Mesures de risque dynamiques, pricing d options vanilles et EDSR quadratiques.
|
|
- Jeannine Laviolette
- il y a 8 ans
- Total affichages :
Transcription
1 Mesures de risque dynamiques, pricing d opions vanilles e EDSR quadraiques. Cyrille Guillaumie 1 Thibau Masrolia 2 Rappor echnique rendu en juin European Securiies and Markes Auhoriy, cyrille.guillaumie@esma.europa.eu 2. CEREMADE-UMR CNRS 7534, hibau.masrolia@ceremade.dauphine.fr
2 1
3 Table des maières Inroducion I Mesures de risque dynamiques 5 Préambule Quelques résulas sur les EDSR Le cas sandard : le cas Lipschiz Exisence e unicié EDSR linéaire en dimension Théorème de comparaison Le cas non lipschiz à croissance linéaire en dimension Le cas quadraique Mesures de risque dynamiques Mesures de risque g-condiionnelles Approche axiomaique Mesure de risque dynamique enropique g-opéraeurs dynamique, mesure convexe de risques dynamique e EDSR Représenaion duale de mesures de risque g-condiionnelles Transformée de Legendre-Fenchel BMO-maringales e héorème de Girsanov Représenaion duale des mesures de risques Mesures de risque g-condiionnelles γ-oléranes Inf-convoluion de mesures de risque dynamiques g-condiionnelle Inf-convoluion e exisence d opima Problème de couverure Eude numérique de la mesure de risque enropique 37 Appendice A : foncion de récession Appendice B : Inf-convoluion de foncions convexes II Simulaions numériques 41 4 Algorihme uilisé pour la résoluion d EDSR EDS e hypohèses Discréisaion du sysème d équaions Composane forward Composane backward Calcul de Z N k e Y N k par l algorihme de Longsaff-Schwarz Calcul de la composane Z N k Calcul de la composane backward Y N k Calcul à l insan = Calcul de la composane Z N
4 4.4.2 Calcul de la composane backward Y N Résulas numériques e observaions Opion Vanille EDSR quadraique Conclusion
5 Inroducion Ce rappor a éé réalisé dans le cadre du cours d équaion différenielles sochasiques rérogrades du maser MASEF de l universié Paris IX Dauphine. L objecif de ce rappor es d éudier le chapire 3 du livre Indifference Pricing : Theory and Applicaion (édié par R.Carmona concernan les mesures de risque dynamiques de P.Barrieu e de N.El Karoui (voir [1]. Dans une première parie, après un rappel concernan cerains résulas classiques sur les ESDR, nous avons reranscri [1], y avons apporé quelques modificaions e l avons commené. Puis nous avons ensuie fai un lien enre ce aricle, e plus pariculièremen la mesure de risque enropique avec simulaions numériques exraies de la hèse d A.Richou [12]. Dans la seconde parie, nous avons dans un premier emps décri un algorihme résolvan une EDSR à coefficien généraeur lipschizien en uilisan noammen la méhode de Longsaff-Schwarz, e en se basan sur l aricle d E.Gobe, JP.Lemor e X.Warin [7] Nous avons ensuie adapé ce algorihme à la résoluion de l EDSR à coefficien généraeur quadraique éudiée Parie 1 Chapire 3. Enfin, nous avons regroupé ous nos résulas ainsi que les différenes observaions e conclusions que nous avons pu irer. 4
6 Première parie Mesures de risque dynamiques 5
7 Préambule Dans cee parie héorique, nore éude es basée sur [1]. L objecif de cee éude es d éendre les résulas connus pour des mesures de risque saiques à des objes mahémaiques appellés mesures de risque dynamiques, e de relier ces objes à des soluions d équaions différenielles sochasiques rérogrades afin de résoudre, par exemple, des problème de couverure pour des agens financiers. Dans un premier chapire, nous rappelerons la héorie basique des EDSR : l exisence e l unicié de soluions à ces équaions dans les rois cas classiques (lipschizien ou sandard, linéaire e quadraique, ainsi que des héorèmes de comparaison. Dans le second chapire, le coeur de cee parie, nous avons éudié les mesures de risque dynamiques, leur lien avec les EDSR e nous avons éudié un problème de couverure pour des agens financiers en reranscrivan [1]. Enfin dans un roisième chapire, à l aide de [12], nous avons éudié numériquemen un ype pariculier de mesures de risque dynamiques : les mesures de risques enropiques, à l aide du logiciel Scilab. 6
8 Chapire 1 Quelques résulas sur les EDSR Dans ou ce chapire, on se place sur un espace probabilisé muni de la filraion naurelle d un mouvemen brownien d dimensionel, (W [,T ], compléée, i.e. de la forme suivane : F := (F [,T ] := σ(w s, s σ({x F P-négligeables}. On défini les espaces suivans : P n l ensemble des processus F -progressivemen mesurables, à valeurs dans R n définis sur Ω [, T ]. L 2 n(f := {η : F -mesurables e à valeurs dans R n els que E( η 2 < }. Sn(, 2 T := {Z P n coninus e els que E(sup T Z 2 < }. Hn(, 2 T := {Z P n, E( ( Z s 2 ds < }. Hn(, 1 T := {Z P n, E ( T Z s 2 1/2 ds < }. Définiion 1. Soi ξ T L 2 m(f. On di qu un couple de processus progressivemen mesurables (Y, Z à valeur dans R m R m d es soluion de l EDSR associée au couple (g, ξ T si : Y = ξ T Z s dw s + g(s, Y s, Z s ds, [, T ]. (1.1 avec Y S 2 m e Z H 2 m d. On di que g es le généraeur de l EDSR e ξ T sa condiion erminale. Sous ceraines condiions sur le coefficien g, on a exisence e unicié d un couple soluion. On va considérer dans une première secion la cas où g es lipschizienne en Y e en Z e monrer, avec une démonsraion différene dans la forme mais idenique dans le fond à celle du cours [3], qu on a alors l exisence e l unicié du couple soluion de l EDSR. Dans une deuxième sous secion, on éudiera le cas où g es à croissance au plus linéaire puis, dans la roisième secion, on se penchera sur le cas où g es à croissance quadraique. On monrera égalemen un aure résula : le héorème de comparaison. 1.1 Le cas sandard : le cas Lipschiz Soi ξ T L 2 m(f T, e soi g une foncion à valeur dans R m, P m B(R m R m d -mesurable. On fai les hypohèses suivanes : { λ >, P-p.s., g(, y, z g(, y (H1, z λ( y y + z z (, y, y, z, z (g(,, T Hm 2 dies condiions de Lipschiz. On va monrer dans un premier emps que sous ces condiions, l EDSR (1.1 adme un unique couple soluion (Y, Z dans S 2 H 2. Puis on énoncera le héorème de comparaison. 7
9 1.1.1 Exisence e unicié Soi β un réel posiif, on pose : { Hm 2,β = X processus prévisible à valeur dans R m, ( } E e β X 2 d < + muni de sa norme e S 2,β m = { ( X 2 H = E 2,β e β X 2 d, X processus prévisible à valeur dans R m, E( sup e β X 2 < + [,T ] } muni de sa norme : On a évidemen 1 : X 2 S = E( sup e β X 2,β 2. [,T ] S 2,β H 2,β Proposiion 1. Soien α < β deux réels posiifs. Alors les normes de H 2,α e de H 2,β (resp. S 2,α e de S 2,β son équivalenes. Démonsraion. Soien α < β. e βt e β X 2 e α X 2 e β X 2. Par croissance de l inégrale (resp. du sup puis de l espérance, on a l équivalence des normes dans H 2, (resp. S 2,. Remarque. Pour β = on a H 2, m = H 2 m([, T ]. On remarque que pour que l inégrale sochasique de l EDSR (1.1 soi bien définie, on prend Z dans H 2. On a plus précisemen le héorème suivan : Théorème 1 (Pardoux e Peng, voir [11]. Sous l hypohèse (H1, l EDSR (1.1 possède un unique couple soluion (Y, Z dans S 2 m H 2 m. Démonsraion. On va procéder en plusieurs éapes. Grâce à un β bien choisi, on consrui une applicaion Φ conracane qui nous perme d appliquer le héorème du poin fixe, dans les espaces souhaiés. a Consrucion d une applicaion Φ. On considère l applicaion Φ définie par : Φ : H 2,β H 2,β H 2,β H 2,β (y, z (Y, Z où : Y = ξ T Z s dw s + g(s, y s, z s ds. (1.2 L uilisaion du β non nul va nous permere de conrôler la consane de Lipschiz de Φ. Monrons que Φ es bien définie c es à dire qu à un couple (y, z de processus de H 2,β H 2,β on associe par Φ un unique couple (Y, Z dans H 2,β H 2,β soluion de ( On ome l indice m afin d alleger les écriures de Hm 2,β e Sm 2,β 8
10 ( Éan donné un couple (y, z dans H 2,β H 2,β, on pose Y := E ξ T + g(s, y s, z s ds F. On va monrer 2 que Y es dans H 2 e par l équivalence des normes, cela revien à monrer que Y es dans H 2,β. On a : ( E Y 2 d T E( sup Y 2, [,T ] avec : ( E( sup Y 2 = E [,T ] sup [,T ] (ξ E T + g(s, y s, z s ds g(s, y s, z s ds F 2. Par l inégalié (a + b 2 2(a 2 + b 2, on obien : ( E( sup Y 2 T 2E sup (ξ E T + g(s, y s, z s ds 2 F [,T ] [,T ] ( ( + 2E sup E g(s, y s, z s ds 2 F. [,T ] ( ( Or E ξ T + g(s, y s, z s ds F es une maringale, par l inégalié de Doob e l inégalié de Jensen, on a : E ( sup [,T ] (ξ E T + g(s, y s, z s ds 2 ( [ F k E ξ T + g(s, y s, z s ds ( ] + E g 2 (s, y s, z s ds. où k es une consane posiive qui varie d une ligne à l aure mais qui rese une consane posiive. On a alors : ( E sup (ξ E T + g(s, y s, z s ds 2 [ ( F k E ξt 2 + g 2 (s, y s, z s ds Or : [,T ] ( ] + E g 2 (s, y s, z s ds. g 2 (s, y s, z s ds 2 g(s, y s, z s g(s,, 2 ds + 2 g 2 (s,, ds e en appliquan l hypohèse (H1 e en uilisan le fai que y e z son dans H 2,β, on en dédui que Y S 2, < + donc Y S 2 H 2 e donc que Y H 2,β pour ou β posiifs par l équivalence des normes démonrée plus hau. On résoud mainenan l équaion (1.2 : ( Y = E ξ T + g(s, y s, z s ds F ( = E ξ T + = M g(s, y s, z s ds F g(s, y s, z s ds avec M un processus défini pour [, T ] par : ( M := E ξ T + g(s, y s, z s ds F. 2. On aura même mieux : Y es dans S 2 9 g(s, y s, z s ds 2
