Processus aléatoires avec application en finance

Prof Olivier Scaillet

TA Alexandre Engulatov

TP 2

Exercice 1
Soit Z1 , Z2 , Z3 , . . . des v.a. indépendantes et identiquement distribuées telles que
P [Zn = 1] = p et P [Zn = −1] = q = 1 − p, ∀n. Soit
n
X
Xn = a + Zi , n = 1, 2, . . . ,
i=1

avec X0 = a ∈ N>0 .

1. Trouvez l’espérance et la variance de Xn .

2. Fixons un entier b > a, et notons Pb (a) la probabilité que le processus X
atteint la valeur b avant d’atteindre 0. Montrer que Pb (a) = pPb (a + 1) +
qPb (a − 1). En déduire la valeur de Pb (a).
R∞
3. Montrer que pour toute v.a. Y ≥ 0, on a E(Y ) = 0 P(Y > s) ds. Particu-
lariser au cas où Y prend ses valeurs dans N.
4. On note T = min{n | Xn = b}. Montrer que l’événement {T ≥ n} est contenu
dans σ(Z1 , . . . , Zn−1 ) (autrement dit, cet événement est connu à l’instant
n − 1).

5.* Supposons
P que ET est finie. On peut exprimer XT − a sous forme XT − a =
n Zn 1{T ≥n} . A l’aide de 3. et 4., montrer que b − a = EZ1 · ET .

6.* Dans le cas où p ≤ 1/2, déduire que T n’a pas d’espérance.

Exercice 2
Soit {Xn ; n ≥ 1} une suite de variables aléatoires i.i.d. à valeurs dans Z. Soit
Pn Pn
Sn = Xk avec S0 = 0, Yn = Xn + Xn−1 avec X0 = 0, et Zn = Sk . Les
k=1 k=0
processus Sn , Yn et Zn , n ≥ 0 sont-ils des chaı̂nes de Markov?

Exercice 3
Montrez que si P est une matrice stochastique alors P h est aussi une matrice
stochastique, h ∈ N∗ .

1
Exercice 4
Classifiez les états des chaı̂nes de Markov ci-dessous selon leur périodicité.
1.  
0 1 0
P = 0 0 1 .
1 0 0

2.  
0 1 0 0
 0 0 1 0 
P =
 1 1 .

0 2 0 2
1 1
2 0 2 0

Exercice 5
Soit une chaı̂ne de Markov représentée par la matrice de transition suivante:
 
1 0
P = .
0.5 0.5

1. Montrez que l’état 1 est récurrent.

2. Montrez que l’état 2 est transitoire.

3. Calculez le temps moyen de recurrence pour l’état 1.

4. Montrez que les états sont apériodiques.

Exercice 6
Soit une chaı̂ne de Markov représentée par la matrice de transition suivante:
 
p00 p01
P = .
p10 p11

1. Vérifiez que:
n−2
f00 (n) = p01 (p11 ) p10 , n ≥ 2,
n−1
f01 (n) = (p00 ) p01 , n ≥ 1,
n−1
f10 (n) = (p11 ) p10 , n ≥ 1,
n−2
f11 (n) = p10 (p00 ) p01 , n ≥ 2.

2. Calculez f00 , f11 .

3. Montrez que les états des matrices suivantes sont récurrents.
     
0.5 0.5 0.25 0.75 0.1 0.9
P = , Q= , R= .
0.5 0.5 0.25 0.75 0.9 0.1

2
Exercice 7
La richesse d’un joueur de casino est décrite par une marche aléatoire {St , t ≥ 0},
S0 = 1, avec des barrières absorbantes en 0 et 3. (Les états sont numérotés de 0
à 3.) La probabilité de gagner un franc est notée p et la probabilité de perdre un
franc q. Le jeu se termine ainsi lorsque St = 0 ou St = 3.

1. Donnez la matrice de transition.

2. Trouvez les probabilités que le joueur fasse faillite ou sorte gagnant du jeu
(i.e. qu’il soit absorbé en 0 ou 3).
3. Trouvez le temps moyen que le joueur mettra pour faire faillite.

Exercice 8
Soit la matrice stochastique
1 2
 
3 0 0 0 3 0
 0 1 1
 0 0 0 2 2


 0 2 1
0 0 3 0 3

P =
 1 1 1
.
 3 0 3 3 0 0 

 1 0 0 0 0 0 
1 1
0 2 0 0 0 2

1. Dessinez le graphe des transitions.

2. Déterminez quels sont les états transitoires et quels sont les états persistants
de la chaine de Markov associée à P .
3. Calculez le temps moyen de recurrence des états 1, 4 et 6.
4. Montrez qu’en renumérotant les états pour grouper les
 états persistants
 et les
P1,1 0
états transitoires, la matrice P est de la forme P = .
P2,1 P2,2
 1 2 
5. On pose P1,1 = 3 3 . La chaı̂ne de Markov associée à P1,1 possède-t-elle
1 0
une distribution stationnaire?
6. Calculez le temps moyen de récurrence des états persistants de la chaı̂ne de
Markov associée à P1,1 .