ (0, ∞)d . Toutefois, il est assez facile de voir que B ne peut admettre de
sur-solution du fait de la condition sur ∂x D∗ qui est mal dénie. De manière à résoudre ce
problème, on introduit un autre opérateur
(
Bϕ on D ∪ ∂T D∗
Bd ϕ := ,
min {ϕ − ĝ , Hd ϕ} on ∂x D∗
avec
n o
Hd ϕ(t, x) = inf δ(ρ)ϕ(t, x) − ρ0 diag [x] Dϕ(t, x), ρ ∈ Ũ1 (x, Ō) ,

où
n o
Ũ1 (x, Ō) := ρ ∈ Ũ1 : ∃ λ0 > 0 t.q. λρ ∈ Ũ (x, Ō)∀λ ∈ [0, λ0 ] .

On dénit la notion de solution de viscosité discontinue de Bϕ sur D̄∗ := [0, T ] × Ō∗

comme suit.
tel-00116933, version 1 - 29 Nov 2006

Dénition 2.12 On dit qu'une fonction localement bornée w est solution de viscosité dis-

continue de Bϕ = 0 sur D̄∗ si w∗ et w∗ dénie sur D̄ par

w∗ (t, x) := lim inf w(t̃, x̃) et w∗ (t, x) := lim sup w(t̃, x̃)
(t̃,x̃)∈D, (t̃,x̃)→(t,x) (t̃,x̃)∈D, (t̃,x̃)→(t,x)

sont respectivement sur- et sous-solution de Bd ϕ = 0 et Bϕ = 0 sur D̄∗ . Plus généralement,

on dira que w est une sursolution (resp. soussolution) discontinue de viscosité de Bϕ = 0 sur
D̄∗ si w∗ est sursolution de Bd ϕ = 0 (resp. soussolution de Bϕ = 0) sur D̄∗ .

Remarque 2.13 Il serait naturel d'utiliser la notion usuelle de conditions au bord au sens
de la viscosité pour les solutions discontinues, voir par exemple la Dénition 7.4 de [CrIsL92].
Dans ce cas, il faudrait introduire les opérateurs

(Bd )+ ϕ(t, x) = max {Bd ϕ(t, x) , min {−Lϕ(t, x), Hϕ(t, x)} }

et

(Bd )− ϕ(t, x) = min {Bϕ(t, x) , −Lϕ(t, x) } ,

qui correspondent aux enveloppes semi-continues supérieures et inférieures de Bd sur Ō ×

[0, T ). Toutefois, sous les hypothèses faites ci-dessous, on peut montrer que (Bd )+ ϕ = 0
(resp. (Bd )− ϕ = 0) admet les mêmes sur-solutions que Bd ϕ = 0 (resp. sous-solutions que
Bϕ = 0) sur D ∪ ∂x D∗ , pour la condition terminale ϕ = ĝ en T . Notre dénition est donc
cohérente avec celle de [CrIsL92].

An d'obtenir une première caractérisation, nous avons besoin de conditions supplémentaires
sur l'espace des contraintes U que l'on écrit sur Ũ (x, O) :
HK̃ : (i) Pour tout x ∈ O, ρ ∈ Ũ (x, O) implique λρ ∈ Ũ (x, O) pour tout λ ∈ [0, 1).
(ii) Pour tout x ∈ O, la fermeture de Ũ (x, O) est égale à Ũ (x, Ō).
(iii) Si (xn )n est une suite de O convergeant vers x ∈ ∂O et ρ ∈ Ũ (x, Ō)
alors il existe une suite ρn → ρ telle que, à une sous-suite près,
ρn ∈ Ũ (xn , Ō) ∀ n ≥ 1.
 II.2 Options à barrière et contraintes convexes 29

Ces hypothèses sont généralement vériées dans les applications nancières. On a également
besoin d'hypothèses de régularité et de croissance sur g :

Hg : (i) g est semi-continue inférieurement sur [0, T] × ∂O∗ et sur {T  } × Ō .

∗
i
(ii) ∃ Cg > 0 et γ̄ ∈ K ∩ Rd+ t.q. |g(·, x)| ≤ Cg 1 + di=1 (xi )γ̄ ∀ x ∈ Ō∗ ,
Q

(iii) ĝ est semi-continue supérieurement sur [0, T ] × (0, ∞)d et à une croissance linéaire.

On suppose en outre que g ≥ 0 sur O ∩ (0, ∞)d et que g = 0 sur [0, T ] × Ōc .

Théorème 2.14 Sous les conditions précédentes

(i) u est solution de viscosité discontinue de Bϕ = 0 sur D̄∗ ,
(ii) u est semi-continue inférieurement sur D,
(iii) u∗ est la plus petite sur-solution de Bϕ = 0 sur D̄∗ dans la classe des fonctions w
vériant la condition de croissance
tel-00116933, version 1 - 29 Nov 2006

d
!
∃ C > 0 t.q. ∀ (t, x) ∈ D̄∗ : |w(t, x)| ≤ C
i
Y
1 + (xi )γ̄ . (2.2)
i=1

Pour obtenir ce résultat, on a utilisé la formulation duale du prix de sur-réplication sous

contraintes de [FoKr97] qui permet de ré-écrire le problème de cible sous forme d'un problème
de contrôle (singulier) sous forme standard pour lequel on a un principe de programmation
dynamique. On aurait également pu utiliser l'approche directe de la section 1.
La diculté majeure vient de la condition sur le bord ∂x D∗ . On commence par écrire une
condition au bord de type viscosité contrainte qui fait apparaître l'opérateur L. Puis on utilise
la régularité de ∂O∗ pour éliminer ce terme en jouant sur la fonction d. La propriété (iii) est
obtenue par approximation du problème par une suite croissante de problèmes de contrôle
non singuliers. On dérive une suite d'équations d'Hamilton-Jacobi-Bellman associées pour
lesquelles on prouve un théorème de comparaison. On fait alors face à une diculté qui vient
de la particularité de la condition de croissance (2.2). En eet, celle-ci n'est pas écrite comme
les conditions de croissance polynomiales usuelles qui permettent facilement de se ramener
à un compact par pénalisation. L'assertion (ii) est essentiellement une conséquence de la
convergence monotone des problèmes pénalisés et des théorèmes de comparaison associés.
On peut remarquer que (ii)-(iii) fournit déjà une caractérisation complète de u. An
d'obtenir un résultat d'unicité de la solution de Bϕ = 0, on a besoin d'hypothèses supplé-
mentaires qui nous permettent, essentiellement, d'oublier la condition au bord ∂x D∗ et de
gérer le terme Hϕ dans l'intérieur du domaine :

H0 : (i) Soit Ō est borné, soit ∃ % > 1 t.q. %γ̄ ∈ U ∩ (0, ∞)d ,
(ii) int(U ) 6= ∅, et, soit 0 ∈ int(U ), soit Ō ∩ ∂Rd+ = ∅,
0
(iii) ∀ x ∈ ∂O∗ ∃ ρ ∈ K̃1 t.q. Dd(x) diag [x] ρ > 0.

Théorème 2.15 Si H0 est vériée alors,

(i) u∗ = u∗ sur D̄∗ ,
(ii) u est continue sur D,
(iii) u est l'unique solution de viscosité (au sens discontinu) de Bϕ = 0 sur D̄∗ vériant la
condition de croissance (iii) du théorème précédent.
 II.3 Sur-réplication et coûts de transaction proportionnels 30

Là encore la faiblesse de la condition de croissance (2.2) pose un problème. Pour traiter le

terme H apparaissant dans l'opérateur B , on construit une sur-solution stricte. On introduit
également une fonction de pénalisation qui permet d'éviter le bord ∂x D∗ . On énonce en
fait un résultat de comparaison générale pour cette équation. A notre connaissance, c'est la
première fois qu'une telle équation est étudiée dans la littérature.
On étudie également un cas particulier qui correspond à celui résolu explicitement par
[ShScW02]. On propose un schéma de discrétisation de Bϕ = 0 pour cet exemple et on montre
sa convergence. L'excellente performance de l'algorithme est observée numériquement.

3 Sur-réplication et coûts de transaction proportionnels

Dans les articles [1] et [15], on s'intéresse au problème de sur-couverture d'une option
européenne dans un modèle de diusion markovienne avec coûts de transaction proportion-
nels. Lorsque l'achat et la vente de l'actif sous-jacent est soumis à des coûts strictement
tel-00116933, version 1 - 29 Nov 2006

positifs, ce problème a largement été étudié depuis la fameuse conjecture de Davis et Clark
[DaCl94] selon laquelle la stratégie de couverture devrait consister à acheter immédiatement
une certaine quantité de sous-jacent puis à ne plus faire de transaction jusqu'à la maturité de
l'option. C'est ce que l'on appelle une stratégie buy-and-hold. Ce résultat a été démontré
à diérents niveaux de généralité par [SoShC95], [LeSk97] et [CvPhT99] dans des modèles
ne comportant qu'un actif risqué.
Notre contribution est double. Dans [1], on obtient une extension, non triviale, des résul-
tats de [CvPhT99] aux cas de plusieurs sous-jacents. Dans [15], on améliore ces résultats en
considérant un modèle dans lequel il n'y a pas de coûts de transaction entre certains actifs.
Il s'agit d'une situation qui, à notre connaissance, n'avait jamais été considérée jusqu'alors
dans la littérature sur les modèles en temps continu. Par la suite, on se place dans le cadre
de [15], le résultat obtenu dans [1] pouvant être considéré comme un cas particulier.

Marché nancier
On considère un marché constitué de trois types d'actif. On suppose tout d'abord qu'il
existe un actif sans risque Q0 que l'on prend comme numéraire : Q0 ≡ 1. On considère
ensuite un vecteur de m actifs risqués P = (P 1 , . . . , P m ) qui peuvent être négociés librement,
i.e. sans payer de coûts de transaction. Enn, on considère un vecteur de d actifs risqués
Q = (Q1 , . . . , Qd ) dont la négociation est soumise à des coûts de transaction proportionnels.
Suivant la modélisation proposée par [Ka99], on suppose que l'on peut faire des transactions
directes entre les actifs Qi . Typiquement, on peut voir P comme un vecteur d'actifs négociés
sur un marché domestique alors que les Qi correspondent à des devises étrangères.
La dynamique du vecteur des actifs risqués S = (P, Q) est de type Black-Scholes à
volatilité locale :
Z t
S(t) = S(0) + diag [S(t)] σ(t, S(t))dW (t) ,
0

où diag[s]σ(t, s) est supposée globalement lipschitzienne sur [0, T ]×R+

d+m
pour assurer l'exis-
tence d'une solution à cette équation. Par la suite on supposera également que σ est locale-
 II.3 Sur-réplication et coûts de transaction proportionnels 31

ment bornée, inversible en tout point de Rd+m + et d'inverse localement bornée.

Les coûts de transactions sont modélisés par une matrice de coecients λij ≥ 0, i, j =
0, . . . , d. Si on note τtij := Qj (t)/Qi (t) le taux de change, avant coûts de transaction, entre
Qi et Qj au temps t, on doit donc payer πtij+ := τtij (1 + λij ) unités de Qi pour obtenir une
unité de Qj . On obtient πtij− := τtij /(1 + λji ) unités de Qi en vendant une unité de Qj .
L'intervalle [πtij− , πtij+ ] correspond à la fourchette de prix d'achat-vente de Qj en terme de
Qi .

Processus de richesse
Un portefeuille est un processus X = (X 0 , X 1 , . . . , X d ) à valeurs dans Rd+1 . Chaque
composante X i correspond au montant investi dans l'actif Qi correspondant. Si on modélise
la quantité d'actifs P détenue par un processus prévisible φ et si on suppose qu'il n'y a pas
d'échanges faisant intervenir les actifs non librement échangeables Q1 , . . . , Qd , la dynamique
de la richesse est donnée par
tel-00116933, version 1 - 29 Nov 2006

Z t Z t i
0 X (r)
0 0
X (t) = X (0) + φ(r) dP (r) et X (t) = X (0) +
i i
i (r)
dQi (r) , i = 1, . . . , d .
0 0 Q

Pour modéliser les transactions faisant intervenir les actifs Q1 , . . . , Qd , on suit l'approche de
la section I.2.1., i.e. on modélise le montant cumulé transféré entre les actifs Qi et Qj par un
processus Lij croissant continu à droite de valeur initial Lij (0−) = 0. Ceci conduit à dénir
le processus de richesse comme solution de
Z t d
X
0 0 0
 j0
L (t) − (1 + λ0j )L0j (t)

X (t) = X (0−) + φ(r) dP (r) +
0 j=1
t d
X i (r)
Z X
i i i
 ji
L (t) − (1 + λij )Lij (t) , i = 1, . . . , d .

