Facultatea de Finante, Asigurari,

Banci si Burse de Valori

Inginerie Financiar a
Profesor Virgil Damian
http://virgildamian.com
Procese stocastice n Ingineria Financiar a
Prezenta caracterului aleator este frecvent a n evolutia unui num ar mare
de fenomene din economie. Apare, deci, legitim a utilizarea Teoriei Probabi-
lit atilor (si n particular a Proceselor stocastice) pentru ntelegerea si mode-
larea matematic a a acestora.
Folosirea Teoriei Probabilit atilor n modelarea nanciar a nu este recent a,
astfel de preocup ari ap arnd nc a de la nceputul secolului, dar lund o nou a
dimensiune n anul 1973, prin lucr arile lui Fisher Black, Robert Merton si
Myron Scholes.
Ulterior, pe m asur a ce piata optiunilor se dezvolt a, metodele lui Black,
Merton si Scholes sunt perfectionate, att din punct de vedere al genera-
lit atii, ct si al rigorii matematice. n ultima perioad a, pentru descrierea
fenomenelor nanciare, sunt utilizate instrumente matematice dintre cele mai
moderne, n primul rnd procesele stocastice (martingalul, calculul stocastic
etc.). De exemplu, se foloseste integrala stocastic a pentru a exprima cstigu-
rile sau pierderile n strategiile de gestiune a portofoliilor si n consecint a
utilizarea calculului stocastic si n particular a lemei lui It, vor permite
obtinerea de expresii calculabile.
Fie un orizont de timp xat si nit 1 R
+
. Orice punct intermediar t al
segmentului [0. 1] l vom numi moment de timp sau timp.
Fie (. T. P) un cmp de probablitate
1
si e spatiul m asurabil (R. E
R
),
uneori numit spa tiul starilor.
1
uneori numit spa tiu de baza
1
Denitia 0.1 Vom numi proces stocastic (proces aleator) o familie de apli-
ca tii masurabile
r
t
: (. T. P) (R. E
R
) , t [0. 1] .
notat, pe scurt, (r
t
)
t[0;T]
.
Denitia 0.2 Pentru . xat, aplica tia
t r
t
(.) : [0. 1] R
se nume ste traiectoria lui ..
Deoarece un proces aleator reprezint a o modelare matematic a a unui
fenomen ce se deruleaz a n timp si a c arui evolutie este supus a ntmpl arii,
o traiectorie reprezint a o evolu tie posibila a fenomenului.
1 Procese Markov
1.1 Lanturi Markov
Un lant Markov descrie evolutia n timp a unei particule (de polen) care se
misc a ntr-un spatiu al st arilor, I. Vom preuspune c a I este o multime cel
mult num arabil a. Timpul este, de asemenea, presupus discret si reprezentat
de N, multimea numerelor naturale.
Denitia 1.1 Fie (. T. P) un spa tiu probabilizat si (r
n
)
nN
o familie de
aplica tii r
n
: I, masurabile. Se spune ca (. T. P. r
n
) este un lant
Markov daca, pentru orice sistem nit de puncte c
0
, c
1
, ..., c
n
, c
n+1
I,
pentru care
P
_
r
n+1
=
n+1
[ r
0
= c
0
. .... r
n
= c
n

= P
_
r
n+1
=
n+1
[ r
n
= c
n

.
Notiunea a fost introdus a si studiat a pentru prima oar a de A. Markov
2
,
n 1906. Un lant Markov mai este numit si proces Markov cu timp discret.
Acest obiect d a o expresie probabilist a pentru miscarea unei particule. Nu se
2
Andrey (Andrei) Andreyevich Markov (1856-1922), matematician rus specializat n
teoria proceselor stocastice, succesor al lui P.L. Cebsev la Universitatea din Sankt Peters-
burg, Departamentul de Teoria Probabilit atilor (1882) si la Academia de Stiinte (1896).
2
stie precis care este traiectoria, dar, pentru ecare . , sirul (r
n
(.))
nN
reprezint a o posibil a evolutie a particulei. Relatia de mai sus se numeste
proprietatea Markov. Ea exprim a matematic ideea c a evolutia viitoare, dup a
momentul actual, notat cu :, este independent a de evolutia trecut a si depinde
numai de starea prezent a, c
n
. De exemplu, este posibil ca pe piata de capital
evolutia pretului actiunilor s a nu e markovian a dar procesul cumulat s a aib a
proprietatea Markov.
Este de notat, din punct de vedere strict istoric, c a proprietatea Markov
a fost descoperit a de Loius Bachelier, n teza sa din 1900, pentru miscarea
brownian a.
Evolutia probabilist a, recte probabilitatea P, este complet determinat a
de numerele
P
_
r
n+1
=
n+1
[ r
n
= c
n

