Sunteți pe pagina 1din 156

UNIVERSITATEA ALEXANDRU IOAN CUZA IAI

Facultatea de Informatic
Departamentul de Invmnt la Distan

PROCESE STOCHASTICE
Anca Vitcu

2005 2006

Not introductiv

Cursul i propune s acopere un minim de noiuni necesare nelegerii


modelelor matematice dezvoltate pe piaa de capital. Materialul este structurat n
patru capitole.
Primul capitol are ca obiectiv o trecere n revist a unor noiuni
fundamentale din teoria probabilitilor la care se fac referiri pe parcusul
cursului.
Capitolul doi trateaz aspecte legate de micarea brownian punnd accent
pe caracterul markovian al acesteia.
Capitolul trei este o introducere n calculul stochastic, care ocup un loc
central att n formularea matematic a problemelor de pe piaa obligaiunilor,
aciunilor, contractelor futures, opiunilor ct i n rezolvarea lor.
In capitolul patru sunt prezentate prin intermediul elementelor de calcul
stochastic o serie de rezultate asociate micrii browniene.
Noiunile teoretice abordate sunt

nsoite de aplicaii din domeniul

financiar.
Cursul include i o seciune de exerciii i proiecte ce urmeaz a fi
discutate n cadrul orelor de seminar.

CUPRINS
Pag.
Capitolul 1 - Noiuni preliminare

1.1. Spaiu de selecie

1.2. Noiunea de -algebr

1.3. Noiunea de msur

1.4. Noiunea de probabilitate

1.5. Valoarea medie a unei variabile aleatoare

1.6. Integrabilitate uniform

11

1.7. Independen

11

1.8. Probabiliti echivalente

12

1.9. Variabile aleatoare gaussiene

13

1.10. Tipuri de convergen

14

1.11. Proces stochastic

17

1.12. Medie condiionat

19

1.13. Martingale

26

1.14. Timp de oprire

29

1.15. Proces Markov

36

Capitolul 2 - Micarea Brownian

38

2.1. Construcia unei micri browniene

39

2.2. Mers aleatoriu

42

2.3. Proprieti ale micrii browniene

44

2.4. Traiectoriile unei micri browniene

49

2.5. Proprietatea de martingal

50

2.6. Timp de lovire

52

2.7. Micarea brownian multidimensional

54

2.8. Integrala Weiner

55

2.9. Micarea brownian geometric

59

Capitolul 3 Calcul Stochastic

65

3.1. Integrala stochastic

65

3.2. Ecuaii difereniale stochastice

79

3.3. Exemple de porcese It

89

Capitolul 4 Probleme asociate micrii browniene

103

4.1. Regula de schimbare a probabilitii

103

4.2. Timp de lovire

112

4.3.Alte probleme asociate micrii browniene

124

Exerciii

137

Dicionar de termeni financiari

142

Capitolul 1

Noiuni preliminare
Capitolul cuprinde noiuni fundamentale din teoria probabilitilor ce urmeaz a
fi utilizate pe parcursul cursului: probabilitate, proces stochastic, martingal, timp de
oprire.
1.1. Spaiu de selecie
Definiia 1. Fie mulimea tuturor rezultatelor posibile ale unui experiment
aleator oarecare. Elementele mulimii le numim evenimente elementare iar mulimea

o numim spaiu de evenimente elementare sau spaiu de selecie.


1.2. Noiunea de -algebr
Definiia 2. Fie o mulime nevid. Familia A de submulimi din se
numete algebr, dac sunt verificate urmtoarele axiome:
1. A A implic A A , unde A reprezint complementara mulimii A , mai
precis, { , A};

2. A, B A implic A B A
Observaie. 1. Din definiia 2 i din faptul c = A A rezult A . Prin
urmare i A , deoarece = ; 2. Cum A B = A B i A, B A rezult

A B A .
Definiia 3. Familia F de submulimi din se numete -algebr sau cmp

sau corp borelian de evenimente dac verific urmtoarele axiome:

1. F
2. F
3. F implic F
4. pentru orice 1 , 2 , 3 ,.... F rezult

UA F
i

i =1

IA F.
i

i =1

Observaie. F reprezint mulimea evenimentelor asociate experimentului


aleator sau altfel spus, F conine toate submulimile lui .

Exemple de -algebre. Fie un spaiu arbitrar de evenimente elementare.


Cea mai srac -algebr a spaiului este submulimea { , } iar cea mai

bogat -algebr conine toate submulimile spaiului .


Considerm experimentul clasic ce const n aruncarea de dou ori a unei
monede perfecte. In acest caz, spaiul de evenimente elementare este mulimea
= {HH , HT , TH , TT } i folosind definiia este uor de verificat c mulimea F

format din toate submulimile spaiului i mulimea G = { , , {HH , HT }, {TH , TT }}


sunt -algebre.

-algebra poate fi interpretat ca informaia pe care o avem la un anumit


moment, ne spune ce evenimente cunoatem. In exemplul nostru F este -algebra n

care tim toate rezultatele obinute n urma aruncrii monedei, n timp ce G este

-algebra n care tim numai rezultatul primei aruncri. Presupunem c moneda a fost
aruncat de dou ori dar nu cunoatem rezultatul aruncrii, tim numai dac rezultatul se
afl sau nu n G . De exemplu, se spune c rezultatul aruncrii nu este dar este n .
Mai mult se poate spune c rezultatul aruncrii nu se afl n {HH , HT } dar se afl n

{TH , TT }, cu alte cuvinte tim doar c rezultatul primei aruncri este

T dar nu tim

nimic despre rezultatul celei de-a doua aruncri. Se spune c -algebra G conine
informaia pn la momentul unu. Analog, putem spune c F conine informaia
complet. -algebra trivial { , } nu conine informaii, faptul c rezultatul aruncrii
este sau se afl n nu ne spune nimic despre eveniment.
Dac A atunci familia F A = {A, A , , } este -algebra (algebra) generat
de mulimea A . Aceast familie reprezint un caz particular al familiilor generate de
partiii, altfel spus, dac A = {A1 , A2 ,..., An ,...} este o partiie numrabil a lui adic

A1 , A2 ,...., An ,... sunt submulimi nevide ale lui cu proprietile:


= A1 A2 ... Dn ... , Di D j = , i j , i, j 1 ,

atunci familia format din mulimile reprezentate ca reuniuni finite numrabile de


elemente ale partiiei i mulimea vid este o -algebr.
Propoziia 1. Orice intersecie de -algebre este o -algebr.
5

Observaie. Afirmaia nu este adevrat pentru reuniunea de -algebre. Mai

precis, o reuniune de -algebre nu este o ntotdeauna o -algebr.


Definiia 4. Fie F i G dou -algebre astfel nct G F ( A G implic

A F ), atunci G este o sub- -algebr a -algebrei F .


Definiia 5. -algebra generat de familia de mulimi F este intersecia

tuturor -algebrelor ce conin F .


Definiia 6. Dac F1 i F2 sunt dou -algebre, notm prin F1 F2 ,

-algebra generat de familia F1 F2 i reprezint intersecia tuturor -algebrelor


ce conin - algebrele F1 i F2 .
Propoziia 2. Fie F o familie de submulimi ale lui . Atunci exist o

-algebr minimal, sau altfel spus -algebra generat de familia de mulimi F ,


notat (F ) , ce conine toate mulimile din care este format familia F .
1.3. Noiunea de msur
Definiia 7. Spaiul nzestrat cu o -algebr F de submulimi ale lui se

numete spaiu msurabil sau cmp (borelian) de evenimente i se noteaz prin (,F ) .
Definiia 8. Fie (,F ) i (E , E ) dou spaii msurabile. O funcie f definit

pe cu valori n E este (F, E ) - msurabil, sau simplu msurabil, dac f

( A) F

pentru orice A din E, , unde


f

( A) = {
def

f ( ) A}.

Definiia 9. Fie (,F ) un spaiu msurabil. Se numete variabil aleatoare

real o funcie msurabil X definit pe cu valori n R. Altfel spus o funcie X


pentru care X 1 ( A) F oricare ar fi A din B , unde B reprezint - algebra
R
R
mulimilor boreliene din R . Faptul c X este msurabil poate fi exprimat i prin

{ , X ( ) a} F , pentru orice a

real.

Observaie. Fie G = { , , {HH , HT }, {TH , TT }} . Presupunem c pentru fiecare

eveniment din G tim dac acesta are loc sau nu. Atunci dac variabila aleatoare X
este G -msurabil putem calcula valoarea lui X .

Revenind la exemplul aruncrii monedei de dou ori considerm X numrul de


apariii ale evenimentului

{H }

n cele dou aruncri. In aceste condiii X este

F -msurabil dar nu este G -msurabil. Fie Aa = { , X ( ) a} . Atunci rezultatul


experimentului este:

{HH , HT , TH }

{HH }

a0
, dac
, dac 0 < a 1
, dac 1 < a 2
, dac
2<a

Dac a = 2 se observ c evenimentul asociat este {HH }. Cum F conine toate


submulimile lui rezult c evenimentul {HH } F . Se observ c pentru orice
valoare a lui a , evenimentul Aa aparine lui F , deci X este msurabil n raport cu

-algebra F . Dar, {HH } G , rezult c exist cel puin o valoare a lui a pentru care
evenimentul Aa nu aparine lui G i prin urmare X nu este msurabil n raport cu

-algebra G .
Propoziia 3. Dac X este o variabil aleatoare real G -msurabil i f este

o funcie borelian atunci f ( X ) este G -msurabil.


Definiia 10. -algebra generat de o variabil aleatoare X definit pe

(,F ) ,

notat prin ( X ) , este mulimea prilor lui , de forma X 1 ( A) , unde

A B R . ( X ) este inclus n F .

Observaie. O variabil aleatoare real X este F msurabil dac ( X ) F .


Definiia 11. -algebra generat de o familie de variabile aleatoare

( X t , t [0, T ]) , notat prin ( X t , t T ) , este intersecia -algebrelor ce conin familia

{X ( A)} pentru orice t din [0, T ] i A B


1
t

1.4. Noiunea de probabilitate


Definiia 12. O probabilitate pe

(,F )

este o aplicaie P definit pe

-algebra F de submulimi din cu valori n intervalul [0,1] , care verific


urmtoarele axiome:
1. P( ) = 1
2. P( ) = 0


3. P U An = P( An ) , pentru A1 , A2 ,..... din F , disjuncte dou cte dou.
n =1 n =1
Notaie: Fie A din F , atunci putem scrie P( A) = dP = 1 A dP , unde 1 A este o
A

funcie definit pe prin 1 A ( ) = 1 dac A i 1 A ( ) = 0 dac A .


Din definiia probabilitii putem obine o serie de proprieti, cum ar fi:
1. P( A) + P (A ) = 1 , pentru orice A din F ( A reprezint complementara mulimii
A );

A B

2. dac

atunci

P ( A ) P (B )

P ( B ) = P ( A) + P ( B A) ,

unde

B A= B A ;

3. dac An este un ir cresctor (respectiv descresctor) de mulimi din F i


A = U An , (respectiv
n

A = I An ) atunci

A aparine -algebrei F

P( A) = lim P( An ) .

4. teorema clasei monotone: dac P i Q sunt dou probabiliti pe spaiul


probabilistic (,F, P ) astfel nct P ( A) = Q ( A) pentru orice mulime A dintr-o
familie C de mulimi nchise la intersecii finite (dac C1 , C 2 C atunci
C1 C 2 C ) i F este -algebra generat de C , atunci P = Q n raport cu

F.
Definiia 13. Spunem despre o mulime A c este neglijabil dac P ( A) = 0 .
Definiia 14. Spunem c o proprietate este adevrat aproape sigur dac este

adevrat cu excepia unei mulimi neglijabile.


Definiia 15. Un spaiu (,F, P ) este complet dac conine toate mulimile A

astfel nct inf {P(B ) : B F , A B} = 0 .

Definiia 16. Fie X o variabil aleatoare definit pe spaiul probabilistic

(,F , P ) .

Legea de probabilitate a variabilei aleatoare X este probabilitatea PX

definit pe (R, B R ) prin PX ( A) = P{ ; X ( ) A} = P( X A) , pentru orice A din B R .


Definiia 17. Funcia de repartiie a variabilei aleatoare X este o funcie

cresctoare definit pe R prin F ( x ) = P( X x ) .


Definiia 18. Densitatea unei variabile aleatoare X , notat f ( x ) , este derivata

funciei de repartiie n condiiile n care aceast derivat exist. Putem scrie


P( X A) = f ( x )dx .
A

Definiia 19. Dac dou variabile aleatoare au aceeai lege de probabilitate

sau aceeai funcie de repartiie sau aceeai densitate spunem c sunt egale n lege.
Altfel spus, dac X i Y sunt dou variabile aleatoare pentru care are loc relaia
P( X a ) = P(Y a ) , pentru orice a din R atunci X i Y au aceeai lege de
n lege

probabilitate. Notm X = Y .
1.5. Valoarea medie a unei variabile aleatoare
Definiia 20. Valoarea medie a unei variabile aleatoare X , notat E ( X ) , este

cantitatea

XdP = xdP (x ) , n condiiile n care acest integral exist.


X

Observaie. Exist variabile aleatoare pentru care valoarea medie nu poate fi

calculat. Altfel spus, integrala

XdP

nu are sens.

Definiia 21. Spunem c variabila aleatoare X este integrabil dac X are

media finit ( E X < ).


Notaie: Notm cu L1 ( ) mulimea variabilelor aleatoare integrabile.
Definiia 22. Analog, media unei funcii boreliane , cu ( X ) integrabil,

este cantitatea E ( ( X )) = ( X )dP = (x )dPX ( x ) .

Dac variabila aleatoare X admite o densitate f atunci au loc relaiile:


E ( X ) = xf ( x )dx i E ( ( X )) = ( x ) f ( x )dx .
R

Cunoatem legea de probabilitate a variabilei aleatoare X dac pentru orice


funcie borelian mrginit cunoatem valoarea medie E ( ( X )) . Dac X i Y sunt
dou variabile aleatoare i este o funcie borelian mrginit atunci egalitatea
E (( X )) = E ( (Y )) implic egalitatea n lege a variabilelor aleatoare X i Y .
Observaie. Egalitatea n lege nu implic egalitatea aproape sigur. De exemplu,

dac X este o variabil gaussian a crei valoare medie este 0, atunci are loc egalitatea
n lege

X = X dar nu i egalitatea aproape sigur. Pentru a avea egalitate n lege este

suficient ca egalitatea E ( ( X )) = E ( (Y )) s fie verificat pentru o clas suficient de


mare de funcii, cum ar fi funciile de forma e x , unde R .
Definiia 23. Funcia caracteristic a unei variabile aleatoare reale X este

funcia (t ) = E (e itX ) = e itx PX (dx ) (transformata Fourier a legii de probabilitate a


R

lui X ) .

Dac variabila aleatoare X admite o densitate f (x ) atunci funcia sa caracteristic este


dat de expresia e itx f ( x )dx . Funcia caracteristic descrie legea de probabilitate a unei
R

variabilei aleatoare . Dac transformata Fourier aparine spaiului L1 (dx ) atunci


densitatea asociat n mod unic este dat de formula f ( x ) =

1
2

itx

(t ) dt .

Legea unei variabile aleatoare poate fi descris i de transformata Laplace


def

( )

( ) = E e X . Pentru a cunoate legea de probabilitate a unei perechi de variabile

(X ,Y )

este suficient s cunoatem valoarea medie E (exp(X + Y )) pentru orice

pereche ( , ) .

Exemplu. X este o variabil gaussian a crei lege de probabilitate este

N (m, 2 ) dac i numai dac transformata Laplace este dat de expresia

2 2
E e X = exp m +
2

( )

Proprieti ale mediei unei variabile aleatoare:


1. E (aX + bY ) = aE ( X ) + bE (Y ) pentru oricare dou constante reale a i b ;

10

2. Dac X i Y sunt dou variabile aleatoare astfel nct

X Y aproape sigur

atunci E ( X ) E (Y ) ;
3. Inegalitatea lui Jensen: dac X este o variabil aleatoare i dac este o
funcie convex astfel nct ( X ) este integrabil atunci E (( X )) (E ( X )) .

1.6. Integrabilitate uniform


Definiia 24. O familie de variabile aleatoare

integrabil dac sup i

(X i , i I )

este uniform

dP 0 pentru a tinznd la .

X i a

Dac exist o variabil aleatoare Y din L1 (P ) astfel nct X i Y , pentru orice

i atunci familia de variabile aleatoare ( X i , i I ) este uniform integrabil.


1.7. Independen
Definiia 25. Dou sub- -algebre F1 i F2 sunt independente dac are loc

egalitatea P( A B ) = P( A)P(B ) , pentru orice A i B din F1 i respectiv F2 .


Pentru ca dou -algebre F1 i F2 s fie independente este necesar i suficient s aib
loc relaia P( A B ) = P( A)P(B ) pentru orice A din C 1 i B din C 2 , unde C i este o
familie de mulimi nchise la intersecie cu (C i ) = Fi .

Definiia 26. O variabil aleatoare X i o sub- -algebr G sunt independente

dac ( X ) , -algebra generat de X i G sunt independente.


X

Propoziia 4. O variabil aleatoare

i o sub- -algebr G

sunt

independente dac i numai dac are loc egalitatea P{A ( X x )} = P( A)P( X x )


pentru orice x din R i orice A din G .
Observaie. Dou variabile aleatoare

X i

Y sunt independente dac

-algebrele generate ( X ) i respectiv (Y ) sunt independente.


Exemplu. Considerm experimentul aruncrii de dou ori a unei monede
perfecte

definim

-algebrele:

F2 = { , , {HH , TH }, {HT , TT }}.

Deoarece

rezult F1 i F2 sunt independente.


11

F1 = { , , {HH , HT }, {TH , TT }}
P(HH ) = P(HT ) = P(TH ) = P(TT ) =

1
4

Propoziia 5. Dou variabile aleatoare X i Y sunt independente dac i numai

dac are loc egalitatea P{( X x ) (Y y )} = P( X x )P(Y y ) pentru orice x i y


din R .
Proprieti:

1. dac variabilele aleatoare X i Y sunt independente atunci E ( XY ) = E ( X )E (Y ) .


Reciproca nu este adevrat;
2. dac variabilele aleatoare X i Y sunt independente atunci f ( X ) i g (Y ) sunt
independente;
3. dac variabile aleatoare X i Y sunt independente atunci media E ( ( X , Y )) este
dat de relaia: E ( ( X , Y )) = E ( f ( X )) = E (g (Y )) , unde f ( x ) = E ( (x, Y )) i
g ( y ) = E ( ( X , y )) .

Propoziia 6. Dou variabile aleatoare X i Y sunt independente dac i numai

dac este verificat egalitatea E ( f ( X )g (Y )) = E ( f ( X ))E ( g (Y )) pentru orice funcii f


i g boreliene mrginite.
Definiia 27. O familie de sub- -algebre (Fi , i N ) este independent dac

P I Ai = P( Ai ) , pentru orice Ai din Fi i pentru orice n .


1i n 1i n
1.8. Probabiliti echivalente
Definiia 28. Dou probabiliti P i Q definite pe acelai spaiu (,F ) sunt

echivalente dac are loc relaia: P ( A) = 0 Q( A) = 0 .

Dac P i Q sunt dou probabiliti echivalente atunci o proprietate adevrat

P -aproape sigur este adevrat Q -aproape sigur.


Propoziia 7. Dac P i Q sunt dou probabiliti echivalente exist o variabil

aleatoare Y , strict pozitiv, F -msurabil, cu E P (Y ) = 1 numit densitate RadonNikodym, astfel nct dQ = YdP , sau altfel scris Q( A) = YdP . Reciproc, dac Y este o
A

variabil aleatoare strict pozitiv, F -msurabil, pentru care E P (Y ) = 1 , atunci relaia


EQ (Z ) = E P (ZY ) definete o probabilitate Q , echivalent cu probabilitatea P . Relaia
EQ (Z ) = E P (ZY ) se poate obine n urma calculului urmtor:

12

EQ (Z ) = ZdQ = Z

dQ
dP = ZYdP = E P (ZY ) .
dP

Exemplu. 1. Fie P o probabilitate pe (,F ) i fie X o variabil aleatoare

repartizat

Bernoulli

definit

P( X = 1) = p ,

prin:

P( X = 0) = 1 p .

Fie

Y = X + (1 X ) o variabil aleatoare a crei valoare medie este 1 pentru

p + (1 p ) = 1 , , > 0 . Fie dQ = YdP

atunci

Q( X ) = p . In raport cu

probabilitatea Q , X este o variabil aleatoare cu o repartiie Bernoulli de parametru

p .
2. Fie X o variabil aleatoare repartizat normal N (m, 2 ) n raport cu P i fie

Y o variabil aleatoare definit prin expresia Y = exph( X m ) h 2 2 . Dac


2

dQ = YdP atunci n raport cu Q , X este o variabil aleatoare repartizat normal dup


legea N (m + h 2 , 2 ) .
Demonstraie. Este suficient s calculm EQ {exp(X )} = E P {Y exp(X )} i s

2 2
verificm relaia EQ (exp X ) = exp (m + h 2 ) +
2

1.9. Variabile aleatoare gaussiene

Definiia 29. O variabil aleatoare X este gaussian de lege N m, 2 dac

densitatea sa este dat de expresia:


f (x ) =

exp

( x m )2 .
2 2

Definiia 30. Un vector aleator X = ( X 1 , X 2 ,...., X n ) se numete gaussian dac


T

orice combinaie liniar

a X
i =1

este o variabil gaussian cu valori reale.

Observaie. Legea de probabilitate a unui vector gaussian X este descris de valoarea

medie

de

matricea

de

covarian

[ ]

= i, j

i =1, n ; j =1, n

unde

i , j = E (X i X j ) E ( X i )E (X j ) . Legea de probabilitate a vectorului aleator X admite o


densitate dac matricea de covarian este inversabil.
13

Propoziia 8. Dac dou variabile aleatoare X i Y formeaz un vector

gaussian de covarian 0 atunci cele dou variabile aleatoare sunt independente.


Propoziia 9. Fie ( X , Y ) un vector gaussian. Exist atunci o constant astfel

nct variabilele aleatoare X i X Y sunt independente.


Propoziia 10. Dac X i Y sunt dou variabilele aleatoare gaussiene

independente, atunci aX + bY , unde a i b sunt constante, este o variabil gaussian.


In aceste condiii

vectorul ( X , Y ) este gaussian. Afirmaia are loc numai n cazul n

care cele dou variabile sunt independente.


Propoziia 11. Dac X este o variabil gaussian a crei lege de probabilitate

2 2
este N (m, 2 ) , atunci pentru orice real are loc relaia E (e X ) = exp m +
2

Reciproca este adevrat. Adic, dac pentru orice real are loc egalitatea

2 2
E e X = exp m +
2

( )

, atunci legea variabilei aleatoare X este N m, 2 .

1.10. Tipuri de convergen

Fie (,F , P ) un spaiu probabilistic dat.


Convergena aproape sigur
Definiia 31. Un ir de variabile aleatoare X n converge aproape sigur la X ,
as

X n X , dac pentru aproape toi are loc relaia X n ( ) X ( ) . Altfel spus,

({

})

X n converge aproape sigur la X dac P : lim X n ( ) = X ( ) = 1 .


n

Observaie. 1. Dac pentru orice , q( ) este o proprietate a lui atunci q are loc

aproape sigur dac P(q ) = 1 . 2. Acest tip de convergen depinde de alegerea


probabilitii P . Dac probabilitatea Q este echivalent cu probabilitatea P i dac
Q as

P as

X n X atunci X n X .
Teorema convergenei monotone: Dac X n este un ir monoton crestor

( X n X n+1 )

as

sau descresctor ( X n X n +1 ) de variabile aleatoare i dac X n X

atunci are loc relaia E ( X ) = lim E ( X n ) .

14

Teorema convergenei dominante (Lebesgue): Dac X n este un ir de

variabile aleatoare convergente aproape sigur la X i dac exist o variabil


aleatoare Y integrabil astfel nct X n Y atunci E ( X n ) converge la E ( X ) .
Legea numerelor mari. Dac

( X i , i 1)

este un ir de variabile aleatoare

independente dou cte dou, identic repartizate cu media finit, atunci

1 n
Xi
n i =1

converge aproape sigur la E ( X 1 ) .


Convergena n L2 ( )
Definiia 32. Fie X

def
2

( )

dP = E X 2 . Spunem c variabila aleatoare

X este din spaiului L2 ( ) dac X

<.

Definiia 33. Fie X n i X din L2 ( ) . irul de variabile aleatoare

converge n L2 ( ) la X dac X n X

(X n )

= E ( X n X ) tinde la 0 pentru n tinznd


2

la .
Observaie. Convergena n L2 depinde de alegerea probabilitii P .

( )

Propoziia 12. Dac ( X n ) converge n L2 ( ) la X atunci E X n2 converge la

E (X 2 ) . Reciproca nu este adevrat.


Observaie. 1. Spaiul L2 ( ) este un spaiu Hilbert nzestrat cu produsul scalar

X , Y = XYdP . In particular L2 ( ) este un spaiu complet. 2. Dac un ir converge n

L2 exist un subir al su convergent aproape sigur.


Legea numerelor mari poate fi rescris astfel: dac ( X i , i 1) este un ir de

variabile aleatoare independente, identic repartizate, de dispersie finit atunci


1 n
X i converge n L2 la E ( X 1 ) .
n i =1

Propoziia 13. Dac un ir de variabile aleatoare gaussiene este convergent n

L2 atunci limita sa este o variabil gaussian.

15

p > 1,

Pentru

(X )
p

notm

( ).

= X dP = E X
p

cu

cantitatea

pozitiv

definit

Spaiul L p ( ) poate fi nzestrat cu o norm X

nct X

prin:
p

astfel

< . Un ir de variabile aleatoare X n din L p ( ) este convergent dac

exist variabila aleatoare X astfel nct E ( X n X ) 0 .


p

Observaie. Convergena n L p pentru p > 1 implic convergena n Lq pentru orice q ,

pentru care 1 < q < p .


Convergena n probabilitate
Definiia 34. Un ir de variabile aleatoare X n converge n probabilitate la X ,

X n X , dac pentru orice > 0 , P ( X n X ) 0 pentru n tinznd la .


P

Proprieti:

1. Convergena aproape sigur implic convergena n probabilitate.


2. Convergena n probabilitate implic convergena apropape sigur a unui subir
al su.
3. Convergena n L2 implic convergena n probabilitate.
Convergena n lege
Definiia 35. Un ir de variabile aleatoare X n converge n lege la variabila

aleatoare X ,

X n X , dac pentru orice funcie

continu i mrginit,

E ( ( X n )) E ( ( X )) pentru n tinznd la .
Fie n i funciile caracteristice ale variabilelor aleatoare X n i respectiv X
atunci, pentru orice t convergena n lege este definit i de convergena n (t ) (t ) .
Dac X este o variabil aleatoare cu o funcie de repartiie F continu i dac
X n este un ir de variabile aleatoare cu funciile de repartiie Fn (x ) convergente la
F ( x ) pentru orice x , atunci X n converge n lege la X i reciproc.

Proprietate: Convergena n probabilitate implic convergena n lege.


Teorema limit central. Dac ( X i , i 0 ) este un ir de variabile aleatoare

identic repartizate, independente, cu variana finit 2 atunci are loc relaia:


16

X
i =1

nE ( X 1 )

N (0,1)

1. 11. Proces stochastic


Fie Ft o -algebr, sau altfel spus informaia la momentul t .

Definiia 36. Se numete filtrare o familie cresctoare de sub- -algebre ale lui

F , adic Ft Fs pentru orice t s .


Definiia 37. Un proces sochastic sau proces aleatoriu este o familie de

variabile aleatoare ( X t ; t [0, )) definite pe acelai spaiu de probabilitate.


Deci, un proces stochastic este format dintr-un ir (de obicei infinit) de variabile
aleatoare X 1 , X 2 , X 3 ,..... dependente de parametrul timp.
In general procesele stochastice pot fi mprite n patru categorii distincte n
funcie de tipul variabilei aleatoare Xt , adic de starea procesului (dac este discret
sau continu) i a parametrului timp (dac este discret sau continuu):

1. Xt discret, t discret

Considerm

experimentul

aruncrii

unui

zar

notm

cu

X 1 , X 2 , X 3 ,..... rezultatele obinute n urma fiecrei aruncri. Experimentul este


un proces Bernoulli al crui spaiu de evenimente este format din strile 1, 2, 3,
4, 5 i 6. In acest caz variabilele aleatoare sunt independente.

Considerm acelai proces Bernoulli unde notm cu Y1 , Y2 , Y3 ,.Y4 ...... suma


strilor obinute n urma aruncrii zarului, astfel: Y1 = X 1 , Y2 = X 1 + X 2 ,

Y3 = X 1 + X 2 + X 3 ,.....Spaiul stare este format din toate numerele ntregi


pozitive. Se observ c variabilele aleatoare Y sunt corelate.

Lanurile Markov

2. Xt discret, t continuu

Procesul Poisson numrul persoanelor care intr ntr-o banc din momentul
deschiderii pn la momentul t. X(t) are o repartiie Poisson cu o medie t ,
unde reprezint rata sosirilor. X nu sunt independnente iar spaiul de selecie
este format din toate numerele ntregi nenegative.

17

Procesul firelor de ateptare (queuing) persoanele nu numai intr n banc dar


i ies este necesar cunoaterea distribuiei timpului pe care o persoan l
petrece n banc.

3. Xt continu, t continuu

Micarea Brownian (proces de difuzie)

4. Xt continu, t discret serii cronologice

Fluctuaiile lunare ale ratei inflaiei

Fluctuaiile zilnice ale bursei

Fluctuaiile anuale ale PIB

Se pot studia tendinele (sistematice sau sezoniere) i se pot construi modele ale cror
parametri urmeaz a fi estimai.