11 D après le héorème de représenaion des maringales, on en dédui qu il exise un unique processus Z dans H 2, el que : En prenan = T, on a : Y = M + Z s dw s M = ξ T Z s dw s + g(s, y s, z s ds. On injece l expression de M dans (1.3. On a alors : Y = ξ T Z s dw s + g(s, y s, z s ds, g(s, y s, z s ds, Y T = ξ T. (1.3 donc (Y, Z es soluion de (1.2. Si mainenan, on suppose (Y, Z e (Y, Z, deux couples dans H 2, H 2, vérifian : Y = ξ T + Z s dw s g(s, y s, z s ds e Alors : Or Y Y es adapé, donc : Y = ξ T + Z sdw s g(s, y s, z s ds. Y Y = Z s Z sdw s. Y Y = E(Y Y F ( = E Z s Z sdw s F =. On en dédui, par l inégalié de Burkholder-Davis-Gundy ou par l unicié dans la décomposiion d une maringale semi-coninue de la parie brownienne, que Z = Z pour ou. On a donc monré que l applicaion Φ es bien définie e qu elle es même à valeur dans S 2 H 2. b Esimées a priori dans H 2. Le réel posiif β n a pour rôle que de rendre l applicaion Φ conracane afin d appliquer le héorème du poin fixe de Picard, c es pour cela que les espace H 2,β e S 2,β on éé inroduis. On prend comme norme du couple (Y, Z : On pose : (Y, Z = (, e Y n+1 c es à dire : Φ(Y n, Z n = (Y n+1, Z n+1. (Y, Z 2 H 2,β = Y 2 H 2,β + Z 2 H 2,β. := ξ T Zs n+1 dw s + g(s, Ys n, Zs n ds, On défini : δ n Y := Y n+1 Y n 1
12 e On a alors : La formule d Iô donne : δ n Y 2 = 2 = 2 δ n 1 g := g(, Y n δ n Y = Y n+1 = = Y n (Z n+1, Z n g(, Y n 1 s Z n s dw s + δ n s ZdW s + δs n Y d(δs n Y δ n s Y δ n s ZdW s + 2 Par la formule d inégraion par parie : e β δ n Y 2 = β e βs δ n s Y 2 ds 2 d δ n Y s δs n 1 gds e βs δ n s Y δ n s ZdW s + 2, Z n 1. δs n 1 gds δs n Y δs n 1 gds δs n Z 2 ds. e βs δs n Y δs n 1 gds e βs δs n Z 2 ds, donc : β e βs δs n Y 2 ds + e βs δs n Z 2 ds 2 e βs δs n Y δs n ZdW s + 2 e βs δs n Y δs n 1 gds (1.4 ( Or N := eβs δs n Y δs n ZdW s es une maringale locale. Par l inégalié de Burkholder-Davis- Gundy, on en dédui : E( sup N d 1 E e 2βs δs n Y 2 δs n Z 2 ds [,T ] d 1 E sup e β δ ny 2 e βs δs n Z 2 ds [,T ] d 1 δ n Y S 2,β δ n Z H 2,β où ( on a appliqué l inégalié de Cauchy-Schwarz. Donc d après a, on a : E( N < +, donc eβs δs n Y δs n ZdW s es une maringale. En passan à l espérance dans (1.4 avec =, on a : ( β δ n Y 2 H + δ n Z 2 2,β H 2E e βs δ n 2,β s Y δs n 1 gds ( 2E e βs δs n Y g(s, Ys n, Zs n g(s, Ys n 1, Zs n 1 ds ( 2λE e βs 2 δ n s Y e βs 2 ( Y n s Ys n 1 + Zs n Zs n 1 ds 2λE e βs δs n Y 2 ds 2 e βs ( δs n 1 Y 2 + δs n 1 Z 2 ds où on a uilisé l inégalié de Cauchy-Schwarz e l inégalié (a + b 2 2a 2 + 2b 2. On obien : β δ n Y 2 H + δ n Z 2 2,β H 2 2λE e βs δ n 2,β s Y 2 ds e βs ( δs n 1 Y 2 + δ n 1 Z 2 ds s 11
13 On uilise mainenan l inégalié de Young 3 dans la dernière inégalié, on a : β δ n Y 2 H + δ n Z 2 2,β H 2λE(γ 2,β + 1 γ e βs ( δ n 1 s e βs δ n s Y 2 ds Y 2 + δs n 1 Z 2 ds 2λ(γ δ n Y 2 H 2,β + 1 γ (δn 1 Y, δ n 1 Z 2 H 2,β = (β 2λγ δ n Y 2 H 2,β + δ n Z 2 H 2,β 2λ γ (δn 1 Y, δ n 1 Z 2 H 2,β. On pose γ := β 1 2λ. On a une première condiion sur β : β > 1. On obien : On choisi β el que : On a alors : δ n Y 2 H 2,β + δ n Z 2 H 2,β 2λ2 β 1 (δn 1 Y, δ n 1 Z 2 H 2,β. 2λ 2 β 1 < 1, β > 1 β > 2λ > 1. Φ(δ n 1 Y, δ n 1 Z 2 H 2,β k (δ n 1 Y, δ n 1 Z 2 H 2,β où k < 1, donc Φ es conracane e par le héorème du poin fixe de Picard, on en dédui que l EDSR (1.1 a une unique soluion dans H 2,β H 2,β. Or, d après la proposiion 1 (l équivalence des normes, on en dédui que l EDSR (1.1 a une unique soluion dans H 2 H 2. c Soluion dans S 2 H 2. Le a monre que Y es en fai dans S 2. Il y a une unique soluion dans H 2 H 2 or Y es dans S 2 H 2 (sur le compac [, T ] donc on a une unique soluion au problème dans S 2 H 2. On a monré que l EDSR (1.1 admeai un unique couple soluion (Y, Z dans S 2 H 2, on va monrer que sous ceraines condiions iniiales, on a même un unique couple soluion dans L ([, T ] Ω H 2. Théorème 2. Si l hypohèse (H1 es saisfaie e si ξ e g(s,, son uniformémen bornées alors l EDSR (1.1 possède un unique couple soluion (Y, Z adapé dans L ([, T ] Ω H 2. Démonsraion. L exisence e l unicié du couple soluion on déjà éé monrés dans S 2 H 2. Il fau monrer que le processus (Y [,T ] (la première composane du couple soluion de (1.1 es uniformémen bornée. On suppose qu il exise c 1 e c 2 deux conanes elles que : e L idée consise à linéariser la foncion g. 3. Inégalié de Young : ab γa2 2 + b2 2γ ξ T c 1, P-p.s. g(s,, c 2 s [, T ], P-p.s. avec γ >. 12
14 i Linéarisaion g(s, Y s, Z s = g(s, Y s, Z s g(s, Y s, + g(s, Y s, g(s,, + g(s,, s [, T ]. Or on sai que pour une foncion g de classe C 1, on a : On a alors : g(x g(y = (x y 1 g (y + θ(x ydθ. 1 1 g(s, y s, z s = Z s z g(s, Y s, θz s dθ + Y s y g(s, θy s, dθ + g(s,, On pose A Z (s := 1 zg(s, Y s, θz s dθ e A Y (s = 1 yg(s, θy s, dθ. On sai que g es lipschizienne, il exise donc une consane λ posiive elle que pour ou s dans [, T ] : L EDSR (1.1 devien alors : Y = ξ T A Z (s + A Y (s λ. (L Z s (dw s A Z (sds + ii Uilisaion d un processus auxiliaire. Y s A Y (sds + g(s,, ds. On inrodui une variable aléaoire Γ s avec s T elle que : { dγ s = Γ s(a Z (sdw s + A Y (sds Ce qui signifie : Ou encore : Γ = 1 Γ s = 1 + s Γ u(a Z (udw u + A Y (udu. Γ s s = e A Z(udW s u+ A Y (udu 1 s 2 A Z(u 2du. (1.5 On inrodui l exponenielle sochasique (ou encore exponenielle de Doléans-Dade, une noaion classique, définie par : ( s E A Z (sdw s = e A Z(udW u 1 s 2 A Z(u 2du. On a évidemen : ( Γ s = E s A Z (sdw s e A Y (udu. Puisque A Z es uniformémen bornée, par le crière de Novikov 4 on en dédui que (E( s A Z(udW u s [,T ] es une maringale. Cee propriéé sera noée (α. On rappelle que ξ T = Y T. Par la formule d inégraion par parie avec pour emps iniial, on obien : Or : Γ T ξ T = 1 Y + Γ sdy s + Y s dγ s + Y, Γ T dy s = Z s dw s Z s A Z (sds Y s A Y (sds g(s,, ds, dγ s = Γ sa Z (sdw s + Γ sa Y (sds Y, Γ T = Γ sa Z (sz s dw s. 4. Si M es une maringale locale coninue elle que E(exp(1/2 M, M T < alors E(M es une maringale. 13
15 On obien : Donc : Γ T ξ T = Y Γ s(z s dw s Z s A Z (sds Y s A Y (sds g(s,, ds Y s Γ s(a Z (sdw s + A Y (sds Γ sz s A Z (sds iii Majoraion de Y Γ T ξ T = Y + (Γ sz s + Γ sy s A Z (sdw s Γ sg(s,, ds. (1.6 On adme provisoiremen que ( s (Γ sz s + Y s Γ sa Z (sdw s es une maringale. On noe s [,T ] cee propriéé (β. En reprenan (1.6, en uilisan le caracère F-adapé de Y, e par (β on obien : Y = E(Y F = E(Γ T ξ T F + E( Γ sg(s,, ds F. (1.7 D une par, par hypohèses e par (1.5 : E(Γ T ξ T F c 1 E(Γ T F ( (1.5 c 1 E E( A Z (sdw s e A Y (sds F. Or on a vu que comme g es lipschizienne, A Y es uniformémen bornée par une consane (condiion (L. Il exise donc une consane k elle que pour ou [, T ] : D aure par, par Fubini : ( E(Γ T ξ T F ke E( ( (α = ke E( = k. A Z (sdw s F A Z (sdw s E( Γ sg(s,, ds F c 2 E( Γ sds F c 2 E(Γ s F ds e on monre de même par (1.5, A Y éan uniformémen bornée e par (α qu il exise une consane k elle que pour ou [, T ] : E( Γ sg(s,, ds F k. On en dédui alors qu il exise k e k deux consanes elle que pour ou [, T ] : Y k + k. Ce qui achève la démonsraion du héorème en admean (β. 14
16 iv Preuve de (β On veu monrer que la maringale locale coninue N := ( s (Γ sz s + Y s Γ sa Z (sdw s s [,T ] es une maringale. Il suffi de monrer qu on a : ( E sup s [,T ] s (Γ sz s + Y s Γ sa Z (sdw s < + e par la procédure de localisaion e le héorème de convergence dominée, on aura alors une maringale. En effe, soi (τ n n une suie de emps d arrê issue de la procédure de localisaion, i.e. si s : E(N s τn F = E(N τn e On sai que T = lim τ n. n + N τn sup N s. s [,T ] Si on a l hyposhèse d inégrabilié sur le sup, alors on applique le héorème de convergence dominée e on en dédui que N es une maringale. Monrons donc que : ( E sup s [,T ] s (Γ sz s + Y s Γ sa Z (sdw s < +. En appliquan l inégalié de Burkholder-Davis-Gundy puis l inégalié (a + b 2 2a 2 + 2b 2, on a : s E( sup (Γ uz u + Y u Γ ua Z (udw u d 1 E Γ uz u + Y s Γ ua Z (u 2 ds s [,T ] 2d 1 E Γ uz u 2 + Γ uy u A Z (u 2 du. Or a + b a + b si a e b son posiifs. Donc : s E( sup (Γ uz u + Y u Γ ua Z (udw u 2d 1 E (Γ uz u 2 du s [,T ] + 2d 1 E (Γ uy u A Z (u 2 du 2d 1 E + 2d 1 E ( ( sup s [,T ] sup s [,T ] T Γ s 2 (Z u 2 du T Γ s 2 (Y u A Z (u 2 du. Par l inégalié de Cauchy-Schwarz, e sachan que A Z m on obien : ( s E (Γ uz u + Y u Γ ua Z (udw u K E( sup Γ s 2 ( Z H 2 + m Y H 2 (1.8 s [,T ] 15