.
care reprezint a probabilitatea de trecere din starea actual a c
n
la momentul
: n starea c
n+1
la momentul urm ator, : + 1. Aceste probabilit ati contin
informatia de baz a asupra lantului si, ntr-un anumit sens, l determin a.
1.2 Exprimarea cu media conditionat a a propriet atii
Markov
Denitia 1.2 Un sistem de numere reale
j (:. :. i. ,) [ :. : N. : < :. i. , I
spunem ca reprezinta un sistem de probabilit ati de trecere (sau de tranzitie),
daca sunt ndeplinite urmatoarele condi tii
1. j (:. :. i. ,) [0. 1], \i. , I;
2.

jI
j (:. :. i. ,) = 1, \i I;
3. j (:. :. i. ,) =

lI
j (:. /. i. |) j (/. :. |. ,), pentru : < / < : si i. , I.
Relatia (3), care se mai numeste si rela tia Chapman-Kolmogorov
3
, se scrie
prescurtat sub forma
1
n;m
= 1
n;k
1
k;m
.
3
Sydney Chapman (1888-1970), matematician si geozician britanic
3
n membrul drept al acestei inegalit ati avnd un produs de matrice, unde
am notat prin 1
n;m
= (j (:. :. i. ,))
(i;j)II
. Legat de matricele 1
n;m
vom
mai utiliza notatia 1
n;m
,, care, n cazul unei functii m arginite , : I R,
va desemna functia denit a prin 1
n;m
, (i) =

jI
j (:. :. i. ,) , (,). Dac a
functiile pe I sunt v azute ca vectori, atunci relatia care deneste 1
n;m
, este
relatia de nmutire a matricei 1
n;m
cu vectorul ,, rezultatul ind un vector.
n continuare presupunem c a (. T. P. r
n
) este un lant Markov cu spatiul
st arilor I, iar
j (:. :. i. ,) [ :. : N. : < :. i. , I
sunt probabilit atile sale de trecere. 1
n;m
este forma matriceal a n care not am
probabilit atile de trecere. Denim
T
n
= o (r
0
. .... r
n
) , : N.
familia de oalgebre asociate lantului. Aceste oalgebre separ a eveni-
mentele elementare ale spatiului dup a cum au fost evolutiile traiectoriilor
asociate pn a n momentul :. Spunem c a aceste oalgebre constituie ltra tia
canonic a asociat a lantului. Ele contin informatia despre trecutul procesului
pn a la momentul :. Se vede imediat c a T
n
T
n+1
, pentru orice :.
Propozitia 1.3 Presupunem ca 0 _ : < : sunt doua numere naturale.
1. Daca T
n
este o mul time astfel ca P() 0 si r
n
= i,
pentru o anumita stare i I, atunci are loc formula
P[r
m
= , [ ] = j (:. :. i. ,) .
2. Daca , : I R este o func tie marginita, atunci are loc rela tia
E[, (r
m
) [ T
n
] = 1
n;m
, (r
n
) .
1.3 Lanturi omogene n timp
Lanturile omogene n timp sunt lanturile ale c aror caracteristici probabiliste
r amn invariante n timp. Aceasta nseamn a c a probabilit atile de trecere
sunt invariante n timp. Denitia precis a o d am mai jos.
4
Denitia 1.4 Numim matrice stocastic a o matrice j = (j
ij
)
i;jI
de numere
reale din intervalul [0. 1], indexata dupa mul timea I, care verica urmatoarele
rela tii

