Vous êtes sur la page 1sur 12

I.

Equations dierentielles stochastiques retrogrades


Lobjectif de ce chapitre est dintroduire la notion dequations dierentielles stochastiques
retrogrades, EDSR en abrege, et de preciser la terminologie employee dans ce contexte. Nous
montrerons le resultat classique dexistence et dunicite ; des exemples dEDSR sont donnes `a la
n du chapitre.
1. Vocabulaire et notations
1.1. Presentation du probl`eme
Considerons, sur un espace probabilise ltre (, T, (T
t
)
t0
, P), une variable aleatoire me-
surable par rapport `a T
T
. On voudrait resoudre lequation dierentielle suivante :
dY
t
dt
= f(Y
t
), t [0, T], avec, Y
T
= ,
en imposant que, pour tout instant t, Y
t
ne depende pas du futur apr`es t cest `a dire que le
processus Y soit adapte par rapport `a la ltration T
t

t0
.
Prenons lexemple le plus simple `a savoir f 0. Le candidat naturel est Y
t
= qui nest pas
adapte si nest pas deterministe. La meilleure approximation disons dans L
2
adaptee est la
martingale Y
t
= E( [ T
t
). Si on travaille avec la ltration naturelle dun mouvement brownien, le
theor`eme de representation des martingales browniennes Theor`eme I.2 permet de construire
un processus Z de carre integrable et adapte tel que :
Y
t
= E( [ T
t
) = E[] +
_
t
0
Z
s
dW
s
.
Un calcul elementaire montre alors que
Y
t
=
_
T
t
Z
s
dW
s
, i.e. dY
t
= Z
t
dW
t
, avec, Y
T
= .
On voit donc apparatre sur lexemple le plus simple une seconde inconnue qui est le processus
Z dont le role est de rendre le processus Y adapte.
Par consequent, comme une seconde variable apparat, pour obtenir la plus grande generalite,
on permet `a f de dependre du processus Z ; lequation devient donc :
dY
t
= f(t, Y
t
, Z
t
) dt Z
t
dW
t
, avec, Y
T
= .
1.2. Notations
On se donne (, T, P) un espace de probabilite complet et W un MB ddimensionnel sur cet
espace. On notera T
t

t0
la ltration naturelle du MB W. On travaillera avec deux espaces de
processus :
on notera tout dabord o
2
(R
k
) lespace vectoriel forme des processus Y , progressivement
mesurables, `a valeurs dans R
k
, tels que :
|Y |
2
S
2
:= E
_
sup
0tT
[Y
t
[
2
_
< ,
1
et o
2
c
(R
k
) le sous-espace forme par les processus continus. Deux processus indistinguables
seront toujours identies et nous garderons les memes notations pour les espaces quotients.
et ensuite /
2
(R
kd
) celui forme par les processus Z, progressivement mesurables, `a valeurs
dans R
kd
, tels que :
|Z|
2
M
2
:= E
__
T
0
|Z
t
|
2
dt
_
< ,
o` u si z R
kd
, |z|
2
= trace(zz

). M
2
(R
kd
) designe lensemble des classes dequivalence
de /
2
(R
kd
).
R
k
et R
kd
seront souvent omis ; les espaces o
2
, o
2
c
et M
2
sont des espaces de Banach pour
les normes denies precedemment. Nous designerons B
2
lespace de Banach o
2
c
(R
k
) M
2
(R
kd
).
Dans tout ce chapitre, ainsi que dans le suivant, nous nous donnons une application aleatoire
f denie sur [0, T] R
k
R
kd
`a valeurs dans R
k
telle que, pour tout (y, z) R
k
R
kd
, le
processus f(t, y, z)
0tT
soit progressivement mesurable. On consid`ere egalement une variable
aleatoire , mesurable par rapport `a T
T
et `a valeurs dans R
k
.
Dans ce contexte, on veut resoudre lequation dierentielle stochastique retrograde (EDSR
en abrege) suivante :
dY
t
= f(t, Y
t
, Z
t
) dt Z
t
dW
t
, 0 t T, Y
T
= ,
ou, de facon equivalente, sous forme integrale,
Y
t
= +
_
T
t
f(r, Y
r
, Z
r
) dr
_
T
t
Z
r
dW
r
, 0 t T. (1)
La fonction f sappelle le generateur de lEDSR et la condition terminale. Sans plus tarder,
precisons ce que lon entend par solution de lEDSR (1).
Denition 1. Une solution de lEDSR (1) est un couple de processus (Y
t
, Z
t
)
0tT
veriant :
1. Y et Z sont progressivement mesurables `a valeurs respectivement dans R
k
et R
kd
;
2. Pp.s.
_
T
0
_
[f(r, Y
r
, Z
r
)[ +|Z
r
|
2
_
dr < ;
3. Pp.s., on a :
Y
t
= +
_
T
t
f(r, Y
r
, Z
r
) dr
_
T
t
Z
r
dW
r
, 0 t T.
Remarque. Il est important de retenir les deux points suivants : tout dabord, les integrales
de lequation (1) etant bien denies, Y est une semi-martingale continue ; ensuite, comme le
processus Y est progressivement mesurable, il est adapte et donc en particulier Y
0
est une
quantite deterministe.
Avant de donner un premier theor`eme dexistence et dunicite, nous allons montrer, que sous
une hypoth`ese relativement faible sur le generateur f, le processus Y appartient `a o
2
.
Proposition 2. Supposons quil existe un processus f
t

