Vous êtes sur la page 1sur 38

Backward Stochastic Differential Equations

driven by Levy Process


Equations Diffrentielles Stochastiques
Rtrogrades diriges par un processus de
Lvy

Mohamed EL OTMANI
Universit Abdelmalek Essadi
Facult Polydisciplinaire Larache

Ecole de recherche CIMPA-UNESCO-MESR-MINECO-MAROC


Mthodes Statistiques et Applications en Actuariat et Finance

Marrakech, 08-13 Avril 2013


1 Equations Diffrentielles Stochastiques Rtrogrades
diriges par un processus de Lvy

2 Marchs financiers dirigs par un processus de Lvy

3 Application au March Financier dirig par un


processus de Lvy Simple

4 Schma dapproximation des EDS Progressives


rtrogrades diriges par un processus de Lvy
Prsentation

(Lt )0tT un processus de Lvy dfini sur (, F, P) dexposant


caractristique:
 Z h 
h
iLt
i 1 2 2 ix
i
E e = exp ibt t + t e 1 ixI{|x|<1} (dx)
2 R

o b R, > 0 et est une mesure dfinie sur R \ {0} telle


que Z+
(1 x 2 )(dx) < .

Prsentation

Supposons quil existe > 0 et > 0 tels que


Z
exp(|x|)(dx) < .
(,)c

Ceci implique que


Z +
|x|i (dx) < , i 2.

(Ft )0tT est la filtration naturelle de L.


Martingales de Teugels

On note
Lt = lim Ls et Lt = Lt Lt .
st

(1) (i) P i
Lt = Lt et Lt = 0<st (Ls ) , i 2.
(i) R
= mi t o m1 = b +
E[Lt ] |x|1 x(dx) et
R + i
mi = x (dx), i 2.
(i) (i)
Yt = Lt mi t, i 1.
(i) (j)
= ij=1 aij Yt , i 1.
P
Ht
Les martingales H (i) , i 1 sont deux deux fortement
(i) (j)
orthogonales [H , H ]t est une martingale et on a
(i) (j)
< H , H >t = i,j t.
Proprit de la reprsentation prvisible

Nualart et Schoutens (2000), Chaotic and predictable


representations for Lvy processes, Stochastic Processes
and their Applications. 90, 109-122.
reprsentation prvisible
Soit F L2 (, FT , P). Alors F admet une reprsentation de la
forme
Z T
(k ) (k )
X
F = E[F ] + t dHt ,
k =1 0

o les (k ) sont des processus prvisibles vrifiant


Z T
(k )
E |t |2 dt < +.
0
EDSR dirige par un processus de Lvy
 
P 1
`2 = x = (xn )n1 / kxk`2 = n=1 |xn |2 2
< .

L2 (, FT , P),
f : [0, T ] R `2 R telle que
(i) (f (t, 0, 0))tT est progressivement mesurable avec
RT
E 0 |f (t, 0, 0)|2 dt < .
(ii) la fonction f est uniformment -Lipschitz.

Z T Z T
(k ) (k )
X
Yt = + f (s, Ys , Vs )ds Vs dHs .
t k =1 t

Nualart et Schoutens (2001), Backward stochastic


differential equations and Faynman-Kac formula for Lvy
processes with application in finance, Bernoulli. 5, 761-776.
Supposons maintenant que la filtration (Ft )tT est engendre
par
(Wt )tT mouvement Brownien standard
(Lt )tT = (bt + lt )tT , o l est un processus de Lvy
purement de sauts
Reprsentation Prvisible
Soit F L2 (, FT , P). Alors, F admet la reprsentation
suivante
Z T Z T
(0) (k ) (k )
X
F = E[F ] + t dWt + t dHt ,
0 k =1 0

o les (k ) sont des processus prvisibles vrifiant


Z T
(k )
E |t |2 dt < +.
0
L2 (, FT , P),
f : [0, T ] R R `2 R telle que
(i) (f (t, 0, 0, 0))tT est progressivement mesurable avec
RT
E 0 |f (t, 0, 0, 0)|2 dt < .
(ii) la fonction f est uniformment -Lipschitz.

