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

Save this PDF as:
Dimension: px
Commencer à balayer dès la page:

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

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, 2. CEREMADE-UMR CNRS 7534,

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

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

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

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

Théorème de Cauchy-Lipschitz et applications. Lefeuvre thomas & Ginguené franck 30 mars 2012

Théorème de Cauchy-Lipschitz et applications. Lefeuvre thomas & Ginguené franck 30 mars 2012 Théorème de Cauchy-Lipschiz e applicaions Lefeuvre homas & Ginguené franck 30 mars 01 1 Table des maières 1 Théorème du poin fixe 3 1.1 Énoncé.......................................... 3 1. Démonsraion.....................................

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

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

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

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

Groupe de travail master MASEF-Université Paris-Dauphine Optimisation d une fonction d utilité sous contraintes de risques

Groupe de travail master MASEF-Université Paris-Dauphine Optimisation d une fonction d utilité sous contraintes de risques Groupe de ravail maser MASEF-Universié Paris-Dauphine Opimisaion d une foncion d uilié sous conraines de risques Benedea Baroli Thibau Masrolia Eienne Pillin sous la direcion d Anhony Réveillac 13 sepembre

Plus en détail

Calcul Stochastique 2 Annie Millet

Calcul 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 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

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

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

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

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

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

Montrer que la fonction

Montrer que la fonction Théorème de convergence dominée. Théorème d inégraion erme à erme. Théorème de coninuié des inégrales à paramère. Caracère k des foncions définies par une inégrale. Monrer que la foncion L : x cos() e

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

CCP, 2011, MP, Mathématiques I. Exercice 1

CCP, 2011, MP, Mathématiques I. Exercice 1 CCP, 211, MP, Mahémaiques I. (5 pages ) Exercice 1 1. Soi, pour n 2, = 2 n 2 1. On a n 2, > e règle de D Alember, R = 1. +1 = (n + 1)2 1 n 2 1 1 donc, selon la 2. Pour n 1, = 1 n 1 1 que les séries n 2

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

au taux d intérêt court. Pour cette raison, on applique souvent des modèles explicites

au taux d intérêt court. Pour cette raison, on applique souvent des modèles explicites Chapire 5 Modèles d Inensié Les deux approches dans la modélisaion de risque de crédi approche srucurel e approche d inensié ne son pas compaibles : dans les modèles d inensié, l exisence de l inensié

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

DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE

DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE UNIVERSITE DE TUNIS Faculé des sciences économiques e de gesion de Tunis MODELE DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE Ezzeddine MBAREK 2010 1 INTRODUCTION Le modèle que je propose

Plus en détail

Corrigé Maths I, TSI 2011 Elhor Abdelali, CPGE Mohammedia. Premier problème

Corrigé Maths I, TSI 2011 Elhor Abdelali, CPGE Mohammedia. Premier problème Corrigé Mahs I, TSI Elhor Abdelali, CPGE Mohammedia Premier problème Première parie Eisence du poin fie.. La bonne définiion des ermes de la suie (u n ) n es assurée par la vérié de la propriéé " n N,

Plus en détail

Petit dictionnaire physique-chimie/maths des équations différentielles. Tension aux bornes du condensateur dans un circuit RC

Petit dictionnaire physique-chimie/maths des équations différentielles. Tension aux bornes du condensateur dans un circuit RC Pei dicionnaire physique-chimie/mahs des équaions différenielles On compare les différenes manières de présener la résoluion d une équaion différenielle dans les différenes disciplines. Le bu de cee fiche

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

1 Le hacheur série. 30 mars 2005

1 Le hacheur série. 30 mars 2005 e hacheur série A. Campo 30 mars 2005 1 e hacheur série 1.1 Généraliés e hacheur es un disposiif permean d obenir une ension coninue de valeur moyenne réglable à parir d

Plus en détail

RELATIONS FONCTIONNELLES. I Généralités

RELATIONS FONCTIONNELLES. I Généralités Universié d'angers : LSEN relaions foncionnelles p. Parie A : Proporionnalié RELATIONS FONCTIONNELLES I Généraliés / Définiion : Soien deux suies de nombres réels : (x ;x ;x ;x 4 ) e (y ;y ;y ;y 4 ). Ces