0tT
, positif, appartenant `a M
2
(R) et
une constante positive tels que
(t, y, z) [0, T] R
k
R
kd
, [f(t, y, z)[ f
t
+([y[ +|z|) .
Si (Y
t
, Z
t
)
0tT
est une solution de lEDSR (1) telle que Z M
2
alors Y appartient `a o
2
c
.
2
Demonstration. Le resultat se deduit principalement du lemme de Gronwall et du fait que Y
0
est deterministe. En eet, on a, pour tout t [0, T],
Y
t
= Y
0

_
t
0
f(r, Y
r
, Z
r
) dr +
_
t
0
Z
r
dW
r
,
et par suite, utilisant lhypoth`ese sur f,
[Y
t
[ [Y
0
[ +
_
T
0
(f
r
+|Z
r
|) dr + sup
0tT

_
t
0
Z
r
dW
r

+
_
t
0
[Y
r
[ dr.
Posons
= [Y
0
[ +
_
T
0
(f
r
+|Z
r
|) dr + sup
0tT

_
t
0
Z
r
dW
r

.
Par hypoth`ese, Z appartient `a M
2
et donc, via linegalite de Doob, le troisi`eme terme est de carre
integrable ; il en est de meme pour f
t

0tT
, et Y
0
est deterministe donc de carre integrable ; il
sen suit que est une variable aleatoire de carre integrable.
Comme Y est un processus continu cf. remarque precedente, le lemme de Gronwall fournit
linegalite sup
0tT
[Y
t
[ e
T
qui montre que Y appartient `a o
2
.
Remarque. Le resultat est encore valable lorsque |f

|
1
est une variable aleatoire de carre inte-
grable.
Finissons par un resultat dintegrabilite qui nous servira `a plusieurs reprise.
Lemme 3. Soient Y o
2
(R
k
) et Z M
2
(R
kd
). Alors
__
t
0
Y
s
Z
s
dW
s
, t [0, T]
_
est une
martingale uniformement integrable.
Demonstration. Les inegalites BDG donnent
E
_
sup
0tT

_
t
0
Y
r
Z
r
dW
r

_
C E
_
_
_
T
0
[Y
r
[
2
|Z
r
|
2
dr
_
1/2
_
C E
_
sup
0tT
[Y
t
[
_
_
T
0
|Z
r
|
2
dr
_
1/2
_
,
et par suite, comme ab a
2
/2 +b
2
/2,
E
_
sup
0tT

_
t
0
Y
r
Z
r
dW
r

_
C

_
E
_
sup
0tT
[Y
t
[
2
_
+E
__
T
0
|Z
r
|
2
dr
_
_
.
Or cette derni`ere quantite est nie par hypoth`ese ; do` u le resultat.
2. Le cas Lipschitz
2.1. Le resultat de PardouxPeng
Dans ce paragraphe, nous allons montrer un premier resultat dexistence et dunicite qui
sera generalise au chapitre suivant. Ce resultat est d u `a E. Pardoux et S. Peng [PP90] ;
cest le premier resultat dexistence et dunicite pour les EDSR dans le cas o` u le generateur est
non-lineaire.
3
Rappelons pour la derni`ere fois que f est denie sur [0, T] R
k
R
kd
`a valeurs dans
R
k
, telle que, pour tout (y, z) R
k
R
kd
, le processus f(t, y, z)
0tT
soit progressivement
mesurable. On consid`ere egalement une variable aleatoire, T
T
mesurable, `a valeurs dans R
k
.
Voici les hypoth`eses sous lesquelles nous allons travailler.
(L) Il existe une constante telle que Pp.s.,
1. condition de Lipschitz en (y, z) : pour tout t, y, y

