On peut sans exagérer dire que Marc Yor a été le
spécialiste des identités en loi. À chaque nouveau résultat,
il n’avait de cesse de le réinterpréter à l’aide d’autres
résultats connus, de croiser tout cela, dans le but d’en tirer le
maximum, voulant toujours représenter les expressions étudiées
à l’aide de quantités liées au mouvement brownien. Essayer de
faire un panorama exhaustif sur ce sujet est impossible. Nous nous
focaliserons donc sur quelques exemples, pris tout au long de la
carrière de Marc.
Rappelons que la loi d’une variable aléatoire positive 1
est caractérisée par sa transformée de Laplace :
autrement dit:
Dans le calcul de la transformée de Laplace d’une variable , il arrive bien souvent qu’on trouve une transformée de Laplace “connue”, disons , d’où l’on déduit immédiatement que
En général, Marc Yor ne se contentait pas de cette déduction et
voulait comprendre plus profondément cette égalité en loi,
l’expliquer (sans passer par le calcul parfois fastidieux des
transformées de Laplace), voire l’enrichir par une égalité en
loi bi(multi)dimensionnelle, qui ouvrirait la voie à d’autres pistes
de recherche… L’autre sens de l’équivalence a aussi
été largement utilisé dans les travaux de Marc Yor. Si on sait
montrer par de jolis arguments probabilistes l’égalité en loi
entre et avec de loi connue, on obtient alors la loi de
, dont le calcul direct (par exemple via la transformée de
Laplace) n’était pas forcément aisé.
2. Lois de fonctionnelles browniennes
2.1. Fonctionnelles quadratiques du mouvement brownien
Nous présentons un exemple très simple du principe énoncé en introduction.
Dans les années 1990, l’étude de la fonctionnelle quadratique du mouvement brownien
a reçu l’attention de différents groupes de probabilistes, en
partie motivés par des applications à l’étude des polymères en
physique (voir par exemple
[e6]).
Dans
[3],
les auteurs montrent l’égalité en loi suivante:
où est un pont brownien.
Or, la transformée de Laplace du membre de droite de est connue depuis les travaux de Lévy (1950):
d’où l’obtention de la transformée de Laplace de la loi de
sans calculs.
L’identité en loi est un cas particulier d’une identité en loi générale entre deux fonctionnelles quadratiques du mouvement brownien: pour toute fonction de ,
L’identité s’obtient à partir de pour et l’identité en loi
Enfin, terminons par la preuve de . Il suffit d’introduire un aléa supplémentaire, un second mouvement brownien indépendant de , et une identité de Fubini: p.s.
On identifie alors les fonctions caractéristiques de chacun des deux membres à l’aide des transformées de Laplace des deux membres de .
L’introduction d’un mouvement brownien supplémentaire pour analyser
les fonctionnelles quadratiques n’est pas sans rappeler la ”devise” de
K. Itô (préface de
[e4]),
que nous reprenons
du livre sur les peacocks
([13], p. xviii):
After some time, it became my habit, even for finite
dimensional probabilistic phenomena, to look at an infinite
dimensional related set up, the properties of which may
illuminate/explain those of the finite dimensional set-up considered
previously.
Nous renvoyons à l’article de F. Hirsch et B. Roynette (Théorème 2.2) dans ce volume pour une autre application de ce principe à l’étude des peacocks: l’introduction d’un drap brownien permet de retrouver sans calculs un résultat (techniquement difficile) de Carr et al. sur les options asiatiques.
Nous terminons ce paragraphe par une autre identité en loi entre
fonctionnelles quadratiques obtenue par Shi et Yor
[5]:
où et sont deux copies indépendantes de loi et est la fonctionnelle définie en où l’on remplace par le pont brownien .
Là encore, cette identité en loi peut se déduire à partir de calculs de transformées de Laplace. Shi et Yor en proposent une démonstration simple à l’aide d’une transformation spatio-temporelle élémentaire d’un mouvement brownien plan.
