Introduction Lemme d’Itô Solution des
EDS
Équation di¤érentielle stochastique (EDS) et le lemme d’Itô
80-646-08 Calcul stochastique I
Geneviève Gauthier
HEC Montréal
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Éq. di¤érentielles ordinaires I
Lorsque nous modélisons certaines situations, nous ne savons pas a priori quelle fonction nous devons utiliser, car nous n’avons qu’une connaissance locale du comportement de notre système.
Par exemple, supposons que f ( t ) représente le prix d’une denrée à l’instant t. Nous écrivons
f ( t +
∆t ) f ( t ) =
µ∆t f ( t ) où
µ0
pour signi…er que la variation f ( t +
∆t ) f ( t ) du prix de la denrée au cours d’une période de temps est
proportionnelle à la longueur
∆t de la période de temps
considérée ainsi qu’au prix f ( t ) de la denrée au début de
la période, c’est-à-dire
µ ∆t f ( t )
,µétant une constante.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Éq. di¤érentielles ordinaires II
En divisant de part et d’autre de l’égalité par
∆t, nous obtenons
f ( t +
∆t ) f ( t )
∆
t =
µf ( t )
.Prenons maintenant la limite lorsque
∆t tend vers zéro : d
dt f ( t ) = lim
∆t!0
f ( t +
∆t ) f ( t )
∆
t
= lim
∆t!0µ
f ( t )
=
µf ( t )
.Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Éq. di¤érentielles ordinaires III
Rappelons que nous considérons l’équation d
dt f ( t ) =
µf ( t )
.La notation souvent employée pour les équations di¤érentielles permet de réécrire l’équation précédente :
d f ( t ) =
µf ( t ) dt
.(1) Notons que, techniquement parlant, l’objet d f ( t ) n’est pas bien dé…ni. Cette dernière équation n’est qu’une notation pour exprimer ”la dérivée de la fonction est proportionnelle à la fonction elle-même”, c’est-à-dire
d
dt
f ( t ) =
µf ( t )
.L’inconnue, dans cette équation, est la fonction f . Nous
cherchons les fonctions qui satisfont cette égalité.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Éq. di¤érentielles ordinaires IV
Rappelons que nous étudions l’équation
d f ( t ) =
µf ( t ) dt
.(1) Il est possible de montrer que la fonction dé…nie pour tout t 2
Rpar
f ( t ) = ce
µt,où c est une constante quelconque, (2) satisfait l’équation (1).
En e¤et, dans ce cas, d
dt f ( t ) = d
dt ce
µt=
µceµt=
µf( t )
.Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Éq. di¤érentielles ordinaires V
Nous déterminons la constante c à l’aide de la condition initiale. Nous connaissons le prix f
0de la denrée
aujourd’hui. Par conséquent,
f
0= f ( 0 ) = ce
µ 0= c
,ce qui entraîne que le prix de la denrée au temps t est f ( t ) = f
0e
µt.Dans cet exemple, la connaissance du comportement
in…nitésimal du prix de la denrée ( d f ( t ) =
µf ( t ) dt ) et
du prix initial f
0su¢ t à déterminer de façon exacte le prix
à tout instant.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Éq. di¤érentielles ordinaires VI
Rappelons que nous étudions l’équation
d f ( t ) =
µf ( t ) dt
.(1) L’équation (1) est un exemple d’une équation di¤érentielle ordinaire et ce dernier se comporte de façon tout à fait charmante puisqu’il existe au moins une fonction f qui satisfait l’équation (1) et, de plus, il est possible de montrer que cette fonction est nécessairement de la forme décrite en (2) :
f ( t ) = f
0e
µt.Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Éq. di¤érentielles ordinaires VII
Il existe des équations di¤érentielles ordinaires beaucoup moins sympatiques. Par exemple,
d f ( t ) = f ( t )
t
2dt
.(3)
La solution de cette équation a la forme
f ( t ) = ce
1toù c est une constante.
Il faut maintenant spéci…er c à l’aide de la condition initiale.