, z, z

f(t, y, z) f(t, y

, z


_
[y y

[ +|z z

|
_
;
2. condition dintegrabilite :
E
_
[[
2
+
_
T
0
[f(r, 0, 0)[
2
dr
_
< .
Nous commencons par un cas tr`es simple, celui o` u f ne depend ni de y ni de z i.e. on se donne
de carre integrable et un processus F
t

0tT
dans M
2
(R
k
) et on veut trouver une solution de
lEDSR
Y
t
= +
_
T
t
F
r
dr
_
T
t
Z
r
dW
r
, 0 t T. (2)
Lemme 1. Soient L
2
(T
T
) et F
t

0tT
M
2
(R
k
). LEDSR (2) poss`ede une unique solution
(Y, Z) telle que Z M
2
.
Demonstration. Supposons dans un premier temps que (Y, Z) soit une solution veriant Z M
2
.
Si on prend lesperance conditionnelle sachant T
t
, on a necessairement,
Y
t
= E
_
+
_
T
t
F
r
dr

T
t
_
.
On denit donc Y `a laide de la formule precedente et il reste `a trouver Z. Remarquons
que, dapr`es le theor`eme de Fubini, comme F est progressivement mesurable,
_
t
0
F
r
dr est un
processus adapte `a la ltration T
t

t[0,T]
; en fait dans o
2
c
puisque F est de carre integrable.
On a alors, pour tout t [0, T],
Y
t
= E
_
+
_
T
0
F
r
dr

T
t
_

_
t
0
F
r
dr := M
t

_
t
0
F
r
dr.
M est une martingale brownienne ; via le Theor`eme I.2 on construit un processus Z appar-
tenant `a M
2
tel que
Y
t
= M
t

_
t
0
F
r
dr = M
0
+
_
t
0
Z
r
dW
r

_
t
0
F
r
dr.
On verie facilement que (Y, Z) ainsi construit est une solution de lEDSR etudiee puisque
comme Y
T
= ,
Y
t
= M
0
+
_
t
0
Z
r
dW
r

_
t
0
F
r
dr
_
M
0
+
_
T
0
Z
r
dW
r

_
T
0
F
r
dr
_
=
_
T
t
F
r
dr
_
T
t
Z
r
dW
r
.
Lunicite est evidente pour les solutions veriant Z M
2
.
4
Nous montrons `a present le theor`eme de Pardoux et Peng.
Theor`eme 2. PardouxPeng 90. Sous lhypoth`ese (L), lEDSR (1) poss`ede une unique so-
lution (Y, Z) telle que Z M
2
.
Demonstration. Nous utilisons un argument de point xe dans lespace de Banach B
2
en construi-
sant une application de B
2
dans lui-meme de sorte que (Y, Z) B
2
est solution de lEDSR (1)
si et seulement si cest un point xe de .
Pour (U, V ) element de B
2
, on denit (Y, Z) = (U, V ) comme etant la solution de lEDSR :
Y
t
= +
_
T
t
f(r, U
r
, V
r
) dr
_
T
t
Z
r
dW
r
, 0 t T.
Remarquons que cette derni`ere EDSR poss`ede une unique solution qui est dans B
2
. En eet,
posons F
r
= f(r, U
r
, V
r
). Ce processus appartient `a M
2
puisque, f etant Lipschitz,
[F
r
[ [f(r, 0, 0)[ +[U
r
[ +|V
r
|,
et ces trois derniers processus sont de carre integrable. Par suite, nous pouvons appliquer le
Lemme 1 pour obtenir une unique solution (Y, Z) telle que Z M
2
. (Y, Z) appartient `a B
2
:
lintegralite de Z est obtenue par construction et, dapr`es la Proposition 2, Y appartient `a o
2
c
.
Lapplication de B
2
dans lui-meme est donc bien denie.
Soient (U, V ) et (U

, V

) deux elements de B
2
et (Y, Z) = (U, V ), (Y

, Z

) = (U

, V

).
Notons y = Y Y

et z = Z Z

. On a, y
T
= 0 et
dy
t
=
_
f(t, U
t
, V
t
) f(t, U

t
, V

t
)
_
dt +z
t
dW
t
.
On applique la formule de Ito `a e
t
[y
t
[
2
pour obtenir :
d
_
e
t
[y
t
[
2
_
= e
t
[y
t
[
2
dt 2e
t
y
t

_
f(t, U
t
, V
t
) f(t, U

t
, V

t
)
_
dt + 2e
t
y
t
z
t
dW
t
+e
t
|z
t
|
2
dt.
Par consequent, integrant entre t et T, on obtient
e
t
[y
t
[
2
+
_
T
t
e
r
|z
r
|
2
dr =
_
T
t
e
r
_
[y
r
[
2
+ 2y
r

