‫وزارة التعليم العالي و البحث العلمي‬

Faculté des Sciences

Département de Mathématiques

Exposé

Mouvement Brownien fractionnaire

Option : Actuariat
Par
Souici Abir chiheb Khaoula Khemissi Abir
Khoualdi Rim Louadj Narimene

Sous la direction de Pr.Boutabia Hacene

Année:2024
 Table des matières

1 Introduction 1

1.1 Dé…nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Propriétés du mouvement Brownien fractionnaire . . . . . . . . . . . . . . 4
1.2.1 Auto-similarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Continuité de Hölder . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Non-Di¤érentiabilité . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.4 variation quadratique . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.5 Semimartingale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.6 Propriété de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Représentation de mouvement brownien fractionnaire . . . . . . . . . . . . 10
1.3.1 Moyenne mobile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Harmonisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.3 Levy-Hida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Méthodes de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.1 Méthode exacte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.2 Méthode d’approximation . . . . . . . . . . . . . . . . . . . . . . . 15

1
 1
CHAPITRE

Introduction

Le mouvement brownien fractionnaire (MBF) est une extension du concept classique du

mouvement brownien, introduit par le mathématicien français Paul Lévy au début du XXe
siècle. Contrairement au mouvement brownien standard, le MBF permet une variation
non constante de l’indice de Hurst, ce qui donne lieu à des trajectoires plus irrégulières
et complexes.
L’indice de Hurst, noté H, est une mesure de la rugosité d’une trajectoire. Dans le cas
du mouvement brownien fractionnaire, H peut prendre des valeurs dans l’intervalle (0,1),
ce qui permet de modéliser des phénomènes plus divers et ‡exibles que ceux décrits par
le mouvement brownien traditionnel.
Le MBF a trouvé des applications dans divers domaines tels que la …nance, la géo-
physique, la biologie et les télécommunications, en raison de sa capacité à modéliser des
phénomènes complexes caractérisés par une certaine persistance ou auto-corrélation à
long terme. Les propriétés du mouvement brownien fractionnaire o¤rent une meilleure
représentation des processus aléatoires persistants et des phénomènes non stationnaires.
L’étude du mouvement brownien fractionnaire a conduit au développement de tech-
niques mathématiques sophistiquées telles que les équations di¤érentielles stochastiques
fractionnaires et l’analyse spectrale fractionnaire. Ces outils permettent aux chercheurs
de mieux comprendre et de modéliser des systèmes dynamiques complexes qui ne peuvent

1
 1. Introduction

pas être adéquatement représentés par les modèles traditionnels basés sur le mouvement
brownien standard.
En résumé, le mouvement brownien fractionnaire constitue une extension importante
du mouvement brownien classique, o¤rant une ‡exibilité accrue dans la modélisation des
phénomènes aléatoires complexes avec une persistance à long terme. Cette extension a
des implications signi…catives dans plusieurs domaines scienti…ques et appliqués.

2
 1. Introduction

historique
Le mouvement brownien fractionnaire (mBf) a été introduit par Kolmogorov en 1940
comme moyen d’engendrer des "spirales" gaussiennes dans des espaces de Hilbert. En
1968, Mandelbrot et Van Ness l’ont rendu célèbre en l’introduisant dans des modèles
…nanciers et en étudiant ses propriétés. Le mBf est l’une des généralisations les plus na-
turelles du mouvement brownien. Il sert à recréer certains paysages naturels, notamment
des montagnes, mais également en hydrologie, télécommunications, économie, physique,
etc. Le mBf est un processus gaussien centré, nul en zéro et continu, dont la covariance est
donnée par une constante positive qui ne dépend que de l’indice de Hurst. Deux représen-
tations équivalentes du mBf sont la représentation par moyenne mobile et la représentation
harmonisable. Le mouvement brownien fractionnaire est un modèle non stationnaire de
signaux fractals nommés bruits gaussiens fractionnaires (fGn pour fractional Gaussian
noises), sont stationnaires. Ces deux modèles ont tout d’abord été utilisés pour modéliser
des signaux issus de phénomènes.