X (t) = X (0−) i
dQ (r) +
0 Q (r)
j=0

Une stratégie de gestion est un couple ν = (φ, L) où φ = (φ1 , . . . , φm ) est un processus

prévisible à valeurs dans Rd presque sûrement de carré intégrable et L = (Lij ; i, j = 0, . . . , d)
est un processus adapté à valeurs dans M1+d dont chaque composante est continue à droite,
croissante et vaut 0 en 0−. Par la suite, on notera Xxν la solution du système précédent
associé à ν et la condition initiale Xxν (0−) = x.
Dans ce modèle, une stratégie ν est admissible, et on écrit ν ∈ A, s'il existe (c, γ, δ) ∈
R × Rm × R tel que

X ν (t) + (c + γ 0 P (t), δ Q(t)) ∈ K P − p.s. pour tout t ≤ T ,

où K est la région de solvabilité naturellement dénie par

 
 X d 
K := x ∈ R1+d : ∃ a ∈ M1+d + , xi
+ (aji
− (1 + λ ij ij
)a ) ≥ 0 ∀ i = 0, . . . , d ,
 
j=0

voir la section I.2.1.

 II.3 Sur-réplication et coûts de transaction proportionnels 32

Caractérisation explicite du prix de sur-réplication

Un actif contingent européen est représenté par une variable aléatoire (1+d)-dimensionnelle
et FT -mesurable de la forme g(S(T )) = (g 0 (S(T )), . . . , g d (S(T ))) où g est une application
de Rm+d
+ dans R1+d . Chaque variable aléatoire g i (S(T )) représente un montant d'actif Qi
devant être délivré en actif Qi à maturité. Dire qu'un portefeuille Xxν permet de couvrir l'op-
tion g(S(T )) signie simplement que le portefeuille à maturité du vendeur après livraison de
l'option est un portefeuille solvable : Xxν (T ) − g(S(T )) ∈ K . Le prix de sur-réplication est
donc déni comme
ν
(T ) − g(S(T )) ∈ K où e1 = (1, 0, . . . , 0) .

p(0, S(0)) := inf w ∈ R : ∃ ν ∈ A, Xwe 1

Encore une fois, il s'agit d'un problème de cible stochastique mais cette fois-ci les contrôles
sont mixtes. L'objectif de [1] et [15] est de prouver dans ce cadre multivarié la conjecture de
Davis et Clark émise pour le cas m = 0 et d = 1 :
tel-00116933, version 1 - 29 Nov 2006

p(0, S(0)) := inf w ∈ R : ∃ ν ∈ ABH , Xwe ν

(3.3)

1
(T ) − g(S(T )) ∈ K ,

où ABH := {ν = (φ, L) ∈ A : L(t) = L(0) pour tout 0 ≤ t ≤ T } , et de donner une carac-

térisation explicite de p(0, S(0)).
Pour obtenir ce résultat, on fait les hypothèses suivantes :
(Hλ ) : λij + λji > 0 pour tout i, j = 0, . . . , d, i 6= j .
(Hσ ) : Pour tout i ≤ m et t ≤ T , [σ(t, s)ij ]j≤m+d ne dépend que des m premières composantes
de s.
La première hypothèse signie qu'on ne peut pas trouver de couples i 6= j tels que Qi et
Qj puissent être échangés librement. La seconde est une hypothèse technique qui implique
que la dynamique des actifs librement échangeables P ne dépend pas de ceux soumis aux
coûts de transaction Q.
Moyennant quelques hypothèses techniques de croissance et de semi-continuité sur g , on
montre que (3.3) est vériée. On décrit la stratégie de couverture optimale et on établit une
formule explicite de la forme
ˆ
p(0, S(0)) = E [G(P (T ))] + c(diag[∆]Q(0))

où G est le payo d'une nouvelle option ne dépendant que de P (T ), ∆ ˆ est la quantité d'actif
Q correspondant à la stratégie buy-and-hold optimale et c(diag[∆]Q(0)) ˆ est le coût de
ˆ
constitution, en numéraire, du portefeuille diag[∆]Q(0) à la date initiale. La couverture se fait
donc en conservant en portefeuille ∆ ˆ i unité de Qi pour i ≥ 1 et en couvrant dynamiquement
l'option G(P (T )) avec les actifs P j qui peuvent être échangés librement.
Le résultat de [1] correspond au cas où m = 0, ce qui revient à ne pas faire dépendre g de
P (T ). Il est obtenu par des techniques de type viscosité. Dans un premier temps, on introduit
une famille contrôlée de marchés ctifs dans lesquels il n'y a pas de coût de transaction et
tels que les taux d'échange entre les actifs évoluent dans les intervalles de prix du modèle
avec coûts de transaction. On redénit les prix de sur-réplication associés à chaque marché
et on considère le sup de ces prix sur l'ensemble des marchés ctifs. Cela fournit une borne
inférieure naturelle pour p. On dérive ensuite l'équation d'Hamilton Jacobi Bellman associée
 II.3 Sur-réplication et coûts de transaction proportionnels 33

à cette borne inférieure, en utilisant le principe de programmation dynamique pour les pro-
blèmes de cibles stochastiques de [SoTo02]. Dans [1], l'équation est susamment dégénérée
pour pouvoir conclure directement par des arguments de viscosité similaires à ceux utilisés
dans [CvPhT99].
Dans [15], l'équation ne permet pas de conclure directement. On est obligé d'introduire un
nouveau problème de contrôle qui peut s'interpréter comme un problème de couverture dans
un marché sans coût de transaction mais avec une matrice de volatilité stochastique (bornée)
dans les directions associées à la composante Q de S . En adaptant les techniques employées
dans [BaBiBL03] à notre problème, on arrive à montrer un théorème de comparaison pour
l'équation d'Hamilton Jacobi Bellman associée. On conclut en montrant que si la borne sur
la partie stochastique de la volatilité tend vers l'inni, on retrouve un montant permettant
de couvrir l'option g(S(T )) en suivant une stratégie dans ABH . Dans un certain sens, cela
conrme l'intuition selon laquelle les coûts de transaction proportionnels sont assimilables à
une volatilité stochastique non bornée.
tel-00116933, version 1 - 29 Nov 2006
 Chapitre III
Estimation d'espérances
conditionnelles et méthodes de
Monte-Carlo pour l'approximation
tel-00116933, version 1 - 29 Nov 2006

d'EDSR

Dans [9], on s'intéresse au calcul d'espérances conditionnelles r(x) := E [g(X2 ) | X1 = x]

où g est une fonction borélienne telle que g(X2 ) ∈ L2 et X est un processus markovien.
L'objectif est d'obtenir une famille d'estimateurs qui permettent de calculer ecacement et
rapidement la fonction r en un grand nombre de points. La motivation principale de ce travail
provient des schémas numériques présentés dans les sections suivantes qui servent à estimer
les solutions d'équations diérentielles stochastiques rétrogrades ([10], [16] et [18]). Ceux-
ci nécessitent le calcul d'un grand nombre d'espérances conditionnelles qu'il est impossible
d'estimer en pratique par les estimateurs de Monte-Carlo standards fondés sur le tirage dans
la loi conditionnelle de X2 sachant X1 .

1 Estimation d'espérances conditionnelles et calcul de Mallia-

vin
Réprésentations d'espérances conditionnelles et calcul de Malliavin
Dans [9], nous construisons une famille de représentations pour r. Celle-ci repose sur la
formule d'intégration par parties du calcul de Malliavin. Cette approche est bien connue lors-
qu'il s'agit de donner une représentation à la densité fX d'une variable aléatoire X , régulière
au sens de Malliavin, voir par exemple [Nu95]. On commence par écrire fX (x) = E [x (X)]
où x désigne la masse de Dirac en x. Formellement (ce n'est évidemment pas correct !),
on écrit que Dt Hx (X) = x (X)Dt X où Hx dénote la fonction de Heaviside. On se donne
R∞
ensuite un processus h tel que 0 Dt Xht dt = 1 de sorte que, toujours formellement,
R∞ R∞
x (X) = x (X) 0 Dt Xht dt = 0 Dt Hx (X)ht dt. On conclut en utilisant la formule d'inté-
R ∞
gration par partie du calcul de Malliavin : fX (x) = E 0 Dt Hx (X)ht dt = E Hx (X)S h (1)
  

34
 III.1 Estimation d'espérances conditionnelles et calcul de Malliavin 35

où, pour une variable aléatoire F , S h (F ) désigne l'intégrale de Skorohod de (F ht )t≥0 .

Le même genre de procédé peut-être utilisé pour ré-écrire une espérance conditionnelle, il
sut de remarquer que E [g(X2 ) | X1 = x] = E [g(X2 )x (X1 )] /E [x (X1 )] et de procéder à
une double intégration par partie entre les dates 0 et 1, puis entre 1 et 2. Lorsque d > 1, on
est amené à opérer une intégration par parties par dimension. Au lieu d'obtenir une intégrale
de Skorohod simple, on obtient alors une intégrale de Skorohod itérée.
Dans [KoPe02] cette approche est améliorée par l'introduction d'une fonction régulière ϕ
bornée et à dérivées bornées vériant ϕ(0) = 0 appelée fonction de localisation. Comme x (X)
= x (X)ϕ(X − x), on peut reprendre les calculs précédents pour obtenir une représentation
de fX (x) sous la forme E Hx (X)S h (ϕ(X − x)) . La fonction de localisation a pour objectif
 

de réduire la variance de l'estimateur de Monte-Carlo associé.

An d'énoncer notre résultat principal, il est nécessaire d'introduire quelques notations. A
partir de maintenant, on suppose que X1 et X2 appartiennent à l'espace ID∞ des variables
tel-00116933, version 1 - 29 Nov 2006

aléatoires k fois dérivables au sens de Malliavin, à dérivées admettant un moment d'ordre p,

pour tout k, p ≥ 1. Si h appartient à L2 (Md ; Ω×[0, 2]), F ∈ L2 (R; Ω) et I = (i1 , . . . , ik ) ⊂ Nk ,
on note (sous réserve que ces quantités soient bien dénies)
Z 2
Sih (F ) := F (hit )0 δWt pour i = 1, . . . , d, et SIh (F ) := Sih1 ◦ . . . ◦ Sihk (F )
0

les intégrales étant prises au sens de Skorohod. On peut maintenant introduire l'ensemble
H(X) des processus h de L2 (Md ; Ω × [0, 2]) tels que
Z 2 Z 2
Dt X1 ht dt = Id et Dt X2 ht dt = 0
0 0

et

SIh (ϕ(X1 )) ∈ ID1,2 pour tout I ∈ Jk , k ≤ d et ϕ ∈ L .

Ici, Jk est l'ensemble des sous-ensembles I = (i1 , . . . , ik ) de Nk tels que 1 ≤ i1 < . . . < ik ≤ d
(pour k = 0 on pose J0 := ∅), et L est l'ensemble des éléments (fonctions de localisation) ϕ
de Cb0 (Rd ; R) tels que

ϕ(0) = 1 et ∂I ϕ ∈ Cb0 pour tout k = 0, . . . , d et I ∈ Jk ,

où ∂I ϕ = ∂ k ϕ/∂xi1 , . . . ∂xik si I = (i1 , . . . , ik ) et ∂∅ ϕ := ϕ.

Notre principal résultat fournit une famille de représentations pour r paramétrée par les
éléments de H(X) et L.

Théorème 1.16 Pour tout h ∈ H(X) et ϕ ∈ L :

E Qh,ϕ [f ](x)
 
r(x) := E [g(X2 ) | X1 = x] =
E [Qh,ϕ [1](x)]
où
Qh,ϕ [f ](x) := Hx (X1 )f (X2 )S h (ϕ(X1 − x)) , S h := S(1,...,d)
h
.
 III.1 Estimation d'espérances conditionnelles et calcul de Malliavin 36

Réduction de variance et fonction de localisation optimale

Dans [KoPe02], les auteurs justient par un calcul formel que, si d = 1 et f ≡ 1, la fonction
de localisation qui minimise
Z h i
h
I [f ](ϕ) := E Hx (X1 )f (X2 )2 S h (ϕ(X1 − x))2 dx
Rd

est de type exponentielle. Comme E Hx (X1 )f (X2 )S h (ϕ(X1 − x)) ne dépend pas de ϕ cela
 

revient à minimiser la variance intégrée de Hx (X1 )f (X2 )S h (ϕ(X1 − x)), critère usuel en
statistique non-paramétrique. Dans [9], on donne une justication de ce résultat que l'on
étend en dimension d ≥ 1 quelconque. On suppose que
d X
X h i
E f (X2 )2 SIh (1)2 < ∞ et E[|f (X2 )|] > 0
k=0 I∈Jk
tel-00116933, version 1 - 29 Nov 2006

de manière à ce que le problème minϕ∈L I h [f ](ϕ) ait un sens. Notons que seul ϕ|Rd intervient
+
dans I h [f ](ϕ), on peut donc ne considérer que la restriction à Rd+ des fonctions de localisation.