_
f(r, U
r
, V
r
) f(r, U

r
, V

r
)
__
dr

_
T
t
2e
r
y
r
z
r
dW
r
,
et, comme f est Lipschitz, il vient, notant u et v pour U U

et V V

respectivement,
e
t
[y
t
[
2
+
_
T
t
e
r
|z
r
|
2
dr
_
T
t
e
r
_
[y
r
[
2
+ 2[y
r
[ [u
r
[ + 2[y
r
[ |v
r
|
_
dr
_
T
t
2e
r
y
r
z
r
dW
r
.
Pour tout > 0, on a 2ab a
2
/ +b
2
, et donc, linegalite precedente donne
e
t
[y
t
[
2
+
_
T
t
e
r
|z
r
|
2
dr
_
T
t
e
r
_
+ 2
2
/
_
[y
r
[
2
dr
_
T
t
2e
r
y
r
z
r
dW
r
+
_
T
t
e
r
_
[u
r
[
2
+|v
r
|
2
_
dr,
et prenant = 2
2
/, on a, notant R

=
_
T
0
e
r
_
[u
r
[
2
+|v
r
|
2
_
dr,
t [0, T], e
t
[y
t
[
2
+
_
T
t
e
r
|z
r
|
2
dr R

2
_
T
t
e
r
y
r
z
r
dW
r
. (3)
5
Dapr`es le Lemme 3, la martingale locale
_
_
t
0
e
r
y
r
z
r
dW
r
_
t[0,T]
est en realite une mar-
tingale nulle en 0 puisque Y , Y

appartiennent `a o
2
et Z, Z

appartiennent `a M
2
.
En particulier, prenant lesperance ce qui fait partir lintegrale stochastique via la remarque
precedente , on obtient facilement, pour t = 0,
E
__
T
0
e
r
|z
r
|
2
dr
_
E[R

] . (4)
Revenant `a linegalite (3), les inegalites BDG fournissent avec C universelle ,
E
_
sup
0tT
e
t
[y
t
[
2
_
E[R

] +C E
_
_
_
T
0
e
2r
[y
r
[
2
|z
r
|
2
dr
_
1/2
_
E[R

] +C E
_
sup
0tT
e
t/2
[y
t
[
_
_
T
0
e
r
|z
r
|
2
dr
_
1/2
_
,
puis, comme ab a
2
/2 +b
2
/2,
E
_
sup
0tT
e
t
[y
t
[
2
_
E[R

] +
1
2
E
_
sup
0tT
e
t
[y
t
[
2
_
+
C
2
2
E
__
T
0
e
r
|z
r
|
2
dr
_
.
Prenant en consideration linegalite (4), on obtient nalement
E
_
sup
0tT
e
t
[y
t
[
2
+
_
T
0
e
r
|z
r
|
2
dr
_

_
3 +C
2
_
E[R

] ,
et par suite, revenant `a la denition de R

,
E
_
sup
0tT
e
t
[y
t
[
2
+
_
T
0
e
r
|z
r
|
2
dr
_

_
3 +C
2
_
(1 T) E
_
sup
0tT
e
t
[u
t
[
2
+
_
T
0
e
r
|v
r
|
2
dr
_
.
Prenons tel que (3+C
2
)(1T) = 1/2, de sorte que lapplication est alors une contraction
stricte de B
2
dans lui-meme si on le munit de la norme
|(U, V )|

= E
_
sup
0tT
e
t
[U
t
[
2
+
_
T
0
e
r
|V
r
|
2
dr
_
1/2
,
qui en fait un espace de Banach cette derni`ere norme etant equivalente `a la norme usuelle
correspondant au cas = 0.
poss`ede donc un unique point xe, ce qui assure lexistence et lunicite dune solution de
lEDSR (1) dans B
2
.
On obtient ensuite une unique solution veriant Z M
2
puisque la Proposition 2 implique
quun telle solution appartient `a B
2
.
Remarque.
`
A partir de maintenant et sans plus insister, lexpression la solution de lEDSR
signiera la solution de lEDSR veriant Z M
2
.
6
2.2. Le role de Z
Nous allons voir que le role de Z, plus precisement celui du terme
_
T
t
Z
r
dW
r
est de rendre
le processus Y adapte et que lorsque ceci nest pas necessaire Z est nul.
Proposition 3. Soit (Y, Z) la solution de lEDSR (1) et soit un temps darret majore par T.
On suppose, outre lhypoth`ese (L), que est T

mesurable et que f(t, y, z) = 0 d`es que t .


