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

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

2.6 Exemples en finance 45<br />

qui représente le temps d’occupation de [0, +∞[ par le Brownien. En effet, si on pose k(x) =<br />

β1 [0,+∞[ (x) et g(x) = 1, en approximant k par une suite de fonctions continues on en déduit<br />

que pour α, β > 0 <strong>la</strong> fonction<br />

est solution de l’EDO<br />

[∫ ∞<br />

f(x) = E<br />

{<br />

0<br />

(<br />

exp −αt − β<br />

∫ t<br />

0<br />

) ]<br />

1 [0,∞) (x + B s )ds dt<br />

αf(x) = 1 − βf(x) + f ′′ (x)<br />

si x > 0,<br />

2<br />

αf(x) = 1 + f ′′ (x)<br />

si x < 0.<br />

2<br />

L’unique solution bornée et continue de cette EDO est donnée par :<br />

{<br />

Ae<br />

f(x) =<br />

−x√2(α+β) + 1 si x > 0,<br />

α+β<br />

Be x√2α + 1 si x < 0.<br />

α<br />

En imposant <strong>la</strong> continuité de f et f ′ en zéro, on trouve<br />

A =<br />

1 1<br />

√ −<br />

α(α + β) (α + β)<br />

et B =<br />

1<br />

√<br />

α(α + β)<br />

− 1 α ,<br />

ce qui entraîne<br />

∫ ∞<br />

0<br />

e −αt E<br />

[ ]<br />

e −βA+ t<br />

dt = f(0) =<br />

1<br />

√<br />

α(α + β)<br />

.<br />

Puisque Γ( 1 2 ) = √ π, le théorème de Fubini et un changement de variables montrent que<br />

∫ ∞<br />

0<br />

(∫ t<br />

e −αt du<br />

0<br />

e−βu<br />

π √ u(t−u)<br />

)<br />

dt = 1 √ π<br />

∫ +∞<br />

=<br />

0<br />

1 1<br />

√ √ . α + β α<br />

e −(α+β)u<br />

√ u<br />

du 1 √ π<br />

∫ +∞<br />

u<br />

e −α(t−u)<br />

√ t − u<br />

dt<br />

Puisque <strong>la</strong> transformée<br />

∫<br />

de Lap<strong>la</strong>ce caractérise <strong>la</strong> loi, on en déduit que pour tout β > 0,<br />

t<br />

E[e −βA+ t ] =<br />

0 e−βu √ 1 du, puis que <strong>la</strong> densité de π u(t−u) A+ t est <strong>la</strong> fonction h définie par<br />

h(u) =<br />

1<br />

π √ u(t − u) 1 ]0,t[(u).<br />

La fonction de répartition de cette loi est définie pour tout θ ∈]0, t[ par :<br />

P ( A + t ≤ θ ) =<br />

∫ θ<br />

0<br />

∫<br />

du<br />

θ/t<br />

π √ u(t − u) = ds<br />

π √ s(1 − s) = 2 √<br />

θ<br />

π Arcsin t .<br />

0<br />

La loi de A + t est appelée loi de l’arcsinus. On remarque enfin que pour θ ∈]0, t[,<br />

P ( A + t ≤ θ ) = P ( tA + 1 ≤ θ ) ,<br />

ce qui montre que les variables A + t et tA + 1 ont même loi. On aurait pu aussi obtenir ce<br />

résultat directement par « scaling » du Brownien.<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!