M2IF Evry
Monique Jeanblanc Universit´e d’EVRY
Mars 2009
Contents
1 Rappels 7
1.1 Tribu . . . 7
1.2 Variables gaussiennes . . . 8
1.3 Esp´erance conditionnelle . . . 9
1.4 Martingales . . . 11
1.5 Temps d’arrˆet . . . 12
1.6 Changement de probabilit´e . . . 13
1.7 Alg`ebre b´eta-Gamma . . . 13
1.8 Divers . . . 14
2 Mouvement Brownien 15 2.1 Propri´et´es ´el´ementaires . . . 15
2.2 Processus Gaussiens . . . 17
2.3 Brownien Multidimensionnel . . . 18
2.4 Temps d’atteinte . . . 19
2.5 Scaling . . . 22
2.6 Compl´ements . . . 22
2.7 Finance . . . 24
2.8 Probl`eme . . . 24
2.8.1 Partie I : R´esultats pr´eliminaires . . . 24
2.8.2 Partie II . . . 25
2.8.3 Partie III . . . 26
3 Int´egrale d’Itˆo 29 3.1 Int´egrale de Wiener . . . 30
3.2 Formule d’Itˆo . . . 31
3.3 Cas multidimensionnel . . . 36
3.4 Compl´ements . . . 37
3.5 Brownien g´eom´etrique et extensions. . . 38
3.6 Le crochet . . . 39
3.7 Finance . . . 40 3
4 Exemples 45
4.1 Processus de Bessel . . . 45
4.2 Processus de Bessel carr´e . . . 46
4.3 Autres processus. . . 49
4.4 Des calculs . . . 50
5 Equations diff´erentielles stochastiques 51 5.1 Equation lin´eaire . . . 51
5.2 Processus affines . . . 55
5.3 Autres ´equations . . . 55
5.4 Finance . . . 56
5.5 Equations diff´erentielles . . . 57
6 Girsanov 59 6.1 R´esultats ´el´ementaires. . . 59
6.2 Crochet. . . 61
6.3 Processus. . . 61
6.4 Cas multidimensionel . . . 65
6.5 Temps d’arrˆet. . . 66
6.6 Finance . . . 68
7 Compl´ements 75 7.1 Th´eor`eme de L´evy. . . 75
7.2 Equations r´etrogrades . . . 76
7.3 Th´eor`emes de repr´esentation . . . 78
7.4 Temps local. . . 79
7.5 Lois . . . 80
7.6 Filtrations . . . 81
7.7 Options barri`eres . . . 82
7.8 M´eandres, ponts, excursions . . . 82
7.9 Divers . . . 82
8 Processus `a sauts 85 8.1 Processus de Poisson . . . 85
8.2 Poisson compos´e . . . 86
8.3 Formule d’Itˆo . . . 87
8.4 Temps de D´efaut . . . 88
8.5 March´e complets, incomplets . . . 88
1 Rappels, Corrig´es 91 1.1 Tribu . . . 91
1.2 Variables gaussiennes. . . 92
1.3 Esp´erance conditionnelle . . . 94
1.4 Martingales . . . 96
1.5 Temps d’arrˆet . . . 97
1.6 Temps discret . . . 98
1.7 Alg`ebre b´eta-gamma . . . 98
1.8 Divers . . . 98
2 Mouvement Brownien, Corrig´es 101 2.1 Propri´et´es ´el´ementaires . . . 101
2.2 Processus Gaussien . . . 105
2.3 Multidimensionnel . . . 107
2.4 Temps d’atteinte . . . 107
2.5 Scaling . . . 109
2.6 Compl´ements . . . 109
2.7 Finance . . . 111
3 Int´egrale d’Itˆo, Corrig´es 113 3.1 Int´egrale de Wiener . . . 113
3.2 Formule d’Itˆo . . . 114
3.3 Cas multidimensionnel . . . 118
3.4 Compl´ements . . . 118
3.5 Brownien g´eom´etrique et extensions . . . 119
3.6 Le crochet . . . 122
3.7 Finance . . . 122
4 Exemples, Corrig´es 125 4.1 Processus de Bessel . . . 125
4.2 Processus de Bessel carr´e . . . 126
4.3 Autres processus . . . 127
4.4 Des Calculs . . . 127
5 Equations diff´erentielles stochastiques, Corrig´es 129 5.1 Equation Lin´eaire . . . 129
5.2 Processus affines . . . 132
5.3 Finance . . . 132
5.4 Equations diff´erentielles . . . 134
6 Girsanov, Corrig´es 135 6.1 R´esultats ´el´ementaires . . . 135
6.2 Crochet . . . 135
6.3 Processus . . . 136
6.4 Cas multidimensionnel . . . 138
6.5 Temps d’arrˆet . . . 138
6.6 Finance . . . 139
7 Compl´ements, Corrig´es 141 7.1 Th´eor`eme de L´evy. . . 141
7.2 Equations r´etrogrades . . . 141
7.3 Th´eor`emes de repr´esentation . . . 142
7.4 Temps local. . . 142
7.5 Lois . . . 143
7.6 Filtrations . . . 144
7.7 Options barri`eres . . . 144
7.8 M´eandres, ponts, excursions . . . 145
8 Sauts, Corrig´es. 149 8.1 Processus de Poisson . . . 149
8.2 Poisson compos´e . . . 150
8.3 March´e complets, incomplets . . . 152
Chapter 1
Rappels
1.1 Tribu
Exercice 1.1.1 Ensembles appartenant `a une tribu.
1. Montrer que siF est une tribu, et siAetB appartiennent `aF avecA⊂B, alorsB−A∈ F o`u B−Aest l’ensemble des ´el´ements deB qui ne sont pas dansA.
2. Montrer que siC et Dappartiennent `aF, alorsC∆Ddef= {C∩Dc} ∪ {Cc∩D}appartient `a F.
Exercice 1.1.2 Exemples de tribus.
1. D´ecrire la tribu engendr´ee par un ensembleA.
2. D´ecrire la tribu engendr´ee par deux ensemblesAet B disjoints.
Exercice 1.1.3 Fonctions indicatrices.
On note 11Ala v.a. qui vaut 1 pourω∈Aet 0 sinon.