Alors Y
t
= Y
t
et Z
t
= 0 si t .
Demonstration. On a, Pp.s.,
Y
t
= +
_
T
t
f(r, Y
r
, Z
r
) dr
_
T
t
Z
r
dW
r
, 0 t T,
et donc, pour t = , comme f(t, y, z) = 0 d`es que t ,
Y

= +
_
T

f(r, Y
r
, Z
r
) dr
_
T

Z
r
dW
r
=
_
T

Z
r
dW
r
.
Il vient alors Y

= E([T

) = et par suite
_
T

Z
r
dW
r
= 0 do` u lon tire que
E
_
_
_
T

Z
r
dW
r
_
2
_
= E
__
T

|Z
r
|
2
dr
_
= 0,
et nalement que Z
r
1
r
= 0.
Il sen suit immediatement que, si t , Y
t
= Y

, puisque par hypoth`ese,


Y

= Y
t
+
_
t

f(r, Y
r
, Z
r
) dr
_
t

Z
r
dW
r
= Y
t
+ 0 0,
ce qui termine la preuve.
Notons que dans le cas o` u et f sont deterministes alors Z est nul et Y est la solution de
lequation dierentielle
dY
t
dt
= f(t, Y
t
, 0), Y
T
= .
2.3. Une estimation `a priori
Nous nissons ce paragraphe en donnant une premi`ere estimation sur les EDSR : il sagit en
fait detudier la dependance de la solution de lEDSR par rapport aux donnees qui sont et le
processus f(t, 0, 0)
0tT
. Cette etude sera reprise au chapitre suivant.
Proposition 4. Supposons que (, f) verie (L). Soit (Y, Z) la solution de lEDSR (1) telle que
Z M
2
. Alors, il existe une constante C
u
universelle telle que, pour tout 1 + 2 + 2
2
,
E
_
sup
0tT
e
t
[Y
t
[
2
+
_
T
0
e
t
|Z
t
|
2
dt
_
C
u
E
_
e
T
[[
2
+
_
T
0
e
t
[f(t, 0, 0)[
2
dt
_
.
Demonstration. On applique la formule de Ito `a e
t
[Y
t
[
2
pour obtenir :
e
t
[Y
t
[
2
+
_
T
t
e
r
|Z
r
|
2
dr = e
T
[[
2
+
_
T
t
e
r
_
[Y
r
[
2
+ 2Y
r
f(r, Y
r
, Z
r
)
_
dr
_
T
t
2e
r
Y
r
Z
r
dW
r
.
7
Comme f est Lipschitz, on a, pour tout (t, y, z),
2y f(t, y, z) 2[y[ [f(t, 0, 0)[ + 2[y[
2
+ 2[y[ |z|,
et donc utilisant le fait que 2ab a
2
+b
2
/ pour = 1 puis 2,
2y f(t, y, z) (1 + 2 + 2
2
)[y[
2
+[f(t, 0, 0)[
2
+|z|
2
/2.
Pour 1 + 2 + 2
2
on obtient, pour tout t [0, T],
e
t
[Y
t
[
2
+
1
2
_
T
t
e
r
|Z
r
|
2
dr e
T
[[
2
+
_
T
0
e
r
[f(r, 0, 0)[
2
dr 2
_
T
t
e
r
Y
r
Z
r
dW
r
. (5)
La martingale locale
_
_
t
0
e
r
Y
r
Z
r
dW
r
, t [0, T]
_
est une martingale cf. Lemme 3. En
particulier, prenant lesperance, on obtient facilement, pour t = 0,
E
__
T
0
e
r
|Z
r
|
2
dr
_
2 E
_
e
T
[[
2
+
_
T
0
e
r
[f(r, 0, 0)[
2
dr
_
.
Revenant `a linegalite (5), les inegalites BDG fournissent avec C universelle ,
E
_
sup
0tT
e
t
[Y
t
[
2
_
E
_
e
T
[[
2
+
_
T
0
e
r
[f(r, 0, 0)[
2
dr
_
+C E
_
_
_
T
0
e
2r
[Y
r
[
2
|Z
r
|
2
dr
_
1/2
_
.
Dautre part,
C E
_
_
_
T
0
e
2r
[Y
r
[
2
|Z
r
|
2
dr
_
1/2
_
C E
_
sup
0tT
e
t/2
[Y
t
[
_
_
T
0
e
r
|Z
r
|
2
dr
_
1/2
_