Definiia 38. Un proces stochastic X = ( X t , t 0 ) este adaptat n raport cu o

filtrare Ft dac pentru orice t , variabila aleatoare X t este Ft -msurabil .


Definiia 39. Spunem c un proces stochastic are traiectorii continui sau este

continuu dac aplicaiile t X t ( ) sunt continue pentru aproape toi .


Definiia 40. Un proces stochastic este numit cdlg dac traiectoriile sale sunt

continui la dreapta i au limit la stnga. Un proces stochastic este numit cgld dac
traiectoriile sale sunt continui la stnga i au limit la dreapta.
Definiia 41. Dat un proces stochastic X , i putem asocia filtrarea natural

Ft X , adic familia cresctoare de -algebre Ft X = {X s , s t} .


Definiia 42. Un proces stochastic A = ( At , t 0 ) este cresctor dac A0 = 0 i

aplicaia t At este cresctoare, adic At ( ) As ( ) aproape sigur, pentru orice


t s.
Definiia 43. Spunem c un proces stochastic V = (Vt , t 0 ) este cu variaie

mrginit pe [0, t ] dac sup Vti +1 Vti K ,unde sup este considerat pentru t i ,
ti

0 t 0 ... t i t i +1 t .
Definiia 44. Spunem c un proces stochastic V = (Vt , t 0 ) este cu variaie

18

finit pe [0, t ] dac sup Vti +1 Vti < ,unde sup este considerat pentru t i ,
ti

0 t 0 ... t i t i +1 t .
Definiia 45. Un proces stochastic V = (Vt , t 0 ) este cu variaie finit dac

este cu variaie finit pe intervalul [0, t ] , pentru orice t .


Definiia 46. Un proces stochastic X este gaussian dac orice combinaie

liniar finit de ( X t , t 0 ) este o variabil aleatoare gausian, altfel spus dac pentru
orice n , orice t i cu 1 i n i orice ai ,

a X
i =1

ti

este o variabil aleatoare real

gaussian.

Un proces gaussian este descris de medie i de matricea de covarian.


Un spaiu gaussian este un sub-spaiu vectorial nchis din L2 ( ) de variabile
aleatoare reale gaussiene centrate (cu media 0). Spaiul gaussian generat de un proces
stochastic este sub-spaiul lui L2 ( ) generat de variabilele aleatoare reale centrate

( X t E ( X t ) , t 0) .
1.12. Medie condiionat

Fie (,F , P ) un spaiu probabilistic fixat.


Cazul discret

Fie A i B dou evenimente din . Probabilitatea ca un eveniment A s aib


loc tiind c are loc evenimentul B este dat de formula P (A B ) =

P( A B )
, pentru
P (B )

orice eveniment B astfel nct P(B ) 0


Proprietate. P (. B ) este o probabilitate pe .

Considerm cazul unei variabile aleatoare X cu valori n ( x1 , x 2 ,...., x n ) . Fie B


fixat i Q( A) = P( A B ) . EQ , media variabilei X n raport cu Q este dat de formula:
EQ ( X ) = x j Q (X = x j ) = x j
j

19

P (X = x j B )
P (B )

Putem scrie P (X = x j B ) = 1 X = x j dP unde 1 X = x j ia valoarea 1 dac (X = x j ) i 0


B

n rest. Avnd n vedere relaia

x 1
j

P (X = x j B )
P (B )

= X obinem:

X =x j

1
XdP . Mai precis, relaia poate fi rescris astfel:
P(B ) B

E ( X )dP = E ( X )P(B ) = XdP .


Q

Notaie. E (X B ) = EQ ( X ) .
Dac B este - algebra generat de B i E ( X B ) este variabila aleatoare definit prin

E (X B ) = E (X B ) 1B + E X B c 1B c , atunci are loc relaia

E (X B )dP = XdP , pentru


D

orice D din B .
Caz particular: Fie X

(x1 , x2 ,..., xn )

i respectiv

i Y

( y1 , y 2 ,..., y d )

variabile aleatoare ale cror valori sunt


astfel nct oricare ar fi i , P(Y = y i ) 0 .

Atunci putem defini P (X = x j Y = y i ) = (x j ; y i ) . Se observ c pentru orice y i ,

(. ; y i ) definete o probabilitate pe

(x1 , x2 ,..., xn ) .

Putem defini media variabilei

aleatoare X n raport cu aceast lege prin:


E (X Y = y i ) = x j P (X = x j Y = y i ) = x j (x j ; y i ) =
j

1
XdP .
P (Y = y i ) Y =yi

Definim funcia astfel nct ( y i ) = E ( X Y = y i ) . Este uor de verificat relaia:

P(Y = y )E (X Y = y ) = P(Y = y ) ( y ) = E ((Y )) = E (E (X Y )) = E ( X ) .


i

Notm prin (Y ) = E ( X Y ) media condiionat a variabilei aleatoare X tiind


variabila aleatoare Y . Aceast funcie are urmtoarele caracteristici:
1. (Y ) este Y - msurabil
2. E ( (Y )X ) = E ( (Y ) (Y )) ,pentru orice funcie .
Fie acum, X o variabil aleatoare real, integrabil definit pe spaiul (,F , P )
i G o sub- -algebr a lui F .
20

Definiia 47. Media condiionat E (X G )

este unica variabil aleatoare,

G -msurabil pentru care are loc egalitatea

E (X G )dP = XdP
A

, oricare ar fi A din G .

Definiia 48. Media condiionat E (X G )

este unica variabil aleatoare

G -msurabil care verific egalitatea E [E ( X G )Y ] = E ( XY ) , pentru orice variabil

aleatoare Y , mrginit, G -msurabil.

Definiia 49. Media condiionat a unei variabile aleatoare integrabile X n


raport cu variabila aleatoare Y , notat E (X Y ) este o funcie de Y : E (X Y ) = (Y ) ,
unde : R R este o funcie borelian.

Proprieti.

1. Media condiionat E (X Y ) este o variabil (Y ) -msurabil


2.

E (X Y )dP = XdP , oricare ar fi


A

A din (Y ) .

Proprietatea 2 este echivalent cu egalitatea E (E ( X Y ) (Y )) = E ( X (Y )) , pentru orice


funcie borelian mrginit , sau

E (X Y )dP = XdP pentru orice

Y B

B din B .

Y B

Definiia 50. Fie un ir finit sau numrabil de mulimi B1 , B2 , B3 ,..... , disjuncte


dou cte dou, a cror reuniune este spaiul , cu P (Bi ) pozitive. Fie G , -algebra
format din toate reuniunile finite sau numrabile de mulimi Bi . Atunci probabilitatea
condiionat a lui A cunoscnd -algebra G este dat de formula
P(AG ) =
i

P( A Bi )
1Bi ( ) .
P(Bi )

Exemplu. Fie mulimea tuturor rezultatelor posibile obinute n urma

aruncrii unei monede perfecte de trei ori, aruncrile sunt independente.


Fie F3 -algebra format din toate submulimile lui . Fie F1 -algebra format din

{ , , {HHH , HHT , HTH , HTT }, {THH , THT , TTH , TTT }} ,

deci evenimentele ce pot fi

determinate tiind rezultatul primei aruncri. Fie F 2

-algebra format din

evenimentele ce pot fi determinate tiind rezultatele primelor dou aruncri, adic


21

, , {HHH , HHT }, {HTH , HTT }, {THH , THT }, {TTH , TTT } i toate mulimile obinute
din reuniunea acestora.
Fie A = {HHH } . Calculm P ( AF1 ) , P ( AF2 ) , P (AF3 ) .
Fie C1 = {HHH , HHT , HTH , HTT } i C 2 = {THH , THT , TTH , TTT }. Pe mulimea C1
probabilitatea condiionat este dat de formula P (A C1 ) =

P( A C1 )
. Prin nlocuiri
P(C1 )

P(HHH ) 1 8 1
=
= . Pe mulimea
P(C1 )
12 4

corespunztoare obinem

condiionat este dat de formula P ( A C 2 ) =

C2

probabilitatea

P( A C 2 )
P( )
= 0.
. Inlocuind obinem
P (C 2 )
P(C 2 )

Prin urmare probabilitatea de apariie a evenimentului A = {HHH } tiind informaia la


momentul 1 este 1 4 dac rezultatul primei aruncri este H i 0 n caz contrar. Deci
1
putem scrie P (A F1 ) = 1C1 .
4
Fie

D1 = {HHH , HHT } ,

acum

D3 = {THH , THT } ,

D2 = {HTH , HTT } ,

D4 = {TTH , TTT } . -algebra F2 este format din toate reuniunile posibile formate cu

mulimile Di , i = 1,4 . Atunci P (A D1 ) =

P(HHH ) 1 8 1
=
=
i P ( A Di ) = 0 pentru
P(D1 )
14 2

1
i = 2,4 . Prin urmare P( AF2 ) = 1 D1 , altfel spus probabilitatea ca evenimentul
2
A = {HHH } s aib loc cunoscnd rezultatul primelor dou aruncri este 1 2 dac
rezultatul primelor dou aruncri este H i 0 n caz contrar.
Propoziia 14. E ( X G ) este G -msurabil, adic dac Y = E (X G ) atunci

(Y > a ) G

pentru orice a real.

Demonstraie.

Prin

definiie

Y = E (X G ) =
i

E ( X Bi )
1 Bi = bi 1 Bi ,
P(Bi )
i

unde

bi = E ( X Bi ) P(Bi ) . Mulimea (Y a ) este reuniunea mulimilor Bi pentru care


bi a , dar orice reuniune de mulimi Bi este n G .
Exemplu.

Fie

Y = 2 1 B1 + 3 1 B2 + 6 1 B3 + 4 1 B4

(Y a ) = B3 B4 G .
22

a = 3,5 .

Atunci

Propoziia 15. Dac C G i Y = E ( X G ) atunci E (Y C ) = E ( X C )


Demonstraie. Cum Y =
i

E (Y B j ) =

E (X B j )
P (B j )

E ( X Bi )
1 Bi i Bi sunt disjuncte dou cte dou atunci,
P(Bi )

E1 B j = E (X B j ) .

Dac C = B j1 B j2 ..... B jn ..... atunci nsumnd relaia de mai sus dup j k


obinem E (Y C ) = E ( X C ) .

Propoziia

16.

Fie

Zo

variabil

aleatoare

G -msurabil

E (Z A) = E ( X A) pentru orice A G . Atunci Z = E ( X G ) .

Demonstraie. Cum Z este G -msurabil rezult Z este constant pe fiecare mulime


Bi . Fie z i valoarea lui Z pe Bi , atunci putem scrie Z = z i 1 Bi . Prin urmare, are loc
i

egalitatea z i P(Bi ) = E (Z Bi ) = E ( X Bi ) .
Propoziia 17. 1. Dac X Y atunci E (X G ) E (Y G ). Altfel spus dac Y este

mai mare dect X atunci valoarea estimat pentru Y este mai mare dect valoarea
estimat pentru X .
2. Fie a i b dou constante atunci E (aX + bY G ) = aE (X G ) + bE (Y G )
3. Dac X este G -msurabil, atunci E (X G ) = X . Altfel spus dac cunoatem G i
X este G -msurabil atunci tim X i cel mai bun estimator al variabilei aleatoare

X este X .
4. E [E ( X G )] = E ( X ) , adic media valorii estimate pentru X este valoarea medie a
variabilei aleatoare X .
5. X este independent de G , E (X G ) = E ( X ) , adic dac cunoaterea lui G nu ne
ofer alte informaii despre X , atunci cea mai bun estimare a variabilei aleatoare X
este EX .
Demonstraie. Afirmaiile 1 i 2 rezult din definiie. Pentru a demonstra afirmaia 3

observm c dac Z = X atunci Z este G - msurabil i E ( X C ) = E (Z C )


pentru orice C din G . Din propoziia 16 rezult Z = E ( X G ) .

23

Pentru a demonstra afirmaia 4 considerm C = i Y = E (X G ). Atunci au loc

EY = E (Y C ) = E ( X C ) = EX . Pentru a demonstra afirmaia 5,

egalitile

considerm Z = EX . Z este constant deci G -msurabil. Din independen, dac

A G atunci E ( X A) = E ( X 1 A ) = EX E1 A = EX P( A) . Dar cum Z este constant


rezult E (Z A) = EX P( A) . Propoziia 16 implic Z = E ( X G ) .
Propoziia 18. Dac variabila aleatoare Y

este G -msurabil, atunci

E (XY G ) = YE ( X G ) .

Propoziia 19. Dac G i H sunt dou -algebre astfel nct H G atunci

are loc egalitatea E (E ( X H )G ) = E ( X H ) = E (E ( X G ) H ) .


Demonstraie. E (X H

este H -msurabil i cum H G rezult E (X H

este

G -msurabil. Prima egalitate rezult din afirmaia 3 a propoziiei 17. Fie acum W

i dac C H G atunci

expresia din membrul drept. W este H -msurabil


E (W C ) = E (E (X G ) C ) = E ( X C ) .

Propoziia 20. Dac X este o variabil aleatoare atunci cel mai bun estimator

al su din mulimea de variabile aleatoare G -msurabile este Y = E (X G ).


Demonstraie. Fie Z o variabil aleatoare

calcula

) (

G -msurabil, arbitrar. Atunci putem

E ( X Z ) G = E X 2 G 2 E ( XZ G ) + E Z 2 G = E X 2 G 2 ZE ( X G ) + Z 2 =
2

= E (X 2 G ) 2 ZY + Z 2 = E (X 2 G ) Y 2 + (Y Z ) = E (X 2 G ) 2YE (X G ) + Y 2 + (Y Z ) =
2

= E (X 2 G ) 2 E ( XY G ) + E (Y 2 G ) + (Y Z ) = E ( X Y ) G + (Y Z ) .
2

Se ine cont de faptul c Y este G -msurabil. Din afirmaia 4 a propoziiei 16 rezult

(
) (
) (
) . Membrul drept este mai mare sau egal cu
E (( X Y ) ) deoarece (Y Z ) 0 . Deci eroarea de estimare a variabilei aleatoare X

E ( X Z ) = E ( X Y ) + E (Y Z )
2

prin Z este mai mare dect eroarea estimrii lui X prin Y , iar aceste erori vor fi egale
dac i numai dac Y = Z . Deci Y este estimarea cea mai bun.
Observaie. Mulimea variabilelor aleatoare formeaz un spaiu liniar iar

mulimea variabilelor aleatoare G -msurabile este un subspaiu al acestuia. Dat


variabila aleatoare X , media condiionat Y = E (X G ) este egal cu proiecia lui X pe
24

subspaiul variabilelor aleatoare G -msurabile. Pentru a demonstra acest lucru


verificm faptul c Y i X Y sunt ortogonale, altfel spus produsul scalar dintre Y i

X Y este 0. Cum X = Y + ( X Y ) iar produsul scalar dintre Y i X Y este definit


prin E (Y ( X Y )) trebuie s demonstrm E (Y ( X Y )) = 0 . Deoarece
E (Y ( X Y )G ) = YE (X Y G ) = Y (E (X G ) Y ) = Y (Y Y ) = 0

rezult E (Y ( X Y )) = E (E (Y ( X Y )G )) = 0 .
Dac

(X ,Y )

este o pereche de variabile independente i este o funcie

borelian mrginit atunci are loc relaia E ( ( X , Y )Y ) = [E ( ( X , y ))]y =Y .


Variana condiionat este definit prin Var (X G ) = E (X 2 G ) E 2 ( X G ) . Fie o
funcie convex atunci are loc relaia: E ( ( X )F ) (E ( X F )) .
Propoziia 21. Fie P o probabilitate i fie Q o probabilitate echivalent cu P

definit prin dQ = LdP . Atunci are loc urmtoarea relaie: EQ (X G ) =

E P (LX G )
E P (L G )

Demonstraie. Trebuie determinat variabila aleatoare Z , G -msurabil astfel nct s

aib loc egalitatea: EQ (ZY ) = EQ ( XY ) pentru orice variabil aleatore Y G -msurabil.


Avnd n vedere faptul c variabilele aleatoare Y , Z sunt G -msurabile putem scrie:

EQ (ZY ) = E P (LZY ) = E P (ZYE P (L G )) i EQ ( XY ) = E P (LXY ) = E P (YE P (LX G )) .


Egalitatea fiind verificat pentru orice Y rezult egalitatea ZE P (L G ) = E P (LX G ) .
Definiia 51. Fie X i Y dou variabile aleatoare reale. Legea condiionat a

variabilei aleatoare X n raport cu variabila Y este familia de legi definit pe R ,


notat prin ( y, dx ) astfel nct are loc E [ ( X )Y = y ] =

(x ) ( y, dx ) , pentru orice

funcie borelian mrginit.


Dac se cunoate legea condiionat atunci calcularea mediei i varianei
condiionate se reduce la calcularea mediei i respectiv varianei. Prin urmare, expresia
E [X Y = y ] =

x ( y, dx )

25

reprezint pentru orice y media unei variabile aleatoare de lege ( y, dx ) . Dac f ( x, y )


este densitatea unei perechi de variabile aleatoare

( y, dx ) =

f ( x, y )dx

f (u, y )du

(X ,Y )

atunci are loc formula

Cazul gaussian

Dac perechea de variabile aleatoare reale

(X ,Y )

este gaussian, densitatea

condiionat a variabilei X n raport cu variabila Y este o lege gaussian de medie


liniar n Y i de varian c independent de Y . Relaia E (X Y ) = aY + b implic

E ( X ) = aE (Y ) + b i E ( XY ) = E (YE ( X Y )) = E aY 2 + bE (Y ) . De unde rezult relaiile:

a=

Cov( X , Y )
2
, b = E ( X ) aE (Y ) , c = E (X 2 Y ) E 2 (X Y ) = E (X 2 ) E (aY + b ) .
VarY

Generalizare: dac ( X , Y ) este un vector gaussian densitatea condiionat a lui X n


raport cu Y este o lege gaussian cu media liniar n Y i cu variana c independent
de Y .
1.13. Martingale

Cazul discret

Fie F n o filtrare dat.


Definiia 52. Un ir de variabile aleatoare

(X n , n N )

formeaz un

Fn -martingal dac:
1. X n este integrabil pentru orice n din N
2. X n este adaptat la F n ( X n este F n -msurabil pentru orice n )
3. E (X n +1 F n ) = X n pentru orice n din N .
Cazul multidimensional: O familie de vectori (S n , n 0 ) , unde S n iau valori n R d ,

este un martingal, dac famiile (S ni , n N ) sunt martingale pentru orice i , cu 1 i d .

26

Exemple. 1. Fie X 1 , X 2 ,..... un ir de variabile aleatoare independente cu media


n

0 i fie Fn = ( X 1 ,..., X n ) , -algebra generat de X 1 , X 2 ,..... , atunci M n = X i este


i =1

un martingal. Pentru a demonstra acest lucru este suficient s verificm axiomele din
n

i =1

definiia 52. Cum E M n = E X i E X i

rezult c axioma 1 este verificat.

Axioma 2 este uor de verificat. Avnd n vedere independena variabilelor aleatoare


X 1 , X 2 ,..... verificm axioma 3. In acest scop calculm E (M n +1 Fn ) :

E (M n +1 Fn ) = X 1 + X 2 + ... + X n + E ( X n +1 Fn ) = M n + EX n +1 = M n .
2. Fie X 1 , X 2 ,..... un ir de variabile aleatoare independente cu media 0 i variana 1. Fie

Fn = ( X 1 ,..., X n ) , -algebra generat de X 1 , X 2 ,..... . Atunci M n = S n2 n , unde


n

S n = X i , este un martingal. Axiomele 1 i 2 sunt uor de verificat. Verificm axioma


i =1

3: E (M n +1 Fn ) = E S n2 + 2 X n +1 S n + X n2+1 Fn (n + 1) . Cum S n este Fn -msurabil rezult


relaia E (S n2 Fn ) = S n2 . Deoarece E (2 X n +1 S n Fn ) = 2 S n E (X n +1 Fn ) = 2 S n EX n +1 = 0 i
E (X n2+1 Fn ) = EX n2+1 = 1 , efectund nlocuirile corespunztoare obinem
E (M n +1 Fn ) = M n .

3. Considerm o serie de aruncri independente ale unei monede perfecte i fie 1 euro
capitalul iniial de care dispunem. Considerm c dac rezultatul aruncrii este
evenimentul H capitalul se dubleaz iar dac rezultatul aruncrii este evenimentul T
capitalul devine 0. Fie M n capitalul de care dispunem la momentul n . Altfel spus fie

X 1 , X 2 ,..., X n un ir de variabile aleatoare independente, ale cror valori sunt 2 i


respectiv 0 cu probabiliti egale cu 1 2 . Atunci

M n = X 1 X 2 ... X n pentru

care Fn = ( X 1 ,..., X n ) , -algebra generat de X 1 , X 2 ,..... , este un martingal. Cum


0 M n 2 n axioma 1 este verificat. Pentru a verifica axioma 3 inem cont de relaia

EX n +1 = 1 ,

atunci

calculnd

E (M n +1 Fn )

E (M n +1 Fn ) = M n E ( X n +1 Fn ) = M n EX n +1 = M n .

27

obinem

relaia

Propoziia 22. E ( X F ) E ( X F ) .
Demonstraie. Relaia X X X implic E ( X F ) E (X F ) E ( X F ) i cum
E ( X F ) este nenegativ obinem inegalitatea cutat.

Propoziia 23. Fie F1 ,F2 ,.... -algebre date i fie X o variabil aleatoare

fixat cu E X < . Atunci E (X Fn ) = M n este un martingal.


Demonstraie. Axioma 1 din definiia martingalului este verificat deoarece
E M n E (E ( X Fn )) = E X < iar axioma 2 este evident. Verificm axioma 3:

E (M n +1 Fn ) = E (E (X Fn +1 )Fn ) = E (X Fn ) = M n .
Propoziia 24. E (X n + p Fn ) = X n pentru orice n i p din N

Cazul continuu

Fie Ft o filtrare dat.


Definiia 53. O familie de variabile aleatoare ( X t , t [0, )) este un martingal

n raport cu filtrarea (Ft ) dac sunt verificate axiomele:


1. X t este integrabil pentru orice t
2. X t este Ft -msurabil pentru orice t
3. E (X t Fs ) = X s pentru orice s t .
Observaie. Spunem c X este un martingal dac filtrarea de referin este

filtrarea natural a lui X .


Dac au loc axiomele 1. i 2. dar n locul axiomei 3. are loc axioma
3. E (X t F s ) X s pentru orice s t ,

atunci familia de variabile aleatoare

( X t , t [0, )) este un supermartingal n raport cu filtrarea Ft .


Dac au loc axiomele 1. i 2. dar n locul axiomei 3. are loc axioma
3. E (X t F s ) X s pentru orice s t , atunci familia de variabile aleatoare

( X t , t [0, )) este un submartingal n raport cu filtrarea Ft .


Exemple. 1. Dac X este un martingal atunci X 2 este un submartingal. 2. Dac

X este un martingal i A un proces cresctor atunci X + A este un submartingal.

28

Propoziia 25. Dac X este un martingal atunci are loc relaia E ( X t ) = E ( X 0 )

pentru orice t .
Propoziia 26. Dac

(X t , t T )

este un martingal, procesul este complet

determinat de valoarea sa terminal X t = E (X T Ft ) .


Observaie. Aceast proprietate este utilizat frecvent n domeniul financiar.

Un martingal continuu cu variaie mrginit este egal cu o constant. Prin


urmare, dac M este un astfel de martingal iar V este variaia sa atunci are loc relaia:

( )

E M t2 = E

[( (M

t i +1

M ti

)) ] E [V sup M
2

t i +1

M ti KE sup M ti +1 M ti ,

unde membrul drept converge aproape sigur la 0 n cazul unei partiii rafinate.
Inegalitatea lui Doob: Dac X este un martingal continuu atunci are loc

inegalitatea: E sup X s2 4 E (X T2 ) .
s T

Propoziia 27. Dac g este o funcie convex atunci are loc inegalitatea:

g (E ( X G )) E (g ( X )G ) , n condiiile n care valorile medii exist.


Propoziia 28. Dac M n este un martingal, g este o funcie convex i toate

mediile exist, atunci g (M n ) este un submartingal.


Demonstraie. Din inegalitatea lui Jensen rezult inegalitatea:
E (g (M n +1 )Fn ) g (E (M n +1 Fn )) = g (M n ) .

1.14. Timp de oprire (stopare)

Considerm un spaiu nzestrat cu o filtrare Ft . Notm F = UFt .


t

Definiia 54. Un timp de oprire, sau regul de oprire sau variabil de oprire

este o variabil aleatoare cu valori n R {+ } astfel nct { t} Ft pentru orice


t din R .
Exemplu. O constant pozitiv este un timp de oprire.

Unui timp de oprire

i asociem o -algebra F , numit -algebra

evenimentelor anterioare lui , defini prin F = {A F A { t} Ft , t R}.

29

Proprieti:

1. Dac T este un timp de oprire, atunci variabila aleatoare T este FT -msurabil;


2. Dac S i T sunt timpi de oprire atunci S T este un timp de oprire. In
particular, T t este timp de oprire.
3. Dac S

i T

sunt timpi de oprire astfel nct S T

atunci are loc

incluziunea F S FT .
4. Fie ( X t , t 0 ) un proces stochastic i T timp de oprire finit. Definim X T prin

X T ( ) = X T ( ) ( ) . Dac un proces stochastic X este continuu i adaptat atunci


X T este FT -msurabil.

Dac T este un timp de oprire i M este un (Ft ) -martingal, procesul Z definit


prin Z t = M t T este un Ft -martingal. In particular, E (M t T ) = E (M 0 ) .
Teorema de oprire a lui Doob (Optional Sampling Theorem). Dac M este un

Ft -martingal continuu i S i T sunt doi timpi de oprire astfel nct S T K , K


fiind o constant finit atunci M T este integrabil i are loc relaia: E (M T FS ) = M S .
Propoziia 29. Dac pentru orice timp de oprire mrginit are loc relaia

E ( X T ) = E ( X 0 ) atunci, procesul X este un martingal.


Definiia 55. Un martingal este de ptrat integrabil dac M t = E (M Ft ) i

M 2 < .
Definiia 56. M t este un martingal local dac exist un ir de timpi de oprire

S n convergent la astfel nct pentru orice n , M t S n este un martingal de ptrat


integrabil.
Definiia 57. Un proces M adaptat cgld este un martingal local dac exist

un ir cresctor de timpi de oprire n astfel nct n tinde la i M t n , t 0 este un


martingal pentru orice n .
Observaie. Un martingal local pozitiv este un martingal.

30

Timp de oprire optim

Considerm experimentul aruncrii unei monede perfecte. Dup fiecare aruncare


trebuie s lum decizia de a opri sau de a continua experimentul. Fie Y1 , Y2 ,.....
variabile

aleatoare

P(Yi = 1) = P(Yi = 1) =

independente

reprezentnd

aruncrile

astfel

nct

1
, unde prin Yi = 1 am notat apariia evenimentului H dup
2

aruncarea i i prin Yi = 1 apariia evenimentului T dup aruncarea i . Dac ne oprim


dup a n -a aruncare obinem o recompens

X n = f (Y1 , Y2 ,..., Yn ) . Problema care ne

preocup este de a determina timpul de oprire pentru care recompensa este maxim.
Reamintim faptul c prin regul de oprire (sau timp de oprire sau variabil de oprire)
nelegem o variabil aleatoare

cu valori n mulimea {1,2,3,....} pentru care

evenimentul { = n} depinde numai de valorile din trecut ale variabilelor Y1 , Y2 ,..., Yn i


nu de valorile viitoare Yn +1 , Yn + 2 ,.... . Dac este o regul de oprire atunci E ( X )
msoar recompensa medie asociat regulii de oprire . Fie C clasa tuturor regulilor de
oprire pentru care E ( X ) < . V = sup E ( X ) valoarea irului {X n } i dac este o
C

regul de oprire pentru care E ( X ) = V atunci spunem c este o regul de oprire


optim.
Considerm funcia definit prin X n = min{1, Y1 + Y2 + ... + Yn }
n 1 . Ca regul de oprire

considerm

n
, pentru
n +1

primul ntreg n 1 astfel nct

Y1 + Y2 + ... + Yn = 1 (1). In aceste condiii are loc relaia:




E ( X ) = E (min{1, Y1 + Y2 + ... + Y }) E
= 1 E
> 0 (2).
+ 1
+1
Pentru a arta c regula de oprire (1) este optim demonstrm c pentru orice alt regul
de oprire valoarea medie E ( X ) este negativ. Pentru a demonstra acest lucru folosim
lema lui Wald.

31

Lema lui Wald. Fie Y1 , Y2 ,..... variabile aleatoare independente, identic

repartizate, astfel nct E (Yi ) = < . De asemenea fie orice timp de oprire al

irului Y1 , Y2 ,..... pentru care E ( ) < . Atunci E Yi exist ntotdeauna i are loc
i =1

relaia E Yi = E ( ) .
i =1
Revenind la exemplul nostru aplicm lema lui Wald variabilelor aleatoare Y1 , Y2 ,.....
reprezentnd aruncrile succesive ale unei monede perfecte. Y1 , Y2 ,..... sunt variabile
aleatoare independente identic repartizate ce verific relaia E (Yi ) = 1

1
1
+ ( 1) = 0 .
2
2

Mai mult reprezint orice regul de oprire pentru care E ( ) < , deci n particular
dac C atunci E (Y1 + Y2 + ... + Y ) = 0 . Acest lucru implic :
1

E ( X ) E (Y1 + Y2 + ... + Y ) E
.
2
+1
Deci, pentru alte legi de oprire E ( X ) < 0 , iar sup E ( X ) este dat de relaia (2).
C

Considernd

conform relaiei (1), adic primul ntreg

n 1 astfel nct

Y1 + Y2 + ... + Yn = 1 i din faptul c V = sup E ( X ) rezult V = E ( X ) > 0 . Prin urmare


C

regula de oprire (1) este optim.


