Calcul Stochastique 2 Annie Millet

Dimension: px
Commencer à balayer dès la page:

Download "Calcul Stochastique 2 Annie Millet"

Transcription

1 M - Mahémaiques Appliquées à l Économie e à la Finance Universié Paris 1 Spécialié : Modélisaion e Méhodes Mahémaiques en Économie e Finance Calcul Sochasique Annie Mille

2 Table des maières 1. Processus d Iô de dimension quelconque Rappels Variaion quadraique - Croche d une maringale locale Processus d Iô réel Processus d Iô de dimension d - Formule d Iô générale Processus d Iô de dimension d Formule d Iô générale Propriéés du Brownien Caracérisaions de Lévy Propriéés de Markov Exercices Équaions différenielles sochasiques Soluion fore - Diffusion Soluion faible Quelques propriéés des diffusions Flo sochasique e Propriéé de Markov Généraeur infiniésimal Théorème de comparaison Processus de Bessel Lien avec les EDP Problème parabolique Formule de Feynman-Kac Exemples en finance Problème de Surm-Liouville - Temps d occupaion Inroducion à la formule de Black & Sholes Exercices Théorème de Girsanov Changemen de probabilié Formule de Cameron Marin Théorème de Girsanov Condiion de Novikov e généralisaions Exisence de soluions faibles Exemples d applicaion à des calculs d espérance Théorème de représenaion prévisible Exercices Applicaions à la finance Modélisaion d un marché financier en emps coninu Modélisaion d un marché à d acifs risqués e k faceurs Descripion des sraégies

3 Absence d opporunié d arbirage - Mesure maringale équivalene Probabilié risque neure Modèle de Black & Sholes généralisé Absence d opporunié d arbirage e changemen de probabilié - Prime de risque Compléude du marché Calcul du porefeuille de couverure dans le modèle de Black & Sholes Volailié Modèle de Cox-Ingersoll-Ross Processus de Bessel généraux Modèle de Cox-Ingersoll-Ross Calcul du prix d un zéro-coupon Exercices

4 1 1 Processus d Iô de dimension quelconque Le bu de ce chapire es d éendre les noions de mouvemen Brownien, de processus d Iô e la formule d Iô de la dimension 1 à une dimension d arbiraire. 1.1 Rappels Nous rappelons ou d abord quelques définiions e noaions du cours de Calcul Sochasique 1. La filraion donne «l informaion» don on dispose à chaque insan. Définiion 1.1 Soi Ω, F, P un espace probabilisé. i Une filraion es une famille croissane F, de sous-ribus de F, c es à dire elle que F s F F si s. ii On di que la filraion F saisfai les condiions usuelles si elle es : coninue à droie, i.e., F = F + := s> F s. complèe, i.e., oues les ribus F coniennen les ensembles négligeables, ce qui revien à demander que PA = enraîne A F. Convenion. Dans oue la suie on se donne un espace probabilisé filré Ω, F, F,, P e on suppose que sa filraion F saisfai les condiions habiuelles. On supposera de plus que la ribu F es la compléée de la ribu riviale {, Ω}, ce qui enraîne que les v.a. F mesurables son presque sûremen consanes. Ceci ne sera pas rappelé dans les énoncés. Définiion 1. Un processus sochasique à valeurs dans R d es une famille X, de variables aléaoires X : Ω, F R d, R d. i Le processus sochasique X es F -adapé si X es mesurable de Ω, F dans R d, R d pour ou insan. ii Le processus sochasique X es progressivemen mesurable ou progressif si pour ou insan, l applicaion s, ω X s ω es mesurable de B, ] F dans R d, R d. iii Soi X un processus sochasique. Sa filraion naurelle es F X, où F X = σσx s, s, ], N où N désigne les ensembles négligeables. Si le processus X es coninu à droie, sa filraion naurelle F X saisfai les condiions habiuelles. Théorème 1.3 Soi X un processus sochasique à valeurs dans R d, adapé e coninu à droie. Alors X es progressif. La noion de emps d arrê joue un rôle crucial dans la héorie. Définiion 1.4 Une variable aléaoire τ : Ω, + ] es un emps d arrê relaivemen à la filraion F, ou F -emps d arrê, si {τ } F pour ou. Si τ es un emps d arrê relaivemen à F, on noe F τ = {A F : A {τ } F,, + }. Enfin si X es un processus F -adapé, on noe X τ ω = X τω ω; si le processus X es coninu à droie e adapé, X τ 1 {τ<+ } es F τ -mesurable. Les exemples suivans de emps d arrê son imporans. 6 ocobre 9 Calcul Sochasique - Annie Mille

5 1 Processus d Iô de dimension quelconque Proposiion 1.5 Soi X, un processus à valeurs dans R d, F -adapé e A R d. Rappelons la convenion inf = +. i Si A es fermé e X es coninu, D A = inf{ : X A} es un F -emps d arrê. ii Si A es un ensemble ouver e X es coninu à droie, alors le emps d aeine de A noé T A = inf{ > : X A} es un F +-emps d arrê. Démonsraion. i De façon évidene, la coninuié de X. e le fai que A es fermé enraînen {D A } = {ω : inf s Q,s dx s ω, A = } F, où dx, A = inf y A dx, y. ii Pour vérifier {T A } F +, il suffi de vérifier que {T A < } F pour ou. De plus, si s < e X s ω A, la coninuié à droie de X. ω e le fai que A es ouver enraînen qu il exise ε ], s el que pour ou r s, s + ε, X r ω A, d où {T A < } = s<,s Q {X s A} F. Remarquons que T A n es pas nécessairemen un F -emps d arrê. Les maringales jouen un rôle cenral dans la héorie; elles on la propriéé fondamenale consammen uilisée en finance : le processus X,, T] es complèemen déerminé par sa valeur X T à l insan erminal T. Définiion 1.6 Un processus réel F -adapé X = X, es une F -maringale si E X ] < + auremen di X L 1 Ω pour ou. EX F s ] = X s pour ou s. Si X es une F -maringale elle que EX < + pour ou, on di que X es une maringale de carré inégrable. On peu définir une maringale sans filraion préalable, en demandan que ce soi une F X - maringale où F X es la ribu naurelle de X. Clairemen, si X es une F -maringale, c es aussi une F X -maringale. Enfin, un processus X = X i, i = 1,, d, à valeurs dans Rd es une F -maringale si chacune de ses composanes X, i, i = 1,, d es une F -maringale. Rappelons qu une F -maringale X par rappor à une filraion F qui saisfai les condiions habiuelles adme une modificaion coninue à droie e limiée à gauche cadlag. Toues les maringales que nous considérerons seron donc coninues à droie. Le héorème d arrê s éend aux maringales coninues à droie. Théorème 1.7 Théorème d arrê Soi M une F -maringale coninue à droie. i Soi S, T des F -emps d arrê bornés par une consane K, i.e., els que S T K. Alors M T es inégrable e EM T F S = M S p.s. ii Soi T un emps d arrê. Le processus arrêé M T, défini par M T = M T 1.1 es encore une F -maringale. Calcul Sochasique - Annie Mille 6 ocobre 9

6 1.1 Rappels 3 Démonsraion. i Pour ou n 1, soi S n ω = k n sur {S k 1 n, k n }, k K n + 1 e T n défini de façon similaire. Alors S n e T n son des F -emps d arrê qui ne prennen qu un nombre fini de valeurs e els que S S n T n, lim n S n = S e lim n T n = T. Si A F Sn, en découpan l ensemble A suivan les valeurs prises par S n e en uilisan la propriéé de maringale, on voi que M A S n dp = k M A {S n=k} KdP, c es à dire que M Sn = EM K F Sn. Puisque F Sn F Tn, on a donc EM Tn F Sn = EEM K F Tn F Sn = M Sn. On en dédui que pour A F S F Sn, M A S n dp = M A T n dp. De plus, les suies de emps d arrê S n, n 1 e T n, n 1 éan décroissanes, le calcul précéden monre que les suies M Sn, F Sn e M Tn, F Tn son des maringales descendanes, donc uniformémen inégrables. Puisque la maringale M es coninue à droie, M T = lim n M Tn e M S = lim n M Sn p.s. e dans L 1. On en dédui que pour ou A F S, M A SdP = M A TdP, ce qui ermine la démonsraion. On remarque que cee démonsraion s éend aisémen au cas où S e T son des emps d arrê non bornés els que S T si la maringale M es uniformémen inégrable, donc fermée. ii Si s, il suffi d appliquer la parie i aux emps d arrê s T T, pour déduire que M T es une F T -maringale. Monrons que ce processus F -adapé inégrable es encore une F -maringale. Soi A F s. De façon évidene, A {T > s} F s T, e puisque EM T F s T = M s T, M T dp = M s T dp. A {T >s} A {T >s} De plus, sur {T s}, M T = M T = M s T ; on en dédui M A TdP = M A s TdP, ce qui ermine la démonsraion. Cee proposiion jusifie la définiion suivane qui perme de «localiser» la noion de maringale en inroduisan une suie croissane de emps d arrê. Définiion 1.8 Un processus F -adapé e coninu à droie M es une F -maringale locale s il exise une suie croissane τ n de F -emps d arrê elle que τ n e M τn := M τn, es une F -maringale pour ou n. Remarque Soi M une maringale locale. En remplaçan la suie de emps d arrê τ n par τ n n on voi que l on peu demander que chaque maringale M τn soi uniformémen inégrable. Pour ou n 1, soi S n = inf{ : M n}. Alors S n es un emps d arrê e si la maringale locale M es coninue, on peu, en remplaçan τ n par τ n n S n, demander que la maringale M τn soi bornée. Même si M es une maringale locale inégrable, ce n es pas nécessairemen une maringale. On pourra voir un conre-exemple dans 11], page 18. Définiion 1.1 Le processus B, es un mouvemen Brownien sandard réel - ou unidimensionnel si les propriéés a-c son vérifiées : a PB = = 1 le mouvemen Brownien es issu de l origine. b Pour s, B B s es une variable réelle de loi gaussienne, cenrée de variance s, noée N, s. c Pour ou n e 1 n, les variables aléaoires B, B 1 B,, B n B n 1 son indépendanes. 6 ocobre 9 Calcul Sochasique - Annie Mille

