HAL Id: hal-00452999
https://hal.archives-ouvertes.fr/hal-00452999v2
Preprint submitted on 6 Feb 2010
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires
Propriétés asymptotiques de l’estimateur des moindres carrés d’un processus autorégressif gaussien par une
méthode de moyennisation logarithmique
Hamdi Fathallah
To cite this version:
Hamdi Fathallah. Propriétés asymptotiques de l’estimateur des moindres carrés d’un processus au-
torégressif gaussien par une méthode de moyennisation logarithmique. 2010. �hal-00452999v2�
Propri´ et´ es asymptotiques de l’estimateur des
moindres carr´ es d’un processus autor´ egressif gaussien par une m´ ethode de moyennisation logarithmique
Hamdi Fathallah ∗ 6 f´ evrier 2010
R´ esum´ e
On consid` ere un mod` ele autor´ egressif gaussien ` a temps continu non n´ ecessairement stable. On
´
etablit, pour l’estimateur des moindres carr´ es ˆ θ, un th´ eor` eme de la limite centrale presque-sˆ ure (TLCPS), une loi forte quadratique associ´ ee au TLCPS (LFQ) et un th´ eor` eme de la limite cen- trale logarithmique (TLCL). Dans le cas stable, on propose d’utiliser l’estimateur des moindres carr´ es pond´ er´ e ˜ θ de θ pour am´ eliorer les vitesses de convergences logarithmique dans les th´ eor` emes obtenus.
Dans le cas instable, on ´ etablit pour l’estimateur des moindres carr´ es ˆ θ, les mˆ eme type des propri´ et´ es asymptotiques avec une vitesse de convergence arithm´ etique.
Mots Cl´ es : Martingales quasi-continues, th´ eor` eme de la limite centrale presque-sˆ ure, loi forte qua- dratique, l’estimateur des moindres carr´ es, l’estimateur des moindres carr´ es pond´ er´ e moyennis´ e.
Classification Math´ ematique. 60G46, 60G51, 60F05.
1 Introduction
Soit W = (W t , t ≥ 0) un mouvement brownien r´ eel standard. On d´ efinit le processus X = (X 1 , . . . , X p ) ∗ avec X 0 = 0 par
dX t = B θ X t dt + b dW t , t ≥ 0, (1)
o` u b ∗ = (0, . . . , 0, σ) ∈ R p et
B θ =
0 1 0 · · · 0 0
0 0 1 . . . 0 0
0 0 0 . . . 0 0
.. . .. . .. . . . . . . . .. . 0 0 0 · · · 0 1 θ 1 θ 2 θ 3 · · · θ p−1 θ p
.
Ce mod` ele a ´ et´ e ´ etudi´ e par exemple dans [5, 6, 7, 12]. Le processus X = (X t , t ≥ 0) d´ efini par (1) est un processus gaussien dont la p-i` eme composante X p est un processus autor´ egressif d’ordre p (AR(p)) v´ erifiant l’´ equation diff´ erentielle stochastique suivante :
dX t p = θ ∗ X t dt + σdW t , t ≥ 0, (2)
o` u θ = (θ 1 , . . . , θ p ) ∈ R p . Notons que le processus X = (X t , t ≥ 0) n’est autre que le processus d’Ornstein- Uhlenbeck multidimensionnel et estimer la matrice drift B θ revient ` a estimer le param` etre θ du mod` ele AR(p) donn´ e par (2), vu que
B θ = e p θ + T,
∗
Laboratoire LMV, Universit´ e de Versailles Saint-Quentin-En-Yvelines, 45 Avenue des Etats-Unis Bˆ atiment Fermat
78035 Versailles (France). Tel :+33139253629 ; Fax :+33139254645, E-mail address :hfathallah@math.uvsq.fr
o` u e p est le p-i` eme vecteur de la base canonique de R p et T une matrice triangulaire donn´ ee par
T =
0 1 0 · · · 0 0 0 0 1 . . . 0 0 0 0 0 . . . 0 0 .. . .. . .. . . . . . . . .. . 0 0 0 · · · 0 1 0 0 0 · · · 0 0
.
Le polynˆ ome caract´ eristique de la matrice drift B θ est donn´ e par
P (z) = z p − θ p z p−1 − θ p−1 z p−2 − · · · − θ 2 z − · · · − θ 1 .
D´ esignons par m (resp. M) la plus petite (resp. la plus grande) partie r´ eelle des racines du polynˆ ome P . Le processus X d´ efini par (2) est dit stable ou r´ egulier (resp. instable ou explosif) si M est strictement n´ egative (resp. m est strictement positive).
Soit ˆ θ l’estimateur des moindres carr´ es de θ d´ efini par θ ˆ t =
Z t 0
X s X s ∗ ds −1 Z t
0
X s dX s p . (3)
Cet estimateur a fait l’objet de plusieurs ´ etudes donnant sa consistance forte et sa normalit´ e asymptotique (voir par exemple [5], [8], [11], [12]). Dans [12], Le Breton et Musiela, en utilisant une loi forte des grands nombres pour les martingles locales continues multidimensionnelles, ont montr´ e que cet estimateur converge presque-sˆ urement. Plus pr´ ecis´ ement, on a
1. Dans le cas stable,
k θ ˆ t − θk = O
r log t t
p.s. (4)
2. Dans le cas instable,
k θ ˆ t − θk = O √
t e −mt
p.s. (5)
Dans [5], Darwich a ´ etabli une loi du logarithme it´ er´ e (LLI) pour des martingales locales cadlag mul- tidimensionnelles et a pr´ ecis´ e l’ordre de la convergence de ce mˆ eme estimateur dans le cas stable, ` a savoir
lim sup
t→∞
k θ ˆ t − θk √
√ t
log log t < +∞ p.s. (6)
Les th´ eor` emes limites par moyennisation logarithmique pour les martingales ` a temps continu dont il est question ici ont fait l’objet de quelques publications. On cite en particulier les travaux de Chaˆ abane [2]
pour des martingales continues, Chaˆ abane et Kebaier [4] dans le cas des martingales quasi-continues ` a gauche, ` a croissance r´ eguli` ere et plus r´ ecemment Fathallah et Kebaier [9] dans le cas des martingales quasi- continues ` a gauche, ` a croissance explosive et mixte (r´ eguli` ere et explosive). Dans ce travail, on applique ces r´ esultats au processus autor´ egressif gaussien dans les deux cas stable et instable. Dans le premier cas, afin d’am´ eliorer les vitesses de convergence associ´ ees au th´ eor` eme de la limite centrale presque-sˆ ure (TLCPS),
`
a la loi forte quadratique associ´ ee au TLCPS (LFQ) et au th´ eor` eme de la limite centrale logarithmique (TLCL) v´ erifi´ es par l’estimateur des moindres carr´ es ˆ θ t de θ, on utilise comme dans [3] et [4] la m´ ethode de pond´ eration. Dans le cas instable, les mˆ emes propri´ et´ es asymptotiques sont ´ etablies pour l’estimateur des moindres carr´ es ˆ θ de θ et les vitesses de convergence associ´ ees ` a ces propri´ et´ es sont arithm´ etiques. Ces r´ esultats restent toujours li´ es aux propri´ et´ es classiques associ´ ees aux martingales telles que la loi forte des grands nombre (LFGN), le th´ eor` eme de la limite centrale (TLC) ou encore la loi du logarithme it´ er´ e (LLI).
