Correction détaillée  Processus stochastiques 1

Correction détaillée de l'épreuve

Calcul stochastique  Équations Diérentielles Stochastiques
Solutions exactes, schémas numériques (EulerMaruyama, Milstein),
mouvement brownien géométrique et lemme d'Itô

Barème : Exercice 1 (10 pts)  Exercice 2 (6 pts)  Exercice 3 (4 pts)

 Total : 20 points

Exercice 1 : EDS linéaire, schémas d'EulerMaruyama et de Mil-

stein (10
points)
On considère l'EDS
dXt = rXt dt + σXt dWt , X0 = x0 > 0,
avec r = 0.05, σ = 0.3, x0 = 100, T = 1.

Rappel  Mouvement brownien géométrique (MBG)

Le processus {Xt , t ≥ 0} solution de dXt = rXt dt + σXt dWt est appelé mouvement brown-
ien géométrique. C'est le modèle de base de BlackScholes pour un prix d'actif. Sa solution
s'obtient en appliquant le lemme d'Itô à f (t, x) = ln x :

σ2 σ2
    
d(ln Xt ) = r − dt + σ dWt =⇒ Xt = X0 exp r − t + σWt .
2 2

Rappel  Schémas de discrétisation d'une EDS

Pour une EDS générale dXt = a(t, Xt )dt + b(t, Xt )dWt , on discrétise l'intervalle [0, T ] en N pas
de taille h = T /N , avec ti = ih et ∆Wi = Wti+1 − Wti ∼ N (0, h) i.i.d.

ˆ Schéma d'EulerMaruyama (ordre faible 1, ordre fort 1/2) :

Xi+1 = Xi + a(ti , Xi ) h + b(ti , Xi ) ∆Wi .

ˆ Schéma de Milstein (ordre fort 1), qui ajoute le terme de correction issu de la formule
d'Itô :
1 ∂b
(ti , Xi ) (∆Wi )2 − h .
 
Xi+1 = Xi + a(ti , Xi ) h + b(ti , Xi ) ∆Wi + b(ti , Xi )
2 ∂x

Le schéma de Milstein est plus précis (ordre fort 1 contre 1/2) car il tient compte de la variation
quadratique du mouvement brownien (⟨W ⟩t = t).

1. Rappeler la solution exacte XtT de l'EDS. (1,5 pt)

Correction détaillée  Processus stochastiques 2

Solution
D'après le rappel ci-dessus, avec a(t, x) = rx et b(t, x) = σx, on obtient

σ2
  
XtT = x0 exp r − t + σWt
2

soit numériquement, avec r = 0.05, σ = 0.3, x0 = 100 :

XtT = 100 e0.005 t+0.3 Wt .

2. Écrire le schéma d'EulerMaruyama avec pas h = T /N . (1 pt)

Solution
Ici a(t, x) = rx et b(t, x) = σx, donc


Xi+1 = Xi + rXi h + σXi ∆Wi = Xi 1 + rh + σ∆Wi , X0 = x0 .

3. Écrire le schéma de Milstein avec pas h = T /N . (1 pt)

Solution
∂b
On a b(t, x) = σx ⇒ = σ , donc le terme correctif vaut 21 σXi · σ (∆Wi )2 − h :
 
∂x

1
Xi+1 = Xi + rXi h + σXi ∆Wi + σ 2 Xi (∆Wi )2 − h
 
2
2
 
σ 2


= Xi 1 + rh + σ∆Wi + (∆Wi ) − h .
2

4. Calculer Xh en une étape avec h = 1 et ∆W1 = 0.2. (1 pt)

Solution
Avec EulerMaruyama :
X1EM = 100 1 + 0.05 × 1 + 0.3 × 0.2 = 100 × 1.11 = 111.00 .

σ2   0.09
Avec Milstein, on ajoute X0 (∆W1 )2 −h = ×100×(0.04−1) = 4.5×(−0.96) = −4.32
2 2
:
X1M = 111.00 − 4.32 = 106.68 .