Fonction de localisation séparable optimale

On se restreint tout d'abord aux fonctions de localisation séparables, i.e. de la forme
d
Y
ϕ(x) = ϕi (xi ) , ϕi : R+ 7→ R ,
i=1

et on montre qu'il existe une unique solution au problème de minimisation de I h [f ] dans cette
0
classe. La solution optimale s'écrit ϕ̂(x) = e−η̂ x sur Rd+ , où η̂ ∈ (0, ∞)d est l'unique solution
d'un système d'équations non-linéaires que l'on peut résoudre numériquement. Lorsque d = 1,
on retrouve le résultat intuité dans [KoPe02].

Cas général et extension à l'espace BCD

Le cas général est plus délicat à traiter. On commence par ré-écrire I h [f ](ϕ) sous la forme
Z
h
I [f ](ϕ) = ∂ϕ(ξ)0 E[QQ0 ]∂ϕ(ξ)dξ , (1.1)
Rd+

où Q est un élément de L2 (Rκ ), voir [9] pour une dénition exacte, et ∂ϕ est le vecteur
colonne ∂ϕ := ( ∂I ϕ )I∈Jk , k=0,...,d ∈ Rκ , la dénition de κ est implicite. Il faut remarquer
que le critère de minimisation ne fait intervenir que ϕ, ses dérivées premières puis uniquement
les dérivées croisées. Ceci conduit à construire un espace de Sobolev ne faisant intervenir que
ces dérivées. On dénit ainsi l'espace BCD0 (Rd+ ) des fonctions ϕ : Rd+ → R telles que les
dérivées ∂I ϕ, I ∈ Ik , k = 0, ..., d, existent, sont continues sur l'intérieur de Rd+ et peuvent
être étendues continuement sur le bord de Rd+ . On munit cet espace du produit scalaire
Z
< ϕ, ψ >BCD0 := ∂ϕ0 (x)∂ψ(x)dx
Rd+
 III.2 Discrétisation et approximation numérique d'EDSR 37

puis on le complète pour la norme associée pour obtenir l'espace BCD(Rd+ ), bounded cross
derivatives, que l'on muni de la norme k·kBCD =< ·, · >1/2
BCD0 .
Il faut noter que la formule du Théorème 1.16 reste valable si ϕ appartient à C 0 ∩ BCD
et vérie ϕ(0) = 1. Pour donner un sens à la condition ϕ(0) = 1 pour toute fonction de BCD,
on prouve un théorème d'injection continue de BCD vers Cb0 Rd+ . On peut ainsi étendre la

formule du Théorème 1.16 à l'ensemble

L̄BCD := ϕ ∈ BCD(Rd+ ) : ϕ(0) = 1 .

n o

D'après (1.1), le problème de minimisation de I h [f ](ϕ) sur L̄BCD est un problème convexe.
Si on suppose également que E[QQ0 ] est dénie positive, ce problème est alors strictement
convexe et coercif. On montre en outre que L̄BCD est fermé pour k·kBCD , ce qui nous permet
de conclure à l'existence d'une solution au problème

inf I h [f ](ϕ) .
tel-00116933, version 1 - 29 Nov 2006

ϕ∈L̄BCD

Dans [9], on explique comment obtenir une caractérisation de cette solution en terme de
systèmes d'EDP. Un exemple en dimension deux montre qu'en général la fonction optimale
dans L̄BCD n'est pas séparable.

2 Discrétisation et approximation numérique d'EDSR

Depuis le milieu des années 90, une large littérature s'est développée autour des problèmes
de résolution numérique des équations diérentielles stochastiques rétrogrades (EDSR), es-
sentiellement dans le cas où la ltration est brownienne. Dans [MaPrY94] et [DoMaP96], les
auteurs proposent une approche générale qui permet notamment d'approximer la solution
d'une EDSR de type
Z 1 Z 1
Yt = g(XT ) + h(Xs , Ys , Zs )ds − (Zs )0 dWs (2.2)
t t
avec
Z t Z t
Xt = X0 + b(Xs )ds + σ(Xs )dWs
0 0

où g , h, b et σ sont uniformément lipschitziennes. Leur approche repose sur le lien existant

entre Y et la solution u, dans un sens éventuellement faible, de l'EDP parabolique semi-
linéaire

−Lu(t, x) − h (x, u(t, x), σ(x)∇x u(t, x)) = 0 , u(1, x) = g(x) , (2.3)

où L désigne l'opérateur de Dynkin associé à X . Il est en eet connu, voir par exemple
[PaPe92] et [Pa98], que, sous certaines hypothèses techniques, on a Yt = u(t, Xt ) et Zt =
σ(Xt )∇x u(t, Xt ). Pour simuler (Y, Z), on peut donc commencer par estimer numériquement
u et ∇x u puis approcher X par son schéma d'Euler. On obtient ainsi une approximation
naturelle de (Y, Z). Toutefois, cette approche nécessite la résolution de (2.3) qui est toujours
extrêmement délicate en grande dimension.
 III.2 Discrétisation et approximation numérique d'EDSR 38

Une autre approche consiste à approximer W par une suite de marches aléatoires sur un
espace de probabilité ni. Puis, on écrit l'équation rétrograde associée en temps discret.
C'est l'approche utilisée par [Ch97], [CoMaM98], [BrDeM01], [AnKo00] et [MaPrST02].
L'avantage de cette approche est qu'elle ne nécessite pas la résolution de l'EDP associée,
mais au contraire fournit une approximation de u à travers l'approximation de Y et le lien
u(t, Xt ) = Yt . Mais là encore se pose le problème de l'explosion rapide de la complexité de
l'algorithme quand la dimension augmente.
D'autres approches récemment développées évitent ce problème de complexité. C'est
le cas de l'algorithme de [BaPa02], voir aussi [BaPa03], qui repose sur les techniques de
quantication, ou de l'approche initiée par [Ca96] puis popularisée par [LoSc01] qui utilise des
techniques de Monte-Carlo combinées à des régressions non-paramétriques, voir également
[GoLeW05] pour des travaux plus récents.
C'est ce type d'approche que l'on utilise dans [10]. On commence par discrétiser (2.2).
Le schéma obtenu fait intervenir le calcul d'espérances conditionnelles, qu'il n'est évidem-
tel-00116933, version 1 - 29 Nov 2006

ment pas possible de calculer explicitement en général. Ensuite, on regarde l'impact d'une
approximation de ces espérances conditionnelles. Enn, on utilise les résultats de [9] pour
proposer un estimateur particulier, voir la section précédente.

Etape 1 : Discrétisation en temps

On se xe une grille de temps π := {ti := i/n, i = 0, . . . , n} et on approche X par son
schéma d'Euler sur π . On approxime ensuite (Y, Z) par les processus discret (Y π , Z π ) déni
par
 h i
 Ztπ = n E Ytπ (Wt − Wt ) | Ft
i+1 i i
(2.4)
i i+1
h i
 Ytπ = E Ytπ | Ft + n−1 h Xtπ , Ytπ , Ztπ


i i+1 i i i i

avec comme condition terminale Ytπn := g(Xtπn ). A ma connaissance, nous étions les premiers
à cette époque à considérer ce schéma lorsque h dépend de Z . La première étape consiste à
étudier l'erreur de discrétisation
 1
2
X Z ti+1 2
π π
Errn := max sup kYt − Yt kL2 +  i
Zt − Zt 2 dt . i L
i≤n−1 t∈[ti ,ti+1 ]
i≤n−1 ti

On commence par montrer qu'il existe C > 0 indépendant de n tel que

 1 
Errn ≤ C n− 2 + kZ − Z̄kH2

hR i1
1 2
où kV kH2 := E 2
0 |Vt | dt et Z̄ est déni pour t ∈ [ti , ti+1 ) par
Z ti+1 
Z̄t = n E Zs ds | Fti .
ti

Comme il est remarqué dans [Zh01], Z̄ est la meilleure approximation de Z au sens L2 (Ω ×

[0, 1]) dans la classe des processus adaptés constants par morceaux sur les intervalles [ti , ti+1 ).
 III.2 Discrétisation et approximation numérique d'EDSR 39

Il en découle immédiatement que

lim Errn = 0 ,
n→∞

i.e. que le schéma est convergent. Par ailleurs, il est montré dans [Zh01] que le terme kZ−Z̄kH2
1
est contrôlé en n− 2 . Ceci implique qu'il existe C > 0 indépendant de n tel que
1
Errn ≤ C n− 2 . (2.5)

Il est clair que cette borne ne peut être améliorée en général.

Etape 2 : Approximation théorique de l'opérateur d'espérance conditionnelle

Le schéma de discrétisation (2.4) n'est pas utilisable en pratique puisqu'il nécessite le calcul
d'espérances conditionnelles en dimension innie. Les approches par quantication ou par
régression non-paramétrique, voir les références données ci-dessus, consistent à remplacer
tel-00116933, version 1 - 29 Nov 2006

cette opérateur par une approximation implémentable en pratique.

Dans [10], on étudie l'impact d'une telle approximation dans un contexte général. On
peut tout d'abord remarquer que
h i h i
E Ytπi+1 | Fti = E Ytπi+1 | Xtπi
h i h i
E Ytπi+1 (Wti+1 − Wti ) | Fti = E Ytπi+1 (Wti+1 − Wti ) | Xtπi .

Il sut donc de considèrer une approximation Êπi de l'opérateur Eπi := E · | Xtπi à laquelle
 

on associe le processus (Ŷ π , Ẑ π ) déni par

h i  
Ŷtπi−1 = Êπi−1 Ŷtπi + n−1 h Xtπi−1 , Ŷtπi−1 , Ẑtπi−1

h i
Ẑtπi−1 = n Êπi−1 Ŷtπi (Wti+1 − Wti )

avec pour condition terminale Ŷ1π = Y1π = g (X1π ). Sans surprise, on montre que l'erreur
d'approximation globale est contrôlée par l'erreur eectuée sur l'approximation des opéra-
teurs de régression :
n h i h i o
kŶtπi −Ytπi kL2 ≤ C n max k(Êπj − Eπj ) Ŷtπj+1 kL2 + k(Êπj − Eπj ) Ŷtπj+1 (Wtj+1 − Wtj ) kL2 .
0≤j≤n−1

Etape 3 : Utilisation de l'estimateur d'espérance conditionnelle obtenu par inté-

gration par parties
Il reste maintenant à choisir un opérateur Êπ . Si on suppose que b et σ sont Cb∞ et que σ est
uniformément elliptique, il est facile de vérier que Xtπi ∈ ID∞ pour tout i et que le processus
hi à valeur dans Md déni par

hi,t = nσ(Xtπi−1 )−1 1t∈[ti−1 ,ti )

 
d
X
− nσ(Xtπi )−1 Id + n−1 ∇b(Xtπi ) + ∇σ j (Xtπi )(Wti+1 − Wti ) 1t∈[ti ,ti+1 )
j=1
 III.2 Discrétisation et approximation numérique d'EDSR 40

appartient bien à l'espace Hi (X π ) où Hi est déni comme H dans la section précédente avec
ti et ti+1 à la place de 1 et 2. Par une extension directe des résultats obtenus dans [9], on
montre que si % est une fonction réelle et ξ une variable aléatoire (vectorielle) indépendante
de σ(Xtπi , 1 ≤ i ≤ n) telles que R := %(Xtπi+1 , ξ)a Wti+1 − Wti ∈ L2 , pour une certaine

fonction ane a : Rd −→ R, alors pour toute fonction de localisation ϕ, ψ ∈ L :

E QR [hi , ϕ] (x)
 
π
(2.6)
 
E R | Xti = x =
E [Q1 [hi , ψ] (x)]
où

QR [hi , ϕ] (x) := Hx (Xtπi )%(Xtπi+1 , ξ)S hi a Wti+1 − Wti ϕ Xtπi − x ,





voir la section précédente pour les notations.

Cette représentation procure un candidat naturel Êπi pour l'estimation de Eπi . On se
tel-00116933, version 1 - 29 Nov 2006

(1)
donne une fonction de localisation ϕ ∈ L et considère nN copies indépendantes (X π , . . . ,
(nN ) (0)
Xπ ) de X π := X π sur la grille π . On pose

Ni := {(i − 1)N + 1, . . . , iN } , 1 ≤ i ≤ n .

Initialisation : Pour j ∈ {0} ∪ Nn , on pose : Ŷ1π(j) := Y1π(j) = g X1π(j) .