1
2
E
_
sup
0tT
e
t
[Y
t
[
2
_
+
C
2
2
E
__
T
0
e
r
|Z
r
|
2
dr
_
.
Il vient alors,
E
_
sup
0tT
e
t
[Y
t
[
2
_
2 E
_
e
T
[[
2
+
_
T
0
e
r
[f(r, 0, 0)[
2
dr
_
+C
2
E
__
T
0
e
r
|Z
r
|
2
dr
_
,
et nalement on obtient
E
_
sup
0tT
e
t
[Y
t
[
2
+
_
T
0
e
r
|Z
r
|
2
dr
_
2
_
2 +C
2
_
E
_
e
T
[[
2
+
_
T
0
e
r
[f(r, 0, 0)[
2
dr
_
,
ce qui termine la preuve de la proposition prenant C
u
= 2
_
2 +C
2
_
.
3. Theor`eme de comparaison
3.1. EDSR lineaires
Dans ce paragraphe nous etudions le cas particulier des EDSR lineaires pour lesquelles nous
allons donner une formule plus ou moins explicite.
On se place dans le cas k = 1 ; Y est donc reel et Z est une matrice de taille 1 d cest `a
dire un vecteur ligne de dimension d.
8
Proposition 1. Soit (a
t
, b
t
)
t[0,T]
un processus `a valeurs dans RR
d
, progressivement mesu-
rable et borne. Soient c
t

t[0,T]
un element de M
2
(R) et une variable aleatoire, T
T
mesurable,
de carre integrable, `a valeurs reelles.
LEDSR lineaire
Y
t
= +
_
T
t
a
r
Y
r
+Z
r
b
r
+c
r
dr
_
T
t
Z
r
dW
r
,
poss`ede une unique solution qui verie :
t [0, T], Y
t
=
1
t
E
_

T
+
_
T
t
c
r

r
dr

T
t
_
,
avec, pour tout t [0, T],

t
= exp
_
_
t
0
b
r
dW
r

1
2
_
t
0
[b
r
[
2
dr +
_
t
0
a
r
dr
_
.
Demonstration. Commencons par remarquer que le processus verie :
d
t
=
t
(a
t
dt +b
t
dW
t
) ,
0
= 1.
Dautre part, comme b est borne, linegalite de Doob montre que appartient `a o
2
.
De plus, les hypoth`eses de cette proposition assure lexistence dune unique solution (Y, Z)
`a lEDSR lineaire ; il sut de poser f(t, y, z) = a
t
y +zb
t
+c
t
et de verier que (L) est satisfaite.
Y appartient `a o
2
par la Proposition 2.
La formule dintegration par parties donne
d
t
Y
t
=
t
dY
t
+Y
t
d
t
+d, Y )
t
=
t
c
t
dt +
t
Z
t
dW
t
+
t
Y
t
b
t
dW
t
,
ce qui montre que le processus
t
Y
t
+
_
t
0
c
r

r
dr est une martingale locale qui est en fait une
martingale car c M
2
et , Y sont dans o
2
.
Par suite,

t
Y
t
+
_
t
0
c
r

r
dr = E
_

T
Y
T
+
_
T
0
c
r

r
dr

T
t
_
,
ce qui donne la formule annoncee.
Remarque. Notons que si 0 et si c
t
0 alors la solution de lEDSR lineaire verie Y
t
0.
Cette remarque va nous permettre dobtenir le theor`eme de comparaison au paragraphe suivant.
Pour illustrer ce resultat prenons le cas o` u a et c sont nuls. On a alors
Y
t
= E
_
exp
_
_
T
t
b
r
dW
r

1
2
_
T
t
[b
r
[
2
dr
_

T
t
_
= E

( [ T
t
) ,
o` u P

est la mesure de densite par rapport `a P


L
T
= exp
_
_
T
0
b
r
dW
r

1
2
_
T
0
[b
r
[
2
dr
_
.
Une autre facon de voir cela, plus dans lesprit probabilite risque neutre , est de regarder
lEDSR sous P

. En eet, sous P

, B
t
= W
t

_
t
0
b
r
dr est un MB cest le theor`eme de Girsanov
cf. Theor`eme I.3. Or lequation peut secrire
dY
t
= Z
t
b
t
dt Z
t
dW
t
= Z
t
dB
t
, Y
T
= .
Donc, sous P

, Y est une martingale, ce qui montre aussi la formule.