Fie acum X n =

n2n n Yi + 1
, n = 1,2,3,... funcia care definete recompensa

n + 1 i =1 2

primit (funcia obiectiv). Dac n urma aruncrii de n ori a unei monede perfecte
rezultatul obinut n urma fiecrei aruncri este H atunci recompensa obinut este

n2n
. In caz contrar recompensa este 0. Presupunem c ne aflm la pasul n i
n +1
rezultatul obinut n urma fiecrei aruncri este H , prin urmare recompensa este

n2n
.
n +1

Care este media condiionat a recompensei tiind c nainte de oprire mai are loc o
aruncare? Rezultatul este dat de relaia:

n 2 n 1 (n + 1)2 n +1 2n (n + 1)
=
E X n +1 X n =
=
> Xn .
n + 1 2 n + 2
n+2

32

Aceast relaie sugereaz s nu ne oprim deoarece recompensa dup nc o aruncare


X n +1 condiionat de X n este mai mare dect recompensa obinut n absena unei alte
aruncri. Dar dac n urma unei noi aruncri rezultatul este T atunci ctigul final este
0. Deci n acest caz nu exist o regul de orpire optim dar exist totui o regul de
oprire. Considerm regulile de oprire { k }, k = 1,2,3,.... unde k impune oprirea dup
aruncarea k indiferent de irul de rezultate obinute. Pentru o astfel de regul de oprire

( )

are loc relaia E X k =

1 k 2k
1
k

+ 1 k 0 =
. Pentru k tinznd la n relaia
k
2 k +1 2
k +1

obinut i avnd n vedere formula V = sup E ( X ) obinem V = 1 . Prin urmare exist


C

regul de oprire dar nu exist o regul de oprire optim.


Fie (,F , P ) un spaiu probabilistic i fie {Fn , n = 1,2,3...} un ir cresctor de

-algebre din F . Fie Y1 , Y2 ,..... variabile aleatoare cu funcia comun de repartiie


F definit pe (,F , P ) . Presupunem c variabilele aleatoare Y1 , Y2 ,..... pot fi observate
secvenial i notm prin X 1 , X 2 ,.... irul de recompense coresunztoare. Dac ne oprim
la pasul n atunci, X n = f (Y1 , Y2 ,...., Yn ) . Se presupune c variabilele aleatoare X 1 , X 2 ,....
sunt msurabile n raport cu -algebrele F1 ,F2 ,.... . O regul de oprire (sau variabil de
oprire sau timp de oprire) este o variabil aleatoare = ( ) definit pe (,F , P ) cu
valori ntregi pozitive ce verific urmtoarele dou condiii:
1. P( : ( ) < ) = 1 , adic regula de oprire ia valori finite cu probabilitatea 1;
2.

{ : ( ) = n}Fn

pentru orice n , adic decizia de oprire la momentul n

depinde numai de informaia inclus n - algebra Fn .


In general -algebra Fn

este arbitrar dar n unele aplicaii considerm

Fn = (Y1 , Y2 ,...Yn ) . Colecia tuturor mulimilor A din F astfel nct A { = n}Fn


pentru orice ntreg n este o -algebra n F , notat prin F .

i X sunt

F -msurabile.
Pentru orice regul de oprire , recompensa la momentul este variabila aleatoare X

X dac { = n}
, pentru n = 1,2,..... , unde I { = n} este
definit prin X = X n I{ = n} = n
n =1
0 n rest

33

funcia indicator ce ia valoarea 1 pe mulimea { , ( ) = n} i 0 n rest. Ca i n cazul


precedent valoarea V reprezint sup E ( X ) .
C

Pentru o regul de oprire dat, valoarea medie E ( X ) este finit ( E ( X ) < ) dac i

numai dac: E ( X ) = E ( X n { = n})P( = n ) < . Avnd n vedere aceste lucruri, ne


n =1

intereseaz n ce condiii exist un timp optim de oprire.


Teorema de existen a unui timp optim de oprire. Fie X 1 , X 2 , X 3 ,.... un ir

de variabile aleatoare pe (,F , P ) astfel nct: (1) relaia E sup X n < are loc cu
n

probabilitate 1 i (2) pentru n tinznd la , lim X n tinde la cu probabilitate 1.


Exist, atunci o regul de oprire optim.
Observaie. Teorema nu spune nimic despre natura regulii de oprire.

In cazuri particulare putem vorbi despre natura regulii de oprire. Considerm funcia de
recompens definit prin X n = max{Y1 , Y2 ,..., Yn } nc pentru n = 1,2,3,... i c > 0 , unde c
reprezint costul fix al fiecrei observaii.
Propoziia 30. Fie

Y1 , Y2 ,..... un ir de variabile aleatoare pe (,F , P )

independente, identic repartizate, cu funcia de repartiie F . Fie funcia de recompens


definit prin relaia X n = max{Y1 , Y2 ,..., Yn } nc , pentru n = 1,2,3,... i c > 0 . Dac

( )

E Yn2 < pentru n = 1,2,3,... atunci exist o regul de oprire care maximizeaz
valoarea medie E ( X ) i care este de forma: dac Y V atunci se ia decizia de oprire
i dac Y < V se ia decizia de continuare. V

este unica soluie a ecuaiei:

(Y V )dF (Y ) = c .

Exemplu (Cutarea unui loc de munc). Considerm cazul unei persoane care

este n cutarea unui loc de munc. Presupunem c persoana primete o ofert n fiecare
zi, iar cutarea are loc zilnic pn n clipa n care accept o ofert. Fie c > 0 costul
generrii unei oferte. Exist dou posibiliti de selecie a ofertei: selecie cu revenire
adic toate ofertele sunt reinute sau selecie fr revenire atunci cnd ofertele care nu
sunt acceptate sunt eliminate. Fie Yn variabile aleatoare ce reprezint ofertele la
momentele n = 1,2,3,... .i presupunem c persoana cunoate parametrii funciei de
34

repartiie F a salariului corespunztor. De asemenea, presupunem c persoana se afl


n condiii de risc neutru i are ca obiectiv maximizarea ctigului net. Decizia se refer
la oprirea procesului de cutare, deci la acceptarea unei oferte. Funcia de recompens
este definit prin:
X n = max{Y1 , Y2 ,..., Yn } nc pentru n = 1,2,3,... i c > 0 pentru cazul n care
selecia este cu revenire;

X n = Yn nc pentru cazul n care selecia este fr revenire, altfel spus,


recompensa este diferena dintre oferta curent i costul total de cutare.
Considerm cazul cutrii cu revenire.
Propoziia 31. Fie Y1 , Y2 ,...... un ir de variabile aleatoare identic repartizate,

cu funcia de repartiie F . Fie c > 0 un numr dat i definim Z = sup X n , unde


n

X n = max{Y1 , Y2 ,..., Yn } nc pentru n = 1,2,3,... . Dac valoarea medie a lui F exist,


atunci lim X n pentru n , cu probabilitatea 1. Dac variana lui F este
finit, atunci E ( Z ) < .
Observaie. Propoziia 31 ne ajut s stablim existena unei reguli optime n problema

de cutare a unui loc de munc. Dac media i variana lui F exist atunci condiiile
din teorema de existen a unui timp optim de oprire au loc. Astfel, dac

( )

E Yn2 < atunci propoziia 31 i teorema de existen a unui timp optim de oprire
implic existena unei reguli de optimizare n cazul problemei studiate. Natura regului
de optimizare n modelul cutrii unui loc de munc este descris de propoziia 30. Mai
precis, pentru orice ofert de salariu Y , regula de oprire optim este de forma:
1. se accept oferta dac Y V ;
2. se continu cutarea dac Y < V
valoarea V este cunoscut sub numele de reservation wage iar regula de oprire este
cunoscut sub numele de reservation wage property.
Considerm prima observaie Y1 din irul de variabile aleatoare independente,
identic repartizate Y1 , Y2 ,...... In acest caz, ctigul mediu ce are la baz reservation
wage property este E (max{V , Y1}) c . Din definiia lui V ctigul mediu optim
satisface relaia : V = E max(V , Y1 ) c (3). Dar:

35

E max(V , Y1 ) = V dF (Y ) + YdF (Y ) = V dF (Y ) V dF (Y ) + YdF (Y ) =


V

= V dF (Y ) + V dF (Y ) + YdF (Y ) V dF (Y ) = V dF (Y ) + (Y V )dF (Y ) =

= V + (Y V )dF (Y ) .

(4)

Inlocuind relaia (4) n relaia (3) obinem ecuaia (Y V )dF (Y ) = c (din propoziia
Y

30).

Fie H (V ) = (Y V )dF (Y ) . Funcia H este convex, nenegativ, strict descresctoare i


V

verific proprietile: (1) pentru V , lim H (V ) 0 ; (2) pentru V 0 ,

dH (V )
d 2 H (V )
= (1 F (V )) ,
0.
dV
dV 2
Observaie. Cu ct costul cutrii c > 0 este mai sczut cu att V este mai mare i
lim H (V ) E (Y1 ) ; (3)

durata cutrii este mai lung.


1.15. Proces Markov
Definiia 58. Fie X un proces stochastic i fie (Ft ) filtrarea sa canonic.

Spunem c X este un proces Markov dac pentru orice t i orice variabil aleatoare
mrginit Y din F are loc egalitatea E (Y o t Ft ) = E (Y o t X t ) , unde este un
operator definit prin X u o s = X u + s .
O alt definiie: pentru orice n , orice funcie F mrginit definit pe R n i orice t i ,
i = 1,2,..., n astfel nct t1 < t 2 < ... < t n are loc egalitatea:

( (

) )

( (

) )

E F X s + t1 , X s + t2 ,..., X s +tn Fs = E F X s +t1 , X s + t2 ,..., X s +tn X s .

In particular, pentru orice funcie borelian mrginit f i orice t > s are loc egalitatea:
E ( f ( X t )Fs ) = E ( f ( X t ) X s ) .

Definiia 59. Spunem c X este un proces tare Markov dac proprietatea de

mai sus este adevrat pentru orice pereche T , S de timpi de oprire finii, cu T > S .

36

Observaie. Un proces stochastic este proces Markov dac comportamentul su ulterior

poate fi estimat numai pe baza informaiei din prezent, fr a cunoate modul n care sa ajuns la ea. De exemplu, este posibil ca pe piaa de capital evoluia preului aciunilor
s nu fie markovian dar procesul cumulat s aib proprietatea Markov.

Bibliografie
G. Grimmett, D. Stirzaker

- Probability and Random Processes. Oxford University


Press, New-York, 1982.

G. Grimmett, D. Stirzaker

- One Thousand Exercises in Probability. Oxford


University Press, New-York, 2001.

J. Jacod, P. Protter

- Probability Essentials. Springer, Berlin, 1997

J. Neveu

- Bases mathmatiques du calcul des probabilits.


Masson, Paris, 1964

D. Stirzaker

- Elementary Probability. Cambridge University Press,


Cambridge, 1994

D. Williams

- Probability with Martingales. Cambridge University


Press, Cambridge, 1991

37

Capitolul 2

Micarea Brownian
Micarea brownian reprezint cel mai important proces stochastic ce st la baza
construirii modelelor matematice de pe piaa de capital. Asocierea acestui proces cu
evoluia pieei a fost fcut la nceputul secolului 20 cnd Bachalier a pus n eviden
caracterul markovian al micrii browniene.
Fie (,F , P ) un spaiu probabilistic i fie (Bt , t 0 ) un proces stochastic pe
acest spaiu.
Definiia 2.1. Procesul stochastic (Bt , t 0 ) este o micare Brownian standard

dac sunt verificate axiomele :


1. P(B0 = 0) = 1 ;
2. pentru orice s t creterea Bt Bs este o variabil aleatoare real, normal
distribuit dup legea N (0, t s ) ;
3. pentru orice n i orice t i astfel nct 0 t 0 t1 ... t n variabilele aleatoare

(B

tn

Btn 1 ,....., Bt1 Bt0 , Bt0 sunt independnente.

Altfel spus: Bt = Bt ( ) este o micare brownian standard dac:

1. B0 = 0 aproape sigur;
2. Bt Bs este o variabil aleatoare normal distribuit cu media 0 i variana

t s pentru s < t ;
3. Bt Bs este independent de -algebra generat de {Br ; r s};
4. cu probabilitate 1, aplicaia t X t ( ) este o funcie continu de t .
Observaie. Dac s t atunci din axiomele (1) i (2) rezult:

t s = Var (Bt Bs ) = VarBt + VarBs 2Cov(Bs , Bt ) = t + s 2Cov(Bs , Bt ) .


Deci pentru s t , Cov(Bs , Bt ) = s . Atunci pentru r < s < t are loc relaia:
Cov(Bt Bs , Br ) = Cov(Bt , Br ) Cov (Bs , Br ) = r r = 0
38

Dac, de asemenea, presupunem c variabilele aleatoare Bt cumulate sunt gausiene


rezult Bt Bs

sunt independente de Br i deci Bt Bs sunt independente de

-algebra generat de {Br ; r s}.

Fie = C R + , R spaiul funciilor continue definite pe R + cu valori n R . Pe

construim funciile Bt definite prin Bt ( ) = (t ) i nzestrm acest spaiu cu o


msur (msur Weiner) astfel nct Bt s fie o micare Brownian.
Filtrarea natural este Ft = {Bs , s t} .
Definiia 2.2. Procesul stochastic

( X t , t 0)

este o micare brownian cu

originea n a (cu starea iniial a ), dac X t = a + Bt , unde a este o constant i Bt o


micare brownian standard.
Definiia 2.3.

( X t , t 0)

este un proces brownian general sau o micare

brownian cu deriva dac X t = x + t + Bt i Bt este o micare brownian.


Observaie. 1. X t este o variabil gaussian cu media x + t i variana 2 t .

2. Variabilele aleatoare X ti +1 X ti , t 0 t1 .... t n sunt independnente.


2.1. Construcia unei micri browniene (Lvy-Cielsieski)

Fie ei funcii din L2 cu valori n intervalul [0,1] . Funciile ei formeaz un


sistem ortogonal complet dac

2
i

= 1 pentru i = j i

e e
i

= 0 pentru i j .

Combinaii liniare finite ale acestor funcii formeaz o submulime dens n L2 [0,1] .
1

Notm f , g = fg i f = f , f

12

Propoziia 2.1. 1.

i =1

f , e1 ei converge n L2 la f ; 2.

Dac f i g sunt din L2 atunci f , g = f , ei g , ei .


i =1

39

= f , ei
i =1

Demonstraie. Fie g n = f f , ei ei . Cum ei formeaz un sistem ortogonal rezult


i =1

a i ei
i =1

i =1

0 gn

= f

= ai2 . Avnd n vedere acest lucru obinem inegalitatea:


2

= f

i =1

f , ei

f , ei ei

2 f , f , ei ei = f
i =1

+ f , ei

i =1

2 f , e i

i =1

. Trecem la limit i pentru n obinem inegalitatea lui Bessel:

i =1

f , ei

gn gm

i =1

. Din inegalitatea lui Bessel rezultat c pentru n, m seria

i = m +1

f , ei

tinde la 0. Cum L2 este un spaiu complet rezult c g n este

convergent n L2 , de exemplu la g . Fie i un indice fixat, atunci pentru n i are loc


g n , ei = f , ei f , ei = 0 .

relaia

Relaia

Cauchy-Schwartz

implic

g , ei g n , ei = g g n , ei g g n ei 0 , pentru n . Prin urmare


g , ei = 0 pentru orice i . Cum sistemul ei este complet rezult g = 0 , deci are loc

axioma (1).
Axioma (2) rezult din relaia g n

= f

Axioma (3) rezult din egalitatea

f , ei

i din faptul c g n 0 .

i =1

f,g =

1
f +g
2

) i din aplicarea

axiomei (2) funciilor f , g i f + g .


Pentru a construi o micare brownian considerm un caz particular de sistem
ortogonal complet, i anume funciile Haar. Fie 00 1 . Pentru un indice i ntreg
pozitiv i pentru un indice j = 1,2,...,2 i 1 definim funcia ij (x ) astfel:

ij (x ) =

2 (i 1) 2

pentru (2 j 2 ) 2 i x < (2 j 1) 2 i ,

2 (i 1) 2

pentru (2 j 1) 2 i x < 2 j 2 i ,

n rest.

40

Este uor de verificat faptul c ij , kl = 1 pentru i = k i j = l i 0 n rest.


Definim acum o micare brownian pentru cazul n care t [0,1] . Fie atunci
t

funcia ij (t ) = ij (s )ds . Fie Yij un ir de variabile aleatoare independente, identic


0

2i 1

repartizate, cu o repartiie normal standard. Fie V0 (t ) = Y00 00 (t ) i Vi (t ) = Yij ij (t ) .


j =1

Fie X t = Vi (t ) . Atunci X t , cu t [0,1] este o micare brownian.


i =0

Demonstrm mai nti convergena seriei. Fie Ai = sup Vi (t ) i 2 . Atunci are loc
t

relaia:

) (

P( Ai ) P j 2 i 1 : Yij ij (t ) > i 2 pentru t [0,1] P j 2 i 1 : Yij 2 -(i-1) 2 > i 2

2 i 1 P Yij > 2 (i +1) 2 i 2 2 i 2 e 2

din care rezult c

i4

P( A ) < . Avnd n vedere acest rezultat putem aplica lema


i

Borel-Cantelli. Prin urmare P IU An = 0 . Deci dat , exist I cu i I pentru


j =1 n = j
care Ai . Astfel pentru i I , sup Vi (t )( ) i 2 pentru orice t . Cum seria
t

este convergent rezult seria

V (t )( )
i

este uniform convergent. Cum Vi (t ) este

continu pentru fiecare i rezult c nu numai seria converge uniform pentru fiecare
dar i limita este o funcie continu de t .
Mai departe, cum X t este o combinaie liniar de variabile Yij rezult X t este
variabil

gaussian

deci

media

este

0.

Artm

acum

faptul

pentru

s t , Cov( X s , X t ) = s .

Cov( X s , X t ) = E Yij ij ,1[0, s ] , Ykl kl 1[0,t ]


k ,l
i, j

= ij ,1[0, s ] ij ,1[0,t ] .

i, j

Din propoziia 2.1. rezult c pentru s < t ultimul termen al egalitii de mai sus este
1[0, s ] ,1[0,t ] = s .
41

Pentru a construi o micare brownian pentru orice t 0 procedm n felul


urmtor: fie X t i X t dou micri browniene independente, unde t 1 . Fie Yt = tX 1 t .
pentru t 1
X t
Atunci definim variabila aleatoare Z t astfel: Z t =
. Pentru
X 1 + (Yt Y1 ) pentru t > 1

t 0 , Z t este o micare brownian.


2.2. Mers aleatoriu

Fie (,F , P ) un spaiu probabilistic i fie pe acest spaiu o familie de variabile


aleatoare X 1 , X 2 , X 3 ,.... independente, identic repartizate, cu o repartiie Bernoulli
caracterizat prin P( X i = 1) = P( X i = 1) =

1
, i N * . Acestei familii de
2

variabile

aleatoare i asociem irul (S n , n 0 ) definit prin S 0 = 0 , S n = X i (Fig.1). Spunem c


i =1

S n este un mers aleatoriu simetric simplu. Printr-un calcul simplu se arat c valoarea
medie i variana sunt egale cu E (S n ) = 0 i respectiv Var (S n ) = n .

Fig. 1

Observaie. irurile (S m S n , m n ) i (S 0 , S1 ,..., S n ) sunt independente iar S m S n i

S m n au aceeai lege.

42

Fie N fixat. Definim o familie de variabile aleatoare U k =


N

k
, unde k N .
N

numere reale de forma

este E U k
N

= 0 iar variana Var U k

1
S k , indexat prin
N

Pentru aceast variabil media

k
= .
N

Verificm proprietile de independen i staionaritate:

1. dac k k ' , U k U k ' este independent de U p ; p k ' ;


N
N
N

2. dac k k ' , U k U k ' i U k k ' au aceeai lege .


N

Pornind de la familia de variabile aleatoare U k definim un proces continuu n timp


N

(U t , t 0) impunnd funciei t U t

condiia de afinitate ntre

k
k +1
i
(Fig.2).
N
N

Fig. 2
In acest scop, N fiind fixat, se observ c pentru orice t din R+ exist un unic k (t ) n
N , astfel nct

k (t )
k (t ) + 1
t<
. Definim variabila aleatoare
N
N

43

U tN = U k + N t U k +1 U k ,
N N
N
N

unde k = k (t ) . Pentru t = 1 obinem U 1N =

S N NE ( X 1 )
NVar ( X 1 )

S N . Atunci din

teoarema limit central rezult c U 1N N (0,1) , n lege. Analog U tN converge n lege


la N (0, t ) pentru orice t din [0,1] . In aceste condiii putem spune c U N converge n
lege la o micare brownian B . Aceast convergen n lege a procesului U N se mai
numete i principiul invarianei lui Donsker.
Observaie. Aceast proprietate este utilizat atunci cnd sunt realizate simulri.
2.3. Proprieti ale micrii browniene

Considerm micarea brownian B = (Bt , t 0) i fie Ft = {Bs , s t } filtrarea


sa natural.
Propoziia 2.2. Procesul B este un proces gaussian a crui repartiie este

caracterizat de media 0 i covariana Cov(Bt , Bs ) = s t .


Demonstraie.

n
i =0

Caracterul

gaussian

al

procesului

rezult

din

egalitatea

ai Bti = i =0 bi Bti +1 Bti , unde ai = bi bi +1 pentru i n 1 i a n = bn . Deoarece


n

procesul este centrat covariana este egal cu E (Bt Bs ) . Dac s t atunci are loc relaia:

( )

E (Bt Bs ) = E (Bt Bs )Bs + Bs2 = E (Bt Bs )E (Bs ) + E Bs2 = s .


Generalizare: Procesul ( X t = x + t + Bt , t 0 ) este un proces gaussian cu

media x + t i covariana E [( X t E ( X t ))( X s E ( X s ))] = 2 (s t ) .


Notaie. Fie E x ( f (Bs )) = E ( f ( x + Bs )) media lui f (Bs ) atunci cnd B este o micare

brownian a crei stare iniial este x . Analog, fie Px (Bs A) = P( x + Bs A)


probabilitatea variabilei aleatoare Bs cnd B este o micare brownian a crei stare
iniial este x i fie Px (Bs da ) densitatea variabilei aleatoare Bs cnd B este o
micare brownian a crei stare iniial este x .

44

Propoziia 2.3. Dac

(Bt , t 0)

este o micare brownian atunci Bt are

urmtoarele proprieti:
1. B t = Bt este o micare brownian;

~
2. Bt = cBt c 2 , c > 0 , este o micare brownian;
3. Bt = tB1 , orice t > 0 , B0 = 0 este o micare brownian.
t

Demonstraie. Este suficient s verificm caracterul gaussian al proceselor i s

calculm mediile i covarianele corespunztoare. Verificm pentru afirmaia 2


axiomele din definiia micrii browniene.
~
1. B0 = cB0 c 2 = cB0 = 0 .
~
2. Bt are traiectorii continue i dac s < t atunci

1
~ ~
Cov Bs , Bt = c 2 Cov Bs c 2 Bt c 2 = c 2 s 2 = s .
c

~
~
Creterile Bt + s Bs = cB(t + s ) c 2 cBs c 2 = c Bt c 2 + s c 2 Bs c 2

) fiind multipli de variabile

aleatoare normal repartizate admit o repartiie normal. Cum creterile Bt c 2 + s c 2 Bs c 2


~
~
au media 0, rezult i creterile Bt + s Bs au media 0 iar variana este dat de expresia:

~
~
E Bt + s Bs

= E cB(t + s ) c 2 cBs c 2

= c 2 E Bt c 2 + s c 2 Bs c 2

= c 2t

1
=t.
c2

3. Dac t1 < t 2 t 3 < t 4 atunci t1 c 2 < t 2 c 2 t 3 c 2 < t 4 c 2 iar intervalele

[t

] [

c 2 , t 2 c 2 i t 3 c 2 , t 4 c 2 sunt disjuncte, prin urmare creterile corespunztoare

sunt independente. Prin nmulirea cu o constant c aceste creteri rmn independente


~
~
~
~
i deci creterile Bt4 Bt3 i Bt2 Bt1 sunt i ele independente.
~
4. lim Bt = lim cBt c 2 = c lim Bt c 2 = 0 .
t 0

t 0

t 0

Proprietatea Markov. Pentru orice s , procesul stochastic (Wt , t 0 ) definit


def

prin Wt = Bt + s Bs este o micare brownian independent de - algebra Fs .


Propoziia 2.4. Pentru o funcie borelian mrginit f i pentru u i t astfel

nct u > t are loc relaia E ( f (Bu )Ft ) = E ( f (Bu ) (Bt )) .

45

Demonstraie. Avnd n vedere faptul c

u>t

putem construi creterile

corespunztoare procesului i aplicm proprietile mediei condiionate:


E ( f (Bu )Ft ) = E ( f (Bu Bt + Bt )Ft ) = (u t , Bt ) ,

unde (u t , x ) = E ( f (Bu Bt + x )) = E ( f (Y + x )) iar Y i Bu Bt au aceeai lege de


repatiie N (0, u t ) .
Analog se demonstreaz relaia E ( f (Bu ) (Bt )) = (u t , Bt ) . Prin urmare putem scrie
(s , x ) =

1
2s

f ( y ) exp

( y x )2 dy .

2s

Observaie. Aceast proprietate poate fi scris i cu ajutorul mediei condiionate, astfel

putem spune c variabila aleatoare Bu condiionat de Bt are o lege gaussian de medie

Bt i varian u t . Atunci E 1 Bu x Ft = E 1 Bu x (Bt ) = E 1 Bu s Bt , pentru t u .

Propoziia 2.5. (Proprietatea tare Markov). Fie T timp de oprire cu valori


finite. Atunci are loc relaia E ( f (BT + s )FT ) = E ( f (BT + s ) (BT )) . In particular, pentru
def

orice timp de oprire finit T , procesul (Wt , t 0 ) definit prin Wt = Bt +T BT este o


micare brownian independent de FT .

Exemplu (ecuaia cldurii). Fie g (t , x ) densitatea unei variabile gaussiene centrate de


varian t . Fie q (t , x, y ) =

1
2t

exp

( y x )2
2t

= g (t , x y ) densitatea de tranziie a

micrii browniene. Atunci putem scrie P (Bt + s dy Bs = x ) = q(t , x, y )dy .


Derivata

la

dreapta

densitii

de

tranziie

este

dat

de

ecuaia:

densitii

de

tranziie

este

dat

de

ecuaia:

2
q
(t , x, y ) = 1 q2 (t , x, y ) .
t
2 y

Derivata

la

stnga

2
q
(t , x, y ) = 1 q2 (t , x, y ) .
t
2 x

46

Avnd n vedere proprietatea de staionaritate a creterilor unei micri browniene,


putem afirma c pentru orice funcie borelian mrginit are loc relaia:
E ( f (BT ) Bt = x ) =

f ( y )q(T t , x, y )dy .

Fie
u (t , x, f ) =

f ( y )q(t , x, y )dy = E ( f (Bt + x )) = E ( f (Bt + s ) Bs = x ) =

f (x + y )g (t , y )dy

u (0, x, f ) = f ( x )

.
soluia sistemul u 1 2 u
+
=0

2
t 2 x

(1)

Pentru a calcula valoarea medie E ( f (BT )) este suficient s rezolvm sistemul (1) i s
observm c E ( f (BT )) = u (T ,0, f ) . De asemenea, obinem E ( f (BT + x )) = u (T , x, f ) .

Mai mult,

2u
(t , x, f ) = f (x + y )g (t , y )dy = u (t , x, f ) = E ( f (Bt + x ))
x 2

(2).

Atunci putem scrie:


T

u
1 2u
E ( f (BT + x )) f ( x ) = u (T , x, f ) u (0, x, f ) = (s, x, f )ds = 2 (s, x, f )ds ,
t
2 0 x
0
de unde rezult relaia E ( f (BT + x )) = f (x ) +

1
E ( f (Bs + x ))ds .
2 0

Generaliznd putem spune c funcia v(t , x, f ) = u (T t , x, f ) este soluia sistemului


v(T , x ) = f ( x )

v 1 2 v
=0
+
t 2 x 2
Cu condiia v(0, x, f ) = E ( f (BT + x )) .

Propoziia 2.6. Dac f este o funcie de clas Cb1 n parametrul timp i de


clas Cb2 n parametrul stare atunci are loc relaia
t

E ( f (t , x + Bt )) = f (0, x ) + E f xx (s, x + Bs ) + f t(s, x + Bs ) ds .


2

47

Demonstraie. Fie

u (t , x, f ) = E ( f (t , x + Bt )) .

du
(t , x, f ) = u (t , x, t f ) + 1 u (t , x, xx f ) .
dt
2
u (t , x, f ) = F (t , t , x, f ) , unde

Din relaiile (1) i (2) rezult

Prin

urmare

putem

scrie

F (s, t , x, f ) = E ( f (s, x + Bt )) . Aplicnd teorema de

derivare a funciilor compuse obinem:


du
(t , x, f ) = F (t , t , x, f ) + F (t , t , x, f ) = E f (s, x + Bt ) + 1 u (t , x, xx f ) .
dt
s
t
t
2
Integrnd relaia n raport cu t rezult:
t

u (t , x, f ) u (0, x, f ) = E f t (s, x + Bs ) + xx f (s, x + Bs ) ds .


