ISFA Vincent Lerouvillois

Processus stochastiques - M1 Actuariat lerouvillois@[Link]

Semestre automne 2018-2019 [Link]/homes-www/lerouvillois/

Éléments de correction TD no 3
Mouvement Brownien (suite) et Intégrale de Wiener

Exercice 1 : Temps d’atteinte du mouvement Brownien.

Soit a > 0, (Bt )t∈R+ un mouvement Brownien et soit Ta := inf{t ≥ 0, Bt = a} le premier temps
d’atteinte du point a par un mouvement Brownien.
1. En utilisant une des martingales du mouvement Brownien , calculez sa transformée de La-
place :
E [exp(−λTa )]

pour tout λ > 0.

2. En déduire que P (Ta < +∞) = 1 et que E [Ta ] = +∞.

Correction exercice 1 :
 2

λBt − λ2 t
1. On utilise le fait que pour tout λ > 0, le processus stochastique e est une
t≥0
martingale.
Par ailleurs, Ta est un temps d’arrêt car {Ta ≥ t} = {sup{Bs , s ∈ [0, t]} ≥ a} ∈ Ft .
On peut donc appliquer le théorème d’arrêt aux temps d’arrêts bornés 0 ≤ t ∧ Ta .
On obtient l’égalité :  
2
λBt∧Ta − λ2 t∧Ta
E e F0 = 1,

puis en prenant l’espérance  

2
λBt∧Ta − λ2 t∧Ta
E e = 1.

Nous voulons maintenant réaliser la limite t → +∞. Pour cela, on va utiliser le théorème
de convergence dominée. D’une part, on a la convergence presque sûre :
λ2 λ2
eλBt∧Ta − 2
t∧Ta
−→ 1Ta <+∞ eλBTa − T
2 a
t→+∞
λ2
= 1Ta <+∞ eλa− T
2 a (car BTa = a par continuité du mouvement Brownien).

D’autre part, on a la domination suivante :

λ2
eλBt∧Ta − 2
t∧Ta
≤ eλa , (car Bt∧Ta ≤ a)

1
 qui est bien intégrable comme variable aléatoire constante. On en déduit par le théorème de
convergence dominée que :
   
λ2 λ2
E eλBt∧Ta − 2 t∧Ta −→ E 1Ta <+∞ eλa− 2 Ta
t→+∞
 2

λa− λ2 Ta
=E e .

Par conséquent, on a  
2
λa− λ2 Ta
E e = 1,

puis  
2
− λ2 Ta
E e = e−λa .
h i √
λ2 0 0
Posons, λ0 = 2 , on obtient E e−λ Ta = e− 2λ a . On a montré que :
h i √
∀λ > 0, E e−λTa = e− 2λa .

2. On a que E e−λTa = E 1Ta <∞ e−λTa . De plus,

   

1Ta <∞ e−λTa −→ 1Ta <∞ ,

λ→0

et on a la domination 1Ta <∞ e−λTa ≤ 1 donc par le théorème de convergence dominée,

h i h i
E e−λTa = E 1Ta <∞ e−λTa −→ E [1Ta <∞ ] = P [Ta < ∞] .
λ→0

D’où,
√
P [Ta < ∞] = lim e− 2λa
= 1.
λ→0

Ensuite, pour tout λ > 0, on a par le théorème de dérivation sous l’intégrale que :
dE e−λTa
  h i
= E −Ta e−λTa .
dλ
Or, par théorème de convergence monotone :
h i
E [Ta ] = lim E Ta e−λTa .
λ→0

On a donc
h i
E [Ta ] = lim E Ta e−λTa
λ→0
dE e−λTa
 
= lim −
λ→0 dλ
d  −√2λa 
= lim − e
λ→0 dλ
a √
= lim √ e− 2λa
λ→0 2λ
= +∞.

2
 En conclusion,
E [Ta ] = +∞.

Exercice 2 : Principe de Réflexion et loi du Maximum.