On retrouve ainsi les changements de mesures de probabilite du type transformation de
Girsanov .
9
3.2. Theor`eme de comparaison
Ce paragraphe est consacre au theor`eme de comparaison qui permet de comparer les
solutions de deux EDSR (dans R) d`es que lon sait comparer les conditions terminales et les
generateurs. Ce theor`eme est d u `a lorigine `a S. Peng [Pen92].
Theor`eme 2. Supposons que k = 1 et que (, f), (

, f

) verient lhypoth`ese (L). On note


(Y, Z) et (Y

, Z

) les solutions des EDSR correspondantes. On suppose egalement que Pp.s.


et que f(t, Y
t
, Z
t
) f

(t, Y
t
, Z
t
) mPp.p. (m mesure de Lebesgue). Alors,
P p.s., t [0, T], Y
t
Y

t
.
Si de plus, Y
0
= Y

0
, alors Pp.s., Y
t
= Y

t
, 0 t T et f(t, Y
t
, Z
t
) = f

(t, Y
t
, Z
t
) m P
p.p. En particulier, d`es que P( <

) > 0 ou f(t, Y
t
, Z
t
) < f

(t, Y
t
, Z
t
) sur un ensemble de
mPmesure strictement positive alors Y
0
< Y

0
.
Demonstration. La preuve seectue par linearisation ce qui permet de se ramener aux EDSR
lineaires. On cherche une equation satisfaite par U = Y

Y ; on a notant V = Z

Z et
=

,
U
t
= +
_
T
t
_
f

(r, Y

r
, Z

r
) f(r, Y
r
, Z
r
)
_
dr
_
T
t
V
r
dW
r
.
On decoupe laccroissement des f en trois morceaux en ecrivant
f

(r, Y

r
, Z

r
) f(r, Y
r
, Z
r
) = f

(r, Y

r
, Z

r
) f

(r, Y
r
, Z

r
) +f

(r, Y
r
, Z

r
) f

(r, Y
r
, Z
r
)
+f

(r, Y
r
, Z
r
) f(r, Y
r
, Z
r
) (qui est positif ici).
On introduit deux processus a et b : a est `a valeurs reelles et b est un vecteur (colonne) de
dimension d. On pose :
a
r
=
f

(r, Y

r
, Z

r
) f

(r, Y
r
, Z

r
)
U
r
, si U
r
,= 0, et a
r
= 0 sinon.
Pour denir b, on doit introduire une autre notation : pour 0 i d, Z
(i)
r
est la ligne dont
les d i derni`eres composantes sont celles de Z

r
et les i premi`eres celles de Z
r
. Pour 1 i d,
on pose
b
i
r
=
f

_
r, Y
r
, Z
(i1)
r
_
f

_
r, Y
r
, Z
(i)
r
_
V
i
r
, si V
i
r
,= 0, et b
i
r
= 0 sinon.
Remarquons que, puisque f

est Lipschitz, ces deux processus sont progressivement mesu-


rables et bornes. Avec ces notations, on a,
U
t
= +
_
T
t
(a
r
U
r
+V
r
b
r
+c
r
) dr
_
T
t
V
r
dW
r
,
o` u c
r
= f

(r, Y
r
, Z
r
) f(r, Y
r
, Z
r
). Par hypoth`ese, on a 0 et c
r
0. Utilisant la formule
explicite pour les EDSR lineaires Proposition 1 , on a, pour t [0, T],
U
t
=
t
1
E
_

T
+
_
T
t
c
r

r
dr

T
t
_
,
avec, pour 0 r T,

r
= exp
_
_
r
0
b
u
dW
u

1
2
_
r
0
[b
u
[
2
du +
_
r
0
a
u
du
_
.
10
Comme dej`a mentionne lors de la remarque suivant la Proposition 1, cette formule montre
que U
t
0, d`es que 0 et c
r
0.
Pour la seconde partie du resultat, si de plus U
0
= 0 on a :
0 = E
_

T
+
_
T
0
c
r

r
dr
_
,
et la variable aleatoire integree est positive. Par consequent, elle est nulle Pp.s. ce qui termine
la preuve de ce theor`eme en remarquant que dans ce cas = 0 et c
r
= 0.
Remarque. On peut supposer que f(t, Y

t
, Z

t
) f

(t, Y

t
, Z

t
) au lieu de f(t, Y
t
, Z
t
) f(t, Y
t
, Z
t
)
pour obtenir le resultat precedent. Il sut de faire une linearisation en partant de lecriture
f

