return

Celebratio Mathematica

Marc Yor

Marc Yor et les peacocks

by Francis Hirsch and Benard Roynette

Dans l’in­tro­duc­tion de l’art­icle Madan–Yor [1], la mo­tiv­a­tion des auteurs est ain­si ex­pli­quée:

The role of mar­tin­gales in the study of stochast­ic pro­cesses, and more gen­er­ally, prob­ab­il­ity the­ory, can­not be over­em­phas­ized (see Wil­li­ams 1991). Math­em­at­ic­al fin­ance, in par­tic­u­lar, re­cog­nizes mar­tin­gales as cent­ral to the de­scrip­tion of eco­nom­ic un­cer­tainty. This pa­per stud­ies the con­struc­tion of mar­tin­gales from a nov­el per­spect­ive mo­tiv­ated by ques­tions arising in the mar­kets for fin­an­cial de­riv­at­ives. The more tra­di­tion­al per­spect­ive, taken for ex­ample in the struc­ture of mar­tin­gale rep­res­ent­a­tion the­or­ems, is to de­scribe all the mar­tin­gales on a cer­tain un­der­ly­ing stochast­ic basis. Fin­an­cial mar­kets trad­ing de­riv­at­ives, however, identi­fy through op­tion prices the mar­gin­al dens­it­ies of the stochast­ic pro­cess at vari­ous — and in prin­ciple all fu­ture — time points. The un­der­ly­ing stochast­ic basis is un­known. Con­di­tions of no ar­bit­rage in mar­kets lead us to en­quire in­to the struc­ture of mar­tin­gales con­sist­ent with a pre­spe­cified set of mar­gin­al dens­it­ies.

It is use­ful in the first in­stance, from both an ana­lyt­ic­al and a prac­tic­al per­spect­ive, to re­strict at­ten­tion to mar­tin­gales with the Markov prop­erty. Hence, we de­scribe the con­struc­tion of Markov mar­tin­gales with fixed mar­gin­als.

Le texte ci-des­sus décrit ce qui semble bi­en être une des rais­ons prin­cip­ales de l’intérêt de Marc Yor, au début des années 2000, pour ce problème de con­struc­tion de mar­tin­gales (markovi­ennes) de mar­ginales données.

En fait, ce problème est in­tim­ement lié, du point de vue théorique, avec une série d’études, menées au cours des années 60, sur l’or­dre con­vexe (voir, en par­ticuli­er, [e1], [e2], [e3]), et ay­ant con­duit not­am­ment au théorème de Keller­er [e4], qui avait été un peu oublié depuis lors.

Rap­pelons que l’on ap­pelle Pro­ces­sus Crois­sant pour l’Or­dre Con­vexe un pro­ces­sus (Xt,t0), à valeurs réelles, qui est intégrable (i.e., pour tout t, E[|Xt|]<) et tel que, pour toute fonc­tion con­vexe φ sur R, la fonc­tion: t0E[φ(Xt)]],+] est crois­sante. Au cours des travaux de Marc Yor, ces pro­ces­sus ont été désignés, à partir de [5], par l’ac­ronyme PCOC. Puis Marc, con­formément à son goût pour les jeux de mots, a pro­posé de re­m­pla­cer cet ac­ronyme par sa pro­non­ci­ation “à l’anglaise”, c’est à dire pea­cock. C’est la ter­min­o­lo­gie qui est ad­optée dans la mono­graph­ie [10], et que nous ad­op­tons aus­si, par com­mod­ité, dans la suite de ce texte.

Il est clair que si (Xt,t0) est un pea­cock, tout pro­ces­sus (Yt,t0) ay­ant mêmes 1-mar­ginales (i.e. tel que, pour tout t, Yt et Xt ont même loi) est aus­si un pea­cock. Deux pro­ces­sus ay­ant mêmes 1-mar­ginales seront dits as­sociés. D’après l’inégalité de Jensen sur les espérances con­di­tion­nelles, toute mar­tin­gale est un pea­cock, et donc tout pro­ces­sus as­socié à une mar­tin­gale est un pea­cock. Le théorème de Keller­er établit la réciproque de ce résul­tat élémen­taire. (En fait, le théorème de Keller­er con­cerne plus générale­ment les pro­ces­sus crois­sants pour l’or­dre défini par les fonc­tions con­vexes crois­santes, pro­ces­sus auxquels il as­socie des sous-mar­tin­gales.)

