Universitatea Al.I.

Cuza, Ia si Seminar de Matematici Financiare 5 noiembrie 2009

Introducere n Analiza Stochastic a

Partea a II-a

Lucian Maticiuc
e-mail: lucianmaticiuc@yahoo.com

Mi scarea brownian a

In 1828 botanistul Robert Brown a observat mi scarea neregulat a a particulelor de polen aate n suspensie n ap a. In 1877 Delsaux a explicat schimbarea continu a a direct iilor traiectoriilor prin aceea a contacului dintre particulele de polen cu cele de ap a. In 1900 Bachelier a pus n evident a caracterul markovian al mi sc arii browniene: pozit ia unei particule la momentul t+s depinde de pozit ia sa la momentul t, si nu depinde de pozit ia sa de dinainte de momentul t. In 1905 Einstein a determinat densitatea de tranzit ie a mi sc arii browniene prin intermediul ecuat iei c aldurii, si a pus n evident a si leg atura dintre mi scarea brownian a si ecuat iile cu derivate part iale de tip parabolic. In acela si an, Smoluchowski a descris mi scarea brownian a ca limit a de mi sc ari aleatoare (random walks). Primul studiu matematic riguros a fost f acut de c atre Wiener n 1923, care a demonstrat existent a mi sc arii browniene. Ulterior studiul mi sc arii browniene a fost continuat si prin studiul traiectoriilor si al teoriei integr arii stochastice (Wiener, It o, Watanabe, Meyer, Durrett, Williams, etc.).

2.1

Mi scarea brownian a

Fie (, F , P) un spat iu dat si (Bt )t0 un proces pe acest spat iu. 2.1.1 Denit ia

Denit ia 2.1.1 Procesul (Bt )t0 este o mi scare brownian a (standard) dac a a) P (B0 = 0) = 1, b) s t, Bt Bs este o variabil a real a de lege (distribut ie) gaussian a centrat a si de variant a (t s), c) n, ti , 0 t0 t1 tn , variabilele Btn Btn1 , ..., Bt1 Bt0 , Bt0 sunt independente. Proprietatea b) este stat ionaritatea cre sterilor mi sc arii browniene; proprietatea c) este independent a cre sterilor mi sc arii browniene. Putem scrie c) sub forma echivalent a: c ) Fie s t. Variabila Bt Bs este independent a de -algebra (Br , r s). Pentru construct ia mi sc arii browniene vezi Karatzas si Shreve, Brownian Motion and Stochastic Calculus.

Filtrarea natural a este dat a de Ft = (Bs , s t). Vom considera c a F0 cont ine mult imile neglijabile. 2.1.2 Generaliz ari

Procesul Xt = a + Bt este o mi scare brownian a cu startul din a. Spunem c a X este mi scarea brownian a generalizat a, de drift , dac a Xt = x + t + Bt unde (Bt )t0 este o mi scare brownian a standard. Variabila aleatoare Xt este o variabil a gaussian a de medie x + t si de variant a 2 t.

2.2

Mi scarea aleatoare (random walk)

Se poate ar ata c a mi scarea brownian a se poate obt ine ca limit a de mi sc ari cu pa si aleatori normalizate. Aceast a proprietate este util a pentru simul ari numerice. Fie o familie de variabile aleatoare Bernoulli independente, echidistribuite P (Xi = 1) = P (Xi = 1) = 1/2, i N . Denim sirul (Sn )n prin S0 = 0, Sn =
n i=1

Xi . Vom spune c a sirul (Sn )n este o mi scare aleatoare.