(r, Y

r
, Z

r
) f(r, Y
r
, Z
r
) = f

(r, Y

r
, Z

r
) f(r, Y

r
, Z

r
) (suppose positif ici)
+f(r, Y

r
, Z

r
) f(r, Y
r
, Z

r
) +f(r, Y
r
, Z

r
) f(r, Y
r
, Z
r
).
3.3. Mod`ele de BlackScholes
Le mod`ele de BlackScholes conduit `a un exemple dEDSR lineaire. Prenons le cas le plus
simple. On a se place dans un marche nancier sur lequel on a une action dont le prix dune
part est regi par lEDS
dS
t
= S
t
(dt + dW
t
), S
0
= x,
o` u R, > 0 ; le param`etre sappelle la volatilite. On a, pour tout t 0,
S
t
= xexp
_
W
t
+ (
2
/2)t
_
.
Parall`element `a cette action, on a un placement sans risque disons un livret de Caisse
depargne pour xer les idees dont le taux de rendement est constant, egal `a r ; le prix dune
part est donne part
dE
t
= rE
t
dt, E
0
= y, i.e. E
t
= ye
rt
.
Une strategie est la donnee dun couple de processus, (p
t
, q
t
)
t0
, adapte par rapport `a la
ltration du MB W ; q
t
represente le nombre de parts dactif sans risque et p
t
celui dactif risque
i.e. le nombre dactions detenues dans le portefeuille `a linstant t. La valeur du portefeuille est
donc, `a linstant t,
V
t
= q
t
E
t
+p
t
S
t
.
On ne consid`ere que des strategies autonancees ce qui se traduit par le fait que levolution
de la valeur du portefeuille est decrite par
dV
t
= q
t
dE
t
+p
t
dS
t
= rq
t
E
t
dt +p
t
S
t
(dt + dW
t
).
Or q
t
E
t
= V
t
p
t
S
t
et donc, on a, notant
t
= p
t
S
t
la somme dargent detenue en actions

dV
t
= rV
t
dt +
t
( r)/ dt +
t
dW
t
,
soit encore notant Z
t
=
t
et = ( r)/ le risk premium ,
dV
t
= rV
t
dt +Z
t
dt +Z
t
dW
t
.
Un probl`eme frequent en nance consiste `a donner un prix aux options. Une option euro-
peenne dachat, un call , de maturite T et de prix dexercice K est un contrat qui donne le
droit mais non lobligation `a son detenteur dacheter une part de laction au prix dexercice K
11
`a la date T. Le vendeur de loption sengage donc `a payer `a son detenteur la somme (S
T
K)
+
qui represente le prot que permet lexercice de loption. Plus generalement on peut imaginer un
actif contingent dont le benece est une variable aleatoire positive qui depend de (S
t
)
0tT
.
`
A quel prix v vendre loption? Le vendeur doit sassurer quen vendant loption `a ce prix `a la
date t = 0, il disposera de la somme `a la date t = T.
Pour trouver v, lidee fondamentale est celle de duplication : le vendeur vend loption au prix
v et investit cette somme dans le marche en suivant la strategie (Z
t
)
0tT
`a trouver ! La valeur
de son portefeuille est regie par lEDS
dV
t
= rV
t
dt +Z
t
dt +Z
t
dW
t
, V
0
= v.
Le probl`eme est alors de trouver v et Z
t

0tT
de sorte que la solution de lEDS precedente
verie V
T
= ; on dit que dans ce cas que v est le prix equitable. En dautres termes, peut-on
trouver (V
t
, Z
t
)
0tT
adapte tels que :
dV
t
= rV
t
dt +Z
t
dt +Z
t
dW
t
, V
T
= ,
auquel cas il sut de vendre loption au prix v = V
0
. Il sagit dans ce cas de resoudre une EDSR
qui est lineaire.
Supposons maintenant que le regulateur du marche veuille eviter la revente instantanee
de laction. Il peut soit interdire formellement cette transaction soit penaliser les investisseurs
qui se livrent `a cette pratique par exemple en leur faisant verser une somme proportionnelle
`a

t
= Z

t
( > 0). Dans ce dernier cas, dupliquer un actif contingent revient `a resoudre
lEDSR,
dV
t
= (rV
t
+Z
t
Z

t
) dt +Z
t
dW
t
, V
T
= .
LEDSR nest plus lineaire mais verie neanmoins lhypoth`ese (L). Un autre exemple dEDSR
non-lineaire intervenant en nance est le suivant :
dV
t
= (rV
t
+Z
t
) dt +Z
t
dW
t
(R r)(V
t
Z
t
/)

dt, V
T
= .
On est amene `a resoudre cette derni`ere equation pour dupliquer un actif contingent lorsque le
taux demprunt est R > r.
Signalons que dans tous les exemples precedents, les strategies sont admissibles i.e. V
t
0.
Cela resulte du theor`eme de comparaison puisque 0 et f(t, 0, 0) 0.
References
[Pen92] S. Peng, Stochastic Hamilton-Jacobi-Bellman equations, SIAM J. Control Optim. 30
(1992), no. 2, 284304.
[PP90] E. Pardoux and S. Peng, Adapted solution of a backward stochastic dierential equation,
Systems Control Lett. 14 (1990), no. 1, 5561.
12