1. Montrer que 11A∩B= 11A11B.
2. Montrer que, siA∩B=∅, on a 11A∪B= 11A+ 11B. 3. Montrer que 11B−A= 11B−11A.
4. Montrer que 11A∪B= 11A+ 11B−11A∩B. Exercice 1.1.4 Union et intersection.
SoitF1et F2 deux tribus. Montrer queF1∩ F2 est une tribu. Montrer qu’en g´en´eralF1∪ F2 n’est pas une tribu.
Exercice 1.1.5 Tribu grossie par un ensemble.
SoitF une tribu etAn’appartenant pas `a F. Montrer que la tribu engendr´ee parF et A(c’est-`a- dire la plus petite tribu contenantF et A) est compos´ee des ensembles B tels que il existeC et D appartenant `aF v´erifiantB= (C∩A)∪(D∩Ac).
Exercice 1.1.6 Tribu engendr´ee par une v.a.
SoitX une v.a. sur un espace (Ω,G). La tribu engendr´ee parX, not´eeσ(X), est la plus petite sous tribuF telle queX soit mesurable de (Ω,F) dans (R,B). Elle est engendr´ee parC={F ⊂Ω,|F = X−1(B), B∈ B). Montrer queCest une tribu. V´erifier que siY =h(X) avechbor´elienne, alorsY estσ(X) mesurable. On admettra que la r´eciproque est vraie.
7
Exercice 1.1.7 Lois de v.a.
Soit (X, Y) un couple de variables ind´ependantes et (Z, T) deux variables ind´ependantes telles que X loi=Z et Y loi=T.
1. Soitf une fonction bor´elienne (born´ee) deRdansR. ComparerE(f(X)) etE(f(Z)).
2. Soithune fonction bor´elienne (born´ee) deR2dansR. ComparerE(h(X, Y)) etE(h(Z, T)).
1.2 Variables gaussiennes
On note N la fonction de r´epartition de la loi gaussienne standard: N(x) = √12πRx
−∞e−u2/2du et N(m, σ2) la loi d’ une v.a. gausienne d’esp´erancemet de varianceσ2.
Exercice 1.2.1 Moments.
SoitX une v.a.r. de loi N(0, σ2).
1. CalculerE(X3),E(X4),E(|X|) etE(|X3|).
2. CalculerE(exp{λX2+µX}) pour 1−2λσ2≥0.
3. Montrer queE(exp12a2X2)) =E(exp(aXY)) o`uY est ind´ependante deX et de mˆeme loi.
Exercice 1.2.2 Somme de variables gaussiennes ind´ependantes.
SoitX et Y deux v.a. gaussiennes ind´ependantes. Montrer queX+Y est une variable gaussienne.
Pr´ecisez sa loi.
Exercice 1.2.3 Transform´ee de Laplace.
SoitX une v.a.r. de loi N(m, σ2).
1. Quelle est la loi de X−mσ ? CalculerE|X−m|.
2. Montrer queE(eλX) = exp(λm+12λ2σ2). CalculerE(XeλX).
3. Dans le cas o`uX est v.a. gaussienne standard montrer queE(expa22X2) =E(expaXX0) avec X et X0 i.i.d.
4. Soit Φ(x) =√12π Z x
−∞
e−y22 dy. Calculer, dans le casm= 0 etσ= 1 la valeur deE(11X≤bexpλX) en fonction de (Φ, λ, b).
5. Montrer queE(eθXf(X)) =emθ+σ2θ2/2E(f(X+θσ2) pourf continue born´ee.
6. Montrer que, sif est ”r´eguli`ere”E(f(X)(X−m)) =σ2E(f0(X)).
Exercice 1.2.4 Convergence.
Soit (Xn, n≥1) une suite de v.a. gaussiennes qui converge dansL2versX. Quelle est la loi deX?
Exercice 1.2.5 Vecteur gaussien. SoitX un vecteur gaussien `a valeurs dansRnetAune matrice (p, n). Montrer queAX est un vecteur gaussien. Pr´eciser son esp´erance et sa variance.
Exercice 1.2.6 Vecteur Gaussien. Soit (X, Y) un vecteur gaussien centr´e tel queE(XY) = 0.
Montrer queX etY sont ind´ependantes.
Exercice 1.2.7 Projection.(*)
Rappel : projection dansL2: SoitAun sous espace deL2(Ω) engendr´e par les variables al´eatoires Y1, . . . , Yn, c’est-`a-dire siZ ∈ A, il existe (ai) r´eels tels queZ=P
iaiYi. SoitX ∈L2. On appelle projection deX surAl’unique ´el´ementP rX deAtel que
E( (X−P rX)Z) = 0,∀Z∈ A
Soit (X1, X2, . . . , Xd, Y1, . . . , Yn) un vecteur gaussien centr´e dans Rd+n. Montrer que X = (X1, X2, . . . , Xd) etY = (Y1, . . . , Yn) sont deux vecteurs gaussiens centr´es.
On supposed= 1. Montrer que P rX est une v.a. gaussienne σ(Y) mesurable, telle queX−P rX etY sont ind´ependantes.
Exercice 1.2.8 Caract´erisation de vecteur gaussien. Soit (X, Y) deux v.a.r. telles que Y est gaussienne et la loi conditionnelle deX `a Y est gaussienne de moyenne aY +b et de variance ind´ependante deY, c’est-`a-dire queE(exp(λX)|Y =y) = exp(λ(ay+b) + λ2
2 σ2). Montrer que le couple (X, Y) est gaussien.
1.3 Esp´ erance conditionnelle
On travaille sur un espace (Ω,F,P) muni d’une sous-tribu deF not´eeG.
Exercice 1.3.1 Montrer que, si X et Y sont born´ees
E(YE(X|G)) =E(XE(Y|G))
Montrer que siX estG-mesurable etY est ind´ependante deG, pour toute fonction bor´elienne born´ee Φ,
E(Φ(X, Y)|F) = Ψ(X) o`u Ψ(x) =E(Φ(x, Y)).
Exercice 1.3.2 Montrer que siX ∈L2,E(X|G) =Y et E(X2|G) =Y2 alorsX =Y.
Exercice 1.3.3 Soit (X, Y) ind´ependantes,Xstrictement positive etZ=XY. CalculerE(11Z≤t|X) en utilisant la fonction de r´epartition deY.
Exercice 1.3.4 Soit (X, Y) ind´ependantes, ´equidristibu´ees etM = max(X, Y). CalculerE(11X≤t|M).
