Processus aléatoires avec application en finance

Prof Olivier Scaillet

TA Alexandre Engulatov

TP 1
Distributions Elémentaires

Exercice 1
Un sac contient n jetons numérotés de 1 à n, qu’on tire tous 1 à 1, sans remise.
Calculer pn := P( au moins un jeton sorte au rang indiqué par son numéro) et sa
limite p∞ .

Exercice 2
Une variable aléatoire discrète X suit une loi de Poisson P(λ) de paramètre λ > 0
si elle prend la valeur k = 0, 1, . . . avec probabilité
λk e−λ
P (X = k) =
k!
1. Déterminez l’espérance et la variance de X.
2. Soit λ = 2. Calculez la probabilité que X ≤ E [X]. Quelle conclusion peut-on
en tirer pour la distribution?

Exercice 3
Une variable aléatoire continue X suit une loi exponentielle E (λ) de paramètre
λ > 0 si sa fonction de densité est

0 si x ≤ 0 ,
f (x) =
λe−λx sinon .
1. Déterminez l’espérance et la variance de X.
2. Montrer que E(λ) vérifie la propriété de non-vieillissement : P(X > s + t |
X > s) = P(X > t) pour tous t, s > 0.
3. Y a-t-il d’autres lois à densité sur R+ qui vérifient cette propriété ?

Exercice 4
Une variable aléatoire continue X suit une loi Gamma G (n, β) de paramètres
n ∈ N∗ et β ∈ R∗ si sa fonction de densité est
(
0 si x ≤ 0 ,
f (x) = β n−1 −βx βn
(n−1)! (xβ) e = Γ(n) xn−1 e−βx sinon .
R∞
Pour mémoire, Γ(n) = 0 e−x xn−1 dx. Pour n ∈ N, Γ(n + 1) = nΓ(n), et donc
Γ(n) = (n − 1)!.

1
 1. Montrez que la loi exponentielle est un cas particulier de la loi Gamma.
2. Calculez l’espérance de X.
Un trader travaillant sur des actifs à faible liquidité souhaite évaluer le temps
qu’il lui faudra pour vendre 1000 parts d’un titre i. Il ne veut pas révéler
d’information aux autres investisseurs et souhaite donc vendre ses parts en
deux fois (400 puis 600). Sachant que la durée entre deux transactions est
distribuée selon une loi exponentielle E (λ) et que deux durées consécutives
sont indépendantes,
3.* Déterminez la loi suivie par la variable Y mesurant le temps qu’il faudra au
trader pour vendre ses parts du titre i.
4.* Plus généralement, montrez que la somme de deux variables indépendantes
X ∼ G (a, β) et Y ∼ G (b, β) suit une loi G (a + b, β).

Exercice 5
Une variable aléatoire continue X suit une loi uniforme U [a, b] sur l’intervalle [a, b]
si sa fonction de densité est
 1
f (x) = b−a si a ≤ x ≤ b ,
0 sinon .

1. Montrez que f est une fonction de densité.

2. Calculer l’espérance et la variance de X.
3. Soit a = 1 et b = 2. Dessinez les fonctions de densité et de répartition de X.

Exercice 6


Une variable aléatoire continue X suit une loi normale N µ, σ 2 de paramètres
m et σ 2 ∈ R+ si sa fonction de densité est définie par
!
2
1 (x − µ)
f (x) = √ exp −
2πσ 2 2σ 2

1. Calculez E[X] et Var(X).

2. Dessinez la fonction de densité d’une variable aléatoire normale centrée ré-
duite.
0
Le vecteur X = (X1 , . . . , Xk ) suit une loi normale N (m, Ω) de paramètres
m ∈ Rk et Ω ∈ Mk×k si sa fonction de densité est définie par
 
1 1 1 0
f (x) = √
n p exp − (x − m) Ω−1 (x − m) ,
2π det (Ω) 2

pour x ∈ Rk .
Sur un marché boursier, on suppose que les rendements des titres 1 et 2 suivent
des lois normales de  moyennes  m1 et m2 . La matrice de variance-covariance
σ12 σ12
des actifs est Ω = . On forme le portefeuille Y = a1 X1 + a2 X2 et
σ12 σ22
on désire connaı̂tre la distribution de son rendement.

2
3.* Dans le cas où σ12 = 0, montrez que le rendement du portefeuille Y suit une
loi normale dont vous donnerez les paramètres.
4.* Sachant que la somme
 de deux variables de loi normale suit une loi normale,
0 1 −1
m = (3, 4) et Ω = , donnez la fonction de densité du rendement du
−1 5
portefeuille Y = 0.3X1 + 0.7 X2 .