Vous êtes sur la page 1sur 11

USTHB, FM, Dép.P.

S 2020/2021

M1 MF Processus
Processus Aléatoires Avancés

Martingales à temps discret

1. Filtration et processus adapté

Définitions : Soit , ℱ, un espace probabilisé.

1. On appelle filtration une suite de tribus ℱ telle que ℱ ⊂ ℱ ⊂ ℱ (suite croissante de sous-tribus
de ℱ).
, ℱ, ℱ , est appelé espace probabilisé filtré.
2. Une suite de v.a. est dite adaptée à la filtration ℱ si ∀ , est ℱ -mesurable.
3. On appelle filtration naturelle induite par le processus (la suite) la filtration ℱ définie par
ℱ = ,…, .

2. Martingale :

Définition : Soient , ℱ, ℱ , un espace probabilisé filtré et une suite de v.a. sur , ℱ, . On dit
que est une martingale par rapport à ℱ si :

i. ∀ , | | < +∞,
ii. est adaptée à ℱ ,
iii. ∀ , |ℱ = .

Remarques

• Si ℱ = ,…, , on dit que est une martingale par rapport à .


• Si ℱ = ,…, , on dit que est une martingale par rapport à elle-même.

Exemple 1 : Soit une suite de v.a. indépendantes telle que | | < +∞ = 0, ∀ ≥ 1. On


pose, pour tout ≥ 1, =∑! . La suite est une martingale par rapport à . En effet :

i. ∀ ≥ 1, | | = |∑ ! | ≤ ∑! | | =∑! | | < +∞ ( est intégrable comme


somme finie de v.a intégrables),
ii. est une fonction de ,…, donc ℱ -mesurable où ℱ = ,…, ,
iii. |ℱ = | ,…, = ∑! # ,…,
= + | ,…,
= | ,…, + | ,…,
= + = .
Exemple 2 : Soit une suite de v.a. i.i.d. telle que = 0 et % &
'= &
, ∀ ≥ 1. On pose, pour
tout ≥ 1, = ∑! &
− &
.

| | ≤ ∑! = )*+ ∑ ! ∑!
&
i. ∀ ≥ 1, &
+ &
+% ' + &

| | ≤ ∑ ! )*+ + ∑! &
+ &
= &
+ &
=2 &
< +∞,
ii. ∀ ≥ 1, est ,…, -mesurable,
iii. | ,…, = +∑! &
− +1 &|
,…,
&

= - &
+ ./ 0 + 2 / − +1 &
1 ,…, 2
! !

= . + &
+2 / − &
3 ,…, 0
!

= | ,…, + % &
# ,…, '+2 . / 3 ,…, 0− &|
,…,
!

= + &
+ 2 ./ 0 | ,…, − &

= + &
+ 2 ./ 0 − &

= + &
− &
= .

D’où est une martingale par rapport à .

Exemple 3 : Soient 4 =0 une suite de v.a. i.i.d. de loi 5 0, &


, de fonction génératrice des
;< =< >
moments 6 7 = % 89:
'= < . On pose 4 = 1 et = %6 7 ' 8 ∑:
?@A 9? pour tout ≥ 1. La suite
est une martingale par rapport à . En effet :

i. est une suite de v.a. positives .

> > >


∀ , = %6 7 ' % 8 ∑:
?@A 9? ' = %6 7 ' B 69? 7 = %6 7 ' %6 7 ' = 1 < +∞,
!

ii. ∀ , est 4, ,…, -mesurable,

| 4,
>
iii. ,…, = C%6 7 ' 8 ∑:DA
?@A 9? E 4, ,…, F
>
= C %6 7 ' 89:DA
E 4, ,…, F
>
= %6 7 ' % 89:DA
# 4, ,…, '
>
= %6 7 ' 89:DA

>
= %6 7 ' 6 7
= .
(On peut prendre une autre loi telle que 6 7 < +∞)
Proposition : Soient , ℱ, ℱ , un espace probabilisé filtré et une martingale par rapport à ℱ .
On a alors
• ∀ , = 4 ,
• ∀ G ≥ 1, H |ℱ = .
Preuve
• ∀ , |ℱ = ⟹ % |ℱ ' = ⟹ = ,
• On raisonne par récurrence sur G :
i) Pour G = 1, la propriété est vraie (par définition de la martingale),
H |ℱ = , G ≥ 1, et on montre que H |ℱ =
J |ℱ |ℱ H = J J
ii) On suppose que 0
On a H |ℱ = H H |ℱ H |ℱ = H |ℱ = .

