Cours de CALCUL STOCHASTIQUE

Ciprian TUDOR
Université de Panthéon-Sorbonne Paris 1

November 4, 2007

MASTER M2: Mathématiques Appliquées à l’Economie et à

la Finance

CHAPITRE 4

ATTENTION: Ces notes de cours représentent une version rémaniée du cours

enseigné par Bernard De Meyer dans le cadre du DEA MMME 2004-2005, à l’Université de
Paris 1.

1
1 CHAPITRE 4: L’INTEGRALE DE d’ITÔ

1.1 L’Espace H22 :

Soit Bt un mouvement brownien et φt un processus sur (Ω, Ft ). Nous voulons définir un
processus Y qui soit l’intégrale: Z t
Yt = φs dBs . (1)
0
Le première idée qui nous vient
R t est de travailler trajectoire par trajectoire: Fixons ω et
tentons de définir Yt (ω) := 0 φs (ω)dBs (ω). Si f et g sont des fonctions de IR vers IR, la
Rt
théorie de l’intégrale de Riemann-Stieltjes définit 0 f (s)dg(s) comme la limite des sommes
de Riemann Σf (si )(g(si+1 ) − g(si )) sur les partitions 0 = s0 < s1 < . . . < sn = t de [0, t]
lorsque le diamètre maxi |si+1 − si | de ces partitions tend vers 0. Pour que cette limite
existe, il faut imposer des conditions sur f et sur g.

Exercice 1.1 Montrez que si g est continue et f := 1[a,b[ alors les sommes de Riemann
Rt
convergent vers g(t ∧ b) − g(t ∧ a). Montrez aussi que, si g est continue, 0 f (s)dg(s) est
une fonctionnelle linéaire sur l’espace vectoriel R engendré par les fonctions 1[a,b[ , a ≤ b.

Si l’on veut intégrer des fonctions f plus générales que celles de l’exercice précédent,
par exemple des fonctions continues, il faut alors restreindre la classe des g considérés:
la théorie de Riemann-Stieltjes suppose que g est une fonction à variation bornée. La
trajectoire t → Bt (ω) étant génériquement à variation non bornée, cette théorie ne peut
donc pas s’appliquer ici.
Pour définir l’intégrale (1), nous devrons limiter la classe des processus φ. Voici le
premier espace sur lequel nous travaillerons:

Définition 1.2 H22 est l’ensemble des processus φ Ft - progressivement mesurables tels que:
Z ∞
kφk2H 2 = E[ φ2 (s)ds] < ∞.
2
0

H22 est le quotient de H22 par la relation d’équivalence ≡, où φ ≡ φ0 si et seulement si

kφ − φ0 k2H 2 = 0.
2

Exercice 1.3 Montrez que H22 est un espace vectoriel et que k.kH22 est une semi-norme sur
cet espace. H22 est donc un espace vectoriel normé.
³ R α
´1
∞ 2 α
Remarque 1.4 Pour α > 1, on considère parfois les normes suivantes kφkH α = E[( 0 φs ds) ]
2
2
et les espaces H2α correspondants.

2
Exercice 1.5 Soit t1 < t2 et ψ ∈ L2 (Ft1 ). Posons φt (ω) := ψ(ω)1[t1 ,t2 [ (t). Montrez que
φ ∈ H22 et calculez kφkH22 .

Preuve: Remarquons que φ est progressivementN mesurable en effet: Soit T fixé si T < t1
alors φ : Ω × [0, T ] → 0 donc φ est FT B[0,T ] mesurable car c’est l’application constante.
Si T ≥ t1 alors φ(ω, t) = ψ(ω)1[t1 ,t2 [ (t), or ψ(ω) est Ft1 mesurable donc N FT
mesurable et 1[t1 ,t2 [ (t) est B[0,T ] mesurable donc φ(ω, t) = ψ(ω)1[t1 ,t2 [ (t) est FT B[0,T ]
mesurable. R∞ R∞
Ensuite kφk2 H2 =E[ 0 φ2 (s)ds] = E[ 0 12[t1 ,t2 [ (t)ψ 2 (ω)dt]
2

= E[(t1 − t2 )ψ 2 (ω)] = (t2 − t1 )E(ψ 2 (ω)) < ∞.

Donc φ ∈ H22 .

Définition 1.6 On définit Esc comme l’espace vectoriel engendré par: {ψ(ω)1[t1 ,t2 [ : t1 <
t2 , ψ ∈ L2 (Ft1 )}.

Théorème 1.7 (H22 , k.kH22 ) est un espace de Hilbert.

N N
Preuve: H22 est un sous espace vectoriel de L2 (F∞ B[0,∞[ , µ) avec µ = P λ, P étant
la mesure sur F∞ et λ la mesure de Lebesgue sur [0, ∞[. En effet:
R
kφk2L2 = Ω×[0,∞[ φ2 (ω, t)dµ(ω, t)
R R∞
= Ω (R 0 φ2 (ω, t)dt)dP (ω)
∞
= E( 0 φ2 (ω, t)dt).
N
L2 (F∞ B[0,∞[ , µ) étant un espace de Hilbert, il nous
N suffit pour prouver la première as-
2 2
sertion de démontrer que H2 est fermé dans L (F∞ B[0,∞[ , µ):
N
Soit φn → φ dans L2 (F∞ B[0,∞[ , µ) avec φn ∈ H22 . Montrons que φ ∈ H22 . Pour
T fixé on a: RT
kφn − φk2L2 (F∞ N B ) = E[ 0 (φn,t (ω) − φt (ω))2 dt]
[0,T ] R∞
≤ E[ 0 (φn,t − φt )2 dt]
= kφn − φk2H 2 → 0.
2

2 (F
N
La restriction de φ à Ω × [0, T ] est la limite dans NL T B[0,T ] µ) des restrictions de φn
à Ω × [0, T ]. La restriction de φ à [0, T ] est FT B[0,T ] - mesurable. Ceci étant vrai pour
tout T , φ est progressivement mesurable et donc dans H22 .

Théorème 1.8 Esc est dense dans H22 .

P∞ R k
Preuve: 1) Si f ∈ L2 ([0, ∞[) et n ∈ IN , définissons Tn (f ) par Tn (f )t = k=1 (n
n
k−1 f (s)ds)1[ k , k+1 [ (t).
n n n

3
 Montrons que Tn (f ) ∈ L2 et que kTn (f )k2L2 ≤ kf k2L2 .
R ∞ P∞ R nk
kTn (f )k2L2 = 0 ( k=1 (n k−1 f (s)ds)1[ n k k+1 (t)) dt
, n [
2
n
R ∞ P∞ R nk 2
= 0 k=1 (n k−1 f (s)ds) 1[ k , k+1 [ (t)dt
n n n
P∞ R nk 2 1
= k=1 (n k−1 f (s)ds) n .
n

or d’après l’inégalité de Jensen [E[f (U )]]2 ≤ E[f 2 (U )] en prenant U une variable uniforme
sur [ k−1 k
n , n ], on a:
∞ Z
X k Z ∞
n
kTn (f )k2L2 ≤ 2
f (s)ds = f 2 (s)ds = kf k2L2 < ∞.
k−1
k=1 n
0

n→∞
Montrons à présent que Tn (f ) −→ f dans L2 : l’espace CK ([0, ∞[) des fonctions
continues à support compact est dense dans L2 , donc si φ ∈ L2 ([0, ∞[) alors ∀² > 0,
∃f ∈ CK ([0, ∞[): kφ − f kL2 < 3² .
Or, la continuité uniforme de f implique que Tn (f ) converge uniformément vers f
et donc kTn (f ) − f kL2 → 0. Ainsi, ∃N : ∀n ≥ N kTn (f ) − f kL2 < 3² . Ainsi:
kTn (φ) − φkL2 ≤ kTn (φ − f )k + kTn (f ) − f k + kf − φk
≤ 3² + 3² + 3² = ².
n→∞
Ceci étant vrai pour tout ², nous concluons que Tn (f ) −→ f dans L2 .
2)Si φ ∈ H22 est tel que φt = 0, ∀t ≥ T , définissons le processus φn par
∞
X Z k
n
φn (ω, t) = Tn (φ(ω, .))(t) = (n φ(ω, s)ds)1[ k , k+1 [ (t).
k−1 n n
k=1 n

