Mouvement Brownien Mouvement Brownien Intégrale d’Itô

Définition. 𝐵 un mouvement brownien si Définition (Processus élémentaire). 𝐻 ∈ ℰ est un processus

Evaluation d’actifs 1. 𝐵 à trajectoires continues
élémentaire si 𝐻𝑡 (𝜔) = ∑𝑛𝑖=1
𝐻𝑖 (𝜔)1]𝑡𝑖−1 ,𝑡𝑖 ] avec
Modèle de marché {𝑡0 ≤ … ≤ 𝑡𝑛 = 𝑇 } subdivision, 𝐻𝑖 est ℱ𝑡𝑖−1 -mesurable et
2. ∀0 ≤ 𝑠 ≤ 𝑡 , 𝐵𝑡 − 𝐵𝑠 indépendant de ℱ𝑠 sup ∣ 𝐻𝑖 ∣< ∞
Définition. 𝑆𝑡0𝑘+1 = 𝑆𝑡0𝑘 𝑒𝑟(𝑡𝑘+1 −𝑡𝑘 )
𝑖
3. ∀0 ≤ 𝑠 ≤ 𝑡 , 𝐵𝑡 − 𝐵𝑠 ∼ 𝒩(0, 𝑡 − 𝑠)
Définition. 𝑉𝑡𝑘 = ∑𝑑𝑖=0 𝜃𝑖𝑡𝑘 𝑆𝑡𝑖𝑘 = ⟨𝜃𝑡𝑘 , 𝑆𝑡𝑘 ⟩ 𝑡
Définition. ∫ 𝐻𝑢 d𝐵𝑢 = ∑𝑛 𝐻𝑖 (𝐵𝑡∧𝑡𝑖 − 𝐵𝑡∧𝑡𝑖−1 ) est :
Proposition. 𝐵 mouvement brownien ⇔ 𝐵 processus 0 𝑖=1
Définition. (𝜃 • Δ𝑆)
̃ = ∑𝑘𝑚=1 ⟨𝜃𝑡𝑚 , Δ𝑆̃𝑡𝑚 ⟩ gaussien continu, 𝑒𝐵 (𝑡) = 0 et 𝐾𝐵 (𝑠, 𝑡) = min(𝑠, 𝑡) 1. 𝔽-adapté et à trajectoires continues
𝑡0
2. Une 𝔽-martingale qui démarre à zero.
Définition (Stratégie autofinancée). 𝑉
̃𝑡 = 𝑉 ̃
̃𝑡 + (𝜃 • Δ𝑆) Proposition (Théorème de Levy). Si 𝑀𝑡 martingale continue 𝑡 𝑡
3. Une isométrie : 𝔼[(∫ 𝐻𝑢 d𝐵𝑢 )2 ] = 𝔼[∫ 𝐻𝑢2 d𝑢]
𝑘 0 𝑡𝑘
avec 𝑀0 = 0 telle que 𝑀𝑡2 − 𝑡 martingale alors 𝑀𝑡 mouvement 0 0
Définition (Déf équivalente). ⟨𝜃𝑡𝑘−1 , 𝑆𝑡𝑘 −1 ⟩ = ⟨𝜃𝑡𝑘 −1 , 𝑆𝑡𝑘 −1 ⟩ brownien. 𝑡 𝜏
4. 𝔼[(∫ 𝐻𝑢 d𝐵𝑢 )(∫ 𝐾𝑢 d𝐵𝑢 ) ∣ ℱ𝑠 ] =
Proposition (Call-Put). 0 0
Proposition. Si 𝐵 mouvement brownien, 𝑇 ≥ 0, 𝜆 ≥ 0 alors : 𝔼[(∫
min(𝑡,𝜏)
𝐻𝑢 𝐾𝑢 d𝑢 ∣ ℱ𝑠 ]
𝐶𝑡 (𝑆, 𝑇 , 𝐾) − 𝑃𝑡 (𝑆, 𝑇 , 𝐾) = 𝑆 − 𝐾𝑒−𝑟(𝑇 −𝑡) 0
1. {−𝐵𝑡 } 𝑡 𝑡
Théorème. 𝑆̃ une ℚ-martingale ⟹ A.O.A 5. {(∫ 𝐻𝑢 d𝐵𝑢 )2 − (∫ 𝐻𝑢2 d𝑢)} est une 𝔽-martingale
2. {𝐵𝑇 +𝑡 − 𝐵𝑇 } 0
démarrant en zéro.