2

Observaie. Acest rezultat poate fi generalizat la un proces X

definit prin

X t = x + t + Bt . Funcia u (t , x, f ) = E ( f (t , x + t + Bt )) verific relaia:


du
(t , x, f ) = 1 2 u (t , x, xx f ) + u (t , x, x f ) + u (t , x, t f ) i u (0, x, f ) = f (x ) .
dt
2
1
Fie L operatorul definit prin L ( f ) = 2 xx f + x f .
2

Propoziia 2.7. Dac f este o funcie de clas Cb1 n parametrul timp i de


clas Cb2 n parametrul stare atunci are loc relaia
t

E ( f (t , x + t + Bt )) = f (0, x ) + E [Lf (s, x + s + Bs ) + t f (s, x + s + Bs )]ds .


0

Propoziia 2.8. Dac Lu = 0 atunci u (t , Bt ) este un martingal.


Demonstraie. Avnd n vedere c micarea brownian este un proces ale crui creteri
sunt independente rezult
E (u (t , Bt ) F s ) = E (u (s + t s, x + Bt s ))

x = Bs

= E (u s , x (t s, Bt s ))

unde u s , x (t , y ) = u (s + t , x + y ) . De asemenea,
t

E (u s , x (t s, Bt = s )) = u s , x (0,0 ) + Lu s , x ( , B )d .
0

48

x = Bs

Din ipotez L (u ) = 0 deci Lu s , x = 0 . Prin urmare axioma 3 din definiia martingalului


este verificat: E (u (t , Bt ) F s ) = u s , x (0,0 )

= u (s , B s ) .

x = Bs

2.4. Traiectoriile unei micri browniene


Traiectoriile unei micri browniene sunt continue.

Propoziia 2.9. Fie n fixat i t j =


2n

[B(t ) B(t )]
j =1

j 1

j
t pentru j cu valori ntre 0 i 2 n . Atunci
2n

a.s.

t pentru n .
2n

( )

Demonstraie. Fie Z = B (t j ) B (t j 1 ) , atunci E Z tn = t . Dorim s artm c


n
t

((

j =1

) ) 0 . Avem n vedere faptul c dac X este o variabil a crei lege de


repartiie este N (0, ) i variabila X are variana 2 putem demonstra
convergena: Var (Z ) 0 . Calculm variana variabilei Z :
E Z tn t

n
t

n
t

2n

( ) = Var [B(t ) B(t )]

Var Z

n
t

j =1

j 1

2n

t2
t
= 2 n = 2 n +1 2 n .
2
j =1 2

2
t

Prin urmare E (Z tn t ) = n < . Deci
n =1
n =1 2

(Z

n =1

n
t

< i termenul general

converge aproape sigur la 0.


Propoziia 2.10. Fie o partiie a intervalului [0, t ] , 0 = t 0 t1 ... t n = t .
Fie Vt variaia traiectoriei micrii browniene n intervalul
Vt ( ) = sup

[0, t ]

definit prin

Bti +1 ( ) Bti ( ) . Atunci Vt ( ) = aproape sigur.

Demonstraie. sup

2n

Bti +1 Bti sup n Yk


k =0

, unde Yk = Bt * Bt * iar punctele


k +1

2
k
sunt definite astfel: t = n t . Majornd Z tn obinem Z tn sup Bt * Bt * Yk .
k +1
k
2
k =0
k
*
k

Cum traiectoriile sunt uniform continue pe intervalul [0, t ] , pentru n tinznd la ,

49

termenul Btk +1 Btk tinde la 0 aproape sigur. Seria

2n

Y
k =0

este cresctoare i nu poate

avea limit finit dac Z tn nu converge la 0.


2.5. Proprietatea de martingal
Propoziia 2.11. Micarea brownian Bt este un martingal. Analog, procesul

(B

2
t

t , t 0 este un martingal. Reciproc, dac X este un proces continuu astfel nct

X i (X t2 t , t 0) sunt martingale atunci X este o micare brownian.


Demonstraie. Calculm mediile condiionate innd cont de independena creterilor n

cazul micrii browniene i de egalitatea E (X G ) = E ( X ) pentru, X i G independente.


Fie s t , atunci E (Bt Fs ) = E (Bt Bs F s ) + E (Bs F s ) = 0 + Bs . Analog

se arat

egalitile: E (Bt Bs ) F s = t s i

) (

E (Bt Bs ) F s = E Bt2 + Bs2 2 Bt Bs F s = E Bt2 Fs + Bs2 2 Bs E (Bt F s ) = E Bt2 F s Bs2


2

Prin urmare obinem E (B t Fs ) = B s .


2
t

2
s

Observaie. Analog se demonstreaz c dac Bt este o micare brownian atunci


2

e aX t a t 2 este un martingal.

Propoziia 2.12. Fie B1 i B2 dou micri browniene independente. Produsul


B1 B2 este un martingal.

Demonstraie. Pentru demonstraie putem utiliza proprietatea urmtoare: fie F i G

dou -algebre , X i Y dou variabile aleatoare astfel nct X F i G sunt


independente i

Y G i

F sunt independente. Atunci are loc egalitatea

E (XY F G ) = E (X F )E (Y G ) .

Alt metod: utilizm faptul c

1
(B1 + B2 ) este un proces gaussian de covarian t s
2

deci o micare brownian. Prin urmare

1
(B1 (t ) + B2 (t ))2 t este un martingal. Dar cum
2

1
(B1 (t ) + B2 (t ))2 t = 1 (B12 (t ) t ) + 1 (B22 (t ) t ) + B1 (t )B2 (t ) obinem rezultatul cutat.
2
2
2

50

Definiia 2.4. Spunem c procesul B este o (G t ) - micare brownian dac B i

(B

2
t

t , t 0 sunt (G t ) -martingale.

Propoziia 2.13. Pentru orice real, procesul exp Bt 2 t , t 0 este


2

un

martingal.

Reciproc,

dac

X este

un

proces

continuu

astfel

nct

exp X t 2 t , t 0 este un martingal, atunci pentru orice real procesul X


2

este o micare brownian.

Demonstraie. Independena implic egalitate:

1
1

E exp (Bt Bs ) 2 (t s ) F s = E exp (Bt Bs ) 2 (t s ) .


2
2

Media

din

membrul drept se calculeaz ca transformata Laplace a unei variabile gaussiene.


Obinem

1
1
1

E exp (Bt Bs ) 2 (t s ) = 1 i E expBt 2 t F s = expBs 2 s .


2
2
2

Pentru a demonstra reciproca se ine cont de caracterizarea variabilei gaussiene prin


intermediul transformatei Laplace.
Generalizare

Propoziia 2.14. Fie spaiul (,F ,Ft , P ) i fie B o Ft - micare brownian pe


acest spaiu. Dac X t = t + Bt atunci, pentru orice real

1
exp X t + 2 2 t , t 0 este un Ft - martingal. Reciproc, dac X este un


proces stochastic continuu astfel nct exp X t + 2 2 t , t 0 este un
2

Ft -martingal, exist atunci B o Ft - micare brownian astfel nct X t = t + Bt .

Demonstraie. Cum exp Bt 2 t , t 0 este un martingal, trebuie doar s inem


2

cont de faptul c Bt =

( X t t ) i s facem subtituia = .

51

2.6. Timp de lovire


Propoziia 2.15. Fie (Bt , t 0) o micare brownian i fie a un numr real. Fie
Ta = inf {t 0; Bt = a}. Atunci Ta este un timp de lovire finit aproape sigur, cu

E (Ta ) = . Pentru 0 are loc relaia E (exp Ta ) = exp a 2 .

Demonstraie. Variabila aleatoare Ta este un timp de oprire. Prin urmare pentru a > 0

avem Ta = inf {t 0; Bt a}. Se obine atunci relaia

{Ta t} = sup Bs
s t

a = {s Q : Bs > a } = Q + s t , sQ {Bs > a }

care spune c {Ta t} se obine din reuniuni i intersecii numrabile de elemente din

Ft , prin urmare aparine acestei -algebre.


Pentru a calcula transformata Laplace a legii variabilei aleatoare Ta , mai precis

E e Ta , utilizm faptul c t Ta este timp de oprire mrginit i teorema de orpire a lui


2
Doob. Astfel, pentru orice t avem E exp Bt Ta (t Ta ) = 1 . Cum t tinde la ,
2

i Ta este finit are loc relaia Bt Ta BTa = a . De asemenea putem scrie:

2
2
exp Bt Ta (t Ta ) exp a Ta .
2
2

Pentru Ta infinit avem Bt Ta a i (t Ta ) = t .

2
Prin urmare exp Bt Ta (t Ta ) 0 . Trecnd la limit i utiliznd teorema
2

2
convergenei dominante a lui Lebesgue, E 1Ta < exp Ta = exp( a ) . Pentru a
2

obine E (Ta ) derivm n raport cu i punem condiia = 0 .


De asemenea, se poate spune c pentru a > 0 i > 0 , martingalul

2
exp Bt Ta (t Ta ) este mrginit, deci este uniform integrabil i se aplic teorema
2

de oprire a lui Doob pentru t = .

52

Se observ c pentru a < 0 , Ta = inf {t 0 ; Bt = a} = inf {t 0 ;Wt = a}, unde

W = B . Egalitatea E (exp Ta ) = exp a 2

) nu este adevrat pentru orice

a.

Dac a < 0 i > 0 , termenul din membrul stng este mai mic dect 1 n timp ce
termenul din membrul drept este mai mare dect 1.
Densitatea variabilei aleatoare Ta pentru a > 0
a2
exp
2t 3
2t
a

este dat de formula

i se determin aplicnd inversa transformatei Laplace.

In mod analog se obin urmtoarele rezultate:

) [ (

Fie Ta = inf {t 0 ; Bt = a}, cu a > 0 atunci E exp Ta = cosh a 2

Dac a 0 b atunci P(Ta < Tb ) =

Dac c i d sunt reali pozitivi i T = Tc T d atunci

)]

b
.
ba

2 cosh ( (c d ) 2)
sinh (d )
i E exp T =
.
E exp T 1T =Tc =
2
sinh ( (c + d ))
2 cosh ( (c + d ) 2)
Generalizare

Dac X t = t + Bt i Ta = inf {t 0 ; X t = a} atunci utiliznd martingalul

1
exp X t + 2 2 t , t 0 putem spune c pentru > 0 i > 0 are loc

relaia

E exp Ta = exp a a 2 + 2 ,

1
unde = + 2 2 .
2
Pentru = 0 obinem P(Ta < ) . Dac a i au acelai semn atunci aceast cantitate
este 1.

53

2.7. Micarea brownian multidimensional

Fie Bt = (Bt(1) , Bt(2 ) ,....., Bt(n ) ) un proces stochastic n -dimensional. Spunem c


T

B este o micare brownian multidimensional dac procesele stochastice (B (i ) , i n )

sunt micri browniene independente. Bt este un proces cu creteri independente.


Pentru fiecare pereche (a, b ) procesul aBt(1) + bBt(2 ) este un proces gaussian. Este uor de
1

def

verificat faptul c Bt =

(aB ( ) + bB ( ) ) este o micare brownian.


1

a +b
2

Dac B este o micare brownian n -dimensional atunci are loc relaia

E (BtT Bs ) = n(s t ) .
Procesul n -dimensional B este o micare brownian dac i numai dac
procesele B (i ) i B (i ) B ( j ) i , j t sunt martingale, unde i ,i = 1 i i , j = 0 pentru i j .
Dac B1 i B2 sunt dou micri browniene independente cu valori reale, atunci
produsul B1 B2 este un martingal.
Spunem c micrile browniene cu valori reale B1 i B2 sunt corelate i au
coeficientul de corelaie , dac B1 (t )B2 (t ) t este un martingal.
Fie procesul B3 definit prin B3 (t ) =

1
1 2

(B2 (t ) B1 (t )) . Atunci

B3 este un

martingal. Din relaia

(B3 (t ))2 t =
=

1
(B2 (t ))2 + 2 (B1 (t ))2 2 B2 (t )B1 (t ) t (1 2 ) =
2
1

1
(B2 (t ))2 t + 2 (B1 (t ))2 t 2 [B2 (t )B1 (t ) t ]
2
1

rezult (B3 (t )) t este un martingal i deci B3 este o micare brownian. Se poate


2

demonstra c B1 i B3 sunt independente iar B1 B3 este un martingal . In cazul n care


B1 B3 este un martingal, exist o micare brownian B (3) independent de B (2 ) astfel

nct

B (1) = B (2 ) + 1 2 B (3)

procesul Bt =

1
a + b + 2 ab
2

pentru

orice

pereche

(aB ( ) + bB ( ) ) este o micare brownian.


1

54

(a, b )

2.8. Integrala Weiner

( )

Definiia 2.5. Fie L2 R + mulimea funciilor boreliene f definite pe R + cu

valori n R de ptrat integrabile, adic

f (s )

ds < . Acest spaiu nzestrat cu norma

= f
0

(s )ds

12

este un spaiu Hilbert.

Funcii scar

Pentru f = 1(u ,v ] , avem f (s )dBs = B(v ) B(u ) .


0

i =1

Fie f o funcie scar, atunci putem scrie f (s )dBs = f i 1 (B(t i ) B(t i 1 )) .


def

Variabila aleatoare I ( f ) =

f (s )dB

este o variabil gaussian de medie 0 i varian

f (s )ds . Cum
2

B este o variabil gaussian centrat rezult c I ( f ) este o variabil

gaussian centrat. Mai mult variana variabilei I ( f ) este dat de relaia:


n

i =1

i =1

Var (I ( f )) = f i 21Var (B(t i ) B(t i 1 )) = f i 21 (t i t i 1 ) = f

(s )ds .

Integrala este liniar I ( f + g ) = I ( f ) + I (g ) . Dac f i g sunt funcii scar atunci


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

f (s )g (s )ds i prin urmare putem scrie relaia:

R+

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

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

(s )ds + g 2 (s )ds + 2 f (s )g (s )ds .

55

Cazul general

Dac f aparine L2 (R + ) , exist un ir de funcii scar f n convergent n L2 (R + )

la f , adic un ir care verific relaia

fn f

(x )dx n
0 . In acest caz, irul

f n este

ir Cauchy n L2 (R + ) . irul de variabile aleatoare Fn = f n (s )dBs este un ir Cauchy n


0

spaiul Hilbert L2 ( ) , prin urmare este convergent. Este suficient s demonstrm c


limita

depinde

def

I( f ) =

numai

de

nu

de

alegerea

lui

fn .

Fie

f (s )dBs = lim f n (s )dBs , limita fiind considerat n L2 ( ) . In aceste condiii


n

spunem c I ( f ) este integrala stochastic sau integrala Weiner a lui f n raport cu B .


Subspaiul L ( ) al variabilelor aleatoare
2

f (s )dB

coincide cu spaiul gaussian

generat de micarea brownian.


Proprieti

Aplicaia f I ( f ) definit pe L2 (R + ) cu valori n L2 ( ) este liniar i


verific proprietatea de izometrie. Liniaritatea se refer la relaia I ( f + g ) = I ( f ) + I ( g )
iar izometria se refer la faptul c norma lui I ( f ) este egal cu norma lui f . Norma lui

I ( f ) este norma pe L2 ( ) definit prin I ( f ) = E (I ( f ))


2

norma pe L (R
2

) definit prin

=f

) iar norma lui

f este

(s )ds .

Proprietatea de izometrie implic E (I ( f )I ( g )) =

f (s )g (s )ds .

R+

Fie f din L2 (R + ) . Variabila I ( f ) este o variabil aleatoare gaussian cu media


0 i variana

f (s )ds din spaiului gaussian generat de (B , t 0) , iar pentru orice


2

verific relaia: E Bt f (s )dBs = f (s )ds . Acest relaie este o caracterizare a


R+
0

56

integralei stochastice n sensul urmtor: dac pentru orice t , E (ZBt ) = f (s )ds atunci
0

Z = f (s )dBs .
0

Demonstraie. Este suficient s observm egalitatea:

E B(t ) f (s )dBs = E dBs f (s )dBs .

R+
R+

Fie f din L2 (R + ) . Definim variabila aleatoare

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


0

Analog, pentru orice T i pentru funcii f care verific condiia

f (s )

ds < ,

putem defini

f (s )dB

ceea ce permite definirea integralei stochastice pentru o clas

mai larg de funcii. Notm acest clas prin L2loc .


t

Propoziia 2.16. Fie f din L2loc i fie M t = f (s )dBs . Atunci:


0

1. dac procesul M este un martingal continuu, atunci variabila aleatoare M t


t

are media 0 i variana

f (s )ds .
2

2. procesul M este un proces gaussian centrat, cu creteri independente, a crui


t s

covarian este

f (u )du .
2

3. procesul M t2 f
0

(s )ds, t 0

este un martingal.

4. dac f i g sunt din L2loc atunci are loc relaia


s
t s
t
E f (u )dBu g (u )dBu = f (u )g (u )du .
0
0
0

57

Demonstraie. Considerm cazul n care f este o funcie elementar i trecem la

limit. Pentru a verifica faptul c M

un martingal demonstrm c pentru

t
f = f i 1 1(ti 1 ,ti ] are loc relaia : 0 = E (M t M s F s ) = E f (u )dBu F s .
i =1

Presupunem t i < s < t t i +1 , atunci E f (u )dBu F s = f i E ((Bt Bs ) F s ) i relaia


s

precedent este demonstrat.


Presupunem t i < s t i +1 t j < t t j +1 , atunci

j 1

E f (u )dBu F s = E f j Bt Bt j + f k Btk +1 Btk + f i Bti +1 Bs F s =


k =i +1

) f E (B

= f j E Bt Bt j F s +

j 1

k = i +1

t k +1

) (

Btk F s + f i E Bti +1 Bs F s = 0

Analog se procedeaz n celelelate cazuri. In particular are loc relaia:

E M M F s = E (M t M s )
2
t

2
s

2
t

Fs = E f (u )dBu Fs =

= E f (t k ) Btk +1 t Btk t Fs = f
2

(t k )((t k +1 t ) (t k t )) .

Propoziia 2.17. Dac f este o funcie de clas C 1 atunci are loc formula:
t

f (s )dBs = f ( f )B(t ) f (s )Bs ds .


0

Demonstraie. Pentru a demonstra formula este suficient s artm c are loc egalitatea:
t
t u

t

E Bu f (s )dBs = E Bu f (t )Bt f (s )Bs ds . Membrul stng este egal cu f (s )ds .



0
0
0

Membrul drept se calculeaz avnd n vedere egalitile:


t
t
E (Bu f (t )Bt ) = f (t )(t u ) i E Bu f (s )Bs ds = f (s )(s u )ds .
0
0

58

In aceste condiii relaia cutat rezult aplicnd formula clasic de integrare prin pri
b

sf (s )ds .

pentru o expresie de tipul

Observaie. Formula poate fi rescris n forma: d (Bt f (t )) = f (t )dBt + bt f (t )dt .


2.9. Micarea brownian geometric
Definiia 2.6. Fie B o micare brownian i fie b i dou constante. Atunci

1
procesul stochastic X t = X 0 exp b 2 t + Bt se numete micare brownian
2

1
geometric sau proces log-normal. Prin urmare ln X t = b 2 t + Bt + ln x iar
2

variabila din membrul drept are o lege de repartiie normal.

Propoziia 2.18. Procesul X t e bt este un martingal.

1
Din expresia X t = X s exp b 2 (t s ) + (Bt Bs ) rezult caracterul markovian
2

al lui X . Caracterul markovian al lui X i proprietile micrii browniene permit


calcularea urmtoarei medii condiionate:


1
E (X t F s ) = X s E exp b 2 (t s ) + (Bt Bs ) F s =
2

= X s exp(b(t s ))E exp 2 (t s ) + (Bt Bs ) F s =


2

= X s exp(b(t s ))E exp 2 (t s ) + Bt s = X s e b (t s ) = E ( X t X s ) .


2

Analog, fie G o variabil aleatoare cu legea de repartiie N (0,1) , atunci are loc relaia:

E ( f ( X t )F s ) = E ( f ( X t ) X s ) = E

= E

1
f x exp b 2 (t s ) + G t s
=
2

x = X s

f X

1
f x exp b 2 (t s ) + (Bt Bs )
=
2
x = X s

1
exp b 2 (t s ) + y t s q (1,0, y )dy
2

59

Observaie. Acest proces este deseori utilizat pentru modelarea preului activelor.
Randamentul unui activ ntre dou date fixate este dat de variabila gaussian
1 2
b (t s ) + (Bt Bs ) .
2

Calcularea momentelor unei micri browniene geometrice este relativ simpl.


De exemplu, E ( X t ) = X 0 e bt . Pentru calcularea momentului de ordinul doi este
suficient urmtoarea transformare:

2
E (X t2 ) = X 02 E (exp{(2b 2 )t + 2Bt }) = X 02 E exp(2b | + 2 )t (2 ) t + (2 )Bt =
2

[(

)]

= X 02 exp 2b + 2 t . Prin urmare VarX t = x 2 e 2bt e t 1 .


Raportul lui Sharp este dat de formula

E(X t ) x
VarX t

Proces Ornstein-Uhlenbeck
t

Propoziia 2.19. Ecuaia lui Langevin Vt = aVs ds + Bt + V0 (sau altfel scris


0

dVt + aVt dt = dBt ) are ca soluie unic variabila aleatoare


t

Vt = e V0 + e (t s )adBs .
ta

Observaie. Variabila aleatoare V0 , micarea brownian B i constantele a i sunt


date.

Demonstraie. Fie

X = ( X t , t 0 ) procesul definit prin

e taV0 + e (t s )adBs .
0

Verificm faptul c X este soluie a ecuaiei lui Langevin. Aplicnd formula integrrii
t
t
t

prin pri obinem: e (t s )adBs = e at e sa dBs = e at e at Bt a e sa Bs ds .


0
0
0

Atunci are loc relaia: X t = e taV0 + Bt e at a e sa Bs ds .


0

60

t
t
t
s ua

sa
as

ds . Calculnd integrala
X
ds
e
V
ds
B
ds
a
e
e
B
du
=
+

s
s
u
0
0
0
0
0 0

Calculm

dubl

din

membrul

drept

due

rezult

ua

Bu dse

as

t
t

1
at
= Bs ds e e as ds .
a 0
0

Inlocuirea rezultatului obinut n relaia precedent implic:


t

a X s ds = V0 1 e

at

) + a e (

a s t )

Bs ds = X t + Bt + V0 .

Prin urmare X verific ecuaia lui Langevin.


Analog, notnd
dYt = e

at

Yt = e atVt

i aplicnd formula integrrii prin pri


t

dVt ae Vt dt = e dBt obinem soluia Yt = Y0 + e asdBs .


at

at

Propoziia 2.20. Dac V0 este o variabil aleatoare real, gaussian,


independent de micarea brownian (n particular dac V0 este o constant) atunci,
procesul

V,

numit

proces

Ornstein-Uhlenbeck,

este

gaussian

cu

media

E (Vt ) = e ta E (V0 ) i covariana cov[Vs , Vt ] = e sa ve ta + e ( s u )a 2 e (t u )a du , pentru


0

s t i v variana lui V0 . Procesul V este un proces Markov.


Demonstraie. Avnd n vedere forma soluiei ecuaiei lui Langevin i faptul c media
integralei stochastice este 0, rezult E (Vt ) = e ta E (V0 ) i
t
s

cov[Vs , Vt ] = covV0 e as + e as e au dBu , V0 e at + e at e au dBu =


0
0

t
s

= cov V0 e as , V0 e at + 2 e as e at cov e au dBu , e au dBu =


0
0

s t

= ve as e at + 2 e as e at e 2 au du .
0

Caracterul gaussian este uor de stabilit iar unicitatea se demonstreaz prin reducere la
absurd.

61

In particular, dac V0 este o constant ( v = 0 ) atunci cov[Vs ,Vt ] =


Var (Vt ) =

2
2a

e a ( s +t ) e 2 as 1 i

2a

(1 exp 2at ) .
s

Scriind Vs = e saV0 + e ( s u )adBu i Vs e ( s t )a = e taV0 + e (t u )adBu obinem pentru

s t relaia:
t

~
Vt = Vs e (t s )a + e (t u )adBu sau Vt + s = Vs e ta + e (t u )adBu ,
~
unde Bu = Bs +u Bs este o micare brownian independent de F s i deci de Vs . In

( (

) )

particular, E ( f (Vt + s )F s ) = E f Vs e ta + Y F s = E ( f (Vt + s )Vs ) , unde Y este o variabil


aleatoare independent de F s , ceea ce stabilete caracterul markovian al lui V .
Calculul poate fi refcut utiliznd relaia

( (

))

( ( )) i V ( ) = e

( y ) = E f ye ta + Y = E f Vt ( y )

ta

( (

) )

( )

E f Vs( x )e ta + Y F s = Vs( x ) , unde


t

x + e (t s )adBs .
0

Propoziia 2.21. Variabila aleatoare

V ds ,
s

este o variabil aleatoare

gaussian, cu media V0

2
1 e at
2
2 1 e at
i variana 3 (1 e at ) + 2 t
a
a
2a
a

Modelul Vasicek

O generalizare a modelului precedent este ecuaia drt = a (b rt )dt + dBt . In


aceast form el este utilizat pentru studierea fluctuaiei ratei dobnzii i este cunoscut
sub numele de modelul lui Vasicek.
Forma explicit a soluiei ecuaiei este rt = (r0 b )e

at

+ b + e a (t u ) dBu .
0

Notm rt b = Vt , atunci procesul V este soluia ecuaiei lui Langevin. Egalitatea


t

rt = (rs b )e a (t s ) + b + e a (t u ) dBu , s t , stabilete caracterul markovian al lui r .


s

62

Dac r0 este constant, atunci rt este o variabil gaussian cu media (r0 b )e at + b i


variana

2
2a

(1 exp 2at ) . Procesul


Cov(rs , rt ) =

r este gaussian cu covariana:

2
2a

e a ( s + t ) e 2 as 1 , s t .

Propoziia 2.22. Pentru s < t , i pentru procesul r definit mai sus au loc
urmtoarele formulele:
E (rt rs ) = (rs b )e a (t s ) + b i var(rt rs ) =

2
2a

(1 e

2 a (t s )

).

r ds este o variabil gaussian cu media

Propoziia 2.23. Variabila aleatoare

2
1 e at
2
2 1 e at
E rs ds = bt + (r0 b )
i variana 3 (1 e at ) + 2 t
a
a
a
2a
0

Demonstraie. Prin definiie rt = r0 + abt a rs ds + Bt . De unde rezult relaia:


0

rs ds =
0

1
[ rt + r0 + abt + Bt ] = 1 (r0 b )e at b e a (t u ) dBu + r0 + abt + Bt .
a
a
0

In general, pentru t s au loc formulele:


t

1 e a (t s )
E ru du F s = b(t s ) + (rs b )
= M (t , s )
a
s

2
Var ru du F s = 3 1 e a (t s )
2a
s

t s
a 2

1 e a (t s )
= V (t , s ) .
a

Cum variabila ru du este gaussian cu media i variana condiionate de F s cunoscute


s

atunci are loc relaia:


t

E exp ru du F s = exp M (t , s ) + V (t , s ) .
2

63

Observaie. Acest calcul este utilizat pentru evaluarea obligaiunilor cu cupon zero:
dac B(t , T ) este valoarea unei obligaiuni cu cupon zero a crei termen de scaden
este T , atunci

T

B(t , T ) = E exp ru du Ft

1 e a (t s ) 2
B(t , T ) = exp b(t s ) + (rs b )
3 1 e a (t s )
a
4a

t s
2 sa 2

1 e a (t s )

Bibliografie
D. Revuz, M. Yor

- Continuous Martingales and Brownian Motion. Springer,


Berlin, 1991

A. Borodin, P. Salminen

- Handbook of Brownian Motion: facts and formulae.


Birkhauser, 1996

Malliaris A. G.

- Stochastic Methods in Economics and Finance,


Advanced Textbooks in Economics, vol. 17, Elsevier
Science, 1982

64

Capitolul 3

Calcul stochastic
In acest capitol definim variabile aleatoare de forma

Yt ( ) = X s dBs ( ) ,
unde

( X t , t 0)

este un proces sigur (determinat) i

(Bt , t 0)

este o micare

brownian. Problema care apare este legat de elementul diferenial dBs , deoarece
funcia s Bs nu este derivabil. Un instrument adecvat a fost introdus n 1942 de K.
It. Acest instrument se numete integral stochastic i permite construirea n anumite
condiii a variabilei Yt ( ) sub forma unui martingal.

3.1. Integrala stochastic


3.1.1. Definiie
Fie (,F , P ) un spaiu probabilistic, fie B o micare brownian pe acest spaiu
i fie Ft = (Bs , s t ) filtrarea natural a micrii browniene B .

Definiia 3.1. Spunem c un proces este elementar dac exist un ir de


numere reale t j , 0 t 0 t1 .... t n i un ir de variabile aleatoare j din L2 ( ) ,

Ft -msurabile, cu
j

n 1

s ( ) = j ( )1(t
j =0

j , t j +1

proprietatea t = j pentru orice t (t j , t j +1 , mai precis


] (s ) .

Definiia 3.2. Definim integrala Weiner a procesului elementar n raport cu


micarea brownian B prin relaia :

n 1

j =0

s dBs = j (B(t j +1 ) B(t j )) .

65

Atunci au loc relaiile: E s dBs = 0 i Var s dBs = E s dBs .


0

0
0

Obinem:
t

n 1

j =0

s dBs = j (B(t j +1 t ) B(t j t )) ,


t

de unde rezult cotinuitatea aplicaiei t s dBs . Fie T j un ir cresctor de timpi de


0

n 1

oprire 0 T0 T1 .... Tn , i fie s ( ) = j ( )1 (T j ,T j +1 ] (s ) , unde j este un ir de


j =0

variabile aleatoare din L2 ( ) , FT j - msurabile. In aceste condiii putem defini


urmtoarea integral:
t

n 1

j =0

s dBs = j (B(T j +1 t ) B(T j t )) .


Cazul general
Definiia integralei Weiner poate fi extins la o clas mai larg de procese
stochastice.

Definiia 3.3. Procesele continue la stnga cu limit la dreapta, Ft -adaptate


pentru care

= E t2 dt < , se numesc procese cgld de ptrat integrabile,


0

def

adic procese din L2 R + . Notm cu mulimea acestor procese.


