TRAVAUX DIRIGÉS NUMÉRO 4

Documents pareils
Chapitre 2 Le problème de l unicité des solutions

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Intégration et probabilités TD1 Espaces mesurés Corrigé

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Image d un intervalle par une fonction continue


Intégration et probabilités TD1 Espaces mesurés

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Commun à tous les candidats

Le modèle de Black et Scholes

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

3. Conditionnement P (B)

4. Martingales à temps discret

Continuité en un point

Équation de Langevin avec petites perturbations browniennes ou

MATHS FINANCIERES. Projet OMEGA

Probabilités sur un univers fini

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

Texte Agrégation limitée par diffusion interne

Comparaison de fonctions Développements limités. Chapitre 10

3 Approximation de solutions d équations

Limites finies en un point

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Calcul Stochastique pour la finance. Romuald ELIE

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Théorie de la Mesure et Intégration

Espérance conditionnelle

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Continuité d une fonction de plusieurs variables

Cours de Calcul stochastique Master 2IF EVRY. Monique Jeanblanc

Décomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin

Développements limités. Notion de développement limité

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Suites numériques 4. 1 Autres recettes pour calculer les limites

I. Polynômes de Tchebychev

Processus aléatoires avec application en finance

Moments des variables aléatoires réelles

Chaînes de Markov au lycée

Intégrale de Lebesgue

La fonction exponentielle

Continuité et dérivabilité d une fonction

Différentiabilité ; Fonctions de plusieurs variables réelles

CCP PSI Mathématiques 1 : un corrigé

Coefficients binomiaux

Calcul différentiel. Chapitre Différentiabilité

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Probabilités III Introduction à l évaluation d options

Calcul différentiel sur R n Première partie

Estimation: intervalle de fluctuation et de confiance. Mars IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

4 Distributions particulières de probabilités

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Probabilités sur un univers fini

Optimisation des fonctions de plusieurs variables

Correction de l examen de la première session

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Fonctions holomorphes

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 7 : Intégration sur un intervalle quelconque

EXERCICE 4 (7 points ) (Commun à tous les candidats)

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

Intégration sur des espaces produits

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Théorème du point fixe - Théorème de l inversion locale

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )

Programmes des classes préparatoires aux Grandes Ecoles

Travaux dirigés d introduction aux Probabilités

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Automatique Linéaire 1 Travaux Dirigés 1A ISMIN

Quantification Scalaire et Prédictive

Développements limités, équivalents et calculs de limites

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

C algèbre d un certain groupe de Lie nilpotent.

La mesure de Lebesgue sur la droite réelle

Chp. 4. Minimisation d une fonction d une variable

Exercices sur le chapitre «Probabilités»

Théorie de la Mesure et Intégration

Simulation de variables aléatoires

Chapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :

TSTI 2D CH X : Exemples de lois à densité 1

Suites numériques 3. 1 Convergence et limite d une suite

ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.

Mesures gaussiennes et espaces de Fock

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Leçon 01 Exercices d'entraînement

Entiers aléatoires et analyse harmonique

Résumé des communications des Intervenants

Problème 1 : applications du plan affine

Économetrie non paramétrique I. Estimation d une densité

Équations non linéaires

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

ENS de Lyon TD septembre 2012 Introduction aux probabilités. A partie finie de N

Transcription:

Université Paris 7 - M Modélisation Aléatoire - Calcul Stochastique TRAVAUX DIRIGÉS NUMÉRO 4 INTÉGRALE DE WIENER ET D ITÔ 1. Retour feuille 3 : Martingales du mouvement brownien. Temps d atteinte Exercice 1. Étant donné un mouvement brownien réel (B t t, on définit pour tout a R la quantité suivante : T a = inf{t, B t = a}. I.: Dans cette partie on cherche la loi de T a. Sans perte de généralité, on va supposer dans cette partie que a >. (cf T =, et par un argument immédiat de symmétrie on aura T a loi = T a. (1 Montrer que T a est un temps d arrêt. ( Étant donné θ R, montrer que pour tout n N : E [ exp ( θb Ta n (θ /(T a n = 1. Retrouver en particulier que P(T a < = 1. (3 Etablir que : λ >, E(exp( λt a = exp ( a(λ 1/. On pourra utiliser un résultat de la feuille précédente. Remarque : La transformée de Laplace inverse de l expression précédente est connue, et on peut en déduire que la loi de T a admet pour densité la fonction : x R a(π 1/ 1,+ [ (xx 3/ exp ( (1/a x 1. (4 Déduire de la question précédente que E(T a = +. (5 Expliquer pourquoi les questions précédentes permettent de retrouver la propriété de récurrence du mouvement brownien. II.: On s intéresse désormais, pour a >, b >, au premier temps τ a,b de sortie de l intervalle [ a, b. (1 Vérifier que τ a,b = T a T b, et calculer P[B τ = a, P[B τ = b. ( On note α = λ, β = λ. Vérifier que M t = (exp(βb exp( βa exp(αb t λt + (exp( αa exp(αb exp(βb t λt, t est une martingale, et en déduire E[exp( λτ a,b pour λ >. Simplifier l expression obtenue lorsque a = b. III.: Le but de cette partie est de reprendre la méthode utilisée dans les questions précédentes pour calculer la loi des temps d atteinte d un mouvement brownien avec dérive c R : (X t = B t + ct, t. 1

(1 Vérifier que si γ > est fixé (exp(θx t λt, t est une martingale pourvu que λ = θc + θ /, ce qui se produit pour deux valeurs distinctes de θ, notées α et β, avec α < < β. En déduire la transformée de Laplace de T a := inf{t, X t = a}. Que vaut P(T a <? ( Montrer que M t = (exp(βb exp( βa exp(αx t λt + (exp( αa exp(αb exp(βx t λt, t est une martingale et utiliser le théorème d arrêt optionnel pour exprimer la transformée de Laplace de τ a,b = T a T b. Remarque : Pour le calcul de la transformée de Laplace de τ a,b, l introduction de (M t, t n a rien de mystérieux : on l a cherchée sous la forme f(x t exp( γt en choisissant f de sorte que f(a = f(b (évidemment dans le but de pouvoir exprimer facilement E(M τa,b. Exercice. (D après Examen 7-8. On considre un F-mouvement brownien réel W sur l espace filtré (Ω, A, F, P et on pose τ := inf{t > : W (t ( A, B }, avec A et B >. (1 Montrer que pour tout θ R le processus X θ défini par ( ( ( ( 1 B A X θ (t := exp θ t cos θ W (t, t, est une martingale. ( τ est-il un temps d arrêt? Montrer que ( 1 X θ (τ = exp θ τ cos (( A + B θ. (3 Montrer que si θ [, π/(a + B (on fera cette hypothèse pour la suite de l exercice alors X τ θ (avec Xτ θ (t := X θ(t τ est une martingale positive. (4 Déduire de (3 que [ ( 1 E exp θ τ cos ((A Bθ/ cos ((A + Bθ/. (5 Montrer alors que E sup t Xθ τ (t < et conclure que [ ( 1 cos ((A Bθ/ E exp θ τ = cos ((A + Bθ/.. Intégrale de Wiener Exercice 3. Définition : Un espace gaussien (centré est un sous-espace fermé de L (Ω, A, P formé de variables aléatoires gaussiennes centrées. On munit un tel espace de la norme L (P, X = E[X. (1 Montrer que si (X 1,..., X d est un vecteur gaussien centré, alors Vect(X 1,.., X d est un espace gaussien. ( Soit {X t, t T } un processus gaussien (centré. Montrer que Vect(X t, t T est un espace gaussien. (3 Soit (E, E un espace mesurable et µ une mesure σ-finie sur E. Montrer qu il existe un espace gaussien G et une isométrie G de L (E, E, µ dans (G,..