Avem c a E (Sn ) = 0, Var (Sn ) = n. Remarc am c a sirul (Sm Sn )n,m , m n, este independent de (S0 , ..., Sn ); de asemenea Sm Sn are aceea si lege ca Smn . Vom proceda n continuare la o dubl a normalizare: pentru N xat vom transforma intervalul [0, N ] n [0, 1] si apoi vom schimba valorile luate de Sn . In acest sens denim o familie de variabile aleatoare Uk/N =
k Avem E Uk/N = 0, Var Uk/N = N . Propriet a tile de independent a si de stat ionaritate sunt ndeplinite: pentru k k , Uk/N Uk /N este independent a de (Up/N )pk , si Uk/N Uk /N are aceea si lege cu U(kk )/N . 1 S . N k

Denim un proces continuu (Ut )t0 plec and de la Uk/N impun and ca funct ia s a e an a ntre k/N si (k + 1) /N . Astfel pentru orice t R+ , exist a un unic k (t) N astfel nc at k (t) /N t < (k (t) + 1) /N si, pentru k = k (t), e UtN = Uk/N + N (t k/N ) U(k+1)/N Uk/N .
N N Obt inem U1 = 1 S . Din teorema limit a central a obt inem c a U converge N 1 N n lege (distribut ie) la o variabil a aleatoare gaussian a centrat a de variant a 1.

Procesul U N va converge n lege c atre mi scarea brownian a B. In particular, L L N UtN Bt si UtN , ..., U (Bt1 , ..., Btk ) pentru orice (t1 , ..., tk ). tk 1

2.3

Propriet a ti

Fie (Bt )t0 o mi scare brownian a si Ft = (Bs : s t) ltrarea sa natural a. 2.3.1 Procese gaussiene

Propozit ia 2.3.1 Procesul (Bt )t0 este un proces gaussian; legea sa este caracterizat a de media nul a si de covariant a Cov (Bt , Bs ) = s t. Demonstrat ie: Avem
n i=0 bn .

bi Bti+1 Bti =

n i=0

ai Bti , unde ai = bi bi+1 ,

1 i n 1, an = Cov (Bt , Bs ) = E (Bt Bs ). Dac a s t,

Deoarece procesul este centrat, covariant a este

2 2 E (Bt Bs ) = E (Bt Bs ) Bs + Bs = E ((Bt Bs ) Bs ) + E Bs = s.

Mai general: procesul (Xt )t0 dat de Xt = x+t+Bt , este un proces gaussian de medie x + t si covariant a E ((Xt E (Xt )) (Xs E (Xs ))) = 2 (s t). Propozit ia 2.3.2 Dac a (Bt )t0 este o mi scare brownian a, atunci: t )t0 dat de B t = Bt este o mi i) procesul (B scare brownian a, t )t0 dat de B t = 1 Bc2 t este o mi scare brownian a, ii) procesul (B c t )t0 dat de B t = tB1/t , t > 0, cu B 0 = 0, este o mi iii) procesul (B scare brownian a. 2.3.2 Proprietatea Markov

Proprietatea Markov a mi sc arii browniene este utilizat a sub forma: pentru orice s, procesul (Wt )t0 dat de Wt = Bt+s Bs este o mi scare brownian a independent a de Fs . Teorema 2.3.1 Dac a f este o funct ie borelian a m arginit a, atunci

E (f (Bs ) |Ft ) = E (f (Bs ) | (Bt )) ,

pentru s > t.

Un alt mod de a descrie aceast a proprietate este: pentru s > t, variabila aleatoare Bs , condit ionat a la Bt , este de lege gaussian a, de medie Bt si de variant a st. Atunci E (1Bs x |Ft ) = E (1Bs x | (Bt )) = E (1Bs x |Bt ), pentru s t. Propozit ia 2.3.3 (Proprietatea tare Markov) Fie T un timp de oprire cu valori nite. Avem

E (f (BT +s ) |FT ) = E (f (BT +s ) | (BT )) .

In particular, pentru un timp de oprire nit, procesul (Wt )t0 dat de Wt = Bt+T BT este o mi scare brownian a independent a de FT .