L’exploitation des th´ eor` emes limites par moyennisation logarithmique, en particulier le th´ eor` eme de la
limite centrale presque-sˆ ure, la loi forte quadratique ou le th´ eor` eme de la limite centrale logarithmique
pour les martingales ` a temps continu, a permis de d´ egager d’autres propri´ et´ es de l’estimateur des moindres
carr´ es ˆ θ t de θ. Dans [3], l’´ etude du mod` ele de r´ egression unidimensionnel dans le cas stable a permis entre autres de d´ egager une r´ egion de confiance asymptotique du couple (θ, σ 2 ). En effet, pour un mouvement brownien standard r´ eel B = (B t , t ≥ 0), on consid` ere le processus d’Ornstein-Uhlenbeck X = (X t , t ≥ 0) d´ efini par l’´ equation diff´ erentielle stochastique suivante :
dX t = θX t dt + σdB t , t ≥ 0, (7)
o` u σ > 0 et θ < 0 sont des param` etres inconnus et l’´ etat initial X 0 ´ etant choisi ind´ ependamment de B. L’estimateur des moindres carr´ es ˆ θ t de θ et l’estimateur b σ t de σ donn´ e par b σ t 2 := −2b θ t I t avec I t = 1
t Z t
0
X s 2 ds v´ erifient des propri´ et´ es asymptotiques de type : – Un th´ eor` eme de la limite centrale presque-sˆ ure
(TLCPS) 1
log t Z t
1
ds s δ { √ s(b θ
s
−θ)} = ⇒ N (0, 2|θ|) p.s.,
o` u ” = ⇒ ” d´ esigne la convergence en loi ou la convergence ´ etroite des mesures.
– Une loi forte quadratique
(LFQ) 1
log t Z t
1
(b θ s − θ) 2 ds −→ 2|θ| p.s., (t −→ ∞).
– Ind´ ependance asymptotique pour le couple (θ, σ 2 )
√ t(b θ t − θ) , t(σ 2 − σ b 2 t )
= ⇒ N (0, 2|θ|) ⊗ ( σ 2
2|θ| X 2 (1) ∗ ν ), o` u ν est la loi de la variable al´ eatoire − X 0 2 .
Dans [9], ces mˆ emes th´ eor` emes limites ont ´ et´ e appliqu´ es au mod` ele Ornstein-Uhlenbeck bivari´ e. Plus pr´ ecis´ ement, pour Γ = (Γ t = (B t , W t ), t ≥ 0) un mouvement brownien plan nul en z´ ero, on consid` ere le mod` ele d’Ornstein-Uhlenbeck bivari´ e suivant :
dX t = θ 1 X t dt + θ 2 Y t dt + dB t , X 0 = x, dY t = θ 3 Y t dt + dW t , Y 0 = y,
(8)
o` u θ = (θ 1 , θ 2 , θ 3 ) ∈ R 3 avec 0 < θ 3 < θ 1 . Ces th´ eor` emes limites ont permis de montrer que l’es- timateur du maximum de vraisemblance ˆ θ de θ v´ erifie les propri´ et´ es asymptotiques suivantes : pour V t = Diag(e tθ
1, e tθ
3, e tθ
3) et
I t =
e −2tθ
1Z t
0
X s 2 ds e −t(θ
1+θ
3) Z t
0
X s Y s ds 0 e −t(θ
1+θ
3)
Z t 0
X s Y s ds e −2tθ
3Z t
0
Y s 2 ds 0
0 0 e −2tθ
3Z t 0
Y s 2 ds
,
– Un th´ eor` eme de la limite centrale presque-sˆ ure
(T LCP S) t −1
Z t 0
δ {I
s
V
s( ˆ θ
s−θ)} ds = ⇒ N (0, I ∞ ) p.s., o` u I ∞ est la limite presque-sˆ ure de I t .
– Une loi forte quadratique
(LF Q) t −1
Z t 0
I s V s (b θ s − θ)(b θ s − θ) ∗ V s ∗ I s ∗ ds −→ I ∞ p.s., (t −→ ∞).
Pour ˜ D s = I s V s (b θ s − θ)(b θ s − θ) ∗ V s ∗ I s ∗ − I s et U une matrice telle que V t −1 dV t
dt −→ U, (t −→ ∞), avec U + U ∗ inversible, on a
– Un th´ eor` eme de la limite centrale logarithmique
(T LCL) t −1/2 Z t
0
(U D ˜ s + ˜ D s U ) ds = ⇒ ν ∞ ,
o` u conditionnellement ` a I ∞ , ν ∞ est une gaussienne matricielle centr´ ee, ind´ ependante de la v.a.
I ∞ .
2 Enonc´ ´ es des principaux r´ esultats
Dans la suite, on note k · k la norme euclidienne sur R p . Pour une matrice r´ eelle carr´ ee A, A ∗ et trA d´ esignent respectivement la matrice transpos´ ee et la trace de la matrice A. I p d´ enote la matrice identit´ e p×p. La norme de la matrice A est d´ efinie par : kAk = p
tr(AA ∗ ) et on d´ esigne par λ
m(A) (resp. λ
M(A)) la plus petite (resp. la plus grande) valeur propre de la matrice A. On note Vect(A) le vecteur obtenu en empilant les vecteurs colonnes de la matrice A et on note [Vect(A)Vect(A) ∗ ] ⊥ la matrice ` a blocs dont le bloc d’indice 1 ≤ i, j ≤ d est A j A ∗ i o` u A 1 , . . . , A d sont les vecteurs colonnes de A. Le symbole ⊗ d´ esigne le produit tensoriel de mesures ou de matrices.
2.1 R´ esultats relatifs au cas stable
Consid´ erons ˜ θ t l’estimateur des moindres carr´ es pond´ er´ e de θ, d´ efini par θ ˜ t = P t −1
Z t 0
ω s X s dX s , (9)
correspondant au poids (ω s ) donn´ e par ω s = (1 + s) −
α+γ2exp
2
1 − α (1 + s) 1−α
, avec 1
2 < α < γ < 1, (10) o` u
P t = Z t
0
ω s X s X s ∗ ds et on note ¯ θ t son moyennis´ e donn´ e par
θ ¯ t = 1 t
Z t 0
θ ˜ s ds. (11)
Posons
u t = Z t
0
ω s ds, v t = Z t 0
ω 2 s ds
12, a t = v t −1 dv t dt et introduisons le processus I 1 = (I t,1 , t ≥ 0) d´ efini par
I t,1 := 1 t
Z t 0
X s X s ∗ ds,
dont le comportement asymptotique est donn´ e par (voir Le Breton [12])
I t,1 −→ I ∞,1 p.s., (t −→ ∞), (12)
o` u I ∞,1 est une matrice sym´ etrique d´ efinie positive donn´ ee par I ∞,1 = σ 2
Z +∞
0
e B
θs e d e d ∗ e B
∗θs ds, (13) o` u e d est le d-i` eme vecteur de la base canonique de R d .
Dans la suite, on suppose que le processus autor´ egressif gaussien stable X v´ erifie l’hypoth` ese suivante :
(H 1 ) kI t,1 − I ∞,1 k = o(t −(1−α
0) ) p.s., (t −→ ∞), pour 1/2 ≤ α 0 < α < 1.