Théorème 0.1: ([e4]) Si (Xt,t0) est un pea­cock, al­ors il ex­iste une mar­tin­gale (Mt,t0) as­sociée à (Xt,t0). De plus, il ex­iste une telle mar­tin­gale qui possède la pro­priété de Markov.

La preuve de ce théorème, dif­fi­cile, n’est pas con­struct­ive. Ceci se com­prend aisément, du fait de la non uni­cité des mar­tin­gales as­sociées à un pea­cock. Un des prin­ci­paux ob­jec­tifs des travaux de Marc Yor dans ce do­maine a été de don­ner, dans des situ­ations aus­si larges que pos­sible, des méthodes de con­struc­tion ex­pli­cite de mar­tin­gales as­sociées.

D’autre part, compte-tenu de l’im­port­ance des pea­cocks en mathématiques fin­ancières, not­am­ment dans l’évalu­ation et la ges­tion des risques pour des porte­feuilles d’op­tions, Marc Yor s’est intéressé aus­si à la déter­min­a­tion de larges classes de pea­cocks. Nous al­lons main­ten­ant es­say­er de décri­re quelques-uns des résul­tats ob­tenus.

1. Le processus (tX,t0)

Il est tout à fait élémen­taire de véri­fi­er que, si X est une vari­able aléatoire intégrable et centrée, le pro­ces­sus (tX,t0) est un pea­cock. No­tons que plus générale­ment, si (Mt,t0) est une mar­tin­gale centrée, le pro­ces­sus Xt=0tMsds,t0, est un pea­cock (voir The­or­em 1.4 de [10]).

La ques­tion se pose donc de déter­miner, pour une vari­able aléatoire X intégrable et centrée, des mar­tin­gales as­sociées au pea­cock (tX,t0). Ceci a été résolu, éven­tuelle­ment sous cer­taines con­di­tions, par différentes méthodes. Nous don­nons ci-après quelques ex­emples.

1.1 Plongement de Skorokhod
Théorème 1.1: Soit X une vari­able aléatoire intégrable et centrée. Il ex­iste un (Ft)-mouvement browni­en (Bt,t0) et une fa­mille (τt,t0) de (Ft)-temps d’arrêt, de sorte que:
  1. la fa­mille (τt,t0) est crois­sante (i.e., pour tout st, τsτt p.s.),
  2. pour tout t0, tX=(loi)Bτt,
  3. pour tout t0, (Buτt,u0) est une mar­tin­gale uni­formément intégrable.

Ain­si, (Mt:=Bτt,t0) est une mar­tin­gale as­sociée à (tX,t0).

Dans [1] et ([9], Sec­tion 2), ce théorème est démon­tré en util­is­ant le plonge­ment de Skorok­hod d’Azéma–Yor, sous des hy­pothèses sup­plémen­taires sur X. Dans ce cas, la fil­tra­tion (Ft) est la fil­tra­tion naturelle du browni­en (Bt,t0), la mar­tin­gale (Mt,t0) est con­tin­ue à droite, possède la pro­priété de Markov et véri­fie la pro­priété d’ho­mogénéité: (H)c>0,(Mct,t0)=(loi)(cMt,t0). Dans ([9], Sec­tion 1), le théorème 1.1 est démon­tré, dans le cas général, à partir d’une nou­velle méthode de plonge­ment de Skorok­hod. La mar­tin­gale ob­tenue est con­tin­ue à droite et véri­fie (H).

Sig­nalons que, dans ([10], Chapter 7), des mar­tin­gales as­sociées à d’autres fa­milles de pea­cocks de la forme (Φ(t,X),t0) sont aus­si ob­tenues par des méthodes de plonge­ment de Skorok­hod.