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

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

Correction Exercices Chapitre 10 - Intégrales impropres

Correction Exercices Chapitre 10 - Intégrales impropres Correcion Eercices Chapire - Inégrales impropres. Déerminer si les inégrales suivanes son convergenes, e le cas échéan, calculer leur valeur :.. 3. 4. e d. d ( + ) d e d 5. 6. 7. 8. d 3 d e d d +. Convergence

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

Intégrale fonction des bornes

Intégrale fonction des bornes [hp://mp.cpgedupuydelome.fr] édié le juille 4 Enoncés Inégrale foncion des bornes Eercice [ 87 ] [correcion] On pourra à ou momen s aider du logiciel de calcul formel. a Résoudre sur l inervalle I = ],

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

Équations différentielles.

Équations différentielles. IS BTP, 2 année NNÉE UNIVERSITIRE 205-206 CONTRÔLE CONTINU Équaions différenielles. Durée : h30 Les calcularices son auorisées. Tous les exercices son indépendans. Il sera enu compe de la rédacion e de

Plus en détail

INSTRUMENTATION ELECTRIQUE OSCILLOSCOPE NUMERIQUE GENERATEUR BASSE FREQUENCE UTILISE EN SINUSOIDAL Etude théorique

INSTRUMENTATION ELECTRIQUE OSCILLOSCOPE NUMERIQUE GENERATEUR BASSE FREQUENCE UTILISE EN SINUSOIDAL Etude théorique 1 INSUMENAION ELEIQUE OSILLOSOPE NUMEIQUE GENEAEU BASSE FEQUENE UILISE EN SINUSOIDAL Eude héorique 1 Noions élémenaires 1.1 Masse e erre : Lorsqu on mesure une ension, on mesure en fai une différence de

Plus en détail

ECO434, Ecole polytechnique, 2e année PC 5 Flux de Capitaux Internationaux et Déséquilibres Mondiaux

ECO434, Ecole polytechnique, 2e année PC 5 Flux de Capitaux Internationaux et Déséquilibres Mondiaux ECO434, Ecole polyechnique, 2e année PC 5 Flux de Capiaux Inernaionaux e Déséquilibres Mondiaux Exercice 1 : Flux de capiaux dans le modèle de croissance néoclassique Le modèle es en emps coninu. On considère

Plus en détail

Examen du cours MOPSI 11 février 2011, 08h30-12h00.

Examen du cours MOPSI 11 février 2011, 08h30-12h00. Examen du cours MOPSI février, 8h3-h. Corrigé. Exercice : un principe de réflexion pour la marche aléaoire sur Z. Soi x,..., x n Z n+. PΣ = x,..., Σ n = x n = { n si x = e i {,..., n}, x i+ x i =, sinon.

Plus en détail

Procédé thermocyclique de régulation de température

Procédé thermocyclique de régulation de température - 1 - Innovaion echnologique dans le domaine de la régulaion de empéraure, le procédé hermocyclique foncionne selon un principe unique en son genre qui n a rien en commun avec les régulaions par hermosa

Plus en détail

FICHE TD 1 Corrigé de l exercice 2

FICHE TD 1 Corrigé de l exercice 2 Universié Lyon PCSI L Année 3/4 Mahémaiques 4 Prinemps 4 I = FICHE TD Corrigé de l exercice Disribuions e d. La foncion e es coninue sur (l inervalle fermé en [, [, donc il fau éudier l inégrabilié vers

Plus en détail

Concours Ecole Nationale de la Statistique et de l Analyse Informatique. Deuxième composition de Mathématiques PARTIE I. et comme la fonction t f(t)

Concours Ecole Nationale de la Statistique et de l Analyse Informatique. Deuxième composition de Mathématiques PARTIE I. et comme la fonction t f(t) SESSION Concours Ecole Naionale de la Saisique e de l Analyse Informaique Deuième composiion de Mahémaiques PARTIE I. Soien f E e >. La foncion f( es coninue sur ], [ en an que quoien de foncions coninues

Plus en détail

Corrigé du TD n 4. x e x (x 3 3x 2 + 7x 7).