Th´ eor` eme 2.1.1 Soit X = (X t , t ≥ 0) le processus autor´ egressif gaussien stable ` a temps continu d´ efini par l’´ equation (2). Si on suppose que l’hypoth` ese (H 1 ) est v´ erifi´ ee, alors l’estimateur des moindres carr´ es pond´ er´ e θ ˜ t de θ donn´ e par la relation (9) ainsi que son moyennis´ e θ ¯ t convergent au sens presque-sˆ ur. De fa¸ con plus pr´ ecise, on a les propri´ et´ es suivantes :
1. Consistance forte et normalit´ e asymptotique de θ ˜ t
k θ ˜ t − θk = O
r log t t α
p.s. et t α/2 (˜ θ t − θ) = ⇒ σI ∞,1 −1/2 G, o` u G est un vecteur gaussien standard, ind´ ependant de I ∞,1 .
2. Consistance forte et normalit´ e asymptotique de θ ¯ t Si 1/2 ≤ α 0 < 3α/2 − 1/2 et α < 3/4, alors on a
k θ ¯ t − θk = O
r log log t t
p.s. et t 1/2 (¯ θ t − θ) = ⇒ σI ∞,1 −1/2 G, o` u G est un vecteur gaussien standard, ind´ ependant de I ∞,1 .
Th´ eor` eme 2.1.2 On se place dans le cadre du th´ eor` eme pr´ ec´ edent, on a les r´ esultats suivants : 1. Th´ eor` eme de la limite centrale presque-sˆ ure
(TLCPS) 1 − α t 1−α
Z t 1
ds
s α δ {s
α/2( ˜ θ
s−θ)} = ⇒ µ ∞ p.s.,
o` u µ ∞ est la loi de la variable al´ eatoire σI ∞,1 −1/2 G o` u G est un vecteur gaussien standard, ind´ ependant de la v.a. I ∞,1 .
2. La loi forte quadratique (LFQ) 1 − α
t 1−α Z t
0
(˜ θ s − θ ¯ t )(˜ θ s − θ ¯ t ) ∗ ds −→ σ 2 I ∞,1 −1 p.s., (t −→ ∞).
3. Th´ eor` eme de la limite centrale logarithmique
(TLCL)
t 1−α 1 − α
1/2 1 − α
t 1−α Z t
0
(˜ θ s − θ ¯ t )(˜ θ s − θ ¯ t ) ∗ ds − σ 2 I ∞,1 −1
= ⇒ ν ∞ ,
o` u conditionnellement ` a I ∞,1 , ν ∞ est une loi gaussienne matricielle centr´ ee ind´ ependante de I ∞,1
et de covariance
C = σ −12 I ∞,1 −2
2I ∞,1 ⊗ I ∞,1 + 2[(Vect(I ∞,1 ))(Vect(I ∞,1 )) ∗ ] ⊥ I ∞,1 −2 .
2.2 R´ esultats relatifs au cas instable
On introduit le processus I 2 = (I t,2 , t ≥ 0) d´ efini par I t,2 := e −B
θt
Z t 0
X s X s ∗ ds e −B
∗θt . Son comportement asymptotique est donn´ e par (voir Le Breton [10])
I t,2 −→ I ∞,2 p.s., (t −→ ∞), (14)
o` u I ∞,2 est la matrice sym´ etrique d´ efinie positive donn´ ee par I ∞,2 := σ 4
Z +∞
0
e −B
θs ZZ ∗ e −B
θ∗s ds (15) et Z d´ esigne le vecteur al´ eatoire gaussien centr´ e donn´ e par
Z = Z +∞
0
e −B
θs dW s .
Dans la suite, on suppose que le processus autor´ egressif gaussien instable X v´ erifie l’hypoth` ese suivante : (H 2 ) kI t,2 − I ∞,2 k = o(t −β ) p.s., (t −→ ∞), pour β > 1/2.
Th´ eor` eme 2.2.1 Soit X = (X t , t ≥ 0) le processus autor´ egressif gaussien instable ` a temps continu d´ efini par l’´ equation (2). Si on suppose que le processus autor´ egressif gaussien X v´ erifie l’hypoth` ese (H 2 ), alors on obtient les r´ esultats suivants :
1. Normalit´ e asymptotique de θ ˆ t
e B
θ∗t (ˆ θ t − θ) = ⇒ σI ∞,2 −1/2 G,
o` u G est un vecteur gaussien standard, ind´ ependant de I ∞,2 . 2. Th´ eor` eme de la limite centrale presque-sˆ ure
(TLCPS) 1 t
Z t 0
ds δ {e
B∗θs( ˆ θ
s−θ)} = ⇒ µ ∞ p.s.,
o` u µ ∞ est la loi de la variable al´ eatoire σI ∞,2 −1/2 G o` u G est un vecteur gaussien standard, ind´ ependant de la v.a. I ∞,2 .
De plus, si l’hypoth` ese (H 2 ) est v´ erifi´ ee avec β > 1, alors on obtient 3. La loi forte quadratique
(LFQ) 1 t
Z t 0
e B
θ∗s (ˆ θ s − θ)(ˆ θ s − θ) ∗ e B
θs ds −→ σ 2 I ∞,2 −1 p.s., (t −→ ∞).
Si l’hypoth` ese (H 2 ) est v´ erifi´ ee avec β > 3/2, alors on obtient 4. Th´ eor` eme de la limite centrale logarithmique
(TLCL) 2t −1/2 tr 1
t Z t
0
e B
θ∗s (ˆ θ s − θ)(ˆ θ s − θ) ∗ e B
θs ds − σ 2 I ∞,2 −1
= ⇒ ν ∞ p.s.,
o` u conditionnellement ` a I ∞,2 , ν ∞ est une loi gaussienne matricielle centr´ ee ind´ ependante de I ∞,2
et de covariance C = σ −12 tr
(2tr(B θ )) −1 I ∞,2 −2
2I ∞,2 ⊗ I ∞,2 + 2[(Vect(I ∞,2 ))(Vect(I ∞,2 )) ∗ ] ⊥ I ∞,2 −2 .
3 Preuves des r´ esultats
3.1 Preuves des r´ esultats relatifs au cas stable
Dans la suite, on introduit la martingale vectorielle continue ˜ M d´ efinie par M ˜ t = σ
Z t 0
ω s X s dW s , (16)
dont sa variation quadratique pr´ evisible est donn´ ee par h M ˜ i t = σ 2
Z t 0
ω s 2 X s X s ∗ ds. (17)
D’apr` es (2) et (9), on obtient la relation-cl suivante :
M ˜ t = P t (˜ θ t − θ), (18)
o` u
P t = Z t
0
ω s X s X s ∗ ds.
Le lemme suivant donne des propri´ et´ es asymptotiques v´ erifi´ ees par le poids (ω t ) introduit dans (10).
Lemme 3.1 Le poids (ω t ), d´ efini dans (10), satisfait les propri´ et´ es suivantes : P 1 ) t α ω t
u t
= 2 + O(t −(1−α) ), (t −→ ∞).
P 2 ) t α ω t 2
v t 2 = 4 + O(t −(1−α) ), (t −→ ∞).
P 3 ) t −α/2 u t
v t = 1 + O(t −(1−α) ), (t −→ ∞).
P 4 ) t α/2 a 1/2 t = √
2 + O(t −(1−α) ), (t −→ ∞).
La preuve de ce lemme est donn´ ee dans [3].
Dans le lemme suivant, on donne le comportement asymptotique de la variation quadratique pr´ evisible de la martingale ˜ M ainsi que celui du processus P.