7 4 1 Processus d Iô de dimension quelconque Rappelons que les rajecoires du Brownien B son p.s. coninues, e même Höldériennes d ordre α < 1, mais p.s. qu elles ne son pas dérivables ni même des foncions de classe C. 1 On supposera souven que la ribu F considérée es la ribu naurelle de B, noée F B, e saisfai donc le héorème d arrê 1.7. La propriéé c monre que pour ou s <, l accroissemen B B s es indépendan de la ribu Fs B = σσb u, u s, N. Le mouvemen Brownien es donc une F B -maringale. Rappelons des propriéés du Brownien qui seron d un usage consan, e pourron êre monrées à ire d exercice. Proposiion 1.11 Soi B un Brownien. Alors i Scaling Pour oue consane c >, le processus cb /c es un mouvemen Brownien e B es un mouvemen Brownien. ii B, es FB -maringale. iii Pour ou θ R, le processus exp θb θ, es une F B-maringale. La figure suivane monre rois exemples de rajecoires de B obenues par simulaion Variaion quadraique - Croche d une maringale locale Rappelons les noaions suivanes. Définiion 1.1 Soi Ω, F, F,, P un espace filré. Pour a = 1, e T ], + ] on noe : { } H a F = h progressivemen mesurable el que pour ou, E h s a ds <, { } Ha loc F = h progressivemen mesurable el que pour ou, h s a ds < p.s., { T } Ha T F = h progressivemen mesurable el que E h s a ds < +. Calcul Sochasique - Annie Mille 6 ocobre 9

8 1. Variaion quadraique - Croche d une maringale locale 5 En pariculier soi h un processus cadlag F -adapé; si pour ou > on a h s ds < + p.s., alors h H loc, si E h sds < pour ou, alors h H F,... Lorsque la filraion F es la filraion naurelle F B d un mouvemen Brownien B, on noera simplemen H1 loc := H1 loc F B, H loc := H loc F B,... La propriéé suivane des inégrales sochasiques par rappor au mouvemen Brownien es fondamenale. Théorème 1.13 Soi B un mouvemen Brownien e F B sa filraion naurelle. Soi h H ; alors le processus I = h sdb s es une F B -maringale de carré inégrable e à rajecoires p.s. coninues. Soi h H loc par exemple un processus cadlag, F B-adapé el que h sds < + p.s. Alors l inégrale sochasique I = h sdb s peu êre consruie comme une maringale locale coninue. Rappelons la noion de variaion saisfaie par les inégrales de la borne supérieure déerminises. Définiion 1.14 i Soi s < e f : s, ] R. La foncion f es à variaion bornée sur s, ] si V s,] f < +, où { } V s,] f := sup f i+1 f i : {s = < 1 < < n } subdivision de s, ]. i La foncion f :, + es à variaion finie sur, + si elle es à variaion bornée sur ou inervalle, T]. ii Le processus X es à variaion bornée sur s, ] resp. à variaion finie si ses rajecoires son p.s. à variaion bornée sur s, ] resp. p.s. à variaion finie. De façon évidene, si b H1 loc F, le processus I = b sds es à variaion finie; en effe pour ou T, V,T] I T b d. Le comporemen des inégrales sochasiques es ou aure. Proposiion 1.15 Soi M une F -maringale locale p.s. coninue à variaion finie. Alors pour ou la variable aléaoire M es presque sûremen consane égale à M. Démonsraion. Puisque M es p.s. consane, en remplaçan M par M M, on peu supposer M =. i Fixons T e supposons que M es une maringale coninue e que sa variaion V,T] M es p.s. bornée par C. Soi = { = < 1 < < n = T } une subdivision de, T], = sup n 1 i= i+1 i son pas e pour k n 1 soi X k = M k+1 M k. Alors n 1 E M T = E M T M = EXk + k= 1 i<j n 1 EX i X j. Si i < j, X i es F i mesurable, donc indépendane de X j e EX i X j = EX i EX j F i =. Donc E M T = n k= EX k CE sup k M k+1 M k e par coninuié des rajecoires de M, p.s. la foncion M ω es uniformémen coninue sur, T]. Quand, on a donc sup k:k+1 M k+1 M k p.s. andis que sup k:k+1 M k+1 M k C. En 6 ocobre 9 Calcul Sochasique - Annie Mille

9 6 1 Processus d Iô de dimension quelconque appliquan le Théorème de convergence dominée, on en dédui E sup k M k+1 M k quand. On en dédui E M T = ce qui enraîne M T = p.s. ii Supposons que M es une maringale p.s. coninue. Pour ou n, soi τ n = inf{, T] : V,] M n} T avec la convenion inf = +. La définiion de V,] monre que c es un processus F - adapé, coninu. La Proposiion 1.5 i monre que τ n es une suie de F -emps d arrê; de façon évidene, τ n es croissane e converge vers T. Le héorème d arrê 1.7 monre que le processus M τn = M τn, es une F -maringale. De plus, par consrucion, V,T] M τn n p.s. Soi, T]; la parie i monre donc que M τn = p.s. puis la coninuié p.s. de M perme, en faisan endre n vers l infini, d en déduire que M = p.s. iii Soi mainenan M une maringale locale coninue e soi τ n une suie de emps d arrê qui croi vers T elle que M τn, es une maringale coninue. Pour ou n cee maringale es à variaion bornée sur, T] e es donc nulle p.s. d après ii. On conclu de nouveau par passage à la limie en n en uilisan la coninuié p.s. de M. La proposiion précédene monre que le mouvemen Brownien n es p.s. pas à variaion bornée sur, T] e que l inégrale sochasique σ sdb s ne peu pas êre définie ω par ω e n es pas à variaion finie, sauf si elle es nulle. La «bonne noion» pour les inégrales sochasiques, ou comme pour le Brownien, es celle de variaion quadraique. Pour ou processus X défini sur, T], T e oue subdivision = { = < 1 < < k = T }, k 1 T X = X i+1 X i. i= Définiion 1.16 Soi X :, T] Ω R un processus sochasique défini sur, T]. On di que X es de variaion quadraique finie si pour ou, T], X, X = lim T exise en probabilié, c es à dire que pour oue suie n de subdivisions de, T] don le pas end vers, la suie T n converge en probabilié vers une limie noée X, X. Les deux résulas suivans donnen les rappors enre processus à variaion bornée e à variaion quadraique finie. Proposiion 1.17 Soi X un processus coninu à variaion bornée sur, T]. Alors X es de variaion quadraique nulle sur, T]. Démonsraion. Soi = { = < 1 < < k = T } une subdivision de, T]. Alors k 1 k 1 X i+1 X i X i+1 X i sup X i+1 X i. i<k i= i= La coninuié uniforme p.s. de X sur l inervalle, T] enraîne sup i k 1 X i+1 X i p.s. quand. De plus p.s. k 1 i= X i+1 ω X i ω V,T] X. ω < +, ce qui ermine la démonsraion. Calcul Sochasique - Annie Mille 6 ocobre 9

10 1. Variaion quadraique - Croche d une maringale locale 7 On remarque d ailleurs que la démonsraion précédene e le Théorème de convergence dominée enraînen que si V,] X C p.s. où C es consane, T converge vers dans L 1. Le résula suivan a éé monré dans le cours de Calcul Sochasique 1. Théorème 1.18 Le mouvemen Brownien B es de variaion quadraique finie sur ou inervalle, T] e B, B =. Plus précisémen, lorsque, E T B, c es à dire que la convergence a lieu dans L. De plus, si σ H loc, le processus σ sdb s, es de variaion quadraique σ s ds sur chaque inervalle, ]. Nous allons ou d abord le généraliser à des maringales locales coninues. Noaion Soi = { = < 1 < < } une subdivision de, + elle que pour ou >,, ] ne comprend qu un nombre fini de poins. Par analogie avec les noaions précédenes, pour ou > en ajouan à la subdivision e pour ou processus X noons T X = i+1 X i i X. 1. Le processus X es à variaion quadraique finie si pour ou la famille de processus T X converge en probabilié vers X, X quand le pas de la subdivision sur, ] end vers. Le résula suivan es fondamenal. Il relie la variaion quadraique à une maringale associée au carré du processus. Théorème 1.19 Soi M une F -maringale locale coninue. Alors M es de variaion quadraique finie e sa variaion quadraique M, M es l unique processus croissan, adapé, coninu, nul en zéro el que M M, M, es une F maringale locale. De plus, pour s < e oue suie n de subdivisions don le pas n end vers, la suie sup s Ts n M M, M s converge vers en probabilié. Si de plus, M es une maringale de carré inégrable c es à dire que EM < + pour ou, alors M M, M, es une F maringale coninue elle que pour ou couple de emps d arrê bornés S T C, EM T M S F S = E M T M S F S = E M, M T M, M S F S. Démonsraion. L unicié de la décomposiion découle de la Proposiion En effe, soi M = Y + A = Z + B où A, B son des processus coninus à variaion finie e nuls en, Y, Z son des maringales locales, coninues puisque M., A. e B. le son. Alors la différence Y Z = B A es une maringale locale coninue à variaion finie nulle en, donc es nulle d après la Proposiion Pour prouver l exisence, nous disinguerons plusieurs éapes. Pour alléger les noaions, nous ne ferons pas référence à la filraion pour les emps d arrê, maringales,... En remplaçan M par M M, qui es aussi une maringale ou une maringale locale, nous supposerons que M =. 1 On suppose que M es une maringale bornée par C. Pour oue subdivision, s <, noons i e k les eniers els que i s < i+1 e k < k+1. 6 ocobre 9 Calcul Sochasique - Annie Mille