Exercice 1.3.5 Conditionnement et ind´ependance.
SoitX, Y deux v.a. telles que la v.a. X−Y est ind´ependante de G, d’esp´erancem et de variance σ2. On suppose que Y est G-mesurable. Calculer E(X −Y| G). En d´eduire E(X| G). Calculer E( (X−Y)2| G). En d´eduireE(X2| G).
Exercice 1.3.6 Vecteur gaussien (*)Suite de l’exercice 1.2.7
Soit (X, Y1, . . . , Yn) un vecteur gaussien centr´e dansR1+n. Montrer queE(X|Y) =P rX. On supposen= 1. Montrer queE(X|Y) =αY. D´eterminerα.
Exercice 1.3.7 Soit X = X1+X2. On suppose que X1 est ind´ependante de G, que X2 est G mesurable et queX1 est gaussienne.
1. CalculerE(X|G) et var (X|G).
2. CalculerE(eλX|G).
Exercice 1.3.8 Covariance conditionnelle. SoitZ1, Z2deux variables al´eatoires de carr´e int´egrable.
On d´efinit
Cov(Z1, Z2|G) =E(Z1Z2|G)−E(Z1|G)E(Z2|G). Montrer que
Cov(Z1, Z2|G) =E[ (Z1−E(Z1|G))Z2|G].
Exercice 1.3.9 Tribu grossie.
Soit A /∈ G et A∈ F et X une v.a. int´egrable. On note Hla tribu engendr´ee par G et A. (Voir exercice 1.1.5). On admettra que les v.a. Z qui sontH mesurables s’´ecriventZ =Y111A+Y211Ac, o`u les v.a. Yi sontG-mesurables. Montrer que
E(X|H) = E(X11A|G)
E(11A|G) 11A+E(X11Ac|G) E(11Ac|G) 11Ac
Exercice 1.3.10 Lin´earit´e. SoitZ=αY+β, avecα6= 0. Montrer queE(aX+b|Z) =aE(X|Y)+b.
Exercice 1.3.11 Grossissement progressif SoitFune tribu. On consid`ere la tribuGengendr´ee parτ∧1 o`uτ est une v.a. `a valeurs dansR+.
1. Montrer que toute v.a. G mesurable s’´ecrith(τ∧1) o`u hest bor´elienne.
2. Montrer que, siX est une v.a. F mesurable, E(X|G)111≤τ =A111≤τ o`uA est une constante.
Montrer queA=E(X111≤τ)/P(1≤τ).
Exercice 1.3.12 Conditionnement et ind´ependance 1. SoitG1etG2deuxσ-alg`ebres ind´ependantes, G=G1∨G2et (Xi, i= 1,2) deux variables al´eatoires born´ees telles queXiestGimesurable. Montrer queE(X1X2|G) =E(X1|G1)E(X2|G2).
Exercice 1.3.13 Conditionnement et ind´ependance 2. Montrer que siGest ind´ependante de σ(X)∨ F,E(X|G ∨ F) =E(X|F).
Exercice 1.3.14 Formule de Bayes. Soit dQ = LdP sur (Ω,F) et G une sous-tribu de F.
Montrer que
EQ(X|G) = 1
EP(Z|G)EP(ZX|G). Montrer que
EQ(X|G) =EP(X|G),∀X ∈ F si et seulement siLest Gmesurable.
Exercice 1.3.15 Soitf et gdeux densit´es strictement positives surR. SoitX une v.a. de densit´e f sur un espace (Ω,P). Montrer qu’il existe une probabilit´eQ sur cet espace telle queX soit de densit´eg.
Exercice 1.3.16 Ind´ependance conditionnelleSoit (Ft) et (Gt) deux filtrations.
1. Montrer que les propri´et´es suivantes sont ´equivalentes.
(H1)pour toutt, les tribusF∞etGtsont conditionellement ind´ependantes par rapport `aFt. (H2) ∀F ∈ F∞,∀Gt∈ Gt,E(F Gt|Ft) =E(F|Ft)E(Gt|Ft)
(H3) ∀t,∀Gt∈ Gt,E(Gt|F∞) =E(Gt|Ft) (H4) ∀t,∀F ∈ F∞,E(F|Gt) =E(F|Ft).
2. SoitFetGdeux filtrations telles queFt⊂ Gt. Montrer que (H) TouteF-martingale de carr´e int´egrableest uneG-martingale
´equivaut `a (H1).
3. Dans le casGt=Ft∨σ(t∧τ) o`uτ est un temps al´eatoire, montrer que (H1) ´equivaut `a (H5)∀s≤t,P(τ≤s|F∞) =P(τ≤s|Ft).
1.4 Martingales
L’espace Ω est muni d’une filtration (Ft).
Un processusM est une martingale si - pour toutt,Mtest int´egrable;
- pour toutt > s,E(Mt|Fs) =Ms,p.s.
On dit queM est une surmartingale si -Mt est adapt´e, int´egrable;
-E(Mt|Fs)≤Ms, ∀s≤t.
Le processusM est une sousmartingale si−M est une surmartingale.
Exercice 1.4.1 Exemple de base. SoitX une v.a. int´egrable. Montrer que (E(X|Ft), t≥0) est une martingale.
Exercice 1.4.2 Surmartingale.
1. Montrer que siM est une martingale etAun processus croissant adapt´e (As≤At, ∀s≤t) alorsM−Aest une surmartingale.
2. SoitM une martingale. Que peut-on dire deM2?
3. SoitM une martingale telle queE(M∞2)<∞. Montrer que suptE(Mt2)<∞.
4. Montrer qu’une surmartingale telle queE(ZT) =E(Z0) est une martingale sur [0, T].
Exercice 1.4.3 Martingale locale. Montrer qu’une martingale locale positive est une surmartin- gale.
Exercice 1.4.4 Martingale en fonction de la valeur terminale. SoitX une martingale telle queXT =ζ. ExprimerXten fonction deζ pourt < T au moyen d’une esp´erance conditionnelle.
Exercice 1.4.5 Un lemme. On trouve dans la litt´erature (Duffie) le lemme suivant:
Lemma: Letφ be an adapted bounded process. Then (Yt = Mt− Z t
0
φsds,0 ≤t ≤ T) for some martingaleM if and only if
Yt=E[
Z T
t
φsds+YT|Ft] Donner une d´emonstration de ce lemme.