 

Induction rétrograde : Pour i = n, . . . , 1, on pose, pour j ∈ {0} ∪ Ni−1 :

(j) (j)
h i  (j) (j) (j)

Ŷtπi−1 = Êπi−1 Ŷtπi + n−1 h Xtπi−1 , Ŷtπi−1 , Ẑtπi−1
(j)
h  i
π (j)
Ẑtπi−1 = nÊi−1 Ŷtπi Wti+1 − Wti

avec, pour i ≥ 2,
h i  (j) 
Q̂Ri h(j) , ϕ Xtπi−1
π (j) i−1
Êi−1 [Ri ] := h i  (2.7)
(j) (j)
Q̂1 hi−1 , ϕ Xtπi−1

où, pour Ri = Ŷtπi a Wti+1 − Wti et a : Rd −→ R une fonction ane,

h
(j)
i (j) 1 X (l) (l) (l)
h 
(l) (l)
 (l) (j)
i
Q̂Ri hi−1 , ϕ (Xtπi−1 ) := H π(j) (Xtπi−1 )Ŷtπi S hi a Wti − Wti−1 ϕ(Xtπi−1 − Xtπi−1 )
N Xt
i−1
l∈Ni
h
(j)
i (j) 1 X (l) (l)
h (l) (j)
i
Q̂1 hi−1 , ϕ (Xtπi−1 ) := H π(j) (Xtπi−1 )S hi ϕ(Xtπi−1 − Xtπi−1 ) .
N Xt
i−1
l∈Ni
h i
(0)
Pour i = 1, le conditionnement est dégénéré et on calcule une simple moyenne Êπ0 R1 :=
1 P (l)
N l∈N1 R1 .

Il s'agit d'un algorithme très naturel, cependant le numérateur de (2.7) n'a aucune raison
d'être uniformément strictement positif. Ceci implique que l'estimateur de l'espérance condi-
tionnelle peut ne pas être intégrable. De manière à corriger ce problème, on propose dans
[10] de tronquer ces estimateurs à partir de bornes polynomiales en X π vériées par Y π .
 III.3 EDSR avec sauts... 41

Remarque 2.17 1. Etant donné la forme très simple de la suite (hi )i , les intégrales de
Skorohod intervenant dans les diérents estimateurs peuvent êtres calculées explicitement
en terme de sommes de Riemman.
2. L'indépendance entre les trajectoires de X π utilisées aux diérentes étapes est cruciale
pour pouvoir faire appel à la représentation (2.6).

Une étude de la fonction de localisation séparable optimale dans ce cas, montre que le
√
paramètre des fonctions exponentielles doit tendre vers l'inni en n de manière à contrôler
l'explosion de la variance des estimateurs apparaissant dans (2.7) lorsque n devient grand. Il
est donc nécessaire de faire évoluer la fonction de localisation en fonction du pas de temps.
Etant donné p > 1, on montre que si ϕ ∈ L vérie
d X Z
X
|u|4p+2 ∂I ϕ(u)2 du < ∞ ,
k=0 I∈Jk Rd
tel-00116933, version 1 - 29 Nov 2006

et si le schéma précédent est construit avec la fonction de localisation ϕπ dénie par ϕπ (x)
= ϕ(n1/2 x), alors, pour tout p > 1, il existe C > 0 indépendant de n et N tel que
1
max kŶtπi − Ytπi kpLp ≤ C N − 2 np+d/4 . (2.8)
0≤i≤n

La diculté provient ici du fait que l'estimateur d'espérance conditionnelle est déni comme
1
un ratio. Cela explique une certaine perte de vitesse par rapport à la vitesse en N − 2 usuelle
des estimateurs de type Monte-Carlo.
1 1
En combinant ce résultat avec (2.5), on obtient une erreur globale en n− 2 + N − 4 n1+d/8 .
1
Pour s'assurer une vitesse de convergence en n− 2 , il faut donc prendre N ∼ n6+d/2 . Lorsque
h ne dépend pas de Z , (2.8) est encore vraie pour p = 1. On obtient ainsi une convergence
1
L1 en n− 2 en prenant simplement N ∼ n3+d/2 . Ceci est à comparer à l'ordre de grandeur
1
n3 qui correspondrait à une vitesse de convergence en N − 2 des estimateurs d'espérance
conditionnelle.

Remarque 2.18 On pourra consulter [GoLeW05] pour une comparaison de notre méthode
avec une méthode de type régression non paramétrique du point de vue de la complexité
des algorithmes. Toutefois, l'étude de notre algorithme repose sur le postulat selon lequel
la complexité globale de l'estimation des espérances conditionnelles à chaque étape est de
l'ordre de N 2 . Ceci n'est pas correct et on peut en fait construire un algorithme en N (ln(N ))d
en utilisant des idées proches de celles utilisées pour les méthodes de tri rapide. La complexité
de notre algorithme est en fait en n(14+d)/2 (ln(n))d pour une erreur en n−1/2 . Pour d ≥ 3,
notre algorithme a une complexité plus faible.

3 EDSR avec sauts et applications à la résolution de systèmes

d'EDP semi-linéaires
On a vu dans les sections précédentes comment estimer les espérances conditionnelles qui
apparaissent naturellement dans le schéma de discrétisation d'une EDSR markovienne dirigée
 III.3 EDSR avec sauts... 42

par la solution d'une EDS. Dans les deux dernières sections de ce chapitre, on se concentre
sur l'aspect discrétisation dans deux modèles plus généraux : l'un avec sauts, l'autre avec
réection.
Dans [16], on s'intéresse aux EDSR avec saut du type
( R1 R1 R1R
Yt = g(M1 , X1 ) + t h (Θr ) dr − t Zr0 dWr − t E Ur (e)µ̄(de, dr)
Rt Rt RtR (3.9)
Xt = X0 + 0 b(Mr , Xr )dr + 0 σ(Mr , Xr )dWr + 0 E β(Mr− , Xr− , e)µ̄(de, dr) ,

où W est mouvement brownien d-dimensionel, µ̄(de, dt) = µ(de, dt) − λ(de)dt est une me-
sure de Poisson compensée, indépendante de W , d'espace de marques E = Rκ , et Θ :=
(M, X, Y, Z, Γ) avec Γ déni par
Z
Γ := ρ(e)U (e)λ(de)
E
tel-00116933, version 1 - 29 Nov 2006

où ρ ∈ L∞ (Rκ ; E, λ). On suppose que λ(E) < ∞, i.e. que la mesure de saut a une intensité
nie ce qui implique qu'il n'y a, presque sûrement, qu'un nombre ni de sauts sur [0, 1].
Enn, M est un processus adapté à la ltration Fµ engendrée par µ que l'on dénira par la
suite.
De telles équations apparaissent naturellement dans les problèmes de contrôle, voir [TaLi94],
dans les problèmes de couverture en nance, voir [Ey05], ou de gestion de portefeuille, voir
[Be05].

En terme de résolution d'EDP, il y a deux types d'applications principales.

Cas 1 : EDP semi-linéaire avec terme intégral

On suppose que M a une dynamique du type
Z t Z tZ
M
M t = M0 + b (Mr )dr + β M (Mr− , e)µ(de, dr) .
0 0 E

Dans ce cas, la solution de (3.9) peut être ré-interprétée en terme de solution de viscosité de
l'EDP parabolique semi-linéaire avec terme intégral

−Lu(t, m, x) − h (m, x, u(t, m, x), σ(m, x)∇x u(t, m, x), I[u](t, m, x)) = 0
u(1, m, x) = g(m, x) , (3.10)

où
∂u
Lu(t, m, x) := (t, m, x) + ∇x u(t, m, x)b(m, x) + ∇m u(t, m, x)bM (m)
∂t
d
1 X ∂2u
+ (σσ 0 (m, x))ij i j (t, m, x)
2 ∂x ∂x
i,j=1
Z
+ {u(t, m + β M (m, e), x + β(m, x, e)) − u(t, x) − ∇x u(t, x)β(m, x, e)} λ(de) ,
Z E
I[u](t, m, x) := {u(t, m + β M (m, e), x + β(m, x, e)) − u(t, m, x)} ρ(e) λ(de) .
E
 III.3 EDSR avec sauts... 43

dans le sens où, sous certaines hypothèses techniques, Yt = u(t, Mt , Xt ), voir [BaBuP97].
Quand on parlera du cas 1 par la suite, on supposera toujours que les fonctions bM , β M (·, e),
b, σ, β(·, e), h et g sont lipschitziennes à croissance linéaire uniformément en e ∈ E .

Cas 2 : Systèmes d'EDP semi-linéaires

On peut également relier (3.9) à des systèmes d'EDP semi-linéaires, voir [PaPrR97] et
[SoPa04]. Pour cela, on prend λ = λ0 κ−1 j=1 j où λ0 > 0, j = 1i=j , et ρ(j) = 1i=j ce
i i
P

qui implique que Γj = λU (j). Pour simplier on prend β ≡ 0. On se donne une famille
(b̃m , σ̃m , h̃m , g̃m )m≤κ de fonctions lipschitziennes à croissance linéaire, et on pose

(b(m, x), σ(m, x), g(m, x)) = (b̃m (x), σ̃m (x), g̃m (x))
   
κ
X
h(m, x, y, z, γ) = h̃m x, y + γ κ−m+1 , . . . , y + γ κ , y , y + γ 1 , . . . , z  − γj .
|{z}
j=1
tel-00116933, version 1 - 29 Nov 2006

Enn, on dénit M par

 
κ−1
Z tX
Mt = 1+ jµ({j}, dt) [κ]
0 j=1

où [κ] signie que l'on considère la somme modulo κ. Dans ce cas, on peut montrer, voir
les deux articles cités ci-dessus, que la solution de (3.9) vérie Yt = uMt (t, Xt ) où u =
(u1 , . . . , uκ ) est solution de viscosité du système

−Lm um (t, x) − hm (x, u(t, x), σm (x)∇x um (t, x)) = 0 , um (1, x) = gm (x) ,

avec
d
∂um 1 X ∂ 2 um
Lm um (t, x) := (t, x) + ∇x um (t, x)bm (x) + (σm (σm )0 (x))ij i j (t, x) .
∂t 2 ∂x ∂x
i,j=1

Schéma de discrétisation
On utilise un schéma similaire à celui étudié dans [10]. On se donne tout d'abord une ap-
proximation (M π , X π ) de (M, X) vériant
" #
max E sup (|Mt − Mtπi |2 + |Xt − Xtπi |2 ) ≤ C/n .
i≤n−1 t∈[ti ,ti+1 ]

Dans le cas 1, il sut de dénir (M π , X π ) comme le schéma d'Euler de (M, X) sur π . Dans
le cas 2, les fonctions b et σ ne sont pas lipschitziennes en m. Il n'est donc plus susant de
considérer le schéma d'Euler de (M, X). Par contre, la trajectoire de M est parfaitement si-
mulable et on peut prendre M π = M . En incluant les temps de saut de µ dans la dénition du
schéma d'Euler X π de X , on obtient une approximation de X vériant la condition ci-dessus.
 III.3 EDSR avec sauts... 44

Concernant la composante rétrograde, on utilise le schéma d'approximation suivant :

Cas 1. On dénit le processus discret (Y π , Z π , Γπ ) par

 h i
Z π = n E Y π (W − W ) | F
t ti ti

 ti h ti+1 R i+1

 i
π π
Γti = n E Yti+1 E ρ(e)µ̄(de, (ti , ti+1 ]) | Fti
 h i
 Ytπ = E Ytπ | Ft + n−1 h Mtπ , Xtπ , Ytπ , Ztπ , Γπt



i i+1 i i i i i i

avec comme condition terminale Ytπn := g(Xtπn ). Il s'agit d'une extension directe du schéma
utilisé dans [10], voir la section précédente.

Cas 2. On dénit (Y π , Z π , Γπ ) par

 h i
Z π = n E Y π (W − W ) | F
t t t

 ti h ti+1 R i+1 i i

 i
tel-00116933, version 1 - 29 Nov 2006

π π
Γti = n E Yti+1 E ρ(e)µ̄(de, (ti , ti+1 ]) | Fti
 h i R h   i
 Ytπ = E Ytπ | Ft + ti+1 E h Ms , Xtπ , Ytπ , Ztπ , Γπt | Ft ds


i i+1 i ti i i+1 i i i

avec comme condition terminale Ytπn := g(Xtπn ). Là encore, on tient compte du fait que la
fonction h n'est pas lipschitzienne en m.

Convergence du schéma
Comme dans la section précédente, l'erreur d'approximation est dénie par la quantité
 1
2
X Z ti+1 2
π π
Errn := max sup Yt − Yti L2 +  Zt − Zti L2 dt
i≤n−1 t∈[ti ,ti+1 ]
i≤n−1 ti
 1
2
X Z ti+1
2
+  Γt − Γπti L2 dt .
i≤n−1 ti

Comme dans [10], on énonce un premier résultat de convergence faisant intervenir les meilleurs
approximations (Z̄, Γ̄) de (Z, Γ) au sens L2 (Ω × [0, 1]) par des processus adaptés constants
par morceaux sur les intervalles [ti , ti+1 ). On dénit (Z̄, Γ̄) sur chaque [ti , ti+1 ) par
Z ti+1  Z ti+1 
Z̄t := n E Zs ds | Fti et Γ̄t := n E Γs ds | Fti .
ti ti

Pour tenir compte du cas 2, on introduit de manière similaire le processus H̄ déni sur
[ti , ti+1 ) par
 Z ti+1 
avec Ht := h(Mt , Xti , Yti , Z̄ti , Γ̄ti ) .