11 8 1 Processus d Iô de dimension quelconque Alors si i = k, la propriéé de maringale de M enraîne que Si i < k, E T M T s M Fs = E M M i M s M i F s = E M M s F s = EM M s F s. E M i+1 M i F s = E Mi+1 M s F s + Ms M i. Avec la convenion n j=n 1 x j = si n 1 > n, on en dédui E T M T s M Fs = E M i+1 M s + D aure par, pour ou s a < b c < d, k 1 j=i+1 M j+1 M j + M M k Fs. EM b M a M d M c F s ] = EM b M a EM d M c F c ] F s ] =. En décomposan M M s comme somme d accroissemens sur les poins {s, i+1,, k, } on obien donc E M M s F s = E M i+1 M s + k 1 j=i+1 M j+1 M j + M M k Fs, On en dédui que E M M s F ] ] s = E M M s F s = E T M Ts M F s]. 1.3 Le processus M T M, es donc une maringale de carré inégrable e EM = ET M pour ou. Soi M une maringale coninue bornée par C. Fixons a en noons n une suie de subdivisions de, a] don le pas end vers. Monrons que la suie Ta n M, n converge dans L, c es à dire es de Cauchy dans L. Soi e deux subdivisions; noons la subdivision obenue en prenan l union des poins de e. Noons X = T M T M. Puisque M T M, es une maringale, X es égalemen une maringale nulle en elle que X, a es bornée. Le calcul précéden appliqué à X au lieu de M monre que ] ] EXa = E Ta M Ta M = E T a X. De plus, T a X T a T M + T a T M ]. Pour vérifier que la suie Ta n M es de Cauchy, il suffi donc de vérifier que E T a T M ] converge vers quand +. Soi s k e l l unique élémen de el que l s k < s k+1 l+1. Alors T s k+1 M T s k M = M sk+1 M l M sk M l = M sk+1 M sk M sk+1 +M sk M l. Calcul Sochasique - Annie Mille 6 ocobre 9

12 1. Variaion quadraique - Croche d une maringale locale 9 On en dédui T a T M T a M sup M sk+1 + M sk M l. k Puisque M es coninue bornée, le héorème de convergence dominée enraîne que E sup M sk+1 + M sk M l 4 quand +. k Il suffi d après l inégalié de Schwarz de prouver que E T a M rese bornée par une consane, c es à dire que sup E Ta M < +. Soi une subdivision qui conien a = n. Alors T a M = n 1 M i+1 M i i= n 1 n = M i+1 M i 4 + i= i= i= i= n 1 M i+1 M i j=i+1 M j+1 M j n 1 n = M i+1 M i 4 + M Mi+1 i T a M T i+1 M. L équaion 1.3 monre que E T a M T i+1 M F i+1 ] = E Ma M i+1 F i+1 ]. Puisque M i+1 M i es F i+1 -mesurable, on en dédui n 1 E Ta M = E M i+1 M i 4 i= n 1 + i= n 1 E M i+1 M i E T a M T i+1 M F i+1 ] n 1 = E M i+1 M i 4 + E M i+1 M i M a M i+1 ] i= E sup k i= ] M k+1 M k + sup M a M k Ta M. k Puisque sup M C e M =, l équaion 1.3 pour e a enraîne que ET a M C e donc E T a M 1C ET a M 1C La suie Ta n M, n 1 es donc de Cauchy dans L ; elle converge dans L donc aussi en probabilié vers une limie noée M, M a. 3 Soi M une maringale coninue bornée par C. Il rese à vérifier que le processus M, M a les propriéés annoncées. Soi n une suie de subdivisions don le pas n end 6 ocobre 9 Calcul Sochasique - Annie Mille

13 1 1 Processus d Iô de dimension quelconque vers. Pour ou m < n, le processus T n M T m M es une maringale e l inégalié de Doob enraîne que E Ts n M Ts m M 4E Ta n M Ta m M ]. sup s a Soi mk un enier el que pour ou m mk, E Ts m M T mk s M k. On peu supposer que la suie mk es sricemen croissane e, d après le lemme de Borel Canelli, de la suie T. n M, n 1 on peu donc exraire une sous-suie T mk. M, k 1 qui converge p.s. uniformémen sur l inervalle, a]. Par un procédé diagonal, on peu faire en sore d exraire une nouvelle sous-suie qui converge uniformémen sur ou inervalle, N] pour ou enier N. La limie M, M es donc p.s. coninue. De plus, la limie éan indépendane de la suie de subdivisions choisie, on peu faire en sore que la suie de subdivisions soi elle que n n+1 e que n n soi dense dans, +. Alors, si s < son des poins de n n, il exise n el que s, n pour ou n n. On en dédui alors de façon évidene que Ts n T n pour n n, d où M, M s M, M e que le processus M, M es croissan par coninuié. Enfin, en faisan endre n vers l infini dans l équaion 1.3 écrie pour la subdivision n e en uilisan l inégrabilié uniforme de la suie T n M, n 1 qui découle du fai que cee suie es bornée dans L d après 1.4, on dédui que M M, M es une maringale. 4 Soi M une maringale locale coninue e T n une suie de emps d arrê qui croî p.s. vers + e elle que pour ou n le processus Xn = M Tn défini par 1.1 es une maringale coninue bornée. La démonsraion précédene monre qu il exise un processus croissan An nul en el que pour ou n, Xn An, es une maringale. De plus la maringale arrêée Xn + 1 An + 1 Tn = Xn An + 1 Tn es une maringale e An + 1 Tn es un processus croissan nul en. L unicié monrée en 1 perme de déduire que An + 1 Tn = An Tn p.s. Ceci perme de définir sans ambiguïé un processus croissan M, M = An pour ou T n. L unicié vien de l unicié sur ou inervalle, T n ]. Fixons >, ε > e δ >. La suie de emps d arrê T n end vers +, donc pour n assez grand S = T n es el que PS < δ e la maringale M S es bornée. La première parie monre que lorsque le pas de la subdivision end vers, T MS converge vers M S, M S en probabilié. Puisque Ts M S = Ts M e M S, M S s = M, M s pour s, S], on en dédui que pour assez pei P sup Ts M M, M s ε δ + P sup Ts MS M S, M S s ε δ. s s 5 Supposons enfin que M es une maringale es de carré inégrable. D après l inégalié de Doob, E sup M s E M. s D aure par, soi T n une suie de emps d arrê qui croî p.s. vers + e elle que pour ou n le processus X n = M Tn es une maringale coninue bornée. Pour ou, E M, M Tn = Calcul Sochasique - Annie Mille 6 ocobre 9

14 1. Variaion quadraique - Croche d une maringale locale 11 E M Tn e la suie M Tn, n es une F Tn, n maringale bornée dans L qui converge dans L vers M. De plus, le héorème de convergence monoone monre que E M, M = lim n E M, M Tn = lim n E M Tn. Enfin la maringale discrèe M Tn, n 1 es fermée par M L e converge dans L vers M puisque n F Tn = F ; on a donc E M, M = EM < +. L inégalié de Doob monre alors que pour ou s, Ms M, M s sup Mr + M, M r L 1. r L exercice 1.4 ii monre que cee maringale locale coninue uniformémen inégrable es une maringale. Il suffi d appliquer le Théorème d arrê 1.7 pour conclure la démonsraion. Le croche de deux maringales locales coninues M e N es défini par polarisaion. Théorème 1. Soi M e N des F -maringales locales coninues. Il exise un unique processus coninu, adapé, à variaion finie M, N nul en el que M N M, N, soi une maringale locale coninue. De plus pour oue suie n de subdivisions de, ] don le pas end vers, la suie sup s M i+1 s M i sn i+1 s N i s M, N s converge vers en probabilié. i n Démonsraion. L unicié découle de la proposiion Pour l exisence, il suffi de vérifier que M, N = 1 ] M + N, M + N M N, M N. 4 a les propriéés annoncées. C es la différence de deux processus croissans e c es donc un processus à variaion finie. Définiion 1.1 On di que le processus M, N es le croche de M e N e que le processus M, M aussi noé M es le processus croissan associé à M. Définiion 1. Un processus X es une semi-maringale coninue s il adme la décomposiion X = X +M +A pour ou, où M es une F -maringale locale coninue, A es un processus coninu à variaion finie, M = A =. On dédui aisémen la Proposiion 1.3 La variaion quadraique d une semi-maringale coninue X = X +M+ A es finie e égale M, M. La décomposiion de X es unique à indisinguabilié près. On noe donc X, X = M, M e on di que ce processus croissan es le croche de X. De même, si X = X + M + A e Y = Y + N + B son des semi-maringales coninues avec les maringales locales coninues M, N e les processus à variaion finie A e B on défini le croche de X e Y comme X, Y = M, N = 1 ] X + Y, X + Y X Y, X Y. 4 6 ocobre 9 Calcul Sochasique - Annie Mille

15 1 1 Processus d Iô de dimension quelconque Démonsraion. Soi X = X + M + A une semi-maringale coninue. Si X adme une aure décomposiion X = X + M + Ā où Ā es un processus à variaion finie, M es une maringale locale coninue, M = Ā =, on a X = X, le processus M M = Ā A es une maringale locale coninue à variaion finie, es es donc nulle p.s. d après la Proposiion Soi une subdivision de, ]. D après la Proposiion 1.17 le processus A es à variaion quadraique nulle e pour prouver que la variaion quadraique de X es celle de M, il suffi de vérifier que M i+1 M i A i+1 A i sup M i+1 M i V ar,] A. i i Puisque les rajecoires de M son p. s. coninues donc uniformémen coninues sur, ] e que V ar,] A < + on dédui que p.s., le majoran end vers quand. 1.3 Processus d Iô réel. Définiion 1.4 Soi B un mouvemen Brownien, F B sa filraion naurelle, x R, b H1 locfb e σ Hloc FB. Le processus X défini par X = x + σ s db s + b s ds 1.5 es un processus d Iô; il es à rajecoires coninues. Le processus b es sa dérive, le processus σ es le coefficien de diffusion e x es la condiion iniiale. L équaion 1.5 es souven égalemen noée { dx = b d + σ db, 1.6 X = x. Le Théorème 1.13 monre que M = σ sdb s es une F B -maringale locale coninue. Un processus d Iô X = x + σ sdb s + b sds es donc une semi-maringale locale coninue. On di que σ sdb s es sa «parie maringale» même si c es seulemen une maringale locale e que x + b sds es sa «parie à variaion finie». La parie maringale de X es une «vraie» F B -maringale si le coefficien de diffusion σ es cadlag el que E < + pour ou >, ou plus généralemen si σ H F B. C es une σ sds maringale bornée dans L si σ H F. Les résulas de la secion précédene donnen donc immédiaemen quelques propriéés imporanes des processus d Iô. Corollaire 1.5 i Le croche d un processus d Iô X = x + σ sdb s + b sds es défini par X, X = σ sds pour ou. ii Plus généralemen, le croche croisé de deux processus d Iô X = x + σ sdb s + b sds e Y = y + σ sdb s + b s ds es celui de leurs paries maringales, soi X, Y = σ s σ s ds. iii Soi X = x + σ sdb s + b sds = x + σ sdb s + b s ds, un processus d Iô, où b, b H1 loc F B, σ, σ H loc F B, x, x R. Alors, x = x, b = b ds dp p.p. e σ = σ ds dp p.p., c es à dire que la décomposiion de X es unique. Calcul Sochasique - Annie Mille 6 ocobre 9

