Chapitre 3 : Modélisation probabiliste à temps discret

Nous allons maintenant modéliser la gestion d’un portefeuille dans le temps. Dans ce chapitre, nous consi-
dérons des modèles à temps discret, c’est-à-dire, on discrétise le temps (en heures, en jours, en mois, etc.),
et on considère un portefeuille composé parmi un panier d’actifs (risqués et non-risqués) fixé, que l’on peut
recomposer à chaque pas de temps.

1 Portefeuille à temps discret

1.1 Formalisme
On suppose que le marché est constitué de :
1. un actif non risqué(“actif 0”, rémunéré par le taux (actuariel) r.
2. d actifs risqués dont les prix respectifs à chaque instant 1, 2, . . . sont aléatoires.
Soit T un entier positif. On appelle 0 l’origine et T , l’échéance. On travaille sur l’ensemble d’instants

J0, T K := {0, 1, 2, . . . , T − 1, T },

et l’on note
— S00 ≡ 1, la valeur du numéraire à l’instant n = 0,
— Pour tout n, Sn0 , la valeur du numéraire à l’instant n, i.e. Sn0 = (1 + r)n ,
— Pour tout i = 1 . . . d, S0i , la valeur (connue) à 0 de l’actif risqué i,
— Pour tout i = 1 . . . d et tout ni, Sni , la valeur (aléatoire) de l’actif risqué i à l’instant n.


Définition 1. Un portefeuille Φ = Φ0n , Φ1n . . . , Φdn , n ∈ J0, T K est un ensemble d’unités de ces actifs, où pour
tout i ∈ J0, dK et tout n ≤ T , Φin désigne le nombre d’unités de l’actif i dans le portefeuille à l’instant n. Ainsi,
pour tout 0 ≤ n ≤ T la valeur du portefeuille Φ à l’instant n est donnée par
d
X
Vn (Φ) = Φin Sni .
i=0

Définition 2. La tribu engendrée par les prix des actifs 1, . . . d est la tribu (Fn , n ∈ J0, T K), où pour tout n,
Fn = σ(Ski , 0 ≤ k ≤ n, i = 1, . . . , d). En d’autres termes, pour tout n, Fn est l’ensemble des informations dont
on dispose à n, à la connaissance des valeurs des actifs 1,. . .d jusqu’à cette date.

1.2 Portefeuille autofinancé

Exemple 1. Supposons qu’à l’instant 0, on a 200 unités de numéraire et 10 unités d’un actif risqué de valeur
15 euros. Le taux du marché est de 5 %. On a donc
— Φ00 = 200; Φ10 = 10,
— V0 (Φ) = 200 + (10 × 15) = 350.
Supposons que S11 = 17 euros. Alors

V1 (Φ) = 200 × 1.05 + (10 × 17) = 210 + 170 = 380.

Je décide alors de vendre 2 unités d’actifs risqués, placés au taux du marché. La valeur de mon portefeuille
s’écrit maintenant
34
V1 (Φ) = 210 + 34 + (8 × 17) = 380 = (200 + ) × 1.05 + (8 × 17) =: Φ01 S10 + Φ11 S11 .
1.05
Définition 3. Un portefeuille Φ = (Φ0n , . . . , Φdn )n∈J0,T K est dit auto-financé si
1. Pour tout n, Φin , i = 0, . . . , d sont mesurables par rapport à la tribu Fn , et intégrables,

1
 2. Pour tout n,
d
X d
X
Φin−1 Sni = Φin Sni = Vn (Φ).
i=0 i=0
On dira en abrégé que le portefeuille est un ‘PAF’.
Rappelons-nous que comparer des valeurs en euros à des dates différentes n’a pas de sens en soi, il faut les
rapporter à une date commune via un facteur d’actualisation. Ceci motive la définition suivante,
Définition 4. Pour tout n ∈ J0, T K„ la valeur actualisée à n du portefeuille de composition Φ est définie par
Vn (Φ)
Ven (Φ) = = (1 + r)−n Vn (Φ).
Sn0
Pour tout i = 1, · · · d, la valeur actualisée de l’actif i à n est donnée par
Si
Seni = n0 = (1 + r)−n Sni .
Sn
Proposition 1. Soit Φ un portefeuille autofinancé, alors pour tout n ∈ J1, T K, on a
n X
X d
Ven (Φ) = V0 (Φ) + Φik−1 (Seki − Sek−1
i
).
k=1 i=1

Démonstration. Pour n = 1 on a
d
! d d d
V1 (Φ) 1 X X X X
Ve1 (Φ) = = 0 Φ00 S10 + Φi0 Sii = Φ00 + Φi0 Se1i = V0 (Φ) − Φi0 S0i + Φi0 Se1i
S10 S1 i=1 i=1 i=1 i=1
d
X
= V0 (Φ) + Φi0 (Se1i − Se0i ),
i=1

en remarquant que pour tout i, car S0i = Se0i puisque S00 = 1. On suppose maintenant que la formule est vérifiée
au rang n − 1, pour un certain n ≥ 1. Alors, on a
d
X d
X d
X
Ven (Φ) = Φ0n−1 + Φin−1 Seni = Ven−1 (Φ) − Φin−1 Sen−1
i
+ Φin−1 Seni
i=1 i=1 i=1
n−1
XX d d
X
= V0 (Φ) + Φik−1 (Seki − Sek−1
i
)+ Φin−1 (Seni − Sen−1
i
)
k=1 i=1 i=1
n X
X d
= V0 (Φ) + Φik−1 (Seki − Sek−1
i
),
k=1 i=1

ce qui achève la démonstration par récurrence.