(4 Soient (E, E mesurable, µ une mesure σ-finie sur E, G un espace gaussien et G : L (E, E, µ G une isométrie. Avec un léger abus de notation on définit G(A := G(1 A. (a Soient A 1,..., A n des éléments de E disjoints tels que µ(a i < 1 i n. Montrer que (G(A 1,..., G(A n est un vecteur gaussien dont la matrice de covariance est diagonale. (b Soit A E tel que µ(a <, {A i, i 1} une partition de A. Montrer que G(A = i 1 G(A i, où la série converge dans L (P. (5 Soient (E, E mesurable, µ une mesure σ-finie sur E, G un espace gaussien, G : L (E, E, µ G une isométrie, et A E tel que µ(a <. On suppose qu il existe une suite de partitions ({A n i, 1 i k n} n N de A vérifiant Montrer que, dans L (P, lim n lim sup µ(a n n i =. i k n [ kn G(A n i = µ(a. i=1 (6 Application : Soit G une isométrie de L (R +, B(R +, λ dans un espace gaussien G. (a Montrer que (B t := G(1 [,t t définit le pré-mouvement brownien, et trouver, pour t fixé [ n lim n i=1 (B(ti/n B(t(i 1/n Généraliser le résultat précédente à une suite quelconque de subdivisions de l intervalle [s, t (où s < t dont le pas tend vers. (b Quelle est l image par G d une fonction f en escalier sur [, T? Soit T R +. Quelle est l image par G d une fonction f quelconque de L ([, T, B(R +, λ? Que peut-on en déduire sur la loi de T f(sdb s? Et sur celle de. ( T f 1(sdB s,..., T f p(sdb s? Exercice 4. Étant donnés un mouvement brownien réel (B t t, une v.a. Z indépendante de (B t t et une fonction mesurable et de carré intégrable f : R + R, montrer que sont deux v.a. indépendantes. Z et + f s db s Exercice 5. Étant donné un mouvement brownien réel (B t t, on définit le processus (X t t par : t, X t = 1/ Montrer que ce processus est un mouvement brownien. (s 1/ db s. Exercice 6. Étant donnés un mouvement brownien réel (B t t et V une v.a.r. indépendante de B, on définit le processus (V t t (dit d Ornstein-Uhlenbeck par : t, V t = exp( tv + exp[ (t sdb s. (1 Montrer que (V t t converge en loi vers une loi gaussienne N (, 1/. 3

( On suppose dans la suite de l exercice que V N (, 1/, et que V est indépendante de B. Montrer que V est un processus gaussien de loi stationnaire (i.e. la loi de V t est indépendante de t. (3 Que dire des fonctions de moyenne et de covariance de V? (4 Montrer que le processus (W t = (t 1/ V log(t/ t 1 admet les mêmes lois fini-dimensionnelles que le mouvement brownien (B t t. Exercice 7. Étant donné un mouvement brownien réel (B t t, on désigne par H l espace gaussien associé à (B t t 1, c est-à-dire : (1 Montrer l égalité suivante : { 1 H = H = Vect{B t, t 1} L (Ω,A,P. } f s db s, f L ([, 1. ( Étant donnés X H et f L ([, 1, montrer l équivalence entre les deux propriétés suivantes : a. P p.s., X = 1 f s db s b. t [, 1, E(XB t = f s ds. [ 1 (3 Pour t [, 1, que vaut E f(sdb s F t? (4 Étant donnée une fonction f : [, 1 R + de classe C 1, démontrer (cette première formule d intégration par parties : P p.s., 1 f s db s = f 1 B 1 1 f sb s ds. Exercice 8. Etant donnés un mouvement brownien réel (B t t et une fonction f L loc (R +, on note ( M t = f s db s (1 Montrer que M est un processus gaussien dont on calculera la covariance. En déduire que M est à accroissements indépendants. ( Rappelons que M est p.s. continue. Donner une condition nécessaire et suffisante sur f pour que M soit un mouvement brownien. (3 Étant donnée une fonction g L loc (R +, on pose pour tout t : ( N t = g s db s. Montrer que les processus M et N sont indépendants si et seulement si : f t g t = p.p.. 4 t t