Observaie. Procesele elementare aparin mulimii .
Definiia 3.4. Spunem c n converge la n L2 ( R + ) dac n

pentru n .
Observaie. Aplicaia definete o norm care face din un spaiu complet.

Putem defini

dB
s

pentru orice proces din : privim prin prisma

k (n )
~
~
proceselor elementare. In acest sens, fie = lim n , unde n = jn 1 (t j ,t j +1 ] cu jn din

66

j =1

Ft , limita fiind considerat n L2 ( R + ) . Atunci integrala s dBs este limita n


j

k (n )

~
(B(t ) B(t )) iar media i variana au valorile 0 i respectiv

L2 ( ) a sumei

n
j

j =1

j +1

E j2 (t j +1 t j ) . Atunci au loc relaiile:


j

. E s dBs = 0 i E s dBs = E s2 ds
0

dB = 1[ ] (s )dB

Notm

dB = (B
s

. Dac este un proces elementar atunci

0 ,t

t i +1 t

Bti t . Mai general, dac este timp de oprire procesul 1(0, ] (t )


t

dB = 1( ] (s )dB

este adaptat i definim

0,

3.1.2. Proprieti

Fie mulimea proceselor adaptate, cgld din L2loc R + cu proprietatea

t
E s2 ( )ds < , pentru orice t .

Liniaritatea. Fie a i b dou constante i fie i ; i = 1,2 dou procese din .


t

Atunci are loc relaia:

(a
0

1
s

+ b s2 )dBs = a s1 dBs + b s2 dBs .

Proprietatea de martingal
t

Propoziia 3.1. Fie M t = s dBs , unde aparine . Atunci:


0

1. procesul M este un martingal cu traiectorii continui.


2

t
2. dac N t = s dBs s2 ds , procesul ( N t , t 0 ) este un martingal.
0

Demonstraie. Demonstraiile celor dou proprieti se fac mai nti pentru cazul n

care procesele sunt elementare i apoi prin trecere la limit pentru procese din .
67

s
t

Proprietatea de martingal se transcrie astfel: E u dBu F s = u dBu , pentru


0
0

t
t

orice t s , sau E u dBu F s = 0 i n particular rezult E u dBu = 0 .

s
s
2
t

t
Proprietatea 2 este echivalent cu relaia E u dBu F s = E u2 du Fs .
s

Pentru a defini M t pentru t T este suficient s punem condiia ca procesul s fie

T
din L2 ( [0, T ]) , adic s fie adaptat i E t2 dt < . In aceste condiii (M t , t T )

0
este un martingal.
Propoziia 3.2. Media procesului M t este E (M t ) = 0 iar variana este
t

Var (M t ) = E ( s ) ds . Fie din , atunci are loc relaia:


2

E s dBs s dBs = E s s ds .
0

0
t

Dac M t ( ) = s dBs i M t ( ) = s dBs atunci procesul M t ( )M t ( ) s s ds


este un martingal.
t

Demonstraie.

Este

suficient

observm

faptul

+ s )dBs

t
( s + s )dBs ( s + s )2 ds sunt martingale.

Propoziia 3.3. Fie un timp de oprire i fie un proces F B -adaptat astfel


2

nct E s2 ds < . Atunci E s dBs = 0 i E s dBs = E s2 ds .

0
0
0

0
t

Exemplu. Pentru orice t are loc relaia

B dB
s

68

1 2
Bt t
2

Demonstraie. Prin definiie

B dB
s

= lim Bt i Bti +1 Bti . Egalitatea

2 Bti Bti +1 Bti = Bt2i +1 Bt2i Bti +1 Bti


i =0

i =0

i =0

implic relaia:
t

Bs dBs =
0

n
1 2
1
2
lim
B

Bti +1 Bti = Bt2 t .

n
2
i =0
2

Propoziia 3.4. Fie din , atunci are loc urmtoarea relaie :


2
2
s
T

E sup u dBu 4 E u dBu = 4 E u2 du .


s T

0
0

[ ]

Demonstraie. Afirmaia rezult din inegalitatea lui Doob.


3.1.3. Proces It
t

Definiia 3.5. Un proces X este un proces It dac X t = x + bs ds + s dBs ,


t

unde b este un proces adaptat astfel nct

ds exist (n sens Lebesque) aproape

sigur pentru orice t i este un proces din .


dX t = bt dt + t dBt
Procesul It poate fi scris i n forma
.
X 0 = x

Coeficientul b este cunoscut sub numele de deriv iar este coeficientul de difuzie.
~
Scrierea dX t = bt dt + t dBt este unic. Adic dac dX t = bt dt + tdBt = bt dt + ~t dBt
~
atunci b = b i = ~ . In particular, dac X este un martingal local b = 0 i reciproc.
Proprieti.

1.

Dac

este

un

proces

din

E ( X t ) = E ( X 0 ) + E (bs )ds i pentru orice t s are loc relaia:


0

s
t
s
t

E (X t F s ) = X 0 + bu du + E bu du Fs + u dBu = X s + E bu du Fs .
0
s
0
s

69

atunci

2. Dac b 0 i atunci procesul X este un martingal continuu.

Reciproca este adevrat: n condiii bine stabilite de integrabilitate i msurabilitate


t

orice martingal continuu poate fi scris n forma x + s dBs .


0

Fie X un proces It, dX t = bt dt + t dBt , atunci avnd n vedere de condiiile


t

def t

de integrabilitate putem defini s dX s = s bs ds + s s dBs .


Croetul unui proces It. Fie Z un martingal continuu de ptrat integrabil,

E sup t Z t2 < . Se poate demonstra c exist un proces cresctor continuu A astfel


nct (Z t2 At , t 0) este un martingal. Procesul A se numete croetul lui Z i
notm At = Z , Z

sau At = Z t .

Demonstraie. Se are n vedere descompunerea urmtoare:

Z t2 = Z 02 + Z t2tk +1 Z t2tk = Z 02 + 2 Z t tk +1 Z t2tk +1 Z t tk + Z t tk +1 Z t2tk

))

Z + 2 Z s dZ s + At
2
0

Observaie. Croetul unei micri browniene este t . Croetul unei integrale stochastice
t

M t = s dBs este

formula:

M,N

2
s

ds . Croetul a dou martingale locale continue este dat de

1
M + N, M + N
2

M,M

integrale

stochastice

X t = x + H s dBs ,
0

N, N

).

Croetul

dou

definit

prin

Yt = y + K s dBs

este

X ,Y

= H s K s ds .
0

Propoziia 3.5. Croetul a dou martingale continue M i N este egal cu

variaia ptratic a acestor procese i este dat de formula


M,N

)(

= lim M ti +1 M ti N ti +1 N ti .
i =1

Observaie. Dac P i Q sunt dou probabiliti echivalente atunci croetul lui

M n raport cu P este egal cu croetul lui M n raport cu Q . Spunem c dou


70

martingale continue sunt ortogonale dac croetul lor este nul sau dac produsul lor este
un martingal.
Extindem definiia croetului pentru cazul proceselor It n felul urmtor: dac
dX i (t ) = bi (t )dt + i (t )dBi , i = 1,2 sunt dou procese It atunci croetul lor este prin
definiie croetul martingalelor corespunztoare. Croetul unui proces It X este dat de
t

formula: At = X

= s2 ds .
0

Observaie. Spunem c dou micri browniene sunt corelate dac croetul lor este

t . O micarea brownian poate fi caracterizat ca un martingal continuu de medie 0


i de croet t .
3.1.4. Lema lui It

Formula lui It a aprut ca o necesitate de a stabili o regul de derivare a


expresiilor de forma f (B(t )) , unde f ( x ) este o funcie difereniabil. Dac B(t ) ar fi
difereniabil atunci conform regulii de derivare a funciilor compuse rezult:

f (B(t )) = f (B(t ))B (t ) ,


t

sau n form diferenial: df (B(t )) = f (B(t ))B (t )dt = f (B(t ))dB(t ) .


Dar, B(t ) nu este difereniabil i n particular are variaii ptratice diferite de 0, prin
urmare formula corect mai conine un termen:
df (B(t )) = f (B(t ))dB(t ) +

1
f (B(t ))dt , unde dt = dB(t )dB(t ) .
2

Integrnd obinem:

Propoziia 3.6. (formula lui It sau formula de schimbare a variabilelor). Fie


Bt o micare brownian i f o funcie definit pe R cu valori n R , de clas C 2 .
t

Atunci f (Bt ) f (B0 ) = f (Bs )dBs +


0

1
f (Bs )ds .
2 0

Observaie. Comparnd aceast formul cu teorema fundamental de calcul:


t

f (t ) f (0 ) = f (s )ds , se observ c n formula lui It apare i un termen de ordinul


0

71

doi. Demonstraia formulei lui It are la baz teorema lui Taylor. Prima integral din
membrul drept este o integral It iar a doua este o integral Riemann.
Fie X un proces It definit prin ecuaia dX t = bt dt + t dBt . Atunci:

Generalizare (formula lui It). Fie f o funcie definit pe R cu valori n R ,


de clas C 2 cu derivata mrginit. Atunci
t

f ( X t ) = f ( X 0 ) + f ( X s )dX s +
0

1
f ( X s ) s2 ds
2 0

sau altfel scris


df ( X t ) = f ( X t )dX t +

1
f ( X t ) t2 dt .
2

(1)

Demonstraie. Cum f ( X t ) = f ( X 0 ) + f X tk +1 rezult

) ( )

( )(

f X t k +1 f X t k = f X t k X t k + 1 X t k +

( )(

1
f X tk X tk +1 X tk
2

((

+ o X t k +1 X t k

))

i trecem la limit.
Formula (1) poate fi rescris astfel:
1
f ( X t ) t2 dt + f ( X t ) t dBt . Aplicnd croetul obinem
2

df ( X t ) = f ( X t )bt dt +

relaia: df ( X t ) = f ( X t )bt dt +

1
f ( X t )d X
2

+ f ( X t ) t dBt .

Observaie. Formula este uor de reinut n forma:

df ( X t ) = f ( X t )dX t +

1
f ( X t )dX t dX t ,
2

dac inem cont de formula lui Taylor i de regulile de calcul: dt dt = 0 , dt dBt = 0 ,


dBt dBt = dt .
Exemplu. Fie Bt o micare brownian, X t = Bt 2 t 2 i f ( x ) = e x . Atunci
X

= B

eBt

= 2 t , f ( x ) = f ( x ) = e x i
2

= 1 + e X s dBs
0

1 Xs 1 2
1
e
ds + e X s 2 ds = 1 + e X s dBs .

20
2
20
0

72

Aplicaii: 1. Calculm E ( f ( X t )) i E ( f ( X t )Fs ) n condiiile n care f i

sunt mrginite.
t
1

E ( f ( X t )) = E ( f ( X 0 )) + E f ( X s )bs + f ( X s ) s2 ds =
2

0
t

= E ( f ( X 0 )) + E f ( X s )bs + f ( X s ) s2 ds .
2

t
1

Analog obinem E ( f ( X t ) Fs ) = f ( X s ) + E f ( X u )b(u ) + f ( X u ) u2 du Fs =


2

s
t

= f ( X s ) + E f ( X u )b(u ) + f ( X u ) u2 Fs du .
2

s
t

2.

B dB
s

1 2
Bt t
2

3. d (exp X t ) = (exp X t ) dX t + t2 dt
2

4. S t = xe X t , unde

X t = 2 t + Wt , reprezint soluia unic a ecuaiei


2

dS t = S t (dt + dWt ) ,
t

Propoziia 3.7. Fie X t = X 0 + b( X s )ds + ( X s )dBs unde b i sunt

funcii mrginite definite pe R cu valori n R . Dac f este o funcie de clas

C 2 definit pe R cu valori n R , cu derivatele mrginite, verificnd relaia:


1
b( x ) f (x ) + 2 (x ) f (x ) = 0 pentru orice x atunci procesul f ( X ) este un martingal.
2
Demonstraie. Se aplic formula lui It.
Observaie. 1. Funcia

este numit funcie scar i este definit prin

x
u

f ( x ) = exp 2 b(v ) / 2 (v )dv du .


c
c

73

2.

Operatorul

aplicat

unei

funciei

din

C2

stabilete

relaia

1
2

Lf (x ) = b(x ) f (x ) + 2 (x ) f (x ) . Operatorul L este generatorul infinitezimal al


procesului de difuzie X . L verific relaia Lf (x ) = lim
t 0

E x ( f ( X t )) f (x )
.
t

Propoziia 3.8. Fie f o funcie definit pe R+ R de clas C 1 n raport cu t ,

de clas C 2 n raport cu x , cu derivatele mrginite, atunci are loc relaia:


t

f (t , X t ) = f (0, X 0 ) + f t(s, X s )ds + f x (s, X s )dX s +

1
f xx (s, X s ) s2 ds .
2 0

Observaie. Relaia precedent poate fi rescris astfel:


1

df (t , X t ) = f t(t , X t ) + f xx (t , X t ) t2 dt + f x(t , X t )dX t =


2

= f t(t , X t )dt + f x (t , X t )dX t +

1
f xx (t , X t )d X t .
2

Aplicaie. 1. Fie X un proces stochastic:


t

X t = X 0 + b(s, X s )ds + (s, X s )dBs .

Dac f este o funcie definit pe R+ R cu valori n R astfel nct f x este


1
mrginit i f t(t , x ) + b(t , x ) f x (t , x ) + 2 (t , x ) f xx (t , x ) = 0 atunci
2

( f (t , X t ), t 0)

este

un martingal.
Operatorul L definit pe funciile din C 1, 2 prin
1
2

L ( f )(t , x ) = b(t , x ) f x(t , x ) + 2 (t , x ) f xx (t , x )


este generatorul infinitezimal al procesului de difuzie.
Dac f este o funcie definit pe R+ R cu valori n R astfel nct f x este
mrginit i
1
f t(t , x ) + b(t , x ) f x (t , x ) + 2 (t , x ) f xx (t , x ) = rf (t , x )
2

74

(2)

atunci e rt f (t , X t ), t 0 este un martingal. In acest caz

e rt f (t , X t ) = E e rT f (T , X T )Ft .
Dac

verific relaia

f (T , x ) = h(x ) i este soluie a ecuaiei (2) atunci

e rt f (t , X t ) = E e rT h( X T )Ft .

2. Fie X un proces stochastic (o micare brownian geometric) astfel nct


dX t = X t (rdt + dBt ) , unde r

(e

rt

sunt dou constante.

Atunci procesul

X t , t 0 este un martingal. Este suficient s observm c d e rt X t = e rt X t dBt

i s verificm condiiile de integrabilitate. Soluia ecuaiei dX t = X t (rdt + dBt ) ,


1

X 0 = x , unde r i sunt dou constante este X t = x exp rt + Bt 2 t . Spunem


2

c X este o micare brownian geometric sau un proces log-normal.


3. Fie X un proces stochastic definit prin ecuaia dX t = X t (b(t )dt + (t )dBt ) unde b

i sunt funcii. Atunci procesul exp b(s )ds X t , t 0 este un martingal.

Cazul multidimensional

Propoziia 3.9. Fie ( X i , i = 1,2 ) dou procese It definite prin ecuaiile:


dX i (t ) = bi (t )dt + i (t )dBt .
Fie f o funcie de clas C 2 definit pe R 2 cu valori n R . Atunci are loc relaia:
df ( X 1 (t ), X 2 (t )) = f 1( X 1 (t ), X 2 (t ))dX 1 (t ) + f 2( X 1 (t ), X 2 (t ))dX 2 (t ) +

1
f 11 12 (t ) + 2 f 12 1 (t ) 2 (t ) + f 22 22 (t ) ( X 1 (t ), X 2 (t ))dt ,
2
unde f i este derivata n raport cu xi , i = 1,2 i f ij derivata de ordinul doi n raport cu
xi , x j .

In form restrns putem scrie:


2

df ( X 1 , X 2 )(t ) = f i( X 1 (t ), X 2 (t ))dX i (t ) +
i =1

75

1
f ij( X 1 (t ), X 2 (t )) i j dt .
2 i, j

Formula lui It implic formula de integrare prin pri:


d [X 1 X 2 ](t ) = X 1 (t )dX 2 (t ) + X 2 (t )dX 1 (t ) + 1 (t ) 2 (t )dt ,

unde cantitatea 1 (t ) 2 (t ) corespunde croetului X 1 , X 2

= 1 (s ) 2 (s )ds .
0

Propoziia

3.10.

( X i , i = 1,2)

Fie

dX i (t ) = bi (t )dt + i (t )dBi (t ) , unde

B1

dou
B2

procese

It

astfel

nct

sunt dou micri browniene

independente. Atunci are loc formula:


df ( X 1 (t ), X 2 (t )) = f 1( X 1 (t ), X 2 (t ))dX 1 (t ) + f 2( X 1 (t ), X 2 (t ))dX 2 (t ) +

1
f 11 ( X 1 (t ), X 2 (t )) 12 (t ) + f 22 ( X 1 (t ), X 2 (t )) 22 (t ) dt .
2

Cazul general: Fie ( X i , t 0 ) un proces It multidimensional, compus din procesele

( X i (t ), i n ) astfel nct

dX t = u t dt + vt dBt . Altfel spus:

v1,1
dX 1 u1
v
dX u
2 = 2 dt + 2,1
...
..... ....

dX n u n
v p ,1

v1, 2
v 2, 2
...
v p,2

...
...
...
...

... v1, p
... v 2, p
... ...

... v n , p

dB1
dB
2 .
...

dB p

Fie f o funcie de clas C 1, 2 definit pe R + R n . Atunci


n

df (t , X t ) = f t(t , X t )dt + f i(t , X t )dX i (t ) +


i =1

1 n
f ij(t , X t )dX i (t )dX j (t ) ,
2 i , j =1

unde dBi dB j = ij dt , dBi dt = 0 , dtdt = 0 .

Propoziia

3.11.

Fie

( X i , i = 1,2)

dou

procese

It

astfel

nct

dX i (t ) = bi (t )dt + i (t )dBi (t ) , unde B1 i B2 sunt dou micri browniene corelate cu


coeficientul de corelaie . Atunci are loc relaia:
df ( X 1 (t ), X 2 (t )) = f 1( X 1 (t ), X 2 (t ))dX 1 (t ) + f 2( X 1 (t ), X 2 (t ))dX 2 (t ) +
+

1
f 11 ( X 1 (t ), X 2 (t )) 12 (t ) + 2 f12 ( X 1 (t ), X 2 (t )) 1 (t ) 2 (t ) + f 22 ( X 1 (t ), X 2 (t )) 22 (t ) dt .
2

Observaie. In acest caz regula de nmulire se modific dB1 dB2 = dt .

76

Aplicaie. Fie B1 i B2 dou micri browniene corelate, i fie B3 definit prin


relaia B3 =

1
1

(B2 B1 ) .

Fie M i ( , t ) = exp Bi (t ) 2 t . Aceste procese


2

sunt martingale pentru orice i are loc relaia dM i (t ) = M i (t )dBi (t ) . De unde, avnd
n vedere faptul c, micrile browniene B3 i B1 au croetul nul, obinem
d [M 1 M 3 ](t ) = M 1 (t )dM 3 (t ) + dM 1 (t )M 3 (t ) . Acest produs este un martingal, ceea ce
implic E (exp(B1 (t ) + B3 (t ))) = E (exp[B1 (t )])E (exp[B3 (t )]) , de unde obinem
independena micrilor browniene B3 i B1 . Pentru a obine independena proceselor
t
t

1
utilizm expresia M i (t ) = exp (s )dBi (s ) 2 (s )ds .
20
0

3.1.5. Formula Black-Scholes

Fie S preul unui activ cu risc de pe o pia financiar . Preul activului este
modelat de ecuaia:
t

))

S t = S 0 + b S s ds + S s dBs = S 0 exp Bt + b 2 2 t ,

unde B este o micare brownian iar b i R . Fie T > 0 , timpul de maturitate.


Studiem funcia h(S T ) care reprezint ctigul obinut n urma investiiei pe piaa
financiar. Considerm ca instrument financiar opiunea call european, atunci
h( x ) = ( x K ) .
+

Construim un portofoliu, dependent de timp, compus din opiunea call i t pri din
activul cu risc.Valoarea portofoliului este dat de formula Vt = C t + t S t , unde
Ct = C (t , S t ) reprezint preul opiunii call. Presupunem c portfoliul este cu
autofinanare, adic verific relaia: dVt = dC t + t dS t . Aplicnd formula lui It
obinem:
2 2
2

C
(t , S t ) + C (t , S t ) + S t C2 (t , S t )dt + t S t + S t C (t , S t )dBt
dVt = b t S t + bS t
t
x
x
2 x

77

Rezult c portofoliul este fr risc dac t S t + S t

C
(t , S t ) = 0 sau t = C (t , S t ) .
x
x

2 2
2
C

(t , S t ) + S t C2 (t , S t )dt .
In aceste condiii dVt =
2 x
t

Portofoliul are randamentul r dac dVt = rVt dt sau dC t + t dS t = r (C t + t S t )dt .


Inlocuind t prin valoarea sa obinem :
rS t

2 2
2
C
(t , S t ) + C (t , S t ) + S t C2 (t , S t ) rC (t , S t ) = 0 ,
2 x
x
t

cu condiia terminal C (T , S T ) = h(S T ) . Cum S t este o variabil aleatoare cu valori n


R + rezult C satisface ecuaia rx

2 2
2
C
(t , x ) + C (t , x ) + x C2 (t , x ) rC (t , x ) = 0 cu
2 x
x
t

condiia terminal C (T , x ) = h( x ) .
In cazul opiunii call europene h( x ) = ( x K ) ecuaia devine:
+

C (t , x ) = xErf (d1 ) Ke r (T t ) Erf (d 2 ) ,


unde Erf reprezint funcia eroare a lui Gauss
x

Erf ( x ) =

u 2
e du , d1 =
2

1 ln xe r (T t ) K
i d 2 = d1 T t .
+
2
T t

Analog se procedeaz n cazul dublrii portofoliului format din t pri ale unui
t

activ fr risc S = S + r S s ds = S 00 e rt i t pri ale unui activ cu risc. Valoarea


0
t

0
0

portofoliului la momentul t este dat de formula Vt = t S t0 + t S t i ipoteza de


autofinanare este asigurat de relaia: dVt = t dS t0 + t dS t .
Punem condiia Vt = C (t , S t ) . Printr-o grupare a termenilor n expresiile dVt i
respectiv dC t obinem:

t S t =

C
(t , S t )S t sau t = C (t , S t )
x
x

78

deoarece

t rS t0 + S t

2 2
2
C
(t , S t ) = t rS t0 + b t S t = bS t C (t , S t ) + C (t , S t ) + S t C2 (t , S t )
2 x
x
x
t

Dar t S t0 + t S t = C (t , S t ) , de unde rezult t S t0 = C (t , S t ) S t

C
(t , S t ) i regsim
x

ecuaia:
rS t

2 2
2
C
(t , S t ) + C (t , S t ) + S t C2 (t , S t ) rC (t , S t ) = 0 ,
x
t
2 x

cu condiia terminal C (T , S T ) = h(S T ) .


In cazul opiunii call europene avem C (t , x ) = xErf (d1 ) Ke r (T t ) Erf (d 2 ) , unde

Erf ( x ) =

1
2

u 2
e du , d1 =
2

1 ln (xe r (T t ) K )
+
i d 2 = d1 T t .
2
T t

De asemenea putem calcula t =

C
(t , S t ) = Erf (d1 ) care reprezint un factor de
x

acoperire a pieei.
Observaie. Folosind formula lui It se poate stabili o formul probabilist pentru

determinarea preului opiunii call C (t , S t ) = e r (t T ) E (S T K ) Ft .


+

3.2. Ecuaii difereniale stochastice


3.2.1. Teorema de existen i unicitate a soluiei
Definiia 3.6. O ecuaie diferenial stochastic este o ecuaie de forma
t

X t = x + b(s, X s )ds + (s, X s )dBs ,


0

(3)

sau n forma restrns:


dX t = b(t , X t )dt + (t , X t )dBt

X 0 = x

unde B este o micare brownian.


Observaie. In aceast ecuaie necunoscuta este procesul stochastic X .

79

Definiia 3.7. Fie date b i dou funcii definite pe R + R n cu valori reale.

Fie dat spaiul probabilistic (,F , P ) nzestrat cu o filtrare (Ft ) i o (Ft ) -micare
brownian B . O soluie a ecuaiei (3) este un proces stochastic X , continuu,

(Ft ) -adaptat care verific egalitatea

X t = x + b(s, X s )ds + (s, X s )dBs P -aproape

sigur pentru orice t . Integralele b(s, X s )ds i (s, X s )dBs au acelai semn.
Fie Bt o micare brownian. Demonstrm existena i unicitatea soluiei unei
ecuaii difereniale stochastice de forma:
dX t = b( X t )dt + ( X t )dBt , X 0 = x .
Existena. Fie X 0 (t ) = x pentru orice t i fie
t

X i +1 (t ) = x + b( X i (s ))ds + ( X i (s ))dBs .

Fie t 0 arbitrar, fixat. Demonstrm existena (i unicitatea) pn la momentul arbitrar t 0 .


Are loc urmtoarea inegalitate:
EX 1 (t )

2
t

t

2
2

c1 x + ( x ) ds + b(x )ds c 2 x 2 + t + t 2 .

0
0

Cum ( x + y ) 2 x 2 + 2 y 2 rezult:
2

2
r

E sup X i +1 (r ) X i (r ) 2 E sup ( ( X i (s )) ( X i 1 (s )))dBs +


r t

r t

0
2
r

+ 2 E sup (b( X i (s )) b( X i 1 (s )))ds .


r t


0
2

Aplicnd inegalitatea lui Doob, primul termen din membrul drept al inegalitii este
mrginit de
2
t
t

2

8 E ( ( X i (s )) ( X i 1 (s )))dBs = 8E ( ( X i (s )) ( X i 1 (s ))) ds

0

0

80

c3 E X i (s ) X i 1 (s ) ds .
2

Al doilea termen din membrul drept este mrginit de


2

t
t
t

2
2
2 E b( X i (s )) b( X i 1 (s )) ds 2t 0 E b( X i (s )) b( X i 1 (s )) ds c 4 E X i (s ) X i 1 (s ) ds
0
0
0

unde pentru prima inegalitate am aplicat inegalitatea lui Hlder.


Fie g i (t ) = E sup X i (r ) X i 1 (r ) . Fie a suficient de mare astfel nct pentru t t 0 au
2

r t

loc inegalitile: g1 (t ) a i g i +1 (t ) a g i (s )ds .


0

Deci,

g 2 (t ) a ads = a 2 t ,
0

g i (t ) a i t i 1 (i 1)!. Cum

g 3 (t ) a a 2 sds = a 3t 2 2

i prin inducie obinem

(g (t ))

12

a i t i 1 (i 1)!

12

< atunci pentru m i n

12

2
suficient de mari, expresia E sup X m (s ) X n (s ) poate lua o valoare mic. Prin
s t

urmare exist X t astfel nct E sup X n (s ) X t

0 pentru n . Cum X i este

s t

continu n t rezult X t este continu. Trecnd la limit n relaia


t

X i +1 (t ) = x + b( X i (s ))ds + ( X i (s ))dBs
t

rezult c pentru i X t verific ecuaia X t = x + b( X s )ds + ( X s )dBs .


t

Unicitatea. Fie X t i X t dou soluii ale ecuaiei X t = x + b( X s )ds + ( X s )dBs .


Fie g (t ) = E sup X r X r . Exist a > 0 astfel nct g (t ) este mrginit de a i are loc
2

r t

inegalitatea g (t ) a g (s )ds . Atunci g (t ) a ads = a t , g (t ) a a 2 sds = a 3 t 2 2 ,


2

etc. Astfel g (t ) a i t i 1 (i 1)! 0 sau g (t ) = 0 .

81

Teorema de existen. A. Fie b i dou funcii continue;


B. exist K astfel nct pentru orice t [0, T ] , x, y R au loc relaiile:
1.

b(t , x ) b(t , y ) + (t , x ) (t , y ) K x y

2.

b(t , x ) + (t , x ) K 2 1 + x
2

C. condiia iniial X 0 este independent de (Bt , t 0 ) i este de ptrat integrabil ,


atunci pentru t T exist o soluie unic a ecuaiei (3) cu traiectorii continue. Mai
2
mult aceast soluie verific relaia E sup X t < .
0t T

Propoziia 3.12. Fie o funcie borelian definit pe (0, ) cu valori n

(0, )

astfel nct integrala funciei 1 este divergent n vecintatea lui 0. Dac

(s, x ) (s, y ) ( x y ) i b este lipchitzian, adic b(s, x ) b(s, y ) K t x y


2

pentru orice x, y din R i s t atunci exist o soluie unic a ecuaiei (3).


Proprietatea Markov

Fie X st , x , s t soluia ecuaiei (3) procesul se afl n starea x la momentul

t . Aceasta are forma


s

t,x
s

= x + b u, X
t

t,x
u

)du + (u, X )dB


t,x
u

0, x

In condiiile teoremei de existen putem scrie X s0, x = X st , X t , s t ceea ce afirm c


soluia ecuaiei (3) este un proces Markov n raport cu filtrarea Ft :

( (

))

E ( f ( X s )Ft ) = E ( f ( X s ) X t ) = (s, t , X t ) , unde (s, t , x ) = E f X st , x , s t .

Acest rezultat permite calcularea mediei condiionate.


s

In particular. dac X

t,x
s

= x + b X

t,x
u

)du + (X )dB
t,x
u

obinem un proces Markov

omogen
E ( f ( X s )Ft ) = E ( f ( X s ) X t ) = (s, t , X t ) = (s t , X t ) ,

( (

))

( (

unde (s, t , x ) = E f X st , x = E f X s0, xt

)) i (u, x ) = E ( f (X )).
0, x
u

82

Observaie. O pereche de variabile aleatoare ( X , Y ) poate fi markovian fr ca fiecare


component s fie markovian.

