Sunteți pe pagina 1din 26

Universitatea Al.I.

Cuza, Ia si Seminar de Matematici Financiare 12 noiembrie 2009

Introducere n Analiza Stochastic a


Partea a III-a

Lucian Maticiuc
e-mail: lucianmaticiuc@yahoo.com

Integrala stochastic a

Fie (, F , P) un spat iu dat si B o mi scare brownian a pe acest spat iu. Fie Ft = (Bs , s t) ltrarea generat a de mi scarea brownian a.

3.1

Denit ia

Dorim s a generaliz am integrala Wiener (prezentat a n sect iunea 2.4) si s a t n acest caz denim 0 s dBs , unde este un proces stochastic. Se va pierde caracterul gaussian al al integralei (vezi Teorema 2.4.1). Denim mai nt ai integrala stochastic a pentru procese stochastice etajate. Spunem c a procesul este etajat dac a exist a 0 t0 tn si variabilele aleatoare (j )j =1,n , astfel nc at j este Ftj m asurabil a, j L2 () astfel nc at
n1 j =0

s ( ) =

j ( ) 1(tj ,tj+1 ] (s) .

Denim atunci
n1

s dBs =
0 j =0

j Btj+1 Btj .

Avem c a

s dBs
0 t

=0 si c a Var
0 n1

s dBs

=E

2 s ds .

Obt inem

s dBs =
0 j =0

j Bttj +1 Bttj ,
t

ceea ce stabile ste continuitatea aplicat iei t


0

s dBs .

p atrat integrabil, Ft adaptate. Aplicat ia |||| = E ne ste o norm a care n raport cu care spat iul este complet. Pentru , avem = lim n , unde n sunt procese etajate,
0 n k(n) n n j 1(tj ,tj +1 ] , j F tj .

Mai general, denim mult imea L2 ( R+ ) a proceselor c` adl` ag de


def

2 t dt

1 /2

de-

n =
j =1 0

Integrala Avem deci

s dBs este atunci limita n L () a sumelor

k(n) j =1

n j Btj+1 Btj .

E
t

s dBs
0

= 0,

s dBs
0

=E

2 s ds .

Integrala
0

s dBs =
0

s 1[0,t] (s) dBs .

3.2
nc at

Propriet a ti

Vom nota cu L2 imea proceselor c` adl` ag adaptate astfel loc ( R+ ) mult

t 0

2 s ds < , t 0.
t

Propozit ia 3.2.1 Fie Mt =


0 def 0 t

s dBs , unde . Atunci:


2 t

a) Procesul M este o martingal a cu traiectorii continue. b) Procesul Nt = s dBs


0

2 a. s ds este o martingal

Proprietatea martingal a implic a

r dBr |Fs
s

= 0,

r dBr
s t 2

= 0, s t. |Fs = E
t s

Proprietatea b) este echivalent a cu

r dBr
s

2 r dr |Fs .

Corolarul 3.2.1 Au loc urm atoarele: a)

E (Mt ) = 0, Var (Mt ) = E E


t t

2 r dr . s dBs
0

b) Dac a , c) Procesul
0

s dBs
0 t 0

=E
t

t 0

s s ds .

s dBs

s dBs

s s ds este o martingal a.
t 0

Pentru demonstrat ie este sucient s a observ am c a procesele si


t 0

(s + s ) dBs

(s + s ) dBs

t 0

(s + s ) ds sunt martingale. Bs dBs =


1 2 2 Bt t , t 0.

Exemplul 3.2.1 Are loc

t 0

Pentru major ari ale integralei stochastice este foarte util a urm atoarea: Propozit ia 3.2.2 (Inegalitate a lui Doob) Pentru are loc

sup
st 0

r dBr

4E

t 0

2 r dr .

3.3

Procese It o
t t

Procesul X spunem c a este It o dac a Xt = x +


0

bs ds +
0 t

s dBs ,

(1)

a a.s., pentru tot i t, unde b este un proces adaptat astfel nc at 0 |bs | ds exist si . Echivalent putem nota dXt = bt dt + t dBt , X0 = x. Coecientul b se nume ste drift iar este coecientul de difuzie. t Partea x + 0 bs ds este partea cu variat ie nit a. Dac a un proces A cu variat ie nit a este o martingal a, atunci este constant (deoarece pentru A0 = 0, t 2 avem A2 = 2 A dA , deci E A s s t t = 0 ). 0 Fie X un proces It o. Vom nota
t 0

s dXs =

def 0

s bs ds +
0

s s dBs .