16 1.4 Processus d Iô de dimension d - Formule d Iô générale 13 iv Soi X un processus d Iô qui es une F B es nulle ds dp p.p. -maringale locale. Alors sa dérive b Démonsraion. i e ii son des conséquences immédiaes de la Proposiion 1.17, du Théorème 1.18 e de la polarisaion. iii La différence D = b s b s ds = σ s σ s db s es don un processus à variaion bornée sur, T] à cause de l inégrale déerminise e une maringale locale coninue à cause de l inégrale sochasique e du Théorème La Proposiion 1.17 monre que la variaion quadraique de l inégrale sochasique de σ σ es nulle p.s. sur ou inervalle, ], soi σ s σ s ds =, e σ = σ ds dp p.p. sur, ] Ω. On en dédui que b s b s ds = pour ou, ce qui ermine la démonsraion puisque X = x = x. iv Le processus d Iô X = x+ σ sdb s + b sds es coninu. Puisque x+ σ sdb s es une F B -maringale locale coninue, par différence le processus b sds es une maringale locale coninue e es à variaion finie sur ou inervalle, ]. Il es donc consan e égal à p.s. d après la Proposiion Processus d Iô de dimension d - Formule d Iô générale Processus d Iô de dimension d Nous éendons ou d abord la définiion du mouvemen Brownien réel au cas d un processus de dimension quelconque. Définiion 1.6 Soi B = B 1, B,...,B r, un processus r-dimensionnel e F une filraion. On di que B es un F -Brownien sandard r-dimensionnel si les processus B i, 1 i r son des F -Browniens réels indépendans, c es à dire : B = e pour s i B B s sui une loi normale N, sid r. ii l accroissemen B B s es indépendan de la ribu F s. Quand la filraion n es pas précisée, on di que B es un Brownien sandard d-dimensionnel si c es un mouvemen Brownien pour sa filraion naurelle F B. Si B es un Brownien sandard pour la filraion F, c es aussi un Brownien sandard pour sa filraion naurelle F B. Le Brownien es un processus gaussien à accroissemens indépendans. Nous commerons l abus de noaion consisan à idenifier un veceur x 1,, x r R r e la marice colonne de ses composanes dans la base canonique. Nous noerons donc B = B 1. B r. Nous généralisons de même la noion de processus d Iô. Noons Md, r l ensemble des marices d r à d lignes e r colonnes. On di qu un processus X = Xj i : 1 i d, 1 j r, à valeurs dans Md, k apparien à H1 locf resp. H locf, H F, H F si chaque composane Xk i es un processus réel qui apparien à Hloc 1 F resp. H loc F, H F, H F. 6 ocobre 9 Calcul Sochasique - Annie Mille

17 14 1 Processus d Iô de dimension quelconque Définiion 1.7 Soi B un F -Brownien sandard de dimension r, σ = σk i : 1 i d, 1 k r : Ω, + Md, r H loc, b = b 1,, b d : Ω, + R d H1 loc, e x = x 1,, x d R d. Le processus X à valeurs dans R d es un processus d Iô de condiion iniiale x, de coefficien de diffusion σ e de coefficien de dérive b si pour ou i = 1,, d, r X i = xi + σk i sdbk s + b i sds. 1.7 k=1 En noaion maricielle, si on comme l abus de noaion qui consise à idenifier un veceur x = x 1,, x d de R d e la marice colonne de ses coefficiens dans la base canonique, l équaion 1.7 peu s écrire où on noe X = X 1. X d, x = x 1. x d X = x +, σs = σsdb s + σ 1 1s.. σ1 dd bsds, σ 1 rs. σd r s, bs = b 1 s. b d s. Considérons les processus d Iô unidimensionnels ξ = x + r k=1 σ k sdb k s + bsds e ξ = x + r σ j sdbs k + k=1 bsds, pour b, b H1 loc e σ k, σ k H loc. Alors le processus bsds es coninu à variaion finie, andis que le processus r k=1 σ ksdbs k es une maringale locale coninue comme somme de maringales locales coninues. Les processus ξ e ξ son donc des semi-maringales. Pour rouver leurs croches, on remarque ou d abord que pour chaque indice k = 1,, r, le processus σ ksdbs k σ ks ds, es une F -maringale locale. Soi k l ; supposons d abord que les processus σ k e σ l son éagés, c es à dire n 1 σ k = ξk i 1 ] i, i+1 ] e σ l = i= n ξl i 1 ] i, i+1 ], = < 1 < e ξk i, ξj l F i -mesurables. i=1 Soi s < ; sans pere de généralié, on peu supposer que les insans s e son ajoués à la lise des i, avec s = I e = n. Alors, E σ k udbu k σ l udbu l n 1 n 1 F s = E ξk i ξ j l Bk i+1 B k i ]B l j+1 B l j ] F s = i= j= s σ k udb k u s σ l udb l u. En effe l indépendance de F i, B k i+1 B k i e B l i+1 B l i, enraîne par exemple que : si I i = j, puisque EB k i+1 B k i B l i+1 B l i F i = EB k i+1 B k i B l i+1 B l i ] =, on en dédui Eξ i k ξi l EBk i+1 B k i B l i+1 B l i F i FI =. Calcul Sochasique - Annie Mille 6 ocobre 9

18 1.4 Processus d Iô de dimension d - Formule d Iô générale 15 L indépendance de B l j+1 B l j e de F j enraîne : si i < I j, ξ i k Bk i+1 B k i Eξ j l EBl j+1 B l j F j F I =, si I i < j, Eξk ibk i+1 B k i ξ j l EBl j+1 B l j F j FI =, Cee propriéé s éend ensuie à des processus σ k e σ l de HF pour lesquels on dédui que r σ k sdbs k r σ k s ds, k=1 k=1 es une F -maringale. Par localisaion, on monre enfin que ce processus es une F - maringale locale si on sai seulemen que les processus σ k, 1 k r appariennen à H loc F. Le croche des processus ξ e ξ es donc celui de leurs paries maringales m = r k=1 σ ksdbs k, e m = r k=1 σ ksdbs k soi ξ, ξ r = m, m = σ k s σ k sds. Le croche de la maringale locale m es égal à celui de ξ, soi ξ, ξ = m, m = k=1 r σ k s ds = k=1 σs ds, où σs désigne la norme euclidienne dans R r du veceur σ 1 s,, σ r s Formule d Iô générale Les résulas de la secion précédene son résumés dans la Proposiion 1.8 Soi B un F -Brownien sandard à valeurs dans R r, X un processus d Iô à valeurs dans R d de la forme 1.7. Alors X es à rajecoires coninues. Pour chaque i = 1,, d, le processus bi sds, es coninu à variaion finie c es à dire que chacune de ses composanes es à variaion finie, nul en. Le processus σsdb s es une maringale locale coninue c es à dire que chacune de ses composanes es une maringale locale coninue nulle en. La décomposiion es unique. Le croche des composanes X i e X j, 1 i, j d es X i, X j = r σk i sσj k sds. k=1 La formule d Iô, monrée pour un processus d Iô réel dans le cours de Calcul Sochasique 1, se généralise immédiaemen à des processus d Iô mulidimensionnels. Rappelons la ou d abord en dimension 1 sous sa forme la plus simple. Théorème 1.9 Soi X = x+ σsdb s+ bsds, où x R, B es un F -Brownien, b H1 loc, σ H loc. Soi f : R R une foncion de classe C. Alors pour ou, fx = fx + = fx + f X s dx s + 1 f X s d X, X s 1.8 f X s σsdb s + f X s bx s + 1 ] f X s σ s ds. 6 ocobre 9 Calcul Sochasique - Annie Mille

19 16 1 Processus d Iô de dimension quelconque On peu donc formellemen poser dfx = f X dx + 1 f X d X, X où X, X = σ sds. La formule d Iô adme la version suivane en dimension quelconque, don la démonsraion similaire à celle en dimension 1, es omise. Noons A la ransposée de la marice A. Théorème 1.3 Soi B un F -Brownien sandard de dimension r, σ un processus à valeurs dans Md, r qui apparien à H loc F, b un processus à valeurs dans R d qui apparien à H1 locf e x R d. Noons X = x + σsdb s + b sds le processus d Iô défini par les équaions 1.7 pour ou i = 1,, d e soi f : R d R une foncion de classe C. Alors si on noe as = σsσs la marice d d définie par a i,j s = r k=1 σi k sσj k s pour i, j {1,, d}, on a : d f fx = fx + X s dxs i + 1 d f X s d X i, X j s 1.9 x i x i x j = fx + i=1 k j=1 d i=1 i,j=1 f X s σ i x jdbs j + i d i=1 f x i X s b i sds + 1 d f X s a i,j sds. 1.1 x i,j=1 i x j Noons f la marice carrée symérique f x x i x j, 1 i, j d,, le produi scalaire dans R d e f f la marice colonne don les composanes son les dérivées parielles x x i. On peu alors écrire formellemen la formule d Iô f dfx = x X, dx + 1 Trace σσ f x X d. Si la foncion f dépend aussi du emps, on a la seconde version de la formule d Iô. Théorème 1.31 Soi B un F -Brownien sandard de dimension r, σ un processus à valeurs dans Md, r qui apparien à H locf, b un processus à valeurs dans R d qui apparien à H1 loc F e x R d. Noons X = x + σsdb s + b sds le processus d Iô défini par les équaions 1.7 pour ou i = 1,, d e soi f :, + R d R une foncion de classe C 1,, c es à dire de classe C 1 par rappor à la première variable e de classe C par rappor à la seconde variable x. Alors si as = σsσs, on a : f d f, X = f, x + s, X f sds + s, X s dxs i x i + 1 = f, x + + d i,j=1 i=1 f x i x j s, X s d X i, X j s ds 1.11 r k=1 d i=1 f s, X s + f x i s, X s σ i k sdbk s d i=1 f x i s, X s b i s + 1 d i,j=1 ] f s, X s a i,j s ds. x i x j Calcul Sochasique - Annie Mille 6 ocobre 9

