DEVOIR 2

Réalisé par : Fouad Ibrahim Abdou Amir

Elkhalloufy Khadija
Bouaam Hind
Gholali fadwa
Rhioui Hajar

28 juin 2020

EXERCICE 1 (Lemme 7.10)

Soit (X, t ≥ 0) un P.S non anticipatif, alors il existe un processus simple adapté (Xtn , t ≥ 0)
telle que
Z t 
n 2
E (Xs − Xp ) ds −→ 0, n → +∞
0

solution

D’après l’isométrie d’Itô on a :

"Z 2 #
t Z t
E Xs dBs = E(Xs2 )ds
0 0

Donc " Z 2 #
Z t  t
E (Xs − Xpn )2 ds =E (Xs − Xsn )dBs
0 0
"Z 2 #
t Z t
=E Xs dBs − Xsn dBs
0 0

= E (It (X) − It (X n ))2

 

donc il suffit de montrer que la limite suivante existe dans L2 (P) :

Z t Z t
n
lim Xs dBs =: Xs dBs . (1)
n→+∞ 0 0

1
Nous allons maintenant prouver que cette construction est bien possible, indépendante de la
suite des X n , et que l’intégrale résultante est une fonction continue de t.
Supposons que : Z  T
P Xt2 dt < ∞ = 1. (2)
0

Dans ce qui suit, nous utilisons la notation abrégée

(∞ )  
X
c
P {An , n → ∞} = 1 ⇔ P 1Acn < ∞ = 1 ⇔ P lim sup An = 0 (3)
n
0

Avant tout, montrons d’abords les deux points suivantes :

i) Pour tous processus non anticipative X satisfaisant (2), il existe une suites (X (n) )n≥1 de
processus simple telle que :
Z T 
n 2 −n
P (Xt − Xt ) dt ≤ 2 , n → +∞ = 1. (4)
0
n
ii)n pour une suite (X )n≥1 de processus
o non anticipative simples satisfaisant
RT n 2 −n
P 0 (Xt ) dt ≤ 2 , n → +∞ = 1 et tout θ > 1,
( r )
Z T
log n
P sup Xsn dBs < θ , n → +∞ = 1. (5)
0≤t≤T 0 2n−1

En effet,
pour i), considérons les processus simples
Z 2−m b2m tc
(m,k) k
X =2 Xs ds.
(2−m b2m tc−2−k )∨0

En faisant tendre d’abords m, puis k vers l’infini, on s’aperçoit que :

Z T
(m,k) 2
(Xt − Xt ) dt −→ 0.
0

On peut donc trouver des suite mn et kn telle que X (n) = X (mn ,kn ) satisfasse
Z T 
n 2 −n
P (Xt − Xt ) dt > 2 ≤ 2−n −→ 0, n → +∞
0
Z T  2 
(n) −n
⇒ lim P Xt − Xt dt > 2 =0
n→0 0

Donc d’après ( 3 ), on obtient :

Z T 
n 2 −n
P (Xt − Xt ) dt ≤ 2 , n → +∞ = 1. 
0

Pour ii), pour tout γ ∈ R, le processus stochastique :

 Z t
γ2 t n 2
Z 
(n) (n)
Mt = exp γ Xs dBs − (Xs ) ds
0 2 0

2
est un martingale par rapport à {Bt }t≥0 ( d’après le cours ).
Donc, d’après l’inégalité de Doob implique que
Z t
γ t n 2
 Z  
P sup (n)
Xs dBs − (Xs ) ds > L ≤ e−γL .
0≤t≤T 0 2 0

p p
Posons alors γ = 2n−1 log n et L = θ 2−(n−1) log n . En utilisant l’hypothèse sur les (X (n) ),
nous obtenons :
 Z t  p 
P sup Xs dBs > (1 + θ) 2−(n−1) log n ≤ e−θ log n = n−θ −→ 0, n → +∞
(n)
0≤t≤T 0
( r )
Z T
log n
⇔P sup Xsn dBs <θ , n → +∞ = 1. 
0≤t≤T 0 2n−1

Maintenant, on va montrer que la limite définie sur ( 1 ) existe, est indépendante de la suite
des (X (n) )n≥1 convergeant vers X, et est un processus continue de t.

En effet, quitte à passer à une sous-suite, nous pouvons choisir les X n de manière à satis-
faire ( 4 ). Mais ceci implique aussi que
Z T 
n n−1 2 −n
P (Xt − Xt ) dt ≤ const2 , n → +∞ = 1.
0

Donc, ( 5 ) montre alors que

( Z t r )
n n−1 log n
P sup (Xs − Xs )dBs < constθ , n → +∞ = 1.
0≤t≤T 0 2n−1
Rt
Ainsi la suite des 0
Xsn dBs est de Cauchy presque surement et dans ce cas elle converge uni-
formement . 