1.3 Martingales à temps discret

Nous faisons une courte digression sur la notion de martingale à temps discret.
Définition 5. Une suite aléatoire (Mn , n ∈ J0, T K) est une martingale par rapport à la filtration (Fn , n ∈ J0, T K)
si
1. Pour tout n, Mn est intégrable (i.e. E [|Mn |] < ∞) ;
2. Le processus (Mn , n ∈ J0, T K) est Fn -adapté ;
3. Pour tout n ∈ J0, T K , E [Mn+1 |Fn ] = Mn p.s.
Remarque 1. Toute martingale (Mn , n ∈ J0, T K) est d’espérance constante :
Pour tout n ∈ J0, T K, E [Mn ] = E [M0 ] .
En effet, on a simplement
E[M1 ] = E [E [M1 |F0 ]] = E [M0 ] .
Ensuite, pour tout n ≤ T − 1, si il est vrai que E[Mn ] = E[M0 ], alors
E[Mn+1 ] = E[E[Mn+1 |Fn ]] = E[Mn ] = E[M0 ].
Mais attention, la réciproque n’est pas vraie : tout processus (Mn , n ∈ J0, T K) d’espérance constante n’est pas
une martingale.

2
Proposition 2. La suite (Mn , n ∈ J0, T K) est une Fn -martingale si, et seulement si pour tout n ∈ J0, T K,
E[MT |Fn ] = Mn p.s.
Démonstration. “=⇒” : Supposons que (Mn , n ∈ J0, T K) est une Fn -martingale. Alors, on a bien sûr que
E [MT | FT ] = MT puisque MT est FT -mesurable. Ensuite, supposons que pour un certain n ≤ T on a
E [MT |Fn ] = Mn p.s.. Alors, comme Fn−1 ⊂ Fn , d’après la propriété d’emboîtement des espérances condi-
tionnelles on a
E [MT |Fn−1 ] = E [E [MT |Fn ] |Fn−1 ] = E [Mn |Fn−1 ] = Mn−1 p.s.,
où l’on utilise aussi l’hypothèse de récurrence dans la deuxième égalité et la définition d’une martingale dans la
troisième.
“⇐=” : On suppose que pour tout n ∈ J0, T K, E[MT |Fn ] = Mn p.s.. Alors, pour tout n, Mn est intégrable
car
E [|Mn |] = E [|E [MT |Fn ] |] ≤ |E [E [MT |Fn ]]| = |E [Mn ]| < ∞,
et est clairement Fn -mesurable en tant qu’espérance conditionnelle à Fn . Il reste à vérifier la troisième propriété.
Pour tout n ∈ J0, T − 1K, on a

E [Mn+1 |Fn ] = E [E [MT |Fn+1 ] |Fn ] = E [MT |Fn ] = Mn p.s.,

où l’on a utilisé la propriété d’emboîtement des espérances conditionnelles dans la deuxième égalité.

1.4 Théorème fondamental

La définition suivante spécialise la notion d’Opportunité d’Arbitrage aux PAF,


Définition 6. Un PAF Φ = (Φ0n , Φn ), n ∈ J0, T K constitue une OA si
1. V0 (Φ) = 0 (valeur initiale nulle) ;
2. ∀n ∈ J0, T K, Vn (Φ) ≥ 0 p.s. ;
3. P (VT (Φ) > 0) > 0.
Théorème 1 (Théorème fondamental de la modélisation financière). Le marché est sans OA si, et seulement 
si, il existe une mesure de probabilité P∗ sur (Ω, F) telle que, sous P∗ , pour tout i ∈ J1, dK, Seni , n ∈ J0, T K est
une Fn -martingale. P∗ est alors appelée probabilité risque neutre.
Démonstration. "=⇒" voir par ex. le Livre de Lamberton-Lapeyre.
"⇐=" Supposons (Sen1 ) est une Fn - martingale sous P∗ . Alors, d’après la Proposition 1 on a
" n X d
#
h i X
∗ e ∗ i i i
E VT (Φ) = E V0 (Φ) + Φk−1 (Sek − Sek−1 )
k=1 i=1
n X
X d h i
= V0 (Φ) + E∗ Φik−1 (Seki − Sek−1
i
)
k=1 i=1
n X
X d h h ii
= V0 (Φ) + E∗ E∗ Φik−1 (Seki − Sek−1
i
)|Fk−1
k=1 i=1
n X
X d h h ii
= V0 (Φ) + E∗ Φik−1 E∗ (Seki − Sek−1
i
)|Fk−1 = V0 (Φ),
k=1 i=1

où l’on utilise, dans la quatrième égaité, le fait que Φ0k−1 est Fk−1 pour tout k, et dans la cinquième, le fait que
 
pour tout i, Seni , n ∈ J0, T K est une Fn -martingale, ce qui implique en particulier que tout k,
h i h i
E∗ (Seki − Sek−1
i
)|Fk−1 = Seki − E∗ Sek−1
i
|Fk−1 = 0 p.s..

On a donc  
∗ VT (Φ)
E = V0 (Φ),
(1 + r)T
ou en d’autres termes, E∗ [VT (Φ)] = (1 + r)−T V0 (Φ). Ainsi, si on avait une opportunité d’arbitrage, on aurait
V0 (Φ) = 0, ce qui implique E∗ [VT (Φ)] = 0. Or, on aurait aussi P∗ (VT (ϕ) ≥ 0) = 1, ce qui implique que
VT (Φ) = 0 p.s., une absurdité. On ne peut donc pas construire une OA.