Exercice 1.4.6 Martingale de carr´e int´egrable. Soit (Mt, t≥ 0) une Ft-martingale de carr´e int´egrable (telle queMt2 soit d’esp´erance finie, pour toutt). Montrer que
1. E((Mt−Ms)2|Fs) =E(Mt2|Fs)−Ms2 pourt > s.
2. E((Mt−Ms)2) =E(Mt2)−E(Ms2) pourt > s.
3. La fonction Φ d´efinie par Φ(t) =E(Mt2) est croissante.
Exercice 1.4.7 Projection de martingale. Montrer que siM est uneFt-martingale, c’est aussi une martingale par rapport `a sa propre filtration Gt =σ(Ms, s≤t). SoitHt ⊂ Ft. Montrer que Yt=E(Mt|Ht) est uneHt-martingale.
Exercice 1.4.8 Une sousmartingale. Soit τ une v.a. positive. Montrer queZt =P(τ ≤t|Ft) est une sousmartingale.
Exercice 1.4.9 Processus `a accroissements ind´ependants. SoitX un PAI (processus `a ac- croissements ind´ependants, c’est-`a-dire tel que, pour t > s, la v.a. Xt−Xs est ind´ependante de σ(Xu, u≤s)). Montrer que, si, pour toutt, la v.a. Xt est int´egrable,X est une martingale et que siX est de carr´e int´egrable,Xt2−E(Xt2) est une martingale. Montrer que, sieλXt est int´egrable,
Zt= eλXt E(eλXt) est une martingale.
Exercice 1.4.10 SoitM une martingale positive continue uniform´ement int´egrable etτ = inf{t : Mt= 0}. Montrer queM est nulle surt > τ.
Exercice 1.4.11 SoitX un processusF-adapt´e, positif `a trajectoires continues et G⊂F. Montrer queE(Rt
0Xsds|Gt)−Rt
0E(Xs|Gs)dsest uneG-martingale.
1.5 Temps d’arrˆ et
Exercice 1.5.1 Tribu associ´ee `a un temps d’arrˆet. Soitτ un temps d’arrˆet. Montrer queFτ
est une tribu.
Exercice 1.5.2 Soit T un temps d’arrˆet et X une variable al´eatoire appartenant `a FT, v´erifiant X ≥T. Montrer queX est un temps d’arrˆet.
Exercice 1.5.3 Exemple de processus adapt´e. SoitT un temps d’arrˆet. Montrer que le pro- cessusXt= 11]0,T](t) est adapt´e.
Exercice 1.5.4 Comparaison de tribus. SoitSetT deux temps d’arrˆet tels queS≤T. Montrer queFS ⊂ FT.
Exercice 1.5.5 Propri´et´e de mesurabilit´e. SoitS un temps d’arrˆet. Montrer que S est FS- mesurable.
Exercice 1.5.6 SoitS et T deux temps d’arrˆet. Montrer que {S ≤T},{T ≤S}appartiennent `a FS.
Exercice 1.5.7 Exemple de processus c`adl`ag. SoitS et T deux temps d’arrˆet tels queS < T. Montrer que le processusZt= 11[S,T[(t) (´egal `a 1 siS≤t < T et `a 0 sinon) est un processus c`adl`ag.
Exercice 1.5.8 Exemple trivial de temps d’arrˆet. Montrer qu’une constante τ est un temps d’arrˆet. Quelle est dans ce cas la tribuFτ?
Exercice 1.5.9 Op´erations sur les temps d’arrˆet. Montrer que l’inf (resp. le sup) de deux temps d’arrˆet est un temps d’arrˆet.
Exercice 1.5.10 Caract´erisation de martingale.
1. Soits < t, A∈ Fset T =t11Ac+s11A. Montrer queT est un temps d’arrˆet.
2. Montrer que si E(XT) = E(X0) pour tout temps d’arrˆet T, alors le processus X est une martingale.
Exercice 1.5.11 Th´eor`eme d’arrˆet. Soit M une martingale continue telle que M0 = a et limt→∞Mt= 0. Montrer que supMtloi
= a
U o`uU est une v.a. de loi uniforme sur [0,1].
1.6 Changement de probabilit´ e
Ce th`eme sera central en vue d’application `a la finance.
Deux probabilit´es Pet Qd´efinies sur le mˆeme espace (Ω,F) sont dites ´equivalentes si elles ont mˆemes ensembles n´egligeables, c’est `a dire si
P(A) = 0⇐⇒Q(A) = 0.
On admet le r´esultat: Si P et Qsont ´equivalentes, il existe une variable Y, strictement positive, F-mesurable, d’esp´erance 1 sousPappel´ee densit´e de Radon-Nikodym telle quedQ=Y dPou encore Q(A) =R
AY dP. On ´ecrit ´egalement cette relation sous la forme dQ
dP =Y. R´eciproquement, si Y est une v.a. strictement positive,F-mesurable, d’esp´erance 1 sousP, la relationEQ(Z) = EP(ZY) d´efinit une probabilit´eQ´equivalente `aP. Elle est facile `a m´emoriser par la r`egle de calcul formel suivante:
EQ(Z) = Z
ZdQ= Z
ZdQ dPdP =
Z
ZY dP=EP(ZY) On a aussi dP
dQ = 1 Y.
Exercice 1.6.1 Montrer que si P est une probabilit´e et Z une v.a., telle que l’´egalit´e dQ=ZdP (soitQ(A) =EP(Z11A)) d´efinit une probabilit´e, alorsEP(Z) = 1 etP(Z <0) = 0.
Exercice 1.6.2 1. SoitU une variable de Bernoulli sous Pd´efinie par P(U = 0) = 1−p, P(U = 1) =p.
Soit Y la variable d´efinie par Y = λU +µ(1−U). Dans quels cas cette variable est elle d’esp´erance 1? SoitdQ=Y dP, CalculerQ(U = 1). Quelle est la loi deU sousQ?
2. SoitX est une v.a. de loiN(m, σ2) sousPet soitY = exp{h(X−m)−12h2σ2}. SoitdQ=Y dP.
CalculerEQ{exp(λX)}) =EP{Yexp(λX)}. En d´eduire la loi deX sousQ(utiliser l’exercice 1.2.1.