H̄t := n E h Ms , Xti , Yti , Z̄ti , Γ̄ti ds | Fti
ti

De manière à obtenir une écriture plus concise, on pose H = H̄ = 0 si on se trouve dans

le cas 1. Par des techniques similaires à celles utilisées dans [10], on commence par montrer
qu'il existe C > 0 indépendant de n tel que
 
Errn ≤ C n−1/2 + kZ − Z̄kH2 + kΓ − Γ̄kH2 + kH − H̄kH2 ,
 III.3 EDSR avec sauts... 45

et que Errn → 0. An d'obtenir une borne sur la vitesse de convergence du schéma, il reste
donc à étudier

kZ − Z̄kH2 + kΓ − Γ̄kH2 + kH − H̄kH2 .

Dans [16], on se concentre sur l'étude de kZ − Z̄kH2 +kΓ− Γ̄kH2 . Le terme en Γ est fortement
lié à Y puisque par construction E Ut (e)µ(de, {t}) = Yt − Yt− . Or il n'est pas dicile de
R

montrer que Y vérie E|Yt − Ys |2 ≤ C(t − s). On s'attend donc naturellement à obtenir sans
1
trop de dicultés la borne : kΓ − Γ̄kH2 ≤ Cn− 2 . On montre en fait qu'il existe C > 0
indépendant de n tel que pour tout i < n
" #
|Yt − Yti |2 + |Γt − Γ̄ti |2 + |Γt − Γti |2 ≤ Cn−1 .


E sup
t∈[ti ,ti+1 ]

Ce résultat est une conséquence de majorations standards et d'un résultat plus général qui
tel-00116933, version 1 - 29 Nov 2006

montre que supt≤1 |Zt | est borné dans Lp . Cette borne est obtenue par des techniques clas-
siques de type calcul de Malliavin qui permettent, lorsque les coecients sont susamment
réguliers, de ré-écrire Z sous la forme :
 Z T 
(Zt )0 = E ΛT ∇g(XT )Dt XT + Λr (∇x h(Θr )Dt Xr + ∇γ h(Θr )Dt Γr ) dr | Ft Λ−1
t , (3.11)
t

où
Z t Z t  
0 1 2
Λt := exp ∇z h(Θu ) dWu − |∇z h(Θu )| + ∇y h(Θu ) du .
0 0 2

On suppose dans un premier temps que toutes les fonctions sont Cb1 , puis on travaille par
approximation.
Le terme en Z est plus dicile à étudier. C'est le corps du papier [16]. On considère deux
jeux d'hypothèses diérents :
H1 : Pour tout (m, e) ∈ Rκ × E , l'application x ∈ Rd 7→ β(m, x, e) admet une Jacobienne
∇x β(m, x, e) telle que

(x, ξ) ∈ Rd × Rd 7→ a(x, ξ; m, e) := ξ 0 (∇x β(m, x, e) + Id )ξ

vérie l'une des conditions suivantes uniformément en (m, x, ξ) ∈ Rκ × Rd × Rd

a(x, ξ; m, e) ≥ |ξ|2 K −1 or a(x, ξ; m, e) ≤ −|ξ|2 K −1 .

H2 : b(m, ·), σ(m, ·), β(m, ·, e), h(m, ·) et g(m, ·) sont Cb1 à dérivées premières lipschitziennes
uniformément en e ∈ E et m ∈ Rκ .

La première condition nous assure l'inversibilité du processus tangent ∇X de X . Elle est

automatiquement vériée dans le cas 2 puisqu'alors β = 0. Elle nous permet d'étendre la
preuve de [Zh01] au cas de diusions à saut, voir ci-dessous. La seconde condition nous assure
1
une forte régularité sur Z . Sous ces conditions, on peut contrôler kZ − Z̄kH2 en n− 2 .
 III.3 EDSR avec sauts... 46

Théorème 3.19 Si H1 ou H2 sont vériées, alors

n−1
X Z ti+1
kZ − Z̄k2H2 ≤ kZt − Zti k2L2 dt ≤ C n−1 .
i=0 ti

Lorsque H1 est vériée, on reprend les idées de [Zh01]. On suppose que toutes les fonctions
sont Cb1 , un argument d'approximation permettant d'étendre ces résultats au cas général.
En utilisant le lien bien connu entre DX et le processus tangent ∇X de X , on déduit de
(3.11) que Z peut s'écrire sous la forme

(Zt )0 = E [G | Ft ] ηt + ϑt
h i
où G ∈ ∩p≥1 Lp , ϑ et η sont des processus vériant E supt∈[ti ,ti+1 ] (|ϑt − ϑti |p + |ηt − ηti |p )
p
≤ Cn− 2 , et la martingale Gt := E [G | Ft ] admet une représentation sous la forme
tel-00116933, version 1 - 29 Nov 2006

Z t Z tZ
Gt = E [G1 ] + ξs dWs + Vs (e) µ̄(de, ds)
0 0 E
avec
Z
1
kξkHp + k( |V (e)|2 λ(de)) 2 kHp < ∞ .
E

Ceci implique que

n−1
X Z ti+1 n−1
XZ ti+1
2 −1
E |Gt − Gti |2 |ηti |2 dt
   
E |Zt − Zti | dt ≤ Cn + C
i=0 ti i=0 ti
n−1
X Z ti+1
E |ηt − ηti |2 |Gt − Gti |2 dt .
 
+ C
i=0 ti

On conclut alors en utilisant des majorations du type

n−1
X Z ti+1 n−1
XZ ti+1  Z t Z  
2 2 ∗ 2 2 2
 
E |Gt − Gti | |ηti | dt ≤ E |η | |ξs | + |Vs (e)| λ(de) ds dt
i=0 ti i=0 ti ti E
 Z 
1 1
≤ C n−1 E |η ∗ |4 2 kξk2H4 2 2

+ k( |V (e)| λ(de)) kH4 ,
2
E

où η ∗ := maxi≤n |ηti | ∈ L4 .
On déduit enn des résultats précédents que, si H1 ou H2 sont vériées, alors
 
Errn ≤ C n−1/2 + kH − H̄kH2 .

Remarque 3.20 1. Dans le cas où h ne dépend pas de Z , le résultat précédent reste vrai
sans H1 ni H2 . C'est le cas si σ = 0 puisqu'alors Z = 0.
1
2. Si h ne dépend pas de m alors la vitesse est en n− 2 .
3. Tous ces résultats s'étendent immédiatement au cas où les fonctions dépendent du temps
mais sont Hölder 1/2 en t et les autres hypothèses sont vériées uniformément en t.
 III.4 EDSR rééchies 47

4 EDSR rééchies
Dans [18], on s'intéresse à la discrétisation des EDSR rééchies de la forme
Z 1 Z 1
Yt = g(X1 ) + h (Xs , Ys , Zs ) ds − (Zs )0 dWs + A1 − At (4.12)
t t
Yt ≥ f (Xt ) , 0 ≤ t ≤ 1 ,

où A est un processus cadlag croissant vériant

Z 1
(Yt − f (Xt )) dAt = 0 .
0

Lorsque h = 0 et f = g , Y est l'enveloppe de Snell de g(X), ce qui correspond en nance

au prix d'une option américaine de payo g . Plus généralement, la solution de (4.12) est
intimement liée à une équation parabolique à frontière libre, voir [KaKaPPQ97].
tel-00116933, version 1 - 29 Nov 2006

Là encore on peut utiliser un schéma de discrétisation implicite :

h i
Ztπi = (ti+1 − ti )−1 E Ytπi+1 (Wti+1 − Wti ) | Fti
h i
Ỹtπi = E Ytπi+1 | Fti + (ti+1 − ti )h(Xtπi , Ỹtπi , Ztπi )
 
Ytπi = R ti , Xtπi , Ỹtπi , i ≤ n − 1 , (4.13)

avec la condition terminale Y1π = g(X1π ) et

R(t, x, y) := y + [f (x) − y]+ 1{t∈<\{0,T }} , (t, x, y) ∈ [0, 1] × Rd+1

pour une partition < := {0 = r0 < r1 < . . . < rκ = 1} ⊂ π .

De tels schémas ont été étudiés dans [10] et [BaPa03] lorsque π = <, h ne dépend pas de Z
1
et g = f . Dans ce cas, on obtient une convergence en n− 2 lorsque les coecients sont tous
lipschitziens et à croissance linéaire, voir [BaPa03] pour un résultat plus n lorsque f est
semi-convexe. Dans [MaZh05], il est montré que l'on peut obtenir une borne sur la vitesse de
1
convergence en n− 4 lorsque f dépend de Z à condition que cette fonction soit Cb2 et que σ
soit uniformément elliptique. Il s'agit d'hypothèses beaucoup plus fortes que celles retenues
en l'absence de réection, voir les deux sections précédentes.
L'objet de [18] est de montrer que l'on peut alléger ces hypothèses et même obtenir une
1
vitesse en n− 2 , au prix de conditions un peu plus fortes, i.e. f ∈ Cb2 à dérivées secondes
lipschitziennes.
Comme dans le cas non rééchi, voir les sections précédentes, il est nécessaire de contrôler
un terme de la forme
n−1
X Z ti+1 
E |Zt − Zti |2 dt .


i=0 ti

L'approche de [MaZh05] consiste à prouver dans un premier temps que Z admet une repré-
sentation du type

(Zt )0 = E Gt | Ft ηt . (4.14)
 
 III.4 EDSR rééchies 48

Contrairement à la représentation (3.11) correspondant au cas non-rééchie, la variable Gt

dépend maintenant de t. Cette formulation est obtenue en utilisant la formule d'intégration
par parties du calcul de Malliavin. C'est essentiellement une généralisation de celle proposée
dans [FoLaLLT99] pour le calcul des sensibilités en nance. Ceci explique leur hypothèse
d'uniforme ellipticité sur σ . Par ailleurs, la dépendance de Gt en t n'étant pas triviale, il
n'est plus possible d'utiliser l'approche martingale décrite dans la section précédente.
Notre approche est complètement diérente. On commence par étudier la solution (Y b , Z b )
d'une EDSR discrètement rééchie :
Z 1 Z 1
b
Yt = g(X1 ) + b
h(Θu )du − (Zub )0 dWu + Ab1 − Abt (4.15)
t t

Pκ−1 h i+
où Θb := (Xu , Yub , Zub ) et Abt := j=1 h(Xrj ) − Yrbj 1rj <t . Lorsque les coecients sont
Cb1 ,on montre que admet une version vériant
Zb
tel-00116933, version 1 - 29 Nov 2006

 Z τj 
b 0
(Zt ) = E ∇g(X1 )η1 1τj =1 + ∇f (Xτj )ητj 1τj <1 + ∇x h(Θbu )ηu du | Ft ηt−1 σ(Xt ) ,
t

où τj := inf{t ∈ < | t ≥ rj+1 , f (Xt ) > Ytb } ∧ 1 , j ≤ κ − 1 , et

Z · Z ·  
1
η := ∇X exp ∇z f (Θbu )0 dWu − |∇z f (Θbu )|2 + ∇y f (Θbu ) du .
0 0 2

En jouant sur cette formulation, on montre ensuite qu'il existe C > 0 indépendant de π et
< tel que
n−1
X Z ti+1 h i  
1
E |Ztb − Ztbi |2 dt ≤ C n−1 1 + βn 2 + α(κ) , (4.16)
i=0 ti

√
où α(κ) = κ et β = 1 sous l'hypothèse
H1 : h est Cb1 à dérivées premières lipschitziennes,
et α(κ) = 1 et β = 0 sous l'hypothèse
H2 : h est Cb2 à dérivées secondes lipschitziennes et σ est Cb1 à dérivée première Lipschitzienne.
Pour simplier, supposons que g = f et h = 0. L'idée générale de la preuve est de se ramener
à des termes de la forme
   
|E ∇f (Xτj ) | Fτj−1 − E ∇f (Xτj−1 ) | Fτj−1 |
1
que l'on contrôle par ΞE Ξ(τj − τj−1 ) | Fτj−1 2 , sous H1 , et par ΞE Ξ(τj − τj−1 ) | Fτj−1
  

sous une version un peu plus forte de H2 . Ici Ξ ∈ Lp (R+ ), pour tout p ≥ 1. On est ensuite
amené à sommer ces termes, ce qui conduit à une majoration du type (4.16).
En utilisant, des résultats standards de stabilité, on montre ensuite que le résultat reste vrai
si b, σ et g sont seulement lipschitziennes. Ceci nous permet d'obtenir les bornes suivantes
sur la vitesse de convergence de (Y π , Z π ) vers (Y b , Z b ).
 III.4 EDSR rééchies 49