Corrigé du TD n 4. x e x (x 3 3x 2 + 7x 7). Corrigé du TD n 4 Eercice. Nous allons calculer à chaque fois une primiive. Connaissan une primiive, les primiives son les foncions égales à la primiive calculée à une consane près (la consigne éan de

Plus en détail

Macroéconomie - Croissance

Macroéconomie - Croissance Macroéconomie - Croissance Licence 3 Sepembre 208 Rappels sur les dérivées. Eude d une foncion Une foncion es : croissane lorsque sa dérivée es posiive ; décroissane lorsque sa dérivée es négaive ; consane

Plus en détail

BTS Mécanique et Automatismes Industriels. Fiabilité

BTS Mécanique et Automatismes Industriels. Fiabilité BTS Mécanique e Auomaismes Indusriels Fiabilié Lcée Louis Armand, Poiiers, Année scolaire 23 24 . Premières noions de fiabilié Fiabilié Dans ou ce paragraphe, nous nous inéressons à un disposiif choisi

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

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

(t 2 + 3t)dt = = ln ( 1 ) ln ( 2 ) = ln(2). 0 = 3 ln (e + 1) 3 ln (2) = 3 ln + 1

(t 2 + 3t)dt = = ln ( 1 ) ln ( 2 ) = ln(2). 0 = 3 ln (e + 1) 3 ln (2) = 3 ln + 1 Eercice (Calculer les inégrales suivanes)..... 5. 6. 7. 8. e d = e d = e ] = = 5. = e e. ( + )d = d = ln ( )] = ln ( ) ln ( ) = ln(). ue u du = e u = e. e e + d = ln ( e + ) e (e + ) d = u (ln u) du =

Plus en détail

Corrigé TD 12 Fonctions caractéristiques

Corrigé TD 12 Fonctions caractéristiques Corrigé TD Foncions caracérisiques Eercice. Sur un espace de probabilié (Ω, F, P, on se donne (X, Y une variable aléaoire à valeurs dans.. On suppose que la loi de (X, Y es λµe λ µy + (, y d dy. Déerminer

Plus en détail

Équations différentielles

Équations différentielles V. Équaions différenielles 1 Primiive d une foncion Définiion 1. On appelle primiive d une foncion f une soluion de l équaion différenielle y = f. Exercice 1. Déerminer une soluion de l équaion différenielle

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

Mouvement brownien et calcul stochastique Partiel du 26 novembre 2018

Mouvement brownien et calcul stochastique Partiel du 26 novembre 2018 Mouvemen rownien e calcul sochasique Pariel du 26 novemre 218 2 heures 3, sans documens Barème approximaif. Ex.1 : 6 ps, Ex.2 : 3 ps, Ex.3 : 6 ps, Ex.4 : 5 ps Exercice 1. Soi B un mouvemen rownien réel

Plus en détail

Equations différentielles. Exercices

Equations différentielles. Exercices Equaions différenielles Eercices 14-15 Les indispensables Dans ous les eercices, même si la quesion n'es pas posée, on pourra se demander s'il es possible, a priori, de se faire une idée sur la srucure

Plus en détail

MATHÉMATIQUES II. et x désigne alors la matrice à 1 ligne et n colonnes : x = [ x 1 x 2 x n ] ;

MATHÉMATIQUES II. et x désigne alors la matrice à 1 ligne et n colonnes : x = [ x 1 x 2 x n ] ; MATHÉMATIQUES II Dans ce problème, nous éudions les propriéés de ceraines classes de marices carrées à coefficiens réels e cerains sysèmes linéaires de la forme Ax = b d inconnue x IR n, A éan une marice

Plus en détail

Chapitre 14 - Fonctions de plusieurs variables - Corrigés

Chapitre 14 - Fonctions de plusieurs variables - Corrigés Chapire 4 Foncions de plusieurs variables Exercice : Si adme une limie, alors comme y) = x, 0) = cee limie es nécessairemen nulle De plus, si adme 0 pour limie en 0), alors la oncion, ) adme 0 pour limie

Plus en détail

Retour aux bases de la photographie Partie 1 L' EXPOSITION

Retour aux bases de la photographie Partie 1 L' EXPOSITION Parie 1 - Secion 1.5 Reour aux bases de la phoographie Parie 1 L' EXPOSITIO Secion 1.5 Synhèse Exposiion Indices de Luminaion IL (EV) 1 Synhèse des valeurs Rappel des échelles normalisées des différens