3. SoitX est un vecteur gaussien sousPetU une variable telle que le vecteur (X, U) soit gaussien.
On pose dQ=Y dPavec Y = exp(U −EP(U)−1
2VarPU). Montrer queX est gaussien sous Q, de mˆeme covariance que sousP.
1.7 Alg` ebre b´ eta-Gamma
Exercice 1.7.1 Loi Arc sinus Une variable al´eatoire A a une loi Arc Sinus si sa densit´e est
√1 π
√ 1
1−t11t∈[0,1]. Montrer que cos2(Θ)loi=A si Θ est uniforme sur [0,2π].
SoitN etN0 deux variablesN(0,1) ind´ependantes. Montrer que N2 N2+N02
loi=A.
SoitC= N
N0. Montrer queC a une loi de Cauchy et que 1
1 +C2 a une loi Arc sinus.
1.8 Divers
Exercice 1.8.1 SoitX un processus atMt= sup0≤s≤tXs. On noteτ une v.a. de loi exponentielle de param`etre θind´ependante deX. Montrer que
E(exp(−λMτ)) = 1−λE Z ∞
0
due−λue−θTu
o`uTu= inf{t : Xt≥u}.
Exercice 1.8.2 Transform´ee de Laplace et ind´ependance. SoitXetY deux v.a. ind´ependantes.
Justifier que E(eλ(X+Y)) =E(eλX)E(eλY). La r´eciproque est-elle vraie?
Exercice 1.8.3 Transform´ee de Laplace et moments. SoitX et Y deux v.a. born´ees telles queE(eλX)=E(eλY) pour toutλ. Montrer queX etY ont mˆeme moments.
Exercice 1.8.4 Markov. SoitX un processus de Markov fort etTa = inf{t : Xt=a}. Montrer que, pourt < T
P(XT ∈dx|Xt=a) =P(XT ∈dx|Ta =t).
Exercice 1.8.5 Propri´et´e de Markov Soit B un mouvement Brownien et f une fonction. On noteTf = inf{t : Bt=f(t)}.Montrer que
P(Bt≥f(s)|Tf =s) =1 211s<t. Si f est croissante, montrer queP(Tf ≤t) = 2P(Bt≥f(Tf)).
Chapter 2
Mouvement Brownien
Dans tout ce qui suit, (Bt, t≥0) est un mouvement Brownien r´eel (un processus `a accroissements ind´ependants issu de 0, tel que pourt > s,Bt−Bsest une v.a. gaussienne centr´e de variancet−s) et on noteF= (Ft, t≥0) sa filtration naturelle.
Dans certains exercices, il sera pr´ecis´e queB est issu dex.
On rappelle que siXest un processus continu issu de 0, c’est un mouvement Brownien si et seulement siX et (Xt2−t, t≥0) sont des martingales.
Le mouvement Brownien est un processus de Markov fort: pour tout temps d’arrˆetτ fini E(f(Bt+τ|Fτ) =E(f(Bt+τ|Bτ).
2.1 Propri´ et´ es ´ el´ ementaires
Exercice 2.1.1 Caract´erisation. Montrer qu’un processusX est un mouvement Brownien si et seulement si
a. Pour toutt0< t1· · ·< tn, le vecteur (Xt0, Xt1, . . . , Xtn) est un vecteur gaussien centr´e b. E(XtXs) =s∧t
c. X0= 0
Exercice 2.1.2 Caract´erisation 2. Montrer qu’un processus continu X est une mouvement Brownien si et seulement si, pour toutλle processus exp(λXt−12λ2t) est une martingale.
Exercice 2.1.3 Calcul d’esp´erances.
1. Calculer pour tout couple (s, t) les quantit´esE(BsBt2),E(Bt|Fs),E(Bt|Bs) et E(eλBt|Fs).
2. CalculerE(Rt
0Budu|Fs) avect > set E(Rt
0Budu|Bs)
3. On a vu, dans Exercice 1.2.1, que siZ est une v.a. gaussienne centr´ee de variance σ2, on a E(Z4) = 3σ4. CalculerE(B2tBs2).
4. Quelle est la loi deBt+Bs?
5. Soit θs une variable al´eatoire born´ee Fs-mesurable. Calculer pour t ≥s, E(θs(Bt−Bs)) et E[θs(Bt−Bs)2].
6. CalculerE(11Bt≤a) etE(Bt11Bt≤a).
7. CalculerE(Rt
0exp(Bs)ds) et E(exp(αBt)Rt
0exp(γBs)ds).
8. CalculerE(eBt|Fs) etE((aeBt−b)+|Fs).
15
Exercice 2.1.4 Lois. Montrer queE(f(Bt)) =E(f(G√
u+Bt−u)) avec Gv.a. ind´ependante de Bt−u et de loi gaussienne centr´e r´eduite. En d´eduire le calcul deE(f(Bt)|Fs).
Exercice 2.1.5 Soit Θ une variable al´eatoire de loi exponentielle de param`etreθ(soitP(Θ∈dx) = θe−θx11x>0dx) ind´ependante deB. Quelle est la loi deBΘ?
Exercice 2.1.6 Des martingales. Parmi les processus suivants, quels sont ceux qui sont des martingales. (On pourra utiliser, sans d´emonstration, que E[
Z t
0
Budu|Fs] = Z t
0
E[Bu|Fs]du.) 1. Mt=B3t−3Rt
0Bsds.
2. Zt=Bt3−3tBt. 3. Xt=tBt−Rt
0Bsds.
4. Ut= sinBt+1 2
Z t
0
sin(Bs)ds.
5. Yt=t2Bt−2Rt
0Bsds.
Exercice 2.1.7 Exponentielle de Brownien. CalculerE(ex+Bt) et E(sin(x+Bt)) en utilisant E(f(x+Bt)) =f(x) +1
2 Z t
0
E(f00(x+Bs))ds .
Exercice 2.1.8 Changement de temps. Soit Zt = BA(t) o`u A est une fonction d´eterministe continue strictement croissante.
1. Calculer l’esp´erance et la variance deZt. Ce processus est-il une martingale par rapport `aF?.
2. On d´efinitGt=FA(t). Montrer queZ est uneG-martingale.
3. D´eterminer le processus croissantC tel que (Zt)2−Ct soit uneG-martingale.
4. Soit un processusM tel queM est une martingale et il existeA, fonction d´eterministe continue strictement croissante telle queMt2−A(t) est une martingale. On noteCl’inverse deA, c’est-
`a-dire la fonction telle queC(A(t)) =t. Montrer queWt=MC(t)est un mouvement Brownien.