2.3.3

Traiectoriile mi sc arii browniene

Avem urm atoarele rezultate: Traiectoriile mi sc arii browniene sunt continue. Traiectoriile mi sc arii browniene sunt a.s. nic aieri diferent iabile. Teorema 2.3.2 Fie n xat si tj =
2n j 2n t,

j = 1, 2n . Atunci
2

Btj Btj 1
j =1

t, n ,

unde convergent a este n medie p atratic a si are loc a.s.

n = Demonstrat ie: Fie Zt n Var (Zt ) 2n j =1

Btj Btj1
2

. Avem c a =

si c a E (Ztn ) = t =
2t 2 2n .

2n j =1

Var Btj Btj1

2n j =1

t 2 2n

n+1 t2 2 2 2n

Deci

n Var (Zt ) 0. Se poate ar ata mai mult, c a

E (Ztn t)2 0.

Propozit ia 2.3.4 Fie 0 = t0 t1 tn = t o divizare d a intervalului [0, t], si Vt variat ia traiectoriei mi sc arii browniene B pe [0, t] denit a de Vt = sup Bti+1 Bti . Atunci Vt = a.s.
d i , unde t Demonstrat ie: Fie Yk = Bt B t k = k+1 k Are loc n 2 n | Bt Zt sup |Bt k+1 k k k=0 k 2n t.

|Yk | .

| tinde la 0, a.s., datorit a continuit a tii Dac a n , atunci sup |Bt Bt k k+1
k

uniforme a traiectoriilor pe [0, t]. Termenul avea limit a nit a deoarece

2n k=0

|Yk | este cresc ator si nu poate

n (Zt )

= t, deci

2n

= sup
n k=0

|Yk | sup
d i

Bti+1 Bti .

2.3.4

Propriet a tile martingale

2 Propozit ia 2.3.5 Procesele B si Bt t t0 sunt martingale. Reciproc, dac a 2 X este un proces continuu astfel nc at X si Xt t t0 sunt martingale, atunci X este o mi scare brownian a.

Demonstrat ie: Demonstr am doar implicat ia direct a. Utiliz am propriet a tile mediei condit ionate: E (X |G ) = E (X ) c and X si G sunt independente, si E (X |G ) = X c and X este G m asurabil a. Pentru s t, E (Bt |Fs ) = E (Bt Bs |Fs ) + E (Bs |Fs ) = 0 + Bs . Avem si E (Bt Bs )2 |Fs = t s. Pe de alt a parte

E (Bt Bs )2 |Fs

2 2 2Bt Bs + Bs |Fs = E Bt 2 2 = E Bt |Fs 2Bs E [Bt |Fs ] + E Bs |Fs = 2 2 2 2 2 |Fs 2Bs + Bs = E Bt |Fs Bs . = E Bt

Deci

2 2 2 2 s|Fs . t|Fs = E Bs = t s E Bt |Fs Bs E Bt

Propozit ia 2.3.6 Fie B 1 , B 2 dou a mi sc ari browniene independente. Atunci B 1 B 2 este o martingal a. Demonstrat ie: Utiliz am urm atorul rezultat: e F , G dou a -algebre si X, Y dou a v.a. astfel nc at X F si G sunt independente si Y G si F sunt independente. Atunci E (XY |F G ) = E (X |F ) E (Y |G ). De asemenea putem utiliza c a
1 2

B 1 + B 2 este un proces gaussian de

1 2 1 2 Bt + Bt 2

covariant a t s, deci o mi scare brownian a, si prin urmare este o martingal a. Dar 1 1 2 Bt + Bt 2

2

t=

1 2

1 Bt

t +

1 2

2 Bt

1 2 t + Bt Bt ,

de unde rezult a concluzia.

2 Denit ia 2.3.1 Spunem c a B este o G mi scare brownian a dac aB si Bt t sunt G martingale. t0

Dac a B este G mi scare brownian a atunci este o mi scare brownian a n raport cu propria sa ltrare.

2 Propozit ia 2.3.7 Procesul exp Bt 1 t 2

t0

este o martingal a, R.
t0

2 Reciproc, dac a X este un proces continuu astfel nc at exp Xt 1 t 2

este o martingal a, R, atunci procesul X este o mi scare brownian a.

