Vous êtes sur la page 1sur 11

Introduction au Calcul Stochastique

Chapitre 6. Diusions et
interpretation probabiliste dEDP
Herve Guiol
TIMC - IMAG
October 21, 2005
Contents
1 Diusions 1
1.1 Propriete de Markov des Solutions dE.D.S. . . . . . . . . . . 2
1.2 Generateur dune diusion . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Diusion homog`ene . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Cas non homog`ene . . . . . . . . . . . . . . . . . . . . 6
2 Interpretation probabiliste dEDP 7
2.1 Mouvement brownien et equations de la chaleur . . . . . . . . 7
2.1.1

Equation progressive . . . . . . . . . . . . . . . . . . . 7
2.1.2 Equation retrograde . . . . . . . . . . . . . . . . . . . 8
2.2 Formule de Feynman-Kac . . . . . . . . . . . . . . . . . . . . 9
2.3 Cas multidimensionnel . . . . . . . . . . . . . . . . . . . . . . 11
1 Diusions
Soit T > 0 xe. Dans cette partie on sinteressera aux solutions fortes sur
[0, T] de
_
dX
t
= f(t, X
t
) dt +g(t, X
t
) dW
t
X
0
= Z
(1)
O` u Z est de carre integrable, independante de la ltration T
t
, f et g sont
mesurables et localement bornees. De plus pour garantir lexistence et lunicite
de solution forte on supposera K
T
< tel que t [0, T], x, y R
[f(t, x) f(t, y)[ K
T
|x y|; (2)
[g(t, x) g(t, y)[ K
T
|x y|. (3)
1
De plus on supposera pour garantir de bonnes conditions dintegrabilite sur
la solution (Proposition 1.6 chap 5) que L < t.q. t [0, T], x R
|f(t, x)|
2
+|g(t, x)|
2
L(1 +[x[
2
). (4)
1.1 Propriete de Markov des Solutions dE.D.S.
Denition 1.1
On dit quun processus (X
t
) verie la propriete de Markov par rapport `a
une ltration (T
t
) `a laquelle il est adapte si pour toute fonction f mesurable,
bornee et tous 0 s t
E(f(X
t
)[T
s
) = E(f(X
t
)[X
s
).
Notation : Soit s [0, T], on note X
s,x
t
, t [s, T] la solution de
dX
t
= f(t, X
t
) dt +g(t, X
t
) dW
t
pour t > s;
X
s
= s.
Cest `a dire que X
s,x
t
verie pour tout t [s, T]
X
s,x
t
= x +
_
t
s
f(u, X
s,x
u
) du +
_
t
s
g(u, X
s,x
u
) dW
u
. (5)
En particulier on notera X
x
t
= X
0,x
t
.
Remarque :
On admettra que sous les conditions (2), (3) et (4) (s, t, x) X
s,x
t
est con-
tinue en chacune des variables.
La propriete de Markov est une consequence de la propriete suivante :
Lemme 1.2 (propriete de ot)
Sous les conditions (2), (3) et (4) decrites plus haut les solutions (X
s,x
t
)
t[s,T]
,
s [0, T] de
_
dX
t
= f(t, X
t
) dt +g(t, X
t
) dW
t
pour t > s
X
s
= x
verient P-p.s. pour tous 0 s t T
X
x
t
:= X
0,x
t
= X
s,X
x
s
t
Idee de la preuve : Soit s [0, T] et X
s,x
t
, t [s, T] veriant (5).
Par continuite de lapplication
y X
s,y
u
2
on deduit que pour tout y R on a
X
s,y
t
= y +
_
t
s
f(u, X
s,y
u
) du +
_
t
s
g(u, X
s,y
u
) dW
u
.
On peut donc conclure que X
s,X
x
s
t
, t [s, T] verie
dX
t
= f(t, X
t
) dt +g(t, X
t
) dW
t
pour t > s;
X
s
= X
x
s
.
Montrons que X
x
t
, t [s, T] est egalement solution.
En eet on a
X
x
t
= x +
_
t
0
f(u, X
x
u
) du +
_
t
0
g(u, X
x
u
) dW
u
.
= X
x
s
+
_
t
s
f(u, X
x
u
) du +
_
t
s
g(u, X
x
u
) dW
u
.
De part lunicite de la solution on doit donc avoir X
s,X
x
s
t
= X
x
t
sur t [s, T].
Le resultat suivant est une consequence de la propriete de ot et de la pro-
priete daccroissement independant du Brownien (Preuve dans A. Friedman
Stochastic Dierential Equations and Applications. Academic Press 1975).
Theor`eme 1.3
Sous les conditions anterieure la solution forte (X
t
) de
_
dX
t
= f(t, X
t
) dt +g(t, X
t
) dW
t
X
0
= Z
est un processus de Markov pour la ltration (T
t
) du mouvement Brownien.
Plus precisement on a pour toute h : R
d
R borelienne bornee, et pour tous
0 s t
E[h(X
t
)[T
s
] = E [h(X
s,x
t
)][
x=Xs
P p.s.
Remarque : Dans le cas homog`ene (f et g ne dependent que de x) X
s,x
t
et
X
x
ts
ont meme loi et on a
E[h(X
t
)[T
s
] = E
_
h(X
x
ts
)