Soit B un mouvement Brownien. Pour tout t ∈ R+ , on note St = sups∈[0,t] Bs le maximum du

mouvement Brownien sur l’intervalle [0, t]. Le but de cet exercice est d’utiliser un principe dit “de
réflexion” (illustration Figure 1) pour calculer la loi de St .
1. On note Ta := inf{t ≥ 0, Bt = a} le premier temps d’atteinte de a par le mouvement
Brownien. On note Bsa = Bs+Ta − BTa . Que pouvez-vous dire du processus (Bsa )s∈R+ ?
a
 
2. Montrez que P [St ≥ a, Bt ≤ b] = P Ta ≤ t, Bt−T a
≤b−a .
a
 
3. En déduire que P [St ≥ a, Bt ≤ b] = P Ta ≤ t, Bt−Ta
≥a−b .
4. En déduire que P [St ≥ a, Bt ≤ b] = P [Bt ≥ 2a − b] (voir illustration Figure 1) .
5. En conclure que P [St ≥ a] = 2 P [Bt ≥ a] = P [|Bt | ≥ a] et donc que
d
St = |Bt | .

Correction exercice 2 : (Proposée par Hugo Vaneuville)

On fixe t, a, b comme dans l’énoncé.
1. D’après la propriété de Markov forte, (Bsa )s∈R+ est un mouvement Brownien indépendant
de FTa .
2. On a :

{St ≥ a} = {∃s ∈ [0, t], Bs ≥ a}

= {∃s ∈ [0, t], Bs = a} (par le théorème des valeurs intermédiaires)
= {Ta ≤ t} .

a
De plus, sur l’événement {Ta ≤ t}, on a Bt−T = Bt − BTa = Bt − a. Et donc :
a

a
 
P [St ≥ a, Bt ≤ b] = P Ta ≤ t, Bt−Ta
+a≤b
a
 
= P Ta ≤ t, Bt−Ta
≤b−a .

3. Si on conditionne par FTa et qu’on utilise la question 2, on obtient que :

h h ii
P [St ≥ a, Bt ≤ b] = E E 1Ta ≤t 1Bt−T ≤b−a FTa
a
a
  a 
= E 1Ta ≤t P Bt−Ta ≤ b − a FTa (car Ta est mesurable par rapport à FTa ).

3
 Comme Ta est mesurable par rapport à FTa , on a :
 a   a 
P Bt−Ta
≤ b − a FTa = P Bt−s ≤ b − a FTa |s=Ta
 a  a
= P Bt−s ≤ b − a |s=Ta (car Bt−s est indépendant de FTa ).

Or, (Bsa )s∈R+ est un mouvement Brownien, donc par symmétrie :

 a   a

P Bt−s ≤ b − a = P −Bt−s ≤b−a .

a est indépendant de F
En utilisant de nouveau que Bt−s Ta et que Ta est mesurable par rapport
à FTa , on obtient que :

a a
   
P −Bt−s ≤ b − a |s=Ta = P −Bt−Ta
≤ b − a FTa .

Finalement :

a
  
P [St ≥ a, Bt ≤ b] = E 1Ta ≤t P −Bt−T a
≤ b − a FTa
h h ii
= E E 1Ta ≤t 1−Bt−T
a ≤b−a FTa (car Ta est mesurable par rapport à FTa )
a
a
 
= P Ta ≤ t, −Bt−T a
≤b−a
a
 
= P Ta ≤ t, Bt−T a
≥a−b .

4. On conclut de la façon suivante :

a
 
P [St ≥ a, Bt ≤ b] = P Ta ≤ t, Bt−Ta
≥a−b
= P [St ≥ a, Bt−Ta +Ta − a ≥ a − b]
= P [St ≥ a, Bt ≥ 2a − b] .