Plus en détail

ÉQUATIONS DIFFÉRENTIELLES

ÉQUATIONS DIFFÉRENTIELLES hapire 7 ÉQUTIONS DIFFÉRENTIELLES I. GÉNÉRLITÉS SUR LES ÉQUTIONS DIFFÉRENTIELLES désigne indifféremmen ou. Eemples liminaires Les lois qui régissen, en physique ou chimie, l évoluion de grandeurs G au

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

- 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

TD 4 : correction. L3 Intégration Exercice 1. Fonctions presque nulles. On considère la suite d ensembles mesurables A n = x R f(x) 1.

TD 4 : correction. L3 Intégration Exercice 1. Fonctions presque nulles. On considère la suite d ensembles mesurables A n = x R f(x) 1. L3 Inégraion 1 212-213 TD 4 : correcion Eercice 1. Foncions presque nulles } On considère la suie d ensembles mesurables A n = Rf( 1. n Par hypohèse, ils son ous de mesure nulle : = f dλ 1 A n n µ(a n.

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

Aide pour le devoir maison n 1 de Terminale STG GSI (704)

Aide pour le devoir maison n 1 de Terminale STG GSI (704) Aide pour le devoir maison n 1 de Terminale STG GSI (704) Mahémaiques Nombre d'exercices : 4 exercices Noe : L'exercice 4 es une pure copie d'un exercice d'un devoir surveillé de l'an dernier. Cela ne

Plus en détail

CONCOURS COMMUN 2002

CONCOURS COMMUN 2002 CONCOURS COMMUN DES ECOLES DES MINES D ALBI, ALES, DOUAI, NANTES Epreuve de Mahémaiques (oues filières) Problème d analyse.. f es coninue sur R en an que quoien de foncions coninues sur R don le dénominaeur

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

COURS Espérance mathématique - Variance. Soit X une variable aléatoire de densité f

COURS Espérance mathématique - Variance. Soit X une variable aléatoire de densité f Chapire : Lois de probabiliés à densié COURS Généraliés sur les lois de probabiliés coninues Variable aléaoire coninue Soi X une variable aléaoire définie sur un univers I R X es die variable aléaoire

Plus en détail

Exercices d intégration et d analyse fonctionnelle

Exercices d intégration et d analyse fonctionnelle Exercices d inégraion e d analyse foncionnelle Agrégaion 29-2 Exercice : Monrez que si f : IR + IR es uniformémen coninue e que f() d converge alors f a pour limie en +. Donnez un exemple de foncion g

Plus en détail

Concours commun 2007 des écoles des mines d Albi, Alès, Douai, Nantes.

Concours commun 2007 des écoles des mines d Albi, Alès, Douai, Nantes. Concours commun 7 des écoles des mines d Albi, Alès, Douai, Nanes. L emploi d une calcularice es inerdi Pour ou R + on défini : ( f () = exp 1 ) e g() = f () Problème 1 Parie 1 (Généraliés) 1 Prouver que

Plus en détail

Chapitre 4: Les modèles linéaires

Chapitre 4: Les modèles linéaires Chapire 4: Les modèles linéaires. Inroducion: Dans ce chapire on va voir successivemen les modèles linéaires saionnaires: auoregressifs (AR), de moyennes mobiles (MA) e mixes (ARMA) en pariculier. Finalemen,

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

Limites finies en un point

Limites 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 détail

********* ON SERA TRÈS VIGILANT À LA QUALITÉ DE LA RÉDACTION. *********

********* ON SERA TRÈS VIGILANT À LA QUALITÉ DE LA RÉDACTION. ********* Licence 3 Inégraion e Probabiliés Devoir surveillé du 20 juin 206 durée 3h ********* Les calcularices e les documens son inerdis. ON SERA TRÈS VIGILANT À LA QUALITÉ DE LA RÉDACTION. Eercice *********.

Plus en détail

e t e itx e t e itx x (x, t) = i te t e itx. x te t

e t e itx e t e itx x (x, t) = i te t e itx. x te t Correcion ES-Analyse - ES - - 15-16 - Correcion - Analyse I Exercice 1. On remarque d abord que f es bien définie pour ou x. En effe, on a : e e ix e. Cee foncion es inégrable sur [, + [, car en elle es

Plus en détail

CORRECTION DS = f 2 (a + b) f + ab id E. = ( a 2 p + b 2 q ) (a + b) ( ap + bq ) + ab ( p + q ) f b id E = (a b) p.