Cette somme ne contient en fait qu’un nombre fini de termes non nuls. Or, si s ≤ nk , φ(ω, s)
R nk
est F k mesurable donc k−1 φ(ω, s)ds est F k -mesurable. De plus
n n n

Z k Z k
n n
2
E[(n φ(ω, s)ds) ] ≤ E[n φ(ω, s)2 ds)] < ∞.
k−1 k−1
n n

Ainsi φn (ω, t) ∈ Esc. R∞

Montrons que φn → φ pour la norme de H22 : Soit Yn (ω) := 0 (φn (ω, t)−φ(ω, t))2 dt.
Observons que
Yn (ω) = kTn (φ(ω, .)) − φ(ω, .)k2L2 ([0,∞[) .
Aussi, ∀ω, Yn (ω) → 0 lorsque n → ∞. De plus
p
Yn (ω) = kTn (φ(ω, .)) − φ(ω, .)kL2 ([0,∞[)
≤ kTn (φ(ω, .))kL2 ([0,∞[) + kφ(ω, .)kL2 ([0,∞[)
≤ 2kφ(ω, .)kL2 ([0,∞[)

4
 R∞
Ainsi Yn (ω) ≤ 4 0 (φ(ω, t))2 dt. Le membre de droite de cette inégalité ayant une espérance
finie, nous pouvons appliquer le théorème de la convergence dominée de Lebesgue pour
conclure que kφn − φkH22 = E[Yn ] → 0.
3) Si φ ∈ H22 , nous allons montrer que 1[0,T ] φ converge vers φ dans H22 lorque T
tend vers ∞. Le théorème sera établi puisque, par le point 2, 1[0,T ] φ peut être approché
d’aussi près que l’on veut par un processus de Esc.
T →∞
Puisque (φ − 1[0,T ] φ)2 = 1]T,∞[ φ2 ≤ φ2 et que 1]T,∞[ φ2 −→ 0, il suffit d’appliquer
N à
1
nouveau le théorème de la convergence dominée de Lebesgue sur l’espace L (F∞ B[0,∞[ , µ)
pour conclure que kφ − 1[0,T ] φkH22 → 0.

1.2 L’intégrale d’Itô sur H22

Nous allons à présent
Rt définir l’intégrale (1) des processus φ de H22 . Nous pourrions définir
la variable Yt = 0 φs dBs pour un temps t fixé, mais la définition que nous en donnerions
serait alors une variable de L2 (Ft ): Yt serait alors défini à un ensemble de mesure nulle près
et rien n’indiquerait que l’ensemble du processus Y ainsi construit ait une version régulière.
Pour cette raison, nous allons définir le processus Y tout entier et nous le nous noterons
I(φ).

Définition 1.9 Si φ ∈ Esc, alors pour tout ω la trajectoire φ. (ω) est dans l’espace R de
l’exercice 1.1. Nous pouvons donc définir I(φ) trajectoire par trajectoire:
Z t
I(φ)t (ω) := φs (ω)dBs (ω),
0

l’intégrale étant prise au sens de l’exercice 1.1. En particulier, si φt (ω) = ψ(ω)1[t1 ,t2 [ (t),
où t1 ≤ t2 et ψ ∈ L2 (Ft1 ), on a

I(φ)t = ψ · (Bt2 ∧t − Bt1 ∧t ).

Remarque 1.10 Notons que, si φt (ω) = ψ(ω)1[t1 ,t2 [ (t), le processus I(φ) ainsi construit
est {Ft }-adapté et continu. L’intégrale de l’exercice 1.1 étant linéaire sur R, l’application
I sera également linéaire et I applique donc linéairement Esc dans l’espace des processus
continus {Ft }-adaptés.

Exercice 1.11 Si φt (ω) = ψ(ω)1[t1 ,t2 [ (t), où t1 ≤ t2 et ψ ∈ L2 (Ft1 ), montrez que I(φ) est
une martingale et calculez kI(φ)kL2 .

Preuve: Soit s > t.

1) Supposons d’abord que t ∈ [t1 , t2 ]: alors ψ ∈ L2 (Ft ), et t1 ∧ s = t1 = t1 ∧ t ≤ t.
Donc
E[I(φ)s |Ft ] = E[ψ · (Bt2 ∧s − Bt1 ∧s )|Ft ] = ψ · (E[Bt2 ∧s |Ft ] − Bt1 ∧t ).

5
Puisque B est une martingale et t2 ∧ s ≥ t = t2 ∧ t, nous avons

E[I(φ)s |Ft ] = ψ · (Bt2 ∧t − Bt1 ∧t ) = I(φ)t .

2) Si t < t1 alors, soit s ≤ t1 , et partant

E[I(φ)s |Ft ] = E[0|Ft ] = 0 = I(φ)t ,

soit s > t1 , et donc, il suit du cas 1) que:

E[I(φ)s |Ft ] = E[E[I(φ)s |Ft1 ]|Ft ] = E[I(φ)t1 |Ft ] = E[0|Ft ] = 0 = I(φ)t .

3) Si t > t2 , alors I(φ)t = I(φ)t2 = I(φ)s , et puisque I(φ)t est Ft -mesurable, nous
avons également E[I(φ)s |Ft ] = I(φ)t .
Enfin,
kI(φ)k2L2 = limt→∞ kI(φ)t k2L2
= kI(φ)t2 k2L2
= E[ψ 2 (Bt2 − Bt1 )2 ]
= E[ψ 2 ](t2 − t1 ).

En comparant au résultat obtenu à l’exercice 1.5, nous voyons que

kI(φ)kL2 = kφkH22 .

Cette propriété se généralise:

Théorème 1.12 I est une application linéaire isométrique de (Esc, k.kH22 ) vers (M 2 , k.kL2 ).

Preuve: Nous savons d’une part que I est linéaire. D’autre part si φ est de la forme
ψ1[t1 ,t2 [ , il découle de l’exercice précédent que I(φ) ∈ M 2 . Par linéarité, cette propriété
s’étend à tout φ ∈ Esc.

6
 Pn
Remarquons que si φ ∈ Esc, alors φ = 0 ψk 1[tk ,tk [ avec tk1 ≤ tk2 , ψk ∈ L2 (Ftk ) et
1 2 1
k0 k0
[tk1 , tk2 [∩[t1 , t2 [= ∅ si k 6= k 0 . Nous calculons alors:
I(φ)k2L2 = E[I(φ)2∞ ]
Xn
= E[( I(ψk 1[tk ,tk [ )∞ )2 ]
1 2
0
n
X
= E[( ψk (Btk − Btk ))2 ]
2 1
0
n
X
= E[ ψk2 (Btk − Btk )2 ]
2 1
0
X
+2E[ ψk ψj (Btk − Btk )(Btj − Btj )]
2 1 2 1
k<j
n
X
= E[ψk2 ](tk2 − tk1 )
0

car, les intervalles [tk1 , tk2 [ et [tj1 , tj2 [ sont disjoints si k < j, donc E[ψk ψj (Btk − Btk )(Btj −
2 1 2
Btj )] = 0. Par ailleurs:
1
Z ∞ Xn
φk2H 2 = E[ ( ψk 1[tk ,tk [ )2 dt]
2 1 2
0 0
Z n
∞ X
= E[ ( ψk2 1[tk ,tk [ )dt]
1 2
0 0
X
= E[ ψk2 (ω)(tk2 − tk1 )]
k
X
= E(ψk2 )(tk2 − tk1 )
k
= kI(φ)k2L2 .
Nous concluons donc que kI(φ)kL2 = kφkH22 : I est bien une isométrie.

Corollaire 1.13 Si {φn } ⊂ Esc converge vers φ ∈ H22 au sens de k.kH22 , alors la suite
{I(φn )} converge dans M 2 .
Si {φ0n } ⊂ Esc converge également φ, alors
lim I(φn ) = lim I(φ0n ).
n→∞ n→∞

Preuve: En effet, si {φn } converge, il s’agit d’une suite de Cauchy dans H22 donc, I étant
linéaire et isométrique:
kI(φn ) − I(φm )kL2 = kI(φn − φm )kL2 = kφn − φm kH22 → 0.