3
On a le résultat suivant,
0


Proposition 3. Sous l’hypothèse  d’absence d’OA, sous de bonnes hypothèses d’intégrabilité pour (Φ n , Φ n ), n ∈ J0, T K ,
le processus Ven (Φ), n ∈ J0, T K est une Fn -martingale sous la probabilité risque neutre P∗ .

Démonstration. (Cette preuve est le sujet de l’Exercice 1 de la feuille de TD

 3.) 
D’après le Théorème 1, sous l’hypothèse d’absence d’OA, les processus Seni , n ∈ J0, T K , i ∈ J1, dK, sont des
Fn -martingale sous P∗ . D’une part, on a pour tout n,
d
X
Ven (Φ) = Φ0n−1 + Φin Seni ,
i=1

ce qui montre que Ven (Φ) est Fn -mesurable. Par ailleurs, l’égalité précédente implique que
h i d h i
 X
E∗ |Ven (Φ)| ≤ E∗ |Φ0n−1 | + E∗ |Φin | |Seni | .

i=1
 
Comme pour tout i, Seni est intégrable puisque Seni , n ∈ J0, T K est une Fn -martingale, la quantité précédente
est finie par exemple si Φ0n et les Φin , i ∈ J1, dK, sont supposés p.s. bornés, une hypothèse raisonnable en pratique.
Mais on pourrait poser des conditions moins restrictives, comme le fait que les différentes v.a. impliquées soient
de carré intégrable. Finalement, pour tout n ∈ J0, T − 1K, en appliquant la Proposition 1 on a que
" d n+1
#
h i X X
∗ e ∗ i i
E Vn+1 (Φ)|Fn = E V0 (Φ) + Φk−1 (Sek − Sek−1 ) | Fn
i=1 k=1
d
( n
)
X X h i
= V0 (Φ) + Φk−1 (Seki − Sek−1
i
) + E∗ Φn (Sen+1
i
− Seni ) | Fn
i=1 k=1
d
( n )
X X h i
= V0 (Φ) + Φk−1 (Seki − Sek−1
i
) + Φn E∗ Sen+1
i
− Seni |Fn
i=1 k=1
d X
X n
= V0 (Φ) + Φk−1 (Seki − Sek−1
i
)
i=1 k=1

= Ven (Φ) p.s.,

où l’on a utilisé les faits que les Φin , i ∈ J1, dK sont Fn -mesurable dans la troisième égalité, que les processus

Seni , n ∈ J0, T K , i ∈ J1, dK, sont des Fn -martingale sous P∗ dans la quatrième égalité. Ceci conclut la preuve.

1.5 Marché complet

À partir de maintenant, pour simplifier l’exposé nous supposons que d = 1, i.e. il y a un unique actif
risqué, qui peut être vu comme un actif “composite”, fonction
 de tous les actifs risqués du marché. Nous notons
respectivement, par (Sn , n ∈ J0, T K) et Sen , n ∈ J0, T K , le processus de prix, et le processus de prix actualisé
de cet actif risqué.
On rappelle qu’un actif conditionnel sur le sous-jacent de prix (Sn , n ∈ J0, T K) est un produit qui libère un
flux à l’instant T , en général noté ξ, ne dépendant que des valeurs de Sn , pour 0 ≤ n ≤ T . En d’autres termes,
dans ce cadre de travail, ξ est une v.a. FT -mesurable et ≥ 0 p.s..
Exemple 2. Dans le cas d’une option d’achat européenne de maturité T et de prix d’exercice K sur le sous-
jacent considéré, on a ξ = (ST − ξ)+ .
Définition 7. Un actif ξ de maturité T est dit simulable si il existe un PAF Φ tel que
VT (Φ) = ξ p.s..
Le marché est dit complet si tous les actifs conditionnels de maturité T sont simulables.
Remarque 2. Simuler un actif de valeur ξ signifie trouver le bon PAF Φ, qui prendra la valeur finale VT (Φ) à T .
Prenons l’exemple du vendeur d’une option d’achat européenne de maturité T et de prix d’exercice K. Celui-di
doit pouvoir dépenser la somme ξ := (ST − K)+ à l’instant T , puisque c’est ce que l’option lui coutera. Pour
ce faire, il peut chercher à construire un portefeuille auto-financé sur le sous-jacent de prix (Sn , n ∈ J0, T K), qui
prendra la valeur ξ = (ST − K)+ à T . Ce PAF est alors appelé stratégie de couverture pour ξ.

4
Le résultat suivant sera admis,
Théorème 2. Si Ω est fini et le marché est sans OA, le marché est complet si, et seulement si la probabilité
risque neutre P∗ est unique.
Proposition 4. Soit un marché sans OA. Soit ξ le prix d’un actif conditionnel de maturité T , simulé par le
PAF Φ. Sous les hypothèses d’intégrabilité de la Proposition 3, on a alors, sous la probabilité risque neutre P∗ ,
la formule de la moyenne actualisée :
Sn0 ∗
Pour tout n ∈ J0; T K, E [ξ|Fn ] p.s..
Vn (Φ) =
ST0
 
