Une équation différentielle stochastique (EDS) est une généralisation de la notion d'équation différentielle prenant en compte un terme de bruit blanc. Les EDS permettent de modéliser des trajectoires aléatoires, tels des cours de bourse ou les mouvements de particules soumises à des phénomènes de diffusion. Elles permettent aussi de traiter théoriquement ou numériquement des problèmes issus de la théorie des équations aux dérivées partielles.
Les domaines d'application des EDS sont vastes : physique, biologie, dynamique des populations, écologie, mathématiques financières, traitement du signal, théorie du contrôle...
Le mouvement brownien, nommé ainsi en hommage au botaniste Robert Brown, décrit le mouvement d'une particule soumise à une infinité de chocs en des temps très courts, et ses trajectoires sont erratiques. Elles ont les propriétés suivantes :
si l'on connaît la position de la particule à un instant , alors la loi de sa position spatiale à un instant ultérieur ne dépend que de sa position à cet instant . Autrement dit, le passé, c'est-à-dire la trajectoire de la particule à des instants antérieurs à , n'a aucune influence sur ses déplacements futurs. Cette propriété s'appelle la propriété de Markov ;
les particules bougent continûment dans l'espace ;
la loi de la position de la particule entre deux instants et ne dépend que de . Les accroissements sont alors stationnaires ;
en fait, si désigne la position de la particule à un instant , alors la loi de et de avec sont indépendants l'un de l'autre. Nous dirons alors que les accroissements sont indépendants. En fait, cette propriété implique la propriété de Markov ;
de ces deux derniers faits, et dans l'esprit du théorème central limite, il est alors possible de montrer que suit une loi normale de moyenne et de variance .
En d'autres termes, la dynamique de la particule est la même quelle que soit sa position dans l'espace, et si l'on tourne les coordonnées de l'espace à l'aide d'une rotation, un mouvement brownien reste un mouvement brownien : la particule évolue dans un environnement homogène et isotrope.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
This course gives you an easy introduction to interest rates and related contracts. These include the LIBOR, bonds, forward rate agreements, swaps, interest rate futures, caps, floors, and swaptions.
We explore statistical physics in both classical and open quantum systems. Additionally, we will cover probabilistic data analysis that is extremely useful in many applications.
Les mathématiques financières (aussi nommées finance quantitative) sont une branche des mathématiques appliquées ayant pour but la modélisation, la quantification et la compréhension des phénomènes régissant les opérations financières d'une certaine durée (emprunts et placements / investissements) et notamment les marchés financiers. Elles font jouer le facteur temps et utilisent principalement des outils issus de l'actualisation, de la théorie des probabilités, du calcul stochastique, des statistiques et du calcul différentiel.
vignette|Tracé d'une trajectoire échantillon d'un processus de Wiener, ou mouvement brownien, B, ainsi que son intégrale d'Itô par rapport à lui-même. L'intégration par parties ou le lemme d'Itô montre que l'intégrale est égale à (B2 - t)/2. L'intégrale d'Itô, appelée en l'honneur du mathématicien Kiyoshi Itô, est un des outils fondamentaux du calcul stochastique. Elle a d'importantes applications en mathématique financière et pour la résolution des équations différentielles stochastiques.
Le calcul est l’étude des phénomènes aléatoires dépendant du temps. À ce titre, c'est une extension de la théorie des probabilités. Ne pas confondre avec la technique des calculateurs stochastiques. Le domaine d’application du calcul stochastique comprend la mécanique quantique, le traitement du signal, la chimie, les mathématiques financières, la météorologie et même la musique. Un processus aléatoire est une famille de variables aléatoires indexée par un sous-ensemble de ou , souvent assimilé au temps (voir aussi Processus stochastique).
In this course we will introduce and study numerical integrators for stochastic differential equations. These numerical methods are important for many applications.
Le cours présente des méthodes numériques pour la résolution de problèmes mathématiques comme des systèmes d'équations linéaires ou non linéaires, approximation de fonctions, intégration et dérivation
This course gives an introduction to probability theory and stochastic calculus in discrete and continuous time. We study fundamental notions and techniques necessary for applications in finance such
This article describes a field-based analytical model of single-sided linear induction motors (SLIMs) that explicitly considers the following effects altogether: finite motor length, magnetomotive force mmf space harmonics, slot effect, edge effect, and ta ...
2024
,
We present a combination technique based on mixed differences of both spatial approximations and quadrature formulae for the stochastic variables to solve efficiently a class of optimal control problems (OCPs) constrained by random partial differential equ ...
2024
, ,
In this work, we analyze space-time reduced basis methods for the efficient numerical simulation of haemodynamics in arteries. The classical formulation of the reduced basis (RB) method features dimensionality reduction in space, while finite difference sc ...