jI
j
ij
= 1, \i I.
Denitia 1.5 Un sistem de probabilita ti de trecere
j (:. :. i. ,) [ :. : N. : < :. i. , I
se nume ste omogen n timp daca exista o matrice stocastica j = (j
ij
) astfel
ca matricele probabilita tilor sistemului sa se exprime n termenii puterilor
matricei stocastice sub forma
1
n;m
= j
nm
, \:. : N, : < :.
Denitia 1.6 Lan tul Markov (. T. P. r
n
) se nume ste omogen n timp, daca
probabilita tile sale de trecere satisfac rela tia
j (:. : + 1. i. ,) = j (:. : + 1. i. ,) , \:. : N, i I
n
I
m
, , I,
unde I
n
not
= c I [ P[r
n
= c] 0, : N.
Dup a cum se vede, relatia de omogenitate a unui lant se refer a la mai
putine date, pentru c a probabilit atile de trecere ale lantului nu sunt denite
pentru orice indici. Propozitia care urmeaz a claric a relatia dintre cele dou a
denitii de mai sus.
Propozitia 1.7 Lan tul Markov (. T. P. r
n
) este omogen n timp daca si
numai daca exista o matrice stochastica j = (j
ij
) astfel nct probabilita tile
de trecere ale lan tului sunt exprimate prin rela tia
j (:. :. i. ,) = j
mn
ij
, \:. : N, : < :, i I
n
, , I.
n aceast a sectiune am introdus o serie de notiuni ce au fost necesare
pentru a deni procesele Markov si probabilit atile lor de trecere, n general.
Unele dintre ele au ns a o utilitate si n sine. Chiar valoarea medie conditi-
onat a conduce la o clas a de procese al c aror rol n Teoria Probabilit atilor este
dicil de supraestimat: martingalele, supermartingalele, submartingalele.
5
2 Martingale
2.1 Introducere. Istoric, semantic a si denitii
Martingalele reprezint a instrumentul de baz a n studiul proceselor stocastice.
Conceptul de martingal a fost introdus de Ville
4
. Complementar acestei
notiuni apar cele de sub si supermartingal, respectiv, submartingal, introduse
de Doob
5
. Notiunile matematice pe care le vom introduce n aceast a sectiune
au un continut intuitiv legat de jocurile de noroc.
S a presupunem c a ntr-un joc cstigul juc atorului este o variabil a aleatoare
, (cu valori nu neap arat nenegative, evident). Dac a E[,] exist a si este, de
exemplu, pozitiv a atunci cstigul juc atorului dup a un num ar de : partide in-
dependente va tinde la +, cnd : +, conform legii numerelor mari.
Astfel nct un joc apare echitabil dac a valoarea medie a cstigului este zero.
Dac a avem, ns a, un joc n care partidele nu sunt independente si not am
cu ,
n
capitalul juc atorului dup a partida :, atunci jocul apare la prima
vedere echitabil dac a E[,
n+1
,
n
] = 0, pentru orice :, deci dac a ecare
partid a este echitabil a.
Dac a, ns a, d am juc atorului posibilitatea de a renunta la unele partide,
atunci situatia se schimb a. Fie
n
evenimentul

n
: se participa la partida : + 1.
Evident,
n
T
n
, unde T
n
este corpul borelian al tuturor evenimentelor
despre care se stie dup a partida : dac a au ap arut sau nu. De asemenea,
,
n
este T
n
m asurabil a. Atunci cstigul juc atorului n partida : + 1 este
E[(,
n+1
,
n
)
A
].
Jocul apare echitabil dac a juc atorul nu poate obtine avantaj prin nepar-
ticiparea la anumite partide, deci dac a E[,
n+1