7
Ainsi {I(φn )} est une suite de Cauchy dans M 2 et, M 2 étant complet, la limite limn→∞ I(φn )
existe. Si {φ0n } est une autre suite convergent vers φ, nous pouvons en créer une troisième
{φ00n } qui prend alternativement ses éléments dans les suites {φn } et {φ0n }. Puisque {φ00n }
converge vers φ, la suite {I(φ00n )} est convergente et toutes les sous-suites de {I(φ00n )},–
{I(φn )} et {I(φ0n )} en particulier–, convergent donc vers une limite commune.

Nous sommes maintenant en mesure de définir l’intégrale d’Itô:

Définition 1.14 (Intégrale d’Itô sur H22 ) Si φ ∈ H22 , il existe une suite {φn } ⊂ Esc qui
¯
converge vers φ. Nous définissons I(φ) := limn→∞ φn . Par le corollaire précédent, cette
¯
limite ne dépend pas de la suite {φn } choisie. I(φ) est l’intégrale d’Itô du processus φ.

Exercice 1.15 Montrez que I¯ est linéaire et isométrique et que si φ ∈ Esc: I(φ)
¯ = I(φ).

Preuve: Soient φ et φ0 ∈ H22 , soient {φn } et {φ0n } ⊂ Esc telles que φn → φ et φ0n → φ0 .
Alors ∀α, β ∈ IR : (αφn + βφ0n ) → (αφ + βφ0 ) et donc
¯
I(αφ + βφ0 ) = L2 − lim I(αφn + βφ0 n )
= α lim I(φn ) + β lim I(φ0 n )
¯ + β I(φ
= αI(φ) ¯ 0)

d’où I¯ est linéaire. Montrons que I¯ est isométrique:

¯
kI(φ)kL2 = lim kI(φn )kL2 = lim kφn kH22 = kφkH22 .

Enfin si φ ∈ Esc, la suite constante φn := φ est une suite dans Esc qui converge vers
¯
φ. Ainsi I(φ) = lim I(φn ) = I(φ).
R· Rs Rb
¯
Définition 1.16 Nous noterons à présent I(φ) = ¯ s=
φt dBt , I(φ) φt dBt et φt dBt =
0 0 a
¯ ¯
I(φ)b − I(φ)a .

Remarque 1.17 Remarquons que I(φ) ¯ a été défini globalement. Rien n’indique par exem-
¯
ple que I(φ)s ne dépend pas du comportement du processus φ après le temps s, propriété
qui aurait été évidente dans le cadre d’une définition trajectoire par trajectoire de l’intégrale
d’Itô.

L’exercice suivant indique qu’il en est bien ainsi:

Exercice 1.18 Si T est fixé, montrez que

¯ T = I(1
∀φ ∈ H22 : I(φ) ¯ [0,T [ φ)∞ .

Avec les notations intégrales, cela revient à dire:

Z T Z ∞
φs dBs = 1[0,T [ (s)φs dBs
0 0
R∞
ou encore T 1[0,T [ (s)φs dBs = 0.

8
Preuve: Définissons les applications J : H22 → L2 (FT ) et K : H22 → L2 (F∞ ) comme suit:
¯ T et K(φ) := I(1
J(φ) := I(φ) ¯ [0,T [ φ)∞ .
J et K sont clairement linéaires puique I¯ l’est. Montrons que ces applications sont
également continues. En effet:
¯ T kL2 ≤ kI(φ)k
kJ(φ)kL2 = kI(φ) ¯ L2 = kφkH22 .

De même
¯ [0,T [ )∞ kL2 = kI(φ1
kK(φ)kL2 = kI(φ1 ¯ [0,T [ )kL2 = kφ1[0,T [ k 2 ,
H2

d’où s s
Z T Z ∞
kK(φ)kL2 = E( φ2 s ds) ≤ E( φ2 s ds) = kφkH22 .
0 0

Posons à présent F := {φ ∈ H22 |J(φ)

= K(φ)}. Par continuité et linéarité de J et
K, F est un sous espace vectoriel fermé de H22 .
Remarquons que, si φ est de la forme φ = ψ1[t1 ,t2 [ , alors:
¯ T = ψ(BT ∧t − BT ∧t )
J(φ) = I(φ) 2 1

et, puisque [t1 , t2 [∩[0, T [= [T ∧ t1 , T ∧ t2 [, nous avons φ1[0,T [ = ψ1[T ∧t1 ,T ∧t2 [ . Ainsi
¯ [0,T [ )∞ = ψ(BT ∧t − BT ∧t ) = J(φ).
K(φ) = I(φ1 2 1

Ainsi, l’espace vectoriel F contient tous les φ de la forme φ = ψ1[t1 ,t2 [ . F contient
donc Esc qui est l’espace vectoriel engendré par ces φ. F étant fermé, et Esc étant dense
dans H22 , nous avons établi que H22 ⊂ F: ce que nous voulions montrer.

Exercice 1.19 Montrez que si φ ∈ H22 , si A ∈ Ft alors:

1. ψs (ω) = 1A (ω)1[t,∞[ (s)φs (ω) ∈ H22 .

R· R.
2. 0 ψs dBs = 1A 0 1[t,∞[ φs dBs .

Nous montrons en fait ici que si Z ∈ L∞ (Ft ) alors

Z ∞ Z ∞
Zφs dBs = Z · φs dBs
t t

Preuve:
1) Montrons que ψ est progressivement mesurable. Soit T fixé:
Si T < t alors la resrtiction de ψ à Ω×[0, T ] est identiquement nulle donc FT ⊗B[0,T ] -
mesurable.
Si T ≥ t alors 1A est Ft -mesurable donc FT -mesurable et 1[t,∞[ est B[0,T ] mesurable
d’où 1A 1[t,∞[ est Ft ⊗ B[0,T ] -mesurable et, puisque φ ∈ H22 , ψ(ω) = 1A (ω)1[t,∞[ (s)φs (ω) est
Ft ⊗ B[0,T [ -mesurable.

9
 Calculons à présent kψkH22 :
Z ∞ Z ∞ Z ∞
2 2
kψkH 2 = E[ ψs ds] = E[1A φ2s ds] ≤ E[ φ2s ds] = kφk2H 2 < ∞.
2 2
0 t 0

Ainsi: ψ ∈ H22 .
2) Pour montrer la deuxième assertion, posons
¯ A 1[t,∞[ φ) et K(φ) := 1A · I(1
J(φ) := I(1 ¯ [t,∞[ φ).

Il est facile de voir que si φ est de la forme 1[t1 ,t2 [ ψ, alors J(φ) = K(φ). On montre aisément
que J et K sont des applications linéaires continues de H22 dans M 2 . Nous pouvons donc
appliquer la preuve de l’exercice précédent.

Exercice 1.20 Si τ est un temps d’arrêt ne prenant qu’un nombre fini de valeurs: τ (Ω) =
{t1 , . . . , tn } où t1 < . . . < tn , si φ ∈ H22 , montrez que I(φ)¯ τ =I(1
¯ [0,τ [ φ)∞ . En d’autres
termes: Z τ Z ∞
φs dBs = 1[0,τ [ (s)φs dBs .
0 0
Montrez ensuite que cette relation est vérifiée pour tout temps d’arrêt τ .
Preuve: Considérons un temps d’arrêt τ discret. Alors, puisque {τ = ti } est Fti -mesurable,
nous obtenons avec les deux exercices précédents:
¯ [0,τ [ φ)∞ = I(φ)
I(1 ¯ ∞ − I(1
¯ [τ,∞[ φ)∞
Xn
¯ ∞ − I(
= I(φ) ¯ 1{τ =ti } 1[ti ,∞[ φ)∞
i=1
n
X
¯ ∞−
= I(φ) ¯ [t ,∞[ φ)∞
1{τ =ti } I(1 i
i=1
n
X
= ¯ ∞ − I(1
1{τ =ti } (I(φ) ¯ [t ,∞[ φ)∞ )
i
i=1
n
X
= ¯ [0,t [ φ)∞
1{τ =ti } I(1 i
i=1
n
X
= ¯ t
1{τ =ti } I(φ) i
i=1
¯ τ.
= I(φ)

Si τ est un temps d’arrêt général, il existe une suite {τn } de temps d’arrêt discrets
telle que τn & τ (voir la démonstration du théorème d’arrêt , Ch. 3). Par continuité des
¯
trajectoires de I(φ), nous avons:
¯ τ = lim I(φ)
I(φ) ¯ τn = lim I(1
¯ [0,τ [ φ)∞
n
n→∞ n→∞

10
Pour terminer la démonstration, il nous suffit donc de montrer que les processus 1[0,τn [ φ con-
verge dans H22 vers 1[0,τ [ φ. Mais ceci suit le théorème de convergence dominée de Lebesgue
appliqué à la mesure P ⊗ λ sur Ω × [0, ∞[: d’une part 1[0,τn [ φ converge ponctuellement vers
1[0,τ [ φ et d’autre part, ∀n : |1[0,τn [ φ| ≤ |φ|.