20 1.5 Propriéés du Brownien. 17 De nouveau, l équaion 1.11 peu s écrire de façon compace sous la forme df, X = f f, X d + x, X, dx + 1 Trace σσ f x, X d. Un cas pariculier rès simple de cee formule es le résula suivan qui es une «formule d inégraion par paries». On la monrera comme exercice. Si f :, + R es de classe C 1 e B es un Brownien sandard unidimensionnel, fsdb s = fb B s f sds. La formule d Iô perme de monrer que si B es un Brownien sandard unidimensionnel e si X es un processus F B-adapé, p 1+ e T > son els que E T X s p ds < +, alors T p T E X s db s pp 1] p T p 1 E X s p ds 1.1 On pourra monrer cee inégalié rès uile dans l exercice 1.8. Le résula suivan renforce la conclusion. L une des inégaliés es monrée dans l exercice 1.8. Théorème 1.3 Théorème de Burkholder-Davies-Gundy Pour ou p 1, + il exise des consanes universelles k p > e K p > qui ne dépenden que de p elles que oue F - maringale coninue M de carré inégrable e pour ou T >, k p E M p T E sup M s p K p E M p T Propriéés du Brownien Caracérisaions de Lévy s T Remarquons que si B es un Brownien sandard d-dimensionnel, pour ou i, j = 1,, d les processus B i, e Bi Bj δ i,j, son des F B -maringales avec δ i,j = pour i j e δ i,i = 1. La démonsraion es faie dans l exercice 1.7 Nous allons monrer que ces propriéés caracérisen le Brownien, ce qui sera fondamenal pour raier des changemens de probabilié. Noons u, v le produi scalaire des veceurs u, v R d e u la norme euclidienne de u, Théorème 1.33 Caracérisaion de Paul Lévy Soi X = X = X 1,, Xd, un processus F -adapé à valeurs dans R d. i On suppose pour ou u R d, les processus X e exp u, X u /] son des F -maringales. Alors, X es un F -Brownien sandard de dimension d. ii On suppose que le processus défini pour j = 1,, d par M j = X j X j es une F -maringale locale coninue nulle en M i = pour ou i e que les croches de M i e M j son M i M j = δ i,j Alors M es un F -Brownien sandard de dimension d. 6 ocobre 9 Calcul Sochasique - Annie Mille

TD 20-21 : Modèles de marchés - Mouvement brownien

TD 20-21 : Modèles de marchés - Mouvement brownien Universié Paris VI Maser : Modèles sochasiques, applicaions à la finance (MM065) TD 20-2 : Modèles de marchés - Mouvemen brownien. Taux de change. Soi (Ω, P(Ω), P) un espace probabilisé fini non redondan

Plus en détail

Présentation groupe de travail

Présentation groupe de travail Présenaion groupe de ravail Sofiane Saadane jeudi 23 mai 2013 Résumé L aricle sur lequel on ravaille [LP09] présene un problème de bandi à deux bras comporan une pénalié. Nous commencerons par présener

Plus en détail

2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.

2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre. 1 Examen. 1.1 Prime d une opion sur un fuure On considère une opion à 85 jours sur un fuure de nominal 18 francs, e don le prix d exercice es 175 francs. Le aux d inérê (coninu) du marché monéaire es 6%

Plus en détail

Mesures de risque dynamiques, pricing d options vanilles et EDSR quadratiques.

Mesures de risque dynamiques, pricing d options vanilles et EDSR quadratiques. Mesures de risque dynamiques, pricing d opions vanilles e EDSR quadraiques. Cyrille Guillaumie 1 Thibau Masrolia 2 Rappor echnique rendu en juin 213 1. European Securiies and Markes Auhoriy, cyrille.guillaumie@esma.europa.eu

Plus en détail

Texte Ruine d une compagnie d assurance

Texte Ruine d une compagnie d assurance Page n 1. Texe Ruine d une compagnie d assurance Une nouvelle compagnie d assurance veu enrer sur le marché. Elle souhaie évaluer sa probabilié de faillie en foncion du capial iniial invesi. On suppose

Plus en détail

Séries et intégrales généralisées - Approfondissement (2M261) Janvier-Juin 2015. Devoir Maison n o 1. ln 1 sh 1 sh t t sin(1/t 2 ) 1 +

Séries et intégrales généralisées - Approfondissement (2M261) Janvier-Juin 2015. Devoir Maison n o 1. ln 1 sh 1 sh t t sin(1/t 2 ) 1 + Universié Pierre e Marie Curie Licence de Mahéaiques Séries e inégrales généralisées - Approfondisseen (2M26) Janvier-Juin 25. Devoir Maison n o Exercice : Convergence e calcul d inégrales. Éudier la naure

Plus en détail

Exemples de résolutions d équations différentielles

Exemples de résolutions d équations différentielles Exemples de résoluions d équaions différenielles Table des maières 1 Définiions 1 Sans second membre 1.1 Exemple.................................................. 1 3 Avec second membre 3.1 Exemple..................................................

Plus en détail

TD/TP : Taux d un emprunt (méthode de Newton)

TD/TP : Taux d un emprunt (méthode de Newton) TD/TP : Taux d un emprun (méhode de Newon) 1 On s inéresse à des calculs relaifs à des remboursemens d empruns 1. On noera C 0 la somme emprunée, M la somme remboursée chaque mois (mensualié), le aux mensuel

Plus en détail

Les circuits électriques en régime transitoire

Les circuits électriques en régime transitoire Les circuis élecriques en régime ransioire 1 Inroducion 1.1 Définiions 1.1.1 égime saionnaire Un régime saionnaire es caracérisé par des grandeurs indépendanes du emps. Un circui en couran coninu es donc

Plus en détail

Le modèle de Black Scholes

Le modèle de Black Scholes Le modèle de Black Scholes Philippe Briand, Mars 3 1. Présenaion du modèle Les mahémaiciens on depuis longemps essayé de résoudre les quesions soulevées par le monde de la finance. Une des caracérisiques

Plus en détail

Réponse indicielle et impulsionnelle d un système linéaire

Réponse indicielle et impulsionnelle d un système linéaire PSI Brizeux Ch. E2: Réponse indicielle e impulsionnelle d un sysème linéaire 18 CHAPITRE E2 Réponse indicielle e impulsionnelle d un sysème linéaire Nous connaissons ou l inérê de l éude de la réponse

Plus en détail

Solutions auto-similaires et espaces de données initiales. 2 ), l équation de Schrödinger. Introduction. Fabrice Planchon

Solutions auto-similaires et espaces de données initiales. 2 ), l équation de Schrödinger. Introduction. Fabrice Planchon Soluions auo-similaires e espaces de données iniiales pour l équaion de Schrödinger Fabrice Planchon Résumé. On démonre que pour des peies données iniiales dans Ḃ 1, (R3 ), l équaion de Schrödinger non

Plus en détail

EXERCICES DE CALCUL STOCHASTIQUE M2IF Evry. Monique Jeanblanc

EXERCICES DE CALCUL STOCHASTIQUE M2IF Evry. Monique Jeanblanc EXERCICES DE CALCUL STOCHASTIQUE M2IF Evry Monique Jeanblanc Universié d EVRY Mars 29 2 Conens 1 Rappels 7 1.1 Tribu............................................. 7 1.2 Variables gaussiennes....................................

Plus en détail

SÉMINAIRE DE PROBABILITÉS (STRASBOURG)

SÉMINAIRE DE PROBABILITÉS (STRASBOURG) SÉMINAIRE DE PROBABILITÉS (STRASBOURG) STÉPHANE ATTAL PAUL-ANDRÉ MEYER Inerpréaion probabilise e exension des inégrales sochasiques non commuaives Séminaire de probabiliés (Srasbourg), ome 27 (1993), p

Plus en détail

Sur la résolution numérique de problèmes de contrôle optimal à solution bang-bang via les méthodes homotopiques. Joseph Gergaud

Sur la résolution numérique de problèmes de contrôle optimal à solution bang-bang via les méthodes homotopiques. Joseph Gergaud Sur la résoluion numérique de problèmes de conrôle opimal à soluion bang-bang via les méhodes homoopiques Joseph Gergaud Universié de Toulouse INP-ENSEEIHT-IRIT (UMR CNRS 555) Mémoire d Habiliaion à Diriger

Plus en détail

Corrigé CNC MP 2003, Math 1

Corrigé CNC MP 2003, Math 1 Corrigé CNC MP 3, Mah Parie I. a La foncion e es coninue sur ], α] prolongeable par coninuié en, elle es donc inégrable sur ],α] b La foncion e e es coninue sur [,+ [ e. + donc elle es inégrable sur [,

Plus en détail

Mathématiques financières. Peter Tankov

Mathématiques financières. Peter Tankov Mahémaiques financières Peer ankov Maser ISIFAR Ediion 13-14 Preface Objecifs du cours L obje de ce cours es la modélisaion financière en emps coninu. L objecif es d un coé de comprendre les bases de

Plus en détail

CHAPITRE I : Cinématique du point matériel

CHAPITRE I : Cinématique du point matériel I. 1 CHAPITRE I : Cinémaique du poin maériel I.1 : Inroducion La plupar des objes éudiés par les physiciens son en mouvemen : depuis les paricules élémenaires elles que les élecrons, les proons e les neurons

Plus en détail

ECONOMETRIE II - SERIES TEMPORELLES PARTIEL FEVRIER 2002

ECONOMETRIE II - SERIES TEMPORELLES PARTIEL FEVRIER 2002 Universié Paris IX Dauphine UFR Economie Appliquée Maîrise Economie Appliquée ECONOMETRIE II - SERIES TEMPORELLES PARTIEL FEVRIER 00 Noes de Cours Auorisées, Calcularices sans Mémoire Auorisées Durée :

Plus en détail

6. Étude de courbes paramétrées (C) : Ces équations sont appelées équations paramétriques de (C). { x = x t. On note parfois également.