0

Réplication d’actifs
3. { √1 𝐵𝜆𝑡 }
Proposition (Prix d’un actif réplicable). 𝜆 Proposition (Variation quadratique I). Soit 𝐻 ∈ ℰ
𝑝𝐺
𝑡𝑘 = 𝑒
𝑟𝑡𝑘 𝔼ℚ [𝐺𝑒−𝑟𝑇 ∣ ℱ ]
𝑡𝑘 4. {𝑡𝐵1/𝑡 } 𝑡 𝑡

Théorème (Risque neutre arbre binomial). Soit 𝑡𝑘 = 𝑘Δ𝑡 sont des mouvements browniens. ⟨∫ 𝐻𝑢 d𝐵𝑢 ⟩ = ∫ 𝐻𝑢2 d𝑢
0 0
1. 𝑑 < 𝑒𝑟Δ𝑡 < 𝑢 𝑡 𝑡 𝑡
Proposition. ∀𝜖 > 0 lim𝑡→∞ = 0 p.s.
𝐵𝑡
2. ℚ(𝑌1 = 𝑢) = 𝑞 et ℚ(𝑌1 = 𝑑) = 1 − 𝑞
1 +𝜖
𝑡2 ⟨∫ 𝐻𝑢 d𝐵𝑢 , ∫ 𝐾𝑢 d𝐵𝑢 ⟩ = ∫ 𝐻𝑢 𝐾𝑢 d𝑢
0 0 0
𝑒𝑟Δ𝑡 −𝑑
3. 𝑞 = 𝑢−𝑑 Proposition. ∀𝑇 ≥ 0, 𝑥 ∈ ℝ ∶ ℙ(∃𝑠 ≥ 𝑇 , 𝐵𝑠 = 𝑥) = 1
Théorème (Evaluation des actifs indép du chemin). Soit Intégration des processus de ℒ2
𝐺 = 𝜙(𝑆𝑇1 ) Proposition. ℙ(inf 𝐵𝑡 = −∞) = 1 et ℙ(sup 𝐵𝑡 = ∞) = 1 ℒ2 ∶= {{𝐻𝑡 , 0 ≤ 𝑡 ≤ 𝑇} 𝔽-adapté ∣ 𝔼 [∫ 𝐻𝑢2 d𝑢] < ∞}
𝑇
𝑡≥0 𝑡≥0 0
1. 𝑝𝐺
𝑡𝑘 (𝑋) = 𝑒
−𝑟Δ𝑡 [𝑞𝑝𝐺 𝐺
𝑡𝑘+1 (𝑋𝑢) + (1 − 𝑞)𝑝𝑡𝑘+1 (𝑋𝑑)]
Définition (Variation d’ordre p). Soit 𝑇
Proposition. 𝐻 → 𝔼 [∫ 𝐻𝑢2 d𝑢] définit une norme sur ℒ2
2. 𝑣 = 𝔼ℚ [𝑒−𝑟𝑇 𝜙(𝑆𝑇1 )] Δ = {𝑡0 = 0 ≤ 𝑡1 ≤ … ≤ 𝑡𝑛 = 𝑡} une subdivision de [0, 𝑡], 0
𝑝𝐺 1
𝑡 (𝑢𝑆𝑡 )−𝑝𝐺 1
𝑡 (𝑑𝑆𝑡 ) |Δ| = sup|𝑡𝑖 − 𝑡𝑖−1 | , 𝑝 > 1
3. 𝜃1𝑡𝑘 = 𝑘 𝑘−1
𝑢𝑆𝑡1
𝑘
−𝑑𝑆𝑡1
𝑘−1
𝑖 Lemme. ℰ dense dans ℒ2 pour ‖.‖ℒ2
(𝑝)
𝑉𝑡 (𝑔, Δ) = ∑𝑛
𝑘−1 𝑘−1
|𝑔(𝑡𝑖 ) − 𝑔(𝑡𝑖−1 )|𝑝
Mouvement Brownien et Itô 𝑖=1
𝑔 ∶ [0, 𝑇 ] → ℝ à variation totale d’ordre 𝑝 si
Théorème (Intégrale stochastique II). Il existe une unique
application linéaire ℐ qui prolonge l’intégrale d’Itô de ℰ et
Processus Stochastiques ∀ 0 ≤ 𝑡 ≤ 𝑇 ∶ supΔ 𝑉(𝑝)𝑡 (𝑔, Δ) < ∞ vérifie la propriété d’isométrie :
(𝑝) (𝑝) (𝑝)
Définition. 𝑋 mesurable si ∀𝛼1 , … , 𝛼𝑑 on a Si lim𝑡→∞ 𝑉𝑡 (𝑔) < ∞ avec 𝑉𝑡 (𝑔) = lim sup 𝑉𝑡 (𝑔, Δ) on dit 𝑡
{(𝑡, 𝜔) ∶ 𝑋𝑡1 (𝜔) ≤ 𝛼1 , … , 𝑋𝑡𝑑 (𝜔) ≤ 𝛼𝑑 } ∈ ℬ(ℝ+ ) ⊗ ℱ |Δ|→0