3. Sur-martingales et sous-martingales

Définition : Soient , ℱ, ℱ , un espace probabilisé filtré et une suite de v.a. intégrables adaptée à
ℱ .

1. une sous-martingale par rapport à ℱ si


∀ , ≤ |ℱ .
2. une sur-martingale par rapport à ℱ si
∀ , ≥ |ℱ .

Conséquence :

1. 4 ≤ pour une sous-martingale .


2. 4 ≥ pour une sur-martingale.

Proposition : Soient , ℱ, ℱ , un espace probabilisé filtré et et deux suites de v.a. sur


, ℱ, .

1. Si et sont des sous-martingales par rapport à ℱ , alors %6*K , ' est une sous-

martingale par rapport à ℱ .


2. Si et sont des sur-martingales par rapport à ℱ , alors %6L , ' est une sur-

martingale par rapport à ℱ .


Preuve

J6*K J
1. Pour tout , on a
6*K , ≥ , |ℱ ≥ |ℱ ≥
M ⟹M J
6*K , ≥ J6*K , |ℱ ≥ J |ℱ ≥
⟹ J6*K , |ℱ ≥ 6*K ,
J6L J
.
6L , ≤ , |ℱ ≤ |ℱ ≤
2. M ⟹M J
6L , ≤ J6L , |ℱ ≤ J |ℱ ≤
⟹ J6L , |ℱ ≤ 6L , .

Exemples

1. Soit une martingale par rapport à ℱ telle que % &


' < +∞, ∀ . La suite définie par
= &
est une sous-martingale. En effet, J |ℱ = JN |ℱ ≥ N% J |ℱ ' = N =
où N K = K & est une fonction convexe.

2. Soient une martingale positive et N une fonction concave telles que N soit intégrable. La suite
O , définie par O = N , est une sur-martingale (prendre par exemple N K = P K).

4. Temps d’arrêt

Définition : Soient , ℱ, ℱ , un espace probabilisé filtré et Q: → ℕ une v.a entière. L’application Q est
un temps d’arrêt (temps de Markov) par rapport à ℱ si pour tout ∈ ℕ, VQ = W ∈ ℱ (c.à.d. 1VX! W est ℱ -
mesurable).

Remarque : Si Q est un temps d’arrêt par rapport à ℱ , alors les événements VQ ≤ W, VQ > W, VQ < W et
VQ ≥ W sont dans ℱ . En effet :

[[[[[[[[[[
On a VQ ≤ W = ⋃H!4VQ = GW et ∀ G ≤ , VQ = GW ∈ ℱH ⊂ ℱ . D’où VQ ≤ W ∈ ℱ et VQ > W = VQ ≤ W∈ℱ.

Exemples de temps d’arrêt

1. Soit Q: → ℕ tel que ∀\ ∈ , Q \ = G ∈ ℕ.


• Q = G constante donc Q est une v.a.
∅ _L ≠ G,
VQ = W = ] J ∈ℱ.
_L =G

Par suite Q est un temps d’arrêt.

2. Soient , ℱ, ℱ , un espace probabilisé filtré et une suite de v.a. adaptée à ℱ . Soient


a ∈ aℝ et Q: → ℕ défini par :
1 _L \ ∈ a,
Q \ =M J
5 _L \ ∉ a.
Q est un temps d’arrêt par rapport à ℱ .
En effet : Q = 1e + 5 1e̅ où g = V\ ∈ / \ ∈a W= >
a . Donc Q = 1iA jA k + 5 1iA jA k[ .
• Q est à valeurs dans ℕ. En particulier Q = V1,5W.
a ∈ aℝ
J m⟹ >
a ∈ ℱ (1e est ℱ-mesurable) ⟹ [[[[[[[[[[[
>
a = >
a[ ∈ ℱ (1e̅ est ℱ-
l. *.
mesurable).
D' où Q est une v.a.
∅ _L ≠ 1,5,
q
o
VQ = W = g _L = 1, J ∈ ℱ ⊂ ℱ .
p

o
n g̅ _L =5

Propriétés : Soit , ℱ, ℱ , un espace probabilisé filtré. Si Q Q& sont deux temps d’arrêt par rapport à
ℱ , alors Q + Q& , Q ∨ Q& = sup Q , Q& et Q ∧ Q& = inf Q , Q& sont aussi des temps d’arrêt