6. Étude de courbes paramétrées (C) : Ces équations sont appelées équations paramétriques de (C). { x = x t. On note parfois également. ÉTUDE DE COURBES PARAMÉTRÉES 39 6. Éude de courbes paramérées 6.. Définiions Remarques La courbe (C) n es pas nécessairemen le graphe d une foncion ; c es pourquoi on parle de courbe paramérée e non pas

Plus en détail

Gestion Actif Passif et Solvabilité

Gestion Actif Passif et Solvabilité Gesion Acif Passif e Solvabilié Charles Descure & Crisiano Borean Generali France 7/9 Boulevard Haussmann 759 Paris Tel. : +33 58 38 86 84 +33 58 38 86 64 Fax. : +33 58 38 8 cdescure@generali.fr cborean@generali.fr

Plus en détail

Sous-évaluation des prix d options par le modèle de Black & Scholes.

Sous-évaluation des prix d options par le modèle de Black & Scholes. Sous-évaluaion des prix d opions par le modèle de Black & Scholes. Mise en évidence par une dynamique combinan mouvemen brownien e processus à saus. Marc Debersé ocobre 6 Résumé S il es bien connu que

Plus en détail

Finance 1 Université d Evry Val d Essonne. Séance 2. Philippe PRIAULET

Finance 1 Université d Evry Val d Essonne. Séance 2. Philippe PRIAULET Finance 1 Universié d Evry Val d Essonne éance 2 Philippe PRIAULET Plan du cours Les opions Définiion e Caracérisiques Terminologie, convenion e coaion Les différens payoffs Le levier implicie Exemple

Plus en détail

Ce document a été mis en ligne par le Canopé de l académie de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel.

Ce document a été mis en ligne par le Canopé de l académie de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Ce documen a éé mis en ligne par le Canopé de l académie de Bordeaux pour la Base Naionale des Sujes d Examens de l enseignemen professionnel. Base Naionale des Sujes d'examens de l'enseignemen professionnel

Plus en détail

Fonction dont la variable est borne d intégration

Fonction dont la variable est borne d intégration [hp://mp.cpgedpydelome.fr] édié le 1 jille 14 Enoncés 1 Foncion don la variable es borne d inégraion Eercice 1 [ 1987 ] [correcion] Soi f : R R ne foncion conine. Jsifier qe les foncions g : R R sivanes

Plus en détail

Chapitre 15 c Circuits RL et RC

Chapitre 15 c Circuits RL et RC Chapire 15 c Circuis L e C en régime impulsionnel Sommaire Circuis en régime impulsionnel Signal impulsionnel Mesure d'un circui C en régime impulsionnel Applicaion praique Eude du circui C en régime impulsionnel

Plus en détail

Introduction aux produits dérivés

Introduction aux produits dérivés Chapire 1 Inroducion aux produis dérivés de crédi Le risque de crédi signifie les risques financiers liés aux incapaciés d un agen (un pariculier, une enreprise ou un éa souverain) de payer un engagemen

Plus en détail

IRM fonctionnelle : QUELQUES IDEES SUR LE TRAITEMENT STATISTIQUE DES DONNEES

IRM fonctionnelle : QUELQUES IDEES SUR LE TRAITEMENT STATISTIQUE DES DONNEES IRM foncionnelle : QUELQUES IDEES SUR LE TRAITEMENT STATISTIQUE DES DONNEES Le principe général d'une éude IRMf consise à analyser le signal BOLD (Blood Oxygen Level Dependen) qui radui l'augmenaion d'afflux

Plus en détail

Solutions auto-semblables pour des modèles avec conductivité thermique

Solutions auto-semblables pour des modèles avec conductivité thermique Soluions auo-semblables pour des modèles avec conducivié hermique Séphane DELLACHERIE e Olivier LAFITTE CRM-327 5 décembre 25 Cenre de Recherches Mahémaiques, Universié de Monréal, Case posale 628, Succursale

Plus en détail

MATHEMATIQUES FINANCIERES

MATHEMATIQUES FINANCIERES MATHEMATIQUES FINANCIERES LES ANNUITES INTRODUCTION : Exemple 1 : Une personne veu acquérir une maison pour 60000000 DH, pour cela, elle place annuellemen au CIH une de 5000000 DH. Bu : Consiuer un capial

Plus en détail

Les Univers Virtuels de la Finance

Les Univers Virtuels de la Finance Les Univers Viruels de la Finance Viruel Worlds of Finance ierre Devolder 1 Résumé. La mesure neure au risque es devenue une noion cenrale en finance moderne: elle s obien par changemen de mesure de probabilié

Plus en détail

EDSR et EDSPR avec grossissement de filtration, problèmes d asymétrie d information et de couverture sur les marchés financiers

EDSR et EDSPR avec grossissement de filtration, problèmes d asymétrie d information et de couverture sur les marchés financiers UNIVERSITE PAUL SABATIER TOULOUSE III U.F.R Mahémaique Informaique Gesion THÈSE présenée e souenue publiquemen le 7 décembre 25 pour l obenion du Docora de l Universié Paul Sabaier TOULOUSE III mahémaiques

Plus en détail

Potentiels ponctuels en dimension 1

Potentiels ponctuels en dimension 1 0 mon exe Poenies poncues en dimension 1 Séminaire du Maser 2 Recherche de Mahémaiques Universié de Rennes 1 mon exe Suje proposé par Dimiri Yafaev Lauren Paer janvier 2009 Cadre physique du probème On

Plus en détail

Romain Burgot & Tchim Silué. Synthèse de l article : Note sur l évaluation de l option de remboursement anticipé

Romain Burgot & Tchim Silué. Synthèse de l article : Note sur l évaluation de l option de remboursement anticipé ENSAE 3 eme année Romain Burgo & Tchim Silué Synhèse de l aricle : Noe sur l évaluaion de l opion de remboursemen anicipé Mémoire de gesion ALM Juin 2006 Résumé Depuis 1979, la loi offre à l empruneur

Plus en détail

Exercice du Gestion Financière à Court Terme «Cas FINEX Gestion du risque de taux d intérêt»

Exercice du Gestion Financière à Court Terme «Cas FINEX Gestion du risque de taux d intérêt» Exercice du Gesion Financière à Cour Terme «Cas FINEX Gesion du risque de aux d inérê» Ce cas raie des différens aspecs de la gesion du risque de aux d inérê liée à la dee d une enreprise : analyse d emprun,

Plus en détail

Etude de risque pour un portefeuille d assurance récolte

Etude de risque pour un portefeuille d assurance récolte Eude de risque pour un porefeuille d assurance récole Hervé ODJO GROUPAMA Direcion ACTUARIAT Groupe 2, Bd Malesherbes 75008 Paris Tél : 33 (0 44 56 72 46 herve.odjo@groupama.com Viviane RITZ GROUPAMA Direcion

Plus en détail

Caractéristiques des signaux électriques

Caractéristiques des signaux électriques Sie Inerne : www.gecif.ne Discipline : Génie Elecrique Caracérisiques des signaux élecriques Sommaire I Définiion d un signal analogique page 1 II Caracérisiques d un signal analogique page 2 II 1 Forme

Plus en détail

«Savoir vendre les nouvelles classes d actifs financiers» Produits à capital garanti : méthode du coussin (CCPI) François Longin www.longin.

«Savoir vendre les nouvelles classes d actifs financiers» Produits à capital garanti : méthode du coussin (CCPI) François Longin www.longin. Formaion ESSEC Gesion de parimoine Séminaire i «Savoir vendre les nouvelles classes d acifs financiers» Produis à capial garani : méhode du coussin (CCPI) Origine de la méhode Descripion de la méhode Plan

Plus en détail

Rappels théoriques. -TP- Modulations digitales ASK - FSK. Première partie 1 INTRODUCTION

Rappels théoriques. -TP- Modulations digitales ASK - FSK. Première partie 1 INTRODUCTION 2 IUT Blois Déparemen GTR J.M. Giraul, O. Bou Maar, D. Ceron M. Richard, P. Sevesre e M. Leberre. -TP- Modulaions digiales ASK - FSK IUT Blois Déparemen du Génie des Télécommunicaions e des Réseaux. Le

Plus en détail

Intégrale stochastique

Intégrale stochastique Intégrale stochastique Plan L intégrale stochastique générale Intégrale de Wiener Exemples Processus d Itô Formule d Itô Formule de Black & Scholes Le processus B est un mouvement Brownien et { Ft B,t

Plus en détail

VA(1+r) = C 1. VA = C 1 v 1

VA(1+r) = C 1. VA = C 1 v 1 Universié Libre de Bruxelles Solvay Business School La valeur acuelle André Farber Novembre 2005. Inroducion Supposons d abord que le emps soi limié à une période e que les cash flows fuurs (les flux monéaires)

Plus en détail

pour un régime de rentiers

pour un régime de rentiers Les Crières normes d allocaion IFRS en assurance d acifs pour un régime de reniers 1 er juille 2004 Frédéric PLANCHET Acuaire associé Pierre THEROND Acuaire 1 er juille 2004 Page 1 Conexe (1) La déerminaion

Plus en détail

MODELES DE LA COURBE DES TAUX D INTERET. UNIVERSITE d EVRY Séance 4. Philippe PRIAULET

MODELES DE LA COURBE DES TAUX D INTERET. UNIVERSITE d EVRY Séance 4. Philippe PRIAULET MODELES DE LA COURBE DES AUX D INERE UNIVERSIE d EVRY Séance 4 Philippe PRIAULE Plan de la Séance Les modèles sochasiques de déformaion de la courbe des aux: Approche déaillée Le modèle de Black: référence

Plus en détail

Exercices de baccalauréat série S sur la loi exponentielle

Exercices de baccalauréat série S sur la loi exponentielle Eercices de baccalauréa série S sur la loi eponenielle (page de l énoncé/page du corrigé) La compagnie d'auocars (Bac série S, cenres érangers, 23) (2/) Durée de vie d'un composan élecronique (Bac série

Plus en détail

Académie Européenne Interdisciplinaire des Sciences Colloque Théories et Modèles en Sciences Sociales 28-29 novembre 2011.

