a la Finance Université Paris 1 Calcul Stochastique ... - samos-matisse
a la Finance Université Paris 1 Calcul Stochastique ... - samos-matisse
a la Finance Université Paris 1 Calcul Stochastique ... - samos-matisse
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
1.4 Processus d’Itô de dimension d - Formule d’Itô générale 13<br />
(iv) Soit (X t ) un processus d’Itô qui est une (Ft B<br />
est nulle ds ⊗ dP p.p.<br />
)-martingale locale. Alors sa dérive b<br />
Démonstration. (i) et (ii) sont des conséquences immédiates de <strong>la</strong> Proposition 1.17, du<br />
Théorème 1.18 et de <strong>la</strong> po<strong>la</strong>risation.<br />
(iii) La différence D t = ∫ t<br />
(˜b 0 s − b s )ds = ∫ t<br />
(σ 0 s − ˜σ s )dB s est dont un processus à variation<br />
bornée sur [0, T] (à cause de l’intégrale déterministe) et une martingale locale continue (à<br />
cause de l’intégrale stochastique et du Théorème 1.13). La Proposition 1.17 montre que <strong>la</strong><br />
variation quadratique de l’intégrale stochastique de σ − ˜σ est nulle p.s. sur tout intervalle<br />
[0, t], soit ∫ t<br />
|σ 0 s − ˜σ s | 2 ds = 0, et σ = ˜σ ds ⊗ dP p.p. sur [0, t] × Ω. On en déduit que<br />
∫ t<br />
(b 0 s − ˜b s )ds = 0 pour tout t, ce qui termine <strong>la</strong> démonstration puisque X 0 = x = ˜x.<br />
(iv) Le processus d’Itô X t = x+ ∫ t<br />
σ 0 sdB s + ∫ t<br />
b 0 sds est continu. Puisque t → x+ ∫ t<br />
σ 0 sdB s<br />
est une (Ft B )-martingale locale continue, par différence le processus t → ∫ t<br />
b 0 sds est une<br />
martingale locale continue et est à variation finie sur tout intervalle [0, t]. Il est donc constant<br />
(et égal à 0) p.s. d’après <strong>la</strong> Proposition 1.15 ✷<br />
1.4 Processus d’Itô de dimension d - Formule d’Itô générale<br />
1.4.1 Processus d’Itô de dimension d<br />
Nous étendons tout d’abord <strong>la</strong> définition du mouvement Brownien réel au cas d’un<br />
processus de dimension quelconque.<br />
Définition 1.26 Soit ( B t = (B 1 t , B 2 t , . . .,B r t ), t ≥ 0 ) un processus r-dimensionnel et (F t )<br />
une filtration. On dit que B est un (F t )-Brownien standard r-dimensionnel si les processus<br />
(B i ), 1 ≤ i ≤ r sont des (F t )-Browniens réels indépendants, c’est à dire : B 0 = 0 et pour<br />
0 ≤ s ≤ t<br />
(i) B t − B s suit une loi normale N(0, (t − s)Id r ).<br />
(ii) l’accroissement B t − B s est indépendant de <strong>la</strong> tribu F s .<br />
Quand <strong>la</strong> filtration n’est pas précisée, on dit que B est un Brownien standard d-dimensionnel<br />
si c’est un mouvement Brownien pour sa filtration naturelle (F B t ). Si B est un Brownien<br />
standard pour <strong>la</strong> filtration (F t ), c’est aussi un Brownien standard pour sa filtration naturelle<br />
(F B t ). Le Brownien est un processus gaussien à accroissements indépendants.<br />
Nous commettrons l’abus de notation consistant à identifier un vecteur (x 1 , · · · , x r ) ∈ R r et<br />
<strong>la</strong> matrice colonne de ses composantes dans <strong>la</strong> base canonique. Nous noterons donc<br />
⎛ ⎞<br />
B t =<br />
⎜<br />
⎝<br />
B 1 t<br />
.<br />
B r t<br />
⎟<br />
⎠ .<br />
Nous généralisons de même <strong>la</strong> notion de processus d’Itô. Notons M(d, r) l’ensemble des<br />
matrices d × r à d lignes et r colonnes. On dit qu’un processus X = (Xj(t) i : 1 ≤ i ≤ d, 1 ≤<br />
j ≤ r, t ≥ 0) à valeurs dans M(d, k) appartient à H1 loc(F<br />
t) (resp. H2 loc(F<br />
t), H2 2(F t), H2 ∞(F t))<br />
si chaque composante Xk i est un processus réel qui appartient à Hloc 1 (F t ) (resp. H2 loc (F t ),<br />
H2 2(F t), H2 ∞(F t)).<br />
26 octobre 2009 <strong>Calcul</strong> <strong>Stochastique</strong> 2 - Annie Millet