1.2 Le cas X=01R2(s)ds1, avec (Rt,t0) processus de Bessel de dimension 2 issu de 0
Nous sup­po­sons ici, pour sim­pli­fi­er, que (Rt,t0) est un pro­ces­sus de Bessel de di­men­sion 2, issu de 0. Autre­ment dit, Rt=BB1,t2+B2,t2(B1,t,t0) et (B2,t,t0) désignent deux mouve­ments browni­ens linéaires stand­ards indépendants. En par­ticuli­er, X:=01R2(s)ds1 est une vari­able intégrable et centrée. Ce cas est traité, parmi plusieurs autres, dans [5]. On peut ex­pli­citer deux mar­tin­gales as­sociées à (tX,t0), l’une totale­ment dis­con­tin­ue, l’autre con­tin­ue.
Théorème 1.2: Soit (Bt,t0) un browni­en stand­ard issu de 0. On pose, pour a0, T(a)=inf{t0;|Bt|=a}, et, pour t0, Mt=T(t)t. Al­ors (Mt,t0) est une mar­tin­gale as­sociée à (tX,t0) véri­fi­ant la pro­priété d’ho­mogénéité (H). De plus, (Mt,t0) est à ac­croisse­ments indépendants et, en par­ticuli­er, véri­fie la pro­priété de Markov (non ho­mogène).

Un tel pro­ces­sus (Mt,t0), à ac­croisse­ments indépendants et véri­fi­ant une pro­priété d’ho­mogénéité telle que (H), est ap­pelé pro­ces­sus de Sato. Ces pro­ces­sus jouent un rôle im­port­ant dans plusieurs travaux de Marc, et en par­ticuli­er dans la théorie des pea­cocks (voir, not­am­ment, [5] et ([10], Chapter 5).

Théorème 1.3: On pose, pour t0, Nt=4π2n=11(2n1)2(Rn,t22t),(Rn,t,t0) désigne des cop­ies indépendantes de (Rt,t0). Al­ors (Nt,t0) est une mar­tin­gale con­tin­ue, as­sociée à (tX,t0) et véri­fi­ant la pro­priété d’ho­mogénéité (H).
1.3 Le cas où X est une variable normale centrée
Général­is­ant une méthode due à Al­bin, dans [8] les auteurs con­struis­ent ex­pli­cite­ment toute une fa­mille de mar­tin­gales con­tin­ues (Mm,t,t0), in­dexée par mN, véri­fi­ant la pro­priété (H) et as­sociées à (tX,t0), où X est une vari­able gaussi­enne centrée.

2. Options asiatiques et la méthode du drap

Quelques années après l’art­icle [1], l’intérêt de Marc Yor pour les pea­cocks a été re­l­ancé par un art­icle de P. Carr et al. [e5] les op­tions asi­atiques dans le modèle de Black et Scholes.
Théorème 2.1: ([e5]) On pose, pour t>0, Xt=1t0texp(Bss2)ds, et X0=1, où (Bt,t0) est le mouvement browni­en stand­ard issu de 0.
Al­ors, (Xt,t0) est un pea­cock.

Dans [2], en ex­hibant une mar­tin­gale as­sociée à ce pro­ces­sus (Xt,t0) con­stru­ite à l’aide d’un drap, les auteurs ont donné une preuve de ce résul­tat, très simple, très élégante et por­teuse de général­isa­tions fécondes.

Théorème 2.2: ([2]) Soit (Wu,t;u0,t0) le drap browni­en stand­ard et no­tons, pour t0, Ft=σ{Wu,s;u0,st}. Al­ors, Mt=01exp(Wu,tut2)du,t0, est une (Ft)-mar­tin­gale as­sociée à (Xt,t0).

Une partie des travaux de Marc Yor sur les pea­cocks, de 2008 à 2011, a été con­sacrée à des ex­ten­sions variées de ces théorèmes 2.1 et 2.2. Nous décrivons ci-après un schéma général, in­troduit dans [6].

On considère un es­pace mesur­able Λ et, pour tout t0, un pro­ces­sus mesur­able à valeurs réelles: Y,t=(Yλ,t,λΛ) tel que λΛ,t0,E[exp(Yλ,t)]<. Pour toute mesure signée finie σ sur Λ, on pose: At(σ)=Λexp(Yλ,t)E[exp(Yλ,t)]σ(dλ),t0. La méthode du drap s’exprime de la façon suivante:

Pro­pos­i­tion 2.1: Sup­po­sons l’ex­ist­ence d’un drap mesur­able: (Zλ,t;λΛ,t0) tel que:
(H1) Pour tout t0, Y,t=(loi)Z,t. (H2) Pour tous 0st, Z,tZ,s est indépendant de Zs:=σ{Zλ,u;λΛ,0us}.