Académie Européenne Interdisciplinaire des Sciences Colloque Théories et Modèles en Sciences Sociales 28-29 novembre 2011. RISQUE EXTREME ET REGULARITE FRACTALE EN FINANCE Académie Européenne Inerdisciplinaire des Sciences Colloque Théories e Modèles en Sciences Sociales 28-29 novembre 2011 Lauren Emmanuel Calve Lauren Emmanuel

Plus en détail

La rentabilité des investissements

La rentabilité des investissements La renabilié des invesissemens Inroducion Difficulé d évaluer des invesissemens TI : problème de l idenificaion des bénéfices, des coûs (absence de saisiques empiriques) problème des bénéfices Inangibles

Plus en détail

Exercices M1: Cinématique du point. A) Questions de compréhension. LCD Physique 2eBC 1 Ex2eMeca1_13.docx 04/11/2013

Exercices M1: Cinématique du point. A) Questions de compréhension. LCD Physique 2eBC 1 Ex2eMeca1_13.docx 04/11/2013 LCD Physique ebc 1 Exercices M1: Cinémaique du poin A) Quesions de compréhension 1) Un voyageur dans un rain en mouvemen à viesse consane laisse omber un obje. Esquisser l allure de la rajecoire : pour

Plus en détail

Le mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites

Le mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»

Plus en détail

MAITRISE ECONOMIE APPLIQUEE ECONOMETRIE II : EXAMEN TERMINAL (durée 2 h) Filières : Economie Internationale, Monnaie, Finance

MAITRISE ECONOMIE APPLIQUEE ECONOMETRIE II : EXAMEN TERMINAL (durée 2 h) Filières : Economie Internationale, Monnaie, Finance UNIVERSITE DE PARIS-DAUPHINE Février 2004 MAITRISE ECONOMIE APPLIQUEE ECONOMETRIE II : EXAMEN TERMINAL (durée 2 h) Filières : Economie Inernaionale, Monnaie, Finance Noes de Cours Auorisées, seules les

Plus en détail

ÉTUDE CINÉMATIQUE D UN FLUIDE EN ÉCOULEMENT.

ÉTUDE CINÉMATIQUE D UN FLUIDE EN ÉCOULEMENT. Objecifs CINÉMATIQUE DES FLUIDES ÉTUDE CINÉMATIQUE D UN FLUIDE EN ÉCOULEMENT Coprendre les différences enre l approche lagrangienne e l approche eulérienne Saoir eprier une accéléraion lagrangienne en

Plus en détail

Claudio Araujo, CERDI 1

Claudio Araujo, CERDI 1 0/09/03 Macroéconomérie I. Naissance de la modélisaion macroéconomérique : Cowles Commission and London chool Economics Claudio Arauo CERDI, Universié d Auvergne Clermon-Ferrand, France www.cerdi.org hp://www.cerdi.org/claudio-arauo/perso/

Plus en détail

Modélisation et quantification de systèmes vieillissants pour l optimisation de la maintenance

Modélisation et quantification de systèmes vieillissants pour l optimisation de la maintenance ème édiion du congrès inernaional pluridisciplinaire Du au 20 mars 2009 Modélisaion e quanificaion de sysèmes vieillissans pour l opimisaion de la mainenance LAIR William,2, MERCIER Sophie, ROUSSIGNOL

Plus en détail

- PROBABILITE : c est le rapport (Nbr de cas favorable/nbr de cas possible). C est un nombre compris entre 0 et 1.

- PROBABILITE : c est le rapport (Nbr de cas favorable/nbr de cas possible). C est un nombre compris entre 0 et 1. Les premières consaaions sur l inapiude des produis indusriels à assurer les foncions qu ils éaien censés remplir pendan un emps suffisan remonen à la seconde guerre mondiale. En France cee prise de conscience

Plus en détail

Solvency II, IFRS : l impact des modèles d actifs retenus

Solvency II, IFRS : l impact des modèles d actifs retenus Les normes IFRS en assurance Solvency II, IFRS : l impac des modèles d acifs reenus 31 e journée de séminaires acuariels ISA-HEC Lausanne e ISFA Lyon Pierre THÉROND pherond@winer-associes.fr 18 novembre

Plus en détail

Année 2010. Thèse. pour obtenir le titre de. présentée par Thomas-Samnang LIM. Directrice de thèse Pr. Marie-Claire QUENEZ

Année 2010. Thèse. pour obtenir le titre de. présentée par Thomas-Samnang LIM. Directrice de thèse Pr. Marie-Claire QUENEZ Universié Paris Didero - Paris VII UFR de Mahémaiques Année 21 Thèse pour obenir le ire de Doceur de l Universié Paris 7 Spécialié : Mahémaiques Appliquées présenée par Thomas-Samnang LIM Quelques applicaions

Plus en détail

Université d Evry Val d Essonne DESS d Ingéniérie Mathématique option Finance Introduction à la valorisation des produits financiers

Université d Evry Val d Essonne DESS d Ingéniérie Mathématique option Finance Introduction à la valorisation des produits financiers Universié d Evry Val d Essonne DESS d Ingéniérie Mahémaique opion Finance Inroducion à la valorisaion des produis financiers Véronique Berger versiondu10janvier2006 Conens I Insrumens financiers 5 1 Définiion

Plus en détail

4. Principe de la modélisation des séries temporelles

4. Principe de la modélisation des séries temporelles 4. Principe de la modélisaion des séries emporelles Nous raierons ici, à ire d exemple, la modélisaion des liens enre la polluion amosphérique e les indicaeurs de sané. Mais les méhodes indiquées, comme

Plus en détail

UNITÉ 1: LA CINÉMATIQUE

UNITÉ 1: LA CINÉMATIQUE UNITÉ 1: L CINÉMTIQUE Cinémaique: es la branche e la physique qui raie e la escripion u mouemen objes sans référence aux forces ni aux causes régissan ce mouemen. 1.1 L VITESSE ET L VITESSE VECTORIELLE

Plus en détail

Cours d électrocinétique :

Cours d électrocinétique : Universié de Franche-Comé UFR des Sciences e Techniques STARTER 005-006 Cours d élecrocinéique : Régimes coninu e ransioire Elecrocinéique en régimes coninu e ransioire 1. INTRODUCTION 5 1.1. DÉFINITIONS

Plus en détail

Calculs stochastique et de Malliavin appliqués aux modèles de taux d intérêt engendrant des formules

Calculs stochastique et de Malliavin appliqués aux modèles de taux d intérêt engendrant des formules Calculs sochasique e de Malliavin appliqués aux modèles de aux d inérê engendran des formules fermées Caroline Pinoux To cie his version: Caroline Pinoux. Calculs sochasique e de Malliavin appliqués aux

Plus en détail

Oscillations forcées en régime sinusoïdal.

Oscillations forcées en régime sinusoïdal. Conrôle des prérequis : Oscillaions forcées en régime sinusoïdal. - a- Rappeler l expression de la période en foncion de la pulsaion b- Donner l expression de la période propre d un circui RLC série -

Plus en détail

Remise à niveau en processus stochastiques

Remise à niveau en processus stochastiques M2IR Université Claude Bernard Lyon 1 Année universitaire 212-213 Remise à niveau en processus stochastiques F. Bienvenüe-Duheille Le but de ce poly est de vous mettre à niveau sur les processus stochastiques

Plus en détail

F 2 = - T p K 0. ... F T = - T p K 0 - K 0

F 2 = - T p K 0. ... F T = - T p K 0 - K 0 Correcion de l exercice 2 de l assisana pré-quiz final du cours Gesion financière : «chéancier e aux de renabilié inerne d empruns à long erme» Quesion : rappeler la formule donnan les flux à chaque échéance

Plus en détail

Analyse de Fourier. Eric Aristidi

Analyse de Fourier. Eric Aristidi Analyse de Fourier Eric Arisidi Version rès préliminaire, 5 décembre 3 Table des maières Signau disconinus Disribuion de Dirac. La foncion de Heaviside H()........................................ La foncion

Plus en détail

E9904 Optimisation d un sondage à probabilité proportionnelle à la taille. Le cas des CA3. Christian HESSE, Benoît MERLAT

E9904 Optimisation d un sondage à probabilité proportionnelle à la taille. Le cas des CA3. Christian HESSE, Benoît MERLAT E9904 Opimisaion d un sondage à probabilié proporionnelle à la aille Le cas des CA3 Crisian HESSE, Benoî MERLAT 3 Opimisaion d un sondage à probabilié proporionnelle à la aille Le cas des CA3 Crisian

Plus en détail

1 Cours Sciences Physiques MP. Analyse de Fourier

1 Cours Sciences Physiques MP. Analyse de Fourier Cours Sciences Physiques MP Analyse de Fourier En 86, le physicien e mahémaicien français Joseph Fourier (768-83) éudiai les ransfers hermiques. En pariculier, il chauffai un endroi de la périphérie d

Plus en détail

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Files d attente (1) F. Sur - ENSMN. Introduction. 1 Introduction. Vocabulaire Caractéristiques Notations de Kendall Loi de Little.

Files d attente (1) F. Sur - ENSMN. Introduction. 1 Introduction. Vocabulaire Caractéristiques Notations de Kendall Loi de Little. Cours de Tronc Commun Scienifique Recherche Opéraionnelle Les files d aene () Les files d aene () Frédéric Sur École des Mines de Nancy www.loria.fr/ sur/enseignemen/ro/ 5 /8 /8 Exemples de files d aene

Plus en détail

Planche 2. z ), où γ = 1 µ/σ2 ; ou encore :

Planche 2. z ), où γ = 1 µ/σ2 ; ou encore : Plnche Exercice 1 On considère un mrché nncier de ux d'inérê r e une cion de dynmique risque neure ds = S µd + σdw, S = x Soi une brrière hue ; on considère une opion brrière Up In qui délivre l'cion S

Plus en détail

Filtrage optimal. par Mohamed NAJIM Professeur à l École nationale supérieure d électronique et de radioélectricité de Bordeaux (ENSERB)

Filtrage optimal. par Mohamed NAJIM Professeur à l École nationale supérieure d électronique et de radioélectricité de Bordeaux (ENSERB) Filrage opimal par Mohamed NAJIM Professeur à l École naionale supérieure d élecronique e de radioélecricié de Bordeaux (ENSERB) Filre adapé Définiions Filre adapé dans le cas de brui blanc 3 3 Cas d un

Plus en détail

Recueil d'exercices de logique séquentielle

Recueil d'exercices de logique séquentielle Recueil d'exercices de logique séquenielle Les bascules: / : Bascule JK Bascule D. Expliquez commen on peu modifier une bascule JK pour obenir une bascule D. 2/ Eude d un circui D Q Q Sorie A l aide d

Plus en détail

( ) et est alors représenté par le graphe ci-

( ) et est alors représenté par le graphe ci- LE SIGNAL SINUSOIDAL : PRODUCTION ET OBSERVATION Le bu de ce premier TP es d une par la prise en main du maériel nécessaire pour l observaion des ondes lors de la prochaine séance (uilisaion de l oscilloscope),