17 D après (1.5, on a : s Γ s 2 = e ( s = E 2A Z(udW u+ s 2A Y (udu s A Z(u 2 du 2A Z (udw u e s 2A Y (udu e + s A Z(u 2du. D après la condiion (L, on en dédui qu il exise une consane K elle que : ( s Γ s 2 K E 2A Z (udw u. Or, d après le crière de Novikov, on en dédui que M := (E( s 2A Z(udW u s [,T ] es une maringale, donc E(M T = E(M = 1. Par le héorème de Doob : ( ( E(sup Γ s 2 4K E E 2A Z (udw u = 4K. On en dédui que : E(sup Γ s 2 < + donc en reprenan (1.8 : ( s E (Γ uz u + Y u Γ ua Z (udw u < +, s [, T ] On a prouvé (β, ce qui achève la preuve du héorème EDSR linéaire en dimension 1 On va éudier dans cee parie un cas pariculier d EDSR vérifian l hypohèse (H1, qui es aussi un cas pariculier des EDSR à coefficiens à croissance au plus linéaire que nous éudierons dans la secion suivane. On considère l EDSR : dy = (φ + Y β + Z µ d Z dw, Y T = ξ T (1.9 Proposiion 2. Soi (β, µ un couple de processus progressivemen mesurables, bornés, à valeurs dans R R d, φ un élémen de H1 2(, T e ξ T un élémen de L 2 1 (, T. Alors l EDSR (1.9 a un unique couple soluion (Y, Z dans S1 2(, T H2 d (, T. De plus, on a une expression de Y explicie : ( Y = E ξ T Γ T + Γ sφ s ds F (1.1 où (Γ s s es le processus adjoin défini par l EDS suivane : saisfai la propriéé de flo : dγ s = Γ s (β s ds + µ s dw s, Γ = 1 s u, Γ s Γ u s = Γ u P-p.s. Démonsraion. 1 La foncion (, y, z φ + yβ + zµ éan linéaire en y e z, elle es lipschizienne en ces variables. Par hypohèse, φ H1 2 (, T, on es donc sous la condiion (H1, on a donc d après le héorème 1, on en dédui que l EDSR (1.9 adme un unique couple soluion dans S1 2(, T H2 d (, T. 2 La représenaion de Y a déjà éé vue dans la preuve du héorème 2 en ii e iii. On obenai l expression de Y (1.7 à l aide du processus auxiliaire (ou adjoin Γ. En reprenan les noaions du héorème, on a donc l expression (1.1 de Y. 3 La propriéé de flo es évidene éan donné que Γ es une exponenielle sochasique. Cee proposiion nous perme de monrer la srice inégalié dans la héorème de comparaison suivan. 16
18 1.1.3 Théorème de comparaison Dans le cas uni-dimensionel (m = 1, on a un résula de comparaison pour les composanes Y de couples soluions d EDSR lorsque qu on peu comparer les condiions erminales e les coefficiens généraeurs (les foncions g de ces EDSR. Théorème 3 (Théorème de comparison, El Karoui, Peng, Quenez [4]. Soi (Y, Z (resp. (Y, Z la (resp. une soluion de l EDSR de généraeurs (g, ξ T (resp. (g, ξ T. On suppose que g saisfai les hypohèses de Lipschiz (H1 e que g (s, Y s, Z s es juse une foncion de H1 2. Si ξ T ξ T P-p.s. e que g(, Y, Z g (, Y, Z d dp-p.s., alors : Y Y, [, T ] P-p.s. De plus, si Y = Y alors ξ T = ξ T, g(, Y, Z = g (, Y, Z e Y = Y pour ou [, T ] P-p.s. En pariculier, par conraposée, si P(ξ T < ξ T > ou g(, Y, Z < g (, Y, Z alors Y < Y Démonsraion. On remarque que sous l hypohèse g(, Y, Z g (, Y, Z e la propriéé de Lipschiz de g, on a : g(, Y, Z g (, Y, Z g(, Y, Z g(, Y, Z λ( Y Y + Z Z. On va monrer que (Y Y + =. On rappelle que : e donc Y = ξ T + g(s, Y s, Z s ds Z s dw s Y = ξ T + g (s, Y s, Z sds Z sdw s Y Y = ξ T ξ T + g(s, Y s, Z s g (s, Y s, Z sds (Z s Z sdw s. On applique la formule d Iô à ((Y Y + 2 [,T ] e par la formule d inégraion par parie donne, pour α > :. avec : e α (Y Y +,2 = e αt (ξ T ξ T 2,+ 2 e αs (Y s Y s + (Z s Z sdw s + V,T, (1.11 V,T = e αs ( α(y s Y s +,2 1 Ys>Y s Z s Z s 2 + (Y s Y s + (g(s, Y s, Z s g (s, Y s, Z s ds. On en dédui alors que 5 : V,T e αs[ α(y s Y s +,2 1 Ys>Y Z s s Z s 2 ] + 2λ(Y s Y s + ( Y s Y s + Z s Z s ds. Lemme 1. Soien a e b deux réels quelconque e α > 2λ + λ 2 alors : 5. On majore λ par 2λ pour le lemme qui sui. α(a a> b 2 + 2λa + ( a + b. 17
19 Preuve du Lemme. Il suffi de remarquer que a + = 1 a> a. on a : α(a a> b 2 + 2λa + ( a + b = 1 a> ( α a 2 b 2 + 2λ a ( a + b = 1 a> ( ( b λ a 2 (α 2λ λ 2 a 2 On a monré le Lemme. a : En uilisan le Lemme, pour λ > 2λ + λ 2, on obien V,T. En reprenan l équaion (1.11, on e α (Y Y +,2 2 e αs (Y s Y s + (Z s Z sdw s, or on a monré, dans la démonsraion du héorème 1, que ( e αs (Y s Y s(z s Z sdw s [,T ] éai une maringale uniformémen inégrable e d espérance nulle. Alors E(e αs (Y Y +,2, donc (Y Y +. Ce qui implique le résula du héorème de comparaison voulu. On monre mainenan la srice inégalié. On suppose qu on a oujours ξ T ξ T e g(, Y, Z g (, Y, Z e que de plus Y = Y. Pour simplifier, on prend d = 1. On pose : ξ T := ξ T ξ T, φ := g(, Y, Z g (, Y, Z e : { (Y Y 1 (g(, Y, Z g(, Y, Z β := si Y Y sinon µ := { (Z Z 1 (g(, Y, Z g(, Y, Z si Z Z sinon. g éan lipschizienne par hypohèse par rappor à ses deuxième e sa roisième paramères, on en dédui que les processus progressivemen mesurables à valeurs réèlles β e µ son bornés. Par l hypohèse (H1, on en dédui que φ es dans H1 2(, T. Alors, le couple : (Y, Z := (Y Y, Z, Z es l unique soluion de l EDSR suivane : Y = ξ T + (φ s + Y s β s + Z µ s ds Z s dw s (1.12 On sai, d après la proposiion 2 que le processus Y es donné par : En prenan =, on obien : ( Y = E ξ T Γ T + Γ sφ s ds F ( = Y Y = E ξ T Γ T + Γ sφ s ds. Or : ξ T e φ son négaives par hypohèses e Γ es sricemen posiif, car c es une exponenielle sochasique. On en dédui alors que ξ T = ξ T e φ s = pour ou s [, T ]. Par ailleurs, on sai que, d après la première parie du héorème, Y s Y s, donc Y s = Y s pour s [, T ]. On en dédui que g(s, Y s, Z s = g (s, Y s, Z s, en reprenan (
20 1.2 Le cas non lipschiz à croissance linéaire en dimension 1 On a éudié dans la secion une EDSR don le généraeur g éai linéaire en Y e Z. Ceci es un cas pariculier d EDSR que l on va éudier dans cee parie, où le généraeur es à croissance linéaire, coninu, mais pas forcémen lipschizien en Y e Z. Plus précisémen, on reprend l EDSR (1.1 e on fai l hypohèse (H2 suivane : i k >, (y, z g(, ω, y, z g(, ω,, + k( y + z d P-p.s. (H2 ii (g(,, T H1 2 iii d P-p.s., (y, z g(, ω, y, z es coninue On a alors le résula suivan : Théorème 4 (Lepelier e San Marin. Sous l hypohèse (H2, l EDSR (1.1 a une soluion (Y, Z minimale (resp. maximale, i.e. si (Y, Z es une aure soluion de (1.1 alors Y Y P-p.s. (resp. Y Y P-p.s.. Démonsraion. Voir [1]. On a aussi un héorème de comparaison pour ces EDSR : Théorème 5. Soi (Y, Z la soluion minimale de (1.1 où (g, ξ T saisfai (H2. Soi (Y, Z une soluion d une aure EDSR avec pour généraeur (g, ξ T. On suppose que : alors, Y Y P-p.s. 1.3 Le cas quadraique ξ T ξ T P-p.s. e g(, ω, y, z g (, ω, y, z d dp-p.s. On éudie dans cee parie des EDSR quadraiques, qui nous seron uiles pour l éude des mesures de risque dynamiques (voir le chapire 2. On fai mainenan les hypohèses suivanes : i La foncion g es à valeurs réèlles. ii Il exise C > elle que P-p.s., g(, y, z C(1 + y + z (Q 2 pour ou (, y, z [, T ] R R d. iii P-p.s., pour ou [, T ], (y, z g(, y, z es coninue. iv La variable aléaoire ξ T es bornée. On pose B l ensemble des processus F -mesurable, bornés e coninus. Théorème 6 (Kobylanski [9]. Sous l hypohèse (Q, l EDSR (1.1 a une soluion maximale (Y, Z e une soluion minimale (Y, Z. De plus, Y e Y appariennen à B. Démonsraion. On renvoi à [9] pour la preuve de ce héorème. L unicié de la soluion a éé monrée par M. Kobylanski à l aide d un héorème de comparaison (voir [9] héorème 2.6, que l on énonce ici. On reprend l EDSR (1.1 sous l hypohèse (Q e on fai de plus l hypohèse (C suivane : (C ii La foncion g es différeniable en (y, z sur [ K, K] R d elle que : i Il exise C 1 > elle que g z (, y, z c 1( + C 1 z Il exise C 2 > elle que g y (, y, z c 2( + C 2 z 2 19
21 Définiion 2. On appelle sur-soluion (resp. sous-soluion de l EDSR (1.1, un processus adapé (Y, Z, C [,T ] saisfaisan : ( Y = ξ T + g(s, Y s, Z s ds Z s dw s + dc s resp. dc s où C es un processus croissan adapé, coninu à droie e (Y, Z S 2 H 2. On a alors le héorème de comparaison de Kobylanski : Théorème 7 (Théorème de comparaison. Soien (Y 1, Z 1, C 1 une sous soluion de l EDSR de paramères (g 1, ξt 1 saisfaisan l hypohèse (Q e (Y 2, Z 2, C 2 une sur-soluion de l EDSR de paramères (g 2, ξt 2 saisfaisan l hypohèse (Q. On suppose : ξ 1 T ξ 2 T P-p.s. e d P-p.s. (y, z, g 1 (, ω, y, z g 2 (, ω, y, z e que l hypohèse (C es saisfaie pour g 1 e g 2. On a alors : Y 1 Y 2 P-p.s. [, T ]. Démonsraion. Voir la preuve du héorème 2.6 de [9] On en dédui donc, grâce au héorème de comparaison précéden, sous l hypohèse (C, que l EDSR (1.1 adme une unique soluion maximale e une unique soluion minimale, sous la condiion (Q Dorénavan on noera (H3 l hypohèse (Q unie à (C. 2
22 Chapire 2 Mesures de risque dynamiques 2.1 Mesures de risque g-condiionnelles Dans cee parie, on me en place la noion de mesure de risque dynamique e on éudie plus pariculièremen la mesure de risque dynamique enropique, puis on me en évidence le lien enre ces objes e les EDSR Approche axiomaique On me ou d abord en place les axiomes suivan : Définiion 3. Soi (Ω, F, P, (F un espace de probabilié filré. Un L 2 -opéraeur dynamique (resp. L -opéraeur dynamique noé Y, associé à (F es une famille de semi-maringales coninues qui s applique d une variable ξ T L 2 (F T (resp. L (F T, pour ou emps d arrê borné T, vers un processus (Y (ξ T [,T ]. Un el opéraeur es di : 1. (P1 Convexe si pour ou emps d arrê S T, pour ou (ξt 1, ξ2 T e pour ou λ [, 1] on a : Y S (λξt 1 + (1 λξt 2 λy S (ξt 1 + (1 λy S (ξt 2 P-p.s. 2. (P2+ Croissan si pour ou emps d arrê S T e pour ou (ξ 1 T, ξ2 T : ξ 1 T ξ 2 T P-p.s. = Y S (ξ 1 T Y S (ξ 2 T. (P2- Déroissan si pour ou emps d arrê S T e pour ou (ξ 1 T, ξ2 T : ξ 1 T ξ 2 T P-p.s. = Y S (ξ 1 T Y S (ξ 2 T. 3. Invarian par ranslaion si pour ou emps d arrê S T, pour ou η S F S e pour ou ξ T on a : (P3+ Y S (ξ T + η S = Y S (ξ T + η S P-p.s. (P3- Y S (ξ T + η S = Y S (ξ T η S P-p.s. 4. Cohérene en emps si pour S T U rois emps d arrês bornés e pour ou ξ U : (P4+ Y S (ξ U = Y S (Y T (ξ U P-p.s. (P4- Y S (ξ U = Y S ( Y T (ξ U P-p.s. 5. (P5 Sans arbirage si pour ou emps d arrê S T e pour ou (ξ 1 T, ξ2 T els que ξ1 T ξ2 T, Y S (ξ 1 T = Y S (ξ 2 T sur A S = {S < T } = ξ 1 T = ξ 2 T p.s. sur A S. 6. (P6 Condiionnellemen invarian si pour ou emps d arrê S T, pour ou B F S e pour ou ξ T, Y S (1 B ξ T = 1 B Y S (ξ T p.s. 7. (P7 Posiivemen homogène si pour ou emps d arrê S T, pour ou λ S avec λ S F S e pour ou ξ T : Y S (λ S ξ T = λ S Y S (ξ T. 21