Lemme 3.2 Sous l’hypoth` ese (H 1 ), on obtient i) h M ˜ i t
v t 2 − σ 2 I ∞,1 = o(t −(α−α
0) ) p.s., (t −→ ∞).
ii) P t u t
− I ∞,1 = o(t −(α−α
0) ) p.s., (t −→ ∞).
Preuve du lemme 3.2 i) D’apr` es la relation (17), on a
h M ˜ i t = σ 2 Z t
0
ω 2 s d(sI s,1 ) = σ 2 Z t
0
ω 2 s I s,1 ds + σ 2 Z t
0
sω 2 s dI s,1
= σ 2 v t 2 I ∞,1 + σ 2 Z t
0
ω 2 s (I s,1 − I ∞,1 )ds + σ 2 Z t
0
sω s 2 dI s,1 . Grˆ ace ` a une int´ egration par parties, on obtient l’´ egalit´ e suivante :
h M ˜ i t = σ 2 v 2 t I ∞,1 + σ 2 Z t
0
ω s 2 (I s,1 − I ∞,1 )ds + σ 2 tω t 2 (I t,1 − I ∞,1 ) − σ 2 Z t
0
(I s,1 − I ∞,1 )d(sω 2 s ).
Par suite, il vient
h M ˜ i t
v 2 t − σ 2 I ∞,1
≤ σ 2 sup
s≤t
kI s,1 − I ∞,1 k
1 + 2t w 2 t v 2 t
. Compte tenu de la propri´ et´ e (P 2 ) du lemme 3.1, on obtient
h M ˜ i t
v t 2 − σ 2 I ∞,1
= σ 2 sup
s≤t
kI s,1 − I ∞,1 k
1 + O(t (1−α) )
.
La premi` ere assertion du lemme 3.2 d´ ecoule alors de l’hypoth` ese (H 1 ) et du fait que 1−α−β < −(α−α 0 ).
ii) D’apr` es l’expression de P t , on a P t =
Z t 0
w s d(sI s,1 ) = Z t
0
w s I s,1 ds + Z t
0
sw s dI s,1 . Une int´ egration par parties donne
P t − u t I ∞,1 = tw t (I t,1 − I ∞,1 ) + Z t
0
w s (I s,1 − I ∞,1 )ds − Z t
0
(I s,1 − I ∞,1 )d(sw s ), ce qui implique
P t u t
− I ∞,1
≤ sup
s≤t
kI s,1 − I ∞,1 k
1 + 2t w t u t
. En utilisant la propri´ et´ e (P 1 ) du lemme 3.1, il vient
P t
u t
− I ∞,1
= sup
s≤t
kI s,1 − I ∞,1 k
1 + O(t (1−α) )
.
De mˆ eme, la seconde assertion du lemme d´ ecoule de l’hypoth` ese (H 1 ), ce qui ach` eve la preuve du lemme 3.2.
Lemme 3.3 La martingale vectorielle continue M ˜ d´ efinie par la relation (16) v´ erifie les propri´ et´ es asymp- totiques suivantes :
1. Th´ eor` eme de la limite centrale
(TLC) M ˜ t
v t
= ⇒ σI ∞,1 1/2 G,
o` u G est un vecteur gaussien standard, ind´ ependant de I ∞,1 . 2. Th´ eor` eme de la limite centrale presque-sˆ ure
(TLCPS) 1 − α t 1−α
Z t 1
ds
s α δ { M ˜
s/v
s} = ⇒ µ ∞ p.s.,
o` u µ ∞ est la loi de la variable al´ eatoire σI ∞,1 1/2 G o` u G est un vecteur gaussien standard, ind´ ependant de I ∞,1 .
3. La loi forte quadratique (LFQ) 1 − α
t 1−α Z t
0
s −α M ˜ s
v s
M ˜ s ∗ v s
ds −→ σ 2 I ∞,1 p.s., (t −→ ∞).
4. Th´ eor` eme de la limite centrale logarithmique
(TLCL)
t 1−α 1 − α
−1/2 Z t 1
s −α M ˜ s
v s
M ˜ s ∗ v s
− σ 2 I ∞,1
ds = ⇒ ν ∞ ,
o` u conditionnellement ` a I ∞,1 , ν ∞ est une loi gaussienne matricielle centr´ ee ind´ ependante de I ∞,1
et de covariance
C = σ 4 {2I ∞,1 ⊗ I ∞,1 + 2[(Vect(I ∞,1 ))(Vect(I ∞,1 )) ∗ ] ⊥ }.
Preuve du lemme 3.3
1. Vu la premi` ere assertion du lemme pr´ ec´ edent, on a h M ˜ i t
v t 2 −→ σ 2 I ∞,1 p.s., (t −→ ∞).
En appliquant le TLC ` a la martingale continue ˜ M , on obtient la premi` ere assertion du lemme, ` a savoir
M ˜ t
v t = ⇒ σI ∞,1 1/2 G, o` u G est un vecteur gaussien standard, ind´ ependant de I ∞,1 .
2. En appliquant le th´ eor` eme de la limite centrale presque-sˆ ure (voir th´ eor` eme 1 dans [1]) pour le couple ( ˜ M , v) o` u ˜ M est la martingale continue ` a croissance r´ eguli` ere donn´ ee par (16) et normalis´ ee par v t =
Z t 0
ω s 2 ds 1/2
, on obtient
(log v 2 t ) −1 Z t
1
δ { M ˜
s/v
s} d(log v s 2 ) = ⇒ µ ∞ p.s., o` u µ ∞ est la loi de la variable al´ eatoire σI ∞,1 1/2 G.
Par ailleurs, la propri´ et´ e (P 2 ) du lemme 3.1 implique log v t 2 ∼ 4
1 − α t 1−α (t −→ ∞). (19) Combin´ e avec la convergence pr´ ec´ edente, on d´ eduit
1 − α t 1−α
Z t 1
δ { M ˜
s/v
s}
ds
s α = ⇒ µ ∞ p.s.
3. La LFQ1 (voir th´ eor` eme 3 dans [1]) appliqu´ ee ` a la martingale continue ˜ M , normalis´ ee par le processus v t =
Z t 0
ω 2 s ds 1/2
, donne
(log v 2 t ) −1 Z t
1
M ˜ s
v s M ˜ s ∗
v s d(log v s 2 ) −→ σ 2 I ∞,1 p.s., (t −→ ∞). (20) La troisi` eme assertion du lemme d´ ecoule de l’´ equivalence (19).
4. D’apr` es le corollaire 2.2 dans [4] appliqu´ e au couple ( ˜ M , v), on a (log v t 2 ) −1/2
Z t 1
M ˜ s v s
M ˜ s ∗ v s
− h M ˜ i s
v 2 s
d(log v s 2 ) = ⇒ ν ∞ ,
o` u conditionnellement ` a I ∞,1 , ν ∞ est une loi gaussienne matricielle centr´ ee ind´ ependante de I ∞,1
et de covariance
C = σ 4 {2I ∞,1 ⊗ I ∞,1 + 2[(Vect(I ∞,1 ))(Vect(I ∞,1 )) ∗ ] ⊥ }.
