ISFA Vincent Lerouvillois Processus stochastiques - M1 Actuariat lerouvillois@math.univ-lyon1.fr Semestre automne 2018-2019 math.univ-lyon1.fr/homes-www/lerouvillois/
Éléments de correction TD n
o5 Formule d’Itô et applications.
Exercice 1 : Retour sur R
t0
B
sdB
s.
En appliquant la formule d’Itô à B
t2, (re)montrez que R
t0
B
sdB
s=
12B
t2− t .
Remarque : C’est quand même bien plus simple avec la formule d’Itô qu’avec le passage à la limite de l’intégrale stochastique des processus étagés non ?
Correction exercice 1 : Vu en classe.
Exercice 2 : Processus d’Itô et martingale.
1. Écrire le processus sin(B
t)e
−tt≥0
comme processus d’Itô.
2. Montrer que le processus B
3t− 3tB
tt≥0
est une martingale.
Correction exercice 2 : Vu en classe
Exercice 3 : Processus d’Ornstein-Uhlenbeck.
Pour décrire la dynamique des taux courts, en particulier dans le modèle de Vasicek (1977), on modélise l’évolution du processus de taux par la différentielle stochastique suivante (avec a, b > 0) :
dX
t= a(b − X
t)dt + σdW
t1. Expliquez heuristiquement (en ne vous focalisant que sur l’équation stochastique) pourquoi ce processus a une “force de rappel vers b”.
2. En appliquant la formule d’Itô au processus Y
t= (X
t− b)e
at, déterminer la solution de cette EDS, appelée processus de Ornstein-Uhlenbeck.
3. On suppose que X
0= x
0∈ R . Justifiez que (X
t)
t≥0est un processus Gaussien dont on précisera la fonction espérance et la fonction de covariance. Préciser la loi de X
t, pour tout t ≥ 0. Quelle est la limite en loi de X
tlorsque t → ∞ ?
1
Figure 1 – Simulation de la solution de l’équation de Ornstein-Ulenbeck avec a = σ = 1, b = 5 et x
0= 0.
Correction exercice 3 :
1. Dans l’équation différentielle stochastique, a(b − X
t)dt peut être considéré comme un terme de force et σdW
tcomme un terme de bruit. Maintenant,
— Si X
t≤ b, alors a(b − X
t)dt ≥ 0
— Si X
t≥ b, alors a(b − X
t)dt ≤ 0,
car a > 0. Dans tous les cas, la force a(b − X
t)dt tend à ramener X
tvers b. On peut donc la qualifier de "force de rappel".
2. La deuxième formule d’Ito donne
Y
t= Y
0+ Z
t0
e
asdX
s+ Z
t0
a(X
s− b)e
asds + 0.
car la dérivée seconde de (t, x) 7→ (x − t)e
atpar rapport à x est nulle.
En remplaçant dX
tpar a(b − X
t)dt + σdB
t, on obtient :
Y
t= (X
0− b) + Z
t0
e
asa(b − X
s)ds + Z
t0
e
asσdB
s+ Z
t0
a(X
s− b)e
asds
= X
0− b + Z
t0
e
asσdB
s.
Donc finalement,
X
t= b + e
−at(X
0− b) + σe
−atZ
t0
e
asdB
s.
2
3. (a) La fonction s 7→ e
asétant déterministe et de carré intégrable, l’intégrale stochastique R
t0
e
asdB
sest une intégrale de Wiener. Par conséquent, le processus stochastique as- socié ( R
t0
e
asdB
s)
t∈R+est un processus Gaussien.
Maintenant, si on prend un ensemble de temps croissants 0 ≤ t
1≤ ... ≤ t
net un ensemble de réels (a
1, ..., a
n), on a
n
X
i=1
a
iX
ti=
n
X
i=1
a
i(b + e
−ati(x
0− b)) +
n
X
i=1
a
iσe
−atiZ
ti0
e
asdB
s,
peut se réécrire sous la forme :
n
X
i=1
a
iX
ti= C +
n
X
i=1
a
0iZ
ti0
e
asdB
s.
Or, le processus ( R
t0
e
asdB
s)
t∈R+étant Gaussien, on a que P
ni=1
a
0iR
ti0
e
asdB
ssuit une loi normale. Or, une variable aléatoire Gaussienne plus une constante est encore une loi Gaussienne. Par conséquent, P
ni=1
a
iX
tisuit une loi normale. On a donc montré que le processus (X
t)
t∈R+était Gaussien.
(b) La fonction espérance est donnée par
E [X
t] = E
b + e
−at(x
0− b) + σe
−atZ
t0
e
asdB
s= b + e
−at(x
0− b) + σe
−atE Z
t0
e
asdB
s= b + e
−at(x
0− b).
où la dernière égalité a lieu car R
t0
e
asdB
sest une intégrale de Wiener donc est processus centré.
(c) La fonction de covariance est donnée par :
∀0 ≤ s ≤ t, Cov(X
s, X
t) = E [(X
s− E [X
s])(X
t− E [X
t])]
= E
(σe
−asZ
s0
e
audB
u)(σe
−atZ
t0
e
audB
u)
= σ
2e
−a(t+s)E Z
s0
e
audB
uZ
t0
e
audB
u= σ
2e
−a(t+s)Z
s∧t0
e
2audu
= σ
2e
−a(t+s)e
2as− 1
2a car s ≤ t
= σ
22a (e
−a(t−s)− e
−a(t+s)),
où la quatrième égalité a lieu car la fonction de covariance d’un processus de Wiener est donnée par :
Cov Z
s0
θ
udB
uZ
t0
θ
udB
u= Z
s∧t0
θ
u2du,
3
(cela s’applique lorsque t 7→ θ
test un processus déterministe de carré intégrable).
(d) On en déduit, en particulier, que
X
t∼ N
b + e
−at(x
0− b), σ
2(1 − e
−2at) 2a
,
et que donc
X
t−→
loit→∞
N
b, σ
22a
Exercice 4 : Equation de Black et Scholes.
On considère deux actifs : un actif sans risque (S
t0)
0≤t≤Tde taux de rendement r > 0 et un actif risqué (S
t)
0≤t≤Tde taux de rendement µ > 0 et de volatilité σ > 0. On fait l’hypothèse que le taux d’actif risqué évolue selon la formule de Black-Scholes. Autrement dit :
dS
t0= S
t0r dt , et :
dS
t= S
t(µ dt + σ dW
t) ,
où (W
t)
t≥0est un mouvement Brownien standard. On appelle actif risqué actualisé le processus
S e
t0≤t≤T
:=
S
tS
t00≤t≤T