ISFA Vincent Lerouvillois Processus stochastiques - M1 Actuariat lerouvillois@math.univ-lyon1.fr Semestre automne 2018-2019 math.univ-lyon1.fr/homes-www/lerouvillois/
Éléments de correction TD n
o3
Mouvement Brownien (suite) et Intégrale de Wiener
Exercice 1 : Temps d’atteinte du mouvement Brownien.
Soit a > 0, (B
t)
t∈R+un mouvement Brownien et soit T
a:= inf { t ≥ 0, B
t= a } le premier temps d’atteinte du point a par un mouvement Brownien.
1. En utilisant une des martingales du mouvement Brownien , calculez sa transformée de La- place :
E [exp( − λT
a)]
pour tout λ > 0.
2. En déduire que P (T
a< + ∞ ) = 1 et que E [T
a] = + ∞ . Correction exercice 1 :
1. On utilise le fait que pour tout λ > 0, le processus stochastique
e
λBt−λ2 2 t
t≥0
est une martingale.
Par ailleurs, T
aest un temps d’arrêt car { T
a≥ t } = { sup { B
s, s ∈ [0, t] } ≥ a } ∈ F
t. On peut donc appliquer le théorème d’arrêt aux temps d’arrêts bornés 0 ≤ t ∧ T
a. On obtient l’égalité :
E
e
λBt∧Ta−λ2 2 t∧Ta
F
0= 1, puis en prenant l’espérance
E
e
λBt∧Ta−λ2 2 t∧Ta
= 1.
Nous voulons maintenant réaliser la limite t → + ∞ . Pour cela, on va utiliser le théorème de convergence dominée. D’une part, on a la convergence presque sûre :
e
λBt∧Ta−λ2
2 t∧Ta t→+∞
−→
1Ta<+∞e
λBTa−λ2 2 Ta
=
1Ta<+∞e
λa−λ2
2 Ta
(car B
Ta= a par continuité du mouvement Brownien).
D’autre part, on a la domination suivante : e
λBt∧Ta−λ2
2 t∧Ta
≤ e
λa, (car B
t∧Ta≤ a)
qui est bien intégrable comme variable aléatoire constante. On en déduit par le théorème de convergence dominée que :
E
e
λBt∧Ta−λ2 2 t∧Ta
t→+∞
−→ E
1Ta<+∞
e
λa−λ2 2 Ta
= E
e
λa−λ2 2 Ta
. Par conséquent, on a
E
e
λa−λ2 2 Ta
= 1, puis
E
e
−λ2 2 Ta
= e
−λa. Posons, λ
0=
λ22, on obtient E
h e
−λ0Tai
= e
−√
2λ0a
. On a montré que :
∀ λ > 0, E h e
−λTai
= e
−√ 2λa
.
2. On a que E e
−λTa= E
1Ta<∞
e
−λTa. De plus,
1Ta<∞e
−λTa−→
λ→01Ta<∞
,
et on a la domination
1Ta<∞e
−λTa≤ 1 donc par le théorème de convergence dominée, E h
e
−λTai
= E h
1Ta<∞
e
−λTai
−→
λ→0E [1
Ta<∞] = P [T
a< ∞ ] . D’où,
P [T
a< ∞ ] = lim
λ→0
e
−√2λa
= 1.
Ensuite, pour tout λ > 0, on a par le théorème de dérivation sous l’intégrale que : d E
e
−λTadλ = E
h − T
ae
−λTai
.
Or, par théorème de convergence monotone : E [T
a] = lim
λ→0
E h
T
ae
−λTai
.
On a donc
E [T
a] = lim
λ→0
E h
T
ae
−λTai
= lim
λ→0
− d E e
−λTadλ
= lim
λ→0
− d dλ
e
−√ 2λa
= lim
λ→0
√ a 2λ e
−√ 2λa
= + ∞ .
En conclusion,
E [T
a] = + ∞ .