A
] = E[,
n

A
], pentru orice
T
n
, adic a dac a (,
n
)
n
este un T
n
martingal.
Analog, un supermartingal apare drept un joc n pierdere si un submartin-
gal drept unul n cstig.
4
Jean-Andr Ville (1910-1989), matematician francez, elev al mul Maurice Ren
Frchet, cunoscut pentru contributiile sale relevante n statistica si economie. Este re-
cunoscut ca pionier n teoria martingalelor, prin lucrarea sa din anul 1939 intitulat a Etude
critique de la notion de collectif.
5
Joseph Leo Doob (1910-2004), matematician american specializat n Analiz a matem-
atic a, Teoria probabilit atilor si Teoria potentialului, recunoscut ca cel ce a dezvoltat sis-
tematic teoria martingalelor (1953). De fapt, lui Doob i apartin majoritatea rezultatelor
importante ale teoriei.
6
Fie
_
. T. (T
t
)
t[0;T]
. P
_
un cmp de probabilitate ltrat si e r = (r
t
)
t[0;T]
un proces stocastic oarecare.
Denitia 2.1 Procesul r se nume ste martingal daca:
1. r
t
este T
t
: c:n:c/i| c (r
t
este adaptat ltr arii (T
t
)
t[0;T]
);
2. r
t
este integrabil a, pentru orice t [0. 1];
3. E[r
t
[ T
s
] = r
s
, pentru : < t _ 1.
2.2 Modele discrete de piat a nanciar a
Denitia dat a mai sus este formulat a n timp continuu. Aceasta comport a
o formulare asem an atoare si n cazul timpului discret. Vom trata, n cele
ce urmeaz a, un exemplu
6
de piat a nanciar a n timp discret, acest fel de a
gndi ind mult mai comod intuitiei.
Se consider a un cmp de probabilitate (. T. P). Fie o = (o
n
)
nI
un
proces cu valori n R
d+1
, denit pe cu d N
+
si I = 1. 2. 3. .... `, unde
` N
+
. Procesul o se va reprezenta si sub forma o =
_
o
0
. .... o
d
_
, cu toate
componentele procese reale de forma o
i
= (o
i
n
)
nI
, pentru i 0. 1. 2. .... d,
deci o
n
=
_
o
0
n
. .... o
d
n
_
, pentru orice : N. Vom presupune o
i
n
(.) 0,
pentru orice i 0. 1. 2. .... :, : I, . . Se mai face urm atoarea ipotez a:
o
i
0
= :
i
, unde :
i
sunt constante reale strict pozitive, pentru i 0. 1. 2. .... d.
Denitia 2.2 Vom spune ca (. o) formeaza o piat a nanciar a cu orizontul
de timp ` si cu d + 1 active nanciare.
Interpretarea nanciar a a instrumentelor presupuse anterior este urm a-
toarea:
multimea I reprezint a timpul n care este analizat a o piat a nanciar a,
m asurat a ntr-o unitate de timp stabilit a;
multimea reprezint a multimea tuturor evolu tiilor posibile pentru pia-
ta nanciar a;
6
LAMBERTON, D. & LAPEYERE, B. (2008) Introduction to Stochastic Calculus Ap-
plied to Finance (Second Edition), Boca Raton: Chapman & Hall/CRC nancial mathe-
matics series.
7
procesul o reprezint a evolutia n timp a spot-urilor a d + 1 active -
nanciare care se tranzactioneaz a pe piat a;
componentele o
i
n
reprezint a costul unita tii din acitvul i, la momentul
:;
activul 0, cu evolutia pretului o
0
, va numit bond;
componentele o
0
n
reprezint a valoarea la momentul : a unei unit ati dintr-
un depozit considerat ferm, cu o evolutie determinata, nesupusa riscu-
lui. Vom presupune o
0
0
= 1 si o
0
n
= (1 + :)
n
, constant n raport cu .,
unde : 0 reprezint a dobnda zilnica pentru depozitele garantate de
stat;
preturile celorlalte active, o
1
. .... o
d
sunt supuse riscului unor evolutii
aleatoare datorate mecanismelor pietii. Aceste active se numesc stocuri
si pot actiuni, obligatiuni, valut a, m arfuri, active derivate etc.;
constantele :
i
reprezint a preturile initiale ale activelor cu risc.
Se deneste T
n
= o (o
k
: / = 1. 2. .... :), adic a oalgebra care detine in-
formatia asupra evolutiei spot-urilor pn a la momentul :. Componenta T
0
este format a doar din multimea vid a si spatiul total, deoarece o
0
este con-
stant n raport cu ..
Denitia 2.3 Vom numi strategie nanciar a sau proces de portofolii un
proces denit pe , cu valori n R
d+1
, de forma : = (:
n
)
nI
pe care l
presupunem previzibil (i.e. :
n
este masurabila n raport cu T
n1
pentru
: 1. 2. .... `).
Strategia se va reprezenta si sub form a vectorial a
: =
_
:
0
. .... :
d
_
.
unde componentele sunt procese reale previzibile de forma :
i
= (:
i
n
)
nI
,
i 0. 1. .... d, deci
:
n
=
_
:
0
n
. .... :
d
n
_
pentru orice : I.
8
Vom interpreta :
i
n
ca numarul de unita ti din activul i de tinut
de un investitor la momentul de timp :, iar vectorul :
n
va
portofoliul investitorului la momentul de timp :.
Componentele lui iau valori reale. Dac a :
0
n
< 0, nseamn a c a investitorul
a mprumutat suma [:
0
n
[ de pe piata activelor f ar a risc, iar dac a :
i
n
< 0,
pentru i _ 1, nseamn a c a investitorul are datorii exprimate n active cu
risc.
Faptul c a :
n
este T
n1
m asurabil a nseamn a c a investitorul si stabileste
compozitia portofoliului pe care l scoate pe piat a la timpul :, dup a ce a
nregistrat preturile la timpul : 1.
Fiec arei strategii : i se asociaz a un proces adaptat cu valori reale
\ (:) = (\
n
(:))
nI
.
numit valoarea portofoliului :, denit, pe componente, astfel:
\
n
(:) = :
n
o
n
,
unde membrul drept nseamn a produsul scalar
7
al celor doi vectori din R
d+1
:
\
n
(:) (.) =
d