23 Remarques 1. i La propriéé (P5 de non arbirage implique que la monoonie dans les propriéés (P2+ e (P2- es srice. En effe, en uilisan la conraposée de (P5, on a la srice monoonie dans (P2+/-. ii Les axiomes avec un signe + caracérisen un sysème de prix éudié par El Karoui e Quenez dans [5], alors que ceux avec un signe - caracérisen une mesure de risque dynamique (ce qu on éudie ici. Définiion 4 (Mesure de risques dynamique. Un opéraeur dynamique saisfaisan les axiomes (P1 de convexié, (P2- de décroissance, (P3- d invariance par ranslaion, (P4- de cohérence en emps e (P5 d absence d arbirage es appelé mesure convexe de risque dynamique. On le noera R par la suie. Si R saisfai égalemen la posiive homogénéié (P7, on di que R es une mesure de risque dynamique cohérene. On va mainenan éudier un exemple de mesure de risque dynamique Mesure de risque dynamique enropique Pour ξ T une variable aléaoire bornée e F T mesurable e γ >, on défini : e γ (ξ T := γ ln E[exp ( 1 γ ξ T ] e e γ, (ξ T := γ ln E[exp ( 1 γ ξ T F ]. Comme ξ T es bornée, on en dédui que e γ, (ξ T es borné pour ou. Proposiion 3. L opéraeur e γ défini de L dans les processus L es une mesure convexe de risque dynamique. Démonsraion. On va monrer que e γ vérifie les axiomes de la définiion d une mesure de risque dynamique. (P2- Soien ξt 1 ξ2 T deux variables aléaoires bornées e F T -mesurables, par décroissance de la foncion x exp( 1 x, croissance de l espérance condiionnelle e du logarihme, sachan γ que γ es un réèl sricemen posiif, on en dédui que e γ, (ξt 1 e γ,(ξt 2 pour ou [, T ]. Donc e γ vérifie (P2- : l hypohèse de décroissance. (P3- Soi s T, soi η s une variable aléaoire F s -mesurable, alors pour ou ξ T variable aléaoire bornée : e γ,s (ξ T + η s = γ ln E[exp ( 1 γ (ξ T + η s F s ] ( = γ ln exp ( 1 γ η se[exp ( 1 γ ξ T F s ] = e γ,s (ξ T η s. Donc e γ vérifie l invariance par ranslaion (P3-. (P4- Il fau monrer que pour ou e pour ou h, e γ, (ξ T = e γ, ( e γ,+h (ξ T p.s. On a : e γ,+h (ξ T = γ ln E[exp ( 1 γ ξ T F +h ]. Donc : [ ( e γ, ( e γ,+h (ξ T = γ ln E exp 1 F ] γ ( e γ,+h(ξ T [ ( [ ( 1 = γ ln E exp γ γ ln E exp 1 F+h ] F ] γ ξ T = e γ, (ξ T. 22
24 (P5 Soi s T, soi (ξt 1, ξ2 T un couple de variables aléaoires bornées e F T -mesurables el que : ξt 1 ξ2 T. On suppose de plus que e γ,s(ξt 1 = e γ,s(ξt 2 sur {s < T }. On a alors : e γ,s (ξ 1 T = e γ,s (ξ 2 T E(exp( 1 γ ξ1 T F s = E(exp( 1 γ ξ2 T F s ( E exp( 1 γ ξ2 T exp( 1 γ ξ1 T F s =. Or par hypohèse ξ 1 T ξ2 T donc exp( 1 γ ξ2 T exp( 1 γ ξ1 T. On en dédui que ξ1 T = ξ2 T sur {s < T }. Donc e γ vérifie l absence d arbirage. (P1 Pour ce qui es de la convexié, on peu écrire e γ (ξ T comme le sup de foncions linéaires en ξ T : voir [6] chapire 4 Moneary measures of risk, qui es donc convexe en sa variable ξ T. La proposiion suivane perme de lier la mesure enropique de risque dynamique e γ avec la soluion d une ceraine EDSR. Proposiion 4. La mesure de risque enropique dynamique (e γ, (ξ T [,T ] es soluion de l EDSR quadraique de généraeur g(, z = 1 2γ z 2 e de condiion erminale ξ T, c es à dire : de γ, (ξ T = 1 2γ Z 2 Z dw, e γ,t (ξ T = ξ T. (2.1 Démonsraion. On pose M := E (exp ( 1 γ ξ T F. M es donc une F -maringale sricemen posiive e bornée (puisque ξ T l es. Par le héorème de représenaion des maringale e en uilisan la srice posiivié de M, il exise un processus (Z [,T ] dans H1 d 2 el que : dm = 1 γ M Z dw. Par la formule d Iô appliquée à la foncion x γln(x, on obien : d(γlnm = γ dm M γ M 2 Z 2 2γ 2 M 2 d, γlnm T = ξ T de γ, (ξ T = 1 2γ Z 2 Z dw, e γ,t (ξ T = ξ T. Remarque. Puisque e γ, (ξ T vérifie : on a, éan donné que ξ T es bornée : e γ, (ξ T = ξ T + [ E 1 T 2γ Z s 2 ds Z s dw s ] ] Z s 2 F ds F = 2γE [e γ, (ξ T + ξ T <. Réciproquemen, on peu monrer que si l EDSR (2.1 a une soluion (Y, Z elle que Y T e E[ Z s 2 ds F ] soien bornée, alors Y es bornée (voir la sous-secion suivane. 23
25 2.1.3 g-opéraeurs dynamique, mesure convexe de risques dynamique e EDSR C es dans cee secion qu on me en évidence le lien enre les mesures convexes de risques dynamiques e les EDSR. On commence par définir l opéraeur généré par la soluion maximale d une EDSR. Définiion 5. Soi g un coefficien sandard (i.e. vérifian H1. Le g-opéraeur dynamique, noé Y g, es el que Y g (ξ T es la soluion maximale de l EDSR associée au couple (g, ξ T. Auremen di, le g-opéraeur dynamique pris en ξ T correspond à la première composane du couple soluion de l EDSR de généraeur (g, ξ T. On va éudier les propriéé d un el opéraeur à l aide du lemme suivan. Lemme 2. Soien g 1 e g 2 deux coefficiens réguliers els que l EDSR associé à g 1 admee une unique soluion. On pose Y gi le g i -opéraeur dynamique où i {1, 2}. On suppose que : dp d-p.s. Y g1 (ξ T = Y g2 (ξ T pour ou ξ T dans L 2 ou L. 1 Si g 1 e g 2 ne dépenden que de e z alors : dp d-p.s. (y, z g 1 (, y, z = g 2 (, y, z. 2 Dans le cas général, si les coefficiens g 1 e g 2 son coninus en, alors : dp d-p.s. (y, z g 1 (, y, z = g 2 (, y, z. Avan de prouver ce lemme, prenons l exemple de la mesure de risque dynamique enropique de la sous secion précédene. Illusraion dans le cas quadraique On pose g 1 (, y, z := 1 2γ 1 z 2 e g 2 (, y, z := 1 2γ 2 z 2. On remarque que g 1 e g 2 vérifien les hypohèses (Q e (C. Par la proposiion 4, on a pour ou ξ T bornées : Y 1 := e γ1,(ξ T = ξ T + g 1 (s, Ys 1, Zs 1 ds Zs 1 dw s e Y 2 := e γ2,(ξ T = ξ T + g 2 (s, Ys 2, Zs 2 ds Zs 2 dw s. Par hypohèse g 1 e g 2 ne dépenden pas de y. On suppose Y 1 := e γ1,(ξ T = e γ2,(ξ T =: Y 2, alors par unicié de la décomposiion d une semi-maringale, pour ou [, T ] : { g1 (s, Ys 1, Zs 1 ds = g2 (s, Ys 2, Zs 2 ds P-p.s. Z1 s dw s = Z2 s dw s P-p.s. La deuxième égalié nous donne Z 1 = Z 2 P-p.s. [, T ]. Or g 1 e g 2 ne dépenden pas de y, on a donc : soi, pour ou : g 1 (s, Z s ds = On en dédui donc que γ 1 = γ 2 donc g 1 = g 2. On revien mainenan à la preuve du lemme. g 2 (s, Z s ds P-p.s. 1 Z s 2 1 ds = Z s 2 ds.p-p.s. 2γ 1 2γ 2 24
26 Preuve du lemme 2. On suppose que dp d-p.s. Y g1 (ξ T = Y g2 (ξ T pour ou ξ T dans L 2 ou L, auremen di, les EDSR de généraeurs g 1 e g 2 on pour soluions respecives (Y 1, Z 1 e (Y 2, Z 2, qui son elles que Y 1 = Y 2 =: Y s mais Z 1 Z 2 a priori. Donc : g 1 (s, Y s, Zs 1 ds Zs 1 dw s = g 2 (s, Y s, Zs 2 ds Zs 2 dw s Par unicié de la décomposiion d une semi-maringale, on en dédui alors : P-p.s. { g1 (s, Y s, Zs 1 ds = g2 (s, Y s, Zs 2 ds P-p.s. Z1 s dw s = Z2 s dw s P-p.s. (2.2 Donc Z 1 = Z 2 =: Z P-p.s.. En reprenan (2.2, on en dédui que g 1 (s, Y s, Z s ds = g 2 (s, Y s, Z s ds P-p.s. (2.3 Cependan, cee égalié n es vraie a priori que pour (Y, Z, soluion des EDSR précédenes. 1 On suppose que g 1 e g 2 ne dépenden pas de y. On prend Z un processus borné quelconque. On considère la semi-maringale locale U vérifian : U = u g 1 (s, Z s ds + Z s dw s. Soi τ un emps d arrê el que U T τ soi bornée. Alors U es soluion de l EDSR Par hypohèse e en reprenan (2.3, on a : τ τ U = U T τ + g 1 (s, Z s ds Z s dw s. τ g 1 (s, Z s ds = τ g 2 (s, Z s ds. On en dédui donc que d dp-p.s. pour ou z, g 1 (, z = g 2 (, z. 2.a Dans le cas général, soi Z un processus borné. On considère Y une soluion de l équaion différenielle sochasique dy = g 1 (, Y, Z d + Z dw, Y = y. Soi τ N défini par : e T si l ensemble précéden es vide. On a τ N := inf{ [, T ], Y N} lim τ N = T. N + Le couple (Y τn T, Z 1 ],τn ]( es soluion de l EDSR de généraeur g 1 e de condiion erminale Y τn T. Par hypohèse, ce couple es aussi soluion de l EDSR de généraeur g 2 e de condiion erminale Y τn T. On en dédui, en reprenan (2.2, que ( g1 (s, Y s, Z s ds e ( g2 (s, Y s, Z s ds son indisinguables sur ], τ N T ]. En faisan endre N vers l infini, on obien d dp-p.s. g 1 (, Y, Z = g 2 (, Y, Z pour ou processus Z borné. On a monré que g 1 (, Y, z = g 2 (, Y, z pour ou z R 1 d.cependan Y es un processus pariculier (soluion d une EDSR. On va faire en sore que l égalié soi vraie pour oue variable Y F -mesurable. 25