1
 1.1. Dé…nition

1.1 Dé…nition
On a ( ; F; P ) un espace de probabilité, le mouvement brownien fractionnaire de paramètre
H 2 [0; 1] est un processusgaussien réel centré noté B H = (BtH )t 0 qui véri…ant :

1. B0H = 0 P p s.

2. E[(BtH )2 ] = jtj 2H
8t 0.

3. B H a des accroissements stationnaires.

Proposition 1
Mouement brownien fractionnaire admet la fonction de covariance dé…nie par :

1
E[BtH BsH ] = t2H + s2H jt sj2H
2

Preuve On a:

E[(BtH BsH )2 ] = E[(BtH )2 ] + E[(BsH )2 ] 2E[BtH BsH ]

Et comme

L
BtH BsH = BtH s

Finalement, on a

1
E[BtH BsH ] = (E[(BtH )2 ] + E[(BsH )2 ] E[(BtH BsH )2 ])
2
1
= (E[(BtH )2 ] + E[(BsH )2 ] E[(BtH s )2 ])
2
1
= (E[(B1H )2 ](t2H + s2H jt sj2H )
2
1 2H
= (t + s2H jt sj2H )
2

Proposition 2 Soit B H est un mouvement brownien fractionnaire de indice Hurst

H 2 [0; 1] .

1
 1.1. Dé…nition

1
1. Si H = 2
alors mouvement brownien fractionnaire est un mouvement brownien
classique .

2. Si H = 1 alors BtH = tB1H presque surment pour tout t 0

Preuve

1 1
1. On voit tout de suit que la covariance de B 2 réduit à (s; t) 7! s ^ t donc B 2 est un
mouvement brownien classique

2. Lorsque H = 1 on a pour tout t 0:

E[(BtH tB1H )2 ] = E[(BtH )2 ] + t2 E[(B1H )2 ] 2tE[(BtH B1H )]

= t2 + t2 t(t2 + 1 (1 t)2 )

= 0

Donc BtH = tB1H presque surment .

Proposition 3 B H est un mouvement brownien fractionnaire de indice Hurst H 2
[0; 1] alors:

H H L
1. Pour tout a > 0 , (a Bat )t 0 = (BtH )t 0 (est un autosimilarité)

Dé…nition 1.1.1 Un processus stochastique X à valeurs dans Rd est dit autosimi-

laire si pour tout a 0, il exicte des valeurs b(a) 2 R et c(a) 2 Rd telles que

(L)
(Xat ; t 0) = (b(a)Xt + c(a); t 0)

Les valeurs b(a) et c(a) sont déterminées de manière unique et ont des formes
explicites .

L
2. (t2H B H1 )t 0 = (BtH )t 0 (est une inversion de temps)
T

2
 1.1. Dé…nition

H L
3. 8h > 0 ,(Bt+H BhH )t 0 = (BtH )t 0 (est un stationarité de incréments)

Preuve

1.

1 2H
H H
E[Bat Bas ] = (at + as2H jat asj2H
2
1 2H 2H
= a (t + s2H jt sj2H )
2

Donc

H H H H 1 2H H H
E[a Bat a Bas ] = a E[Bat Bas ]
2
1 2H 2H 2H
= a a (t + s2H jt sj2H )
2
1 2H
= (t + s2H jt sj2H )
2

2.

1 2H 2H
E[t2H B H
1 s
2H H
B1 ] = t s E[B H H
1 B1 ]
t s 2 t s

2H 2H
1 2H 2H 1 1 2H 1 1
= t s ( + )
2 t s t s
1 2H
= (t + s2H jt sj2H
2

3.

H
E[(Bt+h BhH )(Bs+h
H
BhH )] = E[Bt+h
H H
Bs+h ] H
E[Bt+h BhH ] H
E[Bs+h BhH ] + E[(BhH )2 ]

1
= [((t + h)2H + (s + h)2H jt sj2H ) ((t + h)2H + (h)2H jtj2H )
2
((s + h)2H + (h)2H jsj2H ) + 2h2H ]
1 2H
= (t + s2H jt sj2H
2
= E[BtH BsH ]

3
 1.2. Propriétés du mouvement Brownien fractionnaire

1.2 Propriétés du mouvement Brownien fractionnaire

1.2.1 Auto-similarité

Dé…nition 1.2.1 Un processus fXt : t 2 Rg est dit auto-similarité d’indice > 0 tel que:

pour tout > 0 les processus

fX t : t 2 Rg et Xt : t 2 R

aient même loi.