Or f ( 0 ) = 0 quel que soit c
,ce qui implique que (3)
possède une in…nité de solutions lorsque f ( 0 ) = 0 et n’en
possède aucune lorsque f ( 0 ) 6 = 0.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction I
Équations di¤érentielles stochastiques
Supposons maintenant que le processus stochastique S = f S
t :t 0 g représente l’évolution du prix d’un actif risqué.
Nous ne connaissons pas, en général, la loi qui gouverne
un tel processus, mais nous avons peut-être une idée de
son comportement local.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction II
Équations di¤érentielles stochastiques
Par exemple, sur un court intervalle de temps de longueur
∆t, il est possible que ce prix ait tendance à varier proportionnellement à la longueur de la période et au prix de l’actif au début de la période. Nous écrivons, pour débuter,
S
t+∆tS
t=
µS
t ∆t.
Si, en général, les prix augmentent, alors
µest une
constante positive et si les prix tendent à diminuer, alors
µest négative.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction III
Équations di¤érentielles stochastiques
S
t+∆tS
t=
µS
t ∆t
Il y a cependant un problème avec cette dernière équation : nous ne sommes pas certain que le prix varie proportionnellement à la longueur de la période et au prix de l’actif, nous prétendons seulement qu’il a tendance à le faire.
Il faut donc incorporer à notre équation une erreur non prévisible.
Nous pouvons toutefois contrôler l’ ampleur de cette erreur
aléatoire.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction IV
Équations di¤érentielles stochastiques
Par exemple, nous pouvons supposer qu’elle dépend du prix de l’actif en début de période.
En e¤et, nous constatons que plus le prix est élevé, plus le prix de l’actif risqué peut s’écarter de la tendance.
De plus, l’erreur aléatoire doit aussi dépendre de la longueur de l’intervalle de temps considéré : plus
l’intervalle est grand, plus le prix risque de s’écarter de la tendance.
C’est pourquoi nous ajoutons un terme stochastique à notre équation de départ.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction V
Équations di¤érentielles stochastiques
Le terme stochastique à ajouter à notre équation initiale nous mène à l’équation
S
t+∆tS
t=
µS
t ∆t +
σS
tp
∆t
ξt(4) où
σ est une constante positive et
ξt est une variable aléatoire de loiN(0,1)indépendante defSu :0 u tg.
Cette dernière condition est importante, car nous ne
devons pas être capable de prédire l’erreur
ξten observant
le comportement du prix de l’actif risqué antérieurement à
la date t.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction VI
Équations di¤érentielles stochastiques
Cette équation est aléatoire et doit être satisfaite par
”presque” tous les
ω, c’est-à-dire quePrhn
ω2Ω:St+∆t(ω) St(ω) =µSt(ω) ∆t+σSt(ω) p
∆tξt(ω)oi
vaut un.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction VII
Équations di¤érentielles stochastiques
Concernant l’amplitude de l’erreur aléatoire, remarquons que p
∆
t
ξtest de loi N ( 0,
∆t )
.De plus,
Eh σSt
p∆tξt jσfSu :u2 f0,∆t, ...,tggi = σSt
p∆tE[ξt]
= 0,
E σSt
p∆tξt 2 jσfSu :u2 f0,∆t, ...,tgg = σ2St2∆tEh ξ2t
i
= σ2St2∆t,
ce qui implique que l’écart-type conditionnel de notre terme d’erreur est
σStp
∆t.
Ainsi, plus la longueur de l’intervalle de temps
∆t est
grande ou plus le prix S
tdu titre est élevé, plus
l’écart-type de l’erreur aléatoire est grand.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction VIII
Équations di¤érentielles stochastiques
Cela implique que les valeurs pouvant être prises par
l’erreur aléatoire sont plus dispersées autour de son
espérance (qui est de zéro).