Demonstrat ie: Din independent a avem c a

1 2 1 2 exp (Bt Bs ) (t s) |Fs = E exp (Bt Bs ) (t s) 2 2

Din calculul transformatei Laplace a variabile gaussiene Bt Bs , obt inem

E exp (Bt Bs ) 2 (t s)
si deci
2 1 2 t |F = exp B E exp Bt 1 s s 2 2 s .

1 2

=1

Propozit ia 2.3.8 Fie (, F , Ft , P) si B o Ft mi scare brownian a pe acest 2 2 spat iu. Dac a Xt = t+Bt , atunci pentru R, exp Xt t + 1 2 este o Ft martingal a. Reciproc, dac a X este un proces continuu astfel nc at 1 2 2 exp Xt t + 2 este o Ft martingal a, atunci exist a o Ft t 0 mi scare brownian a B astfel nc at Xt = t + Bt .
2 t Demonstrat ie: S tim c a exp Bt 1 2 1 Bt = (Xt t) si = . t0

t0

este o martingal a; vom nlocui

2.3.5

Mi scarea brownian a multidimensional a

T

1 2 n Fie Bt = Bt , Bt , ..., Bt un proces n-dimensional. Spunem c a B este i mi scare brownian a multidimensional a dac a procesele Bt , 1 i n, t0 sunt procese browniene independente. def 1 2 2 1 1 este o este gaussian si Bt = a2 + bB + bBt aB Procesul aBt t t 2 +b mi scare brownian a. Dac a B este mi scare brownian a n-dimensional a, avem c a T E Bt Bs = n (t s) .

Procesul n-dimensional B este o mi scare brownian a dac a si numai dac a procesele B i si B i B j ij t sunt martingale. Denit ia 2.3.2 Mi sc arile browniane cu valori reale B 1 , B 2 sunt corelate, cu 1 2 coecientul de corelat ie , dac a Bt Bt t este o martingal a. Vom decorela mi scarea brownian a introduc and procesul
3 Bt = def

1 1 2

2 1 Bt Bt .

Acesta este o martingal a. Avem si

3 Bt 2

= =

1 1 2 1 1 2
2

2 Bt

1 + 2 Bt

1 2 2Bt Bt t 1 2 1 2 Bt

= .

2 2 Bt

t +

1 2 t 2 Bt Bt t

3 t este o martingal a, deci B 3 este o mi scare brownian a. Vom obt ine c a Bt Se poate demonstra c a B3 este independent a de B1 . Produsul B 1 B 3 este o martingal a.

2.4
2.4.1

Integrala Wiener
Denit ia
def 0

Not am cu L2 (R+ ) mult imea de (clase de echivalent e de) funct ii boreliene f : R+ R astfel nc at ||f ||2 = Pentru f =
n i=1

f 2 ( s)

1/ 2

< .
n

Prezent am mai nt ai cazul funct iilor n scar a. fi1 1(ti1 ,ti ] , integrala

f (s) dBs =
0 i=1

fi1 Bti Bti1 .

Variabila aleatoare I (f ) =
0 n i=1

f (s) dBs este o variabil a gaussian a de men i=1

die nul a (deoarece B este gaussian de medie nul a) si de variant a Var (I (f )) = =

0

fi2 1

Var Bti Bti1 =

2

fi2 1 (ti ti1 ) =

f 2 (s) ds = ||f ||2 .

Integrala este liniar a I (f + g ) = I (f ) + I (g ).

Dac a f, g sunt funct ii n scar a atunci Intr-adev ar,

E (I (f ) I (g)) =

f (s) g (s) ds.