Teorema de comparaie. Fie dX i (t ) = bi ( X i (t ))dt + ( X i (t ))dWt , i = 1,2 unde

bi este lipschitzian i

[ (x ) ( y )]2 k x y .

Presupunem X 1 (0 ) X 2 (0 ) i

b1 ( x ) b2 (x ) . Atunci X 1 (t ) X 2 (t ) .

Exemple: Martingale exponeniale

Propoziia 3.13. Fie

dZ t = t Z t dBt

din i Z 0 o constant. Soluia ecuaiei

t
t

1
Z t = Z 0 exp s dBs s2 ds .
20
0

este

Mai

mult,

dac

1T

E exp s2 ds < procesul (Z t , t T ) este un martingal al crui medie este Z 0 .

2 0

Demonstraie. Din definiie Z este un martingal local. Aplicnd formula lui It


t
t

1
verificm faptul c Z t = Z 0 exp s dBs s2 ds este soluia ecuaiei date.
20
0

1
1
Notnd U t = s dBs s2 ds obinem relaia dU t = t dBt t2 dt ,de unde rezult
20
2
0
1

dZ t = (exp U t ) dU t + t2 dt = t Z t dBt .
2

Observaie. Procesul Z , notat prin E (B )t este numit exponeniala lui Dolans-Dade .


Dac Z 0 este strict pozitiv atunci acest proces este un martingal local pozitiv. Relaia

1T

E exp s2 ds < este numit condiia lui Novicov. In aceast condiie

2 0

E (Z T ) = Z 0 i (Z t , t T ) este un martingal. Dac aceast condiie nu este verificat


atunci procesul (Z t , t T ) este un martingal local pozitiv deci un supermartingal i

E (Z T ) Z 0 .
Propoziia

3.14.

sup f (s,0 ) C . Atunci

Fie

f (s, Bs )dBs

astfel
t

nct

f (t , x ) f (t , y ) C x y

1
2
f (s, Bs ) ds este un martingal.
2 0

83

3.2.2. Ecuaii cu derivate pariale


Fie b i dou funcii date, definite pe [0, T ] R cu valori n R , verificnd
ipotezele teoremei de existen. Fie A un operator definit pentru funciile de clas C 1, 2
prin expresia:

Af (t , x ) = f t(t , x ) + f x (t , x )b(t , x ) +

1
f xx (t , x ) 2 (t , x ) .
2

Fie X ux ,t , u t procesul It definit prin


u

x ,t
u

=X

x ,t
t

+ b s, X
t

x ,t
s

)ds + (s, X )dB


x ,t
s

, ut

(4),

cu starea iniial n t dat de relaia X tx ,t = x .

Observaie. Af (t , x ) = f t(t , x ) + Lf (t , x ) , unde L este operatorul infinitezimal a lui X .


Problema parabolic
Cutm soluiile problemei parabolice

Af (t , x ) = 0
, pentru orice x din R i t din [0, T ] ,

f (T , x ) = g (x )
unde g este o funcie definit pe R cu valori n R .
Dac f este o soluie a problemei parabolice i X este o soluie a ecuaiei (4) formula
lui It conduce la relaia :

)(

f u , X ux ,t = f (t , x ) + f x s, X sx ,t s, X sx ,t dBs .
t

n particular, pentru T avem f (T , X Tx ,t ) = g (X Tx ,t ) = f (t , x ) + f x (s, X sx ,t ) (s, X sx ,t )dBs i


t

dac integrala este un martingal obinem f (t , x ) = E (g (X Tx ,t )) .


Propoziia 3.15. In condiii de regularitate soluia problemei parabolice

Af (t , x ) = 0
, pentru orice x din R i t din [0, T ] ,

f (T , x ) = g (x )

84

unde g este o funcie definit pe R cu valori n R , este f (t , x ) = E (g (X Tx ,t )) iar X x ,t


u

este procesul It definit prin X ux ,t = X tx ,t + b(s, X sx ,t )ds + (s, X sx ,t )dBs , u t cu


condiia iniial n t dat de X tx ,t = x .
Generalizare

Fie o constant pozitiv. Determinm soluia problemei parabolice:


Af (t , x ) = f (t , x ) , pentru orice x din R i t din [0, T ]

(5)

f (T , x ) = g ( x ) .

Dac f este soluie a ecuaiei (5) i X este soluie a ecuaiei (4) atunci formula lui It
implic urmtoarea relaie:

f T , X Tx ,t exp( T ) = f (t , x ) exp( t ) + f x s, X sx ,t exp( s ) s, X sx ,t dBs


t

i dac integrala este un martingal obinem f (t , x ) = E (exp( (T t ))g (X Tx ,t )) . Avnd


n vedere caracterul markovian are loc i relaia
f (t , x ) = E (exp( (T t ))g ( X T
s

) XT

= x) ,

unde X s = X 0 + b(u , X u )du + (u , X u )dBu .

Propoziia 3.16. Soluia problemei

f (t , x ) = f t(t , x ) + f x(t , x )b(t , x ) +


f (T , x ) = g ( x )

este f (t , x ) = E x ,t (exp( (T t ))g ( X T )) .

85

1
f xx (t , x ) 2 (t , x )
2

Formula Black-Scholes

Evaluarea unei opiuni europene revine la determinarea soluiei ecuaiei cu


derivate pariale:
xr

2
C
(t , x ) + C (t , x ) + 2 x 2 1 2C (t , x ) rC (t , x ) = 0 , x 0 unde C (T , x ) = (x K )+ .
x
t
2 x

Fie S un proces cu valori n R + . Soluia unei astfel de ecuaii este:

C (t , x ) = E e r (T t ) (S Tx ,t K ) ,
+

unde dS ux ,t = S ux ,t (rdu + dBu ) i S tx ,t = x .


2
Cum S Tx ,t = xe (T t )G + (r 2 )(T t ) , unde G este un gaussian, atunci pentru t = 0 valoarea

medie se calculeaz astfel:

E e rT S Tx K

= e rT xE e

) 1

T G + r 2 2 (T )

) = E (e

rT

(S

T G + r 2 2 (T ) ln ( K x )

x
T ST K

))

Ke rT P(S T K ) =

) Ke P(
rT

T G + (r 2 2 )(T ) ln (K x )

Observaie. Calculul de mai sus permite calcularea factorului delta, adic variaia

preului unei opiuni la o variaie de un punct a preului activului de baz.


Formula lui Feyman-Kac
Propoziia 3.17. Fie k o funcie continu definit pe R cu valori n R+ i fie

g o funcie continu definit pe R cu valori n R astfel nct:

g (x + y ) e

dy < , pentru orice x din R i > 0 .

Atunci funcia f definit prin f ( x ) = E x dtg (Bt ) exp t k (Bs )ds este unica

soluie din C 2 mrginit de ( + k ) f =

1
f + g .
2

Demonstraie. Considerm procesul cu variaie mrginit


t

Z t = t + k (Bs )ds . Aplicnd lema lui It procesului:


0

86

(Z t , t 0 )

definit prin

def

U t = f (Bt )e Z t + g (Bs )e Z s ds ,
0

unde f este o funcie de clas C 2 obinem relaia:


1

dU t = f (Bt )e Z t dBt + f (Bt ) ( + k (Bs )) f (Bt ) + g (Bt )e Z t dt .


2

Procesul U este un martingal dac termenul cu variaie finit este nul adic, dac
1
f (x ) ( + k ( x )) f ( x ) + g ( x ) = 0 . Se observ apoi c u (0, B0 ) = u (0, x ) = f ( x ) i se
2

verific relaia E f (Bt )e Z t 0 . Condiiile de pozitivitate pentru i k i de


mrginire pentru g garanteaz existena unei soluii continue i mrginite a ecuaiei
difereniale.
Modele financiare

Fie Bt o micare brownian i fie S t o aciune sau un alt instrument financiar


cu risc. Fie dS t = S t dt + S t dBt ecuaia care modeleaz comportamentul acestui
instrument financiar, altfel spus modificarea relativ a valorii aciunii este o micare
brownian cu deriv

dS t
= dt + dBt . Aplicnd formula lui It se verific faptul c
St

2
soluia ecuaiei difereniale stochastice are forma: S t = S 0 e Bt + ( ( 2 ))t .

De asemenea, presupunem existena unei obligaiuni fr risc t , a crei


ecuaie este d t = r t dt de unde rezult t = 0 e rt .
Presupunem c la momentul t cumprm un numr de a aciuni, atunci preul
acestora la momentul t este aS t . Dac la momentul t + h vindem pachetul format din
cele a aciuni obinem un profit egal cu a (S t + h S t ) , unde aS t + h reprezint suma
obinut pe cele a aciuni la momentul t + h . In cazul vnzrii short, a < 0 , formula
pentru profit este aceeai.
Presupunem c la momentul t i deinem un pachet format din ai aciuni i
pstrm pachetul pn la momentul t i +i . Profitul net total pe ntreaga perioad este

87

a (S
n 1
i =0

t i +1

S tu . Pentru ai = at i t i t < t i +1 profitul net total coincide cu integrala


t

stochastic

a dS
t

. Se poate presupune c ai depinde de toate informaiile pn la

momentul t i , adic de Fti . Dac presupunem cazul ideal n care tranzaciile sunt
continue i dac a t este adaptat atunci profitul net obinut n urma tranzacionrii
t

pachetului de aciuni este

a dS
s

. Analog profitul net obinut n urma tranzacionrii

obligaiunilor este bs d s .
0

Perechea

(a, b )

se numete strategie de trading (de vnzare/cumprare).

Strategia este cu autofinanare dac


t

Vt = at S t + bt t = V0 + a s dS s + bs d s ,

pentru orice t . Presupunem c tranzaciile nu necesit plata unor comisioane.


Considerm cazul opiunilor call europene: n cazul opiunilor pe aciuni, dac
considerm c valoarea unui pachet de aciuni va crete substanial, am putea obine un
profit mai mare dintr-o investiie mai mic cumparand opiuni call pe acest pachet de
aciuni. Aceste opiuni ne dau dreptul de a cumpra pachetul de aciuni la o dat fixat

T cu preul de exercitare K mai mic dect preul pieei. Problema care ne intereseaz
este legat de evaluarea corect a preului unei opiuni la momentul 0. Dac la
momentul T , S T K opiunea nu este util. Dac S T > K atunci utilizm opiunea
pentru a cumpra pachetul de aciuni la preul de exercitare K , dup care vindem
aciunile la preul pieei S T . Astfel profitul realizat este S T K . Deci n cazul
opiunilor call europene profitul la momentul T este (S T K ) = max(S T K ,0) .
+

88

3.3. Exemple de procese It


3.3.1. Micare brownian geometric

Considerm ecuaia diferenial stochastic


dX t = X t bt dt + X t t dBt , X 0 = x ,

(6)

unde b i sunt dou procese adaptate mrginite. Considerm cazul coeficienilor


determiniti. Conform teoremei de existen aceast ecuaie admite o soluie unic de
forma:
t
t
t

1
x exp b(s )ds + (s )dBs 2 (s )ds .
20
0
0

Ecuaia (6) poate fi scris n forma

dX t
= b(t )dt + (t )dBt .
Xt

Observaie. Martingalul M t = X t e bt este soluie a ecuaiei dM t = M t dBt .


Propoziia 3.18. Soluia ecuaiei dX t = X t [bdt + dBt ] este

1
X t = X 0 exp b 2 t + Bt
2

sau

1
X t = X s exp b 2 (t s ) + (Bt Bs ) .
2

Este uor de demonstrat faptul c ecuaia dX t = X t [bdt + dBt ] , X 0 = x are soluie


unic. Fie Y o alt soluie a ecuaiei date. tim c X nu se anuleaz atunci
d (1 X t ) =

1
[ dt dBt ] , unde = b + 2 .
Xt

Fie Z t un proces definit prin Z t =

Yt
. Acest proces verific ecuaia diferenial
Xt

dZ t = Z t + b 2 dt + ( )dBt = 0 ,
adic dZ t = 0 , cu soluia Z t = Z 0 .

89

3.3.2. Modelul Cox-Ingersoll-Ross

Pentru a determina un model matematic al fluctuaiei ratei dobnzii se poate


porni de la analiza ecuaiei difereniale stochastice
drt = k ( rt )dt + rt dBt .

(7)

Pentru k 0 unica soluie a ecuaiei este un proces pozitiv. Nu se poate obine o


form explicit a acestei soluii. Fie r x soluia ecuaiei (7), unde r0x = x . Se poate

(
i k > 0 atunci P (T < ) = 1 iar dac k < 0 atunci P (T

)
< ) (0,1) .

demonstra c dac T0x = inf {t 0; rt x = 0} i 2k 2 atunci P T0x = = 1 . Dac


def

0 2k < 2
Media

x
0

variabilei

aleatoare

x
0

rt

se

poate

calcula

cu

ajutorul

formulei

E (rt ) = r0 + k t E (rs )ds , unde integrala stochastic este un martingal.


0

Propoziia 3.19. Fie r procesul ce verific ecuaia drt = k ( rt )dt + rt dBt .

Media condiionat este dat de formula

E (rt F s ) = rs e k (t s ) + 1 e k (t s )

iar variana condiionat este dat de formula


Var (rt Fs ) = rs

2 (e k (t s ) e 2 k (t s ) ) 2 (1 e k (t s ) )

2k

Demonstraie. Prin definiie, pentru s t are loc relaia


t

rt = rs + k ( ru )du + ru dBu
i aplicnd formula lui It obinem:
t

rt 2 = rs2 + 2k ( ru )ru du + 2 (ru ) dBu + 2 ru du =

32

= rs2 + 2k + 2 ru du 2k ru2 du + 2 (ru ) dBu .

90

32

Avnd n vedere c mediile integralelor stochastice de mai sus sunt 0, atunci pentru
s = 0 obinem relaiile:
t
t
t

E (rt ) = r0 + k t E (ru )du i E (rt 2 ) = r02 + (2k + 2 ) E (ru )du 2k E (ru2 )du .
0
0
0

Fie (t ) = E (rt ) . Pentru a determina soluia ecuaiei (t ) = r0 + k t (u )du o


0

transformm ntr-o ecuaie diferenial (t ) = k ( (t )) , pentru care (0 ) = r0 .


Atunci obinem E (r (t )) = + (r0 )e kt .

( )

Analog, introducem (t ) = E rt 2 i rezolvnd ecuaia (t ) = (2k + 2 ) (t ) 2k (t )


obinem Var (rt ) =

2
k

(1 e ) r e
kt

kt

(
1 e ) .
2
kt

Media condiionat a lui r i variana condiionat a lui r pot fi determinate aplicnd


proprietatea Markov. Astfel, obinem:

E (rt F s ) = + (rs )e k (t s ) = rs e k (t s ) + 1 e k (t s )

i
Var (rt Fs ) = rs

2 (e k (t s ) e 2 k (t s ) ) 2 (1 e k (t s ) )

2k

Valoarea unei obligaiuni cu cupon zero


Propoziia 3.20. Fie ecuaia diferenial stochastic

drt = a(b rt )dt + rt dBt .


T

Atunci E exp ru du Ft = G (t , rt ) , unde G (t , x ) = (T t ) exp( x (T t )) ,


t

s
( + a )

2e
2 e 1
(s ) =
, (s ) =
s
s
( + a ) e 1 + 2
( + a ) e 1 + 2

(
(

)
)

91

2 ab

, 2 = a 2 + 2 2 .

Demonstraie. Fie r x ,t soluia ecuaiei drsx ,t = a b rsx ,t ds + rsx ,t dBs , pentru care

rt

x ,t

s x ,t
= x i R = exp ru du . Din proprietatea Markov rezult c exist G astfel
t

t
s

s x ,t

nct exp ru du Ft = G (t , rt ) . Presupunem c G este de clas C 1, 2 . Aplicm


t

martingalului G s, rsx ,t Rst formula lui It. Obinem relaia:


T

G
G 1 2 x ,t 2 G
(s, rs )ds + M T M t
G T , rTx ,t RTt = G (t , x ) + Rst rsx ,t G +
+ a b rsx ,t
+ rs
t
x 2
x 2

t
unde M t este o integral stochastic. Dac G verific ecuaia

xG +

G
G 1 2 2 G
+ a(b x )
+ x 2 =0
t
x 2
x

(8)

i G (T , x ) = 1 pentru orice x , atunci RTt = Rt G (t , rt ) + M T M t , unde M este un


martingal. In particular, obinem relaiile

T
T x ,t

E exp rs ds = E (RT ) = R0 G (0, x ) i E exp ru du = G (t , x ) .

0
t

Soluia ecuaiei cu derivate pariale (8) este dat de expresia


G (t , x ) = (T t ) exp( x (T t )) ,
( + a ) s

2 e s 1
2e
(
)
,
unde (s ) =
s

s
( + a ) e s 1 + 2
( + a ) e 1 + 2

(
(

)
)

2 ab

2
2
2
, = a + 2 .

Observaie. Dac notm cu B(t , T ) valoarea unei obligaiuni cu cupon zero

atunci ecuaia diferenial stochastic este de forma


dB(t , T ) = B(t , T )(rt dt + (T t , rt )dBt ) , unde (u , r ) = (u ) r .

92

3.3.3. Procese Bessel

Norma euclidian a unei micri browniene n - dimensionale


Fie n > 1 i fie B = (B1 , B2 ,..., Bn ) o micare brownian n -dimensional.
n

adic X t2 = (Bi ) (t ) . Formula lui

Definim un proces stochastic X prin X t = Bt

i =1

It ne conduce la rezultatul urmtor:


n

dX t2 = 2 Bi (t )dBi (t ) + ndt .
i =1

Procesul definit prin


d t =

1
1
Bt dBt =
Xt
Bt

B (t )dB (t ) ,
i =1

=0

fiind exprimat ca o sum de martingale, este un martingal continuu iar croetul su este

( )

t . Atunci este o micare brownian iar egalitatea d X t2 = 2 Bt dBt + ndt poate fi

( )

scris sub forma d X t2 = 2 X t d t + ndt . Aplicnd formula lui It obinem


dX t = d t +

n 1 dt
,
2 Xt

unde este o micare brownian. Pentru Vt = X t2 rezult relaia:


dVt = 2 Vt d t + ndt .
In condiiile de mai sus spunem c X este un proces Bessel (BES) de dimensiune n i
V este un proces Bessel ptratic de dimensiune n (BESQ).

Generalizare
Fie
x y

micare

brownian real.

Avnd

vedere

inegalitatea

x y , teorema de existen afirm c pentru orice 0 i 0

ecuaia dZ t = dt + 2 Z t dWt , pentru care Z 0 = admite o soluie unic. Soluia este


cunoscut sub numele de proces Bessel ptratic de dimensiune ( BESQ ) . In
particular, dac = 0 i = 0 soluia Z 0 este unic. Din teorema de comparaie
93

rezult c, dac 0 iar i sunt procese Bessel ptratice de dimensiuni


i respectiv , ce au aceeai stare iniial, atunci 0 t t aproape sigur. In cazul
n care > 2 procesul Bessel ptratic de dimensiune cu starea iniial nu va
atinge niciodat starea 0 i este un proces de tranziie. Dac 0 < < 2 procesul
atinge starea 0 n timp finit i este reflectat instantaneu. Dac = 0 procesul rmne n
0. Deci Z verific Z t 0 pentru orice t .
Definiia 3.8. Pentru orice 0 i 0 unica soluie tare a ecuaiei
t

t = + t + 2 s dWs
0

se numete proces Bessel ptratic de dimensiune cu starea iniial , ( BESQ ).


Definiia 3.9. Fie un proces Bessel ptratic de dimensiune cu starea

iniial . Procesul R = se numete proces Bessel de dimensiune cu cu starea


iniial a = ( (BES ) ) .

Definiia 3.10. Numrul = ( 2 ) 1 se numete indexul procesului Bessel.

Un proces Bessel R cu un index 0 este un proces de difuzie cu valori n R+


al crui generatorul infinitezimal este dat de expresia
L=

1 d 2 2 + 1 d
1 d 2 1 d
.
+
=
+
2 dx 2
2 x dx 2 dx 2
2 x dx
t

Deci, pentru orice f din C c2 procesele f (Rt ) Lf (Rs )ds sunt martingale.
0

t ds
Pentru > 1 un proces Bessel de dimensiune verific relaia E < i
0 Rs
este soluie a ecuaiei Rt = + Wt +

1 t 1
2

R
0

ds .

Folosind indexul, ecuaia de mai sus poate fi rescris astfel:


t

1 1

Rt = + Wt + +
ds .
2 0 Rs

94

Pentru = 1 procesul Bessel de dimensiune 1 este de forma Rt = Bt = t + Lt , unde

B i sunt micri browniene i L este timpul local al unei micri browniene B .


Pentru < 1 este necesar introducerea valorii principale a integralei

Rt = + Wt +

v.p.
0

ds

. Atunci

1
ds ,
Rs

1
ds = x 2 Ltx L0t dx iar familia
unde valoarea principal este definit prin v.p.
Rs
0
0
de timpi locali este definit utiliznd formula

x 1
(Rs )ds = (x )Lt x dx . Analog,

generatorul infinitezimal al procesului Bessel ptratic este A = 2 x

d2
d
+
, deci
2
dx
dx

pentru orice f din C K2 procesele de forma f ( t ) Af ( s )ds sunt martingale.


0

Proprieti
Propoziia 3.21. Dac ( t , t 0 ) este un proces Bessel ptratic de dimensiune

a crui stare iniial este x , atunci

1
( ct , t 0) este un proces Bessel ptratic de
c

dimensiune a crui stare iniial este x c .


Demonstraie. Ecuaia
t

t = x + 2 s dWs + t
0

implic

x
x 2

ct = + s dWs + ct = + 2 s
c
c
c
c c0
c
0
ct

12

1
c

dWsc + t .
t

Fie u t =

x
1
~
ct , nlocuind n relaia precedent obinem u t = + 2 u s dWs + t , unde
c
c
0

95

1
Wtc , t 0 este o micare brownian.
Wt =
c

Fie

= C (R+ , R+ ) spaiu canonic, fie

aplicaia canonic definit

prin R t ( ) = (t ) , fie R t = (Rs , s t ) filtrarea canonic i fie P( ) legea de


probabilitate a procesului Bessel de index a crui stare iniial este , adic
P( ) (R0 = ) = 1 .
Notaie. Legea procesului Bessel ptratic de dimensiune cu starea iniial x (pe

spaiul canonic = C (R+ , R+ ) ) este notat prin Q x .


Propoziia 3.22. Intre procesele BES ( ) , cu indexul 0 i BES (0 ) are loc
( )

relaia Px

2
R
R t = t exp
x
2

ds (0 )
P R t , unde P ( ) este legea unui proces
2 x
s

R
0

Bessel cu index .
Demonstraie.

In

raport

cu

P (0 ) ,

procesul

canonic

2
1
R
dRt = dWt +
dt . Procesul Lt = t exp
2 Rt
x
2

verific

ecuaia

ds
este un P (0 ) -martingal
2
s

R
0

nenegativ. Intr-adevr, conform formulei lui It obinem dLt = Lt ln (Rt )dWt , prin

R
urmare procesul L este un martingal local. Se observ c sup Lt sup t . Procesul
t T
t T x
~
R 2 este un proces Bessel ptratic de dimensiune 2, egal n lege cu procesul Bt2 + B y2

~
unde B i B sunt micri browniene independente. Prin urmare Rtk este integrabil
pentru k 2 . Procesul R fiind suma dintre un proces cresctor i un martingal este
k

submartingal. Inegalitatea lui Doob implic E sup Rt C k E RTk . Din teorema lui
t T

( )

Girsanov rezult dRt

1
dt d R, ln R
2 Rt

Px( ) = Lt Px(0 ) se obine o micare brownian.


Notaie. P * Q convoluia lui P i Q .

96

= dRt

1
1
+ dt , deci n raport cu
Rt
2

Propoziia 3.23. Q x * Q y = Q x++y , altfel spus, suma a dou procese Bessel

ptratice independente este un proces Bessel ptratic.


Demonstraie. Considerm cazul general. Fie X i Y dou procese Bessel ptratice

independente de dimensiuni i respectiv , cu strile iniiale x , respectiv y .


t

Fie Z = X + Y . Atunci Z t = x + y + ( + )t + 2

X s dBs1 + Ys dBs2 .

Fie B 3 o alt micare brownian, independent de B 1 , B 2 . Procesul W definit prin


t
X s dBs1 + Ys dBs2
Wt = 1{Z s >0}

Zs
0

t
+ 1{Z =0} dBs3
0 s

este o micare brownian i are loc relaia: Z t = x + y + ( + )t + 2 Z s dWs .


0

Funcii Bessel

(I (z ) I (z ))
z 2n
i K (z ) =

2n
2 sin z
n = 0 2 n! ( + n + 1)

z
Funciile Bessel I ( z ) =
2

verific ecuaia diferenial Bessel: x 2 u (x ) + xu ( x ) x 2 + 2 u (x ) = 0 .


Densiti de tranziie

Fie E x media n raport cu Q x . Propoziia 3.23. implic relaia

E x (exp( t )) = E 1x (exp( t )) E01 (exp( t ))

i cum n raport cu Q 1x variabila aleatoare t este ptratul unei variabile gaussiene se


poate verifica relaia: E 1x (exp( t )) =

exp
.
1 + 2t
1 + 2t
1

Atunci

E x (exp( t )) =

(1 + 2t )

97

exp
.
1 + 2t

Procesul Bessel i procesul Bessel ptratic sunt procese Markov i densitile lor de
tranziie sunt cunoscute. Densitatea de tranziie qt( ) a unui proces BESQ ( ) este dat de
expresia
2

1 y

2t x

qt( ) (x, y ) =

x + y xy
exp
,
I
2t t

iar procesul Bessel de index are densitatea de tranziie pt( ) definit prin

pt( ) ( x, y ) =

x2 + y2
y y
exp
t x
2t

xy
I ,
t

unde I este funcia Bessel de index .


Pentru x = 0 probabilitatea de tranziie a unui proces Bessel ptratic de index
este dat de formula: q ( ) (0, y ) = (2t )

( +1)

(( + 1))1 y exp

y
.
2t

Pentru x = 0 probabilitatea de tranziie a unui proces Bessel de index este


y2
1
.
dat de formula: p ( ) (0, y ) = 2 t ( +1) (( + 1)) y 2 +1 exp
2t

Pentru un proces Bessel de dimensiune au loc urmtoarele relaii:


( )

Tb

Tb

Ea e

( )

Ea e

(
(

)
)

(
(

)
)

b K a 2
=
, pentru b < a
a K b 2

b I a 2
=
, pentru a < b
a I b 2

Observaie. Pentru b < a , deoarece Pa( ) (Tb < ) = lim E a( ) e Tb


0

are loc relaia

b
Pa( ) (Tb < ) = . Pentru z n vecintatea lui 0 are loc relaia K ( z ) ~ c( )z .
a

2
Propoziia 3.24. E r exp aRt2

( )

unde 2 = 2 + 2 .

98

ds
0 Rs2

= E r( ) t exp aRt2

) ,

Demonstraie. Fie (Rt , t 0 ) un proces Bessel cu un index i cu starea iniial r > 0 .

Din relaia

1
1
=
dv exp( vx )v 1 rezult

( ) 0
x
1
E r( )
2
(Rt )

1 ( )
2
= 1
( ) dvv E r exp vRt
0

( (

Fie 0 . Din egalitatea E r( ) (exp( vRt2 )) =


1
schimbare de variabil obinem E r( )
2
(Rt )

(1 + 2vt )1+

)) .

r 2v
i printr-o
exp
1 + 2 vt

1 2t


2
1
= 1
( ) dvv (1 2tv ) exp r v .
0

De asemenea are loc relaia:

2
E r( ) exp aRt2

ds
0 Rs2

Rt
= E r exp aRt2
r

( )

1
Cum E r
Rt

( )

2 + 2
= E r(0 ) t exp aRt2

r
2

) , unde =

ds
0 Rs2

2 + 2 .

exp aR
=
dvv 1 E r( ) exp (v + a )Rt2 =
( ) 0

2
t

1
dvv (1 + 2(v + a )t )

( ) 0

2
E r( ) exp aRt2

unde =

ds
0 Rs2

1
( ) = 1
2
2

(1+ )

( (

r 2 (v + a )
atunci,
exp
1 + 2(v + a )t

1
=
( )r

))

1
dvv (1 + 2(v + a )t )
0

(1+ )

r 2 (v + a )

exp
1 + 2(v + a )t

+ 2 .

Propoziia 3.25. Pentru BESQ are loc relaia:

1 1

2
Q x exp b 2 s ds = (cosh b ) exp xb tanh b .

2
2

99

Demonstraie. Pentru orice funcie local mrginit F procesul


t
def
t

1
Z t = exp F (s ) s dWs F 2 (s ) s ds
20
0

este un martingal local. Procesul BESQ verific ecuaia d t = 2 t dWt + dt ,


atunci
t
1 t

1
Z t = exp F (s )d ( s s ) F 2 (s ) s ds .
20
2 0

(9)

Dac F este difereniabil atunci formula de integrare prin pri ne conduce la


urmtorul rezultat:
t

F (s )d s = F (t ) s F (0) 0 s dF (s )
0

(10)

i nlocuind relaia (10) n expresia (9) obinem


t
1

1t
Z t = exp F (t ) t F (0 )x F (s )ds F 2 (s ) s ds + s dF (s )
2

0
20

Fie F =

astfel nct pentru b dat, satisface relaia = b 2 , (0 ) = 1 ,

(1) = 0 . Este uor de artat c (t ) = cosh (bt ) tanh (b )sinh (bt ) . Atunci
t
1

b2
Z t = exp (F (t ) t F (0 )x ln (t )) s ds
2 0
2

este un martingal i are loc relaia


1

b2

1 = E (Z 0 ) = E (Z 1 ) = E exp x (0 ) ln (1) Rs ds

2
2 0
2

Pentru (1) =

1
i (0 ) = b tanh b obinem rezultatul cutat.
cosh b

100

3.3.4. Procesul Cox-Ingersoll-Ross

Procesul Cox-Ingersoll-Ross este soluia ecuaiei difereniale stochastice:


drt = k ( rt )dt + rt dWt

(11)

Schimbarea de variabil (variabila timp)

Schimbarea variablei timp dup formula A(t ) = 2 t 4 reduce studiul soluiei


ecuaiei (11) la cazul = 2 .
Dac Z t = r 2t 4 atunci dZ t = k ( Z t )dt + 2 Z t dBt , unde k = k 2 4 i B este o
micare brownian. Procesul CIR definit n relaia (11) este un proces de forma
2 kt

4k
rt = e kt
e 1 , unde ( (s ), s 0 ) este un proces BESQ ( ) cu = 2 . In

4k

particular dac

4k

> 2 procesul nu atinge starea 0.

