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
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