i=0
:
i
n
(.) o
i
n
(.) , . .
Denitia 2.4 Strategia : este de autonantare sau autonantat a daca
:
n1
o
n1
= :
n
o
n1
. : 1. 2. .... ` .
Semnicatia acestor conditii este urm atoarea:
congura tia portofoliului din ziua a :a se stabile ste n ziua
:1, la pre turile din aceasta zi si utiliznd doar resursele porto-
foliului din aceasta zi.
n aceast a expunere vom folosi doar strategii autonan tate.
7
Dac a x; y R
d
, atunci exist a numerele reale x
k
, y
k
, k = 1; d astfel nct x = (x
1
; :::; x
d
)
si y = (y
1
; :::; y
d
). Produsul scalar al celor doi vectori se noteaz a, de obicei, prin x; y si
se deneste astfel
x; y = x
1
y
1
+ ::: + x
d
y
d
:
9
Propozitia 2.5 Daca se da un proces ddimensional previzibil
_
:
1
n
. .... :
d
n
_
nI
si un numar real i, exista un unic proces previzibil (:
0
n
)
nI
astfel nct
_
:
0
. .... :
d
_
sa e o strategie autonan tata, cu \
0
(:) = i.
Propozitia anterioar a arm a:
oricare ar strategiile :
1
. .... :
d
aplicate stocurilor, autonan tarea
se poate realiza printr-o manevra determinata a strategiei :
0
a
bondului.
Propozitia 2.6 Strategia : este autonan tata daca si numai daca
\
n
(:) = \
0
(:) +
n

i=1
:
i
o
i
. : 1. 2. .... : .
Termenul :
i
o
i
= :
i
o
i
:
i
o
i1
are semnicatia protului pe care investi-
torul l realizeaz a cump arnd activele cu preturile o
i1
si vnzndu-le apoi
cu preturile o
i
, la momentul i. Rezultatul propozitiei poate interpretat:
averea investitorului (valoarea portofoliului) la timpul : consta
din averea lui ini tiala adunata cu suma proturilor realizate n
cele : etape de desfa surare a tranzac tiilor.
Denitia 2.7 Fie pia ta nanciara (. o) cu d + 1 active si orizont de timp
`. Notam

o
i
n
=
1
o
0
n
o
i
n
. i 0. 1. .... d si : I.
Procesul d + 1 dimensional

o =
_

o
0
n
. ....

o
d
n
_
nI
se nume ste procesul preturilor actualizate.
Denitia 2.8 Daca : este o strategie, introducem procesul real al valorii
actualizate a lui : astfel:

\
n
(:) = :
n

o
n
=
1
o
0
n
\
n
(:) , : I.
10
Observ am c a

\
0
(:) = \
0
(:). Se poate formula acum urm atorul rezultat
de echivalent a.
Propozitia 2.9 Strategia : este autonan tata daca si numai daca

\
n
(:) = \
0
(:) +
n

i=1
:
i

o
i
. : I.
Denitia 2.10 Strategia : se nume ste admisibil a daca este autonan tata si
\
n
(:) _ 0, pentru orice : 1.
Denitia 2.11 Strategia : se nume ste arbitraj daca este admisibila si
\
0
(:) = 0, dar \
N
(:) ,= 0.
Denitia 2.12 Pia ta (. T) se nume ste viabil a daca nu admite strategii de
tip arbitraj.
n cadrul deni tiei (2.10) se formuleaza cerin ta ca investitorul sa
nu ramna cu datorii la nici un moment : al tranzac tiilor. No ti-
unea de arbitraj din cadrul deni tiei (2.11) nseamna posibilitatea
realizarii unui prot fara aport de fonduri proprii.
Teorema 2.13 Pia ta (. T) este viabila daca si numai daca exista o prob-
abilitate
8
P
+
pe (. T), cu P
+
[.] 0, pentru orice . si astfel nct
_

o
1
n
_
nI
.
_

o
2
n
_
nI
. ....
_

o
d
n
_
nI
sa e martingale n raport cu P
+
.
9
Consecinta 2.14 O pia ta (. o) este viabila daca si numai daca exista o
probabilitate P
+
care ncarca punctele lui , n raport cu care orice strate-
gie autonan tata are valoarea medie nala (actualizata) egala cu valoarea
ini tiala.
Consecinta teoremei enuntat a mai sus se poate citi:
ntr-o pia ta n care pre turile actualizate ale activelor sunt mar-
tingale, orice strategie autonan tata conduce la o valoare nala
actualizata egala n medie cu investi tia ini tiala.
8
numit a si masura martingal
9
Prima teorem a fundamental a a matematicilor nanciare
11
3 Miscarea brownian a
Miscarea brownian a reprezint a cel mai important proces stocastic ce st a la
baza construirii modelelor matematice de pe piata de capital. Asocierea
acestui proces cu evolutia pietei a fost f acut a la nceputul secolului XX,
cnd Louis Bachalier
10
a pus n evident a caracterul markovian al misc arii
browniene.
Se consider a
_
. T. (T
t
)
t[0;T]
. P
_
, unde (T
t
)
t[0;T]
este o familie cresc a-
toare de corpuri boreliene, incluse n T, numit a pe viitor ltrare sau baza
stocastica.
Denitia 3.1 Procesul stocastic 1 = (1
t
)
t[0;T]
este T
t
miscare brownian a
daca:
1. P[1
0
= 0] = 1 si (1
t
)
t[0;T]
are traiectorii continue;
2. pentru (\) t [0. 1], 1
t
este T
t
m asurabil a;
3. pentru (\) :. t [0. 1], astfel nct : < t,
1
t
1
s
s A (0. t :) ;
4. pentru orice diviziune 0 = t
0
< t
1
< ... < t
n
= 1 variabilele aleatoare
1
t
i
1
t
i1
, (\) i = 1. :.
sunt independente
11
.
Propozitia 3.2 Fie (1
t
)
t[0;T]
o mi scare browniana. Atunci, pentru orice
c. t 0 este valabila urmatoarea estimare exponen tiala:
P
_
max
0st
1
s
_ ct
_
_ c

a
2
t
2
.
n particular, pentru c =

t
, o 0, se ob tine estimarea exponen tiala:
P
_
max
0st
1
s
_ o
_
_ c

2
2t
.
10
Louis Jean-Baptiste Alphonse Bachelier (1870-1946), matematician francez, recunos-
cut ca ind primul care a modelat matematic miscarea brownian a. Cercet arile sale ulte-
rioare au pus n evident a teoria proceselor de difuzie. Este recunoscut, astfel, ca precursor
al teoriei moderne a probabilit atilor si ca fundamentalist al matematicilor nanciare.
11
se mai spune, n acest caz, c a procesul are cre steri independente
12
Propozitia 3.3 Fie (1
t
)
t[0;T]
o mi scare browniana si t
0
0. Atunci pro-
cesul
1
t
0
;t
= 1
t+t
0
1
t
0
. t _ 0
este o mi scare browniana.
Teorema 3.4 (Variatia misc arii browniene)
12
Daca (1
t
)
t[0;T]
este o mi s-
care browniana, atunci pentru sirul de diviziuni