5. On pose ti = ih, i = 1, . . . , N avec h = 0.25 et ∆W = (0.2, −0.06, 0.32, 0.76) (N = 4).

a) Calculer la trajectoire X EM . (1,5 pt) b) Calculer la trajectoire X M . (1,5 pt)
Correction détaillée  Processus stochastiques 3

Solution
σ2
On applique successivement les formules des questions 2 et 3, avec rh = 0.0125 et = 0.045.
2
a) Schéma d'EulerMaruyama : Xi+1 = Xi (1 + 0.0125 + 0.3∆Wi )

i ti ∆Wi XiEM
0 0  100.000000
1 0.25 0.20 107.250000
2 0.50 −0.06 106.660125
3 0.75 0.32 118.232749
4 1.00 0.76 146.667725

b) Schéma de Milstein : Xi+1 = Xi 1 + 0.0125 + 0.3∆Wi + 0.045 (∆Wi )2 − 0.25




i ti ∆Wi XiM
0 0  100.000000
1 0.25 0.20 106.305000
2 0.50 −0.06 104.541613
3 0.75 0.32 115.190012
4 1.00 0.76 144.591341

6. Représenter sur le même graphique la solution exacte X T ainsi que les deux trajectoires
X EM et X M . (1,5 pt)

Solution
Pour comparer les trois trajectoires sur le même chemin brownien, on P
évalue la solution exacte
i
aux instants ti en utilisant le mouvement brownien cumulé Wti = k=1 ∆Wk : on trouve
Wt1 = 0.20, Wt2 = 0.14, Wt3 = 0.46, Wt4 = 1.22, d'où, avec XtT = 100 e0.005t+0.3Wt :

ti 0 0.25 0.50 0.75 1.00

XtTi 100.000000 106.316467 104.550498 115.228854 144.918307

Comparaison : solution exacte, Euler-Maruyama et Milstein

Solution exacte XtT
Euler-Maruyama XtEM
140 Milstein XtM

130
Xt

120

110

100
0.0 0.2 0.4 0.6 0.8 1.0
t
Correction détaillée  Processus stochastiques 4

7. Évaluer comparativement la précision des deux méthodes numériques. (1 pt)

Rappel  Ordres de convergence

On dit qu'un schéma a un ordre de convergence fort γ si E |XN − XT | ≤ Chγ . Le schéma
 

d'EulerMaruyama a un ordre fort γ = 1/2, tandis que le schéma de Milstein, grâce au terme
correctif issu de la variation quadratique du brownien, atteint l'ordre fort γ = 1. Milstein est
donc théoriquement plus précis pour une même trajectoire brownienne simulée.

Solution
En comparant les erreurs absolues à t = 1 par rapport à la solution exacte X1T = 144.918307 :

X4EM − X1T = |146.667725 − 144.918307| = 1.749418,

X4M − X1T = |144.591341 − 144.918307| = 0.326966.

L'erreur du schéma de Milstein est environ 5 fois plus petite que celle du schéma d'Euler
Maruyama, ce qui conrme la propriété théorique : Milstein (ordre fort 1) converge plus vite
qu'EulerMaruyama (ordre fort 1/2) pour un même pas h et un même chemin brownien.
Correction détaillée  Processus stochastiques 5

Exercice 2 : Mouvement brownien géométrique et inférence statis-

tique (6
points)

Le prix St d'une action est modélisé par un MBA (mouvement brownien géométrique) de dérive
µ = 0.5, de diusion σ = 0.2 et de valeur initiale S0 = 200 £.

Rappel  Loi log-normale et martingale

Si Xt = X0 exp (µ − σ 2 /2)t + σWt , alors, comme Wt ∼ N (0, t) :
 

  σ2  
ln Xt ∼ N ln X0 + µ − t, σ 2 t =⇒ Xt suit une loi log-normale.
2

Espérance : E[Xt ] = X0 eµt (propriété de la loi log-normale : E[eZ ] = em+v/2 pour Z ∼

N (m, v)).
Martingale exponentielle : le processus Zt = exp σWt − σ2 t est une martingale (théorème
2

de la martingale exponentielle / Novikov). Comme Xt = X0 eµt Zt , on a E[Xt | Fs ] = Xs eµ(t−s)

: {Xt } est une martingale si et seulement si µ = 0 (indépendamment de σ ).

1. a) Écrire St en fonction de t, S0 et du MBS Wt . b) Sachant que {St , t ≥ 0} est markovien,

écrire la condition martingale en fonction de µ et σ . (1 pt)

Solution
a) D'après le rappel :

σ2 
 
St = S0 exp µ− t + σWt = 200 e0.48 t+0.2 Wt .
2

b) Puisque {St } est markovien, la propriété de martingale E[St | Fs ] = Ss pour tout t ≥ s

!
équivaut à E[St | Fs ] = Ss eµ(t−s) = Ss , soit :

µ=0 (quelle que soit la valeur de σ ).

