Académique Documents
Professionnel Documents
Culture Documents
Soit B = (Bt )t≥0 un mouvement brownien standard défini sur un espace de probabilité
(Ω, F, P).
Pour t ≥ 0, on désigne par FtB la filtration naturelle de B, FtB = σ(Bs , 0 ≤ s ≤ t).
Rt
Exercice 1 (Cours) Soit f ∈ L2Loc (R+ ), de classe C 1 . Soit Mtf = 0
f (s)dBs . Démontrer
que
a2 t 2
Z
∀a ∈ R, Zta = exp aMtf − f (s)ds
2 0
est une Ft −martingale.
5. Considérons la filtration (Ft )t≥0 définie par Ft = FtB ∨σ{Y0 }, où FtB est la filtration naturelle
de B. Pour tout 0 ≤ s ≤ t, déterminer E[Yt |Fs ]. Qu’en déduisez-vous ?
CentraleSupélec 3A
Solution.
1. On a b(t, x) = b(x) = a(x−b) et σ(t, x) = σ qui sont lispchitziennes en x pour b et constantes
pour σ et ne dépendent pas de t. Cette équation admet donc une unique solution forte.
2. On peut réécrire l’équation sous la forme : dYt = a(Yt − b)dt + σdBt . On commence par
résoudre l’équation homogène : dYt = a(Yt − b)dt, on pose Zt = Yt − b et on doit donc
résoudre dZt = aZt dt. On trouve Zt = Ceat . On fait varier la constante : Zt = Ct eat ,
dCt eat + Ct aeat dt = aCt eat dt + σdBt ,
Rt
on obtient : Ct = C0 + σ 0
e−as dBs avec C0 = Z0 = Y0 − b. On en déduit que
Z t
Zt = Z0 eat + σeat e−as dBs ,
0
et finalement, Z t
Yt = b + (Y0 − b)e at
+ σe at
e−as dBs .
0
3. On obtient µ(t) = E[Yt ] = b + (m − b)eat = b(1 − eat ) + meat et
Z t Z s
a(t+s) 2 a(t−u)
Σ(s, t) = Cov(Ys , Yt ) = e Var(Y0 ) + σ Cov e dBu , ea(s−u) dBu
0 0
Z t∧s
= σ02 ea(t+s) + σ 2 ea(t+s) e−2au du
0
σ 2 a(t+s)
= σ02 ea(t+s) + e (1 − e−2a(t∧s) ),
2a
σ 2 a(t+s)
et si on prend 0 ≤ s ≤ t, on trouve Σ(s, t) = σ02 ea(t+s) + e (1 − e−2as ),
2a
4. On part de la partie à droite et on remplace Ys par ce qu’on a trouvé à la question 2) :
Z t
a(t−s)
b + (Ys − b)e +σ ea(t−u) dBu
s
Z s Z t
as as −au a(t−s)
=b + b + (Y0 − b)e + σe e dBu − b e +σ ea(t−u) dBu
0 s
Z t
at
=b + (Y0 − b)e + σe at
e−au dBu
0
=Yt .
hR
t
5. Soient 0 ≤ s ≤ t, on a E[Yt |Fs ] = b + ea(t−s) E[Ys − b|Fs ] + σE s ea(t−u) dBu |Fs ] et Ys
Rs
est Fs −mesurable car Y0 est Fs −mesurable et l’intégrale de Wiener 0 e−au dBu aussi. On
Rt
obtient donc E[Yt |Fs ] = b + ea(t−s) (Ys − b) + 0 car 0 ea(t−u) dBu est une martingale par
rapport à Ft . On en déduit que (Yt )t≥0 n’est pas une martingale.
Solution.
1. On a b(t, x) = r constante et σ(t, x) = σ(x) = ax qui est Lipschitzienne en x, donc l’EDS
admet une unique solution forte.
1
2. On commence par appliquer la formule d’Itô à Zt avec f (t, x) = exp(−ax + a2 t) qui est
2
bien de classe C 1,2 (R+ × R) et au processus d’Itô B :
t t t t t
a2 a2
Z Z Z Z Z
2
Zt = 1 + Zs ds − a Zs dBs + Zs ds = 1 − a Zs dBs + a Zs ds
2 0 0 2 0 0 0
Exercice 4 Soient σ > 0 une constante et (Ω, F, (Ft )t≥0 , P) sur lequel on défini un (Ft )t≥0 −mouvement
brownien réél (Bt )t≥0 . On considère l’EDS
Xt σ
dXt = − dt + dBt , X0 = 0.
