Le lemme d'Itō, ou formule d'Itō, est l'un des principaux résultats de la théorie du calcul stochastique, qui permet d'exprimer la différentielle d'une fonction d'un processus stochastique au cours du temps. Ce lemme offre un moyen de manipuler le mouvement brownien ou les solutions d'équations différentielles stochastiques (EDS).

Tracé d'une réalisation d'un processus de Wiener B et de son intégrale d'Itō par rapport à lui-même. La formule d'Itō permet de calculer analytiquement cette intégrale.

Histoire

modifier

La formule d'Itō a été démontrée pour la première fois par le mathématicien japonais Kiyoshi Itō dans les années 1940.

Le mathématicien Wolfgang Doeblin avait de son côté ébauché une théorie similaire avant de se suicider à la défaite de son bataillon en . Ses travaux furent envoyés à l'Académie des sciences dans un pli cacheté qui ne fut ouvert qu'en 2000.

Énoncé

modifier

Soit un processus d'Itô Xt , processus stochastique de la forme

Xt=X0+∫0tμsds+∫0tσsdBs,

autrement formulé, on a

dXt=μtdt+σtdBt

avec μt et σt deux processus aléatoires satisfaisant quelques hypothèses techniques d'adaptation au processus Bt  (mouvement brownien).

Si f(Xt,t)  est une fonction de classe 𝒞2(ℝ×ℝ+,ℝ),  alors la formule d'Itô s'écrit

d(f(Xt,t))=∂f∂t(Xt,t)dt+∂f∂x(Xt,t)dXt+12∂2f∂x2(Xt,t)σt2dt.

Version multidimensionnelle

modifier

Pour une semimartingale avec l'intégrale d'Itô

modifier

Soit (Xt)t≥0=(Xt1,…,Xtn)t≥0 une ℝn-semimartingale et f∈C2(ℝn,ℝ). Alors (f(Xt))t≥0 est encore une semimartingale et ce qui suit est vrai

f(Xt)−f(X0)=∑j=1n∫0+t∂f∂xj(Xs−)dXsj+12∑j,k=1n∫0+t∂2f∂xj∂xk(Xs−)d[Xj,Xk]s+∑0<s≤t(Δf(Xs)−∑j=1n∂f∂xj(Xs−)ΔXsj−12∑k,j=1n∂2f∂xj∂xk(Xs−)ΔXsjΔXsk),

nous avons utilisé la notation Δf(Xs):=f(Xs)−f(Xs−)[1]. Si (Xt)t≥0 est continue, alors la somme ∑0<s≤t(⋯) disparaît.

Pour une semimartingale avec l'intégrale de Stratonovich

modifier

Version pour les fonctions à variation quadratique bornée

modifier

Hans Föllmer a étendu la formule d'Itô aux fonctions (déterministes) avec une variation quadratique bornée[2].

Soit f∈C2 une fonction à valeurs réelles et x:[0,∞[→ℝ une fonction càdlàg avec variation quadratique bornée. Alors

f(xt)=f(x0)+∫0tf′(xs−)dxs+12∫]0,t]f″(xs−)d[x,x]s+∑0≤s≤t(f(xs)−f(xs−)−f′(xs−)Δxs−12f″(xs−)(Δxs)2).

Cette formule a été étendue par Cont et Perkowski aux fonctions qui ont une variation finie d'ordre p le long d'une suite de partitions Dn[3] :

[x]p(t)=limn→∞∑tkn∈Dn(xtk+1n−xtkn)p

Pour une fonction continue avec variation finie d'ordre p, la formule de changement de variable devient[3] :

f(xt)=f(x0)+∫0t∇p−1f(xs−)dxs+1p!∫]0,t]fp(xs−)d[x]sp

Ici l'intégrale est définie comme une limite de sommes de Riemann compensées[4] :

∫0t∇p−1f(xs−)dxs:=∑tkn∈Dn∑k=1p−1fk(xtkn)k!(xtk+1n−xtkn)k.