Or, comme a ≥ b, on a 2a − b ≥ a, donc l’événement {Bt ≥ 2a − b} contient l’événement

{St ≥ a}, ce qui donne le résultat.
5. En appliquant le résultat précédent avec b = a, on obtient que :

P [St ≥ a] = P [St ≥ a, Bt ≤ a] + P [St ≥ a, Bt ≥ a]

= P [St ≥ a, Bt ≥ a] + P [St ≥ a, Bt ≥ a] (d’après la question précédente)
= 2P [Bt ≥ a] (car {Bt ≥ a} ⊆ {St ≥ a})
= P [|Bt | ≥ a] .

Exercice 3 : Intégrale de Wiener

4
 2a − b
a
b

Ta t Ta t

Figure 1 – Illustration du principe de réflexion par Hugo Vanneuville. A gauche, un mouvement Brownien sa-
tisfaisant l’événement {St ≥ a, Bt ≤ b}. À gauche, le même mouvement Brownien après réflexion pour s ≥ Ta et
qui vérifie maintenant Bt ≥ 2a − b. L’idée est que par la propriété de Markov (forte) et par symmétrie, le deuxième
processus est aussi un mouvement Brownien.

Rt
1. Justifier que la variable aléatoire Xt = 0 (sin s) dBs est bien définie comme intégrale de
Wiener.
2. Justifier que X est un processus gaussien. Calculer son espérance et sa covariance E(Xs Xt ).
3. Montrer que le processus X est une martingale.
4. Quelle est la variation quadratique de X ?

Correction exercice 3 : Les trois premières questions ont été vues en classe. Voici la correction
de la quatrième question. A la question deux, il a été montré que
1 1
Γ(s, t) := Cov(Xs , Xt ) = sin(s ∧ t) − sin(2s ∧ t).
2 4
Calculons pour tout s ≤ t, E Xt2 Fs .
 

E Xt2 Fs = E (Xt − Xs + Xs )2 Fs
   

= E (Xt − Xs )2 Fs + 2Xs E Xt − Xs Fs + Xs2

   
(par Fs -mesurabilité de Xs )
= E (Xt − Xs )2 + 2Xs × 0 + Xs2
 
(car (Xt )t∈R+ est un PAI)
= V(Xt − Xs ) + Xs2
= Γ(t, t) + Γ(s, s) − 2Γ(s, t) + Xs2
= Γ(t, t) − Γ(s, s) + Xs2 (car Γ(s, t) = Γ(s ∧ t, s ∧ t) et s ≤ t)

On en déduit que (Xt2 − Γ(t, t))t∈R+ est une martingale et donc que la variation quadratique de X
vaut :

1 1
hXit = Γ(t, t) = sin(t) − sin(2t).
2 4

5
Exercice 4 : Vers l’intégrale stochastique générale...
Rt
Le but de cet exercice est de calculer l’intégrale stochastique 0 Bs dBs , en utilisant la construction
vue en cours par approximation par des processus étagés.
1. Montrer que le mouvement Brownien (Bt )t∈R+ est un bon processus.
2. On définit le processus étagé suivant :
n−1
X
Btn = Btk 1[tk ,tk+1 [ (t) ,
k=0

2 ([0,t])
n L −→
hR i
t
avec tk := kt
n . Montrer que B B c’est à dire que : E 0 (B n − B )2 ds −→ 0 .
s s
n→∞ n→∞
Rt n
3. Calculer 0 Bs dBs . On pourra exprimer le résultat comme fonction du mouvement Brownien.
4. Montrer enfin que Z t
1 1
Bs dBs = Bt2 − t .
0 2 2
Remarque : On s’assure que Btk est bien mesurable par rapport à la tribu indexée par la borne gauche de
l’intervalle [tk , tk+1[ à savoir Ftk . Si, par exemple, on remplaçait Btk par Btk+1 qui n’est pas Ftk -mesurable
mais Ftk+1 -mesurable, on obtiendrait un résultat différent (Exercice : le vérifier).