Théorème 4.21 Il existe C > 0 indépendant de π et < tel que

  " #
1
π b 2
E max |Yti − Yti | + max E sup |Ytπi+1 − Ytb |2 ≤ C αY (κ) n−1 + β n− 2
i≤n i<n t∈(ti ,ti+1 ]
n−1 Z ti+1 
1
et
X
E |Ztπi − Ztb |2 dt ≤ C αZ (κ) n−1 + β n− 2
i=0 ti

1
avec (αY (κ), αZ (κ)) = (κ 2 , κ) et β = 1 sous H1 , et (αY (κ), αZ (κ)) = (1, κ) et β = 0 sous
H2 .
1
On montre en outre que l'on a les mêmes bornes avec αZ (κ) = κ 2 sous H1 , et αZ (κ) = 1
sous H2 , si (Xtπi )i≤n est remplacé par (Xti )i≤n dans le schéma (4.13).
On passe ensuite au cas continument rééchi. On reprend le schéma de discrétisation précé-
dent avec < = π .
tel-00116933, version 1 - 29 Nov 2006

Théorème 4.22 Il existe C > 0 indépendant de π tel que

  " #
π 2
E max |Yti − Yti | + max E sup |Ytπi+1 − Yt |2
≤ C α(n)
i≤n i<n t∈(ti ,ti+1 ]
n−1 Z ti+1 
1
et
X
E |Ztπi − Zt | dt ≤ C n− 2 ,
2

i=0 ti

1
avec α(n) = n− 2 sous H1 et α(n) = n−1 sous H2 .
L'erreur sur Y est une conséquence du théorème précédent et d'arguments standards permet-
1
tant de borner l'écart entre Y b et Y en n− 2 . L'erreur sur Z est plus compliquée à obtenir mais
découle essentiellement de (4.16) et d'un résultat similaire obtenu sur le processus (Y b,e , Z b,e )
déni comme (Y b , Z b ) mais en remplaçant X par son schéma d'Euler continu.
Lorsque (Xtπi )i≤n est remplacé par (Xti )i≤n dans le schéma (4.13), on obtient les mêmes
bornes sur Y π − Y mais on améliore celle sur Z π − Z sous H2 :
n−1
X Z ti+1 
E |Ztπi − Zt | dt ≤ C n−1 .
2

i=0 ti
 Chapitre IV
Randomisation de l'horizon de
temps pour les problèmes de contrôles
stochastiques
tel-00116933, version 1 - 29 Nov 2006

Dans [14], on s'intéresse à l'approximation de problèmes de contrôle stochastique à hori-

zon ni par des problèmes à horizon aléatoire. Ce travail a pour origine l'article [Ca98] qui
utilise cette technique pour proposer un algorithme rapide pour le calcul de prix d'options
américaines, voir également [KyPi03].

L'algorithme de Carr pour l'évaluation des options américaines

Le problème étudié par [Ca98] est le suivant. Il s'agit de calculer la valeur en t = 0 de
h i
Vt := ess−sup E e−r(τ ∧T ) g(S(τ ∧ T )) | S(t) ,
τ ∈Tt (F)

où Tt (F) est l'ensemble des F-temps d'arrêt à valeurs dans [t, ∞),
σ2
  
S(t) = S(0) exp r − t + σW (t) , t ≥ 0,
2
et g(x) = [K − x]+ pour une constante K > 0 donnée. Ici, F est la ltration naturelle
complétée engendrée par W . En nance, Vt correspond au prix à la date t d'un put américain
de maturité T et de strike K dans le modèle de Black-Scholes, voir par exemple [KaSh98].
L'objectif de Carr est de se ramener à une suite de problèmes en horizon inni imbriqués
dont la résolution, à chaque étape, est explicite : il introduit tout d'abord une suite (ξ k )k≥0
de variables aléatoires i.i.d. indépendantes de F de loi exponentielle de paramètre 1, puis il
dénit la suite de fonctions valeurs (vnk )k≤n, n≥1 par
h k
i
vnk (x) := sup E e−r(τ ∧Tn ) g(S(τ ∧ Tnk )) S(0) = x ,
τ ∈T0 (F)

où
1
X T k
Tnk := ζnj avec ζnk := ξ pour k ≤ n .
n
j=k

50
 IV Randomisation de l'horizon de temps... 51

Ici, les (Tnk )k≤n peuvent être vus comme des maturités (aléatoires) résiduelles. Comme Tnn →
1 quand n → ∞ presque sûrement, on peut vérier que vnn (S(0)) → V0 . Il reste donc à calculer
vnn (S(0)). Pour cela, il ré-écrit, en utilisant l'indépendance de (ξ k )k≥0 et W ,
h k
i
vnk (x) = sup E e−rτ g(S(τ ))Gkn (τ ) + e−r(τ ∧Tn ) g(S(τ ∧ Tnk ))1{τ >ζnk } | S(0) = x ,
τ ∈T0 (F)

où
h i
Gkn (t) := P ζnk ≥ t ,

puis utilise un argument de programmation dynamique formel pour obtenir

h k
  i
vnk (x) = sup E e−rτ g(S(τ ))Gkn (τ ) + e−rζn vnk−1 S(ζnk ) 1{τ >ζnk } S(0) = x . (0.1)
τ ∈T0 (F)

Comme les ζnk ont une loi exponentielle et sont indépendants de S , on obtient alors
tel-00116933, version 1 - 29 Nov 2006

n τ −rn t k−1
 Z 
vnk (x) = sup E e−rn τ g(S(τ )) + e vn (S(t))dt S(0) = x ,
τ ∈T0 (F) T 0

avec rn := r + n/T . Cela revient à considérer une suite de problèmes d'arrêt optimal en
horizon inni. L'avantage est qu'ils peuvent être résolus explicitement à chaque étape en
fonction de la fonction valeur calculée à l'étape précédente. Ceci procure une méthode d'ap-
proximation très rapide de V0 .
Malheureusement, l'égalité (0.1) n'a pas de raison d'être vériée. Pour cela, il faudrait dispo-
ser d'un principe de programmation dynamique valable à des dates aléatoires indépendantes
de la ltration F qui sert à dénir l'ensemble des temps d'arrêt.
L'objet de l'article [14] est de montrer que l'algorithme de Carr est néanmoins convergent et
de l'étendre à une plus large classe de problèmes de contrôle.

Approche générale et convergence

On travaille maintenant sur un espace (Ω, A, P) muni d'une ltration F = {Ft }t≥0 satis-
faisant les conditions habituelles avec F0 triviale. Etant donné un ensemble U de fonction
de R+ dans Rd , d ≥ 1, on note Ũ(F) l'ensemble des processus F−adaptés ν tels que

t 7−→ ν(t, ω) ∈ U pour presque tout ω ∈ Ω .

Le processus contrôlé est déni par l'application

ν ∈ Ũ(F) 7−→ Y ν ,

où Y ν est un processus F−progressivement mesurable à valeurs dans R vériant

Y ν (0) =: Y (0) est indépendant de ν . (0.2)

L'ensemble U(F) des contrôles admissibles est un sous-ensemble d'éléments ν ∈ Ũ(F). On

suppose qu'il est stable par bifurcation aux temps déterministes, i.e.
 IV Randomisation de l'horizon de temps... 52

(HU ) : Pour tout ν1 , ν2 ∈ U(F), t ≥ 0, et A ∈ Ft ,

ν1 = ν2 sur [0, t) P − p.s. =⇒ ν1 1A + ν2 1Ac ∈ U(F) .

Cette hypothèse est plus faible que celle de stabilité par bifurcation aux temps d'arrêt
usuelles, voir [Ka79]. Elle est également plus faible que l'hypothèse de stabilité par concaté-
nation :
(HU )' : Pour tout ν1 , ν2 ∈ U(F) et τ ∈ T0 (F), ν1 1[0,τ ) + ν2 1[τ,∞) ∈ U(F),
qui n'est pas satisfaite par les problèmes d'arrêt optimal. Plus loin on en utilisera une version
aaiblie :
00
(HU ) : Pour tout ν1 , ν2 ∈ U(F) et t ≥ 0, ν1 1[0,t) + ν2 1[t,∞) ∈ U(F).

On cherche à approcher
tel-00116933, version 1 - 29 Nov 2006

sup E [Y ν (T )] .
ν∈U (F)

Pour cela, on utilise un algorithme inspiré de celui de [Ca98]. Pour n ≥ 1, on considère une
suite (ζnj )1≤j≤n de variables aléatoires positives indépendantes de F et on pose
k
X
Tnk := ζnj for 1 ≤ k ≤ n , Tn0 := 0 .
j=1

On note mn la loi de (ζn1 , . . . , ζnn ) sous P.

L'algorithme est déni ainsi :

V0n,ν = Y ν , ν ∈ U(F)

et pour k = 0, . . . , n − 1
h i
n,ν
Vk+1 (t) = ess−sup E V̄kn,ν (t + ζnn−k ) Ft , t ≥ 0 ,
µ∈U (F;t,ν)

où V̄kn,ν est un processus d'agrégation de Vkn,ν au sens de l'hypothèse (HV) ci-dessous, et

U(F; t, ν) := {µ ∈ U(F) : µ = ν sur [0, t) P − p.s.} .

Pour donner un sens à cette construction, on suppose que

(HY) Il existe une martingale uniformément intégrable M Y telle que, pour tout ν ∈ U(F),
|Y ν (t)| ≤ M Y (t) pour tout t ≥ 0 P − p.s.

(HV) Pour tout ν ∈ U(F) et 1 ≤ k ≤ n − 1, il existe un processus V̄kn,ν (Ω × R+ , F ⊗

BR+ )−mesurable tel que V̄kn,ν (t) = Vkn,ν (t) P − p.s. pour tout t ≥ 0.

Remarque 0.23 Si on suppose, comme c'est le cas dans [Ca98], que les ζni sont de loi
exponentielle de paramètre λn > 0, on se ramène alors à une suite de problèmes de contrôle
standards par la relation
 Z ∞ 
e−λn t Vk+1
ν
(t) = ess−sup E λn V̄kµ (u)e−λn u du Ft , t≥0,
µ∈U (F;t,ν) t
 IV Randomisation de l'horizon de temps... 53

et l'hypothèse (HV) est automatiquement vériée si l'on suppose la stabilité par bifurcation
aux temps d'arrêt, voir [Ka79]. On montre que ce résultat reste valable sous (HY), (HU ) et
00
(HU ) à partir du moment où (Y ν )ν∈U (F) est une famille de processus cadlag vériant

lim inf E [Y νk (t)] ≥ E [Y ν (t)] si P [νk (t) −→ ν(t), ∀t ≥ 0] = 1 .

k→∞

Notre premier résultat fournit un encadrement de Vnn (0) := Vnn,ν (0).

Théorème 0.24 Si (HY), (HV) et (HU ) sont vériées, alors

Z
ν
(Tnn )] Vnn (0) sup E Y ν (z 1 + . . . + z n ) mn (dz) .
 
sup E [Y ≤ ≤
ν∈U (F) ν∈U (F)

On exploite ensuite ce résultat pour obtenir la convergence de l'algorithme sous dié-

rents jeux d'hypothèses. Un premier résultat est obtenu sous des conditions de régularité de
l'application t 7−→ E [Y ν (t)].
tel-00116933, version 1 - 29 Nov 2006

Proposition 0.25 On suppose que (HY)-(HV)-(HU ) sont vériées, et que Tnn −→ T < ∞
en probabilité.
(i) Si t > 0 7−→ E [Y ν (t)] est continue en t = T pour tout ν ∈ U(F) , alors
lim inf n→∞ E [Y ν (Tnn )] ≥ E [Y ν (T )] pour tout ν ∈ U(F).
(ii) Si t > 0 7−→ supν∈U (F) E [Y ν (t)] est continue en t = T , alors
Z
sup E Y ν (z 1 + . . . + z n ) mn (dz) ≤ sup E [Y ν (T )].
 
lim supn→∞
ν∈U (F) ν∈U (F)
(iii) Si les deux conditions précédentes sont vériées, alors

lim Vnn (0) = sup E [Y ν (T )] .

n→∞ ν∈U (F)

On fait ensuite le lien entre ce cadre général et les problèmes d'arrêt optimal. On se donne
un processus Z adapté à F, à trajectoires cadlag et borné par une martingale uniformément
intégrable. On ré-écrit le problème d'arrêt

V0 := sup E [Z(τ ∧ T )] ,
τ ∈T0 (F)

sous la forme
Z t
V0 = sup E [Y ν (T )] avec Y ν (t) = Z(u)dν(u) + Z(t)1ν(t)=0 .
ν∈U (F) 0

et U(F) := {1τ <t : τ ∈ T0 (F)}.