Démonstration. D’après la Proposition 3, le processus Ven (Φ), n ∈ J0, T K est une Fn -martingale. Ceci im-
plique, d’après la Proposition 2 que pour tout n ∈ J0, T K,
h i
Ven (Φ) = E∗ VeT (Φ)|Fn ,

ce qui est équivalent à dire que  

Vn (Φ) ∗ VT (Φ)
= E |F n p.s.,
Sn0 ST0
ou encore
Sn0 ∗ S0
 
VT (Φ)
Vn (Φ) = Sn0 E∗ 0 |F n = 0 E [VT (Φ)|Fn ] = n0 E∗ [ξ|Fn ] p.s.,
ST ST ST


où la deuxième égalité découle de ce que le processus des prix du numéraire Sn0 , n ∈ J0, T K est déterministe,
et la deuxième, du fait que le portefeuille Φ simule l’actif de valeur ξ à T .
Remarque 3. — Si Sn0 = (1 + r)n (i.e. le numéraire est rémunéré à un taux actuariel constant r), alors
pour tout n ∈ J0, T K,
Vn (Φ) = (1 + r)n−T E∗ [ξ|Fn ] p.s..
— À n = 0, la formule de la moyenne actualisée devient
E∗ [ξ]
V0 (Φ) = E∗ [ξ|F0 ] = .
ST0
En particulier, si ξ est déterministe on a donc
ξ
V0 (Φ) = .
ST0
— D’après la remarque précédente,
E∗ [ξ]
V0 (Φ) =
ST0
est un prix de vente possible pour l’actif conditionnel en question.
 Mais il pourrait exister un autre PAF
ξ
Φ̂, tel que VT (Φ̂) = VT (Φ) = ξ et V0 (Φ̂) = V0 (Φ) = S 0 , mais Vn (Φ̂), n ∈ J0, T K ̸= (Vn (Φ), n ∈ J0, T K).
T
En fait, sous de bonnes hypothèses, il n’en est rien.
Proposition 5. On suppose que l’on a un marché sans OA, complet, et que Ω est fini. Soit un actif conditionnel
de valeur ξ à la maturité T . Alors, le PAF qui le simule est unique p.s., et a en particulier un unique prix de
vente possible à tout instant n.
Démonstration. Soient Φ et Φ̂, deux PAF simulant l’actif de prix ξ. On a donc VT (Φ) = VT (Φ̂) = ξ p.s.. Par
conséquent, d’après la formule de la moyenne actualisée on a pour tout n ∈ J0, T K,

Sn0 ∗
Vn (Φ) = E [ξ|Fn ] = Vn (Φ̂) p.s.,
ST0
ce qui conclut la preuve.

2 Modèle binomial de Cox-Ross-Rubinstein (CRR)

Dans toute cette section, on suppose que le numéraire est actualisé au taux actuariel constant r, i.e., pour
tout n ∈ J1, T K, Sn0 = (1 + r)n . Nous introduisons ici un modèle probabiliste simple pour (Sn , n ∈ J0, T K), le
processus de prix de l’actif risqué. Ce modèle est dû Cox, Ross et Rubinstein.

5
2.1 Définition du modèle
Définition 8. On dit que (Sn , n ∈ J0, T K) est un processus de Cox-Ross-Rubistein (CRR), si pour tout n ∈
J1, T K, le rendement Rn de l’actif risqué ne peut prendre que 2 valeurs h (“haut”) et b (“bas”). Formellement, il
existe p ∈ [0, 1], b (“bas”) et h (“haut”) deux réels tels que b < h, tels que pour tout n ∈ J1, T K,

Sn − Sn−1
Rn = est tel que P (Rn = b) = p et P (Rn = h) = 1 − p.
Sn−1

Lemme 1. Sous l’hypothèse d’absence d’OA, on a b < r < h où r est le taux actuariel de l’actif non risqué.
Démonstration. (Cette preuve est le sujet de l’Exercice 2 de la Feuille de TD 3.)
On fait l’hypothèse d’absence d’OA, et l’on note P∗ , la probabilité risque neutre. Remarquons tout d’abord que
pour tout n ∈ J1, T K,
Yn
Sn = S0 (1 + Ri ). (1)
i=1
S1 −S0
En effet, on a R1 = S0 équivaut à S1 = S0 (1 + R1 ). Ensuite, si l’on suppose que la relation (1) est vérifiée
au rang n ∈ J1, T − 1K, alors
n
Y n+1
Y
Sn+1 = (1 + Rn+1 ) Sn = (1 + Rn+1 ) S0 (1 + Ri ) = S0 (1 + Ri ),
i=1 i=1

et l’on conclut par récurrence.

On raisonne par l’absurde, en supposant que r ≤ b. on construit le portefeuille Φ suivant : pour tout
n ∈ J0, T K, on pose Φn = 1 et
Φ0n = −S0 . Alors,Φ est clairement un portefeuille auto-financé, puisque les
coefficients (Φ0n , Φn ), n ∈ J0, T K sont constants. On a de plus

V0 (Φ) = −S0 × 1 + (1 × S0 ) = 0.

D’autre part, pour tout n ∈ J1, T K, d’après (1) on a

n
Y
Vn (Φ) = Φ0n (1 + r)n + Φn Sn = −S0 (1 + r)n + S0 (1 + Ri )
i=1
n
!
Y
= S0 (1 + Ri ) − (1 + r)n (2)
i=1
≥ S0 ((1 + b)n − (1 + r)n ) . (3)

On est alors dans l’alternative suivante,

— Si r < b alors (3) implique Vn (Φ) > 0 p.s. pour tout n ∈ J1, T .
— Si r = b, alors (3) implique que Vn (Φ) ≥ 0 p.s. pour tout n ∈ J0, T K. On a de plus h > b = r, et donc on
a en vertu de (2), !
[T
∗ ∗
P (VT (Φ) > 0) = P {Ri = h} ≥ P∗ (R1 = h) > 0.
i=1

Dans les deux cas, ce PAF constitue une OA, une absurdité.
Si r ≥ h, on constitue un PAF Φ à coefficients constants Φn = −1 et Φ0n = S0 , n ∈ J0, T K. On montre alors
de même, que Φ constitue une OA.
Remarque 4. Notons que si l’on avait b = h, l’actif serait déterministe, et donc non risqué. En d’autre terme,
ce serait un placement de numéraire. On a vu dans ce cas que pour éviter les opportunités d’arbitrage, il faudrait
alors avoir b = h = r.