27 2.b On suppose que g 1 (, Y, z e g 2 (, Y, z son coninus par rappor à. Soi z R 1 d, on pose, pour oue variable Y F -mesurable : Y z u := Y u g 1 (s, Y z s, zds + u zdw s u [, + h]. Donc (Y z u, z es soluion de l EDSR de coefficien généraeur g 1 e de condiion emrinale Y z Par hypohèse, on a aussi : On en dédui donc : +h Yu z = Y+h z + +h Yu z = Y+h z + u u u g 1 (s, Y z s, zds g 2 (s, Y z s, zds g 1 (s, Y z s, zds = u +h u +h u zdw s g 2 (s, Y z s, zds. zdw s. u [, + h]. Par la coninuié de g 1 e g 2 en, on a alors : 1 ( lim h h E Y+h z Y F = g i (, Y, z pour i {1, 2}. Donc g 1 (, Y, z = g 2 (, Y, z pour oue variable Y F -mesurable. Donc +h : d dp-p.s. (y, z R R d, g 1 (, y, z = g 2 (, y, z. Le héorème suivan donne des propriéés de l opéraeur dynamique Y g en uilisan le fai que ce opéraeur es la soluion maximale d une EDSR e à l aide du lemme précéden donnan des condiions sur le généraeur g. Théorème 8. Soi Y g un g-opéraeur dynamique. Alors i Y g es croissan (P2+ e sans arbirage (P5. ii Y g es cohérene en emps si g ne dépend pas de y. iii Sous les hypohèses du lemme 2 : a Y g es invarian par ranslaion (P3+ si e seulemen si g ne dépend pas de y. b Y g es posiivemen homogène (P7 si e seulemen si g es posiivemen homogène par rappor à y e z. iv Si g es convexe, Y g l es (P1. v Si g 1 g 2 alors Y g1 Y g2. Démonsraion. i La croissance de Y g (P2+ e l absence d arbirage (P5 résule du héorèm 3, le héorème de comparaison dans le cas sandard avec sa version srice. ii Cohérence en emps. Soi S T U, on doi prouver que : En effe, si g es indépendane de y, Y S (T, Y T (U, ξ U = Y T (U, ξ U + U = ξ U + = ξ U + Y S (T, Y T (U, ξ U = Y S (U, ξ U p.s. T U S S g(, Z d g(, Z d g(, Z d U T U S S Z dw + Z dw. Z dw S g(, Z d Z dw S En uilisan l unicié de la soluion d une EDSR, on a la cohérence en emps. 26
28 iii Invariance par ranslaion (P3+. On veu prouver que Y g (ξ T + m = Y g (ξ T + m si e seulemen si g ne dépend pas de y. On pose g m (, y, z := g(, y + m, z. On remarque que g ne dépend pas de y es équivalen à g m = g pour ou m. Soi Y (ξ T := Y g (ξ T la soluion maximale de l EDSR associé au couple (g, ξ T e soi Y m := Y (ξ T + m m. On en dédui : Y m = Y m = ξ T + m + = ξ T + g(s, Y s, Z s ds g m (s, Ys m, Z s ds Z s dw s m Z s dw s. Donc Y m es la soluion maximale de l EDSR associée au couple (g m, ξ T. On en dédui que Y g S (ξ T + m = Y g S (ξ T + m équivau à Y (ξ T e Y m son indisinguables. Si g m = g alors par unicié de la soluion maximale, Y (ξ T e Y m son indisinguables. Réciproquemen, si Y (ξ T e Y m son indisinguables, d après le lemme 2, g m = g. Donc Y g S (ξ T + m = Y g S (ξ T + m équivau à g m = g donc équivau à g ne dépend pas de y. iii Homogénéié (P7. La démonsraion es la même que précédemen en posan g λ (, y, z = g(, λy, λz. iv Convexié Soi (Y 1, Z 1 (resp. (Y 2, Z 2 la soluion maximale de l EDSR associée au couple (g, ξt 1 (resp. (g, ξ2 T. On pose Ỹ := λy 1 + (1 λy 2. On a : Ỹ = ỸT + ( λg(s, Y 1 s, Z 1 s + (1 λg(s, Y 2 s, Z 2 s ds Or par hypohèse g es convexe, on peu donc écrire 1 : Ỹ = ỸT + g(s, Ỹ s, Z s + α(s, Y 1 s, Y 2 s, Z 1 s, Z 2 s ds ( λz 1 s + (1 λzs 2 dws. Z s dw s où α es une processus posiif (dû à la convexié de g. Par le héorème de comparaison : Y g (λξt 1 + (1 λξ2 T es plus pei que Ỹ. Auremen di : Y g (λξ1 T + (1 λξ 2 T λy g (ξ1 T + (1 λy g (ξ2 T v Si g 1 g 2, par le héorème de comparaison on a Y g1 Y g2. d dp-p.s. On a alors le corollaire suivan. Corollaire 1. Soi g un coefficien d EDSR convexe, ne dépendan pas de y, alors R g (ξ T Y g ( ξ T es une mesure convexe de risques dynamique, appellée mesure g-condiionnelle de risques. Démonsraion. On reprend la définiion 4 e on vérifie que l opéraeur R g ( Y g ( saisfai aux cinq axiomes (P1, (P2-, (P3-, (P4- e (P5. Par le héorème 8 e sachan que g es convexe e ne dépend pas de y, R g es convexe (P1, décroissane (P2-, invariane par ranslaion (P3- puisque : R g S (ξ T + η S := Y g S ( (ξ T + η S = Y g S ( ξ T η S = R g S (ξ T η S, cohérene en emps (P4- e sans arbirage (P Représenaion duale de mesures de risque g-condiionnelles Dans cee secion, on cherche à avoir une expression de R g (ξ T, la mesure de risque g-condiionnelle prise en ξ T définie dans le corollaire 1. On va dans un premier emps éudier la ransformée de Legendre Fenchel d une foncion, donner des résulas d analyse convexe qui nous permeeron d obenir une expression de la mesure de risque g-condiionnelle. On aura égalemen besoin des noions de BMOmaringales qui seron rappellées. 1. Avec une noaion évidene pour Z := λz 1 + (1 λz 2. 27
29 2.2.1 Transformée de Legendre-Fenchel Le principal ouil pour obenir une représenaion duale d une mesure de risque g-condiionnelle es la ransformée de Lengendre-Fenchel noée G de la foncion 2 g. On reprend pour l esseniel l éude faie dans le chapire 23 de [13] On défini la ransformée de Lengendre-Fenchel de g par : où D g es le domaine de g. G(, µ := sup z D g { µ, z g(, z} (2.4 Remarques 2. On s inerresse ici à des mesures de risques g-condiionnelles donc, par le corollaire 1, g ne dépend pas de y pour la définiion de la ransformée de Legendre-Fenchel. La foncion G es convexe en µ. Éan donné que g es coninue, on a aussi : g(, z := sup µ D G { µ, z G(, µ} (2.5 où D G es le domaine 3 de G. On cherche alors si ces problèmes de maximisaion on des soluions. On a besoin d inroduire la noion de sous-dérivée d une foncion. Définiion 6. La sous-dérivée d une foncion convexe g en z, noée g(z es l ensemble : g(z := {µ g(x g(z + µ, x z, x}. Les élémens µ apparenan à ce ensemble son appellés sous-gradiens de g en z. Remarques 3. Si z n es pas dans le domaine de g, alors g(z =. Si z es dans l inérieur du domaine de g, alors g(z es non vide. Si g(z es rédui à un poin, alors la foncion g es différeniable en z. Proposiion 5. Soi g une foncion convexe, on a : Démonsraion. Soi µ g(z alors : g(z = {µ g(z µ, z G(µ}. (2.6 g(z µ, z g(x µ, x x g(z µ, z G(µ donc équivau à µ {µ g(z µ, z G(µ}. On a alors le héorème suivan : Théorème 9. Soi g une foncion convexe. a ˆµ g(z g(z = inf{g(µ µ, z } = G(ˆµ ˆµ, z. µ b ẑ G(µ G(µ = inf{g(z µ, z } = g(ẑ µ, ẑ. z 2. Cee foncion es en pariculier le généraeur d une EDSR, par définiion d une mesure de risque g-condiionnelle. 3. Plus exacemen, l ensemble de définiion de G par rappor à µ 28
30 Démonsraion. Soi ˆµ g(z, d après (2.6 : g(z ˆµ, z G(ˆµ. Donc : Or d après (2.5 : g(z G(ˆµ ˆµ, z. g(z = inf{g(µ µ, z } G(ˆµ ˆµ, z. µ Donc ˆµ es l opimum du problème de maximisaion (2.5. La réciproque es claire, e le b se démonre de la même façon. Grâce à la ransformée de Legendre-Fenchel, on a la définiion suivane caracérisan la représenaion duale d une mesure de risques g-condiionnelle. Définiion 7. On di qu une mesure de risque g-condiionnelle R g a une représenaion duale s il exise un ensemble A de conrôles admissibles els que pour ou emps d arrê S T borné e pour ou ξ T dans L 2 ou L on a : R g S (ξ T = ess sup µ A E [ ξ Qµ T S ] G(, µ d F S, où Q µ es une mesure de probabilié équivalene à P. La représenaion duale es di exace en ˆµ si l ess sup es aein en ˆµ. Le bu de la secion es de monrer qu une mesure de risques g-condiionnelle adme une représenaion duale sous les hypohèses (H1, (H2 e (H3 précédenes. Pour cela il fau ou d abord mere en place les noions de BMO-maringales BMO-maringales e héorème de Girsanov Dans cee parie, on renvoi au livre de kazamaki [8] Définiion 8 (Exponenielle sochasique. Soi W un mouvemen brownien d-dimensionnel. Soi µ un processus adapé el que µ s 2 ds < +. La maringale exponenielle associée au processus µ es la maringale locale posiive (Γ µ [,T ] définie par : ( ( Γ µ := E µ s dw s := exp µ s dw s 1 µ s 2 ds, 2 soluion de l équaion différenielle sochasique 4 : dγ µ = Γµ µ dw, Γ µ = 1. Théorème 1 (Girsanov. Soi Γ µ la maringale exponenielle définie précédemen. On suppose que Γ µ es une maringale uniformémen inégrable. Si W es un mouvemen brownien sous P alors le processus W µ := W µ sds es un mouvemen brownien sous la probabilié Q µ équivalene à P elle que dqµ dp = Γµ T. Pour appliquer le héorème de Girsanov, il fau que le processus Γ µ soi une (vraie maringale sous P. Pour se faire, deux condiions sur µ son données ici. 4. Où on noe µ es un veceur ligne, ransposé de µ. 29
31 Changemen de probabilié avec des processus bornés Proposiion 6 (Crière de Novikov. Soi (µ [,T ] un processus F-adapé e soi (W [,T ] un mouvemen brownien sous la probabilié P. Si : alors Γ µ es une maringale. [ ( 1 T ] E exp µ 2 d < + 2 Remarque. Un cas pariculier de ce crière, qu on uilisera ici es le cas µ borné. Dans ce cas, Γ µ adme des momens de ou ordre p (voir chapire 1 de [8]. Proposiion 7. Soi µ un processus borné. Si un processus es dans H 2 (P alors il es dans H 1+ɛ (Q µ où Q µ es la probabilié équivalene à P donnée par le héorème de Girsanov précéden. Corollaire 2. Soi µ un processus F -adapé e borné, si M µ = Z sdw s es une H 2 (P-maringale, alors ˆM Z := Z sdw s µ es une Q µ -maringale uniformémen inégrable, d espérance nulle sous Q µ. Changemen de probabilié avec les BMO-maringales La condiion sur µ précédene es un peu fore, on va éendre la proposiion 7 e son corollaire sur l espace des BMO processus défini de la façon suivane : [ ] BMO(P = {ϕ H 2 C [, T ] E ϕ s 2 ds F C p.s.}. On [ le muni de la norme ϕ 2 BMO := C avec C l infimum des consanes C elles que [, T ], ] T E ϕ s 2 ds F C p.s. L inégrale sochasique ϕ sdw s es une BMO(P-maringale si le processus ϕ apparien à BMO(P. Théorème 11. Soi µ un BMO(P-processus adapé. Alors : i La maringale exponenielle associée Γ µ es une maringale uniformémen inégrable. Par le héorème de Girsanov, on peu définir une probabilié Q µ équivalene à P e W µ := W µ sds es un Q µ mouvemen brownien. ii M µ := µ µ sdw s es une BMO(P-maringale e, avec les noaions de i, ˆM := µ sdw s µ es une BMO(Q µ -maringale. Plus généralemen, oue BMO(P-maringale M Z := Z sdw s se ransforme en un processus coninu ˆM Z := Z sdw s µ qui es une BMO(Q µ -maringale. iii Les BMO-normes associées à P e Q µ son équivalenes, i.e. k Z BMO(Q µ Z BMO(P K Z BMO(Q µ où k e K son des consanes posiives qui ne dépenden que de µ. On renvoi au chapire 3 de [8] pour la preuve de ce héorème. Il en découle la proposiion suivane, qui nous servira dans la sous secion suivane. Proposiion 8. Sous (H3, soi (Y, Z la soluion maximale de l EDSR quadraique de coefficien généraeur g e de condiion erminale ξ T bornée : où M Z dy = g(, Z d dm Z, Y T = ξ T (2.7 := Z sdw s. Si g(, 1 2 BMO(P alors M Z es une BMO(P maringale. Démonsraion. En reprenan (2.7, on obien : Y = Y T + g(s, Z s ds + M Z MT Z. 3