3.3.1

Cro setul (variat ia p atratic a) unui proces It o

Fie Z o martingal a continu a astfel nc at

E( sup Zt2 ) < . Se poate ar ata


t

2 c a exist a un proces cresc ator, continuu A astfel nc at Z t At t0 este o martingal a. Procesul A este numit cro setul (variat ia p atratic a a) lui Z si este notat At = Z t . In particular avem c a cro setul mi sc arii browniene este t si c a cro setul int t 2 tegralei stochastice 0 s dBs este 0 s ds. Dac a M, N sunt dou a martingale locale, continue, denim cro setul lor prin

M, N

1 = [ M + N, M + N 2

M, M

N, N t ] .

Acesta este unicul proces cu variat ie nit a astfel nc at procesul M N M, N este o martingal a local a. Cro setul a dou a integrale stochastice este
t t t

x+
0

s dBs , y +
0

s dBs

=
0

s s ds.

Propozit ia 3.3.1 Cro setul a dou a martingale continue M, N este dat de


n

M, N

= lim
i=1

Mti+1 Mti

Nti+1 Nti .

Dac a M este o martingal a local a continu a atunci numai dac a (Ms )st este o martingal a L2 m arginit a.

E M

< dac a si

Dac a avem dou a procese It o, atunci cro setul lor este, prin denit ie, cro setul p art ilor lor martingale. In consecint a, cro setul unui proces It o este At = t 2 X t = 0 s ds. Putem caracteriza mi scarea brownian a spun and c a este o martingal a continu a de medie nul a si cro set t. De asemenea, putem caracteriza mi sc arile browniene corelate: dou a mi sc ari browniene sunt corelate dac a cro setul lor este t.

3.4

Formula lui It o

Fie X un proces It o dat de dXt = bt dt + t dBt . Teorema 3.4.1 Fie f : R R o funct ie de clas a C 2 , cu derivatele m arginite. Atunci t 1 t f (Xt ) = f (X0 ) + (2) f (Xs ) dXs + f (Xs ) 2 s ds 2 0 0
2 Putem scrie si df (Xt ) = f (Xt ) dXt + 1 f ( X ) t t dt, respectiv 2

1 df (Xt ) = f (Xt ) dXt + f (Xt ) dXt dXt , 2 folosind regulile de calcul dt dt = 0, dt dBt = 0, dBt dBt = dt. Inlocuind dXt obt inem 1 df (Xt ) = f (Xt ) bt + f (Xt ) 2 t dt + f (Xt ) t dBt . 2

3.4.1

Aplicat ii

1) Media lui f (Xt ) (dac af si sunt m arginite) este dat a de:

E (f (Xt )) = E (f (X0 )) + E
2) Are loc
0 t

t 0

1 f (Xs ) bs ds + f (Xs ) 2 s ds 2 1 2 Bt t 2 1 2 dXt + t dt 2

Bs dBs = 3) Are loc

d (exp (Xt )) = exp (Xt )

4) Solut ia ecuat iei dSt = St (dt + dBt ) este St = x exp (Xt ), unde Xt = 1 2 2 t + dBt .

Teorema 3.4.2 Fie f : m arginite. Atunci f (t, Xt ) = f (0, X0 ) +


0

R+ R R o funct ie de clas a C 1,2 , cu derivatele


t t

ft (s, Xs ) ds +

1 fx (s, Xs ) dXs + 2

t 0

fxx (s, Xs ) 2 s ds

Putem scrie si df (t, Xt ) = = 1 ft (t, Xt ) dt + fxx (t, Xt ) 2 t dt + fx (t, Xt ) dXt 2 1 ft (t, Xt ) dt + fxx (t, Xt ) 2 t dt + fx (t, Xt ) bt dt + fx (t, Xt ) t dBt . 2

3.4.2

Aplicat ii

1) Fie X un proces astfel nc at dXt = b (t, Xt ) dt + (t, Xt ) dBt . Dac a f : R+ R R satisface c a fx este m arginit si 1 ft (t, x) + fx (t, x) b (t, x) + fxx (t, x) 2 (t, x) = 0 2 atunci (f (t, Xt ))t0 este o martingal a. Operatorul L denit pe funct ii de clas a C 1,2 prin 1 L (f ) (t, x) = fx (t, x) b (t, x) + fxx (t, x) 2 (t, x) 2 este generatorul innetizimal al difuziei. 2) Fie X mi scarea brownian a geometric a, dXt = rXt dt + Xt dBt ,unde r, sunt constante. Atunci (ert Xt )t0 este martingal a. Solut ia ecuat iei 2 precedente este Xt = X0 exp rt + Bt 1 2 t .