Exercice 1.21 Si τ est un temps d’arrêt, et X un processus, nous rappelons que la notation
X τ désigne le processus t → Xtτ := Xτ ∧t . Améliorez les démonstrations antérieures pour
prouver que
¯ τ = I(1
I(φ) ¯ [0,τ [ φ).

Remarque 1.22 Il suit de l’exercice précédent que si σ ≤ τ sont deux temps d’arrêt, alors
les processus I(1¯ [0,σ[ φ) et I(1
¯ [0,τ [ φ) concident jusqu’au temps σ: I(1
¯ [0,σ[ φ) = I(1
¯ [0,τ [ φ)σ .
Nous mettons à profits cette remarque dans la suite pour étendre la définition de l’intégrale
d’Itô I¯ à une classe plus vaste de processus.

Définition 1.23 (Martingale locale) Un processus X est une {Ft }-martingale locale con-
tinue s’il est adapté à la filtration {Ft } et s’il existe une suite croissante τn de temps d’arrêt
telle que τn % ∞ P -pp et pour tout n: X τn ∈ M2 . Nous noterons Mloc l’ensemble des
modif
martingales locales continues et M loc le quotient de Mloc par la relation d’équivalence ≡ .
Exercice 1.24 Montrez que toute martingale continue est une martingale locale.
Remarque 1.25 Contrairement à ce que pourrait laisser croire la terminologie, une mar-
tingale locale n’est en général pas une martingale. L’exercice suivant illustre ce phénomène.
Exercice 1.26 Soit V une variable aléatoire finie positive telle que E[V ] = ∞. Soit par
ailleurs B un mouvement Brownien indépendant de V . Posons Ft := σ(V, Bs , s ∈ [0, t]) et
Xt := V · Bt .
1) Montrez que Xt n’est pas dans L1 si t > 0. X ne peut donc pas être une martin-
gale.
2) Montrez que B est un {Ft }-mouvement brownien.
3) Soit τn := 1{V ≤n} n. Montrez que τn est un {Ft }-temps d’arrêt et que τn % ∞.
4) Montrez que Xsτn = 1V ≤n (V ∧ n) · Bs∧n . Concluez que X τn ∈ M 2 .
Exercice 1.27 Montrez que si X ∈ M loc , si τ est un temps d’arrêt tel que X τ soit un
processus borné, alors X τ est une martingale.
Preuve: Voila une idée pour le cas X ∈ M 2 . Montrer d’abord que X adapté est
une martingale si et seulement si pout tout temps d’arrêt borné T , on a
E(XT ) = E(X0 ).
(une direction est claire, pour l’autre utiliser le temps d’arrêt particulier T = t1A s + 1Ac t
si A ∈ Fs et s < t
Utiliser ensuite cela pour conclure que XST = XO T pour tout S temps d’arrêt borné.

En général on ne peut pas remplacer borné par U.I. dans l’énoncé précédent.

11
Définition 1.28 (L’espace H2loc ) H2loc désigne l’ensemble des processus a progressivement
mesurables tels que pour tout T ∈ [0, ∞[:
Z T
a2t dt < ∞ P -P.P.
0

Pour un tel processus, nous noterons τna le temps d’arrêt

Z t
a
τn := inf {t| a2s ds ≥ n}.
0

Le processus 1[0,τna [ a est alors dans H22 . De plus, si a ∈ M loc , τna forme une suite croissante
de temps d’arrêt qui tend P -pp vers ∞.
R·
Remarque 1.29 Nous voulons à présent définir J(φ) := 0 φs dBs pour un processus φ
R τφ
dans H2loc . Il est assez naturel d’exiger que ∀n: J(φ)τ φ concide avec 0 n φs dBs interpreté
n
¯
comme l’intégrale I(1 φ φ)∞ définie précédement. Nous exigerons en fait que les processus
[0,τn [
¯ φ
J(φ) et I(1 φ φ) concident jusqu’au temps τn . Le théorème suivant indique qu’un tel J(φ)
[0,τn [
existe.

Théorème 1.30 Si {Ft } est une filtration complète, alors ∀φ ∈ H2loc , il existe un processus
φ
¯
J(φ) unique dans M loc tel que ∀n : J(φ)τn = I(φ1 ).
[0,τ φ [n

¯
Preuve: I(φ1 ) est un élément de M 2 soit une classe d’équivalence pour la relation
[0,τ φ [
n
modif
¯
≡ . Choisissons un représentant Yn de cette classe. Si n < m, l’identité I(φ1 ) =
[0,τ φ [ n

¯
I(φ1 τnφ de la remarque 1.22 se traduit en terme de Y et Y par Y modif τnφ
φ ) n m n ≡ Ym . L’exercice
[0,τm [
1.40, Ch. 3 nous apprend que Yn et Ym sont indistinguables. Ainsi P (An,m ) = 1, où
φ
τn
An,m := {ω|∀t ≥ 0 : Yn,t (ω) = Ym,t (ω)}. Soit A := ∩n<m An,m . Nous avons également
P (A) = 1.
Soit B := {ω : limn→∞ τnφ (ω) = ∞}. Nous avons alors P (B) = 1, et donc P (A0 ) = 1,
où A0 := A ∩ B. Si ω appartient à A0 , définissons Yt (ω) comme suit: il existe n tel que
t ≤ τnφ (ω). Posons Yt (ω) := Yn,t (ω). Remarquons que cette définition ne dépend pas
du n choisi tel que t ≤ τnφ (ω). En effet, si t ≤ τm φ
(ω), et par exemple n < m, alors
φ
τn
Yn,t (ω) = Ym,t (ω) = Ym,t∧τ φ (ω) = Ym,t (ω).
n
Le processus Y est donc bien défini sur A0 . Définissons alors Yt (ω) := 0 si ω ∈
/ A0 . Le
processus Y obtenu est donc continu, et si ω ∈ A nous avons Yn,t (ω) = Yt (ω) si t ≤ τnφ (ω) et
0
φ
si t > τnφ (ω), Yn,t (ω) = Yn,τ φ (ω) (ω) = Yτ φ (ω) (ω). Nous venons de montrer que Ytτn = Yn,t 1A0 .
n n
Aussi ∀ω: Yt (ω) = limn→∞ 1A0 Yn,t (ω). Puisque la filtration {Ft } est complète et
qur P (A0 ) = 1, 1A0 Yn,t est Ft -mesurable et en passant à la limité, Yt l’est aussi: Y est

12
 φ φ
adapté à {Ft }. De plus, la relation Ytτn = Yn,t 1A0 implique que Yn,t = Ytτn P -ps. Ainsi
modif φ
Yn ≡ Y τn . Puisque Yn ∈ M2 , cette relation indique que Y ∈ Mloc . Nous définissons enfin
modif
J(φ) comme la classe d’équivalence sur Mloc pour ≡ qui contient Y . Nous avons alors
φ
¯
∀n : J(φ)τn = I(φ1 ).
[0,τ φ [ n
modif φ
Il nous reste à montrer l’unicité de J(φ): soit Z ∈ Mloc tel que ∀n : Yn ≡ Z τn ,
φ modif modif φ modif
alors ∀n : Y τn ≡ Yn ≡ Z τn . Puisque τnφ % ∞, cela implique clairement que Y ≡ Z.

Remarque 1.31 Montrez que l’application J : H2loc → M loc : φ → J(φ) est linéaire.
¯
Montrez également que si φ ∈ H22 , alors J(φ) = I(φ).