Autrement dit, {St } ne peut être une martingale que si son taux de rendement moyen µ est
nul; ici µ = 0.5 ̸= 0, donc {St } n'est pas une martingale (le prix croît en moyenne).

2. Déterminer la distribution des prix de l'action à tout instant t > 0. (1 pt)

Solution
D'après le rappel, pour tout t > 0 :
 
(loi log-normale).


ln St ∼ N ln 200+0.48 t, 0.04 t ⇐⇒ St ∼ LN ln 200 + 0.48t, 0.04t

3. Quelle est la probabilité que le prix de l'action dépasse 300£ après 5 périodes ? (1 pt)
Correction détaillée  Processus stochastiques 6

Solution
Pour t = 5 : ln S5 ∼ N (m, v) avec m = ln 200 + 0.48 × 5 = 5.2983 + 2.4 = 7.6983 et
√
v = 0.04 × 5 = 0.2, donc l'écart-type est v = 0.4472.
 

ln 300 − 7.6983
P(S5 > 300) = P ln S5 > ln 300 = P Z > = P(Z > −4.460)
0.4472

où Z ∼ N (0, 1). Par symétrie, P(Z > −4.460) = Φ(4.460) ≈ 0.999996.

P(S5 > 300) ≈ 0.99996 (quasi-certain) .

Ce résultat est cohérent avec E[S5 ] = S0 eµ·5 = 200 e2.5 ≈ 2436 £ ≫ 300 £ : la forte dérive
µ = 0.5 rend hautement improbable que le prix reste en dessous de 300 £.

4. a) Calculer l'intervalle de conance à 95% du prix de l'action après 20 périodes. (1,5 pt)
b) Tester l'hypothèse selon laquelle le prix de l'action a doublé après 10 périodes. (1 pt)

Rappel  Intervalle de conance sur une transformation log-normale

√ √ 
Si ln Xt ∼ N (m, v), un intervalle de conance à (1−α) pour ln Xt est m−zα/2 v, m+zα/2 v


(avec z0.025 = 1.96), et l'IC pour Xt s'obtient en prenant l'exponentielle des bornes (car exp(·)
est strictement croissante).

Solution a)
Pour t = 20 : m = ln 200 + 0.48 × 20 = 5.2983 + 9.6 = 14.8983, v = 0.04 × 20 = 0.8,
√
v = 0.8944.

IC95% (ln S20 ) = 14.8983 ± 1.96 × 0.8944 = 14.8983 ± 1.7531 = [13.1452, 16.6514].

En prenant l'exponentielle :

IC95% (S20 ) ≈ 511 570 ; 17 045 464 £.

 

L'intervalle est extrêmement large : c'est la conséquence de la croissance exponentielle et de

l'accumulation de la volatilité σ 2 t sur un horizon long (t = 20).
Correction détaillée  Processus stochastiques 7

Solution b)
On veut tester H0 : S10 = 2S0 = 400 contre H1 : S10 ̸= 400, au niveau α = 5%.
Pour t = 10 : m = ln 200 + 0.48 × 10 = 5.2983 + 4.8 = 10.0983, v = 0.04 × 10 = 0.4,
√
v = 0.6325.
La statistique de test est
ln 400 − m 5.9915 − 10.0983
Z= √ = = −6.49.
v 0.6325

Comme |Z| = 6.49 ≫ z0.025 = 1.96 (ou : p-valeur = P(ln S10 ≤ ln 400) ≈ 4 × 10−11 ), on
rejette H0 au seuil de 5%.
On rejette l'hypothèse H0 : le prix n'a pas simplement doublé après 10 périodes.

En eet E[S10 ] = 200 e0.5×10 = 200 e5 ≈ 29 683 £ : sous ce modèle, le prix attendu est de plus
de 100 fois supérieur au simple doublement, donc l'hypothèse d'un doublement sous-estime très
largement la croissance impliquée par la dérive µ = 0.5.
Correction détaillée  Processus stochastiques 8

Exercice 3 : Processus d'Itô et lemme d'Itô (4 points)

Dans cet exercice, {Xt , t ≥ 0} est un processus d'Itô et {Yt = f (t, Xt ), t ≥ 0} est une transformation
d'Itô de {Xt , t ≥ 0}.