Exercice 2.1.9 Calcul d’esp´erance. Comment calculerEx(f(Bt)g(Bs))?
Exercice 2.1.10 Calculer
E((λ Z 1
0
duBu+µB1)2)
Exercice 2.1.11 Calcul de transform´ee de Laplace. CalculerEx exp(−λWt2) . Exercice 2.1.12 Comportement limite.
1. Montrer que limt→∞Bt
t = 0
2. Montrer que limt→∞Px(Bt<0) = 1/2. En d´eduire que pour tout x >0, siT0= inf{t:Bt= 0}, on aPx(T0<∞)≥1/2. (En fait, on peut montrer queT0 est fini ps.)
Exercice 2.1.13 Montrer que l’int´egrale Z 1
0
Bs
s dsest convergente.
Exercice 2.1.14 Tribu triviale. On admettra qu’un ensemble appartenant `a la filtrationF0=F0+ a pour probabilit´e 0 ou 1.
Siτ= inf{t≥0 : Bt>0}, montrer queP(τ≤t)≥ 1
2. En d´eduire queP(τ= 0) = 1.
Exercice 2.1.15 Applications de la propri´et´e de Markov. Montrer que Ex
Z t
0
h(r, Br)dr|Fs
= Z s
0
h(r, Br)dr+EBs
Z t−s
0
h(s+u, Bu)du
Exercice 2.1.16 Soit τ un temps d’arrˆet, λ > 0 et u une fonction continue born´ee. On pose g(x) = Ex
Z τ
0
e−λtu(Bt)dt
et f(x) = Ex
Z ∞
0
e−λtu(Bt)dt
o`u comme d’habitude l’indice x pr´ecise que le Brownien est issu dex.
1. Montrer queg etf sont d´efinies.
2. Montrer que
Ex
Z ∞
τ
e−λtu(Bt)dt
=Ex 11τ <∞e−λτf(Bτ) . 3. Montrer que siτ=T0, alorsg(x) =f(x)−f(0)ϕ(x) o`u on expliciteraϕ.
Exercice 2.1.17 Polynˆomes d’Hermite. Les polynˆomes d’HermiteHksont d´efinis pareαx−α22 = Xαk
k!Hk(x). Montrer qu’il existeHk(x, t), polynˆomes en les deux variables (t, x) tels queeαx−α22t= Xαk
k!Hk(x, t). En d´eduire la valeur de E(Bkt|Fs).
Exercice 2.1.18 Des gaussiennes. SoitSt= exp(µt+σBt). Calculer l’esp´erance et la variance de
Z T
0
Stdtet Z T
0
lnStdt. Ces variables sont-elles gaussiennes?
Exercice 2.1.19 Zeros. Montrer que
P(Bu6= 0, ∀u∈]s, t[) = 2 πarcsin
rs t
Exercice 2.1.20 Filtration. SoitGt=Ft∨σ(B1). V´erifier queB n’est pas uneG-martingale.
2.2 Processus Gaussiens
Exercice 2.2.1 Montrer que le processusYt= Z t
0
Buduest gaussien. Calculer son esp´erance et sa covariance.
Exercice 2.2.2 Expliciter la solution de
dXt=−aXtdt+ebtdBt
CalculerE(Xt) etV ar(Xt).
Exercice 2.2.3 Non-existence de processus. Montrer qu’il n’existe pas de processus ”r´egulier”
X tel que∀(s, t), s6=t,les variablesXtetXssoient ind´ependantes, centr´ees gausssiennes, etE(Xt2) localement born´e. On consid´erera
Z t
0
Xsds et on montrera que ce processus serait Gaussien, on calculera son esp´erance et sa variance.
Exercice 2.2.4 Le pont Brownien. On d´efinit un pont Brownien par Zt=Bt−tB1,0≤t≤1.
1. Montrer queZ est un processus gaussien ind´ependant de B1. Pr´eciser sa loi, c’est-`a-dire sa moyenne et sa fonction de covariance.
2. Montrer que le processus ˜Z avec ˜Zt=Z1−ta mˆeme loi queZ.
3. Montrer que le processusY avecYt= (1−t)B t
1−t,0< t <1 a mˆeme loi queZ.
4. Montrer que (Ztloi
= (Bt|B1= 0)).
Exercice 2.2.5 Un exemple surprenant. Montrer que Zt = Bt− Z t
0
Bs
s ds est un processus gaussien. Calculer sa variance et sa covariance. En d´eduire que Z est un mouvement Brownien.
Montrer queZ n’est pas uneFB-martingale, o`uFB est la filtration naturelle deB.
Exercice 2.2.6 Pont. Soit B un MB et Γt l’espace Gaussien engendr´e par (Bu−u
tBt, u ≤ t).
Montrer que Γt est croissant en t. Montrer que Γ(Bu, u ≤ t) = Γt⊕Γ(Bt) o`u Γ(G) est l’espace engendr´e parG.
Exercice 2.2.7 Changement de probabilit´e. Soit B un MB, Lt = exp(mBt− m2
2 t) , et Q d´efinie sur FT par dQ=LTdP. Montrer que ˜Bt =Bt−mtest, sous Q, un processus gaussien `a accroissements ind´ependants. Montrer que ˜Btest unQ-mouvement Brownien.
Exercice 2.2.8 SoitB un mouvement Brownien,p >1 etτ une v.a. positive. On admettra que E(sup
t (|Bt| −tp/2))<∞ 1. Montrer que
E(sup
t (|Bt| −µtp/2)) =λE(sup
s (|Bs| −sp/2)) avecλ= (1
µ)1/(p−1).
2. Montrer queE(|Bτ|)≤E(supt(|Bt| −µtp/2)) +µE(τp/2).
3. Montrer que
∀p >1,∃Cp,∀τ, E(|Bτ|)≤Cp||τ1/2||p
2.3 Brownien Multidimensionnel
Exercice 2.3.1 Deux mouvenements BrowniensBetW sont corr´el´es si le processus (WtBt−ρt, t≥ 0) est une martingale. Soit deux mouvements BrowniensBetW corr´el´es de coefficient de corr´elation ρ. Montrer, sans utiliser la formule d’Itˆo pour des processus corr´el´es, qu’il existe un Brownien Z, ind´ependant de W tel queB=ρW+p
1−ρ2Z.