x=Xs
P p.s.
Denition 1.4
Un processus de Markov X
t
solution de
i) (1) est appele diusion non homog`ene;
ii) dX
t
= f(X
t
) dt +g(X
t
) dW
t
est appele diusion homog`ene;
3
Si la fonction g() verie K > 0 t.q. g() K alors la diusion est dite non
degeneree.
On peut generaliser (dixit Lamberton-Lapeyre) le resultat precedent `a des
fonctions des trajectoires de la diusion apr`es le temps s. Ce qui ore un
outil de calcul pratique pour les mod`eles avec taux dinteret r(.).
Theor`eme 1.5
Soit (X
t
) une solution forte de (1) et r(s, x) une fonction mesurable positive.
On a si t > s
E
_
exp
_

_
t
s
r(u, X
u
) du
_
h(X
t
)

T
s
_
= E
_
exp
_

_
t
s
r(u, X
s,x
u
) du
_
h(X
s,x
t
)
_

x=Xs
.
1.2 Generateur dune diusion
1.2.1 Diusion homog`ene
Soit donc lEDS
dX
t
= f(X
t
) dt +g(X
t
) dW
t
(6)
X
0
= x
0
o` u f et g verient les conditions habituelles dexistence et unicite.
Denition 2.0.1
`
A lEDS (6) on associe loperateur lineaire / : (
2
(R) (
0
(R) denit par
/u(x) := f(x)u

(x) +
1
2
g
2
(x)u

(x)
pour tous u (
2
(R) et x R. Loperateur / est appele generateur de la
diusion homog`ene (X
t
)
0tT
solution de (6).
Exemples :
1) Brownien : X
t
= W
t
est solution de dX
t
= 1 dW
t
avec X
0
= 0. Son
generateur secrit pour tout u (
2
(R)
/u(x) =
1
2
u

(x).
2) Black et Scholves : Le generateur associe `a la diusion solution de
dX
t
= X
t
dt +X
t
dW
t
avec X
0
= x
0
est donne par
/u(x) = xu

(x) +

2
x
2
2
u

(x);
4
pour tout u (
2
(R).
Proposition 2.0.2
Le generateur / caracterise la diusion (X
t
)
0tT
. De plus si X
t
est solution
de (6)
i) Pour tout u (
2
(R)
u(X
t
)
_
t
0
/u(X
s
) ds
est une martingale locale.
ii) Pour tout u (
2
(R)
lim
t0
E
_
1
t
[u(X
t
) u(x
0
)]
_
= /u(x
0
)
iii)
lim
t0
E
_
1
t
(X
t
x
0
)
_
= f(x
0
) et lim
t0
E
_
1
t
(X
t
x
0
)
2
_
= g
2
(x
0
).
Preuve :
On pose M
t
= u(X
t
)
_
t
0
/u(X
s
) ds. Par Ito on a
dM
t
= u

(X
t
) dX
t
+
1
2
u

(x
t
)dX)
t
/u(X
t
) dt.
Or dX)
t
= g
2
(X
t
) dt do` u
dM
t
= u

(X
t
)g(X
t
) dW
t
+
_
f(X
t
)u

(X
t
) +
1
2
g
2
(X
t
)u

(X
t
) /u(X
t
)
_
dt.
Le terme dans la parenth`ese etant nul on a
M
t
= u(x
0
) +
_
t
0
u