EXERCICE 2
Soit B = (Bt , t ≥ 0) un mouvement Brownien.
Montrer que pour tout choix de séquence 0 = t0 < t1 < · · · < tn , la loi densité conjointe du
vecteur est telle que pour x0 = 0
n−1
!
1 1 X (xi+1 − xi )2
h(x1 , x2 , . . . , xn ) = 1p exp −
(2π) 2 t1 (t2 − t1 ) . . . (tn − tn−1 ) 2 i=0 (ti+1 − ti )

solution

Rappelons tout d’abords que pour ξ = (ξ1 , . . . , ξn ) un vecteur gaussien, on définit m = E(ξ)
et Qij = Cov(ξi , ξj ), pour i, j = 1, . . . , n.
Si det Q 6= 0 alors la loi ξ ∼ N (m, Q) a pour densité
 
1 1 −1
h(x1 , . . . , xn ) = p exp − < Q (x − m), x − m > avec x ∈ Rn
(2π)n det(Q) 2

3
Soit
ξ = (Bt1 , Bt2 −Bt1 , . . . , Btn −Btn−1 ) qui a pour loi N (0, R) où R = diag(t1 , t2 −t2 , . . . , tn −tn−1 ).
Posons, Ax = (x1 , x1 + x2 , x1 + x2 + x3 , . . . , x1 + x2 + · · · + xn )
 
1 0 ... 0
1 1 0 . . . 0
 
 .. . . . . . . .. 
⇒ A = . . . . .
 
1 . . . 1 1 0
1 ... 1 1 1
Donc Aξ = (Bt1 , Bt2 , . . . , Btn ) a pour loi N (0, ARAT ) et de densité donnée par :
 
1 1 −1
h(x1 , . . . , xn ) = p exp − < Q (x − m), x − m > avec x ∈ Rn
n
(2π) det(Q) 2

m = E(Aξ) = 0 et Q = ARAT .
Donc  
1 1
h(x1 , . . . , xn ) = p exp − < Q−1 x, x >
n
(2π) det(Q) 2
Or, on a :
det(Q) = det(ARAT ) = (det A)2 det(R) = det(R) = t1 (t2 − t1 ) . . . (tn − tn−1 ) car A est une
matrice triangulaire inférieure avec Aii = 1 pour tous i = 1, . . . , n donc det(A) = 1.
De plus

< Q−1 x, x >=< (AT )−1 R−1 A−1 x, x >=< R−1 A−1 x, A−1 x >
Cherchons A−1 ?
Soit x, y ∈ Rn , on a :

Ax = y

    
1 0 ... 0 x1 y1
1 1 0 . . . 0   x2   y 2 
   

⇒  ... . . . . . . . . . ...   ...  =  ... 
    
    
1 . . . 1 1 0 xn−1  yn−1 
1 ... 1 1 1 xn yn



 y1 = x1
 y2 = x1 + x2



⇒ ..
 .



 y n−1 = x1 + . . . + xn−1
 y = x1 + . . . + xn
n

4
 

 x1 = y1
 x2 = y2 − y1



⇒ ..
 .



 xn−1 = yn−1 − yn−2
 x
n = yn − yn−1
    
x1 1 0 ... 0 y1
 x2  −1 1 0 . . . 0  y2 
 
  
 x3   0 −1 1 0 . . . 0   y3 
 
⇒  ..  =  .. . . . .
  
. . ..   .. 
 
 .   . . . . .
 . 

  
xn−1   0 . . . 0 −1 1 0 yn−1 
xn 0 ... 0 −1 1 yn

⇒ x = A−1 y
Donc  
1 0 ... 0
−1 1 0 . . . 0
 
0 −1 1 0 . . . 0
A−1 =  ..
 
 . ... ... . . . .. 
 .
0 . . . 0 −1 1 0
0 ... 0 −1 1
Par suite

A−1 x = (x1 , x2 − x1 , . . . , xn − xn−1 )

ET
 
−1 −1 x1 x2 − x1 xn − xn−1
R A x= , ,...,
t1 t2 − t1 tn − tn−1
Donc
n−1
−1 −1 x2 (x2 − x1 )2
−1 (xn − xn−1 )2 X (xi − xi−1 )2
< R A x, A x >= 1 + + ··· + =
t1 t2 − t1 tn − tn−1 i=1
tn − tn−1
avec x0 = 0 et t0 = 0.
D’où
n−1
!
1 1 X (xi − xi−1 )2
h(x1 , . . . , xn ) = p exp − 
(2π)n t1 (t2 − t1 ) . . . (tn − tn−1 ) 2 i=1 tn − tn−1

EXERCICE 3
Montrer que la variation quadratique d’un mouvement Brownien (Btn )t∈T converge en L2
vers t,
n
X
lim (Btni − Btin−1 )2 = t dans L2
n→+∞
i=1

5
 solution

Fixons t > 0. Soit 4n = {0 = tn0 < tn1 < · · · < tnn = t} une subdivision de [0, t] pour
chaque n ≥ 1. On suppose que le pas tend vers 0 c’est à dire que supi=1,...,n (tni − tni−1 ) −→
0 lorsque n −→ +∞.
Soit
Yin = (Btni − Btni−1 )2 − t pour 1 ≤ i ≤ n
les variables aléatoire (Yin , 1 ≤ i ≤ n) sont independantes et centrés. De plus on :

Var(Yin ) = Var(Btni − Btni−1 )2 = 2(tni − tni−1 )2

car Var(N (0, 1))2 = 2 avec une gros abus de notation .

Donc  !2   !2 
Xn n
X
E (Btni − Btni−1 )2 − t  = E  Yin 
i=1 i=1

n
!
X
= Var Yin
i=1
n
X
= Var (Yin )
i=1
n
X
= 2(tni − tni−1 )2
i=1
n
X
≤ 2 sup (tni − tni−1 ) (tni − tni−1 )
i=1,...,n
i=1

≤ 2t sup (tni − tni−1 ) −→ 0 lorsque n −→ +∞ 

i=1,...,n

D’où la convergence dans L2 .