Z T Z T Z T
(k ) (k )
X
Yt = + f (s, Ys , Zs , Vs )ds Zs dWs Vs dHs .
t t k =1 t

Bahlali, Eddahbi et Essaky (2003), BSDE associated with


Lvy process and application to PDIE, J. Appl. Math.
Stochastic Anal. 16(1), 1-17.
M. El Otmani et Y. Ren, Doubly reflected BSDEs driven by
a Levy process, Nonlinear Analysis: Real World
Applications 13 (2012), 12521267.
M. El Otmani et Y. Ren, Generalized Reflected BSDEs
driven by a Levy process, Journal of Computational and
Applied Mathematics. 233 (2010) 20272043.
M. El Otmani, Reflected BSDE Driven by a Lvy Process,
Journal of Theoretical Probability: Volume 22, Issue 3
(2009), 601619.
M. El Otmani, BSDEs driven by Levy process with enlarged
filtration and Applications, Statistics and Probability Letters.
79 (2009), 4449.
M. El Otmani, Generalized BSDE driven by a Lvy
process, Journal of Applied Mathematics and Stochastic
Analysis. (2006), Article ID 85407.
1 Equations Diffrentielles Stochastiques Rtrogrades
diriges par un processus de Lvy

2 Marchs financiers dirigs par un processus de Lvy

3 Application au March Financier dirig par un


processus de Lvy Simple

4 Schma dapproximation des EDS Progressives


rtrogrades diriges par un processus de Lvy
un actif non risqu : Xt0 = ert , o r est le taux dintrt
un actif risqu dont la dynamique est une exponentielle
stochastique
Xt = x exp (rt + Lt )
o x > 0 et (Lt )tT est un processus de Lvy

Supposons quil existe une certaine mesure de risque-neutre Q


t = ert Xt est
sous laquelle L est un processus de Lvy et X
une martingale.
Remarque
Il existe un processus de Lvy (Lt )tT caractris par le triplet
(L , L2 , L ) tel que le processus X , vrifiant

Xt = x exp (rt + Lt )

est aussi solution de lquation de Dolans-Dade

dXt = Xt dLt , X0 = x.

Le triplet de Lvy (L , L2 , L ) est donn par


L =
b + 12 2 + (dy ) (ey 1)I[1,1] (ey 1) y I[1,1] (y ) ,
R 

L2 = 2 ,
IA (ey 1)(dy ).
R
L (A) =
Dans le cas o la dynamique de lactif risqu est donne par

dXt = Xt dLt , X0 = 1,
(k )
o Lt = bt + Wt + dk =1 k Nt , lexistence dune mesure
P
martingale quivalente Q est assure si 1 .AT > 0, o est la
matrice de Vandermonde

1 1 ... 1
1 2 ... d

=


1d1 2d1 ... dd1
Pd
AT = (a(2) , a(3) , ..., a(d+1) ) et a(i) = i (j)
j=1 j i = 2, ..., d + 1.
La valeur dune option Europenne de payoff g(XT ) est
donne tout instant t T par
h i
Ct = EQ er (T t) g(XT )/ Ft .
La valeur dune option Europenne de payoff g(XT ) est
donne tout instant t T par
h i
Ct = EQ er (T t) g(XT )/ Ft .

On pose
h i
C(t, x) = EQ er (T t) g(XT )/ Xt = x .

Remarque
Si la fonction g est -Lipschitz alors la fonction x 7 C(t, x) est
aussi -Lipschitz, pour tout t T .
Proposition
La fonction C est continue sur [0, T ] [0, +), de classe C 1,2
sur ]0, T []0, +) et vrifie lquation integro-diffrentielle
suivante:

C
(t, x) + LC(t, x) rC(t, x) = 0, (t, x) [0, T ) [0, +)
t
C(T , x) = g(x), x [0, +)

o
1 C 1 2C
LC(t, x) = (m1 + 2 )x (t, x) + 2 x 2 2 (t, x)
Z 2 x 2 x 
C
+ C(t, x(1 + y )) C(t, x) (t, x)y (dy ).
R x
On considre que la dynamique de lactif risqu est solution de
lquation diffrentielle stochastique suivante

dXt = (Xt )dWt + c(Xt )dLt , X0 = x, (1)

o (Wt )tT est un mouvement Brownien et (Lt )tT est un


processus de Lvy indpendant purement de sauts tel que
Lt = bt + lt . On considre que la filtration (Ft )tT est
engendre par W et L.
Proposition
Supposons que c et sont -Lipschitz. Alors il existe un seul
processus (Xt )tT , adapt la filtration (Ft )t et solution de
lquation (1). De plus