(X
s
)g(X
s
) dW
s
.
Or par hypoth`ese
_
t
0
(u

(X
s
)g(X
s
))
2
ds < donc u

(X
t
)g(X
t
)
3
(W) et
M
t
est donc une martingale locale.
Pour obtenir ii) il sut dobserver que par ce qui prec`ede
E
_
u(X
t
)
_
t
0
/u(X
s
) ds u(x
0
)
_
= 0
do` u
1
t
E[u(X
t
) u(x
0
)] =
1
t
_
t
0
E(/u(X
s
)) ds /u(x
0
)
5
quand t 0.
iii) sobtient `a partir de ii) en prenant dabord u(x) = x pour la premi`eme
limite. Pour lautre en ecrivant (X
t
x
0
)
2
= X
2
t
x
2
0
2x
0
(X
t
x
0
) puis en
appliquant ii) aux fonctions x x
2
et x x.
Remarques : 1) Si on suppose u (
2
`a derivee bornee alors la preuve
ci-dessus montre que u(X
t
)
_
t
0
/u(X
s
) ds est une martingale.
2) Si lon choisit (judicieusement) u de facon `a ce que /u 0 on obtient que
u(X
t
) est une martingale (locale).
1.2.2 Cas non homog`ene
Pour les diusion non homog`ene on a des resultats similaires :
Denition 2.1
Soit t > 0 xe.
`
A lEDS (1) on associe loperateur lineaire /
t
: (
1,2
(R
+

R) (
0,0
(R
+
R) denit par
/
t
u(t, x) := f(t, x)
u
x
(t, x) +
1
2
g
2
(t, x)

2
u
x
2
(t, x)
pour tous u (
1,2
(R
+
R) et x R. La famille doperateur (/
t
)
0tT
est
appele generateur de la diusion (X
t
)
0tT
solution de (1).
On montre de la meme mani`ere que precedemment la
Proposition 2.2
Le generateur (/
t
)
0tT
caracterise la diusion (X
t
)
0tT
. De plus si X
t
est
solution de (1) et u (
1,2
(R
+
R) alors
M
t
= u(t, X
t
)
_
t
0
_
u
t
(s, X
s
) +/
s
u(s, X
s
)
_
ds
est une martingale locale.
Remarques : 1) Si on suppose u (
1,2
`a derivee en x bornee alors M
t
est une martingale.
2) Si lon choisit (judicieusement) u de facon `a ce que
u
t
+/
s
u 0 on obtient
que u(t, X
t
) est une martingale (locale).
Pour etudier les quantites actualisees on peut etendre le resultat precedent
en
Proposition 2.3
Sous les hypoth`eses precedentes si r(t, x) est une fonction continue (bornee)
6
sur R
+
R alors le processus :
M
t
= R
t
u(t, X
t
)
_
t
0
R
s
_
u
t
+/
s
ru
_
(s, X
s
) ds
est une martingale locale (martingale) o` u R
t
:= exp
_

_
t
0
r(s, X
s
) ds
_
.
2 Interpretation probabiliste dEDP
2.1 Mouvement brownien et equations de la chaleur
On note W
x
t
= W
t
+x le M.B. commencant au point x R.
La diusion associee `a ce M.B. est
_
dX
t
= dW
t
pour t > 0
X
0
= x.
2.1.1

Equation progressive
On commence par enoncer un resultat de la theorie des equations aux derivees
partielles.
Theor`eme 3.1 (Resultat danalyse)
Soit f (
0
(R) alors il existe une unique fonction u (
1,2
(R
+
R) veriant
_