Rappel  Processus d'Itô et lemme d'Itô

Dénition (processus d'Itô). {Xt , t ≥ 0} est un processus d'Itô s'il s'écrit
Z t Z t
Xt = X0 + a(s, Xs ) ds + b(s, Xs ) dWs ,
0 0

où a(·, ·) (dérive) et b(·, ·) (diusion) sont des processus adaptés vériant des conditions
RT
d'intégrabilité (par exemple 0 (|a| + b2 ) ds < ∞ p.s.); de façon équivalente, en écriture dif-
férentielle :
dXt = a(t, Xt ) dt + b(t, Xt ) dWt .
Théorème (Lemme / formule d'Itô). Si f est de classe C 1,2 (une fois dérivable en t, deux
fois en x), alors Yt = f (t, Xt ) est encore un processus d'Itô et
2
 
∂f ∂f 1 2∂ f ∂f
dYt = (t, Xt ) + a(t, Xt ) (t, Xt ) + b(t, Xt ) (t, Xt ) dt + b(t, Xt ) (t, Xt ) dWt .
∂t ∂x 2 ∂x2 ∂x

Ce résultat découle de la table de multiplication stochastique dt · dt = 0, dt · dWt = 0, dWt ·

dWt = dt appliquée à un développement de Taylor à l'ordre 2 de f .

1. Rappeler la dénition de {Xt , t ≥ 0} comme processus d'Itô et donner l'EDS régissant sa

dynamique. (1 pt)

Solution
Voir le rappel ci-dessus :
Z t Z t
Xt = X0 + a(s, Xs ) ds + b(s, Xs ) dWs ⇐⇒ dXt = a(t, Xt ) dt + b(t, Xt ) dWt .
0 0

a(t, Xt ) est le coecient de dérive (tendance déterministe locale) et b(t, Xt ) le coecient de

diusion (intensité du bruit brownien).

2. Rappeler l'EDS générale satisfaite par le processus {Yt = f (t, Xt ), t ≥ 0}. (1 pt)

Solution
C'est exactement le lemme d'Itô rappelé ci-dessus :

1 ∂2f
 
∂f ∂f ∂f
dYt = +a + b2 2 dt + b dWt ,
∂t ∂x 2 ∂x ∂x

où a = a(t, Xt ), b = b(t, Xt ) et les dérivées partielles de f sont évaluées en (t, Xt ).

3. Justier qu'un MBG {St , t ≥ 0} de dérive µ et de diusion σ est un processus d'Itô, puis
écrire son EDS. (1 pt)
Correction détaillée  Processus stochastiques 9

Solution
Le MBG correspond au cas particulier a(t, St ) = µSt et b(t, St ) = σSt dans la dénition d'un
processus d'Itô : ces coecients sont bien adaptés, mesurables, et à croissance linéaire (donc
localement lipschitziens/à croissance sous-linéaire), ce qui garantit existence et unicité d'une
solution forte. On a donc bien
Z t Z t
St = S0 + µSs ds + σSs dWs ⇐⇒ dSt = µSt dt + σSt dWt ,
0 0

ce qui montre que {St } est bien un processus d'Itô particulier.

4. On admet que dSt = 0.05 St dt + 0.4 St dWt . Trouver la dynamique de St∗ = St2 . (1 pt)

Solution
On applique le lemme d'Itô (question 2) à f (t, x) = x2 , avec a(t, St ) = 0.05 St et b(t, St ) =
0.4 St . Comme f ne dépend pas de t :

∂f ∂f ∂2f
= 0, = 2x, = 2.
∂t ∂x ∂x2
D'où :
h 1 i
dSt∗ = 0 + 0.05 St · 2St + (0.4 St )2 · 2 dt + 0.4 St · 2St dWt = 0.1 St2 + 0.16 St2 dt + 0.8 St2 dWt .
 
2
Donc, en remplaçant St2 = St∗ :

dSt∗ = 0.26 St∗ dt + 0.8 St∗ dWt .

Remarque : St∗ suit donc lui aussi une EDS de type mouvement brownien géométrique, de
nouvelle dérive µ∗ = 2µ + σ 2 = 2(0.05) + 0.16 = 0.26 et de nouvelle diusion σ ∗ = 2σ = 0.8 
ce qui est cohérent avec la formule générale d(St2 ) = (2µ + σ 2 )St2 dt + 2σSt2 dWt pour un MBG.

Fin de la correction