que 𝑔 de variation d’ordre 𝑝 bornée. 𝔼[ℐ[𝐻]2𝑡 ] = 𝔼[∫ 𝐻𝑠2 d𝑠]
Proposition. Si 𝑋 = (𝑋1 , … , 𝑋𝑁 ) est un vecteur gaussien
0
1
Proposition. lim∣Δ∣→0 𝔼[∣ 𝑉𝑡 (𝐵, Δ) − 𝑡 ∣2 ]
(2)
alors Φ𝑋 (𝜉) = 𝑒𝑖⟨𝜉,𝔼[𝑋]⟩− 2 ⟨𝜉,𝐾𝑋 𝜉⟩ ou 𝐾𝑋 est la matrice de =0 Proposition (Intégrale de Wiener). Soit 𝑓 ∈ 𝐶 0 . Le processus
covariance (2) 𝐿 2 𝑡
{∫ 𝑓(𝑠) d𝐵𝑠 }𝑡 vérifie :
C’est à dire : 𝑉𝑡 (𝐵, Δ) −−−→ 𝑡 0
Martingales en temps continu Δ→0
𝑡 𝑡
Proposition. Soit 𝑀 une sous-martingale. Proposition. Les trajectoires de 𝐵 sont presque surement à ∫ 𝑓(𝑠) d𝐵𝑠 ∼ 𝒩(0, ∫ 𝑓 2 (𝑠) d𝑠)
𝐹 = {𝑠1 ≤ … ≤ 𝑠𝑁 } ensemble fini variation totale infinie sur [0, 𝑡] 0 0

𝜆ℙ(max 𝑀𝑠 ≥ 𝜆) ≤ 𝔼[|𝑀𝑠𝑁 |1{max 𝑀𝑠 ≥𝜆} ] Intégration des processus de ℒ

𝑠∈𝐹 𝑠∈𝐹 Définition. Un processus est dit à variation quadratique finie
𝑇
Proposition (Inégalité maximale de Doob). Soit 𝑀 une si il existe un processus fini ⟨𝑋⟩𝑡 tel que Δ𝑛 , ∣ Δ𝑛 ∣→ 0 ℒ ∶= {{𝐻𝑡 }𝑡 𝔽-adapté ∣ ∫ 𝐻𝑢2 d𝑢 < ∞p.s.}
0
sous-martingale à trajectoires continues (2)
lim𝑛→∞ 𝑉𝑡 (𝑋, Δ𝑛 ) = ⟨𝑋⟩𝑡 p.s
𝜆ℙ( max 𝑀𝑠 ≥ 𝜆) ≤ 𝔼[|𝑀𝑠𝑁 |1{ max 𝑀𝑠 ≥𝜆} ] Théorème (Intégrale stochastique III). Il existe une unique
On note : ⟨𝑋, 𝑌 ⟩𝑡 =
⟨𝑋+𝑌 ⟩𝑡 −⟨𝑋⟩𝑡 −⟨𝑌 ⟩𝑡
𝑠∈[𝜏,𝑇 ] 𝑠∈[𝜏,𝑇 ] 2 application linéaire 𝒥 qui coincide avec l’intégrale stochastique
Proposition (Inégalité Doob II). Soit 𝑀 une sous-martingale Proposition (Théorème de Levy de caractérisation). Soit 𝑀𝑡 sur ℰ et vérifie la propriété de continuité : si (𝐻 𝑛 )𝑛∈ℕ est une
à trajectoires continues, 𝑝 > 1 et 𝜆 > 0 une martingale continue avec 𝑀0 = 0 telle que ⟨𝑋⟩𝑡 = 𝑡 alors
𝑇
suite de processus simples telles que ∫ (𝐻𝑢𝑛 )2 d𝑢 → 0 en
𝔼[( sup |𝑀𝑠 |)𝑝 ] ≤ ( 𝑝−1
𝑝 𝑝
) 𝔼[|𝑀𝑠 |𝑝 ] 𝑀𝑡 est un mouvement brownien.