Preuve

1VXA X< ! W = ∑H!4 1VXA !HW 1VX< ! >HW avec VQ = GW ∈ ℱH ⊂ ℱ et VQ& = − GW ∈ ℱ >H ⊂ ℱ pour tout G ≤ ,

1VXA ∨X< z W = 1VXA z W 1VX< z W ,

1VXA ∧X< W = 1VXA W 1VX< W.

Lemme 1 : Soient une martingale et Q un temps d’arrêt par rapport à ℱ . On a alors

∀G ≤ , % 1VX!HW ' = % H 1VX!HW '.

Preuve

% 1VX!HW ' = C %J 1VX!HW #ℱH 'F

= C1VX!HW J |ℱH F

= %1VX!HW H '.

Lemme 2 : Soient une martingale et Q un temps d’arrêt par rapport à ℱ . On a alors

X∧ = = 4 .
Preuve

On peut écrire X∧ comme suit :

X∧ = X∧ 1VX{ W + X∧ 1VXz W

= 1VX{ W + X 1VXz W

= 1VX{ W +/ H 1VX!HW .
H!4

Donc

X∧ = 1VX{ W +/ H 1VX!HW .
H!4

D’après le lemme 1, H 1VX!HW = 1VX!HW pour tout G ≤ .

D’où

X∧ = 1VX{ W +/ 1VX!HW = 1VX{ W + 1VXz W = .


H!4

Théorème : Soient , ℱ, ℱ , un espace probabilisé filtré, une martingale et Q un temps d’arrêt


par rapport à ℱ . La suite , définie par = X∧ , est une martingale par rapport à ℱ .

Preuve

Pour tout , on a = 1VX{ W + ∑H!4 H 1VX!HW .

i. est intégrable comme somme finie de variables intégrables

| | ≤ %| |1VX{ W ' + / %| H |1VX!HW ' ≤ | | +/ | H| < +∞.


H!4 H!4

est une martingale donc est ℱ − mesurable


J ‰⟹ 1VX{ W est ℱ − mesurable.
Q est un temps d' arrêt donc 1VX{ _ ℱ − mesurable
ii.
W

H et 1VX!HW sont ℱH − mesurables, ∀G ≤ ⟹ H 1VX!HW est ℱH − mesurable, ∀G ≤


⟹ H 1VX!HW est ℱ − mesurable, ∀G ≤ .
Finalement est ℱ − mesurable comme somme de fonctions ℱ − mesurables.
iii. On peut écrire comme suit

= 1VX{ W +/ H 1VX!HW = 1VX W +/ H 1VX!HW .


H!4 H!4
J |ℱ = %J 1VX W #ℱ '+ .J / H 1VX!HW 3 ℱ 0
H!4

Comme 1VX W et ∑H!4 H 1VX!HW sont ℱ − mesurables, alors

J |ℱ = 1VX W
J |ℱ + / H 1VX!HW
H!4

= 1VX W +/ H 1VX!HW
H!4

= 1VX{ W +/ H 1VX!HW
H!4

= .

Lemme 3 : Soient , ℱ, ℱ , un espace probabilisé filtré, Q un temps d’arrêt par rapport à ℱ fini p.s
( Q < +∞ = 1) et Š ∈ ‹ , ℱ, . On a alors

lim %Š. 1VX{ W ' = 0,


→ Œ

et

lim %Š. 1VXz W ' = Š .


→ Œ

Preuve : On pose, pour tout , O = Š. 1VXz W .

∀ , |O | ≤ |Š|, |Š| intégrable par hypothèse


M J
O → Š.

D’après le théorème de convergence dominée, on a

lim O = lim %Š. 1VXz W ' = C lim O F = Š .