n
: 0 = t
n
0
< t
n
1
< ... < t
n
k(n)
= t.
cu

n
|
n
| < (e.g., t
n
j
=
jt
2
n
), avem:
o
n
:=
k(n)1

j=0
_
1
t
n
j+1
1
t
n
j
_
2

no
t.
Justicare S a ncepem prin a observa c a
E
_
_
k(n)1

j=0
_
1
t
n
j+1
1
t
n
j
_
2
_
_
=
k(n)1

j=0
E
_
_
1
t
n
j+1
1
t
n
j
_
2
_
=
k(n)1

j=0
_
t
n
j+1
t
n
j
_
= t.
Mai departe, trebuie demonstrat
E
_
[o
n
t[
2

no
0.
n acest sens,
E
_
[o
n
t[
2

= E
_
[o
n
E[o
n
][
2

= VAR[o
n
]
=
k(n)1

j=0
VAR
_

1
t
n
j+1
1
t
n
j

2
_
=
k(n)1

j=0
_
E
_

1
t
n
j+1
1
t
n
j

4
_

_
t
n
j+1
t
n
j
_
2
_
=
k(n)1

j=0
_
3
_
t
n
j+1
t
n
j
_
2

_
t
n
j+1
t
n
j
_
2
_
= 2
k(n)1

j=0
_
t
n
j+1
t
n
j
_
2
.
12
Rationamentul ce se va desf asura n continuare reprezint a formalizarea riguroas a a
ideilor prezentate de Marian Smolusowski privind variatiile misc arii browniene (1906).
13
Dar,
2
k(n)1

j=0
_
t
n
j+1
t
n
j
_
2
_ 2 |
n
|
k(n)1

j=0
_
t
n
j+1
t
n
j
_
= 2 |
n
|
no
0.
ceea ce sfrseste demonstratia.
Observatia 3.5 n cadrul justicarii de mai sus am folosit rela tia
E
_

1
t
n
j+1
1
t
n
j

4
_
= 3
_
t
n
j+1
t
n
j
_
2
.
caz particular al urmatorului rezultat
E
_
A
2n

= 1 3 5 ... (2: 1) o
2n
X
.
Martingale asociate misc arii browniene O proprietate extrem de im-
portant a a misc arii browniene este cea de martingal. Se poate demon-
stra usor ca procesul (1
2
t
t)
t[0;T]
este martingal. De asemenea, se
poate demonstra c a procesul
_
c
Bt

2
2
t
_
t[0;T]
.
generat de miscarea brownian a, este, de asemenea, martingal. Acesta
va martingalul esential n constructia teoremei de schimbare a prob-
ablilitatii
13
, ce va studiat a ulterior.
4 Integrala stocastic a
4.1 Introducere. Istoric si semantic a nanciar a
Norbert Wiener
14
a fost primul care a denit integrala stocastic a a unei
functii deterministe n raport cu miscarea brownian a. Apoi, It
15
a extins
13
Teorema Girsanov
14
Norbert Wiener (1894-1964), matematician american de origine suedez a. Profesor de
matematic a la Massachusetts Institute of Technology (1916), laureat al premiului Bocher
(1933). Preocuparea sa din timpul celui de-al doilea r azboi mondial de a dirija tirul
artileriei, l determin a s a dezvolte sistemul de comunicare si transmisie spre cibernetica
(1943).
15
IT, K. (1951) On stochastic dierential equations, Mem. Amer. Math. Soc., 4:
1-51.
14
denitia la functii nedeterministe (ce depind de .) si a demonstrat formula
de schimbare de variabil a.
Dup a It, etapa esential a n studiul integralelor stocastice o reprezint a
lucrarea lui Kunita-Watanabe
16
. Urm atoarea etap a esential a o reprezint a
rezultatele scolii de la Strasbourg, concretizate n extinderea integralei sto-
castice la martingale locale si demonstrarea formulei de schimbare de vari-
abil a n forma cea mai general a.
Scopul acestei sectiuni este de a deni si studia propriet atile integralei
stocastice
T
_
t
o (:) d1
s
.
unde (o (:. .))
s[t;T]
este un proces aleator. Dac a aplicatia : 1
s
(.),
: [t. 1], ar derivabil a, acest tip de integral a ar avea sens si am putea-o
deni prin
T
_
t
o (:) 1
t
s
(.) d:.
pentru orice . .
Din punct de vedere nanciar, necesitatea introducerii integralei stocas-
tice se rezum a la a judeca o piat a bursier a n timp continuu. Astfel, de
exemplu, valoarea actualizat a a unui protofoliu, cu valoare initial a \
0
si con-
gurat folosind strategia de autonantare : = (:
n
)
1nN
, se scrie
\
0
+
n