Al­ors le pro­ces­sus: Mt(σ):=Λexp(Zλ,t)E[exp(Zλ,t)]σ(dλ),t0 est une (Zt)-mar­tin­gale as­sociée à (At(σ),t0) (qui est donc un pea­cock).

Dans plusieurs situ­ations, l’hy­pothèse de la pro­pos­i­tion ci-des­sus est sat­is­faite, c’est à dire que l’on peut montrer l’ex­ist­ence d’un drap véri­fi­ant (H1) et (H2). Quelques ex­emples.

  1. Soit (Lt,t0) un pro­ces­sus de Lévy réel partant de 0, véri­fi­ant: α0,E[exp(αL1)]<, et Λ=R+. On pose al­ors Yλ,t=Lλt. Cet ex­emple est traité dans [4].
  2. Soit (Lt,t0) un pro­ces­sus de Lévy réel partant de 0, véri­fi­ant: α0,E[exp(αL1)]<, et Λ=R+. On sup­pose de plus que L1 est une vari­able “self-de­com­pos­able”. On pose al­ors Yλ,t=tLλ. Cet ex­emple est traité dans [7].
  3. On sup­pose que Λ est un es­pace métrique sépar­able et que, pour tout t0, (Yλ,t,λΛ) est un pro­ces­sus gaussi­en réel centré mesur­able. On pose cλ,μ(t)=E[Yλ,tYμ,t], et on sup­pose que (λ,μ,t)cλ,μ(t) est con­tin­ue. Al­ors la pro­pos­i­tion 2.1 s’ap­plique sous la con­di­tion sup­plémen­taire:

    Pour tout n1, pour tous λ1,,λnΛ, la fonc­tion à valeurs dans les matrices n×n de type pos­i­tif: tR+(cλj,λk(t))1j,kn est crois­sante pour l’or­dre habituel sur les matrices n×n de type pos­i­tif.

    Cet ex­emple est traité dans [11].

Pour con­clure cette sec­tion, sig­nalons une autre ex­ten­sion du théorème 2.1: Si (Mt,t0) est une mar­tin­gale, le pro­ces­sus Xt=1t0tMsds,t0 est un pea­cock (voir The­or­em 1.4 de [10]).

En plus des méthodes de plonge­ment de Skorok­hod et du drap, Marc s’est intéressé à bi­en d’autres façons d’as­so­ci­er une mar­tin­gale à un pea­cock. Citons la méthode de re­tourne­ment du temps, celle de l’in­ver­sion du temps, celle de l’util­isa­tion des pro­ces­sus de Sato, etc. (cf. [10]).

Nous ter­minons ce bref aperçu du trav­ail de Marc sur les pea­cocks en évoquant la méthode de l’équa­tion différen­ti­elle stochastique.

3. La méthode de l’équation différentielle stochastique

La méthode de l’équa­tion différen­ti­elle stochastique pour con­stru­ire des mar­tin­gales as­sociées à des pea­cocks, a été es­quissée dans l’art­icle fond­ateur [1]. Elle est basée sur la célèbre for­mule de Dupire. Cette méthode a été pleine­ment déve­loppée dans ([10], Chapter 6), en re­la­tion avec un théorème d’uni­cité pour une équa­tion de Fok­ker–Planck dû à M. Pierre. Dans les derniers travaux de Marc Yor, elle joue un rôle cent­ral pour don­ner une nou­velle preuve, plus con­struct­ive, du théorème de Keller­er (voir [13]), et elle est aus­si util­isée, dans [12], pour as­so­ci­er une mar­tin­gale au pro­ces­sus: Xt:=011(Bs<t)dBs,t0. Cette méthode peut être décrite sous la forme suivante, où U désigne l’ouvert ]0,+[×R, D(U) désigne l’es­pace de Schwartz des dis­tri­bu­tions sur U et U=R+×R.
Théorème 3.1: Soit (Xt,t0) un pro­ces­sus intégrable de 1-mar­ginales (p(t,dx);t0). On désigne par C la “fonc­tion call” : C(t,x)=E[(Xtx)+]. On sup­pose:
  1. t0E[Xt] est con­stante et C est con­tin­ue sur U;
  2. il ex­iste une fonc­tion a con­tin­ue sur U et stricte­ment pos­it­ive sur U, telle que tC(t,x)=a(t,x)p(t,dx)dansD(U).

