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.
1.5 Propriétés du Brownien. 21<br />
Soit s < t; appliquons le lemme précédent avec E 1 = E 2 = R d , G = F s , F = F t , X = B s<br />
et Y = B t − B s . Nous en déduisons que pour toute fonction borélienne bornée f : R d → R,<br />
E [ ]<br />
f(B t )|F s = ϕ(Bs ) où ϕ(x) = E [ f(x + B t − B s ) ] . Un calcul simi<strong>la</strong>ire avec G = σ(B s ) et<br />
F = F t pour les mêmes variables aléatoires X = B s et Y = B t − B s permet de conclure<br />
E [ ]<br />
f(B t )|B s = ϕ(Bs ). La loi de B t − B s étant gaussienne N(0, (t − s)Id), ceci termine <strong>la</strong><br />
démonstration. ✷<br />
Corol<strong>la</strong>ire 1.38 Soit τ un (F t )-temps d’arrêt fini presque sûrement et B un (F t )-Brownien<br />
standard de dimension d. Alors le processus (M t = B τ+t − B τ , t ≥ 0) est un (F τ+t , t ≥ 0)-<br />
Brownien standard indépendant de F τ .<br />
Démonstration. Supposons tout d’abord que τ ≤ C p.s. et notons G t = F τ+t pour tout<br />
t ≥ 0. Alors (G t ) est une filtration et le Théorème d’arrêt 1.7 montre que si (X t ) est une<br />
(F t )-martingale et si on note Y t = X τ+t , Y t est intégrable et pour s < t, E(Y t |G s ) =<br />
E(X τ+t |F τ+s ) = X τ+s = Y s , c’est à dire que (Y t ) est une (G t )-martingale.<br />
Il faut montrer que si 0 ≤ s < t, le vecteur aléatoire M t − M s suit une loi N(0, (t −<br />
s)Id) et est indépendant de G s . Un argument utilisé dans <strong>la</strong> démonstration du théorème<br />
de caractérisation du Brownien de Paul Lévy montre qu’il suffit de vérifier que pour tout<br />
u ∈ R d l’équation (1.15) est satisfaite.<br />
Fixons u ∈ R d et notons f(x) = e i(u,x) pour tout x ∈ R d . Alors |f| = 1 et en décomposant<br />
f en partie réelle et partie imaginaire, <strong>la</strong> propriété de Markov et <strong>la</strong> définition du Brownien<br />
montrent<br />
)<br />
(t − s)‖u‖2<br />
E(exp(i(u, B t )|F s ) = E(exp(i(u, B t )|B s ) = exp(i(u, B s )) exp<br />
(− .<br />
2<br />
On en déduit que le processus X t = exp ( i(u, B t ) + t‖u‖ 2 /2) est une (F t )-martingale, et<br />
d’après <strong>la</strong> remarque précédente, que (Y t = X τ+t , t ≥ 0) est une (G t )-martingale. Pour tout<br />
s ≤ t, on a donc<br />
(<br />
Yt<br />
∣ )<br />
∣∣Gs<br />
E = E(Y t|G s )<br />
= Y s<br />
,<br />
Y 0 Y 0 Y 0<br />
ce qui prouve que ( Y t<br />
Y 0<br />
= exp(i(u, M t ) + t‖u‖ 2 /2), t ≥ 0 ) est une (G t )-martingale. Donc pour<br />
s ≤ t,<br />
∣ ) (<br />
)<br />
E<br />
(e i(u,Mt−Ms) ∣∣Gs<br />
t‖u‖2<br />
i(u,Mt)+ ∣<br />
t‖u‖2<br />
−i(u,Ms)−<br />
= E e 2<br />
∣G s e 2 = e −(t−s)‖u‖2 2 ,<br />
ce qui termine <strong>la</strong> démonstration de (1.15) lorsque τ est borné p.s.<br />
Soit τ un temps d’arrêt presque sûrement fini; pour conclure, il suffit d’écrire (1.15) pour<br />
<strong>la</strong> suite de temps d’arrêt τ ∧ n et de faire tendre n vers +∞. ✷.<br />
On en déduit une propriété simi<strong>la</strong>ire à <strong>la</strong> propriété de Markov simple (Théorème 1.36)<br />
en remp<strong>la</strong>çant les temps fixes par des temps d’arrêt.<br />
Théorème 1.39 (Propriété de Markov forte) Soit B un (F t )-Brownien standard à valeurs<br />
dans R d et τ un (Ft B )-temps d’arrêt fini presque sûrement; alors pour tout t > 0,<br />
∫<br />
1<br />
E[f(B τ+t ) | F τ ] = E[f(B τ+t ) | B τ ] = f(y) exp<br />
(− ‖y − B )<br />
τ‖ 2<br />
dy. (1.19)<br />
(2πt) d 2 R 2t<br />
d<br />
Démonstration. Le lemme 1.37 appliqué à X = B τ , Y = B τ+t − B τ , G = F τ (ou bien<br />
G = σ(X τ )), F = F t+τ et le Corol<strong>la</strong>ire 1.38 montrent que, puisque (B τ+t −B τ , t ≥ 0) est un<br />
Brownien indépendant de F τ , <strong>la</strong> propriété de Markov forte (1.19) est satisfaite. ✷<br />
26 octobre 2009 <strong>Calcul</strong> <strong>Stochastique</strong> 2 - Annie Millet