Théorème 1.2.1 Le Mouvement Brownien Fractionnaire BtH : t 2 R de paramétre H

est Auto-similarité d’ordre H

Démonstration:
On …xe > 0 ; il évidente que B Ht : t 2 R et H
BtH : t 2 R sont deux processus
Gaussiens centrés, il su¢ t donc de montrer qu’ils ont la même fonction de covariance.
D’une part on a :

Cov(B Ht ; B Hs ) = E(B Ht B Hs )
1
= j sj2H + j tj2H j t sj2H
2
1 2H
= jsj2H + jtj2H jt sj2H
2

H
Cov BtH ; H
BsH = E( H
BtH H
BsH )
2H
= E(BtH BsH )
1
= 2H
jsj2H + jtj2H jt sj2H
2

donc B Ht = H
BtH

4
 1.2. Propriétés du mouvement Brownien fractionnaire

1.2.2 Continuité de Hölder

Dé…nition 1.2.2 f est Hölder Continu de paramétre 2 [0; 1] s’il existe c > 0 et f :
I ! R tel que :
jf (t) f (s)j c jt sj s; t 2 I

Théorème 1.2.2 Tout Mouvement Brownien fractionnaire admet une modi…cation dont
les trajectoires ont une Continuité de Hölder D’ordre < H sur tout intervalle [0; p] avec
p > 0:

Théorème 1.2.3 (Kolmogorov) soit X = (Xt )t 0 un processus stochastique à valeurs

réelles pour lequel il existe trois constantes strictement positives ; c; " tel que :

E (jXt Xs j ) jt sjc+"

Alors il existe une modi…cation X e du processus X; tel que :

0 1
et Xs
X
E @sup A < +1
t6=s jt sj

pour chaque 0 < e sont Hölderienns continues

< " : En particulier les trajectoires de X
de paramètre
Démonstration:
Il su¢ t de montrer que , pour tout > 0 il existe une constante C telle que , pour
tout (s; t) 2 [0; p]2 :
H
E BtH BsH C jt sj (1.2.1)

En e¤et , la condition (1) assure,par le théorème de régularité de Kolmogorov que

BtH : t 2 [0; p] admet une modi…cation dont les trajectoires sont Hölder Continues
H 1
d’ordre 2 0; pour tout > 0 ce que montre le résultat . La condition (1)
découle de la stationnarité des accroissements et de l’auto-similarité:

E BtH BsH = E BtH s

H
= jt sj E B1H

d’où le résultat avec C = E B1H < +1

5
 1.2. Propriétés du mouvement Brownien fractionnaire

1.2.3 Non-Di¤érentiabilité

Théorème 1.2.4 Soit t0 2 R les trajectoires du mouvement Brownien fractionnaire sont

P p:s non di¤érentiables en t0 si :

BtH BtH0
8t0 2 R+ ; P lim sup = +1 =1
t !t0 t t0

Démonstration:
On se ramène au cas t0 = 0 grâce à la stationnarité.
BtH
on va donc étudier le comportement de t
quand t tend vers t0 :
En fait on va démontrer la non-di¤érentiabilité à droite :
On pose :
BtH
A(t) = sup M avec M > 0
0 s t t
Alors

BtH
P [A(t)] P M
t
tH H
P B1 M par auto-similarité
t
P B1H M:t1 H !t!0 P B1H 0

Ainsi on a 8M; P [A(t)] !t!0+ 1

BtH
lim = +1 P p:s
t!0+
t

1.2.4 variation quadratique

Théorème 1.2.5 : soit (BtH )t2R un mouvement brownien fractionnaire de paramétré

H et 0 = t0 < t1 < :::: < tn = t est une subdivision de [0; t] le pas h = maxi=1;:::;n (ti
ti 1 )
donc :
X
lim (BtHi BtHi 1 )2 = hB H it
n!+1
(ti 1 ;ti )2h

on a :

6
 1.2. Propriétés du mouvement Brownien fractionnaire

1
hB H it = 0; 8t 2 R pour H >
2
1
hB H it = t; 8t 2 R pour H =
2
1
hB H it = +1; 8t 2 R+ pour H <
2