En tenant compte de l’´ equivalence (19), ` a savoir log v t 2 ∼ 4
1 − α t 1−α (t −→ ∞), on obtient
t 1−α 1 − α
−1/2 Z t 1
s −α M ˜ s
v s
M ˜ s ∗ v s
− h M ˜ i s
v s 2
!
ds = ⇒ ν ∞ . (21)
Par ailleurs, on a
t 1−α 1 − α
−1/2 Z t 1
s −α M ˜ s
v s
M ˜ s ∗ v s
− h M ˜ i s
v s 2
!
ds
= t 1−α
1 − α
−1/2 Z t 1
s −α M ˜ s
v s
M ˜ s ∗ v s
− σ 2 I ∞,1
! ds
− t 1−α
1 − α
−1/2 Z t 1
s −α h M ˜ i s
v s 2 − σ 2 I ∞,1
!
ds. (22)
Vu la premi` ere assertion du lemme 3.2, ` a savoir h M ˜ i t
v t 2 − σ 2 I ∞,1 = o(t −(α−α
0) ) p.s., (t −→ ∞), on obtient
t 1−α 1 − α
−1/2 Z t 1
s −α h M ˜ i s
v 2 s − σ 2 I ∞,1
!
ds = o
t α
0−3α/2+1/2
p.s., (t −→ ∞).
Comme par hypoth` ese on a α 0 < (3α − 1)/2, alors t 1−α
1 − α
−1/2 Z t 1
s −α h M ˜ i s
v s 2 − σ 2 I ∞,1
!
ds = o (1) p.s., (t −→ ∞). (23) La derni` ere assertion du lemme 3.3 est ´ etablie en combinant (21), (22) et (23).
Le lemme 3.3 est ainsi ´ etabli.
Preuve du th´ eor` eme 2.1.1
1. D’apr` es Le Breton et Musiela (voir lemme 3.3 dans [12]), on a λ
m(h M ˜ i t ) −→ +∞ p.s., (t −→ ∞).
Le comportement asymptotique du processus h M ˜ i −1 M ˜ est donn´ e par Darwich (voir th´ eor` eme 1 dans [5]). En effet, on a
lim sup
t→∞
v t
[h M ˜ i −1 t M ˜ t ] i
p 2 log log v t 2 < +∞ p.s., i = 1, . . . , d. (24) On en d´ eduit
v t
[h M ˜ i −1 t M ˜ t ] i
=
[h M ˜ i −1 t v t P t (˜ θ t − θ)] i
=
[h M ˜ i −1 t v t 2 u t
v t P t
u t (˜ θ t − θ)] i
, pour i = 1, . . . , d. (25) En utilisant la propri´ et´ e (P 4 ) du lemme 3.1 et le lemme (3.2), on d´ eduit pour i = 1, . . . , d,
v t
[h M ˜ i −1 t M ˜ t ] i
∼ σ −2 t
α2[˜ θ t − θ] i
(t −→ ∞). (26)
Vu l’´ equivalence (19) et en combinant les relations (24) et (26), on obtient lim sup
t→∞
s σ −4 t α 2 log 4t 1−α
1−α[˜ θ t − θ] i
< +∞ p.s., i = 1, . . . , d.
Donc
lim sup
t→∞
s t α log t
[˜ θ t − θ] i
< +∞ p.s., i = 1, . . . , d,
ce que implique
[˜ θ t − θ] i = O
r log t t α
, i = 1, . . . , d.
Par cons´ equent, on d´ eduit la premi` ere propri´ et´ e de la consistance forte de l’estimateur ˜ θ t de θ, ` a savoir
k θ ˜ t − θk = O
r log t t α
! p.s.
Par ailleurs, l’hypoth` ese (H 1 ), la propri´ et´ e (P 3 ) du lemme 3.1 et l’assertion ii) du lemme 3.2 im- pliquent
v s −1 P s = I ∞,1 s
α2+ o
s α
0−
α2p.s., (27)
ce qui donne, combin´ e avec le TLC du lemme 3.3 et la relation (18), la normalit´ e asymptotique de l’estimateur ˜ θ de θ. Ainsi on a ´ etabli la premi` ere partie du th´ eor` eme 2.1.1.
2. Posons ˜ Z s = ˜ M s /v s . D’apr` es les relations (11) et (18), on a
√
t(¯ θ t − θ) = 1
√ t Z t
0
P s −1 M ˜ s ds = 1
√ t Z t
0
v s P s −1 Z ˜ s ds.
En combinant la propri´ et´ e (P 4 ) du lemme 3.1 et l’assertion ii) du lemme 3.2, on obtient v s P s −1 = v s
u s
u s P s −1 = s −
α2+ o(s
α2−1 )
I ∞,1 −1 + o(s α
0−α ) p.s.,
= I ∞,1 −1 s −
α2+ o(s α
0−3α/2 ) + o(s α/2−1 ) + o(s α
0−α/2−1 ) p.s.
Or α < 3/4 et α 0 ≥ 1/2, donc α 0 − 3α/2 > α/2 − 1 et α 0 − 3α/2 > α 0 − α/2 − 1 et on en d´ eduit v s P s −1 = I ∞,1 −1 s −
α2+ o(s α
0−3α/2 ) p.s.
Il en r´ esulte que
√ t(¯ θ t − θ) = I ∞,1 −1
√ t Z t
0
s −
α2Z ˜ s ds + o 1
√ t Z t
0
s α
0−
32α Z ˜ s ds
p.s. (28)
Par suite, on a
√ tk θ ¯ t − θk ≤ kI ∞,1 k −1 1
√ t Z t
0
s −
α2k Z ˜ s k ds + o 1
√ t Z t
0
s α
0−
32α k Z ˜ s k ds
. (29)
La relation (18) combin´ ee avec la propri´ et´ e (P 4 ) du lemme 3.1 et l’assertion ii) du lemme 3.2 impliquent
Z ˜ s ∼ I ∞,1 s
α2(˜ θ s − θ) (s −→ ∞). (30) Grˆ ace ` a la premi` ere assertion du th´ eor` eme, ` a savoir
k θ ˜ t − θk = O
r log t t α
! p.s.
et ` a l’´ equivalence (30), on obtient
k Z ˜ t k = O p log t
p.s. (31)
Par ailleurs, on a
a s Z ˜ s ds = −d Z ˜ s + v s −1 d M ˜ s , (32)
ce qui implique
Z t 0
a 1/2 s Z ˜ s ds = − Z t
0
a −1/2 s d Z ˜ s + Z t
0
a −1/2 s v −1 s d M ˜ s . Grˆ ace ` a la propri´ et´ e (P 4 ) du lemme 3.1, on obtient les ´ equivalences suivantes :
Z t 0
a 1/2 s Z ˜ s ds ∼ √ 2
Z t 0
s −α/2 Z ˜ s ds (t −→ ∞), Z t
0
a −1/2 s d Z ˜ s ∼ 1
√ 2 Z t
0
s α/2 d Z ˜ s (t −→ ∞) et
Z t 0
a −1/2 s v s −1 d M ˜ s ∼ 1
√ 2 Z t
0
s α/2 v s −1 d M ˜ s (t −→ ∞).
D’o` u
Z t 0
s −α/2 Z ˜ s ds ∼ L t − K t (t −→ ∞), (33) o` u L = (L t , t ≥ 0) est la martingale vectorielle continue d´ efinie par
L t = 1 2
Z t 0
s
α2v s −1 d M ˜ s et K = (K t , t ≥ 0) est le processus donn´ e par
K t = 1 2
Z t 0
s
α2d Z ˜ s . Par cons´ equent, on obtient l’in´ egalit´ e suivante :
√ 1 t
Z t 0
s −α/2 k Z ˜ s kds ≤ kL t k
√ t − kK t k
√ t . (34)
En vue d’´ etudier le comportement asymptotique du membre de gauche de la relation (34) qui nous permettra de donner le comportement asymptotique de √
tk θ ¯ t − θk via l’in´ egalit´ e (29), on ´ etudiera ceux de K et L.