6
Théorème 3. Dans le modèle binomial,
1. Sous absence d’OA, les v.a. (Rn , n ∈ J0, T K) sont i.i.d. de loi suivante sous la probabilité risque-neutre
P∗ :
h−r h−r r−b
P∗ (Rn = b) = et P∗ (Rn = h) = 1 − = · (4)
h−b h−b h−b
2. Si les v.a. (Rn , n ∈ J0, T K) sont i.i.d. de loi loi (4) pour une certaine probabilité P∗ , alors le marché est
sans OA et la probabilité risque neutre est P∗ .
3. Le marché est complet.
Démonstration. 1. (Cette partie de la preuve est le sujet de l’Exercice 3 de la Feuille de TD 3.)
On rappelle que pour tout n, Fn = σ({S1 , ..., Sn }) = σ({R1 , ..., Rn }).
∗
On suppose que l’on a un  marché sans OA, et l’on travaille sous la probabilité risque neutre P . Le
∗
processus Sn , n ∈ J0, T K est une Fn -martingale sous P .
e

(a) On a tout d’abord, pour tout n ∈ J0, T − 1K,

 
∗ ∗ Sn+1 − Sn
E [Rn+1 | Fn ] = E | Fn
Sn
" #
n+1 e
∗ (1 + r) Sn+1 − (1 + r)n Sen
=E | Fn
(1 + r)n Sen
" #
∗ (1 + r)Sn+1 − Sn
e e
=E | Fn
Sen
1 ∗h i
= E (1 + r)Sen+1 − Sen | Fn
Sen
1  ∗ he i h i
= E Sn+1 − Sen | Fn + rE∗ Sen+1 | Fn
Sen
1 e
= rSn = r,
Sn
e

où l’on utilise,
 dans la quatrième
 égalité, le fait que Sen est Fn -mesurable, et dans la cinquième, le
fait que Sn , n ∈ J0, T K est une Fn -martingale.
e
(b) Le résultat précédent implique en particulier que pour tout n ∈ J0, T − 1K,

E∗ [Rn+1 ] = E∗ [E∗ [Rn+1 | Fn ]] = E∗ [r] = r = E∗ [Rn+1 | Fn ] ,

ce qui est équivalent à dire que Rn+1 est indépendant de la tribu Fn . On a donc

r = E∗ [Rn+1 ] = bP∗ (Rn+1 = b) + hP∗ (Rn+1 = h) = bp + h(1 − p),

ce qui implique par un calcul immédiat que p = h−rh−b .

(c) Finalement, on a vu que pour tout n ∈ J0, T − 1K, Rn+1 est indépendante de Fn = σ({R1 , ..., Rn }).
Ceci implique par une récurrence immédiate que les v.a. R1 , ..., RT sont indépendantes. On vient de
voir qu’elles sont de même loi, caractérisée par : P∗ (Rn = b) = p = h−r
h−b pour tout n. Ces v.a. sont
donc i.i.d..
2. (Cette partie de la preuve est le sujet de l’Exercice 4 de la Feuille de TD 3, à traiter en DM3.)

3. Tout événement de Ω est de la forme {R1 = r1 , ..., RT = rT }, où r = (r1 , ..., rT ) ∈ {b, h}T . On a alors
pour toute probabilité risque neutre P∗ , d’après le Théorème 3,
T  T −α(r)  α(r)
∗
Y
∗ h−r r−b
P (R1 = r1 , . . . , RT = rT ) = P (Rn = rn ) = ,
n=1
h−b h−b

où pour tout r = (r1 , ..., rT ),

α(r) = Card {n ∈ J1, T K : r(i) = h}
est le nombre d’occurence de la valeur h dans le vecteur r. L’égalité précédente définit la probabilité
risque neutre P∗ de manière unique, ce qui montre que le marché est complet d’après le Théorème 2.

7
2.2 Evaluation des options européennes
On considère le modèle de CRR, sous les hypothèses du Théorème 3 modèle de CRR. En particulier, le
marché est sans OA et complet. On note P∗ , la probabilité risque neutre, et
h−r
p := = P∗ (Rn = b) , n ∈ J1, T K.
h−b
On considère une option d’achat (Call) sur le sous-jacent considéré, d’échéance T et de prix d’exercice K.
On note (Cn , n ∈ J0, T K) le processus des valeurs de l’option. En d’autres termes, Cn est le prix que l’on doit
débourser pour pouvoir détenir une telle option, c’est-à-dire, pour pouvoir jouer le rôle de l’acheteur dans cette
option. On a immédiatement le résultat suivant,
Proposition 6. Le processus (Cn , n ∈ J0, T K) vérifie pour tout n ∈ J0, T K,

Cn = (1 + r)n−T E∗ (ST − K)+ |Fn .