Définition 1.32 J(φ) est l’intégrale

Rt de Itô du processus
R· φ ∈ H2loc . Nous adopterons les
notations intégrales: J(φ)t = 0 φs dBs et J(φ) = 0 φs dBs .

Exercice 1.33 Nous avons défini l’application J : H2loc → M loc comme l’intégrale par
rapport à un mouvement brownien donné B quelconque. Si B 1 et B 2 sont deux mouvements
browniens indépendants, nous savons que B 3 := √12 (B 1 + B 2 ) est encore un mouvement
brownien. A chacun de ces mouvements browniens correspond donc une application J :
H2loc → M loc différente que nous noterons respectivement J1 , J2 et J3 . Montrez que J3 (φ) =
√1 (J1 (φ) + J2 (φ)). En notation intégrale, cela revient à montrer que
2
Z · Z · Z ·
1
φt dBt3 1
= √ ( φt dBt + φt dBt2 ).
0 2 0 0

1.3 Les semi-martingales et leurs crochets:

Définition 1.34 On définit H1loc comme l’ensemble des processus progressivement mesurables
φ pour tout T < ∞ tels que Z T
|φs |ds < ∞ P -ps.
0

H1loc
est le quotient de H1loc par la relation d’égalité P ⊗ λ-pp, où λ est la mesure de
Lebesgue sur [0, ∞[.

Définition 1.35 Un processus X adapté à Ft est une semi-martingale si ∃X0 ∈ L1 (F0 ),

a ∈ H2loc et b ∈ H1loc tels que:
Z · Z ·
X = X0 + as dBs + bs ds. (2)
0 0

Plus généralement, si B 1 , · · · , B n sont des {Ft }-mouvements browniens indépendants, si

X0 ∈ L1 (F0 ), a1 , · · · , an ∈ H2loc et b ∈ H1loc , alors nous considérerons également que le

13
processus X suivant est une semi-martingale
X n Z · Z ·
i i
X = X0 + as dBs + bs ds (3)
i=1 0 0

Remarque 1.36 On définit habituellement une semi martingale comme la somme M + A

d’une martingale locale M et d’un processus A adapté à 1-variation finie sur tout in-
tervalle borné. Notre définition est plus restrictive puisqu’elle impose l’existence d’une
représentation intégrale des processus M et A.

Théorème 1.37 Si le processus X est une semi-martingale, alors la décomposition (2) est
unique.

Preuve: Par linéarité des intégrales, montrer l’unicité de la représentation (2), revient à
montrer que, si α ∈ H2loc et β ∈ H1loc vérifient
Z · Z ·
αs dBs = βs ds,
0 0

alors α = β = 0. R·
Posons M := 0 αs dBs , et définissons:
Z t
τn = inf {t : |Mt | ≥ n ou βs |ds ≥ n}.
0

Montrons d’abord que le processus que M τn est identiquement nulle: soit t1 , . . . , tn tels que
0 = t1 < t2 < ... < tn = t. Alors, puisque par l’exercice 1.27, M τn est une martingale, nous
avons:
X
E[(Mtτn )2 ] = E[(Mtτi+1
n
)2 − (Mtτin )2 ]
i
X
= E[(Mtτi+1
n
− Mtτin )2 ]
i
X
≤ E[max |Mtτj+1
n
− Mtτjn | · |Mtτi+1
n
− Mtτin |]
j
i
X Z ti+1
= E[max |Mtτj+1
n τn
− Mtj | · | βs 1s≤τn ds|]
j ti
i
Z t
τn τn
≤ E[max |Mtj+1 − Mtj | · |βs |ds]
j 0
≤ n · E[max |Mtτj+1
n
− Mtτjn |].
j

Puisque M τn est continue, ses trajectoires sont uniformément continues sur [0, t]
et donc maxj |Mtτj+1
n
− Mtτjn | → 0 P -pp lorsque maxj |tj+1 − tj | → 0. Puisque |Mtτj+1
n
| ≤

14
n, par définition de τn , il suit du théorème de la convergence dominée de Lebesgue que
E[maxj |Mtτj+1
n
− Mtτjn |] → 0
Ainsi, ∀t nous avons obtenu

E[(Mtτn )2 ] = 0
n→∞
et donc M τn est donc identiquement nulle. Puisque τn % ∞ P -pp, 0 = Mtτn −→ Mt . P -ps.
Ceci implique que M est identiquement nul, et donc α et β sont nuls.

Le lemme qui suit esr en fait une conséquence de la preuve ci-dessus. Il est utile de
la retenir.

Proposition 1.38 Si M est une martingales local continu à variation bornée, alors Mt ≡ 0
pour tout t.

Le résultat suivant généralise le théorème sur la convergence de la variation quadra-

tique du mouvement brownien (Ch. 2). Soit ∆ = {t1 , . . . , tn } avec 0 = t0 < t2 < ... < tn =
T , une partition de l’intervalle [0, T ]. Si X est un processus, nous définissons
n−1
X
T ∆ (X) := (Xti+1 − Xti )2 .
i=0

Nous allons traiter d’abord le cas de l’espace H22 .

Théorème 1.39 Si a ∈ H22 et Z .

X= as dBs ,
0
alors Z T
∆
T (X) → a2s ds
0

en L1 lorsque |∆| → 0

Preuve: Observons d’abord que si le processus a est dans Esc, le résultat est une
conséquence de la propriété de variation quadratique du mouvement brownien. En effet,
pour tout intervalle de type ]a, b] ou u prend la valeur constante c, on a une contribution
du type X
c2 (Btj+1 − Btj )2
a≤tj−1 ≤tj ≤b

qui converge vers c2 (b − a).

15
 Considérons maintenant a ∈ H22 . Par le théorème de densité de Esc dans H22 , il
existe une suite ak de Esc telle que
Z T ¯ ¯2
¯ k¯
lim E a
¯ t − a t ¯ dt = 0.
k→∞ 0

On peut supposer que le processus ak est constant sur [tj , tj+1 ), sinon il suffit d’inclure les
points de la partition associés à ak dans les tj .
Rt
On aura, en posant Xtk = 0 aks dBs
µ¯ Z t ¯¶
¯ ∆ ¯
¯
E ¯T (X) − 2 ¯
as ds¯ ≤ E(|T ∆ (X) − T ∆ (X k )|)
0
µ¯ Z t ¯¶
¯ ∆ k ¯
¯
+E ¯T (X ) − k 2 ¯
(as ) ds¯
0
µ¯Z t Z t ¯¶
¯ ¯
¯ k 2
+E ¯ (as ) ds − 2 ¯
(as ) ds¯ .
0 0

On peut borner le premier terme en utilisant l’inégalité de Schwartz et l’isométrie de

l’intégrale stochastique
 ÃZ ! ÃZ !
n
X tj tj
E(|T ∆ (X) − T ∆ (X k )|) = E  (as + aks )dBs (as − aks )dBs 
j=1 tj−1 tj−1
³ ´1 ³ ´1
2 2
≤ E(T ∆ (X + X k ) E(T ∆ (X − X k )
" µZ ¶ 21 µZ t ¶ 21 #
t
k 2 k 2
= E (as + as ) ds E (as − as ) ds
0 0

Observons que la borne obtenue ne dépend pas de n et converge quand k → ∞. Donc, pour
ε > 0 fixé,
µ¯ Z t ¯¶ µ¯ Z t ¯¶
¯ ∆ ¯ ¯ ∆ k ¯
¯
E ¯T (X) − 2 ¯ ¯
as ds¯ ≤ ε + E ¯T (X ) − k 2 ¯
(as ) ds¯ .
0 0

Il suffit maintenant de prendre la limite lorsque la norme de la division tend vers 0.

