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.
1.5 Propriétés du Brownien. 19<br />
Les intégrales stochastiques ( ∫ t<br />
s ei(λ,Mu−Ms) H j k (u)dBk u , t ≥ s) sont des martingales pour tout<br />
j = 1, · · · , d et k = 1, · · · , r, et sont indépendantes de F s . En utilisant le théorème de Fubini,<br />
on en déduit<br />
( ∫ t<br />
) ∫ t<br />
f(t) = P(A) − ‖λ‖2<br />
2 E 1 A e i(λ,Mu−Ms) du = P(A) − ‖λ‖2 f(u)du.<br />
2<br />
s<br />
Puisque f ′ (t) = − ‖λ‖2 f(t) pour t ≥ s et que f(s) = P(A), nous avons établi que pour tout<br />
2<br />
t ≥ s, f(t) = P(A) exp(− ‖λ2 ‖<br />
(t − s)). ✷<br />
2<br />
1.5.2 Propriétés de Markov<br />
Une propriété fondamentale du Brownien est <strong>la</strong> propriété de Markov, qui traduit le fait<br />
que ce qui se passe après l’instant t (c’est à dire dans le futur à l’instant t) ne dépend pas<br />
de toute <strong>la</strong> tribu F t des évènements du « passé » , mais seulement de l’état B t à l’instant t.<br />
Décrivons tout d’abord le passage d’un instant s à un instant t ≥ s.<br />
Définition 1.34 Une probabilité de transition sur R d est une application Π : R d × R d →<br />
[0, 1] telle que<br />
(i) pour tout x ∈ R d , l’application A ∈ R d → Π(x, A) est une probabilité.<br />
(ii) pour tout A ∈ R d , x ∈ R d → Π(x, A) est mesurable de (R d , R d ) dans ([0, 1], B([0, 1]).<br />
Une fonction de transition sur R d est une famille (P s,t , 0 ≤ s < t) de probabilités de transition<br />
telle que si s < t < v l’équation de Chapman-Kolmogorov soit satisfaite :<br />
∫<br />
P s,t (x, dy)P t,v (y, A) = P s,v (x, A) , ∀A ∈ R d , ∀x ∈ R d . (1.16)<br />
Pour toute fonction f : R d → R borélienne positive (ou bornée) on note<br />
∫<br />
P s,t f(x) = f(y) P s,t (x, dy).<br />
R d<br />
Si <strong>la</strong> fonction de transition P s,t ne dépend que de t − s, on dit qu’elle homogène et dans ce<br />
cas, si on note P t = P 0,t , l’équation (1.16) s’écrit<br />
∫<br />
P s+t (x, A) = P s (x, dy)P t (y, A).<br />
Pour toute fonction f : R d → R borélienne positive (ou bornée), on a P s+t f(x) = P t<br />
(<br />
Ps f(x) )<br />
et on dit que (P t ) est un semi-groupe.<br />
L’équation (1.16) est naturelle. En effet, si X est un processus et (x, A) ∈ R d × R d →<br />
P s,t (x, A) est une probabilité de transition tels que pour tout A ∈ R d et s < t,<br />
∫<br />
P(X t ∈ A|σ(X u , u ≤ s)) = P s,t (X s , A) = 1 A (y) P s,t (x, dy) p.s.,<br />
on en déduit E(f(X t )|σ(X u , u ≤ s)) = ∫ R d f(y)P s,t (X s , dy) pour toute fonction borélienne<br />
f : R d → R positive (ou bornée). Pour s < t < v, A ∈ R d et f(y) = P t,v (y, A), on en déduit<br />
P s,v (X s , A) = P(X v ∈ A|σ(X u , u ≤ s))<br />
= E [ P(X v ∈ A|σ(X u , u ≤ t) | σ(X u , u ≤ s) ]<br />
= E [ f(X t )|σ(X u , u ≤ s) ] ∫<br />
= P s,t (X s , dy)P t,v (y, A).<br />
Ces notions permettent de formuler précisément <strong>la</strong> propriété de Markov « faible ».<br />
s<br />
26 octobre 2009 <strong>Calcul</strong> <strong>Stochastique</strong> 2 - Annie Millet