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.
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