• Aucun résultat trouvé

Exercice 1 : Probabilité de ruine et mouvement brownien avec dérive

N/A
N/A
Protected

Academic year: 2022

Partager "Exercice 1 : Probabilité de ruine et mouvement brownien avec dérive"

Copied!
2
0
0

Texte intégral

(1)

ISFA Vincent Lerouvillois Soutien Processus stochastiques - M1 Actuariat lerouvillois@math.univ-lyon1.fr Semestre printemps 2018-2019 math.univ-lyon1.fr/homes-www/lerouvillois/

Séance n

o

5 Théorème de Girsanov

Exercice 1 : Probabilité de ruine et mouvement brownien avec dérive

Soit (B

t

)

t≥0

un mouvement Brownien défini sur un espace probabilisé filtré (Ω, F, P ) et adapté par rapport à une filtration (F

t

)

t≥0

. On modélise l’argent détenu par une personne à un instant t par :

X

t

= x

0

+ µt − σB

t

,

où x

0

> 0 est l’argent au temps 0, µ > 0 est le revenu de la personne par unité de temps (dérive), B

t

représente un risque et σ > 0 le paramètre de volatilité. On se demande quelle est la probabilité que cette personne soit ruinée à un moment, en fonction des paramètres x

0

, µ et σ. Pour cela, on définit le temps de ruine :

T

0

:= inf {t > 0, X

t

= 0}.

Le but de l’exercice est de calculer la probabilité de ruine : P (T

0

< +∞).

1. Posons a =

xσ0

et c =

µσ

. On considère le processus B ˜

t

:= B

t

− ct, et le temps d’atteinte :

T ˜

a

:= inf {t > 0, B ˜

t

= a}.

Montrer que T

0

= ˜ T

a

.

2. On fixe un horizon de temps t > 0. Justifier que ( ˜ B

s

)

0≤s≤t

est un mouvement brownien standard par rapport à une autre mesure de probabilité Q

t

que l’on explicitera en fonction de P , de t et de c.

3. Justifier que P (T

0

≤ t) = E

Qt

1

T˜

a≤t

e

−cB˜tc

2t 2

.

4. En justifiant que T ˜

a

est un temps d’arrêt et que (e

−cB˜tc

2t

2

)

t≥0

est une Q

t

-martingale, en déduire, par le théorème d’arrêt, que :

P (T

0

≤ t) = E

Qt

1

a≤t

e

−cB˜t∧Tac

2t∧Ta 2

= e

−ca

E

Qt

1

a≤t

e

c

2Ta 2

.

1

(2)

5. On admet que pour un mouvement Brownien standard, le temps d’atteinte de la valeur a : T ˜

a

a pour densité f

a

(x) =

a

2π ea

2 2x

x3/2

1

x>0

. En conclure que P (T

0

≤ +∞) = e

−ca

Z

0

√ a 2π

e

a

2 2xc22x

x

3/2

dx.

En calculant la dernière intégrale, on trouve que

P (T

0

< +∞) = e

−2ca

= exp(− 2x

0

µ σ

2

).

Exercice 2 : Probabilité neutre au risque.

On considère deux actifs : un actif sans risque (S

t0

)

0≤t≤T

de taux de rendement r > 0 et un actif risqué (S

t

)

0≤t≤T

de taux de rendement µ > 0 et de volatilité σ > 0. On fait l’hypothèse que le taux d’actif risqué évolue selon la formule de Black-Scholes. Autrement dit :

dS

t0

= S

t0

r dt , et :

dS

t

= S

t

(µ dt + σ dB

t

) ,

où (B

t

)

t≥0

est un mouvement Brownien standard. On appelle actif risqué actualisé le processus

S e

t

0≤t≤T

:=

S

t

S

t0

0≤t≤T

.

Pour simplifier les expressions, on suppose que S

00

= S

0

= 1.

1. Calculez S

t0

.

2. En appliquant la formule d’Itô à ln(S

t

), montrez que S

t

= exp

(µ −

σ22

)t + σB

t

. 3. Donnez l’équation stochastique satisfaite par S e

t

.

4. On note P la probabilité sous-jacente (sous-laquelle (B

t

)

t≥0

est un mouvement Brownien).

Soit Q

T

la probabilité définie sur F

T

par d Q

T

= exp r − µ

σ B

T

− 1 2

r − µ σ

2

T

! d P .

Que pouvez-vous dire de (W

t

:= B

t

r−µσ

t)

0≤t≤T

sous Q

T

?

5. Montrez que ( S e

t

)

0≤t≤T

est une martingale sous Q

T

et écrire ( S e

t

)

0≤t≤T

comme processus d’Itô sous Q

T

(à l’aide de W

t

). On appelle Q

T

la probabilité neutre au risque.

6. Soit a ∈ R . On note :

F (t, x) = e

σ2(T−t)

x

2

− 2ax + a

2

. (a) Montrez que (M

t

:= F (t, S e

t

))

0≤t≤T

est une martingale sous Q

T

. (b) Calculez E

QT

h

( S e

T

− a)

2

i .

2

Références

Documents relatifs

Dire dans chaque cas si les variables aléatoires suivantes sont des temps

Le Théorème de caractérisation de Lévy affirme que la seule martingale continue de variation quadratique t est le mouvement brownien1. Exercice 4 : Somme de deux mouvements

Or la somme de deux variables aléatoires gaussiennes indépendantes est une variable aléatoire gaussienne (de moyenne la somme des moyennes et de variance la somme des variances)..

Le Théorème de caractérisation de Lévy affirme que la seule martingale continue de variation quadratique t est le mouvement brownien.. Correction exercice 4 : Exercice corrigé

L’idée est que par la propriété de Markov (forte) et par symmétrie, le deuxième processus est aussi un mouvement

L’idée est que par la propriété de Markov (forte) et par symmétrie, le deuxième processus est aussi un mouvement Brownien.. Justifier que X est un

On fait l'hypothèse que le taux d'actif risqué évolue selon la formule

Calculer sa covariance.. Trouver sa limite quand t tend vers +∞. Que pensez-vous de ce r´ esultat ? d) On consid` ere les arriv´ ees successives d’un autobus ` a un arrˆ et donn´