CORRECTION DS = f 2 (a + b) f + ab id E. = ( a 2 p + b 2 q ) (a + b) ( ap + bq ) + ab ( p + q ) f b id E = (a b) p. Lycée Thiers CORRECTION DS - Enoncé ) On développe en uilisan les hypohèses : ( f a ide ) ( f b ide ) = f 2 (a + b) f + ab id E = ( a 2 p + b 2 q ) (a + b) ( ap + bq ) + ab ( p + q ) = 2) On reprend le

Plus en détail

Etalonnage d une caméra

Etalonnage d une caméra Ealonnage d une caméra (on parle aussi de calibrage) Parick Héber & Denis Laurendeau (Dernière révision : juin 216) 1 Noion de plan image normalisé (parfois uilisé pour simplifier les développemens) 2

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

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

1 Examen. 1.1 Prime d une option sur un future

1 Examen. 1.1 Prime d une option sur un future 1 Examen 1.1 Prime d une opion sur un fuure On considère une opion à 30 jours sur un fuure de nominal 100 francs, e don le prix d exercice es 95 francs. Le aux d inérê coninu) du marché monéaire es 5%

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

Correction du concours blanc

Correction du concours blanc L.E.G.T.A. Le Chesnoy TB - D. Bloière Mahémaiques Correcion du concours blanc Problème Probabiliés Un mobile se déplace aléaoiremen le long d un ae horional d origine O, sur des poins de coordonnées enières,

Plus en détail

CORRECTION «SEMI-MARATHON»

CORRECTION «SEMI-MARATHON» Lycée Thiers CORRECTION «SEMI-MARATHON» Q- Calculer A = e ln ( IPP : u ( = ; v ( = ln ( u ( = ; v ( = Q- Calculer B = B = Q- Calculer C = π A = + + [ ] e e ln ( = e ( e = e + + + + = [ ( ] ln + + [arcan

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

Mathématiques MP - Corrigé du DS 3

Mathématiques MP - Corrigé du DS 3 Mahémaiques MP - Corrigé du DS 3 Exercice a d C (R e, d ( = sin( d es donc croissane sur R On a donc, d( d( e donc >, cos( De plus pour >, cos( car cos b δ es de classe C sur R e, δ ( = sin( e δ ( = cos(

Plus en détail

Examen de janvier 2012

Examen de janvier 2012 Insiu Tunis-Dauphine Inégrale de Lebesgue e Probabiliés Examen de janvier 212 Deux heures. Sans documen, ni calcularice, ni éléphone, ec. Chaque quesion numéroée vau le même nombre de poins. Il es demandé

Plus en détail

Mathématiques DM 3 À rendre le vendredi 7 décembre 2018

Mathématiques DM 3 À rendre le vendredi 7 décembre 2018 Eercice : Dérivées Mahémaiques DM 3 À rendre le vendredi 7 décembre 08 Soi a R e n N Déerminer les domaines de définiions, les domaines de dérivaion e calculer les dérivées des foncions suivanes : f ()

Plus en détail

UE LM336 Année Feuille de TD 4

UE LM336 Année Feuille de TD 4 Universié Pierre & Marie Curie Licence de Mahémaiques L3 UE LM336 Année 2013 14 Feuille de TD 4 Exercice 1 Reprendre l exercice 2 de la feuille 1 de manière rigoureuse Concrèemen, pour chacune des équaions

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

ECS 2 B Correction du DM d analyse de Toussaint. I. Existence et propriétés élémentaires de l opérateur U

ECS 2 B Correction du DM d analyse de Toussaint. I. Existence et propriétés élémentaires de l opérateur U ECS 2 B Correcion du DM d analyse de Toussain I. Eisence e propriéés élémenaires de l opéraeur U. Eude de l équaion (E f a. Soi f E, y C (I, R e h : e a y(. h es dérivable sur I e pour ou I, h ( = (y (

