Chapitre 4

Équations différentielles stochastiques

Les équations différentielles stochastiques ont été d’abord étudiées par Itô, dans le but de
construire les diffusions (c’est-à-dire, processus continus et fortement markoviens dont les
générateurs sont des opérateurs différentiels du second ordre). C’est d’ailleurs dans ce but
qu’il avait introduit le calcul stochastique.
Ce dernier chapitre consiste à une introduction à la théorie des équations différentielles
stochastiques. On y étudie seulement les ingrédients essentiels de la théorie, à savoir l’exis-
tence et unicité de solution d’une équation différentielle à coefficients lipschitziens, ainsi que
la propriété de Markov forte de cette solution lorsque les coefficients ne dépendent pas du
temps.
Ce chapitre ne fait pas partie du programme de l’examen de l’année 2020–2021.

1. Existence et unicité de solution

Soit (Ω, F , (Ft ), P) un espace de probabilité filtré, et soit B un (F )t -mouvement brownien.
Soient σ : R+ × R → R et b : R+ × R → R des fonctions mesurables. On considère
l’équation différentielle stochastique (EDS) suivante :
! t ! t
(1.1) Xt = X0 + σ(s, Xs ) dBs + b(s, Xs ) ds.
0 0

Définition 1.1. Une solution pour l’EDS (1.1) est un processus (Xt , t ≥ 0) continu adapté
"t "t
tel que ∀t, 0 σ(s, Xs )2 ds < ∞, 0 |b(s, Xs )| ds < ∞, p.s., et que
! t ! t
Xt = X0 + σ(s, Xs ) dBs + b(s, Xs ) ds.
0 0

39
40 Chapitre 4. Équations différentielles stochastiques

Remarque. (i) Si σ et b sont localement bornées (c’est-à-dire, bornées sur tout compact),
"t
alors pour tout processus continu adapté (Xt ), on a automatiquement ∀t, 0 σ(s, Xs )2 ds <
"t
∞, 0 |b(s, Xs )| ds < ∞.
(ii) On écrit souvent la forme différentielle de l’équation :

dXt = σ(t, Xt ) dBt + b(t, Xt ) dt. ⊓

&

Plus généralement, on peut considérer les EDS en dimension quelconque. Soit B =

(B (1) , · · · , B (m) ) un (Ft )-mouvement brownien à valeurs dans Rm (avec m ≥ 1), et soient
σ : R+ × Rd → Rd×m et b : R+ × Rd → Rd des fonctions mesurables. On écrit σ =
(σik )1≤i≤d, 1≤k≤m et b = (bi )1≤i≤d .
On considère l’EDS suivante :
! t ! t
Xt = X0 + σ(s, Xs ) dBs + b(s, Xs ) ds.
0 0

Une solution pour cette EDS est un processus X = (X (1) , · · · , X (d) ), où pour tout 1 ≤ i ≤ d,
(i) "t
(Xt , t ≥ 0) est un processus continu adapté, tel que ∀t, ∀1 ≤ k ≤ m, 0 σik (s, Xs )2 ds < ∞,
"t
0
|bi (s, Xs )| ds < ∞, p.s., et que
m !
# t ! t
(i) (i)
Xt = X0 + σik (s, Xs ) dBs(k) + bi (s, Xs ) ds, 1 ≤ i ≤ d.
k=1 0 0

Théorème 1.2. Supposons que σ et b sont des fonctions continues telles que pour une
certaine constante K > 0,

|σ(t, x) − σ(t, y)| + |b(t, x) − b(t, y)| ≤ K|x − y|, t ≥ 0, x, y ∈ Rd .

Supposons que E(|ξ|2) < ∞. Il existe alors une unique solution (Xt , t ≥ 0) telle que X0 = ξ.
De plus, pour tout t, E(sups∈[0, t] |Xs |2 ) < ∞.

Remarque. Dans l’énoncé du théorème 1.2, | · | désigne la norme euclidienne. En plus, pour
tout réel r > 0, il y a unicité de solution pour l’EDS sur [0, r]. !

Preuve du théorème 1.2. Pour simplifier l’écriture, on écrit la preuve seulement pour le cas
unidimensionnel d = m = 1. On suppose que σ(t, 0) et b(t, 0) sont des fonctions bornées
sur R+ (cette hypothèse n’est pas nécessaire, mais elle nous épargne certaines discussions
§1 Existence et unicité de solution 41

techniques). Quitte à élargir la valeur de la constante K, on peut donc supposer que |σ(t, x)|+
|b(t, x)| ≤ K(1 + |x|) pour tout t ≥ 0 et tout x ∈ Rd .
Fixons un réel r > 0, et posons
$ % & '
2
E := (Xt , t ∈ [0, r]) continu adapté, E sup |Xt | < ∞ .
t∈[0, r]

On voit facilement que l’espace E, muni de la norme ∥X∥ := {E(supt∈[0, r] |Xt |2 )}1/2 , est un
espace complet.
(Existence) Considérons, pour tout X ∈ E,
! t ! t
Φ(X)t := ξ + σ(s, Xs ) dBs + b(s, Xs ) ds, t ∈ [0, r].
0 0