32 Soi : Y = Y T + g(s, Z s ds Z s dw s. On applique la formule d Iô à la foncion x e βx. On obien : exp βy = exp (βy T + β soi exp (βy s g(s, Z s ds β exp (βy s Z s dw s β2 2 exp (βy s Z s 2 ds, exp βy = exp (βy T + β exp (βy s (g(s, Z s β2 Z s 2 ds β exp (βy s Z s dw s. (2.8 Par (H3, il exise k > el que g(, z g(, + k z 2. Donc : β 2 Z s 2 g(s, Z s ( β 2 k Z s 2 g(s,, s [, T ]. On fixe ɛ >, en choisissan β 2(k + ɛ, on obien : β 2 Z s 2 g(s, Z s ɛ Z s 2 g(s,, s [, T ]. (2.9 En passan sous l espérance condiionnelle dans (2.8 sous F e en uilisan (2.9, on obien, puisque Y es bornée d après le héorème 6 : [ ] [ ] βɛe exp (βy s Z s 2 ds F C 1 + βe exp (βy s g(s, ds F C 2, où C 1 e C 2 son des consanes réèlles posiives e en uilisan le fai que g(, 1 2 BMO(P pour la dernière inégalié. Or (exp (βy (,T ] es borné (puisque Y l es par le héorème 6, donc on a finalemen : [ ] E Z s 2 ds F C. Donc M Z := Z sdw s es une BMO(P maringale. Cee dernière proposiion va nous êre uile pour la preuve du héorème 12 de la parie qui sui Représenaion duale des mesures de risques On va mainenan éudier les représenaions duales des mesures de risques g-condiionnelles. L espace des conrôles admissibles dépend du coefficien g. On va éudier ce problème sous les hypohèses (H1 e (H3. En effe, si un coefficien g d une EDSR es convexe e saisfai (H2 avec g(, z c + k z, il saisfai en fai (H1 avec le même k comme consane de Lipschiz. Voir l Appendice sur les foncions de récession pour plus de précisions. Théorème 12. Soi g un coefficien convexe généraeur d EDSR ne dépendan pas de y e saisfaisan (H1 ou (H3 e soi G la ransformée de Legendre-Fenchel de g. i Pour presque ou (ω, Ω [, T ], le problème d opimisaion (2.5 adme une soluion opimale progressivemen mesurable µ(ω, dans la sous-dérivée de g en z, i.e. µ(ω, g(ω,, z. ii On a alors une représenaion duale pour la mesure de risques g-condiionnelle R g, exace en ˆµ au sens de la définiion 7 : ] R g (ξ T = ess sup µ A E [ ξ Qµ T G(s, µ s ds F où, = E Q µ [ ξ T 31 ] G(s, µ s ds F
33 1. Sous (H1 avec g(, z g(, + k z, A es l espace des processus µ adapés e bornés par k e Q µ la mesure de probabilié équivalene à P de densié Γ µ T := E( µ sdw s. 2. Sous (H3 avec g(, z g(, + k z 2, A es l espace des BMO(P-processus µ e Q µ la mesure de probabilié équivalene à P de densié Γ µ T := E( µ sdw s. iii Soi g une foncion foremen convexe, i.e. la foncion z g(, z 1 2 C z 2 es convexe, alors sa ransformé de Legendre-Fenchel G(, µ a une croissance quadraique en µ e on a la représenaion duale suivane, aeine en un ξ T : Démonsraion. [ ] E Qµ G(s, µ s ds { T = ess sup ξt E Qµ [ξ T F ] R g (ξ T = E Qµ [ξ T F ] R g (ξ T i L exisence d une soluion µ(ω, au problème d opimisaion (2.5 dans la sous dérivée de g en z es une conséquence du Théorème 9 e des Remarques 3. Pour ce qui es de la progressive mesurabilié de µ(ω,, on sai que l ensemble {µ R n : g(ω,, Z = µ, Z G(ω,, µ} es non vide (il conien µ. Alors par le héorème de sélecion mesurable, il exise un processus progressivemen mesurable, oujours noé 5 µ el que le problème d opimisaion (2.5 admee une soluion en ce processus. ii 1. Eude sous (H1. Soi g saisfaisan (H1 avec 6 g(, z g(, + k z. Alors, g(, H 2. Par définiion : donc : G(, µ := inf z D g {g(, z µ, z } G(, µ g(, H 2. (2.1 On pose : R g (ξ T := Y la soluion de l EDSR associée au couple (g, ξ T : dy = g(, Z d Z dw, Y T = ξ T. En posan A l espace des processus µ adapés e bornés par k, par le héorème de Girsanov, le processus : W µ := W µ sds es un mouvemen brownien sous la probabilié Q µ de densié Γ µ T := E( µ sdw s par rappor à P. On obien 7 alors : dy = (g(, Z µ, Z d Z dw µ, Y T = ξ T. (2.11 Comme M Z := Z sdw s es une H 2 P-maringale, par le corollaire 2, ˆM Z := Z sdw s µ es une maringale sous Q µ d espérance nulle. Or, µ A es borné par k e g es à croissance linéaire, donc le processus (g(, Z Z, µ es dans H 2 sous P. En reprenan l équaion (2.11, on obien pour ou µ A : ] Y = E [ ξ Qµ T + (g(s, Z s µ s, Z s ds F. On a alors, en reprenan (2.1 : ] Y E [ ξ Qµ T G(s, µ s ds F. (2.12 Vu que le processus ( G(, µ es borné supérieuremen par (g(, qui es inégrable sous Q µ, cee dernière espérance condiionnelle es finie. Pour avoir l égalié, on remarque 5. C es un abus de noaion ici 6. Voir appendice sur les foncions de récession 7. Nous pensons avoir décelé à ce niveau là une erreure de signe dans l aricle de N. El Karoui e P. Barrieu [1] ce qui explique leur problème de signe dans leur définiion de la ransformée de Legendre-Fenchel. 32
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 détailCalcul Stochastique 2 Annie Millet
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 15 14 13 1 11 1 9 8 7 6 5 4 3
Plus en détail2. 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 détailTD/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 détailExemples 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 détailLes 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 détailCaractéristiques 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 détailMathématiques 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 détailFonction 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 détailLa 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 détailMATHEMATIQUES 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 détailVA(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 détailCHAPITRE 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 détailFinance 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 détailRappels 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 détailFiltrage 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 détailFiles 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 détailRecueil 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 détailDocumentation Technique de Référence Chapitre 8 Trames types Article 8.14-1
Documenaion Technique de Référence Chapire 8 Trames ypes Aricle 8.14-1 Trame de Rappor de conrôle de conformié des performances d une insallaion de producion Documen valide pour la période du 18 novembre
Plus en détailLe 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 détailCHAPITRE 13. EXERCICES 13.2 1.a) 20,32 ± 0,055 b) 97,75 ± 0,4535 c) 1953,125 ± 23,4375. 2.±0,36π cm 3
Chapire Eercices de snhèse 6 CHAPITRE EXERCICES..a), ±,55 b) 97,75 ±,455 c) 95,5 ±,475.±,6π cm.a) 44,, erreur absolue de,5 e erreur relaive de, % b) 5,56, erreur absolue de,5 e erreur relaive de,9 % 4.a)
Plus en détailSYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE
SYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE Le seul ballon hybride solaire-hermodynamique cerifié NF Elecricié Performance Ballon hermodynamique 223 lires inox 316L Plaque évaporarice
Plus en détailAMPLIFICATEUR OPERATIONNEL EN REGIME NON LINEAIRE
AMPLIFICATEUR OPERATIONNEL EN REGIME NON LINEAIRE Dans e hapire l'amplifiaeur différeniel inégré sera oujours onsidéré omme parfai, mais la ension de sorie ne pourra prendre que deux valeurs : V sa e V
Plus en détailOscillations 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 détailCours 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 détailChapitre 2 L investissement. . Les principales caractéristiques de l investissement
Chapire 2 L invesissemen. Les principales caracérisiques de l invesissemen.. Définiion de l invesissemen Définiion générale : ensemble des B&S acheés par les agens économiques au cours d une période donnée
Plus en détailCopules et dépendances : application pratique à la détermination du besoin en fonds propres d un assureur non vie
Copules e dépendances : applicaion praique à la déerminaion du besoin en fonds propres d un assureur non vie David Cadoux Insiu des Acuaires (IA) GE Insurance Soluions 07 rue Sain-Lazare, 75009 Paris FRANCE
Plus en détailUn modèle de projection pour des contrats de retraite dans le cadre de l ORSA
Un modèle de proecion pour des conras de reraie dans le cadre de l ORSA - François Bonnin (Hiram Finance) - Floren Combes (MNRA) - Frédéric lanche (Universié Lyon 1, Laboraoire SAF) - Monassar Tammar (rim
Plus en détailF 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 détailSommaire de la séquence 12
Sommaire de la séquence 12 Séance 1........................................................................................................ Je prends un bon dépar.......................................................................................