2.2. Un des tout derniers travaux de Marc: loi d’un triplet lié au pseudo-pont brownien
Commençons par une petite histoire. Peu de temps après son
recrutement comme professeur au LPMA (UPMC) en 2011, Mathieu Rosenbaum
rencontre Marc Yor à la bibliothèque du laboratoire. Ils ne se
connaissent pas vraiment. Pour Mathieu, qui s’intéresse à des
problèmes de statistique issus de la finance, Marc est le
spécialiste que l’on sait du mouvement brownien, il est un peu
intimidé. Il se présente et Marc lui dit immédiatement qu’il a
des questions de statistique à lui poser. Rendez-vous est pris pour
la semaine suivante et Mathieu se met alors à travailler sur les
problèmes issus de l’équation de Tsirelson dont Marc lui a parlé
[e9].
Un an plus tard, Mathieu s’intéresse à une question de finance où, si désigne un mouvement brownien standard et le premier temps d’atteinte des barrières , apparaît l’espérance de la variable
. Cette quantité est liée à la valeur intrinsèque moyenne d’un actif entre deux changements de prix. Les simulations qu’il fait lui font remarquer qu’une variable proche de la précédente, , avec le premier temps d’atteinte de 1, semble centrée. Cependant, il ne parvient pas à le montrer. Il décide d’en parler à Marc, qui accepte évidemment de passer l’après-midi sur le problème avec lui et lui suggère plusieurs références.
Entre-temps, Romuald Élie s’est intéressé au problème, et, au
début de l’été 2013, Mathieu Rosenbaum et Romuald Élie
démontrent, en utilisant une approche équation aux dérivées
partielles, que est bien d’espérance nulle, en…15 pages
très calculatoires. Mathieu montre alors la démonstration à
Marc. Deux jours plus tard, il a tout relu et tout annoté: ”votre
preuve me paraît juste, mais je ne comprends pas le phénomène”.
Deux semaines passent et Marc revient voir Mathieu avec une preuve
courte et élégante, accompagnée de corollaires étonnants, à
coup bien sûr de processus de Bessel retournés, de théorèmes
de Ray–Knight, …, en utilisant notamment le fait que
où désigne une variable de loi uniforme sur . Cela
donne une publication sur le sujet
[15],
et une fructueuse collaboration pour expliquer le
résultat s’ensuit entre le jeune professeur et l’académicien à
la veille de la retraite
[17],
[16],
collaboration brutalement interrompue le 9 janvier 2014.
L’un des résultats de ce travail commun est le suivant.
Théorème 2.1:([16],
Theorem 1.1)
Soit un mouvement brownien standard, son temps local en 0 à l’instant , et l’inverse continu à droite de . Alors, si désigne une variable de loi uniforme indépendante de :
où est une variable de loi uniforme sur , indépendante du couple .
Et sa conséquence
([16],
Corollary 1.1), grâce au théorème de Lévy:
D’où il est immédiat de retrouver que
3. Plongement de Skorokhod
Nous rappelons le problème de représentation de Skorokhod.
Soit une variable aléatoire réelle, intégrable et centrée. Trouver une représentation de Skorokhod de consiste à construire un temps d’arrêt dans une filtration dans laquelle est un mouvement brownien, vérifiant
(S1) ,
(S2) est une martingale uniformément intégrable.
Cette question a été posée initialement par Skorokhod en 1961
(traduction anglaise en 1965
[e1])
sous une forme légèrement différente,
dans le but de prouver des principes d’invariance pour des marches aléatoires.
Il existe de nombreuses façons de réaliser un plongement de
Skorokhod. Nous renvoyons à l’article de J. Obloj
[e8]
qui recense 21 méthodes dans la littérature pour ce problème et ses extensions.
Ces méthodes peuvent se séparer en 2 catégories:
Skorokhod embedding (SE): le temps est un temps d’arrêt pour la tribu naturelle du mouvement brownien ;
Randomized Skorokhod embedding (RSE): est un temps d’arrêt par rapport à une filtration élargie.
La solution initiale proposée par Skorokhod entre dans le second cas avec l’introduction d’un aléa extérieur à .
La première contribution de Marc Yor à l’étude de ce problème
date de 1979 dans un article commun avec Jacques Azéma
[1],
[2].
Par rapport aux constructions précédentes, la solution est explicite, adaptée à la filtration brownienne et ne nécessite pas un passage à la limite à partir de lois discrètes. Elle repose sur la théorie des martingales et peut se généraliser au plongement d’une variable aléatoire dans une diffusion réelle, récurrente.