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction IX
Équations di¤érentielles stochastiques
Rappel
S
t+∆tS
t=
µS
t ∆t +
σS
tp
∆
t
ξt.(4) Réécrivons l’équation (4) pour la période suivante :
S
t+2∆tS
t+∆t=
µS
t+∆t ∆t +
σS
t+∆tp
∆
t
ξt+∆t.Si nous ne voulons pas être en mesure de prédire l’erreur
ξt+∆t, il faut que cette dernière soit indépendante de f S
u :u 2 f 0,
∆t
, ...,t +
∆t gg .
Pour cette raison, nous introduisons le mouvement brownien puisqu’il est un processus gaussien dont les incréments sont mutuellement indépendants :
S
t+∆tS
t=
µS
t ∆t +
σS
t( W
t+∆tW
t)
.(5) Notons que la loi de W
t+∆tW
test la même que la loi de p
∆
t
ξt: elles sont toutes deux de loi N ( 0,
∆t ) .
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction X
Équations di¤érentielles stochastiques
Soit W = f W
t :t 0 g un mouvement brownien construit sur un espace probabilisé …ltré (
Ω,F
,F,P) tel que la
…ltration
Fest celle engendrée par le mouvement brownien, augmentée de tous les événements de probabilité nulle, c’est-à-dire que pour tout t 0,
F
t=
σ( N et W
s :0 s t )
.Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction XI
Équations di¤érentielles stochastiques
Le prix de l’actif risqué aujourd’hui ( t = 0 ) est connu avec certitude. S
0est donc ( ?
,Ω) mesurable donc
F
0mesurable. Reprenons l’équation (5) en prenant t = 0.
S∆t = S0
|{z}
F0 mesurable
+ µS0 ∆t
| {z }
F0 mesurable
+ σS0
|{z}
F0 mesurable
(W∆t W0)
| {z }
F∆t mesurable indépendant deF0
| {z }
F∆t mesurable
Nous constatons que S
∆test F
∆tmesurable.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction XII
Équations di¤érentielles stochastiques
Nous pouvons montrer par induction que S
n∆test F
n∆tmesurable, quel que soit l’entier positif n.
En e¤et, supposons qu’il existe k 2 f 0, 1, 2, ... g tel que S
k ∆test F
k ∆tmesurable. Alors
S(k+1)∆t
= Sk∆t
| {z } Fk∆t mesurable
+ µSk∆t ∆t
| {z } Fk∆t mesurable
+ σSk∆t
| {z } Fk∆t mesurable
W(k+1)∆t Wk∆t
| {z }
F(k+1)∆t mesurable indépendant deFk∆t
| {z }
F(k+1)∆t mesurable
ce qui implique que S
(k+1)∆test F
(k+1)∆tmesurable.
Notre processus S habite sur le même espace probabilisé
…ltré que le mouvement brownien W que nous avons
utilisé pour le construire.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction XIII
Équations di¤érentielles stochastiques
Reprenons l’équation (5)
S
t+∆tS
t=
µS
t ∆t +
σS
t( W
t+∆tW
t)
.Lorsque les intervalles de temps de longueur
∆t deviennent de longueur in…nitésimale, nous obtenons une équation du type
dS
t=
µS
tdt +
σS
tdW
t.Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction XIV
Équations di¤érentielles stochastiques
Cette dernière équation est un exemple d’équation
di¤érentielle stochastique et elle devrait soulever quelques interrogations :
1 le termeσSt dWt n’est pas bien dé…ni, particulièrement si nous nous rappelons que les trajectoires du mouvement brownien sont nulle part di¤érentiables!
2 existe-t-il une solution à cette équation ? et
3 si cette solution existe, est-elle unique et comment faisons-nous pour la trouver ?
Notons que la solution à une équation di¤érentielle
stochastique n’est pas, comme dans le cas des équations
di¤érentielles ordinaires, une fonction mais est un
processus stochastique.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction XV
Équations di¤érentielles stochastiques
Pour répondre à ces questions nous considérons une équation di¤érentielle stochastique sous une forme plus générale
dX ( t ) = b ( X ( t )
,t )
| {z }
coe¢ cient de dérive
dt + a ( X ( t )
,t )
| {z }
coe¢ cient de di¤usion
dW ( t )
.(6) où les fonctions a
:R[ 0,
∞) !