0

Var (I (f + g )) = Var (I (f ) + I (g )) = Var (I (f )) + Var (I (g )) + 2E (I (f ) I (g )) =

= (pe de alt a parte) =

0

(f + g ) (s) ds = g 2 (s) ds + 2
0

=
0

f 2 (s) ds +
0

f (s) g (s) ds

In cazul general al funct iei f L2 (R+ ), exist a sirul (fn )n de funct ii n scar a care converge n L2 (R+ ) la f , adic a
0

|fn (s) f (s)| ds 0.

n

S irul de v.a. Fn = 0 fn (s) dBs este sir Cauchy n spat iul Hilbert L2 (R+ ), deci este convergent. Se poate ar ata c a aceast a limit a nu depinde de sirul ales.

Not am I ( f ) =

def 0

f (s) dBs = lim

fn (s) dBs .
0

Vom spune c a I (f ) este integrala stochastic a (integrala Wiener) a lui f n raport cu B . Subspat iul lui L2 (R+ ) format din v.a. 0 f (s) dBs coincide cu spat iul gaussian generat de mi scarea brownian a B. 2.4.2 Propriet a ti

Aplicat ia f I (f ) este liniar a si izometrie de la L2 (R+ ) la L2 ( ), adic a I (f + g ) = I (f ) + I (g ) , si norma lui I (f ) este egal a cu norma lui f :

E (I (f ))
De asemenea are loc

=
0

f 2 (s) ds.

E I (f ) I (g) =

f (s) g (s) ds.

0

Variabila I (f ) este gaussian a, centrat a, de variant a spat iului gaussian generat de (Bt )t0 . Are loc si
0

f 2 (s) ds, si apart ine

E Bt

f (s) dBs =
0 0

f (s) ds.

(1)

Proprietatea de mai sus (1) este o caracterizare a integralei stochastice, n sensul c a dac a are loc 2.4.3

E (Z Bt ) =

f (s) ds, t, atunci Z =

0 0

f (s) dBs .

Procese legate de integrala stochastic a

t

Pentru f L2 (R+ ) denim v.a.

f (s) dBs =
0 0

1[0,T ] (s) f (s) dBs .

Teorema 2.4.1 Fie f L2 si Mt = loc martingal a continu a,

f (r) dBr .
0 t 0

a) Procesul M este o

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

f 2 (r) dr.

b) Procesul M este un proces gaussian centrat de covariant a

ts

Cov (Mt , Ms ) =
0 t

f 2 (r) dr.

c) Procesul

Mt2

f 2 (r) dr

t 0 t

este o martingal a.
s ts

d) Dac a f, g L2 a loc , avem c

f (r) dBr
0 0

g (r) dBr =
0

f (r) g (r) dr.

Demonstrat ie Vom verica doar pentru funct iile etajate f = Dac a ti < s < t ti+1 atunci
t s

n i=1

fi1 1(ti1 ,ti ] .

f (r) dBr |Fs = fi

s

E [(Bt Bs ) |Fs ] = 0.

Dac a ti < s ti+1 tj < t tj +1 , atunci

f (r) dBr |Fs = E fi Bti+1 Bs |Fs +

j 1 k=i+1

+E = fi E

fk Btk+1 Btk |Fs + E fj Bt Btj |Fs =

j 1

Bti+1 Bs |Fs +

k=i+1

fk E

Btk+1 Btk |Fs +

+fj E Deci are loc

Bt Btj |Fs = 0.
t s

f (r) dBr |Fs = E ((Mt Ms ) |Fs ) = 0.

2.4.4

Integrarea prin p art i

Teorema 2.4.2 Dac a f este o funct ie de clas a C 1,

t t

f (r) dBr = f (t) Bt

0 0

f (s) Bs ds.

(2)

Putem scrie (2) sub forma d (f (t) Bt ) = f (t) dBt + f (t) Bt dt.

Demonstrat ie Avem c a

E Bs

t 0

f (r) dBr = E

t s

dBr
0 0

f (r) dBr =
0

f (r) dr.

Pe de alt a parte

E [Bs f (t) Bt ] = f (t) (t s) , E Bs

adic a
t t

f (r) Br dr
0 t

=
0

f (r) (r s) dr,
ts

E Bs f (t) Bt
deci
t 0

f (r) Br dr
0

=
0

f (r) dr,

E Bs

f (r) dBr = E Bs f (t) Bt

f (r) Br dr
0

, s.