Soient X ∈ E et Y ∈ E. On a, pour tout t ∈ [0, r],

(! t (2 (! t (2
2 ( ( ( (
|Φ(X)t − Φ(Y )t | ≤ 2( {σ(s, Xs ) − σ(s, Ys)} dBs ( + 2( {b(s, Xs ) − b(s, Ys )} ds( .
0 0
"t
Comme E(supt∈[0, r] |Xt |2 ) < ∞, 0 σ(s, Xs ) dBs , s ∈ [0, r] est une martingale, ainsi que
"t
0
σ(s, Ys ) dBs , s ∈ [0, r]. On peut donc appliquer l’inégalité de Doob pour voir que
$ ' $( ! r (2 '
2 ( (
E sup |Φ(X)t − Φ(Y )t | ≤ 8E ( {σ(s, Xs ) − σ(s, Ys )} dBs (
t∈[0, r] 0
$% ! r &2 '
+2E |b(s, Xs ) − b(s, Ys )| ds .
0

Puisque E(supt∈[0, r] {|Xt |2 + |Yt |2 }) < ∞, on a

$( ! r (2 ' $! r '
( (
E ( {σ(s, Xs ) − σ(s, Ys )} dBs ( = E |σ(s, Xs ) − σ(s, Ys )|2 ds .
0 0

On utilise maintenant la condition lipschitzienne et l’inégalité de Cauchy–Schwarz, pour

arriver à :
$ ' $ '
E sup |Φ(X)t − Φ(Y )t |2 ≤ (8K 2 r + 2K 2 r 2 )E sup |Xt − Yt |2 .
t∈[0, r] t∈[0, r]

Par conséquent,
∥Φ(X) − Φ(Y )∥ ≤ (8K 2 r + 2K 2 r 2 )1/2 ∥X − Y ∥.
On prend maintenant Yt := 0, t ∈ [0, r]. Dans ce cas, puisque (a+b+c)2 ≤ 3(a2 +b2 +c2 ),
on a (! t (2 (! t (2
2 2 ( ( ( (
|Φ(0)t | ≤ 3|ξ| + 3( σ(s, 0) dBs ( + 3( b(s, 0) ds( ,
0 0
42 Chapitre 4. Équations différentielles stochastiques

ce qui, comme tout à l’heure, nous donne

$ '
E sup |Φ(0)t |2 ≤ 3E(|ξ|2) + 12K 2 r + 3K 2 r 2 .
t∈[0, r]

En particulier, Φ(0) ∈ E. On a donc Φ(X) ∈ E pour tout X ∈ E ; autrement dit, Φ est une
application de E dans E.
On commence par supposer que r est suffisamment petit tel que 8K 2 r + 2K 2 r 2 < 1. Dans
ce cas, Φ : E → E est une application contractante ; elle admet donc un unique point fixe.
Or, si X est un point fixe de Φ, il est une solution. Ceci prouve la partie existence lorsque
r est petit.
(Unicité) Il suffit de prouver que toute solution est un élément de E. Soit (Xt , t ∈ [0, r])
une solution. Posons

τn := inf{t ≥ 0 : |Xt | ≥ n}, inf ∅ := r.

Comme tout à l’heure, on obtient, pour tout t ∈ [0, r],

$ ' $ ! t∧τn '
2 2 2
E sup |Xs | ≤ 3E(|ξ| ) + 12K E (1 + |Xs |)2 ds
s∈[0, t∧τn ] 0
$! t∧τn '
2 2
+3K r E (1 + |Xs |)2 ds
0
$ ! t∧τn '
2 2 2 2
≤ 3E(|ξ| ) + (24K + 6K r )E (1 + |Xs |2 ) ds
0
$ ! t∧τn '
≤ a + bE |Xs |2 ds ,
0

où a := 3E(|ξ|2) + 24K 2 r + 6K 2 r 3 et b := 24K 2 + 6K 2 r 2 .

Si l’on note hn (t) := E{sups∈[0, t∧τn ] |Xs |2 }, t ∈ [0, r], on a alors
! t
hn (t) ≤ a + b hn (s) ds, t ∈ [0, r],
0

À ce stade, il convient de rappeler le lemme de Gronwall :

Lemme 1.3. Soit r > 0. Si h : [0, r] → R+ est une fonction mesurable bornée telle que
"t
h(t) ≤ a + b 0 h(s) ds, ∀t ∈ [0, r], alors h(t) ≤ aebt , t ∈ [0, r].1
1
"t "t
Preuve du lemme 1.3 : Posons H(t) := a + b 0 h(s) ds et G(t) := a + b 0 H(s) ds. On a h ≤ H ≤ G
sur [0, r]. Comme (e−bt G(t))′ = −be−bt G(t) + e−bt bH(t) ≤ 0, on a e−bt G(t) ≤ G(0) = a et donc G(t) ≤ aebt
pour tout t ∈ [0, r]. Il suffit de rappeler que h ≤ G sur [0, r].
§2 Diffusions et propriété de Markov 43

