TD 3 et 4 : Processus à temps discret et Martingales - CMAP
TD 3 et 4 : Processus à temps discret et Martingales - CMAP
TD 3 et 4 : Processus à temps discret et Martingales - CMAP
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2009 - Université Paris VI<br />
Master 1 : Introduction au calcul stochastique pour la finance (MM054)<br />
<strong>TD</strong> 3 <strong>et</strong> 4 : <strong>Processus</strong> <strong>à</strong> <strong>temps</strong> discr<strong>et</strong> <strong>et</strong> <strong>Martingales</strong><br />
1. Questions basiques sur les filtrations 1. Une union de tribus est-elle toujours une<br />
tribu ?<br />
2. Soit (Fn) une filtration (suite croissante de tribus) d’un ensemble Ω. ∪n∈NFn est-elle<br />
toujours une tribu ?<br />
3. Que dire d’une martingale (resp. d’une sous-martingale, d’une sur-martingale) par<br />
rapport <strong>à</strong> une filtration constante (i.e. telle que Fn = F0 pour tout n) ? Que dire d’un<br />
<strong>temps</strong> d’arrêt par rapport <strong>à</strong> une filtration constante ?<br />
Solution : 1. Non, si Ω = {1, 2, 3}, alors F = {∅, Ω, {1}, {2, 3}}, G = {∅, Ω, {1, 2}, {3}}<br />
sont des tribus, mais pas F ∪ G car {2} = {2, 3} ∩ {1, 2} /∈ F ∪ G.<br />
2. Non, si l’on prend Ω = [0, 1[, <strong>et</strong> pour tout n, Fn = σ([(i−1)/2 n , i/2 n [ ; i = 1, · · · , 2 n ),<br />
alors ∪n∈NFn est l’ensemble des unions finies d’intervalles du type [(i − 1)/2 n , i/2 n [, avec<br />
n ≥ 0, i = 1, · · · , 2 n . C<strong>et</strong> ensemble n’est pas une tribu, sinon, il serait égal <strong>à</strong> la tribu<br />
qu’il engendre, <strong>et</strong> la tribu qu’il engendre est l’ensemble des boréliens de Ω, par densité<br />
des nombres dyiadiques dans Ω.<br />
3. C’est une suite p.s. constante (resp. p.s. croissante, décroissante) d’éléments de<br />
L 1 mesurables par rapport <strong>à</strong> c<strong>et</strong>te tribu. Un <strong>temps</strong> d’arrêt par rapport <strong>à</strong> une filtration<br />
constante est une v.a. <strong>à</strong> valeurs dans ¯ N mesurable par rapport <strong>à</strong> c<strong>et</strong>te tribu.<br />
2. Conditionnement <strong>et</strong> indépendance 1. Soient X <strong>et</strong> Y deux variables aléatoires<br />
indépendantes de lois de Bernoulli de paramètres p, q ∈]0, 1[. On pose Z = {X+Y =0} <strong>et</strong><br />
G = σ(Z). Calculer E(X | G) <strong>et</strong> E(Y | G).<br />
2. Ces deux variables aléatoires sont-elles indépendantes ?<br />
3. Soient Z, T des variables aléatoires définies sur un même espace de probabilité<br />
(Ω, A, P ) <strong>à</strong> valeurs dans des espaces mesurables quelconques (Ω ′ , A ′ ), (Ω ′′ , A ′′ ) telles que<br />
pour toute sous-tribu B de A, pour toutes fonctions numériques mesurables bornées<br />
f, g définies respectivement sur (Ω ′ , A ′ ), (Ω ′′ , A ′′ ), E(f(Z)|B) <strong>et</strong> E(g(T )|B) sont indépendantes.<br />
Montrer que Z ou T est p.s. constante.<br />
Solution : 1. Les ensembles {Z = 0} <strong>et</strong> {Z = 1} forment une partition de Ω qui<br />
engendre G. Ainsi,<br />
E(X|G) = E (X|Z = 0) {Z=0} + E (X|Z = 1) {Z=1}.<br />
