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.
1.2 Variation quadratique - Crochet d’une martingale locale 5<br />
En particulier soit h un processus cad<strong>la</strong>g (F t )-adapté; si pour tout t > 0 on a ∫ t<br />
( 0 h2 s ds <<br />
∫ )<br />
+∞ p.s., alors h ∈ H2 loc t<br />
, si E<br />
0 h2 sds < ∞ pour tout t, alors h ∈ H 2 (F t ), ... Lorsque<br />
<strong>la</strong> filtration (F t ) est <strong>la</strong> filtration naturelle (Ft B ) d’un mouvement Brownien B, on notera<br />
simplement H1 loc := H1 loc (Ft B ), H2 loc := H2 loc (Ft B ), ...<br />
La propriété suivante des intégrales stochastiques par rapport au mouvement Brownien<br />
est fondamentale.<br />
Théorème 1.13 Soit B un mouvement Brownien et (Ft B ) sa filtration naturelle. Soit h ∈<br />
H 2 ; alors le processus t → I t = ∫ t<br />
h 0 sdB s est une (Ft B )-martingale de carré intégrable et à<br />
trajectoires p.s. continues.<br />
Soit h ∈ H2 loc (par exemple un processus cad<strong>la</strong>g, (Ft B)-adapté tel que ∫ t<br />
0 h2 sds < +∞<br />
p.s.) Alors l’intégrale stochastique I t = ∫ t<br />
h 0 sdB s peut être construite comme une martingale<br />
locale continue.<br />
Rappelons <strong>la</strong> notion de variation satisfaite par les intégrales de <strong>la</strong> borne supérieure déterministes.<br />
Définition 1.14 (i) Soit s < t et f : [s, t] → R. La fonction f est à variation bornée sur<br />
[s, t] si V [s,t] (f) < +∞, où<br />
{ }<br />
∑<br />
V [s,t] (f) := sup |f(t i+1 ) − f(t i )| : {s = t 0 < t 1 < · · · < t n ≤ t} subdivision de [s, t] .<br />
i<br />
La fonction f : [0, +∞[ est à variation finie sur [0, +∞[ si elle est à variation bornée sur<br />
tout intervalle [0, T].<br />
(ii) Le processus (X t ) est à variation bornée sur [s, t] (resp. à variation finie) si ses<br />
trajectoires sont p.s. à variation bornée sur [s, t] (resp. p.s. à variation finie).<br />
De façon évidente, si b ∈ H1 loc (F t ), le processus t → I t = ∫ t<br />
b 0 sds est à variation finie; en<br />
effet pour tout T ≥ 0, V [0,T] (I) ≤ ∫ T<br />
|b(t)| dt. Le comportement des intégrales stochastiques<br />
0<br />
est tout autre.<br />
Proposition 1.15 Soit (M t ) une (F t )-martingale locale p.s. continue à variation finie.<br />
Alors pour tout t <strong>la</strong> variable aléatoire M t est presque sûrement constante (égale à M 0 ).<br />
Démonstration. Puisque M 0 est p.s. constante, en remp<strong>la</strong>çant M t par M t − M 0 , on peut<br />
supposer M 0 = 0.<br />
(i) Fixons T et supposons que (M t ) est une martingale continue et que sa variation<br />
V [0,T] (M) est (p.s.) bornée par C. Soit ∆ = {t 0 = 0 < t 1 < · · · < t n = T } une subdivision de<br />
[0, T], |∆| = sup n−1<br />
i=0 |t i+1 − t i | son pas et pour 0 ≤ k ≤ n − 1 soit X k = M tk+1 − M tk . Alors<br />
∑n−1<br />
E(|M T | 2 ) = E(|M T − M 0 | 2 ) = E(Xk) 2 + 2<br />
k=0<br />
∑<br />
1≤i