Plus en détailEstimation des matrices de trafics
Cédric Foruny 1/5 Esimaion des marices de rafics Cedric FORTUNY Direceur(s) de hèse : Jean Marie GARCIA e Olivier BRUN Laboraoire d accueil : LAAS & QoSDesign 7, av du Colonel Roche 31077 TOULOUSE Cedex
Plus en détailRelation entre la Volatilité Implicite et la Volatilité Réalisée.
Relaion enre la Volailié Implicie e la Volailié Réalisée. Le cas des séries avec la coinégraion fracionnaire. Rappor de Recherche Présené par : Mario Vázquez Velasco Direceur de Recherche : Benoî Perron
Plus en détailSciences Industrielles pour l Ingénieur
Sciences Indusrielles pour l Ingénieur Cenre d Inérê 6 : CONVERTIR l'énergie Compéences : MODELISER, RESOUDRE CONVERSION ELECTROMECANIQUE - Machine à couran coninu en régime dynamique Procédés de piloage
Plus en détail2009-01 EFFICIENCE INFORMATIONNELLE DES 1948-2008 UNE VERIFICATION ECONOMETRIQUE MARCHES DE L OR A PARIS ET A LONDRES, DE LA FORME FAIBLE
009-01 EFFICIENCE INFORMATIONNELLE DES MARCHES DE L OR A PARIS ET A LONDRES, 1948-008 UNE VERIFICATION ECONOMETRIQUE DE LA FORME FAIBLE Thi Hong Van HOANG Efficience informaionnelle des marchés de l or
Plus en détailDESSd ingéniérie mathématique Université d Evry Val d Essone Evaluations des produits nanciers
DESSd ingéniérie mahémaique Universié d Evry Val d Essone Evaluaions des produis nanciers Véronique Berger Cours Janvier-Mars 2003 version du 27 mars 2003 Conens I Présenaion du plan de cours 3 II Insrumens
Plus en détailSéquence 2. Pourcentages. Sommaire
Séquence 2 Pourcenages Sommaire Pré-requis Évoluions e pourcenages Évoluions successives, évoluion réciproque Complémen sur calcularices e ableur Synhèse du cours Exercices d approfondissemen 1 1 Pré-requis
Plus en détailRisque 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 détailArticle. «Les effets à long terme des fonds de pension» Pascal Belan, Philippe Michel et Bertrand Wigniolle
Aricle «Les effes à long erme des fonds de pension» Pascal Belan, Philippe Michel e Berrand Wigniolle L'Acualié économique, vol 79, n 4, 003, p 457-480 Pour cier ce aricle, uiliser l'informaion suivane
Plus en détailThème : Electricité Fiche 5 : Dipôle RC et dipôle RL
Fiche ors Thème : Elecricié Fiche 5 : Dipôle e dipôle Plan de la fiche Définiions ègles 3 Méhodologie I - Définiions oran élecriqe : déplacemen de charges élecriqes q a mesre d débi de charges donne l
Plus en détailLes deux déficits, budgétaire et du compte courant, sont-ils jumeaux? Une étude empirique dans le cas d une petite économie en développement
Les deux déficis, budgéaire e du compe couran, sonils jumeaux? Une éude empirique dans le cas d une peie économie en développemen (Version préliminaire) Aueur: Wissem AJILI Docorane CREFED Universié Paris
Plus en détailCARACTERISTIQUES 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 détailTB 352 TB 352. Entrée 1. Entrée 2
enrées série TB logiciel d applicaion 2 enrées à émission périodique famille : Inpu ype : Binary inpu, 2-fold TB 352 Environnemen Bouon-poussoir TB 352 Enrée 1 sories 230 V Inerrupeur Enrée 2 Câblage sur
Plus en détailIntégration de Net2 avec un système d alarme intrusion
Ne2 AN35-F Inégraion de Ne2 avec un sysème d alarme inrusion Vue d'ensemble En uilisan l'inégraion d'alarme Ne2, Ne2 surveillera si l'alarme inrusion es armée ou désarmée. Si l'alarme es armée, Ne2 permera
Plus en détailTHÈSE. Pour l obtention du grade de Docteur de l Université de Paris I Panthéon-Sorbonne Discipline : Sciences Économiques
Universié de Paris I Panhéon Sorbonne U.F.R. de Sciences Économiques Année 2011 Numéro aribué par la bibliohèque 2 0 1 1 P A 0 1 0 0 5 7 THÈSE Pour l obenion du grade de Doceur de l Universié de Paris
Plus en détail3 POLITIQUE D'ÉPARGNE
3 POLITIQUE D'ÉPARGNE 3. L épargne exogène e l'inefficience dynamique 3. Le modèle de Ramsey 3.3 L épargne opimale dans le modèle AK L'épargne des sociéés dépend largemen des goûs des agens, de faceurs
Plus en détailLe mécanisme du multiplicateur (dit "multiplicateur keynésien") revisité
Le mécanisme du muliplicaeur (di "muliplicaeur kenésien") revisié Gabriel Galand (Ocobre 202) Résumé Le muliplicaeur kenésien remone à Kenes lui-même mais il es encore uilisé de nos jours, au moins par
Plus en détailEvaluation des Options avec Prime de Risque Variable
Evaluaion des Opions avec Prime de Risque Variable Lahouel NOUREDDINE Correspondance : LEGI-Ecole Polyechnique de Tunisie, BP : 743,078 La Marsa, Tunisie, Insiu Supérieur de Finance e de Fiscalié de Sousse.
Plus en détailEcole des HEC Université de Lausanne FINANCE EMPIRIQUE. Eric Jondeau
Ecole des HEC Universié de Lausanne FINANCE EMPIRIQUE Eric Jondeau FINANCE EMPIRIQUE La prévisibilié des rendemens Eric Jondeau L hypohèse d efficience des marchés Moivaion L idée de base de l hypohèse
Plus en détailPARTIAL DIFFERENTIAL EQUATIONS. On global discontinuous solutions of Hamilton-Jacobi equations.
EQUATIONS AUX DERIVEES PARTIELLES. Sur des soluions globales disconinues des équaions d Hamilon-Jacobi, par Gui-Qiang Chen e Bo Su Résumé. On éabli l unicié des soluions de viscosié semiconinues classiques
Plus en détailNed s Expat L assurance des Néerlandais en France
[ LA MOBILITÉ ] PARTICULIERS Ned s Expa L assurance des Néerlandais en France 2015 Découvrez en vidéo pourquoi les expariés en France choisissen APRIL Inernaional pour leur assurance sané : Suivez-nous
Plus en détailSurface de Volatilité et Introduction au Risque de Crédit
Modèles de Taux, Surface de Volailié e Inroducion au Risque de Crédi Alexis Fauh Universié Lille I Maser 2 Mahémaiques e Finance Spécialiés Mahémaiques du Risque & Finance Compuaionelle 214/215 spread
Plus en détailNon-résonance entre les deux premières valeurs propres d un problème quasi-linéaire
Non-résonance enre les deux premières valeurs propres d un problème quasi-linéaire AREl Amrouss MMoussaoui Absrac We consider he quasilinear Dirichle boundary value problem (φ p (u )) = f(u)+h(x),u(a)=u(b)=0,
Plus en détailImpact du vieillissement démographique sur l impôt prélevé sur les retraits des régimes privés de retraite
DOCUMENT DE TRAVAIL 2003-12 Impac du vieillissemen démographique sur l impô prélevé sur les rerais des régimes privés de reraie Séphane Girard Direcion de l analyse e du suivi des finances publiques Ce
Plus en détailImpact des futures normes IFRS sur la tarification et le provisionnement des contrats d assurance vie : mise en oeuvre de méthodes par simulation
Impac des fuures normes IFRS sur la arificaion e le provisionnemen des conras d assurance vie : mise en oeuvre de méhodes par simulaion Pierre-Emmanuel Thérond To cie his version: Pierre-Emmanuel Thérond.
Plus en détailGESTION DU RÉSULTAT : MESURE ET DÉMESURE 1 2 ème version révisée, août 2003
GESTION DU RÉSULTAT : MESURE ET DÉMESURE 1 2 ème version révisée, aoû 2003 Thomas JEANJEAN 2 Cahier de recherche du CEREG n 2003-13 Résumé : Depuis une vingaine d années, la noion d accruals discréionnaires
Plus en détailCANAUX DE TRANSMISSION BRUITES
Canaux de ransmissions bruiés Ocobre 03 CUX DE TRSISSIO RUITES CORRECTIO TRVUX DIRIGES. oyer Canaux de ransmissions bruiés Ocobre 03. RUIT DE FOD Calculer le niveau absolu de brui hermique obenu pour une
Plus en détailLE PARADOXE DES DEUX TRAINS
LE PARADOXE DES DEUX TRAINS Énoné du paradoxe Déaillons ou d abord le problème dans les ermes où il es souen présené On dispose de deux oies de hemins de fer parallèles e infinimen longues Enre les deux
Plus en détailMIDI F-35. Canal MIDI 1 Mélodie Canal MIDI 2 Basse Canal MIDI 10 Batterie MIDI IN. Réception du canal MIDI = 1 Reproduit la mélodie.