(On peut re­marquer que les hy­pothèses ci-des­sus im­pli­quent dir­ecte­ment que (Xt,t0) est un pea­cock.)

Al­ors:

  1. Il y a ex­ist­ence et uni­cité (en loi) d’une solu­tion faible de l’équa­tion Yt=Y0+0t2a(s,Ys)dBs,Y0=(loi)X0.
  2. La solu­tion faible de l’equa­tion ci-des­sus est une mar­tin­gale con­tin­ue, as­sociée à (Xt,t0) et qui a la pro­priété de Markov.

Ce théorème a des vari­antes, avec des hy­pothèses plus faibles sur la fonc­tion a.

Comme nous l’avons in­diqué dans l’in­tro­duc­tion, les re­la­tions entre l’or­dre con­vexe des pro­ces­sus et les mar­tin­gales ont été très étudiées dans les années 60, avec en con­clu­sion le théorème de Keller­er (1972). Puis ces résul­tats sont tombés dans un oubli quasi com­plet pendant près de 30 ans. Il a fallu la vaste cul­ture de Marc, son goût pour l’étude “con­crête” des pro­ces­sus et le re­gain d’intérêt pour les mar­tin­gales dû aux mathématiques fin­ancières, pour les tirer de leur léthar­gie. La puis­sance de trav­ail et le tal­ent de Marc ont fait le reste: la théorie des pea­cocks a pu renaitre de ses cendres. Nul doute que ce pan des prob­ab­ilités ait en­core de beaux jours devant lui.

Pour con­clure cet aperçu des travaux de Marc Yor sur les pea­cocks, nous ne pouvons mieux faire que re­produire la page xii de la mono­graph­ie [10]. Cette page porte l’empre­inte de Marc. Elle exprime bi­en son goût pour l’art et pour la poésie, et en par­ticuli­er pour les Haiku. Il ai­mait bi­en aus­si, entre deux cal­culs, com­poser des poèmes…

Works

[1] D. B. Madan and M. Yor: “Mak­ing Markov mar­tin­gales meet mar­gin­als: With ex­pli­cit con­struc­tions,” Bernoulli 8 : 4 (2002), pp. 509–​536. MR 1914701 Zbl 1009.​60037 article

[2] D. Baker and M. Yor: “A Browni­an sheet mar­tin­gale with the same mar­gin­als as the arith­met­ic av­er­age of geo­met­ric Browni­an mo­tion,” Elec­tron. J. Probab. 14 : 52 (2009), pp. 1532–​1540. Art­icle no. 52. MR 2519530 Zbl 1201.​60033 article

[3] F. Hirsch and M. Yor: “A con­struc­tion of pro­cesses with one di­men­sion­al mar­tin­gale mar­gin­als, based upon path-space Orn­stein–Uh­len­beck pro­cesses and the Browni­an sheet,” J. Math. Kyoto Univ. 49 : 2 (2009), pp. 389–​417. MR 2571849 Zbl 1203.​60122 article

[4] F. Hirsch and M. Yor: “A con­struc­tion of pro­cesses with one-di­men­sion­al mar­tin­gale mar­gin­als, as­so­ci­ated with a Lévy pro­cess, via its Lévy sheet,” J. Math. Kyoto Univ. 49 : 4 (2009), pp. 785–​815. MR 2591117 Zbl 1191.​60040 article

[5] F. Hirsch and M. Yor: “Look­ing for mar­tin­gales as­so­ci­ated to a self-de­com­pos­able law,” Elec­tron. J. Probab. 15 (2010), pp. 932–​961. Art­icle no. 29. MR 2659753 Zbl 1225.​60131 article

