Mod`eles stochastiques et applications `a la finance
Transcription
Mod`eles stochastiques et applications `a la finance
1 Université Pierre et Marie Curie Master M1 de Mathématiques, 2015-2016 Modèles stochastiques et applications à la finance Examen du 8 Juin 2016, Deuxième Session Corrigé Exercice 1 Soit {Wt , t ≥ 0} un mouvement brownien sur (Ω, (Ft ), P) avec W0 = 0, et Zt = e−Wt −t/2 . a. Montrer que (Wt + t)Zt est une intégrale stochastique. Sol: On aplique la formule d’Ito à f (t, x) = (x + t)e−x−t/2 . On voit que 1 ∂ 2f ∂f + =0 ∂t 2 ∂t2 donc par Ito Z (Wt + t)Zt = 0 t ∂f (t, Wt ) dWt = ∂x Z t (1 − Ws − s)e−Ws −s/2 dWs 0 b. Montrer que (Wt + t)Zt est une martingale. Sol: D’après le cours il suffit de voir que Z t E((1 − Ws − s)2 e−2Ws −s )ds < +∞ 0 ce qui est facile car Wt suit la loi N (0, t). Exercice 2 (Il aurait été plus interessant de prendre Xk+1 = εk (1 − Uk )Xk , (sic)) 2 On suppose que des variables aléatoires εk , k = 0, 1, · · · sont indépendantes et de même loi µ et vérifient Z 1 0 ≤ εk ≤ 1, | ln(t)|dµ(t) < +∞. 0 Pour X0 = x ≥ 0 donné, on considère la suite Xk , k = 0, 1, 2 · · · , N − 1 de réels définis par Xk+1 = εk Uk Xk . où 0 ≤ Uk ≤ 1. On cherche N −1 X J(x) = max E([ ln(Uk Xk ) + ln(XN )]) k=0 qui maximise le gain sur les choix possibles de U0 , · · · , UN −1 où chaque Uk est à valeurs dans [0, 1] et est mesurable par rapport à σ(X0 , · · · , Xk ). 1. Ecrire ceci sous forme de programmation dynamique. Sol: On est dans le cadre d’un modèle dynamique aléatoire controlé. Le modèle est markovien avec R comme espace d’états, [0, 1] comme ensemble de controles, Z 1 (u) P f (x) = f (tux)dµ(t) 0 et les couts c(x, u) = ln(ux), γ(x) = ln x. La solution est donnée par Bellman en posant JN (x) = ln(x) puis pour n < N , Z 1 Jn (x) = max [ln(ux) + Jn+1 (tux)dµ(t) 0≤u≤1 0 2. Ecrire complètement la solution de ce problème lorsque N = 1. Sol: Quand N = 1 on a J1 (x) = ln x et Z 1 J0 (x) = max [ln(ux) + 0≤u≤1 Z = 2 ln(x) + J1 (tux) dµ(t)] 0 1 ln(t)dµ(t) + 2 max ln(u) 0≤u≤1 0 R1 qui est atteint pour u = 1 et vaut 2 ln(x) + 0 ln(t)dµ(t) 3. Dans le cas général, calculer explicitement les valeurs de U0 , · · · , UN −1 . 3 Sol: Dans le cas général la première étape est la même que la précédente donc Z 1 ln(t)dµ(t) JN −1 (x) = 2 ln(x) + 0 atteint pour u = 1. On voit par récurrence que Z JN −k (x) = (k + 1) ln(x) + k t ln(t)dµ(t) 0 atteint pour u = 1. Exercice 3 On considère un marché financier {(Sn , Bn ), n = 0, · · · , N, } défini sur un espace (Ω, (Fn ), m), ave F0 = {∅, Ω}. On suppose pour simplifier que Bn = 1 pour tout n et que les variables aléatoires S0 , · · · , SN sont bornées. On introduit l’hypothèse suivante: (H) Pour tout portefeuille autofinancé Vn , 0 ≤ n ≤ N, pour lequel VN est borné, Z VN (ω) dm(ω) = V0 . Ω 1. Montrer que m est une probabilité. On pose P = m dans la suite. R Sol: Vn = 1 pour tout n est autofinancé. Donc Ω 1 dm(ω) = 1 et m est une probabilité. 2. Montrer que si P est une mesure martingale, alors l’hypothèse (H) est vérifiée. On sait qu’alors Vn est une martingale locale. Puisque VN est bornée, c’est une vraie martingale. Donc E(VN ) = E(V0 ) = V0 . 3. On suppose que (H) est vraie. Montrer que si αn , n = 1, · · · , N est un processus prévisible borné, alors E(αn Sn ) = E(αn Sn−1 ) pour tout n ≤ N . Sol: Puisque αn est prévisible, pour tout p ≤ N le portefeuille donné par Vn = 0 si n < p, Vn = αp (Sp −Sp−1 ) pour n ≥ p est autofinancé. On a donc, par l’hypothèse (H), 0 = V0 = E(VN ) = E(αp (Sp − Sp−1 )) = E(αp Sp ) − E(αp Sp−1 ) 4 4. Montrer que si (H) est vraie, alors P est une mesure martingale. Sol: Par la question précédente, pour toute variable borné α Fn−1 mesurable E(αSn ) = E(αSn−1 ) c’est à dire, par la caractérisation de l’espérance conditionnelle, E(Sn |Fn−1 ) = Sn−1 . 5. On ne suppose plus que (H) est vraie, mais qu’il y a AOA et que m est une probabilité (que l’on pourra encore noter P). Attention que P n’est pas nécéssairement une mesure martingale. On suppose aussi Ω fini. Montrer qu’il existe un processus Zn , n = 0, · · · , N , tel que Zn Sn est une martingale sur (Ω, (Fn ), P) en utilisant éventuellement le lemme de Bayes. Sol: Sous AOA il y a une mesure martingale Q équivalente à P. Soit Z= dQ dP et Zn = E(Z|Fn ). Sous Q, Sn est une martingale, donc EQ (Sn+1 |Fn ) = Sn Par le lemme de Bayes EQ (Sn+1 |Fn ) = E(Sn+1 Z|Fn ) E(Z|Fn ) Puisque E(Sn+1 Z|Fn ) = E(E(Sn+1 Z|Fn+1 )|Fn ) = E(Sn+1 Zn+1 |Fn ) on en déduit que E(Sn+1 Zn+1 |Fn ) = Sn Zn