Académique Documents
Professionnel Documents
Culture Documents
8n 2 N , Xn Xn+1 , P p.s. .
Lemme de Fatou :
Si (Xn )n2N est une suite de v.a. réelles positives, on a :
Inégalité de Jensen :
Soit X une variable aléatoire F - mesurable à valeurs positives ou
intégrable.
Si c : R ! R est une fonction convexe telle que c(X ) soit une
variable aléatoire à valeurs positives ou intégrable, alors :
Remarque :
On a : ||E[X |G]||p ||X ||p , pour tout p 1 , où
1
||X ||p = (E[X p ]) p .
David Lefèvre MA202
Espérance conditionnelle
Preuve :
En appliquant l’inégalité de Jensen conditionnelle à la fonction
convexe c définie pour tout x 2 R par c(x) = |x|p , où p 1 , on
a:
|E[X |G]|p E[|X |p |G] , p.s. ,
soit, en prenant l’espérance dans l’inégalité précédente,
déduit que :
||E[X |G]||p ||X ||p , p.s. .
Emboı̂tement :
Si H est une sous-tribu de G , alors :
Définition :
Une filtration (Fn )n2N sur un espace de probabilité (⌦, F, P) est
une famille de sous-tribus Fn , n 2 N , de F telle que pour tout
n 2 N , Fn ⇢ Fn+1 .
On notera : F1 = ([n2N Fn ).
Fn , n 2 N représente l’information dont on dispose à un instant
n 2 N.
David Lefèvre MA202
Processus stochastiques
Définition :
Un espace de probabilité filtré (⌦, F, (Fn )n2N , P) est un espace
de probabilité (⌦, F, P) muni d’une filtration (Fn )n2N .
Exemple :
Soit (Xn )n2N un processus stochastique réel.
Posons FnX = (X0 , · · · , Xn ), pour tout n 2 N.
(FnX )n2N est appelée la filtration engendrée par le processus
(Xn )n2N ou la filtration naturelle du processus (Xn )n2N .
A 2 FnX si et seulement si 1A est FnX - mesurable, soit si et
seulement il existe une fonction f : R ! R borélienne telle que :
1A = f (X0 , · · · , Xn ).
Ainsi, A est réalisé si et seulement si ! 2 A soit si et seulement si :
1A (!) = 1 = f (X0 , · · · , Xn ).
Un évènement A appartient à FnX , n 2 N, si la seule donnée de
X0 , · · · , Xn suffit à déterminer si A a eu lieu.
David Lefèvre MA202
Processus stochastiques
Définitions :
Soit (Xn )n2N un processus stochastique réel.
(Xn )n2N est adapté relativement à la filtration (Fn )n2N ou
(Fn )n2N - adapté si, pour tout n 2 N, Xn est Fn - mesurable.
(Xn )n2N est prévisible relativement à la filtration (Fn )n2N ou
(Fn )n2N - prévisible si, pour tout n 2 N, Xn est
Fn 1 - mesurable, avec la convention que : F 1 = ;.
(Xn )n2N est dit intégrable si, 8n 2 N, Xn 2 L1 (⌦, F, P).
(Xn )n2N est dit de carré intégrable si,
8n 2 N, Xn 2 L2 (⌦, F, P).
(Xn )n2N est dit borné si, 8n 2 N, 9K 2 R⇤+ , |Xn | K .
Définition :
Etant donné (⌦, F, P) un espace de probabilité muni d’une
filtration (Fn )n2N .
Soit (Mn )n2N un processus stochastique à valeurs réelles, adapté à
la filtration (Fn )n2N tel que, pour tout n 2 N, E[|Mn |] < +1.
1 (Mn )n2N est une martingale relativement à la filtration
(Fn )n2N ou une (Fn )n2N - martingale si :
E[Mn+1 |Fn ] = Mn , P - p.s. .
2 (Mn )n2N est une (Fn )n2N - sous-martingale si :
E[Mn+1 |Fn ] Mn , P - p.s. .
3 (Mn )n2N est une (Fn )n2N - sur-martingale si :
E[Mn+1 |Fn ] Mn , P - p.s. .
soit :
E[Mn+1 ] = E[Mn ].
David Lefèvre MA202
Martingales
Ainsi l’application n 7! E[Mn ] est constante; en particulier, pour
tout n 2 N, on a : E[Mn ] = E[M0 ]. La preuve des alinéas 2. et 3.
résulte des mêmes arguments.
Exemples :
Soit (Xn )n 1 une suite de variables aléatoires réelles
indépendantes et identiquement distribuées, intégrables telle
que E[X1 ] = µ, où µ 2 R.
Notons F0 = {;, ⌦} et Fn = (X1 , · · · , Xn ) , pour tout
n 1.
On pose S0 = 0 , Sn = X1 + · · · + Xn , quel que soit n 1 .
Pour tout n 1, E[|Sn |] E[|X1 |] + · · · + E[|Xn |] < +1;
S0 = 0 et (Sn )n2N est alors un processus intégrable.
Par définition, Fk , k 2 N, est la plus petite tribu (au sens de
l’inclusion) sur ⌦ qui rend mesurable Xj , 1 j k.
En particulier, quel que soit k 2 {1, · · · , n}, Xk est
(Fk , B(R)) - mesurable.