Nous décrivons maintenant l’algorithme d’Azéma–Yor et la construction du temps d’arrêt dans la filtration brownienne.
3.1. La solution d’Azéma–Yor (1979)
Soit une mesure de probabilité sur vérifiant:
Nous définissons sa fonction de Hardy–Littlewood (ou fonction barycentre) par:
et si .
Soit un mouvement brownien issu de 0. Azéma et Yor introduisent le temps d’arrêt
où et montrent:
Théorème 3.1:(Azéma–Yor
[1])
Le temps d’arrêt défini par vérifie le plongement de Skorokhod, i.e. les propriétés (S1) et (S2).
La preuve de ce théorème repose sur le résultat suivant: si est une fonction de classe , alors le processus
est une martingale locale.
Le problème de représentation de Skorokhod existe dans la
littérature depuis plus de 50 ans mais il reste un sujet actif, en
particulier par son utilisation dans de nombreuses applications, par
exemple en mathématiques financières (voir l’article de synthèse
de Obloj
[e8]).
Nous présentons dans le paragraphe suivant quelques travaux récents de Marc Yor et de ses collaborateurs sur l’application du plongement de Skorokhod et la solution d’Azéma–Yor.
3.2. Applications
3.2.1. Construction de martingales markoviennes de marginales données
Dans l’article
[9],
D. Madan et M. Yor étudient des problèmes de construction de
martingales, sous une nouvelle perspective motivée par des questions
de mathématiques financières. Nous renvoyons à l’article de
Hirsch et Roynette dans ce volume qui réfère à l’introduction de l’article de Madan–Yor et la motivation des auteurs.
La question mathématique est la suivante:
comment construire des martingales markoviennesde loi marginale donnée.
Nous supposons que la famille de densités indexée par le temps satisfait aux hypothèses:
hypothèses nécessaires pour être les marginales d’une martingale issue de 0. D’après l’inégalité de Jensen, une autre condition sur apparaît également nécessaire:
la famille de probabilités est croissante pour l’ordre convexe, i.e. pour toute fonction convexe
Le plongement de Skorokhod, par l’algorithme de Azéma–Yor, permet de construire une martingale markovienne de loi marginale de la façon suivante.
Considérons la fonction barycentre associée à par . Nous supposons que la famille est croissante en , pour tout .
Cette condition, appelée IMRV (pour ”increasing mean residual value”) est plus forte que la condition d’ordre convexe. En particulier, est vérifiée.
Théorème 3.2:(Madan–Yor
[9])
Supposons que la famille satisfasse à la propriété IMRV de croissance de la famille de fonctions barycentres. Il existe une famille croissante de temps d’arrêt dans la filtration d’un mouvement brownien vérifiant:
est une martingale,
est un processus de Markov inhomogène,
pour chaque , la densité de est .
Le temps d’arrêt est défini par associé à la fonction barycentre . La condition IMRV assure la croissance de la famille et donc la propriété de martingale.
Nous supposons maintenant que les densités satisfont à la propriété de changement d’échelle brownienne:
ou de façon équivalente, à fixé, .
Dans ce cadre, la propriété IMRV se ramène à une hypothèse sur la fonction . Madan et Yor prouvent:
Proposition 3.1:
Si la fonction est log-concave, alors obtenu par scaling satisfait à la propriété IMRV.
Ainsi, si est log-concave, le théorème précédent permet donc de construire une martingale markovienne de loi marginale .
3.2.2. Les peacocks
La section précédente a mis en évidence la notion de famille de
probabilités croissante pour l’ordre convexe. Un Processus
est Croissant pour l’Ordre Convexe si ses lois
marginales forment une famille croissante pour l’ordre convexe,
autrement dit, si pour toute fonction convexe,
Dans les années 2010, Marc Yor, en collaboration avec F. Hirsch et
B. Roynette, a donné des méthodes de constructions explicites de
martingales associées (de même loi marginale) à des PCOC
(prononcer à l’anglaise “peacock”), dont l’existence est assurée
par un théorème de Kellerer (1972), non constructif. Nous
renvoyons à l’article ”Marc Yor et les peacocks” dans ce volume pour
plus de détails.