Démonstration
Soient t 2 R+ ; et fMn : 0 = t0 < t1 < ::: < tn = t; n 2 N g une suite de subdivision de
[0; t] dont le pas jMn j !n!+1 0
P
Considérons TtMn = nk=01 (BtHk+1 BtHk )2
1
1er cas : H > 2

Nous allons donc montrer la convergence dans L1 de TtMn vers 0. Par la stationnarité
des accroissements, on a :

"n 1 #
X
E [TtMn ] = E (BtHk+1 BtHk )2
k=0
X
n 1 h i
= E (BtHk+1 BtHk )2
k=0
X
n 1
= var(BtHk+1 BtHk )
k=0
X1
n
= var(BtHk+1 tk )
k=0
X1
n
= jtk+1 tk j2H
k=0
X1
n
= jtk+1 tk j jtk+1 tk j2H 1

k=0

2H 1
X
n 1
jMn j jtk+1 tk j
k=0

jMn j2H 1
t

Comme H > 1
2
) 2H 1 > 0; on a donc : limn!+1 jMn j2H 1
t=0

7
 1.2. Propriétés du mouvement Brownien fractionnaire

Alors:
TtMn !Ln!+1 0
1

d’où le résultat.
1
2eme cas: H < 2

Nous allons montrer la divergence de TtMn vers +1:

Appelons A l’ensemble des subdivisions de [0; t] dont le pas tend vers 0 et considérons
:
hP i
n 1 H it
Dn = supMn E k=0 (Btk+1 BtHk )2 ; ceci est donc minoré par la subdivision i = 2n

on a donc :

" #
X
2n
Dn E (B Hi B Hi 1 )2
i=0
X
2n
E (B Hi B Hi 1 )2
i=0
X2n
var (B Hi B Hi 1 )
i=0
X2n
var(B Hi i 1
)
i=0
X2n
2H
j i i 1j
i=0
X2n
it (i 1)t
2H

i=0
2n 2n
X2n
t
2H

i=0
2n
2H
n t
(2 + 1) n
2
1 1
(t)2H ( n(2H 1)
+ )
2 22nH
1
Comme H < 2
alors 2H 1 < 0 et 2H > 0 on a donc :

1
lim = +1
n!+1 2n(2H 1)

8
 1.2. Propriétés du mouvement Brownien fractionnaire

et
1
lim =0
n!+1 22nH

Ce qui conduit au résultat.

1.2.5 Semimartingale

Théorème 1.2.6 : le mouvement brownien fractionnaire n’est pas une semimartingale

1
pour H 6= 2
relativement à sa ltration naturelle

Démonstration
1
supposons que B H = M + V est un semimartingale H > 2
on a hM it = hB H it =
08t 2 R donc en vertu de la décomposition de Doob Meyer, M 2 hM it est une martingale
locale continue nulle en 0 c’est à dire qu’il existe une suit TN : n 2 N croissante de tempe
d’arrêt telle que:
lim Tn = +1 P ^ p:s
n!+1

et

2 2
8n; 8t; E Mt^Tn
= E M0^Tn
=0

2
8n; 8t; E Mt^Tn
= 0 P ^ p:s

comme Tn croissant tend vers +1 P p:s, on a :

8t; Mt2 = 0 P ^ p:s

Donc M 2 est indistinguable du processus nul.

1
8tBtH = Vt P p:s: et donc B H est P p:s: à variation quadratique …nie H < 2

la variation quadratique de M ne serait dé nie qu’en 0 ce qui contredit l’hypothése de

continuité

9
 1.3. Représentation de mouvement brownien fractionnaire

1.2.6 Propriété de Markov

Théorème 1.2.7 : Xt un processus gaussien centré. X est un processus de markov si

: 8s < t < u avec (t; t) < 0 (s; u) (t; t) = (s; t) (t; u)

est la fonction de covariance de X

1
corolaire 1: soit H 2]0; 1] et H 6= 2
le mouvement brownien fractionnaire (BtH )
n’est pas markov
Démonstration
s’il était markov, sa fonction de covariance véri…erait et en particulier, comme 1 <
2 < 3; on aurait :