Exercice 2.3.2 Somme de browniens. Soit W un mouvement brownien ind´ependant de B et ρ∈[0,1]. Montrer que (Zt=ρWt+p
1−ρ2Bt, t≥0) est un mouvement Brownien.
SoientB etW deux browniens ind´ependants et (σi, i= 1,2) deux fonctions d´eterministes. Montrer qu’il existe une fonctionσ3telle que le processus Z d´efini par
σ3(t)dZt=σ1(t)dBt+σ2(t)dWt
est un Brownien.
Exercice 2.3.3 SoitB un Brownienn-dimensionnel. Soitf une fonction bor´elienne born´ee. Mon- trer que, pour 0< s < tEx(f(Bt)|Fs) = Φ(Bs) avec Φ(x) =Ex[f(Bt−s)].En d´eduire que BiBj est une martingale pouri6=j.
Exercice 2.3.4 Mouvement Brownien dans R2.
1. SoitW1et W2deux mouvements Browniens ind´ependants. Le processusWt=W1(t) +W2(t) est-il un mouvement Brownien? Si oui, justifiez la r´eponse, sinon, expliquez pourquoi. Mˆeme question avecαW1(t) +βW2(t).
2. SoitW1et W2 deux processus. Soitcun r´eel donn´e. Montrer que si
exp
aW1(t) +bW2(t)− t 2[a, b]
1 c c 1
a b
, t≥0
est une martingale pour tout couple (a, b),W1 et W2 sont des MB. Calculer E[exp(aW1(t) + bW2(t))].
Exercice 2.3.5 Brownienn-dimensionnelSoitBun MBn-dimensionnel etU une matrice telle queU UT =I. Montrer que (U Bt, t≥0) est un MB.
2.4 Temps d’atteinte
Dans tous ces exercices,a∈Ret Ta= inf{t : Bt=a}.
Exercice 2.4.1 Transform´ee de Laplace. Montrer que Ta est un temps d’arrˆet. Calculer E(e−λTa) pour toutλr´eel. Montrer queP(Ta<∞) = 1 et que E(Ta) =∞.
Mˆemes questions avecτa= inf{t : St=a} o`u St= exp(σBt).
Exercice 2.4.2 Soita <0< betT =Ta∧Tb. CalculerP(Ta< Tb) etE(T).
Exercice 2.4.3 Temps d’atteinte.
1. Soitf(t) =E(e−rTa11Ta<t). On ne cherchera pas `a calculerf ici.
Calculer en fonction def la quantit´eE(e−rinf(T,Ta)) o`uT est un nombre positif.
2. Montrer que si 0< a < b, Tb−Ta est ind´ependant de Ta et a mˆeme loi que Tb−a. Montrer (sans calculs) que pourb > a >0, la v.a. Tb−Ta est ind´ependante deTa. Quelle est la loi de Tb−Ta? Que peut-on dire du processus (Ta, a >0)?
3. SoitT un nombre r´eel. Calculer Zt=P(Ta> T|Ft). On rappelle que supu≤tBuloi
=|Bt|.
4. Calculer E(e−λTa) avec Ta = inf{t : Xt = a} et Xt = νt+Wt. Calculer E(e−λT) pour T =Ta∧Tb.
5. Montrer qu’il existectel que Trloi
=cTr+X avecX ind´ependante dec.
6. Mˆemes questions siTa= inf{t;νt+Bt=a}.
7. SoitS un brownien g´eom´etrique (soitSt=xexp(νt+σWt)) etτa = inf{t : St=a}. Calculer E(
Z ∞
0
e−rtStdt) et E(
Z τb
0
e−rtStdt). TROP DIFFICILE
Montrer que si 0< a < b,τb−τa est ind´ependant deτa et a mˆeme loi queτb−a. CalculerE(e−rτK11τK<T11τH−τK>t).
Exercice 2.4.4 On supposeb <0< a. Montrer que (a−Bt)(Bt−b) +test uneF-martingale. En d´eduireE(Ta,b) o`uTa,b=Ta∧Tb.
Exercice 2.4.5 Premier instant. SoitBun MB issu de 0 etTd=d+inf{t : Bt+d= 0}. Calculer E(e−λTd) etE(11Bd≤ae−λTd).
SoitT∗=dsiBd≥ −aetT∗=d+Td siBd≤ −a, Bd+Td≥ −a. CalculerE(e−λT∗).
Exercice 2.4.6 Soit Tea et Tba deux v.a. ind´ependantes de mˆeme loi que Ta. Quelle est la loi de Tea
Tea+Tba
(Sans faire de calculs).
Exercice 2.4.7 Loi de l’inf. SoitI=−infs≤T1Bs. Montrer queP(I∈dx) = dx 1 +x2.
Exercice 2.4.8 SoitTa∗ = inf{u : Mu−Bu> a} avecMu = supt≤uBt. Montrer que MTa∗ a une loi exponentielle.
Exercice 2.4.9 Temps d’atteinteSoitAet B deux nombres positifs. On noteXt=µt+σBtet h(x) = exp(−2µx/σ2)−exp(2µB/σ2)
exp(−2µA/σ2)−exp(2µB/σ2). V´erifier queh(Xt) est une martingale. Le temps d’arrˆetτ est d´efini par
τ= inf{t : Xt=AouXt=−B}. CalculerP(Xτ=A).
Exercice 2.4.10 Soitf une fonction bor´elienne born´ee et et u(x) =Ex(exp[−θ2
2 T0+ Z T0
0
duf(Bu)]) o`uB est un mouvement Brownien issu dex. Montrer queuest solution de
1
2u00= (θ2
2 +f)u, u(0) = 1 Exercice 2.4.11 Soienta, ddeux nombres r´eels positifs.
1. CalculerE(e−|Bd|√2λ11Bd≤−a).
2. SoitT1 = inf{t ≥d : Bt = 0}. Montrer queT1 est un temps d’arrˆet. Calculer E(e−λT1) et E(e−λT111Bd≤−a). Montrer queBT1+dest ind´ependant deBd et deT1.
3. On introduit la v.a. τ1 suivante : siBd ≤ −a, on poseτ1=d. SiBd >−aet siBT1+d ≤ −a, on poseτ1=T1+d, sinon on poseτ1=∞.