Exercice 2 : Principe de Réflexion et loi du Maximum.
Soit B un mouvement Brownien. Pour tout t ∈ R
+, on note S
t= sup
s∈[0,t]B
sle maximum du mouvement Brownien sur l’intervalle [0, t]. Le but de cet exercice est d’utiliser un principe dit “de réflexion” (illustration Figure 1) pour calculer la loi de S
t.
1. On note T
a:= inf { t ≥ 0, B
t= a } le premier temps d’atteinte de a par le mouvement Brownien. On note B
as= B
s+Ta− B
Ta. Que pouvez-vous dire du processus (B
sa)
s∈R+? 2. Montrez que P [S
t≥ a, B
t≤ b] = P
T
a≤ t, B
t−Ta a≤ b − a . 3. En déduire que P [S
t≥ a, B
t≤ b] = P
T
a≤ t, B
t−Ta a≥ a − b .
4. En déduire que P [S
t≥ a, B
t≤ b] = P [B
t≥ 2a − b] (voir illustration Figure 1) . 5. En conclure que P [S
t≥ a] = 2 P [B
t≥ a] = P [ | B
t| ≥ a] et donc que
S
t=
d| B
t| .
Correction exercice 2 : (Proposée par Hugo Vaneuville) On fixe t, a, b comme dans l’énoncé.
1. D’après la propriété de Markov forte, (B
sa)
s∈R+est un mouvement Brownien indépendant de F
Ta.
2. On a :
{ S
t≥ a } = {∃ s ∈ [0, t], B
s≥ a }
= {∃ s ∈ [0, t], B
s= a } (par le théorème des valeurs intermédiaires)
= { T
a≤ t } .
De plus, sur l’événement { T
a≤ t } , on a B
t−Taa
= B
t− B
Ta= B
t− a. Et donc : P [S
t≥ a, B
t≤ b] = P
T
a≤ t, B
t−Ta a+ a ≤ b
= P
T
a≤ t, B
t−Ta a≤ b − a .
3. Si on conditionne par F
Taet qu’on utilise la question 2, on obtient que : P [S
t≥ a, B
t≤ b] = E
h E
h
1Ta≤t1Bat−Ta≤b−a
F
Taii
= E
1Ta≤t
P
B
t−Ta a≤ b − a F
Ta(car T
aest mesurable par rapport à F
Ta).
Comme T
aest mesurable par rapport à F
Ta, on a : P
B
t−Ta a≤ b − a F
Ta= P
B
t−sa≤ b − a F
Ta|s=Ta
= P
B
t−sa≤ b − a
|s=Ta
(car B
t−saest indépendant de F
Ta).
Or, (B
as)
s∈R+est un mouvement Brownien, donc par symmétrie : P
B
t−sa≤ b − a
= P
− B
t−sa≤ b − a .
En utilisant de nouveau que B
t−saest indépendant de F
Taet que T
aest mesurable par rapport à F
Ta, on obtient que :
P
− B
t−sa≤ b − a
|s=Ta
= P
− B
t−Ta a≤ b − a F
Ta.
Finalement :
P [S
t≥ a, B
t≤ b] = E
1Ta≤t
P
− B
t−Ta a≤ b − a F
Ta= E
h E
h
1Ta≤t1−Bt−a Ta≤b−a
F
Taii
(car T
aest mesurable par rapport à F
Ta)
= P
T
a≤ t, − B
t−Ta a≤ b − a
= P
T
a≤ t, B
at−Ta≥ a − b .
4. On conclut de la façon suivante :
P [S
t≥ a, B
t≤ b] = P
T
a≤ t, B
t−Ta a≥ a − b
= P [S
t≥ a, B
t−Ta+Ta− a ≥ a − b]
= P [S
t≥ a, B
t≥ 2a − b] .
Or, comme a ≥ b, on a 2a − b ≥ a, donc l’événement { B
t≥ 2a − b } contient l’événement { S
t≥ a } , ce qui donne le résultat.