Ret
b
:R[ 0,
∞) !
Rsont des fonctions mesurables.
Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction XVI
Équations di¤érentielles stochastiques
Que signi…ons-nous par a ( X ( t )
,t ) dW ( t ) ? Nous n’avons pas dé…ni ce terme. Dans les faits, l’équation (6) est la forme di¤érentielle de l’équation intégrale :
X(t) =X(0) + Zt
0 b(X(u),u) du+ Zt
0 a(X(u),u) dW(u)
et nous connaissons maintenant la signi…cation du terme
Z t 0
a ( X ( u )
,u ) dW ( u )
.Introduction Équations équations di¤érentielles ordinaires Introduction aux EDS Lemme d’Itô Solution des EDS
Introduction XVII
Équations di¤érentielles stochastiques
Il n’existe pas toujours de solution à cette équation et nous verrons quelques résultats nous donnant des conditions sur les fonctions b et a qui feront en sorte qu’une solution existe.
Pour répondre aux questions (2) et (3), nous avons besoin
de quelques outils supplémentaires.
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Thérorème fondamental du calcul I
Le lemme d’Itô est l’équivalent stochastique du théorème fondamental du calcul. Il nous permettra de déterminer l’équation di¤érentielle stochastique satisfaite par certains processus stochastiques donnés.
Theorem
Le théorème fondamental du calcul stipule que si
df
dx :R
!
Rreprésente la dérivée de la fonction f
:R!
R, alors
f ( b ) f ( a ) =
Z b a
df
dx ( x ) dx
. Richard R. Goldberg, théorème 7.8A, page 205.Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Thérorème fondamental du calcul II
Exemple. si f ( x ) = x
2, a = 0 et b = t, alors t
2=
Z t 0
2x dx
.Est-ce que cette règle est encore valable dans le contexte du calcul stochastique ? Est-ce que
W
t2=
Z t 0
2W
sdW
s ?(7)
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Thérorème fondamental du calcul III
Nous avons observé lors de la construction de l’intégrale stochastique que les trajectoires du processus
n
R
t0
W
sdW
s :0 t T
opouvaient être négatives à certains instants :
-1,4 -1,2 -1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
t
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Thérorème fondamental du calcul IV
Rappel : est-ce que W
t2=
Z t 0
2W
sdW
s? (7)
Or, le membre de gauche de l’égalité (7) est
nécessairement non-négatif alors que celui de droite peut
prendre des valeurs négatives. Il y a contradiction et nous
concluons que l’équation (7) est fausse.
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Première version I
Lemme d’Itô
Il existe, dans le cadre du calcul stochastique, l’équivalent du théorème fondamental du calcul qui fut établi par K.
Itô. Il faut noter qu’un terme s’ajoute.
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Première version II
Lemme d’Itô
Theorem
Lemme d’Itô (première version). Soit W , un mouvement brownien construit sur l’espace probabilisé …ltré (
Ω,F
,F,P) et f
:R!
R, une fonction dont les deux premières dérivées existent et sont continues. Alors 8 0 t T ,
f ( W
t) f ( W
0)
P=
p.s.Z t 0
df
dw ( W
s) dW
s+ 1 2
Z t 0
d
2f
dw
2( W
s) ds.
(8) Sous sa forme di¤érentielle, l’équation (8) s’écrit
df ( W
t) = df
dw ( W
t) dW
t+ 1 2
d
2f
dw
2( W
t) dt.
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Première version III
Lemme d’Itô
Par exemple, si f ( x ) = x
2,alors
f ( W
t) = W
t2et f ( W
0) = W
02= 0 et
df
dw ( W
s) = 2W
set d
2f
dw
2( W
s) = 2.
En remplaçant dans l’équation d’Itô, nous obtenons W
t2 P=
p.s.2
Z t
0
W
sdW
s+
Z t
0
1ds = 2
Z t0
W
sdW
s+ t ce qui implique
Z t 0
W
sdW
s= W
t2
t
2
.Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Idée de la démonstration I
Lemme d’Itô
Supposons un découpage du temps 0 = t
0< t
1<
...< t
n= t.