 
(5)

Démonstration. Le processus (Cn , n ∈ J0, T K) décrit la valeur d’un portefeuille simulant un actif condition-
nel de valeur ξ := (ST − K)+ . En effet, sa valeur initiale C0 , qui est ce que verse l’acheteur au vendeur à
l’instant 0 (ou Cn , si la transaction a lieu au temps n), peut être vue comme la valeur initiale V0 (Φ) (ou à
l’instant n, Vn (Φ)) investie par le vendeur dans sa stratégie de couverture, c’est-à-dire, le PAF qui simule le
flux final ξ = (ST − K)+ , qu’il devra fournir à l’acheteur au temps T . D’après la Proposition 5, le processus
(Cn , n ∈ J0, T K) := (Vn (Φ), n ∈ J0, T K) a une valeur uniquement définie, et satisfait la Proposition 4 (formule
de la moyenne actualisée) : on a pour tout n ∈ J0, T K,

Cn = (1 + r)n−T E∗ [CT |Fn ] = (1 + r)n−T E∗ (ST − K)+ |Fn .

 

Remarque 5. Comme on l’a vu en Proposition 5, le PAF simulant (ST − K)+ à T a un prix unique à tout
instant n ∈ J0, T K, qui est donc donné par Cn . La valeur de l’option à tout instant n coïncide donc avec celle
de toute stratégie de couverture pour cet actif conditionnel.
On peut aussi voir (Cn , n ∈ J0, T K) comme le processus des valeurs du portefeuille détenu par l’acheteur
de l’option, qui consiste en { une option}. La valeur de ce portefeuille (autofinancé, puisque l’on n’ajoute ni
ne soustrait de valeur entre le moment où l’on possède l’option et celui où on l’exerce) à tout instant n est
précisément ce qu’il faut payer pour posséder l’option (i.e., Cn ), et sa valeur finale est la valeur détenue par
l’acheteur à T , i.e., (ST − K)+ . Il est immédiat que le processus (Cn , n ∈ J0, T K) doit coïncider à tout instant
avec le processus (Vn (Φ), n ∈ J0, T K) défini dans la preuve ci-dessus, , puisque l’on a CT = VT (Φ) = (ST − K)+ .
sinon le produit ne serait pas équitable entre le vendeur et l’acheteur, et l’on pourrait immédiatement construire
une opportunité d’arbitrage.
On sait que si A est A -mesurable et B est indépendant de A , alors pour toutes fonction f de la forme
f (x, y) = g(x)h(y) on a

E∗ [f (A, B)|A ] = E∗ [g(A)h(B)|A ] = g(A)E∗ [h(B)] =: F (A).

où pour tout x,
F (x) = g(x)E [h(B)] = E∗ [g(x)h(B)] = E [f (x, B)] .
On peut généraliser ce résultat à toute fonction h intégrable, comme il est annoncé dans le résultat technique
suivant, qui sera crucial pour la suite.
Lemme 2 (Lemme-clé). Soit A , une tribu et A, B, deux v.a. réelles telles que A est A -mesurable et B est
indépendante de A . Soit f , une fonction de R2 dans R, intégrable. Alors, on a

E∗ [f (A, B) | A ] = F (A), (6)

où F est la fonction de R dans R définie pour tout x ∈ R par

F (x) = E [f (x, B)] . (7)

Démonstration. La démonstration est aisée dans le cas discret, plus technique dans le cas de v.a. continues. Elle
est admise.
Remarque 6. Attention, les relations (6) et (7) ne signifient pas que E∗ [f (A, B) | A ] est déterministe, même
si elle se calcule comme une espérance. On calcule d’abord l’espérance donnée par (7), qui est une fonction de
la variable réelle x, puis on spécialise cette fonction en x = A, où A est une variable aléatoire. C’est donc une
fonction mesurable de la v.a. A, et c’est donc bien, par conséquent, une variable aléatoire A -mesurable.

8
On en déduit le résultat suivant,
Proposition 7. On a pour tout n ∈ J0, T K, Cn = c(n, Sn ), où pour tout x,
−n 
TX
( +   )
T − n
c(n, x) = (1 + r)n−T x(1 + h)j (1 + b)T −n−j − K (1 − p)j pT −n−j . (8)
j=0
j

En particulier, le prix de l’option à l’instant 0 est donc

T
( +   )
−T
X
j T −j T j T −j
C0 = c(0, S0 ) = (1 + r) S0 (1 + h) (1 + b) −K (1 − p) p . (9)
j=0
j

Démonstration. On applique la Proposition 5. On a donc pour tout n ∈ J0, T K,

Cn = (1 + r)n−T E∗ (ST − K)+ |Fn .

 
(10)

Remarquons déjà que

CT = E∗ (ST − K)+ |FT = (ST − K)+ ,
 

et donc la formule (8) est vérifiée au rang n = T .

Soit maintenant n < T , et remarquons que par définition du rendement et du modèle binomial, on a
−n
TY
ST = Sn (1 + Rn+i ).
i=1

Posons-donc
A


 = Fn = σ(S1 , ..., Sn );

A = Sn ;
QT −n .
B
 = i=1 (1 + Rn+i ) ;

f (x, y) = (1 + r)n−T (xy − K)+ , pour tous x, y ∈ R+ .


Il est alors immédiat de vérifier que les hypothèses du Lemme 2 sont vérifiées. La relation (10) devient alors

Cn = F (Sn ), (11)

où pour tout x ∈ R+ ,
−n
" TY
#
∗
F (x) = E f (x, (1 + Rn+i )
i=1

−n
TY
!+ 
= (1 + r)n−T E∗  x (1 + Rn+i ) − K  =: c(n, x). (12)
i=1

Il nous reste à calculer l’espérance dans (12). Pour ce faire, définissons la variable aléatoire suivante,

αn = Card {i ∈ J1, T − nK : Rn+i = h} .