Plus en détail

Prénom et nom : Devoir-Maison, à rendre le mardi 28 avril 2014

Prénom et nom : Devoir-Maison, à rendre le mardi 28 avril 2014 Prénom e nom : Devoir-Maison, à rendre le mardi 28 avril 2014 Exercice n 1 Un ouvrier dispose de plaques de méal de 110 cm de longueur e de 88 cm de largeur. Il a reçu la consigne suivane : «Découpe dans

Plus en détail

Mathématiques Financières

Mathématiques Financières Mahémaiques Financières ------------------------------------------------------- 4 ème parie - Marchés financiers en emps coninu & modélisaion des acions Universié de Picardie Jules Verne Amiens Jean-Paul

Plus en détail

Equations différentielles stochastiques rétrogrades à croissance quadratique et applications

Equations différentielles stochastiques rétrogrades à croissance quadratique et applications Equaions différenielles sochasiques rérogrades à croissance quadraique e applicaions Marie Amélie Morlais To cie his version: Marie Amélie Morlais. Equaions différenielles sochasiques rérogrades à croissance

Plus en détail

Traitement du Signal Déterministe

Traitement du Signal Déterministe Cours e ravaux Dirigés de raiemen du Signal Déerminise Benoî Decoux (benoi.decoux@wanadoo.fr) - s - ère parie : "Noions de base e éudes emporelles" Bases du raiemen de signal Calculer l ampliude de la

Plus en détail

Corrigé CCP 1 PSI 2014

Corrigé CCP 1 PSI 2014 Parie Corrigé CCP PSI 4 Dans oues les quesions géomériques, le plan es muni d'un repère orhonormé ( O, i, ) j La courbe représenaive de f es le segmen [OA], où A es de coordonnées (, ) : sa longueur es

Plus en détail

TD Master 2 Martingales et calcul stochastique

TD Master 2 Martingales et calcul stochastique Universié d Orléans Maser Recherche de Mahémaiques 1-11 1 TD Maser Maringales e calcul sochasique Corrigé des exercices du chapire 8 Inégrale d Iô Exercice 8.1 On considère les deux processus sochasiques

Plus en détail

Considérons un dipôle AB d un circuit parcouru par un courant d intensité I :

Considérons un dipôle AB d un circuit parcouru par un courant d intensité I : Filière SM Module Physique lémen : lecricié Cours Prof..Tadili 2 ème Parie Chapire 2 ude des dipôles nergie élecrique e puissance. appel Considérons un dipôle d un circui parcouru par un couran d inensié

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

Exercices sur les intégrales généralisées

Exercices sur les intégrales généralisées hp://wwwmycppfr Eercices sur les séries numériques novembre Eercices sur les inégrales généralisées Inroducion Inégrales généralisées Convergence, définiion, crière de comparaison Eercice Convergence,

Plus en détail

CALCULS DE LIMITES - CORRECTION

CALCULS DE LIMITES - CORRECTION Lycée Thiers CALCULS DE LIMITES - CORRECTION Ex 1 Pour connaîre la ie d une fracion de polynômes en ±, on fai le rappor des ermes de plus hau degré. En effe... m n Noons = a k k e Q ) = b k k avec : e

Plus en détail

Exercices sur les représentations paramétriques de droites et de plans

Exercices sur les représentations paramétriques de droites et de plans TS Exercices sur les représenaions paramériques de droies e de plans Le plan es muni d un repère O, i, j x 3 Déerminer un repère de la droie D admean pour sysème d équaions paramériques y e racer D Dans

Plus en détail

TABLEAU DES REPONSES AU TEST DE MATH/PHYSIQUE :

TABLEAU DES REPONSES AU TEST DE MATH/PHYSIQUE : TABLEAU DES REPONSES AU TEST DE MATH/PHYSIQUE : Afin de vous noer : - si vous avez oues les bonnes réponses à un QCM, vous avez poin, - si vous avez une erreur par eeple, une réponse que vous n avez pas

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

Exercices sur les représentations paramétriques de droites et de plans

Exercices sur les représentations paramétriques de droites et de plans TS Exercices sur les représenaions paramériques de droies e de plans Le plan es muni d un repère O, i, j x Déerminer un repère de la droie D admean pour sysème d équaions paramériques y e racer D ( ) 6

Plus en détail