0
probabilité alors : sup𝑡∈[0,𝑇 ] (𝒥(𝐻 )𝑡 ) → 0 en probabilité.
𝑛
𝑠∈[𝜏,𝑇 ]
Calcul d’Itô Soit 𝑍 une variable aléatoire indépendante de la 𝜎-algèbre ℱ∞ Proposition (Formules importantes).
Définition (Processus d’Itô). Un processus 𝑋 est appelé générée par tous les 𝐵𝑠 (𝑠 ≥ 0) et telle que
processus d’Itô si il s’écrit de la forme : d𝑆𝑡 = 𝜇𝑆𝑡 d𝑡 + 𝜎𝑆𝑡 d𝐵𝑡
𝔼[𝑍 2 ] < ∞
d𝑆𝑡̃ = (𝜇 − 𝑟)𝑆𝑡̃ d𝑡 + 𝜎𝑆𝑡̃ d𝐵𝑡
𝑡 𝑡
Alors l’équation différentielle stochastique
𝑋𝑡 = 𝑋0 + ∫ 𝛼𝑢 d𝑢 + ∫ 𝐻𝑢 d𝐵𝑢
𝑡 𝑡 d𝑉𝑡 = 𝑟𝛼𝑡 𝑆𝑡0 d𝑡 + 𝜃𝑡 𝑆𝑡 d𝐵𝑡
0 0
𝑋𝑡 = 𝑍 + ∫ 𝑎(𝑠, 𝑋𝑠 ) d𝑠 + ∫ 𝑏(𝑠, 𝑋𝑠 ) d𝐵𝑠 , 𝑡 ∈ [0, 𝑇 ]
Avec 𝑋0 ∈ℱ̂ 0 , 𝛼 et 𝐻 deux processus 𝔽-adaptés tels que : 0 0
d𝑉𝑡̃ = 𝜃𝑡 d𝑆𝑡̃ = 𝜃𝑡 (𝜇 − 𝑟)𝑆𝑡̃ d𝑡 + 𝜎𝜃𝑡 𝑆𝑡̃ d𝐵𝑡 d𝐵𝑡
𝑇 𝑇
admet une unique solution 𝑋𝑡 telle que : 𝜇−𝑟
∫ |𝛼𝑢 | d𝑢 < ∞ p.s. et ∫ |𝐻𝑢 |2 d𝑢 < ∞ p.s. d𝐵⋆𝑡 = d𝐵𝑡 + 𝜆⋆ d𝑡, 𝜆⋆ =
0 0 𝜎
1. 𝑋𝑡 est continue par rapport à 𝑡
Définition. Soit ℐ2 les processus d’Itô tels que : d𝑆𝑡 = 𝑟𝑆𝑡 d𝑡 + 𝜎𝑆𝑡 d𝐵⋆𝑡
𝑇 𝑇
2. 𝑋𝑡 est adaptée à la filtration ℱ𝑍
𝑡 générée par ℱ𝑡 et 𝑍
𝔼 [∫ |𝛼𝑢 | d𝑢] < ∞ et 𝔼 [∫ |𝐻𝑢 |2 d𝑢] < ∞ d𝑆𝑡 = 𝜎𝑆𝑡̃ d𝐵⋆𝑡
0 0 3. 𝑋 ∈ 𝐿2 ([0, 𝑇 ]) :
d𝑉𝑡̃ = 𝜃𝑡 d𝑆𝑡̃ = 𝜃𝑡 𝜎𝑆𝑡̃ d𝐵⋆𝑡 .
Proposition. Soit 𝑋 un processus d’Itô de ℐ2 alors sa 𝑇
𝔼 [∫ 𝑋𝑡2 ] < ∞
décomposition est unique.