Chemin faisant, une nouvelle méthode de plongement de Skorokhod est
proposée par les auteurs
[12],
qui permet en particulier d’associer une martingale au PCOC , pour intégrable, centrée.
Remarquons que le théorème 3.2 donne une construction sous des hypothèses supplémentaires sur (par exemple, à densité log-concave).
Nous présentons ce nouveau plongement de Skorokhod.
Théorème 3.3:([12],
[13], Section 7)
Soit une variable intégrable, centrée.
Il existe une variable à valeurs dans , une variable à valeurs dans , telles que et sont indépendantes et indépendantes de , et telles que si
alors, .
Remarques
Le théorème précédent permet alors de construire une martingale associée à pour centrée, intégrable. En effet, considérons la famille croissante de temps d’arrêt
alors est une martingale, vérifiant la propriété de scaling brownienne et pour tout fixé, .
Cette construction rentre dans la catégorie du plongement aléatoire (SRE): le temps d’arrêt n’est pas adapté à la filtration naturelle de .
Elle est dans l’esprit de la construction initiale de Skorokhod et de
Hall (voir l’article de review d’Obloj
[e8]).
Dans la construction de Hall, le temps d’arrêt est défini comme dans pour un couple de variables aléatoires indépendant de dont la loi est explicite (cependant, et ne sont pas indépendantes).
La loi de dans le Théorème 3.3 n’est pas explicite et repose sur un théorème de point fixe.
4. Transformation de Lamperti et extension de Bougerol
4.1. La transformation de Lamperti
Un processus de Markov à valeurs dans est dit semi-stable si, en désignant
par sa loi lorsqu’il est issu de , on a:
En 1972, motivé par certains théorèmes limites, J. W. Lamperti
met en évidence le lien entre les processus de Markov semi-stables
et les processus de Lévy en utilisant un changement de temps
[e2].
Plus précisément, il montre qu’à tout processus de Lévy réel
, on peut associer un unique processus de Markov semi-stable à valeurs dans
tel que, si :
ù
Et réciproquement, à tout processus de Markov semi-stable à valeurs dans , il montre qu’on peut associer un
processus de Lévy réel tel que l’équation soit vérifiée, ce qui peut encore s’écrire:
ù
Cet outil fut curieusement peu développé pendant de nombreuses années.
4.2. Le résultat de D. Dufresne sur les perpétuités
En 1990, dans
[e5],
Daniel Dufresne détermine la loi d’une perpétuité, c’est-à-dire la valeur actuelle d’une rente perpétuelle à paiement continu lorsque le taux de capitalisation est représenté par un mouvement brownien géométrique:
Cette variable joue un rôle important dans de nombreux domaines (mathématiques financières, études en environnement aléatoire, physique, …).
Théorème 4.1:([e5])
Pour tout et tout , on a:
où désigne une variable gamma de paramètre .
Reprenant alors les travaux de Lamperti, Marc Yor étudie entre autres les liens entre les générateurs infinitésimaux des processus et associés par la transformation de Lamperti:
Ainsi, lorsque est un mouvement brownien avec drift (), le générateur infinitésimal du processus semi-stable associé est
On reconnaît le générateur infinitésimal du carré du processus de Bessel de
dimension . Dans ce cas, la transformation de Lamperti s’écrit alors:
où est un carré de Bessel de dimension issu de 1. Cela entraîne:
ce qui permet, grâce au résultat de Getoor sur le temps d’atteinte
de zéro par un processus de Bessel, de retrouver de façon
élégante le résultat de Dufresne ci-dessus sur les
perpétuités
[4].
La transformation de Lamperti appliquée à d’autres exemples de
processus semi-stables positifs, comme la norme d’un processus de
Cauchy, a permis d’obtenir d’autres jolis résultats
[8],
et, en 2003, dans
[10],
M. Jacobsen et M. Yor étendent cette fois les travaux de Lamperti aux processus de dimension , et plus particulièrements aux cas où le processus de Lévy est un mouvement brownien avec drift ou un processus de Poisson composé de dimension .