Comportement asymptotique du processus K Grˆ ace ` a une int´ egration par parties, on obtient
K t = t α/2 2
Z ˜ t − α 4
Z t 0
s
α2−1 Z ˜ s ds. (35)
D’o` u l’in´ egalit´ e suivante :
kK t k ≤ t
α2k Z ˜ t k + Z t
0
s
α2−1 k Z ˜ s kds, qui donne, combin´ ee avec la relation (31)
kK t k = O
p t α log t
p.s. (36)
Comportement asymptotique du processus L
La variation quadratique pr´ evisible de la martingale vectorielle continue L s’´ ecrit hLi t = 1
4 Z t
0
s α dh M ˜ i s
v 2 s . (37)
En tenant compte de la relation (17), ` a savoir h M ˜ i t = σ 2
Z t 0
ω s 2 X s X s ∗ ds, il vient
hLi t = σ 2 4
Z t 0
s α ω s 2
v s 2 X s X s ∗ ds.
Vu la propri´ et´ e (P 2 ) du lemme 3.1, on obtient hLi t
t = σ 2 I t,1 + O 1
t Z t
0
s −(1−α) X s X s ∗ ds
, et grˆ ace au lemme de Toeplitz, on obtient la convergence suivante :
hLi t
t −→ σ 2 I ∞,1 p.s., (t −→ ∞).
Par cons´ equent, on a
hLi t = O(t) p.s.
Par ailleurs, en utilisant la relation (37) et la propri´ et´ e (P 2 ) du lemme 3.1, on obtient l’´ equivalence suivante :
hLi t ∼ Z t
0
w s −2 dh M ˜ i s (t −→ ∞).
En tenant compte de la relation (17), on obtient hLi t ∼ hM i t = σ 2
Z t 0
X s X s ∗ ds (t −→ ∞),
o` u M est la martingale vectorielle continue donn´ ee par la relation (56). Par cons´ equent et vu le lemme 3.3 dans [12], il vient
λ
m(hLi t ) −→ +∞ p.s., (t −→ +∞).
Grˆ ace ` a la LLI (voir th´ eor` eme 1 dans [5]), on a le comportement asymptotique du processus hLi −1 L lim sup
t→∞
√ t
[hLi −1 t L t ] i
√
2 log log t < +∞ p.s., i = 1, . . . , d. (38) Il en r´ esulte que la norme de la martingale L v´ erifie
kL t k = O
p t log log t
p.s. (39)
En ins´ erant (36) et (39) dans (34), on obtient le comportement asymptotique du premier terme du membre de droite de la relation (29), ` a savoir
kI ∞,1 k −1 1
√ t Z t
0
s −α/2 k Z ˜ s kds = O √
log log t
+ O
p t α−1 log t
p.s.
= O
√ log log t
p.s.
Vu que le second terme du membre de droite de la relation (29) s’´ ecrit o
1
√ t Z t
0
s α
0−
32α k Z ˜ s k ds
∼ o
t α
0−
32α+
12p log t
p.s., (t −→ ∞),
on en d´ eduit
k θ ¯ t − θk = O
r log log t t
+ o
t α
0−
32α p log t
p.s.
Comme α 0 < (3α − 1)/2, on obtient
k θ ¯ t − θk = O
r log log t t
p.s.,
et donc la propri´ et´ e de la consistance forte de l’estimateur ¯ θ t de θ. Pour achever la preuve du th´ eor` eme 2.1.1, il reste ` a prouver que l’estimateur ¯ θ t de θ v´ erifie un TLC.
En utilisant l’´ equivalence (33), il vient
√ 1 t
Z t 0
s −α/2 Z ˜ s ds ∼ L t
√ t − K t
√ t (t −→ ∞). (40)
Or, d’apr` es la relation (35), on a K t
√ t = t
α−122
Z ˜ t − α 4 √ t
Z t 0
s α/2−1 Z ˜ s ds. (41)
En tenant compte de la relation (28), ` a savoir
√ t(¯ θ t − θ) = I ∞,1 −1
√ t Z t
0
s −
α2Z ˜ s ds + o 1
√ t Z t
0
s α
0−3α/2 Z ˜ s ds
, p.s., du fait que
o 1
√ t Z t
0
s α
0−3α/2 Z ˜ s ds
= o
t α
0−3α/2+1/2 p log t
= o(1) p.s., (car α 0 < 3α/2 − 1/2) et des deux relations (40) et (41), on obtient presque sˆ urement
√
t(¯ θ t − θ) ∼ − I ∞,1 −1
2 t
α−12Z ˜ t + I ∞,1 −1 L t
√ t + αI ∞,1 −1 4 √
t Z t
0
s α/2−1 Z ˜ s ds (t −→ ∞). (42) Le premier terme du membre de droite de cette derni` ere ´ equivalence tend vers 0 vu que ˜ Z s converge en loi, et de mˆ eme le dernier terme car
αI ∞,1 −1 4 √
t Z t
0
s α/2−1 Z ˜ s ds = O p
t α−1 log t
= o(1) p.s.
Quant au second terme, comme hLi t
t −→ σ 2 I ∞,1 p.s., (t −→ ∞), alors d’apr` es le TLC appliqu´ e ` a la martingale continue L, on obtient
I ∞,1 −1 L t
√ t = ⇒ σI ∞,1 −1/2 G, (43)
o` u G est un vecteur gaussien standard, ind´ ependant de la v.a. I ∞,1 . On obtient le dernier r´ esultat
en ins´ erant la relation (43) dans (42). Cela achve la preuve du th´ eor` eme 2.1.1.
Preuve du th´ eor` eme 2.1.2
1. Rappelons d’abord les relations (18) et (27), ` a savoir M ˜ t = P t (˜ θ t − θ) et
P s v s
= I ∞,1 s
α2+ o
s α
0−
α2p.s.
Posons
F t = 1 t 1−α
Z t 1
ϕ P s
v s
(˜ θ s − θ) ds
s α − 1 t 1−α
Z t 1
ϕ
I ∞,1 s α/2 (˜ θ s − θ) ds s α , o` u ϕ est une fonction lipschitzienne continue born´ ee, alors
kF t k ≤ C te t −(1−α) Z t
1
s −α
P s v s
− I ∞,1 s α/2
k θ ˜ s − θkds.
En tenant compte de la relation (27) et du fait que k θ ˜ t − θk = O
r log t t α
! p.s., on obtient
kF t k = o
t α
0−2α+1 p log t
p.s., (t −→ ∞).
Vu que α < 3/4, il vient
F t −→ 0 p.s., (t −→ ∞).
La premi` ere assertion du lemme 3.3 et la relation (18) impliquent 1 − α
t 1−α Z t
1
ds s α δ
P s
v s
(˜ θ s − θ)
= ⇒ µ ∞ p.s.,
o` u µ ∞ est la loi de la variable al´ eatoire σI ∞,1 1/2 G o` u G est un vecteur gaussien standard ind´ ependant de la v.a. I ∞,1 .