1
(1; 3) (2; 2) = (1 + 32H 22H )
2
= 3 + 32H 3(22H )

et

1 1
(1; 2) (2; 3) = (1 + 22H 1) (22H + 32H 1)
2 2
= 0

1.3 Représentation de mouvement brownien fraction-

naire

1.3.1 Moyenne mobile

Théorème 1.3.1 Soit 0 < M < 1, M une mesure aléatoire gaussienne de mesure de
contrôle la mesure Lebesgue et Bt un mouvement brownien ordinaire.

les processus dénis pas :

10
 1.3. Représentation de mouvement brownien fractionnaire

Z +1 h i
1 1 1
f ((t s)+ )H 2 (( s)+ )H 2 M (ds) : t 2 R+ g
C1 (H) 1
Z 0 h i Z 0
1 1 1 1
f (t s)H 2 ( s)H 2 dBs + (t s)H 2 : t 2 R+ g
C1 (H) 1 1

avec
sZ
+1 h 1 1
i2
C1 (H) = ((t s)+ )H 2 (( s)+ )H 2 ds
1

sont des mouvement brownien fractionnaire d’indice H.

Bien que formellement équivalents (en considérant M (ds) = dBs) ces deux processus
ne sont pas dénis de la même façon.

preuve
2
soit (s; t) 2 (R+ ) , on a :

Z +1 h i
1 1 1
BtH BsH = ((t u)+ )H 2 ((s u)+ )H 2 M (du)
C1 (H) 1
h i Z +1 h i2
2 1 1 1
E BtH BsH = ((t u)+ ) H 2 ((s u)+ ) H 2 du
C12 (H) 1

on eectue le changement de variable u = jt sjv +s on obtient :

h i Z +1 h i2
2 1 1 1
E BtH BsH = 2
(((jt sj(1 v))+ )H 2 (( jt sjv)+ )H 2 jt sjdv
C1 (H) 1
Z +1 2
1 2H
H 1
2 H 1
2
= 2
jt sj ((1 v)+ ) (( v)+ ) dv
C1 (H) 1
= jt sj2H

1.3.2 Harmonisable

Théorème 1.3.2 Soit 0 < H < 1, M une mesure aléatoire gaussienne complexe de
mesure de contrôle 2
.

11
 1.3. Représentation de mouvement brownien fractionnaire

Le processus dé…ni par :

Z +1
1 ei t
fXt = M (d ) : t 2 R+ g
C2 (H) 1 i j jH 21
s
(2 2H) cos( H)
AvecC2 (H) =
H(1 2H)

est un mouvement brownien fractionnaire d’indice H.

1.3.3 Levy-Hida

Il y a aussi une autre representation du mouvement Brownien fractionnaire comme une

intégrale de Wiener sur un intervalle …niè [0; T ] de la forme ci-dessous :
On a un processus de Wiener Bs et le noyau :

1 1 t
KH (t; s) = dH (t s)H 2 + sH 2 F1 ( )
s

avec dH est une constante et

Z z 1
1 3 1
F1 = dH H H 2 1 ( + 1)H 2 d
2 0

Si H 2 (0; 12 ) le noyau KH est donnée par:

Z t
t 1 1 1 1 1 3
KH (t; s) = bH ( )H 2 (t s) H 2 H s2 H
(u s)H 2 uH 2 du
s 2 s
! 21
2H
bH = 1
1 2H 1 2H; H + 2

avec est la fonction Beta

Z 1
( (a; b) = ta 1 (1 t)b 1 dt)
0

12
 1.4. Méthodes de simulation

si H 2 ( 12 ; 1) :
Le noyau a la simple expression suivante:

Z t
1 3 1
H
KH (t; s) = cH s 2 ju sjH 2 uH 2 du: t > s
s

Où

! 21
H (2H 1)
cH = 1
2 2H; H 2

La représentation de Levy-Hida du mouvement Brownien fractionnaire est la suiv-

ante:

Z t
BtH = KH (t; s) dBs ; 0 < S < T < 1:
0

1.4 Méthodes de simulation

le mouvement brownien fractionnaire, un processus gaussien auto-similaire,modélise cer-
tains types de tra…c de données mieux et de manière plus réaliste que les modèles con-
ventionnels. Comme peu de résultats théoriques sont connus sur les systèmes de mise en
…le d’attente avec un processus d’arrivée de type mouvement brownien fractionnaire, il
estimportant de savoir comment ce processus peut être simulé. Par conséquent, un rôle
important est joué par la simulation étude, en particulier pour les systèmes complexes de
mise en …le d’attente. Ce chapitre a pour but de décrire certaines simulations méthodes
pour le mouvement brownien fractionnaire, exactes et approximatives.
Puisqu’il est seulement possible de simuler en temps discret, nous adaptons une no-
tation de temps discret Y0 , Y1 , . . pour le valeurs du mouvement brownien fractionnaire
aux époques discrètes 0, 1, . . Une fois cette fraction brownienne l’échantillon de mouve-

13
 1.4. Méthodes de simulation

ment est simulé, une réalisation sur une autre grille équidistante est obtenue en utilisant
l’auto-similarité propriété.

1.4.1 Méthode exacte

Méthode de Choleski

Soit la matrice de covariance de BH standard, telle que pour i; j = 0; :::; N 1

i j cov B i ; B j si i 6= j
N N
( )i;j = ; =
N N var B i si i = j
N

Il est claire que est une matrice symétrique dé…nie positive ou semi-dé…nie positive,
donc elle admet une décomposition de Choleski.
On simule la trajectoire du F BM aux instants 1; :::; N 1, car par dé…nition,le F BM
est issu de 0(B0 = 0). On prend la matrice N;N privée de sa première ligne et de sa
première colonne, et on la note N 1;N 1 , E(BH(t)BH(0)) = 0,8t 2 R+ :Simuler une
trajectoire discrétisée d’un F BM aux instants i=N pour i = 1; :::; N 1 revient alors à
générer un vecteur Z de (N 1) variables aléatoires indépendantes Gaussiennes standards.
D’après On écrit la matrice de covariance sous la factorisation de Choleski : =
LLt où L est une matrice triangulaire inférieure (la racine carrée de la matrice de covariance
).
–Le vecteur X = m + LZ suit une loi normale multidimensionnelle (de taille N ) de
moyenne m et de variance-covariance :LZ est un vecteur Gaussien centré, et E[(LZ)(LZ)t ] =
.
on voit clairement que le vecteur LZ est un vecteur Gaussien centré, et représente
la trajectoire du F BM aux instants 1; :::; N 1, tel que L est une matrice triangulaire
inférieure (la racine carrée de la matrice de covariance ). Le vecteur BH = (0; (LZ)t )t
dé…nit la trajectoire du F BM , simulée par la méthode de Choleski.

14
 1.4. Méthodes de simulation

1.4.2 Méthode d’approximation

Méthode de Wood et Chan

Cette méthode se base sur la simulation d’un vecteur X qui désigne les composantes d’un
F GN simulé aux instants i=N; i = 0; :::; N 1. On note par G la matrice de covariance
de processus X, c’est-à-dire,
la matrice d’autocovariance du F BM BH , telle que :

j i
(G)i;j = E(X (i=N ) X (j=N )) = ; i; j = 0; :::; N 1:
N
Ceci implique que :

X
N X
N X
N X
N
j i
E(B (i=N ) B (j=N )) = (G)i;j = ; i; j = 0; :::; N 1:
i=0 j=0 i=0 j=0
N

Pour simuler le vecteur Gaussien X, on cherche la racine carrée de la matrice de

covariance G, et pour la trouver, on fait intervenir une matrice circulanteC. L’idée de la
méthode de Wood et Chan est de plonger G dans une matrice circulante C de dimension
m (plus grande que N ) ; une matrice carrée dans laquelle, on passe d’une ligne à la
suivante par permutation circulaire (décalage vers la droite) des coe¢ cients. On e¤ectue
cette extension C (de G), car les systèmes circulants peuvent être résolus très e¢ cacement
par la transformée de Fourier rapide (FFT : Fast Fourier Transform)
La matrice C est circulante symétrique dé…nie positive de taille m = 2g ,g 2 N : Cette
taille a été choisie de telle sorte que l’exécution de l’algorithme soit rapide. On donne la
matrice C par