Plus en détail

STOCHASTIC CONTROL METHODS FOR OPTIMAL PORTFOLIO INVESTMENT

STOCHASTIC CONTROL METHODS FOR OPTIMAL PORTFOLIO INVESTMENT THÈSE DE DOCTORAT DE L ÉCOLE POLYTECHNIQUE Spécialié : MATHÉMATIQUES APPLIQUÉES Présenée par Gilles-Edouard ESPINOSA pour obenir le grade de DOCTEUR DE l ÉCOLE POLYTECHNIQUE Suje : MÉTHODES DE CONTRÔLE

Plus en détail

Université d Evry Val d Essonne Laboratoire d Analyse et Probabilités EA 2172 THESE. présentée pour obtenir le titre de

Université d Evry Val d Essonne Laboratoire d Analyse et Probabilités EA 2172 THESE. présentée pour obtenir le titre de Universié d Evry Val d Essonne Laboraoire d Analyse e Probabiliés EA 2172 THESE présenée pour obenir le ire de DOCTEUR EN SCIENCES MATHÉMATIQUES de l Universié d Evry Val d Essonne par Armand Brice NGOUPEYOU

Plus en détail

Pricing des produits dérivés de crédit dans un modèle

Pricing des produits dérivés de crédit dans un modèle Pricing des produis dérivés de crédi dans un modèle à inensié Nordine Bennani & Cyril Sabbagh Table des maières 1 Présenaion générale des dérivés de crédi 3 1.1 Inroducion...................................

Plus en détail

L oscilloscope numérique

L oscilloscope numérique L oscilloscope numérique Ce documen résume le principe de foncionnemen d un oscilloscope numérique e déaille les réglages possibles du modèle uilisé en séance de ravaux praiques. 1 Principe de foncionnemen

Plus en détail

CI-2 : MODÉLISER ET SIMULER LES SYS-

CI-2 : MODÉLISER ET SIMULER LES SYS- CI-2 : MODÉLISER ET SIMULER LES SYS- TÈMES LINÉAIRES CONTINUS INVARIANTS. Objecifs ANALYSER MODELISER A l issue de la séquence, avec l aide du cours sur les ransformées de Laplace, l élève doi êre capable

Plus en détail

Pourcentages MATHEMATIQUES 1ES. à débourser 1 700. CORRIGES EXERCICES. Prix de l article : 1 700 = 85% du prix donc 1 700 100 Exercice 1.

Pourcentages MATHEMATIQUES 1ES. à débourser 1 700. CORRIGES EXERCICES. Prix de l article : 1 700 = 85% du prix donc 1 700 100 Exercice 1. Pourcenages MATHEMATQUES 1ES 5. Lors de l acha d un aure aricle, je dois verser un acompe de 15%, e il me resera alors POURCENTAGES à débourser 1 700. CORRGES EXERCCES Prix de l aricle : 1 700 = 85% du

Plus en détail

Redressement non commandé sur charge RLE en conduction continue

Redressement non commandé sur charge RLE en conduction continue Redressemen non commandé sur charge RL en conducion coninue SI 9- I. Conversion alernaif-coninu, exemples d applicaions liés à la racion Figure : Locomoive BB5 Réseau de disribuion Redresseur saique monophasé

Plus en détail

Risque associé au contrat d assurance-vie pour la compagnie d assurance. par Christophe BERTHELOT, Mireille BOSSY et Nathalie PISTRE

Risque associé au contrat d assurance-vie pour la compagnie d assurance. par Christophe BERTHELOT, Mireille BOSSY et Nathalie PISTRE Ce aricle es disponible en ligne à l adresse : hp://www.cairn.info/aricle.php?id_revue=ecop&id_numpublie=ecop_149&id_article=ecop_149_0073 Risque associé au conra d assurance-vie pour la compagnie d assurance

Plus en détail

Fouille de données fonctionnelles

Fouille de données fonctionnelles Fouille de données foncionnelles Gilber Sapora Chaire de Saisique Appliquée Conservaoire Naional des Ars e Méiers 292 Rue Sain Marin 75141 Paris Cedex 3 gilber.sapora@cnam.fr 1 Premiers ravaux: J. J. C.

Plus en détail

Page # $ %& +',- VAN = 30; F 2 = 50; F 3 = 140. = -200 ; F 1. Avec r = 3% => VAN = 4,38 > 0. Avec r = 5% => VAN = -5,14 < 0.

Page # $ %& +',- VAN = 30; F 2 = 50; F 3 = 140. = -200 ; F 1. Avec r = 3% => VAN = 4,38 > 0. Avec r = 5% => VAN = -5,14 < 0. # $ %& 1. La VAN. Les aures crières 3. Exemple. Choix d invesissemen à long erme 5. Exercices!" '* '( Un proje ne sera mis en œuvre que si sa valeur acuelle nee ou VAN, définie comme la somme acualisée

Plus en détail

2 ème Partie Cinématique: Déplacement, vitesse, accélération

2 ème Partie Cinématique: Déplacement, vitesse, accélération ème Parie Cinémaique: Déplacemen, viesse, accéléraion Inroducion Noes de cours de Licence de A. Colin de Verdière Un obje es en mouvemen si sa posiion mesurée par rappor à un aure obje change. Si cee posiion

Plus en détail

Les générateurs de scénarios économiques Problématiques et modélisation des indices financiers. Le 29 Mars 2012

Les générateurs de scénarios économiques Problématiques et modélisation des indices financiers. Le 29 Mars 2012 Les généraeurs de scénarios économiques Problémaiques e modélisaion des indices financiers Le 29 Mars 202 Les généraeurs de scénarios économiques Inroducion Un généraeur de scénarios économiques perme

Plus en détail

S5 Info-MIAGE 2012-2013 Mathématiques Financières Emprunts indivis. Université de Picardie Jules Verne Année 2012-2013 UFR des Sciences

S5 Info-MIAGE 2012-2013 Mathématiques Financières Emprunts indivis. Université de Picardie Jules Verne Année 2012-2013 UFR des Sciences S5 Info-MIAGE 2012-2013 Mahémaiques Financières Empruns indivis Universié de Picardie Jules Verne Année 2012-2013 UFR des Sciences Licence menion Informaique parcours MIAGE - Semesre 5 Mahémaiques Financières

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

TP Mesures de la vitesse du son

TP Mesures de la vitesse du son TP Mesures de la viesse du son Bu du TP. Lors de cee séance de ravaux praiques, l éudian es amené à mesurer la viesse de propagaion du son dans l air e dans l eau. 1 Inroducion Qu es-ce qu un son? Un son

Plus en détail

CARACTERISTIQUES STATIQUES D'UN SYSTEME

CARACTERISTIQUES STATIQUES D'UN SYSTEME CARACTERISTIQUES STATIQUES D'UN SYSTEE 1 SYSTEE STABLE, SYSTEE INSTABLE 1.1 Exemple 1: Soi un sysème composé d une cuve pour laquelle l écoulemen (perurbaion) es naurel au ravers d une vanne d ouverure

Plus en détail

LES HISTORIQUES DE COURS ET L ANALYSE TECHNIQUE

LES HISTORIQUES DE COURS ET L ANALYSE TECHNIQUE LES HISTORIQUES DE COURS ET L ANALYSE TECHNIQUE 1 Origines e principes de base de l analyse echnique 2 Les ouils de l analyse graphique radiionnelle 3 Les ouils de l analyse saisique A) LES ORIGINES ET

Plus en détail

MATRICES EXERCICES CORRIGES Exercice n 1.

MATRICES EXERCICES CORRIGES Exercice n 1. MATRICES EXERCICES CORRIGES Exercice n. 6 8 4 On considère l mrice A = 0 7 3. 7 0, 8 ) Donner le form de A ) Donner l vleur de chcun des élémens 4, 3, 33 3 3) Ecrire l mrice rnsposée A de A donner son

Plus en détail

arxiv:1003.6004v1 [math.sg] 31 Mar 2010

arxiv:1003.6004v1 [math.sg] 31 Mar 2010 OPTIMALITÉ SYSTOLIQUE INFINITÉSIMALE DE L OSCILLATEUR HARMONIQUE arxiv:1003.6004v1 [mah.sg] 31 Mar 2010 J.C. ÁLVAREZ PAIVA AND F. BALACHEFF Résumé. Nous éudions les aspecs infiniésimaux du problème suivan.

Plus en détail

3.8 Introduction aux files d attente

3.8 Introduction aux files d attente 3.8 Introduction aux files d attente 70 3.8 Introduction aux files d attente On va étudier un modèle très général de problème de gestion : stocks, temps de service, travail partagé...pour cela on considère

Plus en détail

TD2 Fonctions mesurables Corrigé

TD2 Fonctions mesurables Corrigé Intégration et probabilités 2012-2013 TD2 Fonctions mesurables Corrigé 0 Exercice qui avait été préparé chez soi Exercice 1. Soit (Ω, F, µ) un espace mesuré tel que µ (Ω) = 1. Soient A, B P (Ω) deux sousensembles

Plus en détail

L évaluation immobilière. Michel Baroni 27/11/2009

L évaluation immobilière. Michel Baroni 27/11/2009 L évaluaion immobilière Michel Baroni 27/11/2009 Méhodes exisanes Méhodes des comparables Dépend de la base de données; méhode hédonique évenuellemen possible Méhodes de capialisaion Dépend de la base

Plus en détail

Plan : : Les méthodes de codage numérique en

Plan : : Les méthodes de codage numérique en Plan : : Les méhodes de codage numérique en 3.1 Inroducion 3.2 Codages binaires 3.2.1 Codage NRZ (Non Reour à Zéro) 3.2.2 Codage biphasé ou (Mancheser) 3.2.3 Codage CMI (Code Mark Inversion) 3.3 Codages

Plus en détail

Correction des exercices du livre La Gestion d Actifs Quantitative

Correction des exercices du livre La Gestion d Actifs Quantitative Correcion des exercices du livre La Gesion d Acifs Quaniaive Thierry Roncalli 15 Novembre 2011 Ce documen présene les correcions 1 des exercices du livre : Thierry Roncalli, La Gesion d Acifs Quaniaive,

Plus en détail