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

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!