Nous présentons également un cas plus général avec une preuve un peu différente.
R. RT
Théorème 1.40 Si a ∈ H2loc et X = 0 as dBs , alors T ∆ (X) → 0 a2s ds en probabilité
lorsque |∆| → 0
R.
Preuve: Soit a ∈ H2loc et X = 0 as dBs . Posons
Z t
τn := inf{t : |Xt | ≥ n ou a2s ds ≥ n},
0

16
 R. R.
an := 1[0,τn [ a et Xn := 0 an,s dBs . Il suit de la définition de 0 as dBs que Xn = X τn ,
RT R T ∧τ
et nous avons aussi 0 a2n,s ds = 0 n a2s ds, de sorte que sur {τn ≥ T }, pour tout ∆,
RT RT
T ∆ (Xn ) = T ∆ (X) et 0 a2n,s ds = R0 a2s ds. Il nous suffit donc d’établir le résultat pour les
∞
processus a ∈ H22 tels que |X| et 0 a2s ds soient bornés: le résultat sera vrai pour an et
R T
donc, ∀δ > 0, P (|T ∆ (X) − 0 a2s ds| > δ) est borné par
Z T
∆
P (τn < T ) + P ({τn ≥ T } ∩ {|T (X) − a2s ds| > δ}).
0

P (τn < T ) est aussi petit que l’on désire en prenant n suffisemment grand et P ({τn ≥
RT
T } ∩ {|T ∆ (X) − 0 a2s ds| > δ}) est égal à
Z T
∆
P ({τn ≥ T } ∩ {|T (Xn ) − a2n,s ds| > δ}).
0

Ce dernier terme est aussi petit que l’on désire en prenant

R ∞ |∆| suffisemment petit.
Supposons donc que a ∈ H22 est tel que |X| et 0 a2s ds soient bornés par M . Notons
∆Xi := Xti+1 − Xti et calculons E[(∆Xi )2 |Fti ]: Si A ∈ Fti , il suit de l’exercice 1.19 que
Z ∞ Z ∞
1A ∆Xi = 1A 1[ti ,ti+1 [ (s)as dBs = 1A 1[ti ,ti+1 [ (s)as dBs .
0 0

Aussi:

E[1A (∆Xi )2 ] = E[(1A ∆Xi )2 ] = I(1A 1[ti ,ti+1 [ a)k2L2

Z ti+1
2
= k1A 1[ti ,ti+1 [ akH 2 = E[1A a2s ds]
2
ti
Z ti+1
= E[1A E[ a2s ds|Fti ]]
ti

Ceci étant vrai pour tout A ∈ Fti , nous avons montré que
Z ti+1
E[(∆Xi )2 |Fti ] = E[ a2s ds|Fti ].
ti
R ti+1
Ainsi, si l’on pose V0 := 0 et Vi+1 := Vi +(∆Xi )2 − ti a2s ds, V est une {Fti }i=0,...,n -
RT
martingale et Vn = T ∆ (X) − 0 a2s ds. Dès lors:
Z T n−1
X
∆
E[(T (X) − a2s ds)2 ] = E[Vn2 ] = E[(Vi+1 − Vi )2 ]
0 i=0
n−1
X n−1
X
2 2 2
= E[((∆Xi ) − E[(∆Xi ) |Fti ]) ] ≤ E[(∆Xi )4 ], (4)
i=0 i=0

17
car, en posant S := (∆Xi )2 , on a:
E[S 2 ] = E[(S − E[S|Fti ])2 ] + E[(E[S|Fti ])2 ] ≥ E[(S − E[S|Fti ])2 ].
Remarquons ensuite que
n−1
X p q
4
E[ (∆Xi ) ] ≤ E[∆X∗2 ∆
· T (X)] ≤ E[∆X∗4 ] · E[(T ∆ (X))2 ],
i=0

où ∆X∗ := maxi (∆Xi ). Puisque X est un processus continu, ∆X∗ tend P -pp vers 0 lorsque
|∆|
p → 0, et par ailleurs ∆X∗ est borné par 2M , puisque X est borné par M . Partant
E[∆X∗4 ] tend vers 0.
Nous allons montrer maitenant que E[(T ∆ (X))2 ] est borné. Nous aurons ainsi
RT
démontré la convergence L2 de T ∆ (X) vers 0 a2s ds, et donc la convergence en probabilité.
R∞
En utilisant l’inégalité (4), le fait que X est une martingale bornée par M et que 0 a2s ds ≤
M , on trouve
Z T Z T
∆ ∆ 2
kT (X)kL2 ≤ kT (X) − as dskL2 + k a2s dskL2
0 0
v
u n−1
u X
≤ tE[ (∆Xi )4 ] + M
i=0
v
u n−1
u X
≤ t(2M )2 E[ (∆Xi )2 ] + M
i=0
q
= (2M )2 E[XT2 ] + M
= 2M 2 + M.

Définition 1.41 Un processus A continu tel que pour tout T : T ∆ (X) converge en proba-
bilité vers AT lorsque le diamètre |∆| de la partition de [0, T ] tend vers 0 s’appelle crochet
de X et se note, hX, Xi := A.
R.
Remarque 1.42 Le théorème précédent nous indique que si X = 0 as dBs où a ∈ H2loc ,
Rt
alors hX, Xit = 0 a2s ds.
Définition 1.43 (Crochet croisé) Si X et Y sont deux processus, on note
n−1
X
T ∆ (X, Y ) := (Xti+1 − Xti ) · (Yti+1 − Yti ).
i=1

Un processus A limite en probabilité des T ∆ (X, Y ) s’appelle crochet croisé de X et Y et se

note hX, Y i.

18
 L’exercice qui suit donnera le crochet d’une semimartingale ainsi que le crochet
croisé d’une martingale est d’un processus à variation bornée (absolument continu)
R.
Exercice 1.44 1) RMontrez que si Y = 0 bs ds où b ∈ H1loc , alors hY, Y i = 0.
.
2) Si X = 0 as dBs où a ∈ H2loc , montrez que T ∆ (X, Y ) → 0 en probabilité. (i.e.
hX, Y i = 0). R. R.
3) Si X = X0 + 0 at dBt + 0 bt dt est une semi-martingale, montrez que hX, Xit =
Rt 2
0 as ds.
4) Montrez que hX, Y i = 41 (hX + Y, X + Y iR+ hX − Y, RX − Y i) et calculezRle crochet
. . .
Rcroisé hX, Y i de deux semi-martingales X = X0 + 0 at dBt + 0 bt dt et Y = Y0 + 0 a0t dBt +
. 0
0 bt dt.
5) Supposons que B1 et B2 soient deux {Ft }-mouvements browniens indépendants.
Calculez hB1 + B2 , B1 + B2 i, hB1 − B2 , B1 − B2 i et finalement montrez que hB1 , B2 i = 0.

Exercice 1.45 L’objet de cet exercice est de montrer R que si B 1 et B 2 sont des mouvements
·
browniens indépendents, si a1 , a2 ∈ H2loc et X i := 0 ait dBti , alors hX 1 , X 2 i = 0.
1) Montrez que pourR · démontrer cette affirmation, il suffit de la prouver pour des
i i i 2
processus a tels que X et 0 (as ) ds soient bornés par une constante M . Nous supposerons
donc que ces hypothèses sont vérifiées dans la suite de l’exercice.
2) Soit S > T et A ∈ FT , et considérons l’application
Z S Z S
F : H22 × H22 → IR, (u, v) → F (u, v) := E[1A ut dBt1 · vt dBt2 ].
T T

Montrer que F est bilinéaire et continue:

|F (u, v)| ≤ kukH22 · kvkH22 .

3) Montrez que si u = φ1[t1 ,t2 [ , v = ψ1[s1 ,s2 [ , avec t1 < t2 , φ ∈ L2 (Ft1 ), s1 < s2 et
ψ ∈ L2 (Fs1 ), alors F (u, v) = 0.
Concluez que ∀u, v ∈ H22 : F (u, v) = 0.
4) Montrez que le processus Zt = Xt1 · Xt2 est une martingale.
5) Soit ∆ une partition de [0, T ]. Nous reprenons les notations de l’exercice précédent
et du théorème 1.40. Montrez que

2(∆Zi )2 ≤ (∆Xi1 )4 + (∆Xi2 )4

P
6) Montrez que E[(T ∆ (X 1 , X 2 ))2 ] = E[ n−1 2
i=1 (∆Zi ) ]. En utilisant la fin de la
preuve du théorème 1.40, montrez que T (X , X ) → 0 dans L2 lorsque |∆| tend vers 0.
∆ 1 2

7) En utilisant les résultats de cet exercice et du précédent, calculez le crochet hX, Xi

de la semi-martingale générale définie à la définition 1.35 formule (3).

