03.07.2015 Views

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

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

1.4 Processus d’Itô de dimension d - Formule d’Itô générale 15<br />

L’indépendance de (B l t j+1<br />

− B l t j<br />

et de F tj entraîne :<br />

si i < I ≤ j, ξ i k (Bk t i+1<br />

− B k t i<br />

)E(ξ j l E(Bl t j+1<br />

− B l t j<br />

|F tj )|F tI ) = 0,<br />

si I ≤ i < j, E(ξk i(Bk t i+1<br />

− Bt k i<br />

)ξ j l E(Bl t j+1<br />

− Bt l j<br />

|F tj ) ∣ FtI ) = 0,<br />

Cette propriété s’étend ensuite à des processus σ k et σ l de H2(F 2 t ) pour lesquels on déduit<br />

que<br />

(∣ ∣∣<br />

r∑<br />

∫ t<br />

σ k (s)dBs<br />

k r∑<br />

∫<br />

∣ 2 t<br />

)<br />

− |σ k (s)| 2 ds , t ≥ 0<br />

k=1<br />

0<br />

k=1<br />

est une (F t )-martingale. Par localisation, on montre enfin que ce processus est une (F t )-<br />

martingale locale si on sait seulement que les processus σ k , 1 ≤ k ≤ r appartiennent à<br />

H2 loc (F t ).<br />

Le crochet des processus ξ et ¯ξ est donc celui de leurs parties martingales<br />

m t = ∑ r<br />

∫ t<br />

k=1<br />

σ 0 k(s)dBs k, et ¯m t = ∑ r<br />

∫ t<br />

k=1 ¯σ 0 k(s)dBs k soit<br />

∫<br />

〈ξ , ¯ξ〉<br />

t r∑<br />

t = 〈m, ¯m〉 t = σ k (s)¯σ k (s)ds.<br />

Le crochet de <strong>la</strong> martingale locale m est égal à celui de ξ, soit<br />

〈ξ , ξ〉 t = 〈m, m〉 t =<br />

∫ t<br />

0<br />

0<br />

0<br />

k=1<br />

r∑<br />

|σ k (s)| 2 ds =<br />

k=1<br />

∫ t<br />

0<br />

‖σ(s)‖ 2 ds,<br />

où ‖σ(s)‖ désigne <strong>la</strong> norme euclidienne dans R r du vecteur (σ 1 (s), · · · , σ r (s)).<br />

1.4.2 Formule d’Itô générale<br />

Les résultats de <strong>la</strong> section précédente sont résumés dans <strong>la</strong><br />

Proposition 1.28 Soit (B t ) un (F t )-Brownien standard à valeurs dans R r , (X t ) un processus<br />

d’Itô à valeurs dans R d de <strong>la</strong> forme (1.7). Alors X est à trajectoires continues. Pour<br />

chaque i = 1, · · · , d, le processus ( ∫ t<br />

0 bi (s)ds, t ≥ 0) est continu à variation finie (c’est à dire<br />

que chacune de ses composantes est à variation finie), nul en 0. Le processus ∫ t<br />

σ(s)dB 0 s est<br />

une martingale locale continue (c’est à dire que chacune de ses composantes est une martingale<br />

locale continue) nulle en 0. La décomposition est unique. Le crochet des composantes<br />

X i et X j , 1 ≤ i, j ≤ d est<br />

〈X i , X j 〉 t =<br />

∫ t<br />

0<br />

r∑<br />

σk i (s)σj k (s)ds.<br />

k=1<br />

La formule d’Itô, montrée pour un processus d’Itô réel dans le cours de <strong>Calcul</strong> <strong>Stochastique</strong><br />

1, se généralise immédiatement à des processus d’Itô multidimensionnels. Rappelons<br />

<strong>la</strong> tout d’abord en dimension 1 sous sa forme <strong>la</strong> plus simple.<br />

Théorème 1.29 Soit X t = x+ ∫ t<br />

σ(s)dB 0 s+ ∫ t<br />

b(s)ds, où x ∈ R, (B 0 t) est un (F t )-Brownien,<br />

b ∈ H1 loc , σ ∈ H2 loc . Soit f : R → R une fonction de c<strong>la</strong>sse C 2 . Alors pour tout t ≥ 0,<br />

f(X t ) = f(x) +<br />

= f(x) +<br />

∫ t<br />

0<br />

∫ t<br />

0<br />

f ′ (X s )dX s + 1 2 f ′′ (X s )d〈X, X〉 s (1.8)<br />

∫ t<br />

[<br />

f ′ (X s )σ(s)dB s + f ′ (X s )b(X s ) + 1 ]<br />

2 f ′′ (X s )σ 2 (s) ds.<br />

0<br />

26 octobre 2009 <strong>Calcul</strong> <strong>Stochastique</strong> 2 - Annie Millet

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!