1+t 1+t
1. Justifier que cette EDS admet une unique solution forte (Xt )t≥0 .
2. Calculer la dynamique du processus (Yt )t≥0 défini par Yt := (1 + t)Xt .
En déduire la forme explicite de (Xt )t≥0 .
4. Conclure que la variable aléatoire X ∗ := supt≥0 Xt est la racine carrée d’une variable
aléatoire de loi exponentielle dont on précisera le paramètre.
page 3 de 6
CentraleSupélec 3A
Solution.
1. L’EDS s’écrit dXt = b(t, Xt )dt + σ(t, Xt )dBt , X0 = 0 avec
x σ
b(t, x) = − et σ(t, x) = .
1+t 1+t
b et σ sont continues sur R+ × R. Soient (x, y) ∈ R2 ,
donc b est 1-lipschitzienne et σ ne dépend pas de x. Donc l’EDS admet une unique solution
forte.
2. Soit f (t, x) = (1 + t)x pour tout (t, x) ∈ R+ × R. Appliquons la formule d’Itô à la fonction
f qui est C 1,2 (R+ , R) et au processus d’Itô Xt avec X0 = 0 :
Z t Z t
Yt = f (t, Xt ) = Xs ds + (1 + s)dXs
0 0
Z t Z t
= Xs ds + (−Xs ds + σdBs )
0 0
= σBt .
On en déduit
σ
Xt = Bt .
1+t
3. Puisque (1 + t)Xt = σBt d’après la question précédente, on a
n λ2 t o 2a
Mt = exp λBt − , avec λ = .
2 σ
C’est une martingale continue. D’autre part, τa est un temps d’arrêt (temps d’entrée dans
le fermé [a, +∞[ du processus continu et adapté (Xt )t≥0 ). D’après le théorème d’arrêt, on a
que (Mt∧τa )t≥0 est une martingale. En particulier,
E[Mt∧τa ] = E[M0 ] = 1,
pour tout t ≥ 0. Faisons maintenant tendre t vers +∞. Sur l’événement {τa < ∞}, on a
2
Xτa = a par continuité et donc Mt∧τa −→ Mτa = exp( 2a σ 2 ). Sur l’événement {τa = ∞},
t→+∞
on a Xt −→ 0 et donc Mt∧τa = Mt −→ 0. Ainsi,
t→+∞ t→+∞
p.s.
2a2
Mt∧τa −→ exp 1τa <∞ .
t→+∞ σ2
2
D’autre part, comme Xt∧τa ≤ a, on a la domination |Mt∧τa | ≤ exp( 2aσ 2 ) pour tout t ≥ 0. Le
théorème de convergence dominée s’applique donc, et on conclut que
2a2
P(τa < ∞) = exp − 2 .
σ
4. Comme la variable aléatoire X ∗ est positive (X0 = 0), on a pour tout t > 0,
√
P((X ∗ )2 ≥ t) = P(X ∗ ≥ t)
= P(τ√t < ∞)
2t √
= exp − 2 (question 3 avec a = t).
σ
Cela montre que (X ∗ )2 suit la loi exponentielle de paramètre 2/σ 2 .
page 4 de 6
CentraleSupélec 3A
4. En déduire que
u v
P(BTu,v = v) = , P(BTu,v = −u) = .
u+v u+v
5. On note Tv = inf{t ≥ 0; Bt = v} le temps d’atteinte de v. Montrer que Tv est fini p.s.
6. À l’aide des questions précédentes et en considérant le processus Mt = Bt2 − t, calculer
E(Tu,v ).
Indication : on pourra appliquer un théorème d’arrêt au processus M et au temps d’arrêt Tn
Solution.
1. Tu,v est un temps d’arrêt : soit t ≥ 0
2. Puisque Tu,v est non borné, on considère Tn = Tu,v ∧ n qui est un temps d’arrêt borné par
n. On a alors d’après le théorème d’arrêt
E[MTu,v ] = E[M0 ] = 0
et
E[MTu,v ] = (v 2 − Tu,v )P(BTu,v = v, Tu,v ≤ n) + (u2 − Tu,v )P(BTu,v = −u, Tu,v ≤ n) + E((Bn2 − n)1Tu,v >n )
= v 2 P(BTu,v = v, Tu,v ≤ n) + u2 P(BTu,v = −u, Tu,v ≤ n) + E(Bn2 1Tu,v >n ) − E[Tn ]
−→ v 2 P(BTu,v = v) + u2 P(BTu,v = −u) + 0 − E[Tu,v ]
n→+∞
par convergence dominée et par convergence monotone (Tn % Tu,v ). Finalement Tu,v est
intégrable et compte tenu des valeurs des probabilités, on obtient
v2 u u2 v
E[Tu,v ] = + = uv.
u+v u+v
page 6 de 6