2.5
2.5.1

Exemple
Mi scarea brownian a geometric a

Denit ia 2.5.1 Fie B o mi scare brownian a, b, dou a constante. Procesul Xt = x exp 1 b 2 t + Bt 2

se nume ste mi scarea brownian a geometric a. Procesul este de asemenea numit procesul log-normal, deoarece 1 2 ln Xt = b t + Bt + ln x 2 este o variabil a care are o lege normal a. Propozit ia 2.5.1 Procesul Xt ebt este o martingal a. Pentru demonstrat ie se scrie Xt = Xs exp 1 2 b (t s) + (Bt Bs ) 2

 si se va obt ine

E (Xt |Fs ) = exp (b (t s)) Xs .

Procesul X este des utilizat pentru modelarea pret ului unui activ nanciar. Randamentul unui activ ntre dou a date este m asurat a de diferent a logaritmilor, si este dat a de v.a. gaussian a 1 b 2 t + Bt . 2 Este u sor s a se calculeze momentele mi sc arii browniene geometrice. Din proprietatea de martingal a, E (Xt ) = x exp (bt). Momentul de ordinul al doilea,

E Xt2 = x2 E exp 2b 2 t + 2Bt

= x2

= =

E exp

2b + 2 t

1 2

(2 ) t + 2Bt

= x2 exp Deci variat ia lui Xt va

2b + 2 t .

Var Xt = x2 exp (2bt) exp 2 t 1 .

2.5.2

Procesul Ornstein-Uhlenbeck

Teorema 2.5.1 Ecuat ia lui Langevin

t t t

Vt = V0
0

aVs ds + Bt

= V0 +
0

(a) Vs ds +
0

dBs

(3)

are o unic a solut ie Vt = eta V0 +

0 t

e(ts)a dBs .

(4)

Ecuat ia lui Langevin se mai poate scrie dVt = aVt dt + dBt , cu v.a. V0 , mi scarea brownian a B , constantele a, , date init ial. Demonstrat ie Fie procesul X denit de (4): Xt = eat V0 +
0 t

e(ts)a dBs .

Vom ar ata c a X veric a ecuat ia (3). Folosind integrarea prin p art i obt inem
t 0

e(ts)a dBs = eat

0

eas dBs = eat

t 0

eat Bt a
0

eas Bs ds ,

deci Xt = eat V0 + Bt aeat Pe de alt a parte

t t

eas Bs ds.

(5)

Xs ds = V0
0 0

as

ds +
0

Bs ds a
0

as 0

ear Br dr ds (6)

Dar
0 t 0 0 t s 0

f (r, s) dr ds =
0 t r t r t

f (r, s) ds dr, deci eas ear Br ds dr = ear Br 1 at e ear a dr (7)

e =
0

as ar

Br dr ds =
0 t

e 1 a

ar

Br
r t

as

ds dr =
0 t 0

ear Br eat dr e
a(r t) t

ear Br ear dr =

0 t 0

1 = a

Br dr
0

Br dr .

Din (6) si (7) obt inem c a

t

a
0

Xs ds = V0 1 e
t 0

at

+ a
0

ea(rt) Br dr,

si, utiliz and (5), obt inem a

Xs ds = V0 Xt + Bt , adic a X veric a (3).

Putem se asemenea s a not am Yt = eat Vt si s a aplic am formula de integrare prin p art i, dYt = eat dVt + aeat Vt dt = eat dBt , deci solut ia este
t

Yt = Y0 +
0

eas dBs

Propozit ia 2.5.2 Dac a V0 este o v.a.r. gaussian a independent a de mi scarea brownian a, procesul V , numit procesul Ornstein-Uhlenbeck, este gaussian cu media E (Vt ) = eat E (V0 ) si cu covariant a Cov (Vs , Vt ) = eas eat Var (V0 ) +
0 s

ea(sr) 2 ea(tr) dr, s t.