On montre la converge Vnn (0) → V0 dès que (HV) est vériée et que Tnn → T en probabilité.
L'hypothèse (HV) peut-être vériée en faisant appel aux résultats généraux obtenus par
[Ka79] dès que les ζni sont exponentiellement distribués. Ceci montre que l'algorithme de
Carr est bien convergent. On étudie également le comportement de cet algorithme pour
un problème de contrôle associé à la couverture d'une option européenne dans un modèle
à volatilité stochastique, voir [AvLeP95]. Comme dans [Ca98], on observe une très bonne
convergence sur une application numérique.
 Chapitre V
Projets de recherche

Mes projets de recherche s'articulent autours de trois axes principaux qui sont succinte-
ment développés ci-dessous.
tel-00116933, version 1 - 29 Nov 2006

1 Finance mathématique
Je compte tout d'abord poursuivre les travaux initiés dans [7] sur les modèles à infor-
mation incomplète. L'objectif nal est d'être capable de traiter le cas de modèles en temps
continu dans lesquels, même en l'absence de frition, les preuves du théorème fondamental
d'évaluation d'actifs (voir [DeSc94]et [DeSc98]) ne semblent pas adaptables au cas où la l-
tration de l'agent ne contient pas celle des prix (il en est de même lorsque le nombre de dates
est dénombrable, voir [Sc94]).
En particulier, la notion même de stratégie admissible pose certaines dicultés. Lorsque
le nombre de date n'est pas ni, il est nécessaire d'imposer des bornes inférieures au pro-
cessus de richesse an d'éviter les stragégies d'arbitrage du type doubling strategies, mais
cette contrainte paraît extrèmement forte lorsque les prix (et donc la richesse) ne sont pas
parfaitement observés. Des travaux en cours de Schachermayer et Guasoni sur les modèles
avec coûts de transaction (et information parfaite) reposent sur la notion suivante : une
stratégie est admissible si pour tout t il existe un temps d'arrêt plus grand que t tel qu'à
ce temps la richesse soit positive (ou bornée inférieurement par une constante ne dépendant
que de la stratégie). Avec cette dénition, on pourrait admettre que la richesse devienne for-
tement négative pendant une période à condition de savoir avec certitude qu'elle doit revenir
à terme dans la zone de solvabilité. On peut noter que de telles situations n'engendrent pas
nécessairement d'arbitrage du fait de l'imperfection de l'information.
Je pense qu'il est nécessaire d'adopter ce type de dénition lorsque l'information est
incomplète. Des travaux devraient être menés dans ce sens très prochainement. S'agissant
d'un sujet très dicile, je compte tout d'abord m'intéresser aux modèles à nombre de dates
dénombrable avant de passer au temps continu.
Je compte également poursuivre les travaux commencés dans [1] et [15] sur la sur-
réplication en présence de coût de transaction. L'objectif est d'être capable de traiter des
structures de coûts générales (certains pouvant en particulier être nuls). Des recherches sont

54
 V Projets de recherche 55

actuellement en cours avec L. Campi et P. Guasoni sur ce thème. Dans un premier temps,
on compte s'intéresser à une généralisation de [15] dans laquelle les actifs sont regroupés
en classes d'équivalence : les coûts sont nuls à l'intérieur d'une classe, strictement positifs
entre les classes.
Je devrais ensuite m'intéresser à la couverture d'options américaines, les travaux menés
dans [13] ayant montré qu'il ne s'agit pas d'une extension triviale des résultats obtenus pour
les payos européens. Ce sujet est en outre fortement lié à la formulation d'un théorème de
bipolarité ltré multidimensionnel sur lequel j'ai déjà travaillé à l'occasion de la rédaction
de [11]. A l'époque, je n'avais pas su étendre les résultats de [Zi02] au cas multivarié. Les
résultats obtenus depuis dans [13] devraient contribuer à une meilleure compréhension du
problème.

2 Cibles stochastiques et EDP

tel-00116933, version 1 - 29 Nov 2006

Le travail réalisé avec I. Bentahar dans [17] a montré la diculté des problèmes de cibles
stochastiques lorsque la cible dépend du temps d'atteinte d'une frontière par un processus.
J'ai l'intention de poursuivre ce travail dans un cadre plus général (typiquement celui de [3])
et d'aner les hypothèses permettant d'obtenir des théorèmes de comparaison sur les EDP
associées. Un travail est actuellement en cours avec N. Saintier.
Il serait également intéressant de traiter des problèmes de cibles dans lesquels le processus
contrôlé doit rester dans un domaine jusqu'à un horizon donné (éventuellement un temps
d'arrêt). Ceci est lié à la couverture d'options américaines avec contraintes de portefeuille.
Pour mener à bien ce travail, il faudra tout d'abord étendre le principe de programmation
dynamique de Soner et Touzi.

3 Discrétisation d'EDSR
Dans le cadre de sa thèse, Jean-François Chassagneux poursuit sous ma direction des
travaux sur la discrétisation d'EDSR rééchies. Il travaille actuellement sur des modèles
vectoriels qui sont notamment liés aux problèmes de contrôle impulsionnel et de jeux sto-
chastiques. Il s'agit d'obtenir des résultats de régularités similaires à ceux déjà obtenus dans
[18] (qui permettent ensuite d'étudier les vitesses de convergence des méthodes de résolution
de type Monte-Carlo).
J'aimerais également travailler sur la discrétisation d'EDSR avec contraintes sur le
processus de gain, voir par exemple [CvKaS98], qui sont fortement liées aux problèmes de
couverture d'option sous contrainte du type de celui étudié dans [17].
Par ailleurs, jusqu'à présent, seul le cas de générateurs lipschitziens a été considéré alors
que de nombreux problèmes, notamment issus de la nance, sont quadratiques. Il s'agit là
d'un axe de recherche très important.
 Bibliographie

[AnKo00] Antonelli F. et A. Kohatsu-Higa (2000). Filtration stability of backward SDE's.

Stochastic Analysis and Its Applications, 18, 11-37.

[AvLeP95] Avellaneda M., M. Levy et A. Paras (1995), Pricing and hedging derivative secu-
rities in markets with uncertain volatilities, Applied Mathematical Finance 2, 73-88.
tel-00116933, version 1 - 29 Nov 2006

[BaPa02] Bally V. et G. Pages (2002). A quantization algorithm for solving discrete time
multidimensional optimal stopping problems. Bernoulli, 9 (6), 1003-1049.
[BaPa03] Bally V. et G. Pagès (2003). Error analysis of the quantization algorithm for
obstacle problems. Stochastic Processes and their Applications, 106, 1-40.
[BaBiBL03] Barles B., S. Biton, M. Bourgoing et O. Ley (2003). Quasilinear parabolic equa-
tions, unbounded solutions and geometrical equations III. Uniqueness through classi-
cal viscosity solution's methods. Calc. Var. Partial Dierential Equations, 18, 159-179.
[BaBuP97] Barles G., R. Buckdahn et E. Pardoux (1997). Backward stochastic dieren-
tial equations and integral-partial dierential equations. Stochastics and Stochastics
Reports, 60, 57-83.

[BaSo96] Barles G. et H. M. Soner (1996). Option Pricing with Transaction Costs and a
Nonlinear Black-Scholes Equation. Prépublication.
[Be05] Becherer D. (2005). Bounded solutions to Backward SDE's with Jumps for Utility
Optimization and Indierence Hedging. Prépublication, Imperial College, London.
[BlKaJM02] Blanchet-Scalliet C., N. El Karoui, M. Jeanblanc et L. Martellini (2002). Opti-
mal Investment and Consumption when Time-Horizon is Uncertain. Prépublication.
[BrSc99] Brannath, W. et W. Schachermayer (1999). A Bipolar Theorem for L0+ (Ω, F, P).
Séminaire de Probabilités XXX, 349-354.

[BrDeM01] Briand P., B. Delyon et J. Mémin (2001). Donsker-type theorem for BSDE's.
Electronic Communications in Probability, 6, 1-14.

[BrCvS98] Broadie M., J. Cvitanic et M. Soner (1998). Optimal replication of contingent

claims under portfolio constraints. The Review of Financial Studies, 11 (1), 59-79.
[CaSc06] Campi L. et W. Schachermayer (2006). A Super-Replication Theorem in Kabanov's
Model of Transaction Costs. Prépublication.
[Ca98] Carr P. (1998). Randomization and the American Put. The Review of Financial

Studies 11, 597-626.

56
 Bibliographie 57

[Ca96] Carrière J. F. (1996). Valuation of the Early-Exercise Price for Options using Simu-
lations and Nonparametric Regression, Insurance : mathematics and Economics, 19,
19-30.
[ChJh01] Chalasani P. et S. Jha (2001). Randomized stopping times and american option
pricing with transaction costs. Mathematical Finance, 11 (1), 33-77.
[Ch97] Chevance D. (1997). Numerical Methods for Backward Stochastic Dierential Equa-
tions. In Numerical methods in nance, Edt L.C.G. Rogers and D. Talay, Cambridge
University Press, 232-244.
[ChGa03] Chybiryakov O. et N. Gaussel (2003). How to hedge with a delayed information ?.
Prépublication.
[CoMaM98] Coquet F., V. Mackevicius et J. Mémin (1998). Stability in D of martingales
and backward equations under discretization of ltration. Stochastic Processes and
their Applications, 75, 235-248.
tel-00116933, version 1 - 29 Nov 2006

[CoHu89] Cox J. et C.F. Huang (1989). Optimal Consumption and Portfolio Policies when
Asset Prices follow a Diusion Process. J. of Economic Theory, 49, 33-83.
[CrIsL92] Crandall M. G., H. Ishii and P.-L. Lions (1992). User's guide to viscosity solutions
of second order Partial Dierential Equations. Amer. Math. Soc., 27, 1-67.
[Cv99] Cvitani¢ J. (1999). Minimizing expected loss of hedging in incomplete and constrained
markets. SIAM Journal on Control and Optimization, 38, 1050-1066.
[CvKa93] Cvitani¢ J. et I. Karatzas (1993). Hedging contingent claims with constrained
portfolios. Annals of Applied Probability, 3, 652-681.
[CvKa96] Cvitanic J. et I. Karatzas (1996). Hedging and portfolio optimization under tran-
saction costs : A martingale approach. Mathematical Finance, 6 (2), 133-165.
[CvKaS98] Cvitanic J., I. Karatzas et M. Soner (1998). Backward stochastic dierential
equations with constraints on the gains-process. The Annals of Probability, 26 (4),
1522-1551.
[CvPhT99] Cvitani¢ J., H. Pham et N. Touzi (1999). A closed-form solution to the problem
of super-replication under transaction costs. Finance and Stochastics, 3, 35-54.
[CvPhT99b] Cvitanic J. , H. Pham et N. Touzi (1999). Super-replication in stochastic vola-
tility models with portfolio constraints. Journal of Applied Probability, 36, 523-545.
[CvWa01] Cvitani¢ J. et H. Wang (2001). On Optimal Terminal Wealth under Transaction
Costs. J. of Mathematical Economics, 35 (2), 223-231.
[DaCl94] Davis M. et J. M. C. Clark (1994). A note on super-replicating strategies. Phil.

Trans. Roy. Soc. London A, 347, 485-494.

[DaNo90] Davis M. et A. Norman (1990). Portfolio selection with transaction costs. Math.

Operation Research, 15, 676-713.

[DaPaZ93] Davis M., V.G. Panas et T. Zariphopoulou (1993). European Option Pricing with
Transaction Costs. SIAM Journal of Control and Optimization, 31, 470-493.
[DePhT02] Deelstra G., H. Pham et N. Touzi (2002). Dual formulation of the utility maxi-
mization problem under transaction costs. Annals of Applied Probability, 11 (4),
1353-1383.
 Bibliographie 58

[DeGrRSSS02] Delbaen F., P. Grandits, Th. Rheinländer, D. Samperi, M. Schweizer et C.