Par cons´ equent
1 − α t 1−α
Z t 1
ds
s α δ {s
α/2I
∞,1( ˜ θ
s−θ)} = ⇒ µ ∞ p.s.
Cela donne la premi` ere assertion du th´ eor` eme 2.1.2.
2. Posons
δ ˜ s = (˜ θ s − θ)(˜ θ s − θ) ∗ et
δ ˜ s,t = (˜ θ s − θ ¯ t )(˜ θ s − θ ¯ t ) ∗ . On a
1 − α t 1−α
Z t 1
s −α P s
v s
δ ˜ s
P s
v s
ds − I ∞,1 Z t
1
δ ˜ s ds I ∞,1
≤ t −(1−α)
k J ˜ t,1 k + k J ˜ t,2 k + k J ˜ t,3 k
, (44)
avec
J ˜ t,1 = Z t
1
s −α P s
v s
− s α/2 I ∞,1
δ ˜ s P s
v s
− s α/2 I ∞,1
ds,
J ˜ t,2 = Z t
1
s −α/2 P s
v s
− s α/2 I ∞,1
δ ˜ s ds I ∞,1 ,
J ˜ t,3 = Z t
1
s −α/2 δ ˜ s
P s
v s
− s
α2I ∞,1
ds.
D’une part, le processus ( ˜ J t,1 ) est major´ e par t −(1−α) k J ˜ t,1 k ≤ t −(1−α)
Z t 1
s −α
P s
v s
− s α/2 I ∞,1
2
θ ˜ s − θ
2
ds.
D’autre part, on a
k θ ˜ s − θk 2 = O log s
s α
p.s., et de la relation (27), on obtient
P s v s
− s α/2 I ∞,1
2
= o
s −(α−2α
0) p.s.
On en d´ eduit
t −(1−α) k J ˜ t,1 k = o
t 2(α
0−α) log t
= o(1) p.s., (t −→ ∞). (45)
De mˆ eme, les deux processus ( ˜ J t,2 ) et ( ˜ J t,3 ) sont major´ es par t −(1−α) k J ˜ t,2 k = t −(1−α) k J ˜ t,3 k
≤ kI ∞,1 k t −(1−α) Z t
1
s −α/2
P s v s
− s α/2 I ∞,1
θ ˜ s − θ
2
ds.
il vient
t −(1−α) k J ˜ t,2 k = o
t α
0−α log t
= o(1) p.s., (t −→ ∞). (46)
Par cons´ equent, vu que I ∞,1 est inversible et en tenant compte du lemme 3.3 et des deux relations (18) et (44), on obtient
1 − α t 1−α
Z t 1
δ ˜ s ds −→ σ 2 I ∞,1 −1 p.s., (t −→ ∞). (47) Par ailleurs, on a
1 − α t 1−α
Z t 1
˜ δ s − δ ˜ s,t ds
≤ t −(1−α)
k K ˜ t,1 k + k K ˜ t,2 k + k K ˜ t,3 k
, (48)
avec
K ˜ t,1 = Z t
1
(˜ θ s − θ ¯ t ) ds (¯ θ t − θ) ∗ ,
K ˜ t,2 = (¯ θ t − θ) Z t
1
(˜ θ s − θ ¯ t ) ∗ ds,
K ˜ t,3 = (t − 1)(¯ θ t − θ)(¯ θ t − θ) ∗ .
Vu que les deux processus ( ˜ K t,1 ) et ( ˜ K t,2 ) sont major´ es par t −(1−α) k K ˜ t,1 k = t −(1−α) k K ˜ t,2 k
≤ t −(1−α) k θ ¯ t − θk Z t
1
k θ ˜ s − θk ds + (t − 1)t −(1−α) k θ ¯ t − θk 2 , (49) et en tenant compte du fait que
k θ ˜ t − θk = O
r log t t α
p.s. et k θ ¯ t − θk = O
r log log t t
p.s., on en d´ eduit
t −(1−α) k K ˜ t,1 k = t −(1−α) k K ˜ t,2 k
= O t −(1−α)/2 √ log t √
log log t
= O t −(1−α) log log t . Il en r´ esulte que
t −(1−α) k K ˜ t,1 k −→ 0 p.s. et t −(1−α) k K ˜ t,2 k −→ 0 p.s., (t −→ ∞). (50) Le processus ( ˜ K t,3 ) est major´ e par
t −(1−α) k K ˜ t,3 k ≤ (t − 1)t −(1−α) k θ ¯ t − θk 2 . Donc, on a
t −(1−α) k K ˜ t,3 k = O
t −(1−α) log log t
p.s., (t −→ ∞).
Par cons´ equent, on obtient
t −(1−α) k K ˜ t,3 k −→ 0 p.s., (t −→ ∞). (51) Enfin, en ins´ erant les relations (50) et (51) dans l’in´ egalit´ e (48), il vient
1 − α t 1−α
Z t 1
δ ˜ s − δ ˜ s,t ds
−→ 0 p.s., (t −→ ∞). (52)
La seconde assertion du th´ eor` eme d´ ecoule des propri´ et´ es (47) et (52).
3. Notons que t 1−α
1 − α
−1/2 Z t 1
s −α M ˜ s
v s
M ˜ s ∗ v s
− σ 2 I ∞,1
ds
= t 1−α
1 − α
−1/2 Z t 1
s −α M ˜ s
v s
M ˜ s ∗ v s
ds − t 1−α
1 − α 1/2
σ 2 I ∞,1 . De la relation (18), on a
M ˜ s M ˜ s ∗ = P s δ ˜ s P s . (53) Par suite, grˆ ace ` a la quatri` eme assertion du lemme 3.3, on a
t 1−α 1 − α
−1/2 Z t 1
s −α P s v s
˜ δ s P s v s
ds − t 1−α
1 − α 1/2
σ 2 I ∞,1 = ⇒ ν ∞ . Par ailleurs, notons que
t 1−α 1 − α
−1/2
Z t 1
s −α P s v s
δ ˜ s P s v s
ds − I ∞,1 Z t
1
δ ˜ s ds I ∞,1
≤ t −(1−α)/2
k J ˜ t,1 k + k J ˜ t,2 k + k J ˜ t,3 k
, (54)
o` u les processus ( ˜ J t,i ), i ∈ {1, 2, 3}, sont d´ efinis par la relation (44). De la relation (45), on obtient t −(1−α)/2 k J ˜ t,1 k = o
t 2α
0−5α/2+1/2
p.s., (t −→ ∞).
De la relation (46), on obtient
t −(1−α)/2 k J ˜ t,2 k = t −(1−α)/2 k J ˜ t,3 k = o
t α
0−3α/2+1/2
p.s., (t −→ ∞).
Vu que α 0 < (3α − 1)/2, on a
t −(1−α)/2 k J ˜ t,1 k = o (1) p.s., (t −→ ∞) et
t −(1−α)/2 k J ˜ t,2 k = t −(1−α)/2 k J ˜ t,3 k = o (1) p.s., (t −→ ∞).