Din a doua teorem de existen rezult faptul c ecuaia (11) admite o soluie unic,
def

nenegativ. Presupunem 2k 2 i notm T0x = inf t 0 ; rt x = 0 primul moment n

care este atins starea 0. Atunci P T0x = = 1 , adic procesul r nu atinge starea

(poziia) 0. Pentru 0 2k < 2 i k > 0 , P T0x < = 1 iar pentru k < 0 are loc

relaia P T0x < (0,1) .

Probabiliti de tranziie pentru procesul CIR


Propoziia 3.26. Densitatea de tranziie P (rt dr rs = ) = f (r ; t s, )dr este

e kt re kt

dat de formula f (r , t , ) =
2c
unde c =

(e
4k

kt

1 i =

2k

+ re kt
exp
2c

1.

101

I
re kt ,
c

In particular, fie rt ( ) un proces CIR a crei valoare iniial este r0 ( ) = . In aceste


condiii variabila aleatoare Yt = rt ( )e kt c are densitatea

P(Yt dy ) =

e 2 y 2 2
e y I
2 2

y dy

unde = c . Aceasta este o lege chi-ptrat, necentrat cu = 2( + 1) grade de


libertate i parametrul de necentralitate.
Dac 2 ( , , y ) este funcia de repartiie cumulat atunci
4 Ke T
P (rT > r0 = ) = 1 2 2 , ,
c
c

2 kT
, unde c =
e 1 .
4k

Bibliografie
Jeanblanc M.

- Course de Calcul Stochastique, 2002

J. Ma, J. Yong

- Forward-Backward Stochastic Differential Equations, volume


1702 of Lecture Notes in Maths. Springer-Verlag, Berlin, 1999

B. Oksendal

- Stochastic Differential Equations. Springer, Berlin, 1992

P. Protter
Simon Thomas

- Stochastic Integration and Differential Equations. Springer,


Berlin, 1990
- Elements de Calcul Stochastique, 2002 note de curs

Steven E. Shreve

- Stochastic Calculus and Finance, 1997 note de curs

102

Capitolul 4

Probleme asociate micrii browniene


Capitolul include subiecte legate de condiiile n care un proces stochastic poate
fi reprezentat printr-o integral stochastic.
4.1. Regula de schimbare a probabilitii
4.1.1. Teorema lui Girsanov
Propoziia 4.1. Fie P i Q dou probabiliti echivalente pe spaiul (,FT ) .

Exist atunci (Lt , t T ) , un


raport cu

P - Ft martingal strict pozitiv astfel nct Q = LT P n

FT i Q Ft = Lt P Ft . Altfel spus, pentru orice variabil aleatoare X

Q -integrabil, Ft -msurabil i pentru t T are loc egalitatea E Q ( X ) = E P (Lt X ) .


Mai mult, L0 = 1 i E P (Lt ) = 1 pentru orice t T .
Demonstraie. Dac restriciile probabilitilor P i Q la FT sunt echivalente exist o

variabil aleatoare LT , FT -msurabil astfel nct Q = LT P n raport cu FT (teorema


lui Radon-Nikodym). Spunem c LT este densitatea

lui Q n raport cu P i

EQ ( X ) = E P (LT X ) pentru orice variabil X FT -msurabil i Q -integrabil. In


particular, variabila aleatoare LT este strict pozitiv i E P (LT ) = 1 . Fie Lt = E P (LT Ft ) .
Din construcie

(Lt , t T )

este un martingal i este densitatea Radon-Nikodym

Ft -msurabil a lui Q n raport cu P pe Ft . Prin urmare, dac X este Ft -msurabil


i Q integrabil atunci:
EQ ( X ) = E P (LT X ) = E P (E P (XLT Ft )) = E P ( XE P (LT Ft )) = E P ( XLt ) .

In acest caz are loc P = (LT ) Q i E P (Y ) = EQ (LT1Y ) iar Lt 1 , t T este un


1

Q -martingal.
Observaie. Vorbim despre legea unei variabile aleatoare sau al unui proces, n raport

cu P sau Q n funcie de probabilitatea cu care este nzestrat spaiul. O proprietate


103

adevrat

P -aproape

sigur

este

adevrat

Q -aproape

sigur.

variabil

aleatoare P -integrabil nu este n mod necesar i Q -integrabil.


Propoziia 4.2. M este un Q -martingal dac i numai dac LM este un

P -martingal.
Demonstraie. Fie M un Q -martingal. Utiliznd formula lui Bayes i proprietatea de

P -martingal a lui L , pentru s t obinem relaia:


M s = EQ (M t F s ) =

E P (Lt M t F s )
Ls

Reciproca rezult din formula lui Bayes.


Teorema lui Girsanov. Fie

(Bt , t 0)

o micare brownian pe spaiul

(,F , P ) i (Ft ) filtrarea sa canonic. Fie


t

t
1
Lt = exp s dBs s2 ds , t T ,
20

unde este un proces (Ft ) adaptat (sau altfel spus, dLt = Lt t dBt ). Presupunem
t

def
~
~
E (LT ) = 1 . Fie dQ FT = LT dP FT . Atunci Bt = Bt + s ds , unde B este o Q -micare

brownian.
T

1
Observaie. In condiia lui Novikov E P exp s2 ds < , LT este o variabil
20

aleatoare pozitiv a crei medie este 1 n raport cu P iar L este un P -martingal. Dac

L nu are media 1 atunci L este un supermartingal al crui medie este strict mai mic
dect 1.
Demonstraie. In cazul n care = m , unde m este o constant, utilizm

caracterizarea micrii browniene prin proprietatea de martingal a expresiei

~ 2
2
exp Bt t . Demonstrm c exp Bt t este un Q -martingal sau c
2
2

2
Lt exp (Bt mt )
2

t = exp ( + m )Bt 2m + m 2 + 2 t
2

104

))

~
este un P -martingal. In cazul general se poate verifica c B este un Q -martingal

~
deoarece B L este un P -martingal. Croetul Q -semimartingalului B coincide cu cel al
~
termenului ce reprezint martingalul sau cel al Q -martingalului B . Croetul nu
~
depinde de alegerea probabilitii. Croetul lui B este egal cu croetul lui B i este
~
~
egal cu t . Deoarece Bt2 t Lt este un P -martingal, rezult Bt2 t este un

Q -martingal.
Propoziia 4.3. Fie Z un P -martingal local continuu i fie Q o probabilitate

definit pe Ft prin dQ = exp Z t Z t dP = Lt dP . Dac N este un P -martingal


2

local continuu, procesul N t N , Z

= Nt

1
N , L t , t 0 este un Q -martingal
Lt

local continuu al crui croet este N t .


Demonstraie. Martingalul

Lt = exp Z t Z t
2

verific relaia

dLt = Lt dZ t .

Procesul N t N , Z t , t 0 este un Q -martingal local. Utiliznd formula lui It

verificm faptul c Lt N t Lt N , Z t , t 0 este un P -martingal local.


Utiliznd spaiul canonic rescriem rezultatul de mai sus. Legea micrii
browniene W este absolut continu. Analog legea micrii browniene cu deriva ,

2
definit prin W ( ) Ft = exp Wt
t W Ft unde W este aplicaie canonic, este
2

absolut continu. Altfel spus relaia poate fi scris n forma :

2
W ( ) (F ( X u , u t )) = W expX t t F ( X u , u t ) , pentru orice funcie F .
2

Considerm cazul particular F ( X u , u t ) = f ( X t ) . Termenul W ( ) (F ( X u , u t )) poate


fi scris atunci n forma W ( ) ( f ( X t )) = E ( f (Wt + t )) , unde termenul W din membrul
drept este o micare brownian i deci (Wt + t , t 0 ) este o micare brownian cu

105

deriva . Termenul W expX t


2

t F ( X u , u t ) din membrul drept devine

2
2
W expX t
t f ( X t ) = E expWt
t f (Wt ) ,
2
2

unde W este o micare brownian. Din teorema lui Girsanov rezult c dac W este o

2
micare brownian n raport cu P i dQ Ft = expWt t dP Ft atunci
2

2
E P expWt
2

~
t f (Wt ) = EQ ( f (Wt )) = EQ f Wt + t ,

((

))

~
unde W este o micare brownian n raport cu Q .

Observaie. 1. Acest lucru poate fi generalizat la cazul n care t este timp de oprire i

de asemenea la cazul n care schimbarea de probabilitate este de forma


t

t
1
exp s dWs s2 ds .
20

2. Dac L este soluia ecuaiei dLt = Lt t dBt cu L0 = 1 , P se poate scrie n funcie de

Q n felul urmtor dP = LT1 dQ , unde


T

T
1 2

L = exp (s )dBs + (s )ds


20

1
T

i B este o micare brownian n raport cu P .

L poate fi scris ca o micare brownian n raport cu Q n forma:


T

T
~ 1
LT1 = exp (s )dBs 2 (s )ds .
20

)
(L X ) .

Procesul Lt 1 , t 0 este un Q -martingal i dac X este din FT atunci are loc relaia
E P ( X ) = EQ

1
T

106

Propoziia 4.4. Dac X

este un proces stochastic definit prin relaia

X t = t + Bt i dac Ta = inf {t 0; X t = a} este timp de lovire a nivelului a , atunci


pentru astfel nct 2 + 2 > 0 are loc relaia

( (

))

E exp Ta = exp a a 2 + 2 .

Demonstraie. Se observ c pentru > 0 are loc relaia:

( (

))

))

E exp Ta = E 1 (T < ) exp Ta = W ( ) exp( Ta )1(Ta < ) =


a

1
= W expX Ta 2T a exp( Ta )1 (T < ) = ea W exp 2 + 2 T a .
a
2

Observaie. Dac a > 0 atunci P Ta < = 1 , n caz contrar P Ta < < 1 . Atunci

P Ta dt =

1 a2

+ 2 t .
aea exp
2t 3

2 t
dt

Cazul vectorial
A. Micri browniane standard independente

Dac B (1) i B (2 ) sunt dou micri browniene independente n raport cu P i


dac dQ = Lt dP , unde Lt = L1t L2t cu Lit definit prin
t ( i ) (i ) 1 t ( i ) 2
L = exp s dBs s ds ,
20

( )

i
t

are loc relaia dLt = Lt t(1) dBt(1) + t(2 ) dBt(2 )

i se arat c n raport cu Q ,

~
Bt(i ) = Bt(i ) (i ) (s )ds sunt micri browniene independente.
0

B. Micri browniene corelate

Fie B (1) i B (2 ) dou micri browniene corelate n raport cu P , fie


coeficientul de corelaie, Ft filtrarea natural a celor dou micri browniene B (1) , B (2 )
i

dQ Ft = Lt dP Ft
t

dLt = Lt t(1) dBt(1) + t(2 ) dBt(2 ) .

unde

In

raport

cu

Q,

~
Bt(i ) = Bt(i ) (i ) (s ) + ( j ) (s ) ds sunt micri browniene corelate, coeficientul de
0

107

~
corelaie fiind . Pentru a demonstra c B (1) este o Q -micare brownian este
suficient s demonstrm c LB (1) este un Q -martingal local. Formula lui It ne
conduce la relaia

) (

) ) (

d LB (1) = LB (1) 1 dB (1) + 2 dB (2 ) + L dB (1) 1 + 2 dt + L 1 dt + 2 dt .


4.1.2. Aplicaii modele financiare

Fie S un proces care verific ecuaia diferenial stochastic


dS (t ) = S (t )(b(t )dt + (t )dWt ) .
Putem determina o unic probabilitate

echivalent cu

astfel nct

dS (t ) = S (t )(r (t )dt + (t )dBt ) , unde B este o Q -micare brownian iar r este o


dobnda fr risc. Este suficient s considerm dQ Ft = Lt dP Ft , unde L este soluia
ecuaiei dLt = Lt (t )dWt , pentru care L0 = 1 i (t ) = 1 (t )(b(t ) r (t )) , integrabil.
Prin urmare
dBt = dWt (t )dt = dWt +

b(t ) r (t )
dt
(t )

este o Q - micare brownian i


b(t )dt + (t )dWt = b(t )dt + (t )(dBt + (t )dt ) = r (t )dt + (t )dBt .

t
Probabilitatea Q este numit probabilitate de risc neutru. Dac Rt = exp r (s )ds

0
este coeficientul de actualizare atunci procesul SR verific relaia d (S t Rt ) = S t Rt t dBt
i este un Q -martingal local.
Observaie. SR reprezint procesul de actualizare a preului unui instrument financiar.

Valoarea unui activ pe o pia financiar complet


Fie r o constant i fie un portofoliu format dintr-un activ cu valoarea .
Valoarea portofoliului se dubleaz n urma unui proces de autofinanare. Notm cu Vt
valoarea portofoliului la momentul t . este o variabil aleatoare pozitiv, FT
msurabil, integrabil. In cazul opiunilor call europene
108

este egal cu

(S T

K ) = max(S T K ,0 ) , unde K reprezint preul de exercitare a opiunii la


+

momentul T i S T reprezint valoarea de pia a activului la momentul T .


Propoziia 4.5. Procesul VR este un Q -martingal i
EQ (RT VT Ft ) = EQ (RT Ft ) = Vt Rt .

Demonstraie. Presupunem existena unui portofoliu a crui valoare se dubleaz n

urma unui proces de autofinanare, astfel nct valoarea sa la momentul t este dat de
relaia: Vt = t S t0 + t S t , pentru care VT = . Condiia de autofinanare este prin
~
~
definiie dVt = t dS t0 + t dS t . Dac notm prin Vt = e rtVt i S t = e rt S t valorile
~
~
actualizate atunci este uor de demonstrat c dVt = t dS t sau n forma integral:
t

~
~
~
Vt = V0 + s dS s = V0 + s S s Rs s dBs

(1).

Se observ c oricrui proces i oricrei valori iniiale x i putem asocia un


t

~
~
parametru . Este suficient s se calculeze Vt = V0 + s dS s i s se aleag t astfel
0

~
nct Vt = e rtVt = t S t0 + t S t .
~
Procesul V este o integral stochastic n raport cu un Q -martingal , este prin

urmare un Q -martingal local. Dac este un martingal atunci are loc relaia:

~
~
Vt = EQ VT Ft = EQ e rT Ft .

(2)

Portofoliul de acoperire se obine din ecuaia (1). Cum este cunoscut trebuie doar s
considerm t =

1
(Vt t S t ) = V~t t S~t . Rmne de demonstrat existena lui .
0
St

Pentru evaluarea activului, , trebuie identificat probabilitatea de risc neutru, calculat

media EQ e rT Ft i identificat . Cum valoarea activului, este pozitiv rezult c


i valoarea Vt a portofoliului obinut prin dublarea valorii activului este de asemenea
pozitiv.
In cazul modelului Black-Scholes, dS (t ) = S (t )(bdt + dBt ) , unde b i sunt

109

~
~
constante, atunci dS t = S (t ) rdt + dBt , unde B este o Q -micare brownian i S
este o micare brownian geometric. Pentru =

r
i dLt = LtdBt are loc relaia

~
~
dQ = Lt dP . Micare brownian B este dat de relaia dB = dB dt .
Se poate calcula media condiionat (2) n cazul = (S T K ) . Din
+

proprietatea Markov rezult expresia Vt = F (t , S t ) pentru care


F (t , x ) = xN (d1 ) Ke r (T t ) N (d 2 ) .
~
~
Fie F (t , x ) = e rt F (t , x ) . Avnd n vedere c F (t , S t ) este un martingal atunci formula
t

F
~
~
(u, S u )dS~u . Cum derivata martingalului
lui It implic F (t , S t ) = F (0, S 0 ) +
x
0
~
F (t , S t ) este 0 regsim ecuaia de evaluare .

Observaie. Dac t =

F
(t , S t ) , atunci termenul F (t , S t ) este factorul Delta al
x
x

opiunii call.
De asemenea obinem relaia:

((

) )

Vt = EQ e r (T t ) (S T K ) Ft = e rt EQ S T e rT 1 ST > K Ke rt EQ e rT 1 ST > k .
+

S t e rt
este un martingal pozitiv de medie 1 i facem o schimbare de probabilitate.
S0
Notm S t e rt = S 0 M t , unde M este Q -martingal ce verific relaia dM t = M t dBt .
Acesta este un martingal pozitiv de medie 1 deci poate fi utilizat n schimbarea de
probabilitate. Fie Q = M t dQ . Procesul B = B dt este o micare brownian n raport

))

cu Q i dS t = S t rdt + dB t + dt = S t (r + 2 )dt + dB .

2
2
T + B T = S 0 exp r +
Atunci: S T = S 0 exp r + 2

2
2

T + B T i

EQ S T e rT 1 ST > K = S 0 EQ M T 1 ST > K S0 = S 0 Q (S T > K S 0 ) .

110

Noiunea de arbitraj
In teoria financiar modern noiunea de arbitraj este extem de important. Se
refer la circumstane n care cumprarea i vnzarea simultan a unor instrumente
financiare pe diferite piee conduc la obinerea unui profit fr risc.
In termeni probabilistici este vorba de un portofoliu adaptat a crui valoare final
obinut n urma unei strategii de autofinanare este pozitiv:
V0 ( ) = 0 , VT ( ) 0 , E (VT ) > 0

Exemple. 1. Rata de schimb valutar. Considerm o aciune XY tranzacionat pe


pieele din New York i Londra. Presupunem c valoarea aciunii XY pe piaa new
yorkez este de $155 n timp ce pe piaa londonez este evaluat la 100 n condiiile n
care paritatea lir/dollar este 1,6 (1= $1,6). Un arbitrajor poate cumpra i vinde
simultan 100 de aciuni XY obinnd un profit fr risc (cumpr la New York i vinde
la Londra) n absena costurilor de tranzacie: 100 (1,6$/ 100 - $155) = $500 .
2. Tranzacionarea unei valori mobiliare pe piee diferite (ex. aur). Presupunem c
valoarea curent a unei uncii de aur este de $398 (preul spot) i avem un acord de
cumprare n trei luni a unei cantiti de aur pentru un pre de $390 (contract futures).
Presupunem c pentru mprumutarea unei uncii de aur pe o perioad de trei luni
dobnda lunar solicitat este de 10% iar pentru un depozit pe 3 luni la banc dobnda
lunar este de 4%. Aceast situaie creaz condiii de arbitraj. Astfel un arbitrajor poate
mprumuta o uncie de aur, o vinde la preul curent de $398, depoziteaz banii pe trei
luni i simultan se angajeaz ntr-un contract futures de cumprare n trei luni a unei
uncii de aur la preul de $390.
Costul mprumutului unei uncii de aur este $398 0,1 1 4 = $9,95 n timp ce dobnda
obinut n urma constituirii depozitului bancar este $398 0,4 1 4 = $3,98 . Dup trei
luni arbitrajorul va avea un capital egal cu $398+$3,98-$9,95=$392,03 i cumprnd o
uncie la preul prevzut n contractul futures obine un profit de $2,03. Costurile de
tranzacie au fost presupuse egale cu 0.

111

4.2. Timp de lovire


Fie (,F , P ) un spaiu probabilistic i fie pe acest spaiu definit o micare
brownian (Wt , t 0 ) a crei stare iniial este 0. Fie F = (Ft , t 0 ) filtrarea sa natural
i fie X un proces stochastic continuu. Definim timpul de lovire (sau de atingere) a
nivelului (sau a strii) a , Ta ( X ) , prin relaia
Ta ( X ) = inf {t 0 : X t = a} .
Primul moment n care procesul X se afl deasupra nivelului a este dat de expresia
Ta+ ( X ) = inf {t 0 : X t a}.
Primul moment n care procesul X se afl sub nivelului a este dat de expresia
Ta ( X ) = inf {t 0 : X t a}.

Observaie. 1. Pentru X 0 = x i a > x are loc relaia Ta+ = Ta . 2. Unele traiectorii ale
micrii browniene vor lovi nivelul a > 0 direct, altele vor avea un traseu mai amplu
trecnd prin valori negative pentru ca dup un timp suficient de mare s ajung n
poziia a . Astfel Ta va avea o anumit distribuie.

4.2.1. Legea de probabilitate a unui timp de lovire i principiul maximului cazul


micrii browniene
Fie (Wt , M t ) o pereche de variabile aleatoare unde Wt este o micare brownian
iar M t = sup Ws , altfel spus M este maximul micrii browniene pe intervalul [0, t ] .
s t

M este un proces cresctor cu valori nenegative.

Propoziia 4.6. (Principiul simetriei). Pentru 0 y i x y are loc relaia:


P(Wt x, M t y ) = P(Wt 2 y x ) .

Demonstraie. Fie T y+ = inf {t : Wt y} primul moment n care micarea brownian


depete nivelul (starea) y . Acesta este un F -timp de oprire (sau stopare) i pentru
y 0 are loc relaia : (T y+ t ) = (M t y ) . Mai mult pentru y 0 i avnd n vedere
continuitatea traiectoriilor micrii browniene timpul de oprire T y+ este i timp de lovire
112

a nivelului y , adic T y+ = T y = inf {t : Wt = y} i WTy = y . Prin urmare, au loc


egalitile:

P(Wt x, M t y ) = P (Wt x, T y t ) = P Wt WTy x y, T y t .

) ( )

Notaie: E P 1 A T y = P A T y . Avnd n vedere proprietatea tare Markov obinem:

) (

)) (

P Wt WTy x y, T y t = E 1Ty t P Wt WTy x y T y = E 1Ty t (T y ) ,

~
~ def

unde (u ) = P Wt u x y i Wu = WTy +u WTy , u 0 este o micare brownian

~
independent de (Wt , t T y ) avnd aceeai lege cu W . Prin urmare

~
(u ) = P Wt u y x . Atunci

) (

))

E 1Ty t (T y ) = E 1Ty t P Wt WTy y x T y = P(Wt 2 y x, T y t ) .


Deci P(Wt x, M t y ) = P(Wt 2 y x, M t y ) . Deoarece 2 y x y , membrul
drept al relaii este egal cu P(Wt 2 y x ) , ceea ce implic faptul c pe mulimea

{Wt

2 y x} timpul de lovire T y este mai mic dect t , sau M t y .

Propoziia 4.7. Fie W o micare brownian cu starea iniial 0 i fie


M t = sup(Ws ,0 s t ) . Atunci
pentru y 0 i x y

x
x 2y
P(Wt x, M t y ) = N N

t
t

pentru y 0 i x y

y
y
P(Wt x, M t y ) = P(M t y ) = N N

t
t

pentru y 0

P(Wt x, M t y ) = 0 .

Densitatea perechii (Wt , M t ) este dat de expresia:


P(Wt dx, M t dy ) = 1 y 01 x y

( x 2 y )2
2

(
)
2
exp

y
x

2t
t3

dxdy .

Demonstraie. Din principiul simetriei, pentru y 0 i x y rezult:


P(Wt x, M t y ) = P(Wt x ) P(Wt x, M t y ) = P(Wt x ) P(Wt 2 y x ) .
113

(3)

Pentru y 0 i x y , cum M t Wt rezult P(Wt x, M t y ) = P(Wt y, M t y ) .


y
y
Pentru x = y n (3) rezult P(M t y ) = P(Wt y, M t y ) = N N
.
t
t
Pentru y 0 , cum M t M 0 = 0 rezult P(Wt x, M t y ) = 0 .

Observaie. Fie = inf {t > 0 : Bt = 0} atunci P( = 0 ) = 1


Propoziia 4.8. Fie W o micare brownian i pentru orice y > 0 definim
T y = inf {t : Wt = y}. Procesul cresctor

(T , y 0)

are creteri independente i

n lege

staionare. De asemenea este verificat proprietatea Ty = 2T y , y 0 .

Demonstraie. Proprietatea de cretere rezult din continuitatea traiectoriilor micrii

browniene. Pentru z > y are loc relaia Tz T y = inf t 0 : WTy +t WTy = z y .


Din proprietatea Markov rezult independena i staionaritatea. Fie > 0 atunci
proprietatea de scalare a micrii browniene implic

~
1
n lege
Ty = inf t : Wt = y = 2 inf t : Wt = y ,

~
~ 1
unde W este o micare brownian definit prin Wt = W2t .

Propoziia 4.9. M t i Wt au aceeai lege de probabilitate.


Legea de probabilitate a unui timp de lovire. Pentru un nivel x > 0 legea de
probabilitate a timpului de lovire Tx = inf {s : Ws = x} poate fi dedus n felul urmtor:

x2

P(Tx t ) = P( x M t ) = P(x Wt ) = P x G t = P 2 t ,
G

unde G reprezint o variabil aleatoare gaussian cu media 0 i variana 1.


n lege

Deci Tx =

x2
i densitatea variabilei aleatoare Tx este dat de expresia:
G2
P(Tx dt ) =

x2
exp 1t 0 dt
2 t 3
2t

Pentru x < 0 , avnd n vedere simetria micrii browniene obinem


n lege

Tx = inf {t : Wt = x} = inf {t : Wt = x} = T x
114

i atunci pentru orice x 0 are loc relaia:


x2
exp 1t 0 dt .
2 t 3
2t
x

P(Tx dt ) =

In particular, pentru x 0 au loc relaiile P(Tx < ) = 1 i E (Tx ) = .

Legea infimului n cazul micrii browniene are la baz aceei metod de


def

calcul, observnd c mt = inf Ws = sup( Ws ) = sup(Bs ) , unde B = W este o


s t

s t

s t

micare brownian. Deci au loc relaiile (4):


pentru y 0 i x y

x
2y x
P(Wt x, mt y ) = N
N

t
t

pentru y 0 i x y

y
y
P(Wt x, mt y ) = N
N
t
t

pentru y 0

P(Wt x, mt y ) = 0

y
y
N .
pentru y 0 , P(mt y ) = N
t
t
Dac micarea brownian

pornete din starea

la momentul 0 i

T0 = inf {t : Wt = 0} atunci pentru z > 0 i x > 0 obinem egalitile:


Pz (Wt dx, T0 > t ) = P0 (Wt + z dx, T z > t ) = P0 (Wt + z dx, mt > z ) .
Pentru z > 0 difereniind n (4) n raport cu x obinem:
( z x )2
1 x >0
exp
Pz (Wt dx, T0 > t ) =
2t
2 t

( x + z )2

exp

2t

dx .

Propoziia 4.10. Fie T y timpul de lovire al nivelului y , cu y din R ,


corespunztor unei micari browniane standard. Atunci pentru > 0 are loc relaia:

2
E exp T y = exp( y ) .
2

Demonstraie. Pentru orice > 0

2
procesul exp Wt t , t 0
2

este un

martingal. Fie y 0 , 0 i T y timpul de lovire al nivelului y atunci martingalul


115

2
exp Wt T (t T y ), t 0 este mrginit de e y . Teorema de selecie opional a

2
lui Doob implic E exp WTy T y = 1 . Din relaiile P (T y < ) = 1 i WTy = y
2

obinem transformata Laplace a lui T y . Cazul pentru care y < 0 rezult din studiul
micrii browniene W .

Observaie. Pentru a aplica teorema de selecie opional a lui Doob trebuie s

2
verificm dac martingalul exp Wt Ty (t T y ) este uniform integrabil. In cazul
2

> 0 i y < 0 o aplicare necorespunztoare a teoremei conduce la egalitatea cu 1 i

2
2
E exp WTy T y = e y E exp T y .
2
2

2
Ceea ce nseamn c termenii E exp T y i exp( y ) sunt egali. Acest lucru
2

2
este fals deoarece cantitatea E exp T y este mai mic dect 1 n timp ce
2

cantitatea exp( y ) este strict mai mare dect 1.

4.2.2. Timp de lovire - cazul micrii browniene cu deriv


Considerm cazul n care X t = t + Wt , unde W este o micare brownian. Fie

M tX = sup( X s , s t ) , mtX = inf ( X s , s t ) i T y ( X ) = inf {t 0 X t = y}. Reamintim c


W ( ) ( X t A) reprezint probabilitatea ca micarea brownian X t cu deriva s
aparin lui A .

Propoziia 4.11. Pentru y 0 i y x are loc relaia:


x
W ( ) X t x, M tX y = N
t

Pentru y 0 i y x are loc relaia:

116

t 2 y x 2 y
e N
t

x +
W ( ) X t x, mtX y = N
t

t 2 y x + 2 y +
e N
t

t
.

Demonstraie. Teorema Cameron-Martin implic:

2
W ( ) X t x, M tX y = E exp Wt
2

t 1{W x ,M W y } .
t
t

Din principiul de simetrie, pentru y 0 i y x rezult egalitatea:

P Wt x, M tW y = P x 2 y Wt , M tW y

Deci

2
E exp Wt
2

2
t 1{W x , M W y } = E exp (2 y Wt )
t
2
t

t 1{2 y W x , M W y } =
t
t

2
= e 2 y E exp Wt t 1{Wt 2 y x} .
2

Aplicnd din nou teorema Cameron-Martin obinem:

2
E exp Wt
2

t 1{Wt 2 y x} = P(Wt t 2 y x ) .