Sur {Z = 0}, X = 0 p.s <strong>et</strong> donc E(X|Z = 0) = 0. De plus,<br />
E (X|Z = 1) =<br />
=<br />
=<br />
P (X = 1)<br />
P (X + Y ≥ 1)<br />
P (X = 1)<br />
1 − P (X + Y = 0)<br />
p<br />
1 − (1 − p)(1 − q) =<br />
p<br />
p + q − pq .<br />
1
Ainsi,<br />
E(X|G) =<br />
Les rôles de X <strong>et</strong> Y étant symétriques,<br />
E(Y |G) =<br />
p<br />
p + q − pq {Z≥1}.<br />
q<br />
p + q − pq {Z=≥1}.<br />
2. Les variables aléatoires E(X|G) <strong>et</strong> E(Y |G) sont donc proportionnelles p.s <strong>et</strong> non<br />
constantes, elles ne sont donc pas indépendantes.<br />
3. Supposons que ni Z, ni T ne soient p.s. constantes. Alors il existe les ensembles<br />
mesurables A, B des espaces d’arrivée respectifs de Z, T tels que X := 1A(Z), Y := 1B(T )<br />
soient des v.a. de loi de Bernouilli de paramètres p, q ∈]0, 1[. X <strong>et</strong> Y sont indépendantes<br />
(par hypothèse en conditionnant avec la tribu A). Par ce qui précède, l’hypothèse est mise<br />
en défaut.<br />
3. Rappels : <strong>Martingales</strong> <strong>et</strong> sur-martingales.<br />
On se place sur une espace de probabilité (Ω, F, P) muni de la filtration F = (Fn)n≥0.<br />
1. Soit Y ∈ L1 . On définit le processus X = (Xn)n≥0 par Xn = E(Y | Fn). Montrer<br />
que X est une F-martingale.<br />
2. Soit (Xn) une sous-martingale <strong>et</strong> une fonction convexe croissante ϕ : R ↦→ R telle<br />
que pour tout n, ϕ(Xn) ∈ L1 . Montrer que (ϕ(Xn))n≥0 est une sous-martingale pour F.<br />
3. Soit (Xn) une sous-martingale <strong>et</strong> K ∈ R. Montrer que (Xn ∨ K)n≥0 est une sousmartingale<br />
pour F.<br />
4. On suppose que Y ∈ L1 est FN−mesurable <strong>et</strong> on définit Z = (Zn)n≤N par ZN = Y<br />
<strong>et</strong> Zn = ξn ∨E [Zn+1 | Fn] pour n ≤ N −1 où ξ = (ξn)n≥0 est F−adapté <strong>et</strong> borné. Montrer<br />
que Z est une sur-martingale.<br />
5. Soit (Xn) une martingale <strong>et</strong> H = (Hn)n≥0 un processus F-prévisible borné. On<br />
définit V = (Vn)n≥0 par Vn = n k=1 Hk(Xk − Xk−1) pour n ≥ 0. Montrer que V est une<br />
martingale pour F.<br />
6. Montrer qu’un processus prévisible intégrable est une martingale ssi il est p.s.<br />
constant.<br />
7. Soit (Xn) une martingale L2 <strong>et</strong> telle que Xn+1 − Xn est indépendant de Fn pour<br />
tout n ≥ 0. Montrer que W = (Wn)n≥0 défini par Wn = (Xn − E [Xn]) 2− Var(Xn) pour<br />
n ≥ 0 est une martingale.<br />
Solution : 1. C’est simplement une application de la transitivité de l’espérance conditionnelle<br />
: si B ⊂ A sont des tribus, alors pour tout X ∈ L1 , E(X|B) = E(E(X|A)|B).<br />
2. On a, pour tout n,<br />
E(ϕ(Xn+1)|Fn) ≥ ϕ(E(Xn+1|Fn)) ≥ ϕ(Xn)<br />
car ϕ est convexe <strong>et</strong> croissante <strong>et</strong> (Xn) une sous-martingale.<br />
3. C’est une application de la question précédente pour ϕ(x) = x ∧ K.<br />
4. a) Zn est clairement adapté <strong>et</strong> on montre par récurrence décroissante que Zn, supremum<br />
de deux fonctions intégrables, est intégrable.<br />
b) Pour tout n, Zn ≥ E [Zn+1 | Fn].<br />
2
5. Tout d’abord, comme somme de produit de v.a. Fn-mes, Vn est Fn-mes. Ensuite,<br />
