P. 1
calcul stochastique

calcul stochastique

|Views: 726|Likes:
Published by tsunami238
cour d'introduction au calcul stochastique
cour d'introduction au calcul stochastique

More info:

Published by: tsunami238 on Jul 24, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/24/2012

pdf

text

original

C’est une g´en´eralisation du mod`ele pr´ec´edent, avec l’ajout d’une constante dans le drift :

dYt = a(bYt)dt + σdBt.

(4.5)

Cette ´equation est utilis´ee pour ´etudier l’´evolution des taux d’int´erˆet dans le mod`ele financier dit de
Vaˇsicek. Un tel mod`ele est qualif´e de mean-reverting (retour `a la moyenne) car, pour a et b positifs, le
processus Yt tend vers b (en un sens `a pr´eciser), quand t tend vers l’infini. Ce comportement se justifie
intuitivement : si b > Yt, le drift a(b Yt) est positif et le processus Y est, ”en moyenne” croissant.
Quand Yt = b, le processus est en moyenne constant et si b < Yt, le drift a(b Yt) est n´egatif et le
processus Y est, ”en moyenne” d´ecroissant. Si l’on pose Xt = Ytb, on voit que le processus X est
solution de l’´equation de Langevin, et l’on en d´eduit que (4.5) a une solution explicite donn´ee par

Yt = (Y0b)e−at

+ b + σ

t

0

e−a(t−u)

dBu.

On a des propri´et´es analogues `a celles du processus de Ornstein-Uhlenbeck : si X0 N(m,σ2

0) est

ind´ependante de B, Y est un processus gaussien de fonction esp´erance

E[Yt] = me−at

+ b(1e−at

)

et de fonction de covariance

cov[Ys,Yt] = cov[Xs,Xt] = e−a(t+s)

σ2

0 + σ2
2a

e2a(s∧t)

1

.

De plus, l’´egalit´e

Yt = (Ysb)e−a(t−s)

+ b + σ

t
s

e−a(t−u)

dBu

pour tout s t ´etablit le caract`ere gaussien de Y. Cette expression explicite montre aussi que condi-
tionnellement `aFB

sσ(Y0), Yt+s est une gaussienne d’esp´erance

E[Yt+s|FB

s ] = Yse−at

+b(1e−at

)

et de variance

Var[Yt+s|FB

s ] = σ2
2a

1e−2at .
L’int´egrale du processus de Vaˇsicek intervient en Finance pour le calcul du prix P(t,T) d’un z´ero-
coupon de maturit´e T, lorsque le taux court est suppos´e suivre un processus de Vaˇsicek (hypoth`ese
assez irr´ealiste, principalement car ce processus prend des valeurs n´egatives mais qui a constitu´e un des
premiers mod`eles de taux). On montrera dans le cours de finance que ce prix P(t,T) est obtenu par

P(t,T) = E

exp

T
t

Yudu

FB
t

.

Par l’´equation (4.5), on a

Zt

def

=

t

0

Ysds = a−1

(Y0Yt +abt+σBt)

= a−1

Y0 +abt+σBt(Y0b)e−at

bσ

t

0

e−a(t−u)

dBu

= a−1

b(at1e−at

) +Y0(1e−at

) +σBtσe−at

t

0

eau

dBu

.

Ainsi, quand Y0N(m,σ2

0) est ind´ependante de B, alors Z est un processus gaussien d’esp´erance

E[Zt] = bt+ (mb)(1e−at

)

a

4.3. L’INT´

EGRALE STOCHASTIQUE G´

EN´

ERALE

43

et de fonction de covariance

cov[Zs,Zt] = σ2

0

a2 (1e−as

)(1e−at

)

+ σ2
a2

ts+ e−a(t+s)

(e2a(s∧t)

1)

2a

(1 +e−a|t−s|)(1e−a(s∧t)

)

a

.

De mˆeme, on montre que pour t > s, conditionnellement `aFB

s , la variable ZtZs est une gaussienne

d’esp´erance

M(s,t) = b(ts) + a−1

(Ysb)(1e−a(t−s)

)

et de variance

V(s,t) = σ2

0

a2 (1e−a(t−s)

)2

+ σ2
a2

(ts) + (1e−2a(t−s)

)
2a 2(1e−a(t−s)

)

a

.

On connait la transform´ee de Laplace d’une v.a. gaussienne, on en d´eduit alors la valeur du z´ero-coupon :

P(t,T) = E

exp

T
t

Yudu

FB
t

= = exp

M(t,T) + 1

2V(t,T)

.

= = exp

b(ts) a−1

(Ysb)(1e−a(t−s)

) + 1

2V(t,T)

.

On calculera plus tard dP(t,T) pour obtenir la dynamique du prix.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->