4.3. Les processus d’Ornstein–Uhlenbeck généralisés
Théorème 4.2:([7])
Soit un processus de Lévy bidimensionnel issu de . Alors, le processus
est un processus de Markov homogène, et, pour tout fixé, on a l’égalité en loi:
Dans le cas particulier où et où est un mouvement brownien standard, on reconnaît le processus d’Ornstein–Uhlenbeck classique, d’où le nom de processus d’Ornstein–Uhlenbeck généralisé donné au processus .
la fonctionnelle est définie et presque sûrement finie.
Alors, la loi de est l’unique loi stationnaire du processus d’Ornstein–Uhlenbeck associé au couple .
En identifiant alors la mesure invariante du processus
d’Ornstein–Uhlenbeck associé, on retrouve la loi de nombreuses
fonctionnelles , en particulier lorsque
(cas du mouvement brownien avec drift ou du processus de
Poisson composé avec drift), mais aussi lorsque et sont
des mouvements browniens avec drift, y compris en cas de dépendance
[8].
Des tentatives ont été faites pour étendre ces méthodes au cas multidimensionnel.
4.4. L’identité de Bougerol
Depuis que Ph. Bougerol a énoncé en 1983 la célèbre identité qui porte son nom, cette dernière n’a eu de cesse d’être étudiée et étendue par de nombreux auteurs, soit en raison d’un intérêt purement mathématique, soit en raison de son rôle en mathématiques financières. L’ identité de Bougerol s’énonce ainsi:
Théorème 4.4:([e3])
Soient et deux mouvements browniens standards indépendants. Pour tout , on a l’identité en loi suivante:
Cette identité peut encore se réécrire sous la forme:
On reconnaît dans le membre de gauche un processus lié aux processus d’Ornstein–Uhlenbeck généralisés lorsque et :
L’identité de Bougerol en découle en montrant, grâce à la
formule d’Itô, que les processus et ont même loi
[6].
Dès lors, la littérature a fleuri sur le sujet et les extensions de ce résultat ont été nombreuses. Citons-en quelques-unes:
dans
[6],
L. Alili, D. Dufresne et M. Yor étendent le résultat au cas où les mouvements browniens qui interviennent possèdent un drift non nul ;
dans
[e7],
L. Alili et J.C. Gruet, s’intéressent à des quantités analogues pour le mouvement brownien hyperbolique ;
parmi les extensions multi-dimensionnelles, citons celle de
J. Bertoin, D. Dufresne et M. Yor qui concerne le couple
, où désigne le temps local en 0
du mouvement brownien [14].
Nous renvoyons à
[e10]
pour un panorama très complet des résultats liés à l’identité de Bougerol dans la littérature.
Nous remercions tout particulièrement Mathieu Rosenbaum qui a pris le temps de nous raconter sa rencontre et son travail avec Marc, et de compléter avec soin le paragraphe qui y est consacré.
Works
[1]J. Azéma and M. Yor:
“Une solution simple au problème de Skorokhod”
[A simple solution to a problem of Skorokhod],
pp. 90–115
in
Séminaire de probabilités XIII
[Thirteenth probability seminar].
Edited by C. Dellacherie, P. A. Meyer, and M. Weil.
Lecture Notes in Mathematics721.
Springer (Berlin),
1979.
MR544782Zbl0414.60055incollection
[4]M. Yor:
Some aspects of Brownian motion,
part1: Some special functionals.
Lectures in Mathematics ETH Zürich.
Birkhäuser (Basel),
1992.
MR1193919Zbl0779.60070book
[6]L. Alili, D. Dufresne, and M. Yor:
“Sur l’identité de Bougerol pour les fonctionnelles exponentielles du mouvement brownien avec drift”
[On the Bougerol identity for the exponential functionals of Brownian motion with drift],
pp. 3–14
in
Exponential functionals and principal values related to Brownian motion.
Edited by M. Yor.
Biblioteca de la Revista Matemática Iberoamericana.
Universidad Autónoma de Madrid,
1997.
MR1648654Zbl0905.60059incollection
[7]P. Carmona, F. Petit, and M. Yor:
“On the distribution and asymptotic results for exponential functionals of Lévy processes,”
pp. 73–130
in
Exponential functionals and principal values related to Brownian motion.
Edited by M. Yor.
Biblioteca de la Revista Matemática Iberoamericana.
Universidad Autónoma de Madrid,
1997.
MR1648657Zbl0905.60056incollection