/ VARIATION/ ACCOMP PLAY/PAUSE REW TUNE/MIDI 3- LESSON 1 2 3 MIDI Qu es-ce que MIDI? MIDI es l acronyme de Musical Insrumen Digial Inerface, une norme inernaionale pour l échange de données musicales enre
Plus en détailDE L'ÉVALUATION DU RISQUE DE CRÉDIT
DE L'ÉALUAION DU RISQUE DE CRÉDI François-Éric Racico * Déparemen des sciences adminisraives Universié du Québec, Ouaouais Raymond héore Déparemen Sraégie des Affaires Universié du Québec, Monréal RePAd
Plus en détailNo 1996 13 Décembre. La coordination interne et externe des politiques économiques : une analyse dynamique. Fabrice Capoën Pierre Villa
No 996 3 Décembre La coordinaion inerne e exerne des poliiques économiques : une analyse dynamique Fabrice Capoën Pierre Villa CEPII, documen de ravail n 96-3 SOMMAIRE Résumé...5 Summary...7. La problémaique...9
Plus en détailAnnuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t
Annuiés I Définiion : On appelle annuiés des sommes payables à inervalles de emps déerminés e fixes. Les annuiés peuven servir à : - consiuer un capial ( annuiés de placemen ) - rembourser une dee ( annuiés
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailCAHIER 13-2000 ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS LA ZONE CFA : UNE MÉTHODE STRUCTURELLE D'AUTORÉGRESSION VECTORIELLE
CAHIER 13- ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS LA ZONE CFA : UNE MÉTHODE STRUCTURELLE D'AUTORÉGRESSION VECTORIELLE Jean-Michel BOSCO N'GOMA CAHIER 13- ANALYSE DES CHOCS D'OFFRE ET DE DEMANDE DANS
Plus en détailPouvoir de marché et transmission asymétrique des prix sur les marchés de produits vivriers au Bénin
C N R S U N I V E R S I T E D A U V E R G N E F A C U L T E D E S S C I E N C E S E C O N O M I Q U E S E T D E G E S T I O N CENTRE D ETUDES ET DE RECHERCHES SUR LE DEVELOPPEMENT INTER NATIONAL Pouvoir
Plus en détailOBJECTIFS LES PLUS DE LA FORMATION
Formaion assurance-vie e récupéraion: Quand e Commen récupérer? (Ref : 3087) La maîrise de la récupéraion des conras d'assurances-vie requalifiés en donaion OBJECTIFS Appréhender la naure d un conra d
Plus en détailMémoire présenté et soutenu en vue de l obtention
République du Cameroun Paix - Travail - Parie Universié de Yaoundé I Faculé des sciences Déparemen de Mahémaiques Maser de saisique Appliquée Republic of Cameroon Peace Wor Faherland The Universiy of Yaoundé
Plus en détailTRAVAUX PRATIQUES N 5 INSTALLATION ELECTRIQUE DE LA CAGE D'ESCALIER DU BATIMENT A
UIMBERTEAU UIMBERTEAU TRAVAUX PRATIQUES 5 ISTALLATIO ELECTRIQUE DE LA CAE D'ESCALIER DU BATIMET A ELECTROTECHIQUE Seconde B.E.P. méiers de l'elecroechnique ELECTROTECHIQUE HABITAT Ver.. UIMBERTEAU TRAVAUX
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailB34 - Modulation & Modems
G. Pinson - Physique Appliquée Modulaion - B34 / Caracérisiques d'un canal de communicaion B34 - Modulaion & Modems - Définiions * Half Duplex ou simplex : ransmission un sens à la fois ; exemple : alky-walky
Plus en détailMODÈLE BAYÉSIEN DE TARIFICATION DE L ASSURANCE DES FLOTTES DE VÉHICULES
Cahier de recherche 03-06 Sepembre 003 MODÈLE BAYÉSEN DE TARFCATON DE L ASSURANCE DES FLOTTES DE VÉHCULES Jean-François Angers, Universié de Monréal Denise Desardins, Universié de Monréal Georges Dionne,
Plus en détailNOTE SUR LES METHODES UNIVARIEES
BRUSSELS EONOMI REVIEW - AHIERS EONOMIQUES DE BRUXELLES VOL 5 N 3 AUTUMN 7 NOTE SUR LES METHODES UNIVARIEES D EXTRATION DU YLE EONOMIQUE ANNA SESS ET MIHEL GRUN-REHOMME (UNIVERSITE PARIS, ERMES- NRS- UMR78)
Plus en détailSURVOL DE LA LITTÉRATURE SUR LES MODÈLES DE TAUX DE CHANGE D ÉQUILIBRE: ASPECTS THÉORIQUES ET DISCUSSIONS COMPARATIVES
Ankara Üniversiesi SBF Dergisi, Cil 66, No. 4, 2011, s. 125-152 SURVOL DE LA LITTÉRATURE SUR LES MODÈLES DE TAUX DE CHANGE D ÉQUILIBRE: ASPECTS THÉORIQUES ET DISCUSSIONS COMPARATIVES Dr. Akın Usupbeyli
Plus en détailProgrammation, organisation et optimisation de son processus Achat (Ref : M64) Découvrez le programme
Programmaion, organisaion e opimisaion de son processus Acha (Ref : M64) OBJECTIFS LES PLUS DE LA FORMATION Appréhender la foncion achas e son environnemen Opimiser son processus achas Développer un acha
Plus en détailSéminaire d Économie Publique
Séminaire d Économie Publique Les niveaux de dépenses d'infrasrucure son-ils opimaux dans les pays en développemen? Sonia Bassi, LAEP Discuan : Evans Salies, MATISSE & ADIS, U. Paris 11 Mardi 8 février
Plus en détailCahier technique n 114
Collecion Technique... Cahier echnique n 114 Les proecions différenielles en basse ension J. Schonek Building a ew Elecric World * Les Cahiers Techniques consiuen une collecion d une cenaine de ires édiés
Plus en détailUniversité Technique de Sofia, Filière Francophone d Informatique Notes de cours de Réseaux Informatiques, G. Naydenov Maitre de conférence, PhD
LA COUCHE PHYSIQUE 1 FONCTIONS GENERALES Cee couche es chargée de la conversion enre bis informaiques e signaux physiques Foncions principales de la couche physique : définiion des caracérisiques de la
Plus en détailSélection de portefeuilles et prédictibilité des rendements via la durée de l avantage concurrentiel 1
ASAC 008 Halifax, Nouvelle-Écosse Jacques Sain-Pierre (Professeur Tiulaire) Chawki Mouelhi (Éudian au Ph.D.) Faculé des sciences de l adminisraion Universié Laval Sélecion de porefeuilles e prédicibilié
Plus en détailCOURS GESTION FINANCIERE A COURT TERME SEANCE 3 PLANS DE TRESORERIE. François LONGIN www.longin.fr
COURS GESTION FINANCIERE A COURT TERME SEANCE 3 PLANS DE TRESORERIE SEANCE 3 PLANS DE TRESORERIE Obje de la séance 3 : dans la séance 2, nous avons monré commen le besoin de financemen éai couver par des
Plus en détailN d ordre Année 2008 THESE. présentée. devant l UNIVERSITE CLAUDE BERNARD - LYON 1. pour l obtention. du DIPLOME DE DOCTORAT. (arrêté du 7 août 2006)
N d ordre Année 28 HESE présenée devan l UNIVERSIE CLAUDE BERNARD - LYON pour l obenion du DILOME DE DOCORA (arrêé du 7 aoû 26) présenée e souenue publiquemen le par M. Mohamed HOUKARI IRE : Mesure du
Plus en détailLes solutions solides et les diagrammes d équilibre binaires. sssp1. sssp1 ssss1 ssss2 ssss3 sssp2
Les soluions solides e les diagrammes d équilibre binaires 1. Les soluions solides a. Descripion On peu mélanger des liquides par exemple l eau e l alcool en oue proporion, on peu solubiliser un solide
Plus en détailCoaching - accompagnement personnalisé (Ref : MEF29) Accompagner les agents et les cadres dans le développement de leur potentiel OBJECTIFS
Coaching - accompagnemen personnalisé (Ref : MEF29) Accompagner les agens e les cadres dans le développemen de leur poeniel OBJECTIFS LES PLUS DE LA FORMATION Le coaching es une démarche s'inscrivan dans
Plus en détailStabilisation des systèmes bilinéaires fractionnaires
Sbilision des sysèmes bilinéires frcionnires Ibrhim N Doye,, Michel Zsdzinski, Nour-Eddine Rdhy, Mohmed Drouch Cenre de Recherche en Auomique de Nncy, UMR 739 Nncy-Universié, CNRS IUT de Longwy, 86 rue
Plus en détailCONTRIBUTION A L ANALYSE DE LA GESTION DU RESULTAT DES SOCIETES COTEES
CONTRIBUTION A L ANALYSE DE LA GESTION DU RESULTAT DES SOCIETES COTEES Thomas Jeanjean To cie his version: Thomas Jeanjean. CONTRIBUTION A L ANALYSE DE LA GESTION DU RESULTAT DES SOCIETES COTEES. 22ÈME
Plus en détailGUIDE DES INDICES BOURSIERS
GUIDE DES INDICES BOURSIERS SOMMAIRE LA GAMME D INDICES.2 LA GESTION DES INDICES : LE COMITE DES INDICES BOURSIERS.4 METHODOLOGIE ET CALCUL DE L INDICE TUNINDEX ET DES INDICES SECTORIELS..5 I. COMPOSITION
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailL impact de l activisme des fonds de pension américains : l exemple du Conseil des Investisseurs Institutionnels.
L impac de l acivisme des fonds de pension américains : l exemple du Conseil des Invesisseurs Insiuionnels. Fabrice HERVE * Docoran * Je iens à remercier ou pariculièremen Anne Lavigne e Consanin Mellios
Plus en détailIntégration 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailPREMIÈRE PARTIE LIQUIDITÉ ET MICROSTRUCTURE. La Liquidité - De la Microstructure à la Gestion du Risque de Liquidité
PREMIÈRE PARTIE LIQUIDITÉ ET MICROSTRUCTURE Erwan Le Saou - Novembre 2000. 13 La microsrucure des marchés financiers ne serai cerainemen pas au cenre d une liéraure abondane si le concep de liquidié n
Plus en détailFroid industriel : production et application (Ref : 3494) Procédés thermodynamiques, systèmes et applications OBJECTIFS LES PLUS DE LA FORMATION
Froid indusriel : producion e applicaion (Ref : 3494) Procédés hermodynamiques, sysèmes e applicaions SUPPORT PÉDAGOGIQUE INCLUS. OBJECTIFS Appréhender les différens procédés hermodynamiques de producion
Plus en détailEPARGNE RETRAITE ET REDISTRIBUTION *
EPARGNE RETRAITE ET REDISTRIBUTION * Alexis Direr (1) Version février 2008 Docweb no 0804 Alexis Direr (1) : Universié de Grenoble e LEA (INRA, PSE). Adresse : LEA, 48 bd Jourdan 75014 Paris. Téléphone
Plus en détailLa fonction de production dans l analyse néo-classique
La oncion de producion dans l analyse néo-classique Jean-Marie Harribey La oncion de producion es une relaion mahémaique éablie enre la quanié produie e le ou les aceurs de producion uilisés, ou encore
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailIntégrales généralisées
3 Iégrles géérlisées Pour ce chpire, les focios cosidérées so priori défiies sur u iervlle réel I o rédui à u poi, à vleurs réelles ou complees e coiues pr morceu. L défiiio e les propriéés de l iégrle
Plus en détailS euls les flux de fonds (dépenses et recettes) définis s ent l investissement.
Choix d ives i s s eme e cer iude 1 Chapire 1 Choix d ivesissemes e ceriude. Défiiio L es décisios d ivesissemes fo parie des décisios sraégiques de l erepris e. Le choix ere différes projes d ivesisseme
Plus en détailEssai surlefficience informationnelle du march boursier marocain
Global Journal of Managemen and Business Research : c Finance Volume 14 Issue 1 Version 1.0 Year 2014 Type: Double Blind Peer Reviewed Inernaional Research Journal Publisher: Global Journals Inc. (USA)
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailEVALUATION DE LA FPL PAR LES APPRENANTS: CAS DU MASTER IDS
EVALUATION DE LA FPL PAR LES APPRENANTS: CAS DU MASTER IDS CEDRIC TAPSOBA Diplômé IDS Inern/ CARE Regional Program Coordinaor and Gender Specialiy Service from USAID zzz WA-WASH Program Tel: 70 77 73 03/
Plus en détail