Calculer pourλ >0 la transform´ee de Laplace deτ1, soitE(e−λτ1).
4. On continue. SiBd≤ −a, on poseτ2=d. SiBd >−aet siBT1+d≤ −a, on poseT2=T1+d, sinon on d´efinitT2 = inf{t≥T1+d : Bt = 0}. Si BT2+d ≤ −aon pose τ2=T2+d. Dans tous les autres cas, on poseτ2=∞.
(a) Montrer queBT2+d est ind´ependant de (BT1+d, Bd) et deT2. (b) Calculer la transform´ee de Laplace deτ2.
5. On utilise la mˆeme proc´edure pour d´efinir par it´erationτn et on poseτ=τ∞. (a) Montrer queτ est fini en utilisant, apr`es l’avoir justifi´e que
P(τ <∞) =Y
i
P(BTi+d<−a) (b) Calculer la transform´ee de Laplace deτ.
(c) Calculer la transform´ee de Laplace deBτ. (d) Montrer queBτ est ind´ependant deτ.
Exercice 2.4.12 On trouve parfois (voir exercice pr´ec´edent, ou les temps d’atteinte d’un niveau) des temps d’arrˆet τ tels que τ et Bτ sont ind´ependants. Ceci n’est cependant pas tr`es courant.
Dans ce qui suit on admettra le r´esultat (non trivial) suivant (Cramer) Si X et Y sont deux v.a.
ind´ependantes telles queX+Y est une v.a. gaussienne, alorsX etY sont des gaussiennes.
Le but de cet exercice est de montrer : siτ est born´e par K et si τ et Bτ sont ind´ependants, alorsτ est une constante.
1. Montrer que sis > K,
Bs=Bτ+Bbs−τ
avecBb un mouvement Brownien ind´ependant deFτ. 2. Montrer queBτ etBbs−τ sont des v.a. ind´ependantes.
3. Calculer l’esp´erance et la variance de Bτ. (Attention, ce n’est pas trivial. Penser au cas o`u τ=Ta.)
4. Montrer queBbs−τ est une v.a. Gaussienne.
5. Montrer que l’on obtient √
K−τ G loi= p
K−E(τ)G o`u G est une v.a. gaussienne r´eduite centr´ee.
6. Conclure.
Exercice 2.4.13 Soita et µ deux constantes strictement positives etT1 = inf{t : Bt ≥a−µt}, T2= inf{t : Bt≤ −a+µt}. On pose, pour toutλa≥0, Φ(λ) =E(exp[−λτ]) avecτ =T1∧T2.
1. Montrer queT1loi
=T2 et que (T1, T2)loi= (T2, T1).
2. V´erifier que Φ est bien d´efinie et donner un majorant et un minorant simples de Φ (S’aider par un dessin).
3. Montrer que Φ(λ) = 2E(exp(−λT1)11T1<T2).
4. Montrer que
eλaΦ(−λµ−λ2/2) +e−λaΦ(λµ−λ2/2) = 2 Exercice 2.4.14 SoitXt=νt+σBt. Montrer que, pour toutλ
exp(λXt+βt), t≥0 est une martingale pour un param`etreβ que l’on d´eterminera.
On noteTa = inf{t :Xt≥a}. CalculerE
exp
−λ2 2 Ta
etP(Ta<∞).
Exercice 2.4.15 CalculerP(Mt≤y|Bt=x) o`uMt= sup(Bs, s≤t).
2.5 Scaling
Exercice 2.5.1 Montrer que le calcul de E(
Z t
0
exp(νs+σBs)ds) se d´eduit de E(
Z T
0
exp(2(µs+ Bs)ds). On ne demande pas de faire ce calcul.
Exercice 2.5.2 SoitT1= inf{t :Bt= 1}. Utiliser le scaling du MB pour ´etablir les ´egalit´es en loi suivantes
1. T1loi
= 1
S12 avecS1= sup(Bu, u≤1) 2. Ta loi
=a2T1 avecTa = inf{t :Bt=a}.
3. gt loi
= tg1, dt loi
= td1 o`u gt = sup{s≤ t : Bs = 0} et dt = inf{s≥ t : Bs = 0}. Montrer que {gt< u}={du> t}. En d´eduire gtloi
= dt
1
loi= d(1/t)1 .
4. On suppose queA est un processus croissant continu tel que, pout toutc (Bct, Act, t≥0)loi= (√
cBt, cAt;t≥0) On note ∆a = inf{t :At≥a}. Montrer qued∆a
loi=ad∆1. En d´eduireAgloi
= 1/d∆1. 5. Montrer queAt= sups≤tB2s v´erifie les conditions pr´ec´edentes.
Exercice 2.5.3 Montrer que
sup
0≤t≤1
|Bt|loi= 1 pT1∗ o`uT1∗= inf{t≥0 : |Bt|= 1}.
Exercice 2.5.4 Soit A une fonctionnelle du mouvement brownien. On dit que A a la propri´et´e (hom) s’ il exister∈Rtel que pour toutc,
(Bct, Act;t≥0)loi= (√
cBt, cr+1At;t≥0) Pour quelle valeur de r la fonctionnelle At =
Z t
0
11(Bs>0)ds a t’elle la propri´et´e (hom)? Mˆeme question pour le temps local (voir la d´efinition plus loin)
2.6 Compl´ ements
Exercice 2.6.1 Projection d’un Brownien. SoitBun MB dans sa filtrationFetGune filtration plus petite queF. On suppose queE(Bt|Gt) =Bbtest un MB. Montrer que Bbt=Bt.
Exercice 2.6.2 Filtration de carr´es de Browniens. SoitYt=aBt2+bWt2aveca6=b etaet b non nuls,W et B ´etant des Browniens ind´ependants. Montrer queσ(Ys, s≤t) =σ(Bs, Ws, s≤t).
G´en´eraliser au cas dencarr´es.
Exercice 2.6.3 Repr´esentation pr´evisible. Soit B(i), i = 1,2,3 trois MB, avec B(i), i = 1,2 ind´ependants. Montrer qu’il n’est pas possible d’avoir σ(Bs(3), s ≤t)) = σ(Bs(1), Bs(2), s≤ t). On utilisera le th´eor`eme de repr´esentation pr´evisible pour repr´esenterBt(1), Bt(2) en terme deB(3).