Vn est clairement L 1 car les Hk sont bornés <strong>et</strong> les Xk sont L 1 . Enfin,<br />
E(Vn+1|Fn) = Vn + E(Hn+1(Xn+1 − Xn)|Fn) = Vn + Hn+1E(Xn+1 − Xn|Fn) = Vn.<br />
6. Tout processus p.s. constant est une martingale <strong>et</strong> réciproquement, si H = (Hn)n≥0<br />
un processus F-prévisible <strong>et</strong> une F-martingale, on a pour tout n, p.s.<br />
Hn = E(Hn+1|Fn) = Hn+1.<br />
7. Posons Yn = Xn − E [Xn]. Ce processus satisfait les mêmes hypothèses que Xn<br />
en étant en plus centré, <strong>et</strong> l’exercice revient <strong>à</strong> montrer que Zn := Y 2<br />
n − E(Y 2<br />
n ) est une<br />
martingale. Notons que l’on a alors E(Yn+1Yn) = E(Y 2<br />
n ) (commencer par conditionner par<br />
Fn). Par ailleurs, par indépendance, on a E((Yn+1 − Yn) 2 |Fn) = E((Yn+1 − Yn) 2 ). Il en<br />
résulte, en écrivant<br />
Zn+1−Zn = Y 2<br />
n+1−Y 2<br />
n −E(Y 2<br />
n+1)+E(Y 2<br />
n ) = (Yn+1−Yn) 2 +2Yn+1Yn−2Y 2<br />
n −E(Y 2<br />
n+1)+E(Y 2<br />
n ),<br />
que l’on a E(Zn+1 − Zn|Fn) = 0.<br />
4. Une application du théorème d’arrêt.<br />
n<br />
On considère une suite Xn = ξi, avec (ξi)i≥1 v.a.i.i.d. de loi 1<br />
2 (δ−1+δ1). On introduit<br />
i=1<br />
la filtration Fn = σ(ξ1, . . . , ξn). Soit a < 0 < b entiers. On définit Ta,b = inf{n ≥ 1 ; Xn =<br />
a ou b}.<br />
1. Que peut-on dire de (Xn) <strong>et</strong> de Ta,b ?<br />
2. Montrer que Ta,b est presque sûrement fini (on pourra considérer, pour p ∈ N,<br />
l’événement Ap = {ξp(b−a)+1 = · · · = ξp(b−a)+(b−a) = 1}).<br />
3. Donner la loi de XTa,b .<br />
Solution : 1. Les ξi étant indépendants <strong>et</strong> centrés, Xn est une martingale par rapport<br />
<strong>à</strong> la filtration Fn. Ta,b est un <strong>temps</strong> d’arrêt.<br />
2. Les événements Ap sont indépendants, de probabilité > 0, donc on est presque sûr<br />
que l’un d’entre eux se produira. Mais pour tout p, sur Ap, Ta,b ≤ p(b − a) + (b − a). Donc<br />
Ta,b est presque sûrement fini.<br />
3. Appliquons le théorème d’arrêt : on sait que pour tout n ∈ N, E(XTa,b∧n) = E(X0) =<br />
0. Par convergence dominée, en faisant tendre n vers l’infini, par convergence dominée<br />
(car pour tout n, a ≤ XTa,b∧n ≤ b), on obtient, comme Ta,b est presque sûrement fini :<br />
E(XTa,b ) = 0, soit<br />
= a) + bP (XTa,b = b) = 0,<br />
aP (XTa,b<br />
ce qui perm<strong>et</strong> de conclure, avec<br />
P (XTa,b<br />
= a) + P (XTa,b = b) = 1.<br />
5. <strong>Martingales</strong> exponentielles.<br />
On reprend l’exercice précédent <strong>et</strong> on définit le processus Z = (Zn)n≥0 par Zn = e Xn<br />
pour n ≥ 0.<br />
3
1. Montrer que Z est une sous-martingale pour F.<br />
2. Trouver un processus F-prévisible B = (Bn)n≥0 issu de 1 en 0 tel que U = (Un)n≥0<br />
défini par Un = BnZn pour chaque n ≥ 0 soit une martingale.<br />
3. Donner E [Zn] pour tout n ≥ 0.<br />
Solution : 1. Il suffit de remarquer que exp est croissante <strong>et</strong> convexe.<br />
2. On a Xn+1 = Xn + ɛn, donc<br />
E(Zn+1|Fn) = ZnE(e ɛn+1 |Fn) = Zn cosh(1)<br />
par indépendance. Donc Bn = cosh(1) −n convient.<br />
3. E(Un) est constante égale <strong>à</strong> un, donc E(Zn) = 1/Bn.<br />