0 1
c0 c1 c2 cm 1
B C
B C
B cm 1 c0 c1 cm 2 C
B C i
si 0 j< m
B C N 2
C = B cm 12 cm 1 c0 cm 3 C ou cj = m j
B C si m
j<m 1
B .. .. .. C N 2
B . . . C
@ A
c1 c2 c3 : : : c0

15
 1.4. Méthodes de simulation

t L
Générer le vecteur X = (X0 ; :::; XN 1) = N (0; G) revient à la génération du vecteur
L
X0 = (X0 ; :::; Xm 1 )t = N (0; C):La matrice C est diagonalisable dans la base de Fourier,
c’est-à-dire, il existe
1
une matrice D, telle que C = P DP , où D est une matrice diagonale (de valeurs
propres dj ), et P est la matrice unitaire des vecteurs propres à valeurs complexes. On
peut dire que C = P D1=2 D1=2 P 1

telle que 0 p 1
d1 0 ::: 0
B p C
B C
B 0 d2 0 C
D1=2 =B
B .. .. ..
C
C
B . . . C
@ p A
0 0 ::: dm
La matrice de la racine carrée de C est donc la matrice L = P D1=2 P 1

L
Le vecteur du FGN (recherché) est le vecteur X 0 = LZ = P D1=2 P 1
Z,tel que X 0 =
L
N (0; C), et Z est un vecteur aléatoire simulé au hasard : Z = N (0; Im ). Les N premières
composantes du vecteur X 0 constituent le vecteur du F GN X.
Sur le plan algorithmique, on suit les procédures suivantes pour construire le processus
du F GN :

1. On calcul les valeurs propres de C, en utilisant la transformée de Fourier rapide,

par la forme matricielle suivante :
X1
m
jk X1
m
jk
dk = cj exp 2i = cj exp 2i ; pour k = 0; ::; m 1:
j=0
m j=0
m

1
2. On simule la partie P Z = W (Gaussienne) de X 0 , en la décomposant en partie
réelle et imaginaire, par les deux sous-étapes suivantes :

(a) Générer U; V deux variables aléatoires Gaussiennes standards, et écrire W0 = U

et W m2 = V:

(b) Générer U j; V j deux variables aléatoires Gaussiennes standards pour tout 1

m
j 2
, et écrire les autres composantes de W
1
Wj = p (Uj + iVj )
2

16
 1.4. Méthodes de simulation

1
Wm j = p (Uj iVj )
2

3. On construit le vecteur X 0 , en écrivant la forme matricielle de P D1=2 W :

1 Xp
m 1
0 k jk
X = p dj Wj exp 2i ; pour k = 0; ::m 1:
N m j=0 m

4. On utilise, encore une fois, la transformée de Fourier rapide inverse pour trouver le
vecteur X 0 , et ses N premières composantes constituent le vecteur X.

On fait l’approximation du FBM par la somme cumulée des composantes de processus

des accroissements X :

BH (0) = 0 (par dé…nition)

X
i
BH (i=N ) = X (k=N ) ; i = 1; :::N 1:
k=0

17
 1.4. Méthodes de simulation

Conclusion
Le mouvement brownien fractionnaire (fBm) est un processus stochastique qui généralise
le mouvement brownien ordinaire. Il est caractérisé par un paramètre de Hurst, noté H, tel
que 0 < H < 1. Ce processus est utilisé pour modéliser des phénomènes non stationnaires
et des signaux fractals. Il a des applications dans divers domaines, tels que la …nance, la
géophysique et le traitement du signal. Les études sur le mouvement brownien fraction-
naire portent sur des sujets tels que l’analyse stochastique, l’estimation de paramètres, la
synthèse du mouvement brownien fractionnaire, et le calcul stochastique par rapport à un
mouvement brownien fractionnaire. Les travaux de recherche ont abouti à des méthodes
d’analyse, des algorithmes de synthèse, et des applications dans des domaines spéci…ques.

1
 Bibliographie

[1] https://www.researchgate.net/publication/324965794

[2] C:nUsersnpmsnDesktopnmovement brownienne fractionairenAbbassi-Randa.pdf

[3] C:nUsersnpmsnDesktopnmovement brownienne fractionairenBahaz- Yamina.pdf

[4] https://theses.hal.science/tel-00003407