5. En appliquant le résultat précédent avec b = a, on obtient que : P [S
t≥ a] = P [S
t≥ a, B
t≤ a] + P [S
t≥ a, B
t≥ a]
= P [S
t≥ a, B
t≥ a] + P [S
t≥ a, B
t≥ a] (d’après la question précédente)
= 2 P [B
t≥ a] (car { B
t≥ a } ⊆ { S
t≥ a } )
= P [ | B
t| ≥ a] .
Exercice 3 : Intégrale de Wiener
2a − b a b
t t
T
aT
aFigure
1 –
Illustration du principe de réflexion par Hugo Vanneuville. A gauche, un mouvement Brownien sa- tisfaisant l’événement {St ≥a, Bt ≤b}. À gauche, le même mouvement Brownien après réflexion pours ≥Ta et qui vérifie maintenantBt≥2a−b. L’idée est que par la propriété de Markov (forte) et par symmétrie, le deuxième processus est aussi un mouvement Brownien.1. Justifier que la variable aléatoire X
t= R
t0
(sin s) dB
sest bien définie comme intégrale de Wiener.
2. Justifier que X est un processus gaussien. Calculer son espérance et sa covariance E(X
sX
t).
3. Montrer que le processus X est une martingale.
4. Quelle est la variation quadratique de X ?
Correction exercice 3 : Les trois premières questions ont été vues en classe. Voici la correction de la quatrième question. A la question deux, il a été montré que
Γ(s, t) := Cov(X
s, X
t) = 1
2 sin(s ∧ t) − 1
4 sin(2s ∧ t).
Calculons pour tout s ≤ t, E X
t2F
s.
E X
t2F
s= E
(X
t− X
s+ X
s)
2F
s= E
(X
t− X
s)
2F
s+ 2X
sE
X
t− X
sF
s+ X
s2(par F
s-mesurabilité de X
s)
= E
(X
t− X
s)
2+ 2X
s× 0 + X
s2(car (X
t)
t∈R+est un PAI)
= V (X
t− X
s) + X
s2= Γ(t, t) + Γ(s, s) − 2Γ(s, t) + X
s2= Γ(t, t) − Γ(s, s) + X
s2(car Γ(s, t) = Γ(s ∧ t, s ∧ t) et s ≤ t) On en déduit que (X
t2− Γ(t, t))
t∈R+est une martingale et donc que la variation quadratique de X vaut :
h X i
t= Γ(t, t) = 1
2 sin(t) − 1
4 sin(2t).
Exercice 4 : Vers l’intégrale stochastique générale...
Le but de cet exercice est de calculer l’intégrale stochastique R
t0
B
sdB
s, en utilisant la construction vue en cours par approximation par des processus étagés.
1. Montrer que le mouvement Brownien (B
t)
t∈R+est un
bon processus.2. On définit le processus étagé suivant : B
tn=
n−1
X
k=0
B
tk1[tk,tk+1[(t) ,
avec t
k:=
ktn. Montrer que B
n L2([0,t])
n→∞
−→ B c’est à dire que : E h R
t0
(B
sn− B
s)
2ds i
n→∞
−→ 0 . 3. Calculer R
t0
B
sndB
s. On pourra exprimer le résultat comme fonction du mouvement Brownien.
4. Montrer enfin que
Z
t 0B
sdB
s= 1
2 B
t2− 1 2 t .
Remarque : On s’assure queBtk est bien mesurable par rapport à la tribu indexée par la borne gauche de l’intervalle[tk, tk+1[à savoirFtk. Si, par exemple, on remplaçaitBtk parBtk+1 qui n’est pasFtk-mesurable maisFtk+1-mesurable, on obtiendrait un résultat différent (Exercice : le vérifier).
Correction exercice 4 :
1. Vu en classe.
2. Vu en classe.
3. Calculons pour tout n ∈ N∗ l’intégrale stochastique Z
t0
B
sndB
s.