19
2 Formule de changement de variable (formule d’Itô)
L’intégrale stochastique par rapport a une semimartingale sera définie de la manière suiv-
ante.

Définition 2.1 Si vt est progressivement mesurable, on convient alors d’écrire

Z · Z · Z ·
vt dXt := vt · at dBt + vt · bt dt.
0 0 0

Voici une première étape vers l’obtention de la formule d’Itô.

R. R.
Exercice 2.2 Si X = X0 + 0 at dBt + 0 bt dt est une semi-martingale alors pour tout t:
Z t Z t
2 P -pp 2
Xt = X0 + 2Xs dXs + dhX, Xis
0 0

En particulier, les processus se situant de part et d’autre de l’égalité sont indistinguables.

Preuve: Comme pour la démonstration précédente, par arrêt àRdes temps τRn appropriés, il
∞ ∞
suffit de démontrer le corollaire pour des processus tels que X, 0 a2s ds et 0 |bs |ds soient
bornés.
Fixons T et remarquons que si ∆ est une partition de [0, T ], alors:
n−1
X n−1
X
XT2 = X02 + (Xt2i+1 − Xt2i ) = X02 + ((Xti + ∆Xi )2 − Xt2i )
i=0 i=0
n−1
X n−1
X
= X02 + 2 Xti ∆Xi + (∆Xi )2
i=0 i=0
n−1
X Z ti+1 n−1
X Z ti+1
= X02 +2 Xt i as dBs + 2 Xt i bs ds + T ∆ (X)
i=0 ti i=0 ti

Utilisant le fait que X est borné et continu, il est aisé de remarquer que le processus
n−1
X
φs := Xti 1[ti ti+1 [ (s)as
i=0

converge vers Xs as dans H22

lorsque |∆| → 0. La première somme convergera donc dans L2
RT
vers 2 0 Xs as dBs et donc aussi en probabilité. Par un raisonnement analogue la deuxième
RT
somme convergera vers 2 0 Xs bs ds en probabilité. Enfin T ∆ (X) converge en probabilité
vers hX, Xi par définition du crochet de X. La première assertion est donc démontrée.
Les processus d’une part et de l’autre part de l’égalité sont continus. Nous venons
de démontrer qu’ils sont des modifications l’un de l’autre. Ils sont donc indistinguables,
comme il ressort de l’exercice 1.40, Ch. 3.

20
Exercice 2.3 Si X et Y sont deux semi-martingales, montrez que
Z t Z t Z t
Xt Yt = X0 Y0 + Xs dYs + Ys dXs + dhX, Y is .
0 0 0

Preuve: On sait que Xt Yt = 41 [(Xt + Yt )2 − (Xt − Yt )2 ]. Il suffit d’appliquer le résultat

précédent aux martingales X + Y et X − Y .

Le dernier exercice montre que le produit de deux semi-martingales est encore une
semi-martingale. Le théorème suivant montre qu’enfait une fonction régulière d’une semi-
martingale en est encore une:

Théorème 2.4 (Formule d’Itô) Si X est une semimartingale de la forme (2) et f : R → R

une fonction de classe C 2 , alors
Z t Z t Z
0 0 1 t 00
f (Xt ) = f (X0 ) + f (Xs )as dBs + f (Xs )bs ds + f (Xs )a2s ds (5)
0 0 2 0
ou, autrement dit
Z t Z t
0 1
f (Xt ) = f (X0 ) + f (Xs )dXs + f 00 (Xs )dhX, Xis .
0 2 0

Preuve: Nous allons donner les idées de la démonstration dans le cas particulier b = 0.

Par un argument de localisation, on peut supposer que f, f 0 , f 00 sont bornées. En

effet, pour tout n ≥ 1, on pose
Z t Z t
Tn = inf{t ≥ 0; |X0 | + | as dBs | + | a2s ds| ≥ n} ∧ n.
0 0

Il est clair que Tn est un temps d’arrêt tel que Tn % ∞. Considérons la semimartingale
Xt∧Tn . Alors
|Xt∧Tn | ≤ n
pour tout n ≥ 1 et tout t ≥ 0. Il suffit de prouver (5) pour Xt∧Tn à la place de Xt (car
après on prend la limite quand n → ∞). De cette façon, tout se réduit à prouver (5) pour
X tel que Z t
| as dBs | + |Xt | ≤ c
0
¯ c) qui interviennent.
et dans ce cas il y a que les valeurs de f, f 0 , f 00 sur le compact [0, t]× B(0,
Donc f, f 0 , f 00 peuvent être supposées continues à support compact, donc bornées.

D’une autre part, en approximant a par une suite de processus bornés de Esc telle
que µZ ¶
t
P (as − ans )2 ds > ε →n→∞ 0
0

21
pour tout ε > 0, il suffit de prouver (5) pour un processus a escalier borné.

Considérons tj = tjn . On peut supposer par un argument standard que le processus

a est constant sur [tj , tj+1 ), sinon il suffit d’inclure les points de la partition associés à a
dans les tj .
La formule de Taylor d’ordre 2 nous donne
n
X ¡ ¢
f (Xt ) = f (X0 ) + f (Xtj ) − f (Xtj−1 )
j=1
n
X n
0 1 X 00
= f (X0 ) + f (Xtj−1 )∆Xj + f (X̄j )(∆Xj )2 (6)
2
j=1 j=1

où ∆Xj = Xtj − Xtj−1 et X̄j est un point situé entre Xtj−1 et Xtj .
Rt
La première somme à droite de (6) converge dans L2 vers 0 f 0 (Xs )as dBs . En effet
 2
Xn Z t
E f 0 (Xtj−1 )∆Xj − f 0 (Xs )as dBs 
j=1 0
 
n Z
X tj
= E (f 0 (Xtj−1 ) − f 0 (Xs ))2 a2s ds
j=1 tj−1
à !
≤ K 2 tE sup (f 0 (Xr ) − f 0 (Xs ))2
|s−r|≤t/n

en assumant que a est majoré par la constante K. Cela converge vers zero car f (Xt ) est
continu est borné.

La deuxième somme à droite de (6) converge dans L2 vers

Z
1 t 00
f (Xs )a2s ds
2 0
car
¯ ¯
¯ n Z t ¯
¯X 00 ¯
¯ f (X̄ )(∆X )2
− f 00
(X )a 2 ¯
ds
¯ j j s s ¯
¯ j=1 0 ¯
¯ ¯2 ¯ Ã !¯
¯X ¯ ¯ Z tj ¯
¯ n 00 ¯
≤ ¯ (f (X̄j ) − f 00 (Xt ))(∆Xj )2 ¯ + ¯¯f 00 (Xt ) (∆Xj )2 − a2
ds
¯
¯
¯ j−1 ¯ ¯ j−1 s
¯
¯ j=1 ¯ tj−1
¯ ¯
¯X Z tj ¯
¯ n ¡ 00 ¢ 2 ¯
+¯ ¯ f (Xtj−1 ) − f (Xs ) as ds¯¯
00
¯ j=1 tj−1 ¯
:= a1 + a2 + a3 .

22
Les termes a1 et a3 se traitent par les majorations
n
X
a1 ≤ sup (f 0 (Xr ) − f 0 (Xs ))2 (∆Xj )2
|r−s|≤t/n j=1

et Z t
a3 ≤ sup (f 0 (Xr ) − f 0 (Xs ))2 a2s ds
|r−s|≤t/n 0

donc ils convergent vers zero.

Voyons le terme a2 . Notons φj la valeur du processus escalier a sur [tj−1 , tj [. Comme
∆Xj = φj ∆Bj et en posant
dj := φj f 00 (Xtj−1 )
on obtient en utilisant l’indépendance des acroissements du brown ien et en notant ∆tj =
tj − tj−1
 2 
Xn
¡ ¢
E(a22 ) ≤ E  dj (∆Bj )2 − ∆tj  
j=1
n
X ³ ¡ ¢2 ´
= E d2j (∆Bj )2 − ∆tj
j=1
Xn
¡ ¢2
= Ed2j E (∆Bj )2 − ∆tj
j=1
Xn
¡ ¢
= Ed2j E (∆Bj )4 − 2(∆Bj )2 ∆tj + (∆tj )2
j=1
Xn n
2t X 2
= 2 Ed2j (∆tj )2 ≤ Edj (∆tj ) →n→∞ 0.
n
j=1 j=1

Remarque 2.5 Parfois on utilise la relation différentielle

1
df (Xt ) = f 0 (Xt )dXt + f 00 (Xt )dhX, Xit
2

Exercice 2.6 Comparer la formule d’Itô pour f (x) = x2 avec celle donne par l’exercice
2.2.