In plus, procesul V este Markov.

Demonstrat ie Din (4) deducem E (Vt ) = eat E (V0 ), deoarfece media integralei stochastice este 0. De asemenea Cov (Vs , Vt ) = Cov (eas V0 , eat V0 ) + Cov = Cov (eas V0 , eat V0 ) + 2 eas eat Cov = eas eat Var (V0 ) + 2 eas eat
s a(sr ) e 0 s ar e 0

dBr ,
t ar e 0

t a(tr ) e 0

dBr =

dBr ,

dBr =

st 2ar e dr. 0

In particular, dac a V0 este constant a, atunci Var (V0 ) = 0, deci 2 a(s+t) 2as Cov (Vs , Vt ) = e e 1 , 2a
t

2 a(s+t) e 1 e2at . Var (Vt ) = 2a Vs ds este o v.a. gaussian a, de medie ) +

2 a2

Propozit ia 2.5.3 Variabila aleatoare V0 1 e a

at

si de variant a

2 a3

(1 e

0 at 2

1eat a

Pentru demonstrat ie vezi propozit ia din paragraful urm ator.

2.5.3

Modelul Vasicek

Generalizarea modelului anterior este dat de ecuat ia drt = a (b rt ) dt + dBt (8)

Sub aceast a form a (numit si modelul Vasicek), ecuat ia prezint a evolut ia ratei dob anzii (interest rates). Forma explicit a a solut iei este dat a de rt = (r0 b) eat + b +
0 def t

ea(tu) dBu .

Observ am c a procesul Vt = rt b satisface ecuat ia lui Langevin (3). Egalitatea rt = (rs b) ea(ts) + b +
s t

ea(tu) dBu , s t,

(9)

stabile ste caracterul markovian al lui r.

a, rt este o variabil a gaussian a de medie (r0 b) eat + Dac a r0 este o constant 2 b si variant a 2a 1 e2at . Covariant a este dat a de 2 a(s+t) 2as Cov (rs , rt ) = e e 1 , s t. 2a Expresia (9) arat a c a variabila rt+s condit ionat a la Fs este de medie 2 2a(ts) (rs b) ea(ts) + b si variant a 1 e . De asemenea, procesul 2a (rt+s )t0 , condit ionat la Fs , veric a modelul Vasicek cu parametrii (a, b, ) si de condit ie init ial a rs . Are deci loc: Propozit ia 2.5.4 Pentru s < t, avem

E (rt |rs ) = (rs b) ea(ts) + b,

Vars (rt ) = 2 1 e2a(ts) , 2a

unde Vars desemneaz a variant a condit ionat a n raport cu Fs .

Propozit ia 2.5.5 Variabila aleatoare bt + (r0 b)

1eat a

si de variant a

2 2 a3

t r du 0 u

este o v.a. gaussian a, de medie

at 2

(1 e

) +

2 a2

1eat a

Demonstrat ie Din denit ia (8)

t

ru du =
0

1 (rt + r0 + abt + Bt ) = a t 1 (r0 b) eat b ea(tu) dBu + r0 + abt + Bt . a 0

Pentru s t, obt inem

E
si
t

ru du|Fs
s

1 ea(ts) = M (t, s) = b (t s) + (rs b) a

Vars
s

ru du

2 = 3 1 ea(ts) 2a

2 + 2 a

1 ea(ts) ts a

= V (t, s) .

Variabila
s

ru du este deci variabil a gaussian a si deducem de asemenea c a

E exp

ru du |Fs
s

1 = exp M (t, s) + V (t, s) . 2

Aceste calcule sunt utile pentru calculul unui zero-cupon (zero-coupon bond ) n nant e: dac a B (t, T ) este valoarea unui zero-cupon, avem B (t, T ) = si E exp sT ru du |Fs 1 B (t, T ) = exp M (T, t) + V (T, t) 2

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.