Evaluation d’options européennes et équation
0

Proposition. Soit 𝑋𝑡 =
𝑡 𝑡
𝑋0 + ∫ 𝛼𝑢 d𝑢 + ∫ 𝐻𝑢 d𝐵𝑢
0 0
un Représentation de martingales de B et S
processus d’Itô de ℐ2 alors 𝑋 une martingale si et seulement si Théorème. Soit (𝑀𝑡 )𝑡∈[0,𝑇 ] une martingale par rapport à la
Proposition (Evaluation par réplication). Soit un actif
𝛼 = 0 p.s. filtration naturelle d’un mouvement Brownien 𝐵𝑡 . Supposons ⋆
que 𝑀 ∈ ℳ2 ([0, 𝑇 ]). Alors il existe un processus adapté contingent de payoff 𝐺. Supposons que 𝐸ℚ [𝐺2 ] < ∞. Alors
Proposition (Variation quadratique d’un processus d’Itô). (𝐻𝑡 )𝑡∈[0,𝑇 ] tel que
𝑡 𝑡 1. l’actif 𝐺 admet une stratégie de réplication (𝑥𝐺 , 𝜃𝐺 ).
Soient 𝑋𝑡 = 𝑋0 + ∫ 𝛼𝑋𝑢 d𝑢 + ∫ 𝐻𝑢 d𝐵𝑢 et
𝑋
𝑡
0 0
𝑡 𝑡 𝑀𝑡 = 𝑀0 + ∫ 𝐻𝑠 d𝐵𝑠 2. sous la condition d’absence d’opportunités d’arbitrage
𝑢 d𝑢 + ∫ 𝐻𝑢 d𝐵𝑢 dans ℐ
𝑌𝑡 = 𝑌0 + ∫ 𝛼𝑌 𝑌 2
0 0 0 A.O.A, son prix à la date 𝑡, noté 𝑝𝐺
𝑡 , est donné par :
𝑡
De plus 𝐻 ∈ ℒ2 ([0, 𝑇 ]) ⋆ ⋆
⟨𝑋⟩𝑡 = ∫ |𝐻𝑢𝑋 |2 d𝑢 𝑝𝐺 0 ℚ 0 ℚ
𝑡 = 𝑆𝑡 𝔼 [𝐺/𝑆𝑇 ∣ ℱ𝑡 ] = 𝔼 [𝑒
−𝑟(𝑇 −𝑡) 𝐺 ∣ ℱ ]
𝑡
0 Proposition (Théorème de Girsanov élémentaire). Soit
𝑡
𝑇 > 0, 𝑇 < ∞ et 𝜆 ∈ ℝ. Considérons la mesure de probabilité ℚ Théorème (Equation de Black et Scholes). Soit
⟨𝑋, 𝑌 ⟩𝑡 = ∫ 𝐻𝑢𝑋 𝐻𝑢𝑌 d𝑢 définie sur (Ω, 𝐹 ) par
0 𝑣 ∶ [0, 𝑇 ] × ℝ → ℝ une fonction de classe 𝐶 1,2 solution de
dℚ 𝜆2 l’EDP :
Théorème (Formule d’Itô). Soit 𝑓 ∶ ℝ+ × ℝ → ℝ ∈ 𝐶 1,2 . Soit = 𝑍𝑡𝜆 où 𝑍𝑡𝜆 = exp{−𝜆𝐵𝑡 − 𝑡}
𝑡 𝑡 dℙ 2 1 2 2
𝑋 ∈ ℐ, 𝑋𝑡 = 𝑋0 + ∫ 𝛼𝑢 d𝑢 + ∫ 𝐻𝑢 d𝐵𝑢 . Alors Alors, le processus {𝐵𝑡 + 𝜆𝑡, 𝑡 ∈ [0, 𝑇 ]} est un 𝔽-mouvement
𝜕𝑡 𝑣(𝑡, 𝑥) + 𝜎 𝑥 𝜕𝑥𝑥 𝑣(𝑡, 𝑥) = 𝑟𝑥𝜕𝑥 𝑣(𝑡, 𝑥) = 𝑟𝑣(𝑡, 𝑥), ∀(𝑡, 𝑥)
0 0 2
