En théorie des probabilités , une filtration est une famille de tribus dans l'ordre croissant et chaque prédécesseur est un sous-ensemble du successeur, c'est-à-dire
F
s
⊆
F
t
,
s
≤
t
{\displaystyle {\mathcal {F}}_{s}\subseteq {\mathcal {F}}_{t},\;s\leq t}
pour les éléments de filtration
(
F
t
)
t
∈
T
{\displaystyle ({\mathcal {F}}_{t})_{t\in T}}
.
Avec la filtration on modélise le flux d'informations. Chaque élément
F
t
{\displaystyle {\mathcal {F}}_{t}}
de la famille a l'information sur les événements qui étaient observables au temps
t
{\displaystyle t}
.
Definition
Soient
(
Ω
,
F
,
P
)
{\displaystyle (\Omega ,{\mathcal {F}},P)}
un espace de probabilité et
T
⊆
R
≥
0
{\displaystyle T\subseteq \mathbb {R} _{\geq 0}}
.
La famille
F
:=
(
F
t
)
t
∈
T
{\displaystyle \mathbb {F} :=({\mathcal {F}}_{t})_{t\in T}}
des sous-tribu
F
t
⊆
F
{\displaystyle {\mathcal {F}}_{t}\subseteq {\mathcal {F}}}
est une filtration si ordonnée par ordre croissant, cela signifie
F
s
⊆
F
t
{\displaystyle {\mathcal {F}}_{s}\subseteq {\mathcal {F}}_{t}}
pour tout
s
≤
t
{\displaystyle s\leq t}
.
(
Ω
,
F
,
F
,
P
)
{\displaystyle (\Omega ,{\mathcal {F}},\mathbb {F} ,P)}
est un espace de probabilité filtré [ 1] .
Caractérisations de filtration
Filtration naturelle
Soit
X
=
(
X
t
)
t
∈
T
{\displaystyle X=(X_{t})_{t\in T}}
un processus stochastique . La filtration naturelle est
F
t
0
:=
σ
(
X
s
,
s
≤
t
)
{\displaystyle {\mathcal {F}}_{t}^{0}:=\sigma (X_{s},s\leq t)}
. C'est la filtration minimale telle que
X
{\displaystyle X}
soit adapté .
Filtration continue
Soit
F
:=
(
F
t
)
t
∈
T
{\displaystyle \mathbb {F} :=({\mathcal {F}}_{t})_{t\in T}}
une filtration. On définit
F
t
−
:=
⋁
s
<
t
F
s
=
σ
(
⋃
s
<
t
F
s
)
,
F
t
+
:=
⋂
s
>
t
F
s
,
{\displaystyle {\mathcal {F}}_{t^{-}}:=\bigvee _{s<t}{\mathcal {F}}_{s}=\sigma \left(\bigcup \limits _{s<t}{\mathcal {F}}_{s}\right)\quad ,\quad {\mathcal {F}}_{t^{+}}:=\bigcap _{s>t}{\mathcal {F}}_{s},}
on a toujours
F
t
−
⊆
F
t
⊆
F
t
+
{\displaystyle {\mathcal {F}}_{t^{-}}\subseteq {\mathcal {F}}_{t}\subseteq {\mathcal {F}}_{t^{+}}}
.
On définit
F
−
:=
(
F
t
−
)
t
∈
T
,
F
+
:=
(
F
t
+
)
t
∈
T
.
{\displaystyle \mathbb {F} ^{-}:=({\mathcal {F}}_{t^{-}})_{t\in T},\qquad \mathbb {F} ^{+}:=({\mathcal {F}}_{t^{+}})_{t\in T}.}
On appelle
F
{\displaystyle \mathbb {F} }
filtration continue à gauche , si
F
=
F
−
{\displaystyle \mathbb {F} =\mathbb {F} ^{-}}
, c'est-à-dire
F
t
=
F
t
−
{\displaystyle {\mathcal {F}}_{t}={\mathcal {F}}_{t^{-}}}
pour tout
t
∈
T
.
{\displaystyle t\in T.}
On appelle
F
{\displaystyle \mathbb {F} }
filtration continue à droite , si
F
=
F
+
{\displaystyle \mathbb {F} =\mathbb {F} ^{+}}
, c'est-à-dire
F
t
=
F
t
+
{\displaystyle {\mathcal {F}}_{t}={\mathcal {F}}_{t^{+}}}
pour tout
t
∈
T
.
{\displaystyle t\in T.}
On appelle
F
{\displaystyle \mathbb {F} }
filtration continue , si
F
=
F
−
=
F
+
.
{\displaystyle \mathbb {F} =\mathbb {F} ^{-}=\mathbb {F} ^{+}.}
On définit également[ 1]
F
∞
:=
⋁
t
∈
T
F
t
−
=
⋁
t
∈
T
F
t
=
⋁
t
∈
T
F
t
+
.
{\displaystyle {\mathcal {F}}_{\infty }:=\bigvee _{t\in T}{\mathcal {F}}_{t^{-}}=\bigvee _{t\in T}{\mathcal {F}}_{t}=\bigvee _{t\in T}{\mathcal {F}}_{t^{+}}.}
Filtration augmentée
Pour un espace de probabilité
(
Ω
,
F
,
P
)
{\displaystyle (\Omega ,{\mathcal {F}},P)}
nous définissons l'ensemble
P
{\displaystyle P}
-négligeable
N
=
{
A
⊂
Ω
:
il y a un
B
∈
F
avec
A
⊂
B
et
P
(
B
)
=
0
}
.
{\displaystyle {\mathcal {N}}=\{A\subset \Omega :{\text{ il y a un }}B\in {\mathcal {F}}{\text{ avec }}A\subset B{\text{ et }}P(B)=0\}.}
La filtration
F
^
=
(
F
^
t
)
t
∈
T
{\displaystyle {\widehat {\mathbb {F} }}=({\hat {\mathcal {F}}}_{t})_{t\in T}}
avec
F
^
t
:=
σ
(
F
t
∪
N
)
{\displaystyle {\hat {\mathcal {F}}}_{t}:=\sigma ({\mathcal {F}}_{t}\cup {\mathcal {N}})}
est appelé filtration augmentée [ 2] .
Conditions habituelles
Pour un espace de probabilité filtré
(
Ω
,
F
,
F
,
P
)
{\displaystyle (\Omega ,{\mathcal {F}},\mathbb {F} ,P)}
on dit que les conditions usuelles sont satisfaites si
F
{\displaystyle \mathbb {F} }
est continue à droite et contient tout l'ensemble négligeable, c'est-à-dire
F
=
F
t
+
=
F
^
.
{\displaystyle \mathbb {F} =\mathbb {F} _{t+}={\widehat {\mathbb {F} }}.}
Bibliographie
(en) Daniel revuz et Marc Yor, Continuous Martingales and Brownian Motion , Springer, 1999
(de) David Meintrup et Stefan Schäffler, Stochastik: Theorie und Anwendungen , Springer, 2005
Références
↑ a et b (en) Daniel Revuz et Marc Yor, Continuous Martingales and Brownian Motion , Springer, 1999 , p. 41-48
↑ (de) David Meintrup et Stefan Schäffler, Stochastik: Theorie und Anwendungen , Springer, 205 , p. 390
Remarques