_
u
t
(t, x) =
1
2

2
u
x
2
(t, x), (t, x) R
+
R
u(0, x) = f
0
(x), x R
(7)
Remarque : Lequation (7) sappelle equation de la chaleur (progressive).
Elle modelise la diusion de la chaleur dans un l : u(t, x) represente la
temperature du lament au point x au temps t. Et f
0
represente le prol
initial de la temperature sur le l.
Lemme 3.2
Si u est solution de (7) alors pour tous T > 0 et x R xes (u(T
t, W
x
t
))
t[0,T]
est une T
t[0,T]
martingale locale.
Preuve : On applique Ito `a la fonction f(t, x) = u(T t, x), on trouve
u(T t, W
x
t
) u(T, x) =
_
t
0
u
x
(T s, W
x
s
) dW
x
s
7
qui est une martingale locale car
u
x
(T s, W
x
s
)
3
(W
x
).
Proposition 3.3
Soit u la solution de (7) o` u f
0
est de plus supposee bornee. Alors pour tous
T > 0 et x R on a
u(T, x) = E(f
0
(W
x
T
)).
Preuve : On pose M
t
= u(T t, W
x
t
), en particulier on a M
T
= u(0, W
x
T
) =
f
0
(W
x
T
) qui est borne. De part la continuite des fonctions en jeu on a pour
tout t [0, T]
E
_
sup
0st
[M
s
[
_
E
_
sup
0st
M
2
s
_
E
_
sup
0sT
M
2
s
_
< .
Donc M
t
est une martingale et on a
u(T, x) := E(M
0
) = E(M
T
) = E(f
0
(W
x
T
)).
Remarque : Comme W
x
T
est de loi ^(x, T) on peut ecrire explicitement la
solution
E(f
0
(W
x
T
)) =
_
+

f
0
(y)
1

2T
exp
_

(y x)
2
2T
_
dy.
En travaillant plus on peut obtenir le resultat suivant que lon admettra.
Theor`eme 3.4
Si f (
0
(R) et verie [x[
2
log
+
[f(x)[ 0 quand x alors
u(t, x) = E(f(W
x
t
))
est solution de (7).
2.1.2 Equation retrograde
Comme precedemment on enonce un resultat de la theorie des equations aux
derivees partielles.
Theor`eme 3.5 (Resultat danalyse)
Soient T > 0 et f
T
(
0
(R) alors il existe une unique fonction u (
1,2
(R
+

R) veriant
_

_
u
t
(t, x) +

2
u
x
2
(t, x) = 0, (t, x) [0, T] R
u(T, x) = f
T
(x), x R
(8)
Remarque :
8
On a ici une condition terminale f
T
. Le theor`eme precedent nous dit quetant
donne un prol regulier (continu) il existe une solution de lequation de la
chaleur qui conduit `a (simule) ce prol `a linstant T.
Lemme 3.6
Si u est solution de (8) alors pour tous t
0
[0, T] et x
0
R xes (u(t, W
t
0
,x
0
t
))
t[t
0
,T]
est une (T
t
)
t[t
0
,T]
martingale locale.
Preuve : Il sagit dune application de la proposition 2.2 avec
/
t
u =
1
2

2
u
x
2
(t, x).
Proposition 3.7
Soit u la solution de (8). Alors pour tous t
0
[0, T] et x
0
R on a
u(t
0
, x
0
) = E(f
T
(W
t
0
,x
0
T
)).
Preuve : Encore une fois on utilise la regularite de u et f
T
pour avoir pour
tous t
0
t T
sup
t
0
st
[u(s, W
t
0
,x
0
s
)[ <
pour conclure que (u(t, W
t
0
,x
0
t
))
t[t
0
,T]
est une (T
t
)
t[t
0
,T]
martingale do` u le
resultat.
2.2 Formule de Feynman-Kac
On revient sur le cas des diusions generales (1) :
_
dX
t
= f(t, X
t
) dt +g(t, X
t
) dW
t
X
0
= Z
sous les hypoth`eses faites en debut de chapitre.
Comme precedemment on cherche `a exploiter les resultats de la section 2. On
commence par un resultat de la theorie des equations aux derivees partielles.
Theor`eme 4.1 (Resultat danalyse)
Soient /
t
le generateur associe `a la diusion solution de (1). Soient T > 0,
r : R
+
R continue, bornee et f
T
(
0
(R) alors il existe une unique fonction
u (
1,2
(R
+
R) veriant
_
u
t
(t, x) +/
t
u(t, x) r(t, x)u(t, x) = 0, (t, x) [0, T] R
u(T, x) = f
T
(x), x R
(9)
9
Comme corollaire immediat de la Proposition 2.3 on obtient le
Lemme 4.2
Soient u la solution de (9), (X
t
) la diusion associee `a (1) et r(t, x) une fonc-
tion continue sur R
+
R. Pour tous t
0
[0, T] et x
0
R xes on denit
pour tout t [t
0
, T]
R
t
:= exp
_