E sup |Xt |p Cp (1 + |x|p ), p 1. (2)


0tT
Nous supposons quil existe une mesure de risque neutre Q
sous laquelle L est un processus de Lvy et (ert Xt )tT est
une martingale.
La valeur dune option Europenne de payoff g(XT ) est
donne tout instant t T par
h i
C(t, Xt ) = EQ er (T t) g(XT )/ Ft .
Proposition
Supposons que C C 1,2 ([0, T ] R; R). Alors, C est solution de
lquation integro-diffrentielle suivante

t u(t, x) + Lu(t, x) ru(t, x) = 0, (t, x) [0, T ) R;
u(T , x) = g(x), x R

o
1 1
L(t, x) = (m1 + 2 )c(x)x (t, x) + 2 (x)xx (t, x)
Z 2 2
+ [(t, x + c(x)y ) (t, x) x (t, x)c(x)y ] (dy ).
R
En gnral, la fonction C nest pas rgulire. Nous essayons
dexprimer C comme solution de viscosit dun systme
dquations integro-diffrentielles, puis grce aux quations
diffrentielles stochastiques rtrogrades diriges par un
processus de Lvy, nous donnons une interprtation
probabiliste de cette solution.
On considre le systme

t u(t, x) + Lu(t, x) + f (t, x, u(t, x), (x)x u(t, x)) = 0,
(t, x) [0, T ) R (3)
u(T , x) = g(x), x R

o
f : [0, T ] R3 R est continue, -Lipschitz uniformment
en (t, x) telle que
|f (t, x, 0, 0)| (1 + |x|p ) pour p > 1;
g : R R est -Lipschitz.
Solution de Viscosit
u C([0, T ] R, R) est sous-solution de viscosit du
systme (3), si u(T , x) g(x); x R, et pour toute
fonction C 1,2 ([0, T ] R), si u admet un maximum
local en (t, x) alors

t (t, x) L(t, x) f (t, x, u(t, x), (x)x (t, x)) 0.

u C([0, T ] R, R) est une sur-solution de viscosit du


systme (3), si
u(T , x) g(x); x R, et pour C 1,2 ([0, T ] R), si
u admet un minimum local en (t, x), alors

t (t, x) L(t, x) f (t, x, u(t, x), (x)x (t, x)) 0.

u C([0, T ] R, R) est solution de viscosit si elle est la


fois sous-et sur-solution de viscosit.
EDS Progressives rtrogrades diriges par un processus de Lvy

Pour tout (t, x) [0, T ) R


X t,x est lunique solution de lEDS
Z ts Z ts
Xst,x =x+ (Xrt,x )dWr + c(Xrt,x
)dLr .
t t

le triplet (Y t,x , Z t,x , V t,x ) est lunique solution de lEDSR


Z T Z T
Yst,x = g(XTt,x ) + f (r , Xrt,x , Yrt,x , Zrt,x )dr Zrt,x dWr
ts ts
Z T
t,x(k ) (k )
X
Vr dHr
k =1 ts
Thorme
La fonction u : [0, T ] R R dfinie par u(t, x) = Ytt,x est une
solution de viscosit du systme (3).
1 Equations Diffrentielles Stochastiques Rtrogrades
diriges par un processus de Lvy

2 Marchs financiers dirigs par un processus de Lvy

3 Application au March Financier dirig par un


processus de Lvy Simple

4 Schma dapproximation des EDS Progressives


rtrogrades diriges par un processus de Lvy
Supposons que
d
(k )
X
Lt = bt + k Nt .
k =1

(N (k ) )dk =1
est une famille de processus de Poisson
indpendants dintensits respectives ((k ) )dk =1 .
On pose pour k = 1, ..., d

(k ) = 1 (N (k ) (k ) t).
Nt t
(k )

Lon, Sol, Utzet et Vives (2002), On Lvy processes,


Malliavin calculus and market models with jumps, Finance
and Stochastic, 6, 197-225.
On considre un march financier dirig par
un actif non risqu : Xt0 = ert .
un actif risqu :
Z t Z t d Z t
(k )
X
Xt = x + b(Xs )ds + (Xs )dWs + s .
ck (Xs )d N
0 0 k =1 0
On considre un march financier dirig par
un actif non risqu : Xt0 = ert .
un actif risqu :
Z t Z t d Z t
(k )
X
Xt = x + b(Xs )ds + (Xs )dWs + s .
ck (Xs )d N
0 0 k =1 0