→ Œ → Œ → Œ

On peut écrire Š. 1VX{ W comme suit

Š. 1VX{ W = Š − Š. 1VXz W .

D’où
lim %Š. 1VX{ W ' = Š − lim %Š. 1VXz W ' = Š − Š = 0.
→ Œ → Œ

5. Théorème d’arrêt (version 1) : Soient une martingale et Q un temps d’arrêt par rapport à ℱ . Si

i. Q < +∞ p.s et
ii. sup | X∧ | < +∞

alors X = 4 .
Preuve : On pose Š = sup | X∧ | qui est intégrable. D’après le lemme 3, lim %Š. 1VX{ W ' = 0.
→ Œ

La variable X peut être décomposée comme suit :

X =/ . 1VX! W =/ X . 1VX! W =/ X∧ . 1VX! W .

Donc

| X| ≤ /| X∧ | . 1VX! W ≤ sup| X∧ | / 1VX! W = sup| X∧ | = Š.

Par suite | X| ≤ Š < +∞ et X est intégrable.

Il suffit de montrer que lim X∧ = X X = 4 .


→ Œ
et d’après le lemme 2,

X∧ − X = % X∧ . 1VXz W ' + % X∧ . 1VX{ W ' − X

= % X . 1VXz W ' + % X∧ . 1VX{ W ' − X

=− % X . 1VX{ W ' + % X∧ . 1VX{ W '

= %1VX{ W X∧ − X '

| X∧ − X | ≤ %| X∧ |. 1VX{ W ' + %| X |. 1VX{ W ' ≤ %Š. 1VX{ W ' + %Š. 1VX{ W ' = 2 %Š. 1VX{ W '

Par passage à la limite, on obtient

0 ≤ lim | X∧ − X | ≤ lim 2 %Š. 1VX{ W ' = 0.


→ Œ → Œ

D’où lim | X∧ − X | = 0 et lim X∧ = X .


→ Œ → Œ

Comme X∧ = 4 (d’après le lemme 2) alors X = 4 .

Corollaire: Soient une martingale et Q un temps d’arrêt par rapport à ℱ . Si

Q < +∞ et
J|
i.
ii. ∃ ’ < ∞ tq − |#ℱ ≤’

alors X = 4 .

Preuve : Utiliser le théorème précédent.

i. Q < +∞ ⟹ Q < +∞ p.s.


iii. Il nous reste à montrer que sup | X∧ | < +∞
Soit O la suite de v.a. définie par :
O4 = | 4 |, O =| − 4 |, … , O =| − > |.
On pose Š = O4 + ⋯ + OX = ∑XH!4 OH .
La variable X peut être décomposée comme suit :
X

X = X − X> + X> − X>& + ⋯.+ 4 =/ − > .


!4

D' où | X| ≤ ∑X !4| − > |= ∑X !4 O = Š.


Il suffit maintenant de montrer que Š est intégrable.

Š = ./ Š. 1VX! W 0 = ./ / OH . 1VX! W 0 = / / OH . 1VX! W


4 4 H!4 4 H!4

= // OH . 1VX! W = / -/ OH . 1VX! W 2 = / %OH . 1VX HW '


H 4 H H 4 H H 4

= / C %JOH . 1VX HW #ℱH> 'F = / C %JOH . 1VX{H> W #ℱH> 'F


H 4 H 4

= / C1VX{H> W
JOH |ℱH> F
H 4

Š ≤ / %’. 1VX{H> W ' = / ’ Q > G − 1 = ’ .1 + / Q ≥ G 0 = ’%1 + Q ' < +∞.


H 4 H 4 H

De plus | X∧ | ≤ Š, ∀ . En effet :

• Si Q ≤ alors | X∧ |=| X| ≤ Š,
• Si Q > alors | X∧ |=| | = |∑H!4 H − H> | ≤ ∑H!4| H − H> | ≤ ∑XH!4| H − H> | = Š.

Finalement, sup | X∧ | ≤ Š et E sup | X∧ | ≤ Š < +∞.

6. Théorème d’arrêt (2ème version)

Soient une martingale et Q un temps d’arrêt par rapport à ℱ . Si

i. Q < +∞ = 1,
ii. | X| < +∞ et
iii. lim 1VX{ W =0

alors X = 4 .

