ISFA Vincent Lerouvillois Processus stochastiques - M1 Actuariat lerouvillois@math.univ-lyon1.fr Semestre automne 2018-2019 math.univ-lyon1.fr/homes-www/lerouvillois/
TD n
o1
Martingales discrètes et temps d’arrêts
Exercice 1 : Exemples de martingales discrètes autour de marches aléatoires.
Soit (Y
n)
n≥1une suite de variables aléatoires i.i.d intégrables et d’espérance m = E [Y
1]. On note (F
n)
n∈Nla filtration naturelle des (Y
n)
n∈N. Soit la marche aléaoire (S
n)
n∈Ndéfinie par
S
0= a S
n= a +
n
X
i=1
Y
i, ∀n ≥ 1
1. Montrer que (S
n)
n∈Nest (F
n)-adapté.
2. (a) On suppose que m = 0. Montrer que (S
n)
n∈Nest une (F
n)
n∈N-martingale.
(b) On suppose maintenant que m > 0. Montrer que (S
n)
n∈Nest une (F
n)
n∈N-sous-martingale.
Donner la décomposition de Doob-Meyer de (S
n)
n∈N: S
n= M
n+ A
n, où (M
n)
n∈Nest une (F
n)
n∈N-martingale et (A
n)
n∈Nest un processus adapté croissant.
Indication : On pourra chercher une valeur λ ∈ R telle que M
n= S
n− λn soit une martingale.
3. À partir de maintenant, les Y
nont pour loi P (Y
n= 1) = P (Y
n= −1) = 1/2. Le processus stochastique (S
n)
n∈Nest dans ce cas appelé Marche Aléatoire Simple (MAS).
(a) Montrer que S
n2est une (F
n)-sous-martingale et que S
n2− n est une (F
n)-martingale.
Quelle est la décomposition de Doob-Meyer de (S
n2)
n∈N?
(b) Montrer que ∀λ ∈ R , ∃ξ ∈ R tel que (e
λSn−ξn)
n∈Nsoit une (F
n)-martingale.
Exercice 2 : Martingale de Doob
Soit X une variable aléatoire intégrable et soit (F
n)
n∈Nune filtration. On définit le processus (Y
n)
n∈Npar Y
n= E [X|F
n]. Montrez que (Y
n)
n∈Nest une martingale par rapport à (F
n)
n∈N. On l’appelle martingale de Doob de X.
Exercice 3 : Propriétés des temps d’arrêt
Soit (F
n)
n∈Nune filtration et soient S et T deux temps d’arrêt discrets par rapport à cette filtration.
1. Montrez que S ∧ T = min(S, T ), S ∨ T = max(S, T ) et S + T sont aussi des temps d’arrêt.
2. Montrez que, si S ≤ T , on a F
S⊂ F
T.
1
3. * Soit (X
n)
n∈Nun processus adapté à (F
n)
n∈N. Montrez que la variable Y
T= 1
T <∞X
Test F
T-mesurable.
Exercice 4 : Temps d’arrêts et marche aléatoire.
Soit (S
n)
n∈Nla marche aléatoire simple issue de 0 définie par S
0= 0 et S
n= P
ni=1
Y
isi n ≥ 1 où les (Y
n)
n∈Nsont des v.a i.i.d de loi P (Y
n= 1) = P (Y
n= −1) = 1/2. On note (F
n)
n∈Nla filtration naturelle des (Y
n)
n∈N. Dire dans chaque cas si les variables aléatoires suivantes sont des temps d’arrêts.
1. τ = inf {n ≥ 1, S
n= 0}.
2. T = max{n ∈ {0, ..., 4}, S
n= 0}.
Exercice 5 : Martingale et processus prévisible
Soit (F
n)
n∈Nune filtration et soit (H
n)
n∈N∗un processus prévisible qui signifie, par définition, que pour tout n ∈ N
∗, H
nest mesurable par rapport à F
n−1. Soit (M
n)
n∈Nune martingale par rapport à (F
n)
n∈N. On suppose que pour tout n, H
nest borné et on définit le processus (N
n)
n∈Nde la manière suivante : N
0= 0 et
N
n=
n
X
k=1