David Lefèvre MA202
Martingales
On en déduit que :
(Sn )n2N est une (Fn )n2N - martingale si et seulement si :
µ = 0,
(Sn )n2N est une (Fn )n2N - sous-martingale si et seulement si :
µ > 0,
(Sn )n2N est une (Fn )n2N - sur-martingale si et seulement si :
µ < 0.
Exemples : (suite)
Soit (Xn )n 1 une suite de variables aléatoires réelles,
indépendantes et identiquement distribuées, intégrables telle
que E[X1 ] = µ, où µ 2 R.
Notons F0 = {;, ⌦} et Fn = (X1 , · · · , Xn ) , pour tout
n 1.
Yn
On pose M0 = 1 et Mn = µ n Xk , quel que soit n 1 .
k=1
Pour tout k 2 N, Xk est Fk - mesurable et puisque Fk ⇢ Fn ,
quel que soit k 2 {1, · · · , n}, Xk est aussi Fn - mesurable.
On en déduit que Mn est Fn - mesurable, pour tout n 1
Exemples : (suite)
Soit (Mn )n2N une (Fn )n2N - martingale à valeurs réelles et
(An )n2N une suite croissante de variables aléatoires intégrables
(Fn )n2N - prévisibles à valeurs positives.
(Mn + An )n2N est une (Fn )n2N - sous-martingale.
En e↵et, comme (Mn )n2N est une (Fn )n2N - martingale, Mn
est Fn - mesurable, pour tout n 2 N.
De plus, An est Fn 1 - mesurable par hypothèse donc
Fn - mesurable, quel que soit n 2 N, puisque Fn 1 ⇢ Fn .
Ainsi, Mn + An est Fn - mesurable, pour tout n 2 N.
(Mn + An )n2N est bien adapté à la filtration (Fn )n2N .
Par ailleurs, quel que soit
n 2 N, E[|Mn + An |] E[|Mn |] + E[An ] < +1, de sorte que
(Mn + An )n2N est un processus intégrable.
Propriétés :
1 (Xn )n2N est une (Fn )n2N - sur-martingale si et seulement si
( Xn )n2N est une (Fn )n2N - sous-martingale.
2 (Xn )n2N est une (Fn )n2N - martingale si (Xn )n2N est à la fois
une (Fn )n2N - sur-martingale et une (Fn )n2N - sous-martingale.
3 Si (Xn )n2N et (Yn )n2N sont deux (Fn )n2N - martingales alors
pour tout (a, b) 2 R2 , (a Xn + b Yn )n2N est une
(Fn )n2N - martingale.
4 Si (Xn )n2N et (Yn )n2N sont deux (Fn )n2N - sur-martingales
alors pour tout (a, b) 2 R2+ , (a Xn + b Yn )n2N est une
(Fn )n2N - sur-martingale.
5 Si (Xn )n2N et (Yn )n2N sont deux (Fn )n2N - sur-martingales
alors pour tout (Xn ^ Yn )n2N est une (Fn )n2N - sur-martingale.
E[ Mn |Fn 1] = 0,
pour tout n 1.
On obtient alors une (Fn )n2N - martingale (Mn )n2N en posant :
n
X
Mn = M0 + Mk , quel que soit n 1.
k=1
Transformations de martingale :
Soit (⌦, F, P) un espace de probabilité muni d’une filtration
(Fn )n2N .
Si (Mn )n2N est une (Fn )n2N - martingale et : R ! R une
fonction convexe telle que E[| (Mn )|] < +1, pour tout
n 2 N, alors ( (Mn ))n2N est une (Fn )n2N - sous-martingale.
Si (Mn )n2N est une (Fn )n2N - sous-martingale et :R!R
une fonction convexe croissante, avec E[| (Mn )|] < +1, quel
que soit n 2 N alors ( (Mn ))n2N est une
(Fn )n2N - sous-martingale.
Preuve :
On a : (x) = sup(an x + bn ) , pour tout x 2 R, où (an )n2N et
n2N
(bn )n2N sont deux suites de nombres réels.
Quel que soit n 2 N, la fonction x 7! an x + bn est
(B(R), B(R)) - mesurable; ainsi,
x 7! (x) = sup(an x + bn ) est (B(R), B(R)) - mesurable.
n2N
Puisque (Mn )n2N est une (Fn )n2N - martingale, Mn est
(Fn , B(R)) - mesurable, pour tout n 2 N; par suite, (Mn ) est
(Fn , B(R)) - mesurable comme étant la composée de deux
fonctions (Fn , B(R)) et (B(R), B(R)) - mesurable.
Par hypothèse, E[| (Mn )|] < +1, quel que soit n 2 N.
Or, (Mn )n2N étant une (Fn )n2N - martingale, il vient, quel que soit
n2N:
E[Mn+1 |Fn ] = Mn , P - p.s. .
On obtient donc :
Preuve :
Les fonctions x 7! x + , x 7! |x|, x 7! x 2 étant toutes convexes sur
R , comme (Mn )n2N est une (Fn )n2N - martingale,
(Mn+ )n2N , (|Mn |)n2N , (Mn2 )n2N sont des (Fn )n2N - sous-martingales.
Intégrale stochastique discrète :
Etant donné un processus (Fn )n2N - prévisible (Hn )n 1 et (Mn )n2N
une (Fn )n2N - martingale, on définit le processus ((H • M)n )n 1
par, (H • M)0 = M0 et pour tout n 1 ,
n
X
(H • M)n = Hk (Mk Mk 1) .
k=1