23
Théorème 2.7 (Formule d’Itô pour des fonctions qui dépendent de temps) Soit f = f (t, x)
une fonction de classe C 1,2 et soit Yt = f (t, Xt ) si X est une semimartingale de la forme
(2). Alors
Z t Z t
∂f ∂f
f (t, Yt ) = f (0, X0 ) + (s, Xs )ds + (s, Xs )as dBs
0 ∂t 0 ∂x
Z t Z
∂f 1 t ∂2f
(s, Xs )bs ds + 2
(s, Xs )a2s ds.
0 ∂x 2 0 ∂x

On présente la version multidimensionnelle de la formule d’Itô ainsi que le schéma

de la preuve.

Théorème 2.8 (Formule d’Itô multi-dimensionnelle) Si f : IRd → IR est C 2 , si

j
XZ . Z .
j k,j k
X = X0 + as dBs + bjs ds
k 0 0

sont des semi-martingales et si X := (X 1 , · · · , X d ), alors:

Z tX
d
∂f
f (Xt ) = f (X0 ) + (Xs )dXsj
0 ∂x j
j=1
Z
1 tX ∂2f 0
+ (Xs )dhX j , X j is . (7)
2 0 j,j 0 ∂xj ∂xj 0

Preuve: Par la technique d’arrêt des démonstrations précédentes, il suffit de démontrer le

résultat pour les semi-martingales X à valeurs dans un ensemble compact K de IRd . Soit
V la classe des fonctions f : K → IR vérifiant le théorème.
Les fonctions constantes ainsi que les fonctons

g j : x = (x1 , · · · , xd ) → g j (x) := xj

sont dans V.
Par linéarité en f de la formule (7), si f et g sont dans V et α, β ∈ IR alors clairement
αf + βg ∈ V.
Montrons que si f et g sont dans V alors h := f · g l’est également. Soit Ft := f (Xt ),
Gt := g(Xt ), Ht := g(Xt ), Par d’exercice 2.3, nous avons:

dHt = Ft dGt + Gt dFt + dhF, Git

Puisque f et g sont dans V, on trouve:

P P
dFt = j ∂j f (Xt ) · dXtj + 21 j,j 0 ∂j,j 0 f (Xt ) · dhX j , X j it
0

P P
dGt = j ∂j g(Xt ) · dXtj + 12 j,j 0 ∂j,j 0 g(Xt ) · dhX j , X j it
0

24
 0
Puisque les termes en dhX j , X j it sont à 1-variation bornée, ils n’interviennent pas dans le
calcul de dhF, Git . On trouve alors:
X 0
dhF, Git = ∂j f (Xt ) · ∂j 0 g(Xt ) · dhX j , X j it .
j,j 0

Aussi P
dHt = j (Gt ∂j f (Xt ) + Ft ∂j g(Xt )) · dXtj
1P 0
+ 2 j,j 0 Lj,j
0
t · dhX j , X j it
0
où Lj,j
t = (Gt ∂j,j 0 f (Xt )+Ft ∂j,j 0 g(Xt )+2∂j f (Xt )·∂j 0 g(Xt )). Puisque ∂j h(Xt ) = Gt ∂j f (Xt )+
0
Ft ∂j g(Xt ) et ∂j,j 0 h(Xt ) = Lj,j
t , on en conclut donc que dHt vérifie bien la formule (7) et
partant h ∈ V.
De ce qui précède, on conclut que V contient tous les polynômes. Soit ² > 0. Toute
fonction f ∈ C2 peut être approximée sur K par un polynôme g tel que kf − gk∞,K ≤ ², ∀j:
k∂j f − ∂j gk∞,K ≤ ² et ∀j, j 0 : k∂j,j 0 f − ∂j,j 0 gk∞,K ≤ ². Puisque la formule (7) est vérifiée
par g, elle sera vérifiée par f par passage à la limite, et le théorème est donc démontré.

2.1 Applications de la formule d’Itô

Les exercices qui suivent constituent quelques applications immédiates de la formule d’Itô.

Exercice 2.9 Montrer que, si B est le mouvement brownien, alors

Z t Z
n n−1 n(n − 1) t n−2
Bt = n Bs dBs + Bs ds.
0 2 0

Exercice 2.10 En utilisant la formule d’Itô, montrez que, si B est un mouvement brown-
2
ien, alors Mt = exp(αBt − α2 t) est une martingale locale.
2 Rt Rt
Preuve: Soit f (x) := exp(x) et Xt := αBt − α2 t. Puisque Xt = 0 αdBs + 0 (−α2 /2)ds, on
Rt
a hX, Xit = 0 α2 ds = α2 t. La formule d’Itô nous donne donc, avec f (x) = f 0 (x) = f 00 (x):

Mt = f (Mt )
Z t Z
0 1 t 00
= f (X0 ) + f (Xs )dXs + f (Xs )dhX, Xis
0 2 0
Z t Z t Z
α2 1 t
= f (0) + Ms αdBs − Ms ds + Ms α2 ds
0 0 2 2 0
Z t
= 1+ Ms αdBs
0

Puisque les trajectoires de B et donc de M sont continues, la variable MT∗ :=

RT
sup{Ms : 0 ≤ s ≤ T } est, pour tout T < ∞, une variable P -pp finie. Puisque 0 Ms2 α2 ds ≤

25
 R·
MT∗2 · α2 · T , le processus Mt α appartient à H2loc . Son intégrale 0 Ms αdBs est donc une
martingale locale et il en est alors de même pour M .

Définition 2.11 Si X et Y sont deux semimartingales, on définit l’intégrale de Stratonovich

de X par rapport à Y par
Z t Z t
1
Xs d ◦ Ys = Xs dYs + hX, Y it .
0 0 2
Exercice 2.12 En déduire de l’exercice 2.3 que
Z t Z t
Xt Yt = X0 Y0 + Xs d ◦ Ys + Ys d ◦ Xs
0 0

Exercice 2.13 Montrer que

n−1
X 1
(Xti+1 + Xti )(Yti+1 − Yti )
2
i=0
Rt
converge en probabilité vers 0 Xs d ◦ Ys si 0 = t0 < . . . tn = t est une partition de [0, t].

Exercice
P3 2.14 Soit B 1 , B 2 , B 3 trois mouvements browniens indépéndants. Soit f (x1 , x2 , x3 ) :=
( i=1 (1 + xi )2 )−1/2 et Z 1 2 3
Pt 3:= f (Bt , Bt , Bt ).
1) Montrez que i=1 ∂i,i f (x1 , , x2 , x3 ) = 0, pour tout (x1 , x2 , x3 ) 6= (−1, −1, −1).
2) Soit τn := inf{t : Zt ≥ n}. En utilisant la formule d’Itô, montrez que Z τn est
une martingale positive bornée par n. √
3) Montrez que E[Zτn ] = 1/ 3. Déduire de cela que
√
P (τn < ∞) ≤ 1/(n 3)

et que τn % ∞ P -ps. Z est donc une martingale locale.

4) Soit σm := inf{t : Zt ≤ 1/m}. En utilisant le corollaire 2.15, montrez que
σm < ∞ P -ps. Montrez ensuite que σm % ∞ P -ps.
P -pp
Montrez que Zτn ∧σm ∈ {1/m, n} P -ps. et que Zτn ∧σm −→ Zτn lorsque m → ∞.
Déduizez-en que Zτn = n · 1{τn <∞} P -ps.
P -pp
5) Montrez que Zτn −→ 0 lorsque n tend vers l’infini.
6) En utilisant la densité normale, montrez qu’il existe une constante C < ∞ telle
que ∀t E[Zt2 ] ≤ C.
7) Si Z était une martingale, nous aurions Z ∈ M2 . Montrez qu’en vertu du
corollaire 4.22, Z ne peut donc être une martingale.
Z est donc une martingale locale bornée en norme L2 (donc U.I.) qui n’est pas une
martingale.

26