𝑌𝑡 = 𝑓(𝑡, 𝑋𝑡 ) ∈ ℐ Brownien standard sur (Ω, 𝐹 , 𝑄). 𝑣(𝑇 , 𝑥) = Φ(𝑥)
𝑡 𝑡
Modèle de Black et Scholes
𝜕𝑓 𝜕𝑓
𝑓(𝑡, 𝑋𝑡 ) = 𝑓(0, 𝑋0 ) + ∫ (𝑢, 𝑋𝑢 ) d𝑢 + ∫ (𝑢, 𝑋𝑢 ) d𝑋𝑢 Nous supposons de plus que 𝜕𝑥 𝑣 est telle que
𝜕𝑡 𝜕𝑥
0 0
On suppose 𝑆𝑡0 = 𝑆00 𝑒𝑟𝑡 et d𝑆𝑡 = 𝜇 d𝑆𝑡 d𝑡 + 𝜎𝑆𝑡 d𝐵𝑡 . On note
𝑇
1 𝑡 𝜕2𝑓 𝑆
𝑆𝑡̃ = 𝑆0𝑡
+ ∫ (𝑢, 𝑋𝑢 ) d⟨𝑋⟩𝑢 𝔼 [∫ |𝜕𝑥 𝑣(𝑡, 𝑆𝑡 )𝑆𝑡 |2 d𝑡] < ∞
2 0 𝜕𝑥2 𝑡
0
Définition. La condition d’autofinancement de la stratégie
Proposition (Intégration par parties). Soient 𝑋 et 𝑌 deux Alors (𝑣(0, 𝑆0), {𝜕𝑥 𝑣(𝑡, 𝑆𝑡), 0 ≤ 𝑡 ≤ 𝑇 }) ∈ ℝ × 𝒜 est une
(𝛼, 𝜃) est d𝑉𝑡 = 𝛼𝑡 d𝑆𝑡0 + 𝜃𝑡 d𝑆𝑡 ou encore d𝑉𝑡̃ = 𝜃𝑡 d𝑆𝑡̃ .
processus d’Itô. Alors : stratégie de réplication de 𝐺 = Φ(𝑆𝑇 ) et le prix de 𝐺 à la date
On appelle ensemble des portefeuilles admissibles :
𝑡 𝑡 𝑡 𝑡 est 𝑣(𝑡, 𝑆𝑡 ). Preuve.
𝑇
𝑋𝑡 𝑌𝑡 = 𝑋0 𝑌0 + ∫ 𝑋𝑠 d𝑌𝑠 + ∫ 𝑌𝑠 d𝑋𝑠 + ∫ d⟨𝑋, 𝑌 ⟩𝑠 𝒜 ∶= {𝜃 𝔽-adapté : 𝔼 [∫ |𝜃𝑢 𝑆𝑢̃ |2 d𝑢] < ∞}
Les Grecques
0 0 0
0

Itô multidimensionelle Proposition. Notons 𝜆⋆ ∶= (𝜇 − 𝑟)/𝜎 et considérons la • delta : 𝜕𝑥 𝑢𝐺 (𝑡, 𝑆𝑡 )

Equations différentielles stochastiques mesure de probabilité ℚ⋆
• gamma : 𝜕𝑥𝑥 𝑢𝐺 (𝑡, 𝑆𝑡 )
Théorème. Soit 𝑇 > 0 et 𝑎(·, ·), 𝑏(·, ·) ∶ [0, 𝑇 ] × ℝ → ℝ des dℚ⋆ ⋆ ⋆ (𝜆⋆ )2
fonctions mesurables telles qu’il existe des constantes 𝐶, 𝐿 > 0 ∶= 𝑍𝑡𝜆 où 𝑍𝑡𝜆 ∶= exp {−𝜆⋆ 𝐵𝑡 − 𝑡} • thêta : 𝜕𝑡 𝑢𝐺 (𝑡, 𝑆𝑡 )
dℙ|ℱ𝑡 2
satisfaisant :
Alors 𝑆 ̃ est une 𝔽-martingale sur ℚ⋆ et pour toute stratégie
|𝑎(𝑡, 𝑥)| + |𝑏(𝑡, 𝑥)| ≤ 𝐶(1 + |𝑥|), ∀𝑥 ∈ ℝ, 𝑡 ∈ [0, 𝑇 ] financière (𝑥, 𝜃) ∈ 𝒜 la valeur actualisée 𝑉 ̃ 𝑥,𝜃 est une Fiche de Mouvement Brownien.
|𝑎(𝑡, 𝑥) − 𝑎(𝑡, 𝑦)| + |𝑏(𝑡, 𝑥) − 𝑏(𝑡, 𝑦)| ≤ 𝐿|𝑥 − 𝑦|, ∀𝑥, 𝑦 ∈ ℝ, 𝑡 ∈ [0, 𝑇martingale.
] http ://ausset.me/cheatsheets