Par définition de l’intégrale stochastique pour des fonctions en escalier, on a que : Z
t0
B
sndB
s:=
n−1
X
k=0
B
tk(B
tk+1− B
tk).
Ensuite, on écrit que :
B
tk= B
tk+1+ B
tk2 − B
tk+1− B
tk2 ,
pour réécrire la somme sous la forme : Z
t0
B
sndB
s=
n−1
X
k=0
(B
tk+1+ B
tk)
2 − (B
tk+1− B
tk) 2
(B
tk+1− B
tk)
=
n−1
X
k=0
(B
tk+1+ B
tk)(B
tk+1− B
tk)
2 −
n−1
X
k=0
(B
tk+1− B
tk)
22
=
n−1
X
k=0
B
2tk+1− B
t2k2 −
n−1
X
k=0
(B
tk+1− B
tk)
22 .
Par télescopage de la première somme, on obtient l’expression : Z
t0
B
nsdB
s= 1 2 B
t2−
n−1
X
k=0
(B
tk+1− B
tk)
22 .
4. D’après la question 2, B
n L2([0,t])
n→∞
−→ B et donc R
t0
B
sndB
s L2(Ω) n→∞
−→
R
t0
B
sdB
s, par définition de l’intégrale stochastique généralisée comme prolongement L
2de l’intégrale stochastique sur des fonctions en escalier. D’après, le résultat de la question 3, il nous reste à montrer que :
n−1
X
k=0
(B
tk+1− B
tk)
2 L2(Ω) n→∞
−→ t, pour conclure que R
t0
B
sdB
s=
12B
t2−
12t. Autrement dit, il faut montrer que : E
"
n−1X
k=0
(B
tk+1− B
tk)
2− t
2#
n→∞
−→ 0.
On a que : E
"
n−1X
k=0
(B
tk+1− B
tk)
2− t
2#
= E
"
n−1X
k=0
(B
tk+1− B
tk)
2− t/n
2#
= E
"
n−1X
k=0
(B
tk+1− B
tk)
2− t/n
n−1X
k0=0
(B
tk0+1− B
t0k
)
2− t/n
#
= E
n−1
X
k=0, k=k0
(B
tk+1− B
tk)
2− t/n
2
+ E
X
k6=k0
(B
tk+1− B
tk)
2− t/n
(B
tk0+1− B
t0k
)
2− t/n
.
Commençons par traiter le deuxième terme de la somme. Pour k 6 = k
0, on a que [t
k, t
k+1[ et [t
0k, t
k0+1[ sont disjoints donc (B
tk+1− B
tk)
2− t/n et (B
tk0+1− B
t0k
)
2− t/n sont indépendantes.
par conséquent :
E
X
k6=k0
(B
tk+1− B
tk)
2− t/n
(B
tk0+1− B
t0k
)
2− t/n
= X
k6=k0
E
(B
tk+1− B
tk)
2− t/n E h
(B
tk0+1− B
t0k
)
2− t/n i
(par indépendance)
= X
k6=k0
0 × 0 (car E
(B
tk+1− B
tk)
2= V (B
tk+1− B
tk) = t/n)
= 0.
Pour le premier terme de la somme, on peut écrire : E
"
n−1X
k=0
(B
tk+1− B
tk)
2− t/n
2#
=
n−1
X
k=0
E h ( p
t/nZ)
2− t/n
2i
(avec Z ∼ N (0, 1))
=
n−1
X
k=0
E
((t/n)(Z
2− 1))
2=
n−1
X
k=0
(t/n)
2E
((Z
2− 1))
2= t
2n E
((Z
2− 1))
2n→∞
−→ 0 (car E
((Z
2− 1))
2< + ∞ ).
On a donc bien montré que : E
"
n−1X
k=0
(B
tk+1− B
tk)
2− t
2#
n→∞