On complte ce march par d actifs supplmentaires de


dynamiques
d Z t
s(k ) ,
X
Xti = cki (Xs )d N i = 2, ..., d + 1.
k =1 0

J. Corcuera , D. Nualart and W. Schoutens, Completion of a


Lvy market by power-jump assets, Finance and
Stochastics. (2005), 9(1) 109-127.
La fonction valeur dune option europenne de payoff g(XT )
est donne en tout instant t infrieure lchance T par
h i
C(t, x) = EQ er (T t) g(XT )/ Xt = x .
La fonction valeur dune option europenne de payoff g(XT )
est donne en tout instant t infrieure lchance T par
h i
C(t, x) = EQ er (T t) g(XT )/ Xt = x .

Si C C 1,2 ([0, T ] R; R). Alors, la fonction C vrifie

t C(t, x) + AC(t, x) + C 1 (t, x) rC(t, x) = 0,


(EDPI) (t, x) [0, T ) R


u(T , x) = g(x), x R

A(t, x) = b(x)x (t, x) + 12 2 (x)xx (t, x),


d
X
1
(t, x) = {(t, x + ck (x)) (t, x) x (t, x)ck (x)}
k =1
1 Equations Diffrentielles Stochastiques Rtrogrades
diriges par un processus de Lvy

2 Marchs financiers dirigs par un processus de Lvy

3 Application au March Financier dirig par un


processus de Lvy Simple

4 Schma dapproximation des EDS Progressives


rtrogrades diriges par un processus de Lvy
Approximation de lEDS progressive

Pour une subdivision := {0 = t0 < t1 < ... < tn1 < tn = T }


de pas ||

Schma dEuler
(
Xt0 = x, et pour i = 1, ..., n
Xti = Xti1 + (Xti1 ) Wti Wti1 + c(Xti1 ) Lti Lti1 .
 

Pour i = 1, ..., n et ti1 t ti

Xt = Xti1 + (Xti1 )(Wt Wti1 ) + c(Xti1 )(Lt Lti1 ).


Erreur dapproximation

Il existe C qui dpend de T et telle que

E sup |Xt Xt |2 C||.


0tT
Approximation de lEDS rtrograde

Pour la subdivision := {0 = t0 < t1 < ... < tn1 < tn = T }.



Ytn = g(Xtn ).

Pour i =h n 1, ..., i0






Yti = E Yti+1 |Fti ,


h i
= 1

Z ti E Y W t W t |F t
(ti+1 ti ) hti+1 i+1 i
i


i
(k ) 1 (k ) (k )
V = Y H H |F , k 1



ti (ti+1 ti ) E ti+1 ti+1 ti t i



Y = Y + f (ti , X , Y , Z , V ) (ti+1 ti ).
ti ti ti ti ti ti
Approximation de lEDS rtrograde

Pour la subdivision := {0 = t0 < t1 < ... < tn1 < tn = T }.



Ytn = g(Xtn ).

Pour i =h n 1, ..., i0






Yti = E Yti+1 |Fti ,


h i
= 1

Z ti E Y W t W t |F t
(ti+1 ti ) hti+1 i+1 i
i


i
(k ) 1 (k ) (k )
V = Y H H |F , k 1



ti (ti+1 ti ) E ti+1 ti+1 ti t i



Y = Y + f (ti , X , Y , Z , V ) (ti+1 ti ).
ti ti ti ti ti ti

Pour ti1 < t ti , on peut crire


Z ti
, Z , V )(ti t)
Yt = Yti + f (ti , Xti , Y Zs dWs
ti ti ti
t
Z ti
(k ) (k )
X
Vs dHs .
k =1 t
Erreur dapproximation

Il existe une constante C > 0 qui dpend de x, T and telle


que
Z T h i
E |Yt Yt |2 +E |Zt Zt |2 + kVt Vt k2`2 dt C||.
0

M. El Otmani, Discrete time approximation of BSDEs driven


by a Lvy process, Random Operators and Stochastic Eqs
(2008). 16, 265290.
Merci

Vous aimerez peut-être aussi