6. Jeu de pile ou face <strong>et</strong> <strong>temps</strong> d’arrêts.<br />
On considère deux joueurs qui jouent <strong>à</strong> pile ou face. Le joueur 1 donne (resp. reçoit) 1<br />
euro si face apparaît (resp. si pile apparaît). Le jeu est répété plusieurs fois. On modélise<br />
le jeux comme suit. Soit X = (Xn)n≥1 une suite de variables aléatoires i.i.d. de loi de<br />
Bernouilli B(1/2) définie sur un espace de probabilité (Ω, F, P). L’évènement {Xn = 1}<br />
signifie que pile est apparu au n-eme tirage. On définit la suite Y = (Yn)n≥0 par Yn =<br />
n<br />
i=1 (2Xi − 1) pour n ≥ 0. Le processus Y correspond <strong>à</strong> la richesse du joueur 1 après<br />
les différents tirages. Après chaque tirage, les joueurs connaissent la valeur obtenue aux<br />
tirages précédents, leur information peut donc être modélisée par la filtration F = (Fn)n≥0<br />
où Fn = σ(Xk, k ≤ n).<br />
1. Ecrire la dynamique de Y (i.e. la relation entre Yn+1 <strong>et</strong> Yn) <strong>et</strong> montrer que c’est une<br />
martingale pour F.<br />
2. Le joueur 1 décide d’arrêter de jouer si il a déj<strong>à</strong> gagné 100 euros où si le nombre<br />
de tirages atteint N ∈ N ∗ <strong>et</strong> le joueur 2 est disposé <strong>à</strong> continuer <strong>à</strong> jouer jusqu’<strong>à</strong> ce que le<br />
joueur 1 s’arrête : le jeux s’arrête au <strong>temps</strong> τ := inf{n ≥ 0 : Yn = 100} ∧ N. Montrer<br />
que τ est un F-<strong>temps</strong> d’arrêt, i.e. que {τ ≤ n} ∈ Fn pour tout n ≥ 0.<br />
3. Quelle est, avec c<strong>et</strong>te stratégie, l’espérance de gain du joueur 1 ?<br />
4. Y a-t-il une stratégie qui donne au joueur 1 une espérance un gain strictement<br />
positive en un <strong>temps</strong> borné ? Autrement dit, existe-t-il une v.a. σ <strong>à</strong> valeur dans N, bornée,<br />
telle que pour tout n, {σ = n} ∈ Fn <strong>et</strong> telle que E(Yσ) > 0 ?<br />
5. Soit M ∈ N ∗ <strong>et</strong> κ = inf{n ≥ 0|Yn = M}. κ est-elle bornée p.s. ?<br />
Solution : 1. Les v.a. X ′ i := 2Xi−1 sont indépendantes <strong>et</strong> centrées, la tribu engendrée<br />
par X ′ 1, . . . , X ′ n est Fn, donc Yn est une F-martingale.<br />
2. Pour tout n, {τ ≤ n} = Ω ∈ Fn si n ≥ N <strong>et</strong> {τ ≤ n} = {Y1 ≥ 100} ∪ · · · ∪ {Yn ≥<br />
100} ∈ Fn.<br />
3. L’espérance de gain du joueur 1 si le jeu s’arrête en τ est E(Yτ). Or on sait (théorème<br />
d’arrêt) que (Zn := Yn∧τ)n est une martingale. De plus, τ = τ ∧ N. Donc<br />
E(Yτ) = E(ZN) = E(Z0) = 0.<br />
4. Une telle v.a. σ est un <strong>temps</strong> d’arrêt, donc (Hn := Yn∧σ)n est une martingale, <strong>et</strong> si<br />
K entier est tel que σ ≤ K p.s., alors, Yσ = HK p.s., donc E(Yσ) = E(HK) = E(H0) = 0.<br />
Donc il n’existe pas de telle stratégie.<br />
5. Par la question précédente, la réponse est non.<br />
4
7. Doubling strategies. On considère un jeu répété avec tirages indépendants <strong>et</strong> même<br />
probabilité de succès que d’échec <strong>à</strong> chaque tirage. A chaque coup, on mise un montant x,<br />
que l’on remporte si on gagne <strong>et</strong> que l’on paye si on perd. Un joueur, partant de fortune<br />