On peut supposer que t
it
i 1= t/n.
En appliquant le développement en série de Taylor de f autour du point x
0, on trouve
f ( x ) f ( x
0) = f
0( x
0) ( x x
0) + 1
2 f
00(
ξ) ( x x
0)
2où min ( x
0,x )
ξmax ( x
0,x )
.En appliquant ce résultat à des points aléatoires ( x = W
tiet x
0= W
ti 1) ,
f (Wti) f (Wti 1) =f0(Wti 1) (Wti Wti 1) +1
2f00(ξi) (Wti Wti 1)2
où min ( W
ti 1,W
ti)
ξimax ( W
ti 1,W
ti)
.Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Idée de la démonstration II
Lemme d’Itô
f ( W
t) f ( W
0)
=
∑
n i=1( f ( W
ti) f ( W
ti 1))
=
∑
n i=1f
0( W
ti 1) ( W
tiW
ti 1) + 1 2
∑
n i=1f
00(
ξi) ( W
tiW
ti 1)
2En prenant la limite lorsque n !
∞de part et d’autre,
f ( W
t) f ( W
0) = lim
n!∞
∑
n i=1f
0( W
ti 1) ( W
tiW
ti 1) + 1
2 lim
n!∞
∑
n i=1f
00(
ξi) ( W
tiW
ti 1)
2.Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Idée de la démonstration III
Lemme d’Itô
L’objectif est de montrer que
n
lim
!∞∑
n i=1f
0( W
ti 1) ( W
tiW
ti 1) =
Z t 0
f
0( W
s) dW
set lim
n!∞
∑
n i=1f
00(
ξi) ( W
tiW
ti 1)
2=
Z t 0
f
00( W
s) ds.
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Idée de la démonstration IV
Lemme d’Itô
Premièrement,
Z t 0f
0( W
s) dW
s=
∑
n i=1Z ti
ti 1
f
0( W
s) dW
sce qui implique que
Z t0
f
0( W
s) dW
s∑
n i=1f
0( W
ti 1) ( W
tiW
ti 1)
=
∑
n i=1Z ti
ti 1
f
0( W
s) dW
s∑
n i=1Z ti
ti 1
f
0( W
ti 1) dW
t=
∑
n i=1Z ti
ti 1
f
0( W
s) f
0( W
ti 1) dW
sn!∞
! 0.
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Idée de la démonstration V
Lemme d’Itô
Deuxièmement,
Z t
0 f00(Ws)ds
∑
n i=1f00(ξi) (Wti Wti 1)2
=
∑
n i=1Z ti ti 1
f00(Ws)ds
∑
n i=1f00(ξi) (Wti Wti 1)2
=
∑
n i=1Z ti ti 1
f00(Ws) f00(ξi) ds
+
∑
n i=1Zti ti 1
f00(ξi)ds
∑
n i=1f00(ξi) (Wti Wti 1)2
=
∑
n i=1Z ti ti 1
f00(Ws) f00(ξi) ds
∑
n i=1f00(ξi) (Wti Wti 1)2 (ti ti 1)
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Idée de la démonstration VI
Lemme d’Itô
Le premier terme
∑ni=1R
titi 1
( f
00( W
s) f
00(
ξi)) ds converge vers zéro puisque
min ( W
ti 1,W
ti)
ξimax ( W
ti 1,W
ti) implique que
ξiW
s! 0. f
00étant continue, nous en déduisons que f
00(
ξi) f
00( W
s) ! 0.
Le second terme
∑ni=1
f
00(
ξi) ( W
tiW
ti 1)
2( t
it
i 1) tend aussi vers 0 puisque
Eh
( W
tiW
ti 1)
2( t
it
i 1)
i= 0
Varh( W
tiW
ti 1)
2( t
it
i 1)
i= ( t
it
i 1) ! 0.
Cette preuve n’est que grossièrement esquissée puisque nous avons omis de spéci…er certains détails techniques.