3.4.3

Cazul multidimensional

i i Teorema 3.4.3 Fie Xi , i = 1, 2 dou a procese It o, dXt = bi t dt + t dBt . Fie f : R2 R, o funct ie de clas a C 2 . Atunci are loc 1 2 df Xt , Xt 1 2 1 1 2 2 = fx1 Xt , Xt dXt + fx2 Xt , Xt dXt + 1 2 2 2 + fx 1 x 1 1 + 2f x 1 x 2 1 t t t + fx2 x2 t 2

1 2 Xt dt. , Xt

Formula lui It o arat a c a


1 2 2 1 1 2 2 d Xt Xt = Xt d Xt + Xt d Xt + 1 t t dt. 2 Cantitatea 1 setului proceselor X 1 , X 2 , dat de X 1 , X 2 t t corespunde cro t 1 2 ds. 0 s s t

i i i Teorema 3.4.4 Fie Xi , i = 1, 2 dou a procese It o, dXt = bi t dt + t dBt , unde B i sunt mi sc ari browniene independente. Fie f : R2 R, o funct ie de clas a C 2 . Atunci are loc 1 2 df Xt , Xt

1 2 1 1 2 2 fx1 Xt , Xt dXt + fx2 Xt , Xt dXt + 1 2 2 2 1 2 Xt dt. + f , Xt + fx1 x1 1 t x2 x2 t 2

i i i Teorema 3.4.5 Fie Xi , i = 1, 2 dou a procese It o, dXt = bi t dt + t dBt , unde B i sunt mi sc ari browniene corelate. Fie f : R2 R, o funct ie de clas a C 2. Atunci are loc 1 2 df Xt , Xt

1 2 1 1 2 2 fx1 Xt , Xt dXt + fx2 Xt , Xt dXt + 1 2 1 2 2 + fx1 x1 1 + 2 f + f t x1 x2 t t x2 x2 t 2

1 2 Xt , Xt dt.

4
4.1

Ecuat ii diferent iale stochastice


Ecuat ii diferent iale stochastice
t t

O ecuat ie diferent ial a stochastic a este o ecuat ie de forma Xt = x +


0

b (s, Xs ) ds +
0

(s, Xs ) dBs

(3)

sau

dXt = b (t, Xt ) dt + (t, Xt ) dBt X0 = x

Denit ia 4.1.1 Fie (, F , P) un spat iu de probabilitate dat nzestrat cu ltrarea (Ft )t si funct iile b, : R+ Rn R. Procesul X spunem c a este solut ie a ecuat iei (3) dac a este continuu si Ft adaptat astfel nc at exist a integralele t t b ( s, X ) ds , (s, Xs ) dBs si egalitatea (3) este satisf acut a t, a.s. s 0 0

4.1.1

Teoreme de existent a

Teorema 4.1.1 Presupunem c a: a) funct iile b, sunt continue, b) exist a constanta L astfel nc at |b (t, x) b (t, y )| + | (t, x) (t, y )| L |x y | , t [0, T ], x, y R, c) Condit ia init ial a X0 este independent a de B si este de p atrat integrabil. Atunci exist a o unic a solut ie a ecuat iei (3), cu traiectorii continue pentru t T. In plus are loc E sup |Xt |2 < .
t[0,T ]

Pentru demonstrat ie se utilizeaz a o teorem a de punct x.

Teorema 4.1.2 Presupunem c a: a) funct iile b, sunt continue, b) exist a constanta L si funct ia borelian a : (0, ) (0, ) cu integrala lui 1 divergent a n vecin atatea lui 0, astfel nc at (i) (ii) |b (t, x) b (t, y )| L |x y | , 2 | (t, x) (t, y )| (|x y |) ,

t [0, T ], x, y R, c) Condit ia init ial a X0 este independent a de B si este de p atrat integrabil. Atunci exist a o unic a solut ie a ecuat iei (3). 4.1.2 Proprietatea Markov a solut iei

t,x Fie (Xs )st solut ia ecuat iei t,x Xs s

=x+
t

t,x r, Xr

dr +
t

t,x dBr . r, Xr

(4)

Din unicitatea solut iei avem


0,x Xs

0,x t,Xs Xs ,

s t,

ceea ce arat a c a solut ia ecuat iei stochastice este un proces Markov n raport cu ltrarea Ft :

E (f (Xs ) |Ft ) = E (f (Xs ) |Xt ) = (s, t, Xt ) ,


t,x unde (s, t, x) = E (f (Xs )), s t. i i i Teorema 4.1.3 (Teorem a de comparat ie) Fie dXt = bi Xt dt + i Xt dBt , 2 i = 1, 2, unde bi este Lipschitz si | (x) (y )| L |x y |. Presupunem c a 1 2 1 2 X0 X0 si c a b1 (x) b2 (x). Atunci Xt Xt .

Propozit ia 4.1.1 Fie si Z0 o constant a. Ecuat ia dZt = t Zt dBt are solut ia t 1 t 2 Zt = Z0 exp s dBs s ds . 2 0 0
T 2 In plus, dac a are loc E exp 1 < (numit a condit ia lui Novikov), 2 0 s ds atunci procesul (Zt )t[0,T ] este o martingal a de medie Z0 .