3. Intégrale d Itô Exercice 9. I. Sur un espace filtré (Ω, F, {F n }, P on considère deux martingales (M n, n, (N n, n telles que pour tout n, E[M n <, E[N n <. (1 Pour k 1, on note N k := N k N k 1, M k = M k M k 1. Montrer que n M n N n M N = (M k 1 N k + N k 1 M k + M k N k. ( En déduire que est une {F n }-martingale. k=1 U n := M n N n M N n M k N k, n II. On considère un mouvement brownien (B t, t et (π n : = t n < tn 1 <... < tn p n = T une suite de subdivisions de [, T dont le pas tend vers. Enfin on note Q πn la variation quadratique de B le long de π n. Montrer que B T = p n k=1 k=1 B t n k 1 (B t n k B t n k 1 + Q πn. Quelle est la limite de chacun de ces termes lorsque n? En déduire la valeur de B sdb s. Par une méthode similaire, établir, pour tout t, la relation suivante : B s db s = 1 3 B3 t B s ds. Que dire, pour n, de Bn s db s? de f(b sdb s, pour f C (R, R? Exercice 1. Soient φ, ψ M, montrer que { M t := φ(sdb s ψ(sdb s est une martingale. } φ(sψ(sds, t Exercice 11. Dans tout l exercice, (B t t désigne un mouvement brownien relativement à une filtration (F t t. Par ailleurs, (H t t désigne un processus progressivement mesurable relativement à la filtration (F t t tel que [ t, E Hs ds < +. Pour tout t, nous posons ( M t = exp H s db s 1 Hs ds. L objectif de l exercice est de démontrer que sous la condition [ ( ( ε > : t. E exp (1 + ε Hs ds < +. le processus (M t t est une martingale relativement à la filtration (F t t. Dans le cas H = λ R, il vient en particulier que le processus ( exp(λbt λ t t, 5

est une martingale relativement à (F t t. Remarque. La condition ( n est pas optimale. Le résultat est en fait encore vrai sous la condition dite de Novikov [ ( 1 t E exp Hs ds < +. (1 On suppose qu il existe une constante K telle que pour tout t, P{ H t K} = 1. Démontrer, pour tout t, l inégalité [ ( E exp H s db s exp( 1 K t. On pensera à approcher H par une suite de processus simples. ( Pour s, on considère une v.a. Z F s mesurable et intégrable. Montrer, sous l hypothèse de la question précédente, que pour t > s [ ( E Z exp H r db r 1 Hr dr = E(Z. s En déduire que (M t t est une martingale relativement à la filtration (F t t. (3 Sous l hypothèse de la question (1, montrer que pour tout p >, [ ( E exp (1 + p H s db s 1 + p Hs ds [ [ ( ( + p(1 + p p/(1+p E exp Hs ds. Indication. On pourra poser λ = (p + p(1 + p et utiliser la décomposition ( exp (1 + p H s db s 1 + p Hs ds ( (1 + t ( p3 λ t = exp (1 + p H s db s Hs ds exp Hs ds, afin d appliquer l inégalité de Hölder avec exposants 1 + p et (1 + p/p. (4 Conclure sous la condition (. On pourra approcher H par des processus vérifiant l hypothèse de la première question et appliquer un argument d uniforme intégrabilité. Exercice 1. Cet exercice fait suite au précédent. Il s agit de démontrer le résultat sous la condition [ ( 1 + ε t ( ε >, t E exp Hs ds < +, très proche de la condition de Novikov. (1 Montrer que l équation (1 + p (1 + ε 1 + ε admet une solution p >. s = 1 (1 + p4, ( Sous les hypothèses de la condition (, on pose pour tout n 1, t, H n t = Φ n (H t, 6

où Φ n (x vaut x pour x n et nsgn(x pour x > n. Montrer que le p > précédent [ ( E exp (1 + p Hs n db s (1 + p + ε ( 1 + ε t (Hs n ds exp (Hs n ds [ [ ( 1 + ε t p/(1+p E exp Hs ds. On pourra appliquer l inégalité de Hölder avec les exposants 1 + p et (1 + p/p, sous une mesure bien choisie. (3 Déduire de la question précédente que la suite ( exp Hs n db s 1 est uniformément intégrable sous P. (4 Conclure. (Hs n ds, Exercice 13. Étant donnés un mouvement brownien réel (B t t et une fonction f C (R, R, on suppose que : [ t, E f (B s ds < +, de sorte que le processus donné par : t, M t = f (B s db s est une martingale relativement à la filtration naturelle de B. On suppose également que : t, E f (B s ds < +. (1 Montrer que : ( En déduire, pour n 1, l égalité : t, E [ f(b t = f( + 1 E [ t, E [ B (n+1 t = n(n + 1 (3 Retrouver l égalité E(Bs n = s n [(n!/[ n n!. f (B s ds. E [ Bs n ds. 7