Markovian Projection of Stochastic Processes
Projection markovienne de processus stochastiques
Résumé
This PhD thesis studies various mathematical aspects of problems related to the Markovian projection of stochastic processes, and explores some ap- plications of the results obtained to mathematical finance, in the context of semimartingale models. Given a stochastic process ξ, modeled as a semimartingale, our aim is to build a Markov process X whose marginal laws are the same as ξ. This construction allows us to use analytical tools such as integro-differential equa- tions to explore or compute quantities involving the marginal laws of ξ, even when ξ is not Markovian. We present a systematic study of this problem from probabilistic view- point and from the analytical viewpoint. On the probabilistic side, given a discontinuous semimartingale we give an explicit construction of a Markov process X which mimics the marginal distributions of ξ, as the solution of a martingale problems for a certain integro-differential operator. This con- struction extends the approach of Gy ̈ongy to the discontinuous case and applies to a wide range of examples which arise in applications, in particu- lar in mathematical finance. On the analytical side, we show that the flow of marginal distributions of a discontinuous semimartingale is the solution of an integro-differential equation, which extends the Kolmogorov forward equation to a non-Markovian setting. As an application, we derive a forward equation for option prices in a pricing model described by a discontinuous semimartingale. This forward equation generalizes the Dupire equation, orig- inally derived in the case of diffusion models, to the case of a discontinuous semimartingale. These results give an application to the evaluation of index options allowing to reduce the problem of high dimension.
Cette thèse porte sur l'étude mathématique du problème de projection Markovienne d'un processus aléatoire: il s'agit de construire, étant donné un processus aléatoire ξ, un processus de Markov ayant à chaque instant la même distribution que ξ. Cette construction permet ensuite de déployer les outils analytiques disponibles pour l'étude des processus de Markov (équations aux dérivées partielles ou équations integro-différentielles) dans l'étude des lois marginales de ξ, même lorsque ξ n'est pas markovien. D'abord étudié dans un contexte probabiliste, notamment par Gyöngy (1986), ce problème a connu un regain d'intêret motivé par les applications en finance, sous l'impulsion des travaux de B. Dupire. La thèse entreprend une étude systématique des aspects probabilistes (construction d'un processus de Markov mimant les lois marginales de ξ) et analytiques (dérivation d'une équation de Kolmogorov forward) de ce problème, étendant les résultats existants au cas de semimartingales discontinues. Notre approche repose sur l'utilisation de la notion de problème de martingale pour un opérateur integro-différentiel. Nous donnons en particulier un résultat d'unicité pour une équation de Kolmogorov associée à un opérateur integro-différentiel non-dégénéré. Ces résultats ont des applications en finance: nous montrons notamment comment ils peuvent servir à réduire la dimension d'un problème à travers l'exemple de l'évaluation des options sur indice en finance.