Stricker (2002). Exponential hedging and entropic penalties. Mathematical Finance,
12 (2), 99-123.
[DeSc94] Delbaen F. et W. Schachermayer (1994). A general version of the fundamental
theorem of asset pricing. Math. Annalen, 300, 463-520.
[DeSc98] Delbaen F. et W. Schachermayer (1998). The Fundamental Theorem of Asset Pri-
cing for Unbounded Stochastic Processes. Math. Annalen, 312, 215-250.
[DeKaS06] De Vallière D., Y. Kabanov et C. Stricker (2006). No-Arbitrage Properties for
Financial Markets with Transaction Costs and Incomplete Information. Prépublica-
tion.
[DiPi94] Dixit A. et R. Pindick (1994). Investment under uncertainty, Princeton university
press.
[DoMaP96] Douglas J. Jr., J. Ma et P. Protter (1996). Numerical Methods for Forward-
tel-00116933, version 1 - 29 Nov 2006

Backward Stochastic Dierential Equations. Annals of Applied Probability, 6, 940-

968.
[Ey05] Eyraud-Loisel A. (2005). Backward Stochastic Dierential Equations with Enlarged
Filtration. Option Hedging of an insider trader in a nancial market with Jumps. A
paraître dans Stochastic processes and their Applications.
[FoKr97] Föllmer H. et D. Kramkov (1997). Optional decomposition under constraints. Pro-
bability Theory and Related Fields, 109, 1-25.

[FoLe00] Föllmer H. et P. Leukert (2000). Ecient hedging : cost versus shortfall risk. Fi-
nance and Stochastics 4, 117-146.
[FoLaLLT99] Fournié E., J.-M. Lasry, J. Lebuchoux, P.-L. Lions et N. Touzi (1999). Ap-
plications of Malliavin calculus to Monte Carlo methods in nance. Finance and
Stochastics 3, 391-412.

[GiTr77] Gilbarg D. and N. S. Trudinger (1977). Elliptic partial dierential equations of

second order. Springer-Verlag.

[GoLeW05] Gobet E., J.P. Lemor et X. Warin (2005). Rate of convergence of empirical
regression method for solving generalized BSDE. A paraître dans Bernoulli.
[Gr05] Grigoriev P. (2005). On low dimensional Case in the Fundamental Asset Pricing
Theorem with Transaction Costs. Statistics and Decisions, 23 (1), 33-48.
[Gu02] Guasoni P. (2002). Optimal investment with transaction costs and without semimar-
tingales. Ann. Appl. Probab., 12 (4), 1227-1246
[GuSc04] Guasoni P. et W. Schachermayer (2004). Necessary conditions for the existence of
utility maximizing strategies under transaction costs. Statistics and Decisions, 22 (2),
153-170.
[HoNe89] Hodges S. et A. Neuberger (1989). Optimal replication of contingent claims under
transaction costs. Review of Futures Markets, 8, 222-239.
[JoKa95] Jouini E. et H. Kallal (1995). Martingales and Arbitrage in securities markets with
transaction costs. Journal of Economic Theory, 66, 178-197.
 Bibliographie 59

[JoKa99] Jouini E. et H. Kallal (1999). Viability and Equilibrium in Securities Markets with
Frictions. Mathematical Finance, 9 (3), 275-292.
[Ka99] Kabanov Y. (1999). Hedging and liquidation under transaction costs in currency
market. Finance and Stochastics, 3 (2), 237-248.
[KaKi03] Kabanov Y. et M. Kijima. A consumption investment problem with production
possibilities. Prépublication.
[KaLa02] Kabanov Yu. et G. Last (2002). Hedging under transaction costs in currency mar-
kets : a continuous time model. Mathematical Finance, 12, 63-75.
[KaRaS02] Kabanov Y., M. Rásonyi et C. Stricker (2002). No arbitrage criteria for nancial
markets with ecient friction. Finance and Stochastics, 6 (3), 371-382.
[KaRaS03] Kabanov Y., M. Rásonyi et C. Stricker (2003). On the closedness of sums of
convex cones in L0 and the robust no-arbitrage property. Finance and Stochastics, 7
(3), 403-411.
tel-00116933, version 1 - 29 Nov 2006

[KaSt01] Kabanov Y. et C. Stricker (2001). A teachers' note on no-arbitrage criteria. Sémi-

naire de Probabilités XXXV, Lect. Notes Math. 1755, Springer, 149-152.

[KaSt01b] Kabanov Y. et C. Stricker (2001). The Harisson-Pliska arbitrage pricing theorem

under transaction costs. J. Math. Econ., 35 (2), 185-196.
[KaSt02] Kabanov Y. et C. Stricker (2002). On the optimal portfolio for the exponential
utility maximization : remarks to the six-author paper. Mathematical Finance, 12
(2), 125-134.
[KaSt03] Kabanov Y. et C. Stricker (2003). The Dalang-Morton-Willinger theorem under
delayed and restricted information. Prépublication.
[KaLeSX91] Karatzas I. , J.P. Lehoczky, S. E. Shreve et G.-L. Xu (1991). Martingale and
Duality Methods for Utility Maximization in an Incomplete Market. SIAM J. on
Control and Optimization, 29 (3), 702-730.

[KaSh98] Karatzas I. et S.E. Shreve (1998), Methods of Mathematical Finance, Springer

Verlag.
[Ka79] El Karoui N. (1979). Les aspects probabilistes du contrôle stochastique, Ecole d'Eté
de Probabilités de Saint Flour IX, Lecture Notes in Mathematics 876, Springer Verlag.

[KaKaPPQ97] El Karoui N., C. Kapoudjan, E. Pardoux, S. Peng et M.C. Quenez (1997).

Reected solutions of backward stochastic dierential equations and related obstacle
problems for PDE's. Annals of Probability, 25, 702-737.
[KaPeQ97] El Karoui N., S. Peng et M.-C. Quenez (1997). Backward stochastic dierential
equations in nance. Mathematical nance, 7 (1), 1-71.
[KaRo00] El Karoui N. et R. Rouge (2000). Pricing via Utility Maximization and Entropy.
Mathematical Finance, 10 (2), 259-276.

[KoPe02] Kohatsu-Higa A. et R. Pettersson (2002). Variance reduction methods for simula-

tion of densities on Wiener space. SIAM Journal on Numerical Analysis, 40, 431-450.
[KrSc99] Kramkov D. et W. Schachermayer (1999). The asymptotic elasticity of utility func-
tions and optimal investment in incomplete markets. Annals of Applied Probability,
9, 904-950.
 Bibliographie 60

[KrSc03] Kramkov D. et W. Schachermayer (2006). Necessary and sucient conditions in the

problem of optimal investment in incomplete markets. Annals of Applied Probability,
13 (4), 1504-1516.
[KyPi03] Kyprianou A. E. et M. R. Pistorius (2002). Perpetual Options and Canadization
Through Fluctuation Theory. Ann. Appl. Probab., 13 (3), 1077-1098
[LeSk97] Levental, S. et A. V. Skorohod (1997). On the possibility of hedging options in the
presence of transaction costs. Annals of Applied Probability, 7, 410-443.
[LoSc01] Longsta F. A. et R. S. Schwartz (2001). Valuing American Options By Simulation :
A simple Least-Square Approach. Review of Financial Studies, 14, 113-147.
[MaPrST02] Ma J. , P. Protter, J. San Martin et S. Torres (2002). Numerical Method for
Backward Stochastic Dierential Equations. Annals of Applied Probability, 12 (1),
302-316.
[MaPrY94] Ma J., P. Protter et J. Yong (1994). Solving forward-backward stochastic dif-
tel-00116933, version 1 - 29 Nov 2006

ferential equations explicitly - a four step scheme. Probability Theory and Related
Fields, 98, 339-359.

[MaZh02] Ma J. et J. Zhang (2002). Path Regularity of Solutions to Backward Stochastic

Dierential Equations. Probability Theory and Related Fields, 122, 163-190.
[MaZh05] Ma J. et J. Zhang (2005). Representations and Regularities for solution of BSDEs
with reections. Stochastic Processes and Their Applications, 115 (4), 539-569.
[Mn02] Mnif M. (2002). Optimal risk control under proportional reinsurance contract : a
dynamic programming duality approach. Prépublication.
[NiYo05] Nikeghbali A. et M. Yor (2005). A denition and some properties of pseudo stopping
times. Annals of Probability, 33 (5), 1804-1824
[Nu95] Nualart D. (1995). The Malliavin Calculus and Related Topics. Springer Verlag,
Berlin.
[Ow02] Owen M. (2002). Utility based optimal hedging in incomplete markets. Annals of
Applied Probability 12, 691-709.
[Pa98] Pardoux E. (1998). Backward stochastic dierential equations and viscosity solutions
of systems of semilinear parabolic and elliptic PDEs of second order. Dans Stochastic
Analysis and Related Topics VI. Proceedings of the Sixth Oslo-Silivri Workshop,

Geilo, 1996, Progr. Probab. 42, 79-127, L. Decreusefond et al. (eds).

[PaPe92] Pardoux E. et S. Peng (1992). Backward stochastic dierential equations and qua-
silinear parabolic partial dierential equations. Lecture Notes in Control and Inform.
Sci, 176, 200-217.

[PaPrR97] Pardoux E., F. Pradeilles et Z. Rao (1997). Probabilistic interpretation for a

system of semilinear parabolic partial dierential equations. Ann. Inst. H. Poincare,
33 (4), 467-490.
[Pe01] Penner I. (2001). Arbitragefreiheit in Finanzmärkten mit Transaktionkosten. Diplo-
marbeit, Humboldt-Universität zu Berlin.
 Bibliographie 61

[Ph02] Pham H. (2002). Minimizing shortfall risk and applications to nance and insurance
problems. Annals of Applied Probability, 12 (1), 143-172.
[Ra02] Rásonyi M. (2002). On certain problems of arbitrage theory in discrete time nancial
market models. Thèse de doctorat, Université de Franche-Comté, Besaçon.

[Ri75] Richard S. (1975). Optimal consumption, portfolio and life insurance rules for an un-
certain lived individual in a continuous time model. Journal of Financial Economics,
1, 2, 1975, 187-203.
[Ro70] Rockafellar, R.T. (1970). Convex Analysis, Princeton University Press, Princeton,
NJ.
[Sc94] Schachermayer W. (1994). Martingale Measures for discrete-time processes with in-
nite horizon. Mathematical Finance, 4 (1), 25-55.
[Sc01] Schachermayer W. (2001). Optimal investment in incomplete markets when wealth
may become negative. Annals of Applied Probability 11, 694-734.
tel-00116933, version 1 - 29 Nov 2006

[Sc03] Schachermayer W. (2003). A Super-Martingale Property of the Optimal Portfolio

Process. Finance and Stochastics, 7 (4), 433-456.
[Sc04] Schachermayer W. (2004). The Fundamental Theorem of Asset Pricing under Pro-
portional Transaction Costs in Finite Discrete Time. Mathematical Finance, 14 (1),
19-48.
[Sc96] Schaefer, H. H. (1996). Topological vector spaces, Springer Graduate Texts in Mathe-
matics.
[ShScW02] Shreve S. E., U. Schmock et U. Wystup (2002). Valuation of exotic options under
shortselling constraints. Finance and Stochastics, 6, 143-172.
[SoShC95] Soner M., S. Shreve et J. Cvitani¢ (1995). There is no nontrivial hedging portfolio
for option pricing with transaction costs. Annals of Applied Probability, 5, 327-355.
[SoTo00] Soner H. M. et N. Touzi (2000). Super-replication under Gamma constraint. Jour-

nal on Control and Optimization, 39, 73-96.

[SoTo02] Soner H. M. et N. Touzi (2002). Stochastic target problems, dynamic programming

and viscosity solutions. SIAM Journal on Control and Optimization, 41, 404-424.
[SoTo02b] Soner H. M. et N. Touzi (2002). Dynamic programming for stochastic target
problems and geometric ows. Journal of the European Mathematical Society, 4,
201-236.
[SoTo02c] Soner H. M. et N. Touzi (2002). Level set characterization of stochastic target
problems. Communications in PDEs, 27, 2031-2053.
[SoTo04] Soner H. M. et N. Touzi (2004). The problem of super-replication under constraints.
A paraître dans Paris-Princeton Lectures in Mathematical Finance, Lecture Notes in
Mathematics, Springer-Verlag.
[SoTo05] Soner H. M. et N. Touzi (2005). Hedging under gamma constraints by optimal
stopping and face-lifting. A paraître dand Mathematical Finance.
[SoPa04] Sow A. B. et E. Pardoux (2004). Probabilistic interpretation of a system of quasi-
linear parabolic PDEs. Stochastics and Stochastics Reports, 76 (5), 429-477.
 Bibliographie 62

[TaLi94] Tang S. et X. Li (1994). Necessary conditions for optimal control of stochastic

systems with random jumps. SIAM J. Control Optim., 32 (5), 1447-1475.
[Zh01] Zhang J. (2001). Some ne properties of backward stochastic dierential equations.

PhD thesis, Purdue University.

[Zh04] Zhang J. (2004). A numerical scheme for BSDEs. Annals of Applied Probability, 14
(1), 459-488.
[Zi02] Ž itkovi¢ G. (2002). A Filtered Version of the Bipolar Theorem of Brannath and
Schachermayer. Journal of Theoretical Probability, 15 (1), 41-61.
tel-00116933, version 1 - 29 Nov 2006