4.2

Ecuat ii cu derivate part iale

Fie dou a funct ii b, veric and ipotezele Teoremei 4.1.1. Fie A operatorul denit de 1 Af (t, x) = ft (t, x) + fx (t, x) b (t, x) + fxx (t, x) 2 (t, x) . 2
t,x t,x )st procesul It o solut ie a ecuat iei (4) cu Xt Fie (Xs = x condit ia init ial a. Remarc am c a Af (t, x) = ft (t, x) + Lf (t, x), unde L este generatorul innitezimal al lui X .

4.2.1

Problema parabolic a Af (t, x) = 0, x R, t [0, T ] f (T, x) = g (x) , x R.

Fie urm atoarea ecuat ie parabolic a cu condit ia nal a g dat a: (5)

Dac a f este o solut ie a ecuat iei (5) si X este o solut ie a ecuat iei (4), atunci, folosind formula lui It o, obt inem f
t,x s, Xs s

= f (t, x) +
t

t,x t,x fx r, Xr r, Xr dBr .

Pentru s = T obt inem g


t,x XT

=f

t,x T, XT

= f (t, x) +
t

t,x t,x fx r, Xr r, Xr dBr ,

si, dac a integrala este o martingal a, atunci deducem c a


t,x f (t, x) = E g XT

condit Teorema 4.2.1 In ii de regularitate, ecuat ia parabolic a (5) admite t,x t,x solut ia dat a de f (t, x) = E g XT , unde (Xs )s[t,T ] este solut ia ecuat iei (4). 4.2.2 Formula Feynman-Kac

Teorema 4.2.2 Fie k : R R+ , g : R R, dou a funct ii continue astfel nc at |g (x + y )| e


|y | 2

dy < , x R, > 0.

Atunci funct ia f dat a de f (x) = E


t

g (Bt ) exp t
0 0

k (Bs ) ds dt

este unica solut ie de clas a C 2 a ecuat iei 1 ( + k ) f = f + g 2

Schimbarea de probabilitate. Teorema lui Girsanov

dou Propozit ia 5.1.1 Fie P, P a m asuri de probabilitate echivalente. Atunci =LT P pe FT a strict pozitiv a astfel nc at P exist a (Lt )t[0,T ] o Ft martingal |F =Lt P|F , adic si P a are loc t t

EP (X ) = EP (Lt X ) ,

(6)

integrabil pentru orice variabil a aleatoare X , P a, Ft m asurabil a, t [0, T ]. In plus, L0 = 1 si EP (Lt ) = 1, t [0, T ]. Vom spune c a LT este densitatea lui P n raport cu de Lt = E (LT |Ft ) veric a (6).

P. Variabila denit a P

martingal Propozit ia 5.1.2 M este o P a dac a si numai dac a LM este o martingal a.

Teorema 5.1.1 Fie (Bt )t0 o mi scare brownian a denit a pe spat iul (, F , P) si (Ft )t ltrarea sa canonic a. Denim
t

Lt = exp
0

1 s dBs 2

t 0

2 s ds , t [0, T ] , |FT = E (LT ) = 1. Fie dP

unde este un proces Ft adaptat. Presupunem c a LT dP|FT . Atunci procesul stochastic denit de t = Bt B
0 t

s ds

mi este o P scare brownian a. Observ am c a din formula lui It o obt inem c a dLt = Lt t dBt . Mai general are loc:

Teorema 5.1.2 Fie Z o

denit P martingal a local continu a si P a de


t

1 dP = exp Zt Z 2

dP = Lt dP, t [0, T ] .

este o probabilitate. Dac Presupunem c a P a N este o P martingal a local martingal continu a, atunci procesul (Nt N, Z t )t0 este o P a local continu a de cro set N t . Exemplul 5.1.1 Pentru a calcula I = E Bt exp
T 0

1 s dBs 2

T 0

2 s ds

cu determinist si t [0, T ], facem schimbare de probabilitate cu Lt = t t t 2 ds s i obt inem I = ds exp 0 s dBs 1 2 0 s 0 s

References
[1] Monique Jeanblanc, Cours de calcul stochastique, pagina personal a, http://www.maths.univ-evry.fr/pages perso/jeanblanc/cours/M2 cours.pdf. [2] Etienne Pardoux, Aurel R a scanu, Stochastic Dierential Equations, n curs de aparit ie. [3] Ioannis Karatzas, Steven E. Shreve, Brownian Motion and Stochastic Calculus, Springer Verlag, Berlin, 1988. [4] Bernt Oksendal, Stochastic Dierential Equations, Springer Verlag, Berlin, a 6-a edit ie, 1998.