Par cons´ equent, en tenant compte de la relation (54), on obtient quand t tend vers l’infini, t 1−α
1 − α −1/2
Z t 1
s −α P s
v s
˜ δ s
P s
v s ds − I ∞,1 Z t
1
˜ δ s ds I ∞,1
−→ 0 p.s. (55) Par suite, on en d´ eduit
t 1−α 1 − α
1/2 1 − α t 1−α
Z t 1
˜ δ s ds − σ 2 I ∞,1 −1
= ⇒ ν ∞ ,
o` u conditionnellement ` a σ 2 I ∞,1 , ν ∞ est une loi gaussienne matricielle centr´ ee ind´ ependante de I ∞,1 et de covariance
C = σ 4 I ∞,1 −2
2I ∞,1 ⊗ I ∞,1 + 2[(Vect(I ∞,1 ))(Vect(I ∞,1 )) ∗ ] ⊥ I ∞,1 −2 . Le r´ esultat d´ ecoule de la convergence (52), ce qui ach` eve la preuve du th´ eor` eme 2.1.2.
3.2 Preuves des r´ esultats relatifs au cas instable
Dans la suite, on introduit la martingale vectorielle continue M d´ efinie par M t = σ
Z t 0
X s dW s . (56)
Sa variation quadratique est donn´ ee par
hM i t = σ 2 Z t
0
X s X s ∗ ds, dont le comportement asymptotique est donn´ e par (voir relation (14))
e −B
θt hM i t e −B
θ∗t −→ σ 2 I ∞,2 p.s., (t −→ ∞).
D’apr` es (2) et (3), on obtient la relation-cl suivante :
M t = σ −2 hM i t (ˆ θ t − θ). (57)
Lemme 3.4 La martingale vectorielle continue M d´ efinie par (56) v´ erifie les propri´ et´ es asymptotiques suivantes :
1. Th´ eor` eme de la limite centrale (TLC) e −B
θt M t = ⇒ σI ∞,2 1/2 G,
o` u G est un vecteur gaussien standard, ind´ ependant de la v.a. I ∞,2 .
2. Th´ eor` eme de la limite centrale presque-sˆ ure (TLCPS) 1
t Z t
0
ds δ {e
−Bθ sM
s} = ⇒ µ ∞ p.s.,
o` u µ ∞ est la loi de la variable al´ eatoire σI ∞,2 1/2 G o` u G est un vecteur gaussien standard, ind´ ependant de la v.a. I ∞,2 .
3. La loi forte quadratique (LFQ) 1
t Z t
0
e −B
θs M s M s ∗ e −B
θ∗s ds −→ σ 2 I ∞,2 p.s., (t −→ ∞).
4. Th´ eor` eme de la limite centrale logarithmique (TLCL) t −1/2
Z t 0
{B θ D ˜ s + ˜ D s B ∗ θ }ds = ⇒ ν ∞ ,
o` u D ˜ s = e −B
θs (M s M s ∗ − hM i s )e −B
θ∗s , et conditionnellement ` a I ∞,2 , ν ∞ est une loi gaussienne matricielle centr´ ee, ind´ ependante de la variable al´ eatoire I ∞,2 et de covariance
C = σ 4 (2tr(B θ )) −1 {2I ∞,2 ⊗ I ∞,2 + 2[(Vect(I ∞,2 ))(Vect(I ∞,2 )) ∗ ] ⊥ }.
Preuve du lemme 3.4
1. La variation quadratique pr´ evisible de la martingale M v´ erifie
e −B
θt hM i t e −B
∗θt −→ σ 2 I ∞,2 p.s., (t −→ ∞), et le TLC appliqu´ e ` a la martingale continue M implique
e −B
θt M t = ⇒ σI ∞,2 1/2 G,
o` u G est un vecteur gaussien standard, ind´ ependant de la v.a. I ∞,2 , d’o` u la premi` ere assertion du lemme 3.4.
2. Le th´ eor` eme de la limite centrale presque-sˆ ure (voir th´ eor` eme 2.1.1 dans [9]), appliqu´ e au couple (M, V ) o` u M est la martingale continue donn´ ee par (56) et normalis´ ee par V t = e B
θt , implique
1 t
Z t 0
ds δ {V
−1s
M
s} = ⇒ µ ∞ p.s.,
o` u µ ∞ est la loi de la variable al´ eatoire σI ∞,2 1/2 G et G est un vecteur gaussien standard, ind´ ependant de la v.a. I ∞,2 . La seconde assertion du lemme 3.4 est ´ etablie.
3. La LFQ (voir th´ eor` eme 2.1.1 dans [9]), appliqu´ ee ` a la martingale continue M normalis´ ee par le processus V t = e B
θt , donne
1 t
Z t 1
e −B
θs M s M s ∗ e −B
θ∗s −→ σ 2 I ∞,2 p.s., (t −→ ∞), d’o` u la troisi` eme assertion du lemme 3.4.
4. En appliquant le TLC de la LFQ (voir th´ eor` eme 2.1.1 dans [9]) au couple (M, V ), o` u M est la martingale continue donn´ ee par (56) et normalis´ ee par V t = e B
θt , on obtient
t −1/2 Z t
0
{B θ D ˜ s + ˜ D s B θ ∗ }ds = ⇒ ν ∞ (t −→ ∞), (58) o` u ˜ D s = e −B
θs (M s M s ∗ − hM i s )e −B
θ∗s , et conditionnellement ` a I ∞,2 , ν ∞ est une loi gaussienne matricielle centr´ ee, ind´ ependante de la variable al´ eatoire I ∞,2 et de covariance
C = σ 4 (2tr(B θ )) −1 {2I ∞,2 ⊗ I ∞,2 + 2[(Vect(I ∞,2 ))(Vect(I ∞,2 )) ∗ ] ⊥ }.
Cela ach` eve la preuve du lemme 3.4.
Preuve du th´ eor` eme 2.2.1
1. Vu la relation (57), ` a savoir
M t = σ −2 hM i t (ˆ θ t − θ), on a
e −B
θt M t = I t,2 e B
∗θt (ˆ θ t − θ)
= (I t,2 − I ∞,2 )e B
θ∗t (ˆ θ t − θ) + I ∞,2 e B
∗θt (ˆ θ t − θ). (59) En ´ ecrivant
k(I t,2 − I ∞,2 )e B
θ∗t (ˆ θ t − θ)k ≤ kI t,2 − I ∞,2 kke B
∗θt kk θ ˆ t − θk, et en tenant compte de la propri´ et´ e (5), ` a savoir
k θ ˆ t − θk = O √
t e −mt
p.s., et du fait que
ke B
∗θt k ∼ e
mt, (t −→ ∞), (60) il vient, de l’hypoth` ese (H 2 ),
k(I t,2 − I ∞,2 )e B
θ∗t (ˆ θ t − θ)k = o(t
12−β )
= o(1) p.s., (t −→ ∞), car β > 1/2. (61) La premi` ere assertion du th´ eor` eme 2.2.1 d´ ecoule de la premi` ere assertion du lemme 3.4 et des deux relations (59) et (61).
2. Soit ϕ une fonction lipschitzienne continue born´ ee. Posons G t = t −1
Z t 0
ϕ(I s,2 e B
θ∗s (ˆ θ s − θ))ds − t −1 Z t
0
ϕ(I ∞,2 e B
∗θs (ˆ θ s − θ))ds.
Alors on a
kG t k ≤ C te t −1 Z t
0
kI s,2 − I ∞,2 k ke B
θs kk θ ˆ s − θkds.
En tenant compte de l’hypoth` ese (H 2 ) et de la propri´ et´ e (5), on en d´ eduit
kG t k = o(t
12−β ) = o(1) p.s., (t −→ ∞), car β > 1/2. (62) D’apr` es la deuxi` eme assertion du lemme 3.4 et la relation (57), on obtient
t −1 Z t
0
ds δ {I
s,2