On peut appliquer le lemme de Gronwall à hn car elle est bien bornée (par E(|ξ|2) + n2 ) ;
on a alors hn (r) ≤ aebr < ∞.
On fait n → ∞. Comme a et b ne dépendent pas de n, il résulte du lemme de Fatou (ou
de convergence monotone) que
$ '
E sup |Xs | ≤ aebr < ∞.
2
s∈[0, r]

En particulier, X ∈ E. D’où l’unicité. Ceci termine la preuve du théorème lorsque les

processus sont définis sur l’intervalle [0, r].
Pour conclure, il suffit de raisonner successivement sur les intervalles [0, r], puis sur
[r, 2r], etc. !

Exemple 1.4. Considérons l’EDS sur R:

dXt = σXt dBt + µXt dt,

avec condition initiale X0 = x. Ici, x, σ et µ sont des réels donnés. Le théorème 1.2 nous
garantit l’unicité de la solution.
σ2
On vérifie facilement, par la formule d’Itô, que la solution est Xt = xeσBt +(µ− 2 )t . Ce
processus, qui est souvent utilisé pour modéliser le cours d’une action en mathématiques
financières, est appelé le “mouvement brownien géométrique”. !

2. Diffusions et propriété de Markov

Durant toute la section, on suppose que les coefficient σ et b ne dépendent que de x. Par
abus de notation, on continue à les appeler σ et b qui sont maintenant définies sur Rd au lieu
de R+ × Rd . Remarquons que si elles sont lipschitziennes, alors elles satisfont les conditions
du théorème 1.2.

Théorème 2.1. (Propriété de Markov forte) Supposons que σ et b ne dépendent que de

x et sont lipschitziennes. Supposons que E(|ξ|2 ) < ∞. Si T est un temps d’arrêt fini p.s., et
si F : C(R+ , Rd ) → R+ est mesurable, alors
) *
E F (XT +t , t ≥ 0) | FT = ϕ(XT ), p.s.,

où ) *
ϕ(x) := E F (Xtx , t ≥ 0) ,
et (Xtx , t ≥ 0) désigne la solution de l’EDS avec X0 = x.
44 Chapitre 4. Équations différentielles stochastiques

Remarque. Le théorème nous dit que pour tout temps d’arrêt fini T , la loi conditionnelle
du “futur” (XT +t , t ≥ 0) connaissant le passé (et le présent) FT est la loi de X partant
de XT , qui ne dépend que du présent à l’instant T . Dans le cas particulier σ = Id, b = 0,
le théorème se réduit à la propriété de Markov forte du mouvement brownien, formulée de
manière légèrement différente. !

On s’intéresse aux processus fortement markoviens et à trajectoires continues, du type

considéré dans le théorème 2.1. Il est important de pouvoir attacher des martingales à ces
processus de diffusion.

Théorème 2.2. Supposons que les conditions du théorème 2.1 sont satisfaites. Soit f :
Rd → R une fonction de classe C 2 et à support compact. Soit
d d d
1 ## ∂2f # ∂f
L f (x) := (σσ ∗ )ij (x) (x) + bi (x) (x),
2 i=1 j=1 ∂xi ∂xj i=1
∂xi

où σ ∗ désigne la transposée de la matrice σ. Si X est la solution de notre EDS, alors

! t
f (Xt ) − f (X0 ) − L f (Xs ) ds, t ≥ 0,
0

est une martingale continue.

Preuve. Soit
# m !
d # t
∂f
Mt := (Xs )σik (Xs ) dBs(k) , t ≥ 0.
i=1 k=1 0 ∂xi
On a, par la formule d’Itô,
! t#d ! d d
∂f (i) 1 t # # ∂2f
f (Xt ) = f (X0 ) + (Xs ) dXs + (Xs ) d⟨X (i) , X (j) ⟩s
0 i=1 ∂x i 2 0 i=1 j=1 ∂x i ∂xj

! t# d
∂f
= f (X0 ) + Mt + (Xs )bi (Xs ) ds
0 i=1 ∂xi
! d d m
1 t # # ∂2f #
+ (Xs ) σik (Xs )σjk (Xs ) ds
2 0 i=1 j=1 ∂xi ∂xj k=1
! t
= f (X0 ) + Mt + L f (Xs ) ds.
0

∂f
Pour tout t, sups∈[0, t] | ∂x i
(Xs )σik (Xs )| est bornée. Donc (Mt , t ≥ 0) est une martingale.
D’où le théorème. !
§2 Diffusions et propriété de Markov 45

Remarque. On traduit le théorème 2.2 en disant que L est le générateur infinitésimal (qui
est un opérateur différentiel du second ordre) du processus de Markov X. Le processus X
permet de donner une approche ou une interprétation probabiliste de nombreux résultats
analytiques concernant l’opérateur L . Ces liens entre probabilités et analyse ont été une
motivation importante pour l’étude des équations différentielles stochastiques. !