Correction exercice 4 :
1. Vu en classe.
2. Vu en classe.
Z t
3. Calculons pour tout n ∈ N∗ l’intégrale stochastique Bsn dBs .
0
Par définition de l’intégrale stochastique pour des fonctions en escalier, on a que :
Z t n−1
X
Bsn dBs := Btk (Btk+1 − Btk ).
0 k=0

Ensuite, on écrit que :

Btk+1 + Btk Bt − Btk
Btk = − k+1 ,
2 2
pour réécrire la somme sous la forme :

t n−1
(Btk+1 + Btk ) (Btk+1 − Btk ) 
Z X
Bsn dBs = − (Btk+1 − Btk )
0 2 2
k=0
n−1 n−1
X (Btk+1 + Btk )(Btk+1 − Btk ) X (Btk+1 − Btk )2
= −
2 2
k=0 k=0
n−1 n−1
X Bt2k+1 − Bt2k X (Btk+1 − Btk )2
= − .
2 2
k=0 k=0

6
 Par télescopage de la première somme, on obtient l’expression :
Z t n−1
X (Btk+1 − Btk )2
1
Bsn dBs = Bt2 − .
0 2 2
k=0

L2 ([0,t]) Rt L2 (Ω)
Rt
4. D’après la question 2, B n −→ B et donc n
0 Bs dBs −→ Bs dBs , par définition de
n→∞ n→∞ 0
l’intégrale stochastique généralisée comme prolongement 2
L de l’intégrale stochastique sur
des fonctions en escalier. D’après, le résultat de la question 3, il nous reste à montrer que :
n−1
X L2 (Ω)
(Btk+1 − Btk )2 −→ t,
n→∞
k=0
Rt
pour conclure que 0 Bs dBs = 21 Bt2 − 12 t. Autrement dit, il faut montrer que :

 n−1
" #
X 2
E (Btk+1 − Btk )2 − t −→ 0.
n→∞
k=0

On a que :
" n−1 #
X 2
E (Btk+1 − Btk )2 − t
k=0
 n−1
" #
X
2

2
=E (Btk+1 − Btk ) − t/n
k=0
 n−1
 n−1
" #
X X

=E (Btk+1 − Btk )2 − t/n (Btk0 +1 − Bt0k )2 − t/n
k=0 k0 =0
   
n−1
X
2 X
(Btk+1 − Btk )2 − t/n  + E  (Btk+1 − Btk )2 − t/n (Btk0 +1 − Bt0k )2 − t/n  .



= E
k=0, k=k0 k6=k0

Commençons par traiter le deuxième terme de la somme. Pour k 6= k 0 , on a que [tk , tk+1 [ et
[t0k , tk0 +1 [ sont disjoints donc (Btk+1 − Btk )2 − t/n et (Btk0 +1 − Bt0k )2 − t/n sont indépendantes.
par conséquent :
 
X
(Btk+1 − Btk )2 − t/n (Btk0 +1 − Bt0k )2 − t/n 



E
k6=k0
X  h i
E (Btk+1 − Btk )2 − t/n E (Btk0 +1 − Bt0k )2 − t/n

= (par indépendance)
k6=k0
X
(car E (Btk+1 − Btk )2 = V(Btk+1 − Btk ) = t/n)
 
= 0×0
k6=k0

= 0.

7
Pour le premier terme de la somme, on peut écrire :
"n−1 # n−1
X 2
X h p
2 i
(Btk+1 − Btk )2 − t/n E ( t/nZ)2 − t/n


E = (avec Z ∼ N (0, 1))
k=0 k=0
n−1
X
E ((t/n)(Z 2 − 1))2
 
=
k=0
n−1
X
(t/n)2 E ((Z 2 − 1))2
 
=
k=0
t2
E ((Z 2 − 1))2 −→ 0 (car E ((Z 2 − 1))2 < +∞).
   
=
n n→∞

On a donc bien montré que :

 n−1
" #
X 2
E (Btk+1 − Btk )2 − t −→ 0,
n→∞
k=0

et donc que
Z t
1 1
Bs dBs = Bt2 − t .
0 2 2