_
t
t
0
r(s, X
t
0
,x
0
s
) ds
_
et
M
t
:= R
t
u(t, X
t
0
,x
0
t
).
Alors (M
t
)
t[t
0
,T]
est une T
t[t
0
,T]
martingale locale.
Proposition 4.3 (Formule de Feynman-Kac)
Soit u la solution de (9) et (X
t
) la diusion associee `a (1). Alors si r(t, x) est
continue sur R
+
R, pour tous t
0
[0, T] et x
0
R on a
u(t
0
, x
0
) = E
_
exp
_

_
T
t
0
r(s, X
t
0
,x
0
s
) ds
_
f
T
(X
t
0
,x
0
T
)
_
.
Remarque : Lors du chapitre precedent nous avions obtenu une formule
pour pricer une option du type h = f
T
(S
T
). En suivant la meme demarche
pour un mod`ele plus general : le taux de lactif sans risque est une fonction
r(t, x) et le prix de lactif risque suit lEDS pour t > 0
dX
t
= b(t, X
t
) dt +(t, X
t
) dB
t
et X
0
= Z; on en conclut que le prix de loption h = f
T
(X
T
) au temps t doit
etre
V
t
= E
_
exp
_

_
T
t
r(s, X
s
) ds
_
f
T
(X
T
)

T
t
_
qui de part le Theor`eme 1.5 (propriete de Markov des diusions) secrit
= E
_
exp
_

_
T
t
r(u, X
t,x
u
) du
_
f
T
(X
t,x
T
)
_

x=Xt
.
La formule de Feynman-Kac nous donne un moyen de calculer cette esperance
dans la mesure ou lon sait identier la solution u(t, x) (au moins numeriquement)
de lEDP deterministe
u
t
(t, x) +/
t
u(t, x) r(t, x)u(t, x) = 0
o` u (t, x) [0, T] R avec u(T, x) = h = f
T
(X
T
) et
/
t
u(t, x) := b(t, x)
u
x
(t, x) +
1
2

2
(t, x)

2
u
x
2
(t, x).
On obtient ainsi
V
t
= u(t, X
t
).
10
2.3 Cas multidimensionnel
Le resultat precedent se generalisent aux cas des diusions `a valeurs vecto-
rielle. On consid`ere W
t
un mouvement brownien de dimension d et pour tout
i 1, ..., n
dX
i
t
= b
i
(t, X
t
) dt +
d

j=1

i,j
(t, X
t
)dW
j
t
.
On suppose toutes les bonnes hypoth`eses sur les coecients veriees. On
introduit pour chaque t loperateur /
t
qui op`ere sur les fonctions u de classe
(
1,2
de R
+
R
n
dans R selon
/
t
u(t, x) =

i=1
n
b
i
(t, x)
u
x
i
(t, x) +
1
2

1k,n
a
k,
(t, x)

2
u
x
k
x

(t, x)
o` u a(x, t) := (a
k,
(t, x)) est la matrice denie par a =

o` u

est la trans-
posee de i.e.
a
k,
(t, x) =
d

j=1

k,j
(t, x)
j,
(t, x).
Theor`eme 5.1
sous les bonnes hypoth`eses si (X
t
) est la diusion vectorielle associee au
syst`eme ci dessus et si u(t, x) est une fonction `a valeur reelle de classe (
1,2
`a derivee bornee sur R
+
R
n
et si r(t, x) est une fonction continue bornee
sur R
+
R
n
alors le processus
M
t
:= R
t
u(t, X
t
)
_
t
0
R
s
_
u
t
+/
s
u ru
_
(s, X
s
) ds
est une martingale, o` u R
t
= exp(
_
t
0
r(v, X
v
) dv)
De plus si u verie
u
t
(t, x) +/
t
u(t, x) r(t, x)u(t, x) = 0 (t, x) [0, T] R
n
avec u(T, x) = f
T
(x) pour tout x R
n
alors
u(t, x) = E
_
exp
_

_
T
t
r(s, X
t,x
s
) ds
_
f(X
t,x
T
)
_
.
11