Preuve

Pour tout , on écrit X = X 1VXz W + X 1VX{ W . Or X 1VXz W = X∧ − 1VX{ W . D’où

X = X∧ − 1VX{ W + X 1VX{ W
et

X = X∧ − 1VX{ W + X 1VX{ W .

Par passage à la limite et d’après les lemme 2 et 3, on obtient

lim X = X = lim X∧ − lim 1VX{ W + lim X 1VX{ W = 4 .

• D’après le lemme 2, X∧ = 4 ,
• D’après le lemme 3, lim % X 1VX{ W ' =0

Corollaire 1 : Soient une martingale et Q un temps d’arrêt. Si

i. Q < +∞ = 1 et
ii. ∃ ’ < +∞ tq &
X∧ ≤ ’, ∀

alors X = 4 .

Preuve :

Comme &
X∧ ≥ 0 alors

’≥ % &
X∧ 1VXz W ' = ./ H 1VX!HW 0
&
=/ % H 1VX!HW '.
&

H!4 H!4

Par passage à la limite, on obtient

’ ≥ lim / % H 1VX!HW '


&
=/ % H 1VX!HW '
&
=/ % X 1VX!HW '
&
= -/ X 1VX!HW 2
&
= &
X .
H!4 H 4 H 4 H 4

L’inégalité de Cauchy-Schwarz donne

| X| = | X |. 1 ≤% &
X '& 1 /&
=% &
X '& < +∞.

Il reste à montrer que lim 1VX{ W = 0.

Une deuxième application de l’inégalité de Cauchy-Schwarz donne

& & &


% 1VX{ W ' =% X∧ 1VX{ W ' ≤ &
X∧ C%1VX{ W ' F ≤ ’ Q> .

Par passage à la limite, on a

&
0 ≤ lim% 1VX{ W ' ≤ K lim Q> = 0 –*+ Q < +∞ —. _.

&
D’où lim % 1VX{ W ' = 0 et par suite lim 1VX{ W = 0.
D’après le théorème d’arrêt (2ème version), X = 4 .

Corollaire 2 :

Soient 4 = 0 et une suite de v.a. i.i.d. On suppose que, ∀ G, H = ˜ et )*+ H = &


< +∞.
On pose = ™ − ˜ où ™ = ∑ !4 . Si Q est un temps d’arrêt tel que Q < +∞, alors | X| < +∞ et
X = ™X − ˜ Q = 0.

Preuve

1) est une martingale par rapport à .


i. | | ≤ ∑ !4 | | + |˜| < +∞,
=š 4, … , donc ℱ -mesurable où ℱ = 4, … ,
J J
ii. ,
iii. |ℱ = + − ˜|ℱ = + −˜ = .
2) Q < +∞ ⟹ Q < +∞ p.s.
3) | X| = |™X − ˜Q| = %#∑X! − ˜ #' ≤ ∑X! | − ˜| avec
X H

./| − ˜|0 = ./ /| − ˜|. 1VX!HW 0 = -/ /| − ˜|. 1VX!HW 2


! H 4 ! H

= -/| − ˜| / 1VX!HW 2 = ./| − ˜|1VX W0 =/ | − ˜|1VX W .


H

On a 1VX W = 1VX{ > W dépend seulement de 4, … , > (Q temps d’arrêt), donc indépendante de
| − ˜|. D’où

/ | − ˜|1VX W =/ | − ˜| 1VX W

= | − ˜| / Q≥L = | − ˜| Q < +∞.

4) Montrons maintenant que lim 1VX{ W = 0.


D’après l’inégalité de Cauchy-Schwarz, on a
&
% 1VX{ W ' ≤ % &
' %1VX{ W ' = &
Q> .
Comme Q = ∑H 4G Q = G < +∞ alors lim ∑H G Q = G = 0.
De plus,

∑H G Q=G ≥ Q≥ .

Ceci entraine lim Q≥ = 0 et par suite lim Q> = 0 (car Q > ⊂ Q≥ .

&
Finalement lim% 1VX{ W ' = 0 et donc lim 1VX{ W = 0.

Vous aimerez peut-être aussi