Autrement dit, αn est le nombre de fois que le rendement a pris la valeur haute entre l’instant n + 1 et l’instant
T compris. Avec cette définition, le nombre de fois où le rendement prend la valeur basse entre n + 1 et T est
n − T − α. On a donc pour tout x,
−n
TY
(1 + Rn+i ) = (1 + h)αn (1 + b)T −n−αn . (13)
i=1

À chaque instant, on interprète le “haut” comme un succès (avec probabilité 1 − p) à une expérience de Bernoulli
indépendante de tout le reste. Autrement dit, le nombre αn de “bas” entre n + 1 et T représente le nombre de
“succès” après T − n expériences de Bernoulli indépendantes de probabilité 1 − p. Par conséquent, par définition,
αn suit la loi binomiale B(T − n, 1 − p) (... d’où le nom du modèle !). Ainsi, par la formule de transfert on a
pour toute fonction intégrable g : R → R,
−n
TX −n
TX  
∗ ∗ T −n
E [g(αn )] = g(j)P (αn = j) = g(j) (1 − p)j pT −n−j . (14)
j=0 j=0
j

9
Pour tout x, en réécrivant ceci pour

+
g : j 7→ x(1 + h)j (1 + b)T −n−j − K ,

avec (13) on obtient que


−n
TY
!+ 
h
i
E∗  x (1 + Rn+i ) − K  = E∗ x(1 + h)αn (1 + b)T −n−αn − K +
i=1
−n
TX +  
T −n
= x(1 + h)j (1 + b)T −n−j − K (1 − p)j pT −n−j .
j=0
j

Ceci mène à (8) avec (11) et (12).

Remarque 7. On peut montrer similairement à (8), que pour tout n ∈ J0, T K, le prix du Put correspondant
est donné par Pn = p(n, Sn ), où pour tout x ≥ 0,
−n 
TX
( +   )
n−T j T −n−j T −n j T −n−j
p(n, x) = (1 + r) K − x(1 + b) (1 + h) p (1 − p) . (15)
j=0
j

Méthode de l’arbre des prix.

Notons à partir de maintenant, pour simplifier les notations,

u = (1 + h) et d = (1 + b),

les facteurs mutliplicatifs “up” et “down”, respectivement, du prix du sous-jacent.

On peut déterminer le prix de l’option d’achat à tout instant n par une méthode récursive : la méthode de
l’arbre des prix. Notons, pour tout n ∈ J0, T K et pour tout i ∈ J0, nK, par

Sn,i = S0 ui dn−i . (16)

Pour tout tel n, Sn prend forcément valeur dans l’ensemble {Sn,i , i ∈ J0, nK}. Plus précisément, pour tout i, Sn,i
peut être interprétée comme la “i-ème plus petite valeur possible” du sous jacent à l’instant n, autrement dit,
celle que l’on obtient si on a eu en n pas de temps, i “up” et n − i “down”, ou autrement dit, i fois la valeur haute
et n − i fois la valeur basse pour le rendement. On peut représenter les valeurs de {Sn,i : n ∈ J0, T K, i ∈ J0, nK}
sur un arbre des prix, dont le noeud (n, i) correspond à l’événement {Sn = Sn,i }.
Soit n ∈ J0, T K. D’après la Proposition 7, pour tout i ∈ J0, nK, sur l’événement {Sn = Sn,i } (i.e., sur le noeud
(n, i) on a d’après (16),
Cn = c(n, Sn ) = c (n, Sn,i ) = c n, S0 ui dn−i =: Cn,i .


(17)
Par ailleurs, Cn prend forcément valeur dans l’ensemble {Cn,i , i ∈ J0, nK}. On a la proposition suivante,
Proposition 8. Les Cn,i , n ∈ J0, T K, i ∈ J0, nK, définis par (17), satisfont les relations de récurrence descendante
suivantes :
+
CT,i = S0 ui dT −i − K , i ∈ J0, T K, (18)
et pour tout n ∈ J0, T − 1K,
1  
Cn,i = p Cn+1,i + (1 − p) Cn+1,i+1 , i ∈ J0, nK. (19)
1+r
Démonstration. Tout d’abord, la formule (18) découle des formules (8) et (17) pour n = T : pour tout i ∈ J0, T K
on a
+
CT,i = c(T, ST ) = c(T, S0 ui dT −i ) = S0 ui dT −i − K .
Ensuite, on a vu dans la preuve de la Proposition 6, que le processus (Cn , n ∈ J0, T K) coïncide avec
 celu d’un PAF 
(Vn (Φ), n ∈ J0, T K) simulant la valeur finale de l’option d’achat. En particulier, le processus C en , n ∈ J0, T K
des prix actualisés de l’option, est une Fn -martingale. On a donc pour tout n ∈ J0, T − 1K,
h i
Cen = E∗ C en+1 |Fn , P∗ − p.s.,

ce qui revient d’après (8), à

1 1
c(n, Sn ) = E∗ [c(n + 1, Sn+1 )|Fn ] = E∗ [c(n + 1, Sn (1 + Rn+1 ))|Fn ] , P∗ − p.s.. (20)
1+r 1+r

10
On peut alors appliquer le Lemme 2 à

A


 = Fn ;

A = Sn ;
.


 B = Rn+1 ;
f (x, y) = c(n + 1, x(1 + y)), pour tous x, y ∈ R+ .