(ref. R. Durrett)
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Deuxième version I
Lemme d’Itô
La preuve donnée par K. Itô s’applique dans des situations beaucoup plus complexes que celle énoncée ci-dessus.
Voici une première généralisation :
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Deuxième version II
Lemme d’Itô
Theorem
Lemme d’Itô (deuxième version). Soit W , un mouvement brownien construit sur l’espace probabilisé …ltré (
Ω,F
,F,P) et f
:R[ 0,
∞) !
R, une fonction dont les dérivées partielles premières et deuxièmes existent et sont continues. Alors 8 0 t T ,
f ( W
t,t ) f ( W
0,0 )
=
Z t
0
∂f
∂t
( W
s,s ) + 1 2
∂2
f
∂w2
( W
s,s ) ds +
Z t 0
∂f
∂w
( W
s,s ) dW
sDans sa forme di¤érentielle, nous avons
df (Wt,t) = ∂f
∂t (Wt,t) +1 2
∂2f
∂w2 (Wt,t) dt+ ∂f
∂w (Wt,t) dWt.
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Exemple I
Le modèle de Black et Scholes
Le processus stochastique S = f S
t :0 t T g représente l’évolution du prix d’un titre risqué où
S
t= S
0exp
µ σ22 t +
σWt , µet
σétant des constantes et W représente un mouvement brownien standard.
Comme W
test de loi N ( 0, t ) ,
µ σ22 t +
σWtest de loi N
µ σ22 t,
σ2t
et S
test de loi lognormale.
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Exemple II
Le modèle de Black et Scholes
Un intermède : les moments d’une variable aléatoire de loi lognormale SiZ représente une variable aléatoire de loi normale centrée et réduite et si aetbsont des constantes alors
E[exp[b+aZ]] =exp b+a
2
2 . Donc siS(0) est indépendante du mouvement brownien,
E[S(t)] = E[S(0)]E exp µ σ2
2 t+σWt
= E[S(0)]exp[µt]
Eh
S2(t)i = Eh
S2(0)iE exp 2 µ σ2
2 t+2σWt
= Eh
S2(0)iexph
2µt+σ2ti
Var[S(t)] = Eh
S2(0)iexph
2µt+σ2ti
E2[S(0)]exp[2µt].
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Exemple III
Le modèle de Black et Scholes
Utilisant le lemme d’Itô, il est possible de montrer que le processus stochastique S dé…ni par
S
t= S
0exp
µ σ22 t +
σWtest une solution à l’équation intégrale
S
tS
0=
µ Z t0
S
udu +
σ Z t0
S
udW
u.Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Exemple IV
Le modèle de Black et Scholes
Rappel
S
t= S
0exp
µ σ22 t +
σWt .En e¤et, si f ( w
,t ) = S
0exp
hµ σ
2
2
t +
σwi ,alors
f(Wt,t) =Stf(W0,0) =S0
∂f
∂t (w,t) = µ σ
2
2 f (w,t)
∂f
∂w (w,t) =σf (w,t)
∂2f
∂w2 (w,t) =σ2f(w,t).
Introduction Lemme d’Itô Th fondamental du calcul Itô (version 1) Itô (version 2)
Exemple Processus d’Itô Variation quadratique Itô (version 3)
Exemple Itô (version 4) Taylor Solution d’une EDS Covariation quadratique Règle de multiplication
Exemple Itô multidimen- sionnel
Processus d’Itô Covariation quadratique Lemme d’Itô Exemple Solution des EDS
Exemple V
Le modèle de Black et Scholes
Ainsi,
St S0
= f(Wt,t) f(W0,0)
= Zt
0
∂f
∂w (Wu,u)dWu+ Zt
0
∂f
∂t (Wu,u) +1 2
∂2f
∂w2(Wu,u) du
= Zt
0 σf(Wu,u)dWu+ Z t
0 µ σ2
2 f (Wu,u) +1
2σ2f(Wu,u) du
= Zt
0 σf(Wu,u)dWu+ Z t
0 µf(Wu,u)du
= Zt
0 σSudWu+ Zt
0 µSudu.