Un exemple : le modèle Black-Scholes

modifier

Le mouvement brownien géométrique est souvent utilisé en finance comme le plus simple modèle d'évolution de cours de bourse. Il s'agit de la solution de l'équation différentielle stochastique :

dSt=μStdt+σStdBt

où

Si σ=0 ,, alors nous sommes face à une équation différentielle ordinaire dont la solution est

St=S0exp⁡(μt).

En posant f(St,t)=ln⁡St ,, on obtient grâce à la formule d'Itô :

d(ln⁡St)=0dt+1StdSt+12(−1St2)(σSt)2dt,=1St(μStdt+σStdBt)−12σ2dt,=(μ−12σ2)dt+σdBt.

On peut alors intégrer et il en découle que :

St=S0exp⁡[σBt+(μ−12σ2)t].

Applications

modifier

La formule d'Itô est l'une des pierres angulaires du calcul stochastique et est utilisée dans de très nombreux domaines : mathématiques appliquées, physique, finance, biologie, mécanique quantique, traitement du signal, etc. Elle permet de faire le lien entre les solutions d'équations différentielles stochastiques (EDS) et des opérateurs différentiels du second ordre, et donc entre la théorie des probabilités et celle des équations aux dérivées partielles. Elle permet également d'affirmer l'existence de solutions d'EDS sous des conditions (très) faibles de régularité sur les coefficients.

Notes et références

modifier
  1. ↑ Philip E. Protter, Stochastic Integration and Differential Equations, Springer, (ISBN 3-540-00313-4), p. 81-82
  2. ↑ Hans Föllmer, « Calcul d'Ito sans probabilités », Séminaire de probabilités de Strasbourg, vol. 15,‎ , p. 143-144 (lire en ligne)
  3. 1 2 (en) R. Cont et N. Perkowski, « Pathwise integration and change of variable formulas for continuous paths with arbitrary regularity », Transactions of the American Mathematical Society, vol. 6,‎ , p. 161-186 (DOI 10.1090/btran/34).
  4. ↑ (en) Rama Cont et Nicolas Perkowski, « Pathwise integration and change of variable formulas for continuous paths with arbitrary regularity », Transactions of the American Mathematical Society, Series B, vol. 6, no 5,‎ , p. 161–186 (ISSN 2330-0000, DOI 10.1090/btran/34).

Voir aussi

modifier

Articles connexes

modifier

Bibliographie

modifier
  • (en) C. G. Gardiner. Handbook of Stochastic Methods, Springer, 3e éd., 2004 (ISBN 3-540-20882-8).
  • (en) I. Karatzas et S. Shreve. Brownian Motion and Stochastic Calculus, Graduate Texts in Mathematics (2e éd.), Springer, 2004 (ISBN 0-387-97655-8).
  • (en) B. Øksendal. Stochastic Differential Equations: An Introduction With Applications (6e éd.), Springer, 2005 (ISBN 3-540-04758-1).
  • G. Pagès et C. Bouzitat. En passant par hasard… les probabilités de tous les jours, Vuibert, 1999 (ISBN 2-7117-5258-5).
    Ouvrage de vulgarisation.
  • (en) Daniel Revuz et Marc Yor. Continuous Martingales and Brownian Motion, (3e éd.), Springer, 2004 (ISBN 3-540-64325-7).
  • (en) L.C.G. Rogers et D. Williams. Diffusions, Markov processes and martingales (2e éd.), Cambridge Mathematical Library, Cambridge University Press, 2000 (ISBN 0-521-77593-0).
  • (en) S. Karlin, H. M. Taylor, A First Course in Stochastic Processes, Academic Press, 1975.
  • (en) S. Karlin, H. M. Taylor, A Second Course in Stochastic Processes, Academic Press, 1981.
  • (en) Z. Schuss, Theory And Applications of Stochastic Differential Equations, Wiley Series in Probability and Statistics, 1980.