[6] F. Hirsch, B. Roynette, and M. Yor: “Ap­ply­ing Itô’s motto: ‘Look at the in­fin­ite di­men­sion­al pic­ture’ by con­struct­ing sheets to ob­tain pro­cesses in­creas­ing in the con­vex or­der,” Peri­od. Math. Hung. 61 : 1–​2 (2010), pp. 195–​211. MR 2728438 Zbl 1274.​60052 article

[7] F. Hirsch, B. Roynette, and M. Yor: “Uni­fy­ing con­struc­tions of mar­tin­gales as­so­ci­ated with pro­cesses in­creas­ing in the con­vex or­der, via Lévy and Sato sheets,” Expo. Math. 28 : 4 (2010), pp. 299–​324. MR 2734446 Zbl 1223.​60027 article

[8] D. Baker, C. Donati-Mar­tin, and M. Yor: “A se­quence of Al­bin type con­tinu­ous mar­tin­gales with Browni­an mar­gin­als and scal­ing,” pp. 441–​449 in Sémin­aire de prob­ab­ilités XLIII [Forty-third prob­ab­il­ity sem­in­ar]. Edi­ted by C. Donati-Mar­tin, A. Le­jay, and A. Rou­ault. Lec­ture Notes in Math­em­at­ics 2006. Spring­er (Ber­lin), 2011. MR 2790386 Zbl 1216.​60039 incollection

[9] F. Hirsch, C. Pro­feta, B. Roynette, and M. Yor: “Con­struct­ing self-sim­il­ar mar­tin­gales via two Skorok­hod em­bed­dings,” pp. 451–​503 in Sémin­aire de prob­ab­ilités XLIII [Forty-third prob­ab­il­ity sem­in­ar]. Edi­ted by C. Donati-Mar­tin, A. Le­jay, and A. Rou­ault. Lec­ture Notes in Math­em­at­ics 2006. Spring­er (Ber­lin), 2011. MR 2790387 Zbl 1234.​60047 incollection

[10] F. Hirsch, C. Pro­feta, B. Roynette, and M. Yor: Pea­cocks and as­so­ci­ated mar­tin­gales, with ex­pli­cit con­struc­tions. Boc­coni & Spring­er Series 3. Spring­er (New York), 2011. MR 2808243 Zbl 1227.​60001 book

[11] F. Hirsch, B. Roynette, and M. Yor: “From an Itô type cal­cu­lus for Gaus­si­an pro­cesses to in­teg­rals of log-nor­mal pro­cesses in­creas­ing in the con­vex or­der,” J. Math. Soc. Ja­pan 63 : 3 (2011), pp. 887–​917. MR 2836749 Zbl 1233.​60008 article

[12] F. Hirsch and M. Yor: “Com­par­ing Browni­an stochast­ic in­teg­rals for the con­vex or­der,” pp. 3–​19 in Mod­ern stochastics and ap­plic­a­tions (Kiev, 10–14 Septem­ber 2012). Edi­ted by V. Koro­ly­uk, N. Lim­ni­os, Y. Mishura, L. Sakhno, and G. Shevchen­ko. Spring­er Op­tim­iz­a­tion and its Ap­plic­a­tions 90. Spring­er (Cham, Switzer­land), 2014. Ded­ic­ated to B. V. Gneden­ko on the oc­ca­sion of his 100th birth­day and to M. I. Yad­ren­ko on the oc­ca­sion of his 80th birth­day. MR 3236065 Zbl 1322.​60079 incollection

[13] F. Hirsch, B. Roynette, and M. Yor: “Keller­er’s the­or­em re­vis­ited,” pp. 347–​363 in Asymp­tot­ic laws and meth­ods in stochastics: A volume in hon­our of Miklós Csörgő on the oc­ca­sion of his 80th birth­day (Ot­t­awa, 3–6 Ju­ly 2012). Edi­ted by D. Dawson, R. Ku­lik, M. Ould Haye, B. Szyszkow­icz, and Y. Zhao. Fields In­sti­tute Com­mu­nic­a­tions 76. Fields In­sti­tute (Toronto), 2015. MR 3409839 Zbl 1368.​60045 incollection