initiale nulle, suit la stratégie suivante. Il joue 1 au premier tour <strong>et</strong> si sa d<strong>et</strong>te est de<br />
D au n−ème tirage, il mise un montant 2D au tirage suivant (somme qu’il finance par<br />
emprunt) <strong>et</strong> s’arrête de jouer la première fois qu’il gagne. On suppose que les emprunts<br />
sont sans intérêt. On pourra faire comme si les tirages continuent après que le joueur aie<br />
arrêté de jouer, mais sa fortune n’évolue plus.<br />
1. Modéliser le jeu en introduisant un espace de probabilité muni d’une filtration<br />
adéquate. Donner l’espérance de la fortune du joueur après le n-ème tirage.<br />
2. Montrer que le joueur gagne en un nombre de coups fini avec probabilité 1. Ce<br />
nombre est-il presque sûrement borné ?<br />
Solution : 1. Introduisons une suite (Xi) de vaiid valant ±1 avec probas 1/2, 1/2<br />
représentant les tirages successifs (1 = succès, −1 = échec). Soit τ = min{i/Xi = 1}.<br />
Alors la fortune du joueur au <strong>temps</strong> n est (Zn∧τ), où Z0 = 0, Z1 = X1 <strong>et</strong> pour tout n ≥ 1,<br />
Zn+1 =<br />
<br />
3Zn si Xn+1 = −1,<br />
−Zn sinon.<br />
Il faut donc calculer E(Zn∧τ). Pour ce faire, on va montrer que (Zn) est une martingale<br />
par rapport <strong>à</strong> la filtration Fn := σ(X1, . . . , Xn). Le processus est clairement a dapté,<br />
|Zn| ≤ 3 n donc on a intégrabilité, <strong>et</strong> l’égalité de martingale peut se monter en écrivant<br />
ou<br />
∀n ≥ 1, Zn+1 = Zn(1 − 2Xn+1)<br />
∀n ≥ 1, Zn+1 = h(Zn, Xn+1)<br />
avec h(z, x) = 3z si x < 0 <strong>et</strong> −z si x ≥ 0.<br />
On en déduit, comme τ est un <strong>temps</strong> d’arrêt, que E(Zn∧τ) = E(Z0) = 0.<br />
2. La probabilité que le joueur perde aux coups 1, 2, . . . , n vaut 2 −n . Ces événement<br />
sont imbriques les uns dans les autres, donc la probabilité que le joueur perde tout le<br />
<strong>temps</strong> est la limite de c<strong>et</strong>te probabilité, soit 0. Ainsi, le joueur gagne en un nombre de<br />
coups fini (égal <strong>à</strong> τ) avec probabilité 1. τ n’est pas presque sûrement borné : sinon, on<br />
aurait E(Zτ) = E(Z0) = 0, ce qui est absurde car Zτ > 0. On peut aussi dire que pour<br />
tout n, la proba que τ soit supérieur <strong>à</strong> n est 2 −n > 0.<br />
8. Une réciproque du théorème d’arrêt. Soit (Xn)n≥0 un processus sur un espace de<br />
probabilité filtré (Ω, F, (Fn)n≥0, P) intégrable <strong>et</strong> adapté. Montrer que, si l’on a E(Xτ) =<br />
E(X0) pour tout <strong>temps</strong> d’arrêt borné τ, alors (Xn)n≥0 est une martingale.<br />
Solution :<br />
On remarque que E(Xn) = E(X0) pour tout n ≥ 0. De plus, pour n ≥ 0, <strong>et</strong> A un<br />
ensemble Fn-mesurable, on considère<br />
τ = nA + (n + 1)A c.<br />
Pour tout 0 ≤ k ≤ n−1, {τ ≤ k} = ∅ ; {τ ≤ n} = A ; <strong>et</strong> pour tout k ≥ n+1, {τ ≤ k} = Ω.<br />
Donc, τ est un <strong>temps</strong> d’arrêt <strong>et</strong> il est borné. Donc<br />
E(Xτ) = E(XnA) + E(Xn+1Ac) = E(Xn+1)<br />
5
ce qui implique que E(XnA) = E(Xn+1A). C<strong>et</strong>te égalité étant vérifiée pour tous les<br />
ensembles Fn-mesurables, on a E(Xn+1|Fn) = Xn.<br />
6