j=1
:
j
_

o
j


o
j1
_
.
Aceast a reprezentare este obtinut a printr-o transformare martingal. Cu alte
cuvinte, exist a o probabilitate P
+
sub care sirul preturilor actualizate
_

o
n
_
0nN
este martingal. O astfel de expresie poate generalizat a la timpul continuu
(folosind informatie instantanee) cu ajutorul integralei stocastice
T
_
t
:
s
d

o
s
.
16
KUNITA, H., WATANABE, S. (1966) On certain reversed processes and their appli-
cations to potentila theory and boundary theory, J. of Math. and Mech., 15: 398-434.
15
unde
_

o
s
_
s[t;T]
este un martingal pe intervalul de timp [t. 1] arbitrar ales.
4.2 Denitie. Propriet ati
Integrala stocastic a se poate deni pentru o clas a larg a de functii o, n raport
cu (r
t
)
t[0;T]
, unde (r
t
)
t[0;T]
este un martingal cu traiectoriile n general f ar a
variatie m arginit a (e.g., miscarea brownian a). n cazul n care (r
t
)
t[0;T]
are
traiectoriile cu variatie m arginit a, integrala stocastic a va coincide cu integrala
Lebesgue-Stieltjes
17
.
Integrala stocastic a apare n studiul difereitelor clase de procese.
Fie (1
t
)
t[0;T]
o miscare brownian a standard.
Denitia 4.1 Pentru o aplica tie o, ndeplinind condi tia de integrare
T
_
t
E
_
o
2
(:)

d: < .
se dene ste integrala stocastic a 1 (o) astfel:
1 (o) =
T
_
t
o (:) d1
s
,
ca limita unor sume de tipul
n1

k=0
o (:
k
)
_
1
s
k+1
1
s
k

.
pentru (:
k
)
k=1;n
un sistem de puncte intermediare, arbitrar ales.
De mentionat c a
_
_
T
_
t
o (:) d1
s
_
_
T<+o
este proces stocastic.
Observatia 4.2 Aplica tia o poate determinista
18
sau un proces stocastic
19
.
17
Thomas Joannes Stieltjes (1856-1894), matematician danez, cu cercet ari semnicative
n Analiza matematic a, Ecuatii diferentiale si Teoria numerelor.
18
caz n care integrala stocastic a se numeste integrala Wiener
19
caz n care integrala stocastic a se numeste integrala It
16
Integrala stocastic a comport a urm atoarele propriet ati (esentiale n re-
zolvarea aplicatiilor elementare):
1. E
_

_
_
_
T
_
t
o (:) d1
s
_
_
2
_

_
=
T
_
t
E
_
o
2
(:)

d:;
20
2. Media integralei stocastice este nul a, E[1 (o)] = 0;
3. Varianta sa se poate calcula folosind izometria It si proprietatea an-
terioar a,
VAR[1 (o)] =
T
_
t
E
_
o
2
(:)

d:;
4. Orice integral a stocastic a este martingal.
Dac a procesul o este constant, o (:) = o, oconstant, atunci varianta
integralei stocastice este o
2
(1 t).
n particular, deoarece procesul (1
2
t
t)
t[0;T]
este martingal, rezult a c a
integrala stocastic a
_
_
t
_
0
1
s
d1
s
_
_
t[0;T]
este martingal.
$$
20
numit a izometria It
17