Nous obtenons que p.s. pour tout n ∈ J0, T − 1K,

E∗ [c(n + 1, Sn (1 + Rn+1 ))|Fn ] = F (Sn ), (21)

où pour tout x ∈ R+ ,

F (x) = E∗ [c(n + 1, x(1 + Rn+1 )] = c(n + 1, x(1 + b))P∗ (Rn+1 = b) + c(n + 1, x(1 + h))P∗ (Rn+1 = h)
= c(n + 1, x(1 + b))p + c(n + 1, x(1 + h))(1 − p),

où l’on a appliqué la formule de transfert dans la deuxième égalité. En injectant ceci dans (20), en vertu de (21)
nous obtenons que pour tout n ∈ J0, T − 1K,
1  
c(n, Sn ) = c(n + 1, Sn (1 + b))p + c(n + 1, Sn (1 + h))(1 − p) .
1+r

En particulier, pour tout i ∈ J0, nK, sur l’événement {Sn = Sn,i = S0 ui dn−i } (i.e., sur le noeud (n, i)), on a

1  
Cn,i = c (n, Sn,i ) = c(n + 1, Sn,i (1 + b))p + c(n + 1, Sn,i (1 + h))(1 − p) . (22)
1+r
Or, on aussi

c (n + 1, Sn,i (1 + b)) = c n + 1, S0 ui dn−i d = c n + 1, S0 ui dn+1−i = c (n + 1, Sn+1,i ) = Cn+1,i ,

(23)
 
c (n + 1, Sn,i (1 + h)) = c n + 1, S0 ui dn−i u = c n + 1, S0 ui+1 dn+1−(i+1) = c (n + 1, Sn+1,i+1 ) = Cn+1,i+1 ,

(24)

et l’on obtient (19) en injectant (23) et (24) dans (22).

3 Les options américaines

On ne considère qu’un seul sous-jacent risqué, de prix (Sn )0≤n≤T .
Définition 9. Une option américaine est un actif conditionnel de maturité T consistant en une option “clas-
sique" (call ou put) (on dira “Européenne"), avec les mêmes règles de transactions, à ceci près que le détenteur
de l’option peut l’exercer à tout instant n entre 0 et T .

Définissons pour tout n ∈ J0, nK, PnA , la valeur du Put américain à l’instant n. Pour cela, définissons pour
tout n ∈ J0, T K, l’évènement
Λn = “le put n’a pas été exercé avant n”.
On a alors clairement Λ1 = Ω.
— Sur ΛT , le put qui n’a pas été exercé aux instants 1, . . . , T − 1, l’est forcément à l’instant T . Il libère le
flux (K − ST )+ . On a donc nécessairement

(K − ST )+ sur ΛT ;

PTA =
0 sur ΛcT .

— Pour déterminer la valeur de PTA−1 sur ΛT −1 , on applique le principe suivant : l’acheteur décide de
s’arrêter et d’exercer l’option à T − 1 si la valeur (K − ST −1 )+ du flux entrant à T − 1 s’il exerce, est
supérieure à la projection, actualisée à T −1, du gain moyen s’il n’exerce pas, et s’il continue donc jusqu’à
T . Cette projection vaut, d’après la formule de la moyenne actualisée,

ST0 −1
E[PTA |FT −1 ].
ST0

11
 On choisit donc la stratégie qui maximise le flux, soit

S0
 
PTA−1 = max (K − ST −1 )+ , T 0−1 E[PTA |FT −1 ] .
ST

La valeur du put à l’instant T − 1 est donc donnée par

S0
  
 max (K − ST −1 )+ , T 0−1 E[PTA |FT −1 ] sur ΛT −1


PTA−1 ST


0 sur ΛcT −1 .


— Par récurrence, on applique le même principe : la valeur du Put à tout instant n s’obtient en prenant le
maximum entre le flux entrant si on exerce à n, et l’espérance conditionnelle, sachant Fn , de la valeur
A
Pn+1 du put à n + 1, si on continue effectivement jusqu’à n + 1. On obtient donc la formule suivante
pour le prix du put américain à tout n = 0, ..., T :

S0
 
PnA = max (K − Sn )+ , 0 n E[Pn+1 A
|Fn ] 1Λn .
Sn+1

On peut donc calculer les valeurs de PnA , n = 0, · · · , T − 1 sur l’arbre des prix, en calculant, pour tout n, la
A
valeur de E[Pn+1 |Fn ] par une récurrence descendante.
Définition 10. Une variable aléatoire τ à valeurs dans J0, T K est un Fn -temps d’arrêt si pour tout n, l’événement
{τ = n} est Fn -mesurable. Par exemple :
— τ = min{n : Sn ≥ a} est un temps d’arrêt.
— τ = max{n : Sn ≥ a} n’est pas un temps d’arrêt.
Ici, l’instant τ où l’acheteur exerce le put s’écrit donc

S0
 
τ = min n ∈ J0, T K : (K − Sn )+ ≥ 0 n E[Pn+1
A
|Fn ] ,
Sn+1

ce qui montre que τ est un Fn -temps d’arrêt puisque la décision de s’arrêter à n ne dépend que du prix du
sous-jacent jusqu’à l’instant n. On peut alors montrer que τ est optimal, ce qui signifie que
Proposition 9. Le prix du put Américain P0A vérifie
   
1
P0A = max E 0 (K − Sτ )+ : τ est un Fn - temps d’arrêt . (25)
Sτ

On a les deux résultats suivants,

Proposition 10. Il n’est jamais avantageux d’exercer une option d’achat américaine avant son échéance. En
d’autres termes, ce produit n’a pas de raison d’être puisqu’il revient à une option d’achat européenne.
Démonstration. La preuce est le sujet de l’Exercice 6 de la feuille de TD 3.

Proposition 11. Le prix d’un put américain est plus élevé que celui d’un put européen, c’est à dire,

PnA ≥ Pn pour tout n ∈ J0, T K.

Démonstration. La preuve est le sujet de l’Exercice 7 de la feuille de TD 3.

12