Prin urmare, pentru y 0 i y x

W ( ) X t x, M tX y = e 2 y P(Wt 2 y x + t ) = e 2 y W ( ) ( X t 2 y x + 2 t ) =

2 y + x t
= e 2 y P( Wt 2 y x + t ) = e 2 y P( X t x 2 y ) = e 2 y N
.
t

De unde rezult

W ( ) X t x, M tX y = W ( ) ( X t x ) W ( ) X t x, M tX y =

x t 2 y x 2 y t
= N
e N
.
t
t

Pentru y 0 i y x obinem

W ( ) X t x, mtX y = P Wt + t x, inf (Ws + s ) y =


s t

117

2 y x + t
= P Wt t x, sup( Ws s ) y = e 2 y P(Wt t y ) = e 2 y N

s t

In particular, principiile maximului i minimului unei micri browniene cu


deriv pot fi deduse innd cont de relaiile:

W ( ) M tX y = W ( ) X t y, M tX y i W ( ) mtX y = W ( ) X t y, mtX y ,
din unde obinem:

y
W ( ) M tX y = N
t

t 2 y y
e N
t

y +
W ( ) (M tX y ) = N
t

t 2 y y
+ e N
t

y +
W ( ) mtX y = N
t

y
W ( ) mtX y = N
t

t
, y 0

t 2 y y +
e N
t

t 2 y y +
+ e N
t

t
, y 0

t
, y 0

t
, y 0 .

y
W ( ) (T y ( X ) t ) = W ( ) M tX y = N
t

t 2 y y
e N
t

y +
W ( ) (T y ( X ) t ) = W ( ) mtX y = N
t

t 2 y y +
e N
t

t
, y > 0

t
, y < 0

In particular, pentru t tinznd la n expresia lui W ( ) (T y ( X ) t ) obinem pentru

0 : W ( ) (T y = ) = 1 e 2 y .
Transformata Laplace a unui timp de lovire n cazul micrii browniene cu
deriv se obine din teorema Cameron-Martin:

2 + 2
W ( ) exp T y ( X ) = E exp WTy
T y (W ) , unde W ( ) (.) este media
2

n raport cu W ( ) . Din propoziia 4.10 expresia din membrul drept este egal cu

e y E exp 2 + 2 T y (W ) = e y exp y 2 + 2 .
2

118

Prin urmare,

( )

W exp T y ( X ) = e y exp y 2 + 2 . Pentru = 0 i


2

y < 0 obinem W

( )

(T

<

)=

2 y

Acest lucru demonstreaz faptul c probabilitatea ca o micare brownian cu


deriv pozitiv s loveasc un nivel negativ este diferit de 1. In cazul y > 0 are loc
W ( ) (T y < ) = 1 . Acest lucru este explicat de faptul c (Wt + t ) t tinde la pentru t
tinznd la , deci deriva conduce procesul ctre infinit. In cazul y > 0 pentru = 0
obinem W ( ) (T y ( X )) = y . Pentru y < 0 timpul mediu de oprire este infinit .

4.2.3. Timp de lovire - cazul micrii browniene geometrice


Fie dS t = S t ( dt + dWt ) , S 0 = x , unde > 0 . Altfel spus, fie

((

S t = x exp 2 2 t + Wt = xe X t ,
unde X t = t + Wt i =


.
2

Notm prin Ta (S ) = inf {t 0 : S t = a} = inf t 0 : X t = ln(a x ) primul timp de

lovire al nivelului a . Atunci Ta (S ) = T ( X ) , unde =


b este asociat micrii browniene S , notm =

ln (a x ) . Atunci cnd un nivel

ln(b x ) . Din rezultatele anterioare

obinem legea de probabilitate a timpului de lovire i principiile maximului i


minimului corespunztoare lui S pe intervalul [0, t ] .

Principiile maximului i minimului


Pentru b > a i b > x are loc relaia:

t 2 2 t
P S t a, M tS b = P X t , M tX = N
e N
.
t
t

Pentru a > b i b < x are loc relaia:

+ t 2 + 2 + t
P S t a, mtS b = P X t , mtX = N
e N
.
t
t

119

Prin urmare pentru a > x sau > 0

P(Ta (S ) < t ) = P M tS a = 1 P M tS a = 1 P S t a, M tS a =

t 2 t
+ t 2 t
= 1 N
+ e N
= N
+ e N
.
t
t
t
t

Pentru a < x sau < 0

t 2 t +
P(Ta (S ) < t ) = P mtS a = 1 P mtS a = N
+ e N
.
t
t

Transformata Laplace a unui timp de lovire n cazul unei micri browniene


geometrice
Din egalitatea Ta (S ) = T ( X ) obinem

E exp Ta (S ) = W ( ) exp T ( X ) .
2

Din relaia W ( ) exp T ( X ) = e exp 2 + 2 rezult


2

E exp Ta (S ) = exp 2 + 2 .
2

4.2.4. Timp de lovire cazul unui proces Vasicek


Propoziia

4.12.

Fie

(rt , t 0)

drt = k ( rt )dt + dWt , r0 = i fie

un

proces

Vasicek

definit

prin

T0 = inf {t 0 : rt = 0}. Pentru orice > 0

funcia de densitate a lui T este dat de relaia:


f (t ) =

32

k
k

kt 2
( )2 2 + 2 coth kt .

e exp
2
sin
kt
2

Demonstraie. Considerm cazul n care = 0 i = 1 . Procesul Vasicek este dat de


t

relaia rt = e kt x + e ks dBs .
0

120

Atunci T0 = inf {t 0 : rt = 0} = inf t : x + e ks dBs = 0 = inf {t : W A(t ) = x} i aplicnd


0

teorema lui Dubins scriem martingalul e ks dBs ca o micare brownian W pentru care
0

A(t ) = e 2 ks ds . Prin urmare T0 = A(inf {t 0 : Wt = x}) i are loc relaia:


0

Px (T0 dt ) = A(t )P0 (T x (W ) dA(t )) .

Fie S o micare brownian geometric cu factorul determinist . S verific


ecuaia:
dS t = S t (rdt + (t )dWt ) , S 0 = x .
t
t

1
Fie Ta (S ) = inf {t : S t = a} = inf t : rt 2 (s )ds + (s )dWs = , unde
20
0

= ln (a x ) .
Observaie. Volatilitatea reprezint caracteristica unei valori mobiliare de a
nregistra fluctuaii mari de pre ntr-o perioad scurt de timp.
t

Procesul U t = (s )dWs este o micare brownian i poate fi reprezentat prin Z A(t ) ,


0

unde Z este o micare brownian i A(t ) = 2 (s )ds . Fie C inversa funciei A putem
0

defini atunci
1
1

Ta (S ) = inf t : rt A(t ) + Z A(t ) = = inf C (u ) : rC (u ) u + Z u = .


2
2

Problema s-a redus la studiul timpului de lovire a unei margini neconstante rC (u ) ,


1

de ctre o micare brownian cu deriv Z u u , u 0 .


2

Observaie. Fie Th (V ) = inf {t 0 : Vt = h(t )}, unde h este o funcie determinist i V


un proces de difuzie. Exist un numr mic de cazuri pentru care legea lui Th (V ) este
cunoscut n mod explicit.
121

4.2.5. Timp de lovire a unei bariere


Cazul micrii browniene
Fie a < 0 < b i Ta , Tb timpi de lovire a nivelurilor a i respectiv b definii
astfel: Ta = inf {t 0 : Wt = a} ,

Tb = inf {t 0 : Wt = b} i fie T * = Ta Tb timpul de

ieire din tunel. Fie M t i mt maximul i respectiv minimul micrii browniene pe


intervalul [0, t ] .

Propoziia 4.13. Fie W o micare brownian i T * = Ta Tb . Atunci pentru


orice a, b, x cu a < x < b au loc relaiile:
Px (Ta < Tb ) =

bx
i E (T *) = x(b + a ) ab x 2 .
ba

Demonstraie. Martingalul Wt Ta Tb , t 0 este mrginit astfel nct

x = E x WTa Tb = aPx (Ta < Tb ) + bPx (Tb < Ta ) .


Rezultatul se obine din egalitatea
Px (Ta < Tb ) + Px (Tb < Ta ) = 1 .

(W

2
t Ta Tb

(t Ta Tb ), t 0 fiind un martingal atunci:

x 2 = E x Wt 2Ta Tb E x (t Ta Tb ) .

Trecnd la limit, pentru t tinznd la infinit obinem:


x 2 = a 2 Px (Ta < Tb ) + b 2 Px (Tb < Ta ) E x (Ta Tb ) ,
deci are loc relaia E x (Ta Tb ) = x(b + a ) ab x 2 .

Propoziia 4.14. Transformata Laplace a timpului T * este dat de expresia:

2
cosh ( (a + b ) 2 )
E exp T * =
.
(
)
(
)
2
cosh

b
2

Legea de probabilitate pentru (M t , mt , Wt ) este dat de relaia:


P(a mt < M t b, Wt E ) = (t , x )dx ,
E

122

unde pentru E [a, b] are loc relaia:

(t , x ) =

1
2 t

k =

exp 2t (x + 2k (b a ))

2
exp ( x 2b + 2k (b a )) .

2t

Demonstraie. Transformata Laplace a timpului T * se obine din teorema de selecie


opional a lui Doob:


a + b
a + b 2T *
=
exp
= E exp WT *

2
2
2

2T *
2T *
b a
a b
1{T *=Tb } + exp

1{T *=Ta }
= exp
E
exp
E exp

2
2
2
2

Utiliznd W obinem urmtorul rezultat:


a + b
a + b 2T *

=
exp
exp

E
W

T*

2
2

2T *
2T *
3b a
b 3a
1{T *=Tb } + exp

1{T *=Ta }
= exp
E
exp
E exp

2
2
2
2

Rezolvnd sistemul liniar rezult:

2T *
sinh ( a )
1{T *=Tb } =
E exp


sinh ( (b a ))

sinh (b )
E exp T * 1
=
{
T
*
=
T
}

a

2

sinh ( (b a ))

Rezultatul cutat se obine din relaia:

2T *
2T *
2

1{T *=Ta }
1{T *=Tb } + E exp
E exp T * = E exp

2
2

Cazul micrii browniane cu deriv


Fie X t = t + Wt o micare brownian cu deriv i fie T * = T T cu

< 0 < . Din teorema Cameron-Martin rezult:

123

W exp T * ( X ) = E exp WT * T * exp T * =


2
2

( )

2 + 2
2 + 2
T * 1{T *=T } + E exp WT *
T * 1{T *=T } =
= E exp WT *
2
2

2 + 2

2 + 2

T * 1{T *=T } + exp( )E exp


T * 1{T *=T } .
= exp( )E exp
2
2

2T *
sinh ( a )
1{T *=Tb } =
E exp


sinh ( (b a ))

Sistemul

sinh (b )
E exp T * 1

{
T *=Ta } =

sinh ( (b a ))

implic:

sinh ( )
sinh ( )
+ exp( )
W ( ) exp T * ( X ) = exp( )
,
(
(
)
)
(
(
)
)

2
sinh
sinh

unde 2 = 2 + 2 . In particular, pentru = formula precedent devine:

cosh ( )
W ( ) exp T * ( X ) =
.
2
cosh 2 + 2

4.3. Alte probleme


4.3.1. Teorema de reprezentare a unui proces previzibil
Fie B o micare brownian, F filtrarea sa natural i fie Ft = (Bs , s t ) .

Definiia 4.1. Fie (,F , P ) un spaiu probabilistic i fie (Fn )nN o filtrare
asociat acestui spaiu. Un proces stochastic (H n )n >0 este previzibil n raport cu
filtrarea (Fn )nN dac pentru orice n > 0 , variabila aleatoare H n este Fn 1 -msurabil.

Propoziia 4.15. Fie M un (Ft ) - martingal astfel nct sup E M t2 < . Exist
t T

T 2
un unic proces previzibil H , cu E H s ds < , astfel nct are loc relaia :

124

M t = M 0 + H s dBs ,
0

pentru orice t din intervalul [0, T ] . Dac M este un (Ft ) - martingal local exist un
H

unic proces previzibil

astfel nct oricare ar fi

are loc relaia:

M t = M 0 + H s dBs .
0

Demonstraie. Dac F este o variabil aleatoare F -msurabil, de ptrat integrabil

atunci admite reprezentarea F = E (F ) + H s dBs .


0

Fie H mulimea variabilelor aleatoare care verific proprietatea de reprezentare,


demonstrm c H

este nchis n L2 i conine variabile aleatoare de forma

( )

F = E f B& , unde f = i 1(ti 1 ,ti ] sunt totale n L2 . Se obine rezultatul cutat pentru
i

cazul martingalelor mrginite dup care se generalizeaz.


Fie B o P -micare brownian cu filtrarea canonic (Ft ) i fie un proces

(Ft ) -adaptat

1T
ce verific condiia lui Novikov E exp s2 ds < . Fie Q

2 0

probabilitatea echivalent a lui P definit pe Ft prin


t

t
1
dQ = exp s dBs s2 ds dP = Lt dP .
20

0
t

~ def
Din teorema lui Girsanov rezult faptul c Bt = Bt s ds este o (Ft ) - Q -micare
0

~
~
brownian. In general, filtrarea lui B este diferit de cea a lui B , Ft Ft . In aceast
situaie se aplic teoarema de reprezentare a unui proces previzibil: dac M este un

Ft - Q -martingal local, exist un proces Ft -previzibil H astfel nct pentru orice t are
t

~
loc relaia: M t = M 0 + H s dBs .
0

Este suficient s scriem reprezentarea P -martingalului ML i avnd n vedere formula


lui It s deducem reprezentarea lui M n raport cu probabilitatea Q . Dac
125

dS t = S t (dt + t dBt ) n raport cu probabilitatea P , atunci procesul de actualizare


~
~ ~
verific relaia dS t = S t dBt .
Calcul Malliavin

Definiia 4.2. Spaiul Cameron-Martin este spaiul funciilor

definite pe

spaiul Weiner = C 0 ([0,1]) prin (t ) = g (s )ds unde g L2 ([0, T ]) .


0

Fie F : R o variabil aleatoare a crei derivat n raport cu direcia ,


dac exist, este dat de formula: D F ( ) =

d
(F ( + )) .
d

Spunem c F este difereniabil dac exist L2 ([0, T ] ) astfel nct


T

D F ( ) = (t , )g (t )dt .
0

Atunci putem scrie Dt F ( ) = (t , ) .


T

Derivata Malliavin poate fi definit i n felul urmtor: fie W (h ) = h(s )dWs ,


0

pentru h L2 ([0, T ]) . Pentru o funcie neted f derivata unei variabile aleatoare


F = f (W (h1 ),..., W (hn )) este procesul stochastic (Dt F , t T ) definit prin:
n

Dt F =
i =1

f
(W (h1 ),...,W (hn ))hi (t ) .
xi

4.3.2. Ecuaii difereniale stochastice retrograde


Fie date:

(,F , P )

un spaiu probabilistic,

o micare brownian

d -dimensional pe acest spaiu, filtrarea sa natural F = (Ft ) , b o funcie definit pe

(R

R n R nd ), uniform, lipschitzian

b(t , x1 , y1 ) b(t , x 2 , y 2 ) K ( x1 x 2 + y1 y 2

ptrat integrabil.

126

i o variabil

FT -msurabil de

Problema

este

de

dX t = b(t , X t , Yt )dt Yt * dBt

rezolva

verificnd

ecuaia

condiia

diferenial

retrograd

XT = ,

terminal

adic

determinarea perechii ( X , Y ) F -adaptat astfel nct:


T

X t = + b(s, X s , Ys )ds Ys* dBs .

(5)

Un caz simplu este cel n care b nu depinde de X i Y . Dac exist o soluie a


T

ecuaie X t = + b(s )ds Ys* dBs atunci variabila X t + b(s )ds este Ft -msurabil i
T

este egal cu expresia + b(s )ds Ys* dBs . Aplicnd media condiionat n ambii
T

membri obinem relaia X t + b(s )ds = E + b(s )ds Ft , de unde rezult c procesul
0
0

X t + b(s )ds este un martingal cu valoarea terminal + b(s )ds cunoscut. Din

teorema de reprezentare a unui proces previzibil rezult c exist un proces Y astfel


t

nct X t + b(s, X s )ds = y + Ys dBs , de unde obinem soluia cutat.

Definiia problemei. Fie date: (,F , P ) un spaiu probabilistic, W o micare


brownian n -dimensional pe acest spaiu, filtrarea sa natural F , o variabil
aleatoare

FT -msurabil de ptrat integrabil i o familie F -adaptat de procese

f (t ,, x, y ) , x , y R d R d n cu valori n R d . Problema care ne intereseaz const n

determinarea soluiei unei ecuaii difereniale stochastice pentru care condiia terminal
i forma termenului deriv sunt date.
Presupunem c ecuaia diferenial stochastic este de forma:
dX t = f (t , X t , Yt )dt Yt * dWt ,
unde Y * reprezint transpusa matricei Y , iar condiia terminal este X T = . Altfel
t

scris pentru s < t ecuaia are forma: X s X t = f (u , X u , Yu )du Yu* dWu .

127

Soluia cutat este perechea ( X , Y ) de procese F -adaptate ce satisfac ecuaia:


T

X t = + f (s, X s , Ys )ds Ys* dWs .

Existena soluiei problemei.


Definiia 4.3. Spaiul L2 ([0, T ], R d ) este format din mulimea proceselor
stochastice cu valori n R d , de ptrat integrabile, Ft -progresiv msurabile, adic
2

mulimea proceselor Z pentru care E Z s ds < .

Propoziia 4.16. Presupunem c pentru orice pereche ( x, y ) din R n R d n


procesul f (., x, y ) este progresiv msurabil, cu f (.,.,0,0 ) L2 ([0, T ], R d ). De asemenea
presupunem c funcia f (t , ,.,.) este uniform lipschitzian adic are loc inegalitatea:
f (t , x1 , y1 ) f (t , x 2 , y 2 ) K ( x1 x 2 + y1 y 2 ) .

In aceste condiii exist o unic pereche ( X , Y ) din L2 [0, T ], R d L2 [0, T ], R d

) ce

satisface ecuaia (5).

Demonstraie. Considerm cazul n = d = 1 i demonstrm unicitatea soluiei n acest


caz. Fie (X 1 ,Y 1 ) i

(X

,Y 2 ) dou soluii din L2 ([0, T ], R d ) L2 ([0, T ], R d ) . Notm

X s = X 1 X 2 i Ys = Y 1 Y 2 . Aplicnd formula lui It pentru (X s ) obinem


2

relaia:
T

(X t )2 + (Ys )2 ds = 2 ( f (s, X s1 , Ys1 ) f (s, X s2 , Ys2 ))X s ds 2 X s Ys dWs .


Avnd n vedere faptul c integrala stochastic este un martingal i innd cont de
proprietatea Lipschitz a funciei f rezult inegalitatea:

T
1
2
2
2
2
E (X t ) + E (Ys ) ds cE ds(X s ) + E (Ys ) ds .

2 t
t

Prin urmare unicitatea rezult din teorema lui Gronwall.

128

Demonstrm existena soluiei. Pasul 1. Considerm cazul particular:

( )

dX t = f t dt Yt dWt , X T = , unde f este din H 2 R d . Avnd n vedere relaia:


t
T

X t + f (s )ds = E + f (s )ds Ft
0
0

obinem X t = E + f s ds Ft , 0 t T .
t

Teorema de reprezentare ne conduce la existena variabilei Y L2 ([0, T ], R ) astfel nct


t

martingalul ( X t , t 0 ) admite reprezentarea X t = X 0 + Ys dWs .


0

Pasul 2. Considerm ecuaia dX t = f (t , Yt )dt Yt dWt , X T = , unde f (t , y ) este


progresiv msurabil cu

f (t , ,0,0) din L2 i

f (t , ,.) uniform lipschitzian.

Construim un ir iterativ de procese ( X n , Yn ) cu Y0 (t ) 0 . Avnd n vedere pasul 1


construim soluia ( X 1 , Y1 ) a ecuaiei dX 1 (t ) = f 1 (t )dt Y1 (t )dWt , X 1 (T ) = , unde
f 1 (t ) = f (t , Y0 (t )) este cunoscut. Din primul pas rezult c irul ( X n , Yn ) cu n 1
aparine L2 ([0, T ], R ) L2 ([0, T ], R ) . Demonstrm faptul c irul converge la soluia
cutat. Aplicm lema lui It irului ( X n +1 (t ) X n (t )) . Inlocuind acest ir n ecuaia
2

diferenial sochastic obinem:


d ( X n +1 (t ) X n (t )) = ( f (t , Yn (t )) f (t , Yn 1 (t )))dt (Yn (t ) Yn 1 (t ))dWt .
Atunci rezult:

T
2
2
E ( X n +1 (t ) X n (t )) + E (Yn (s ) Yn 1 (s )) ds

t
T
T

2
2

cE ( X n +1 (s ) X n (s )) ds + (Yn (s ) Yn 1 (s )) ds .
t
t

a
a2
Din relaia 2ab = 2 cb 2 + c 2 b 2 obinem:
c
c
T

1 T

2
2
2
E ( X n +1 (t ) X n (t )) + (Yn +1 (s ) Yn (s )) ds K 2 E X n +1 (s ) X n (s ) ds +
t
t

129


T
2
+ c E Yn (s ) Yn 1 (s ) ds . Fie n (t ) = e E ( X n (s ) X n 1 (s )) ds i
t

t
T

ct

T
n (t ) = e E (Yn (s ) Yn 1 (s ))2 ds . Inlocuind aceste relaii n expresia de mai sus

t
ct

1
obinem relaia: n (t ) + n +1 (t ) n (t ) .
2
T

1
Integrnd inegalitatea obinem n (t ) + n +1 (s )ds n (s )ds . In particular rezult
2t
t
T

1
n (0 ) n (0 ) + n +1 (s )ds n 1 (s )ds .
2 t
0

1
Tinnd cont de relaia n (t ) + n +1 (t ) n (t ) i cum n (t ) 0 rezult
2
1
2

n +1 (0) c~ 2 n + n (0) deci cele dou serii

n (0) i (0) sunt convergente iar

irurile X n i Yn sunt convergente n L2 .

Pasul 3. Considerm urmtoarea relaie de recuren:


T

Y0 (t ) 0 , dX n (t ) = f (s, X n 1 (s ), Yn (s ))ds Yn (s )dWs , X n (T ) = , 0 t T .


irul ( X n (t ), Yn (t ),0 t T )n1 este un ir Cauchy deci converge la o pereche ( X , Y )
care este soluia cutat.

Exemplu. operaiuni de hedging


Considerm o pia financiar compus din d instrumente financiare, un proces
de consum adaptat c i un agent care n urma unei investiii pe piaa financiar dorete
s obin un capital final X T . Capitalul asociat unui portofoliu ( i , i = 0,1,...d ) este dat
d

de relaia X t = 0 (t )S t0 + i (t )S ti .
i =1

Condiia de autofinanare

dX t = 0 (t )dS t0 + i (t )dS ti ct dt

permite scrierea

i =1

urmtoarei relaii: dX t = t* (bt r1)dt ct dt + t* t dWt unde 1 este un vector


130

d -dimensional cu componentele egale cu 1. Trebuie determinat soluia urmtoarei

ecuaii:
dX t = b(t , X t , Yt )dt + Yt* dWt ,
unde b(t , , x, y ) = rx + y * (b r1) ct ( ) iar portofoliul ( i , i = 0,1,...d ) este de forma

t = Yt* t1 .
t

In acest caz procesul Rt X t + c s Rs ds este un martingal n raport cu Q , deci


0

H t X t = E P X T H T + c s H s ds Ft , unde H este produsul dintre factorul de discount i


t

densitatea Radon-Nikodym.

Teorema de comparaie. Fie f i , i = 1,2 cu f 1 (t , x, y ) f


procese ce satisfac ipotezele precedente. Fie i

(t , x, y ) ,

dou

dou variabile aleatoare

FT -msurabile, de ptrat integrabile astfel nct 1 2 . Fie (X i , Y i ) o soluie a


ecuaiei

( )

dX ti = b i t , X ti , Yt i dt Yt i dWt .
Atunci X ti Yt i oricare ar fi t T .

Demonstraie. Fie Yt = X t1 X t2 i Yt = Yt1 Yt 2 . Procesul Y este soluie a ecuaiei

d (Yt ) = x b1 (t )X t + y b1 (t )Yt + b1 (t , X t2 , Yt 2 ) b 2 (t , X t2 , Yt 2 ) dt Yt* dWt ,


Yt = 1 2
unde
y bt1 =

b1 (t , X t1 , Yt1 ) b1 (t , X t2 , Yt1 )
1X 1 X 2
t
t
X t1 X t2

x bt1 =

b1 t , X t1 , Yt1 b1 t , X t1 , Yt 2
1Y 1 Y 2
t
t
Yt1 Yt 2

Demonstraia se ncheie avnd n vedere caracterul lipschitzian al lui b1 . In particular


x bt1 i y bt1 sunt mrginite.
131

4.3.3. Regula de schimbare a parametrului timp


Fie A un proces cresctor, adic un proces nul n 0, continuu la dreapta i
A

adaptat. Inversul procesului cresctor

este un proces

definit prin

C u = inf {t At > u}, cu convenia inf { } = . Procesul C este cresctor, continuu la


C u = inf {t At u} i {C u > t} = {At < u} . De asemenea

dreapta i verific relaiile:

ACs s i At = inf {u C u > t}. Pentru orice u , variabila aleatoare C u este un timp de
oprire. Dac A este continuu i strict cresctor atunci C este continuu i are loc relaia
C ( A(t )) = t . Printr-o schimbare a variabilei timp obinem formula

: f (s )dAs = f (C s )1Cs < ds .

Observaie. Dac M este un martingal continuu de ptrat integrabil exist un unic

proces cresctor continuu notat cu M pentru care procesul M t2 M t , t 0 este un


t

martingal. In cazul n care M t = M 0 + H s dBs croetul lui M este procesul cresctor


0

= H s2 ds .
0

Teorema Dubins Schwartz. Dac M este un martingal continuu pentru care


M,M

= atunci exist o micare brownian W astfel nct M t = W At , unde

At = M , M t .

Procesul M

Ct

i Wt = M Ct unde C este inversul procesului A .

A= M

Demonstraie. Fie

= t este cresctor iar W este un martingal n raport cu FCt . Prin

urmare W este o micare brownian i deci M t = W At .

Propoziia 4.17. Pstrnd notaiile din teorema Dubins Schwartz putem face
urmtoarea afirmaie: dac Z este un proces progresiv msurabil astfel nct

2
Zs d M

Z dM
s

def

< atunci procesul Yt = Z Ct verific relaiile: Ys2 ds < ;

Ct

Y dW ; Z dM
u

= Yu dWu .
0

132

At

Observaie. 1. Z 1 (t ) = H s dM s i Z 2 (t ) = Yu dWu sunt martingale care au acelai


t

croet. 2. In cazul M t = H s dBs are loc relaia A(t ) = H s2 ds . Dac H este pozitiv i
continuu atunci H s =

A(s ) . Considernd M t =

A (t )

dW

obinem:

A (t )

d dWs = dM t = H t dBt =
0

A(t )dBt .

Aplicaii. 1. Procesul Bessel


Propoziia 4.18. Fie W o micare brownian . Procesul (exp(Wt + t ), t 0 ) ,
unde R + este un proces Bessel de indice pentru care exp(Wt + t ) = R ( ) ( At ( )) ,
t

unde At ( ) = exp(2(Ws + s ))ds i R ( ) sunt procese BES de indice .


0

Demonstraie. Fie procesul cresctor

At ( ) = exp(2(Ws + s ))ds i fie


0

Ct

Cu = inf {t 0 : At = u} inversul su . Faptul c ACt = t = exp(2(Ws + s ))ds implic


0

((

))

~
~
dt = exp 2 WCt + C t dC t . Procesul continuu W definit prin Wu =

Cut

exp(W

+ s )dWs

Cut

este un martingal, procesul cresctor fiind egal cu

exp 2(W

+ s )ds = u i este o

~
~
micare brownian. Din definiia lui W putem scrie W At = exp(Ws + s )dWs sau
0

~
dW At = exp(Wt + t )dWt .
def

Demonstrm c Ru = exp WCu + C u

este un proces Bessel. Formula lui It ne

conduce la urmtoarea relaie:

133

1
1
~

d exp(Wt + t ) = exp(Wt + t )(dWt + dt ) + exp(Wt + t )dt = dW At + + exp(Wt + t )dt


2
2

t
1
~

sau exp(Wt + t ) = 1 + W At + + exp(Wt + s )ds . Prin urmare


2
0

exp WCu

u
1
~

+ Cu = 1 + Wu + + exp(Ws + s )ds i
2
0

Cu

(
exp(W

)
ds
dC =
)
exp(W + C )

exp 2 WCu + Cu

s =0

Cu

exp(Ws + s )ds = exp WCu + Cu dC s =

+ Cu

Cu

.
Atunci forma diferenial este

1
du
~
d exp WCu + Cu = dWu + +
2 exp WCu + Cu

1 du
~
i dRu = dWu + +
. Rezultatul cutat se obine avnd n vedere relaia
2 Ru

R At = exp(Wt + t ) i unicitatea soluiei ecuaiei difereniale asociate procesului


BES ( ) .
2. Procesul Cox-Ingersoll-Ross

Propoziia 4.19. Dac r este soluie a ecuaiei drt = (a + brt )dt + rt dWt ,
r0 = , unde b este o funcie continu, atunci

(rt , t 0)

1 2 t

(
)

s
ds
,
t
0
=

(t )

4
0

n lege

unde (s ) = exp b(t )dt i R este un proces BESQ cu indexul =


0

4a

Demonstraie. Fie t = rt exp b(s )ds = rt (t ) . Din formula lui It rezult


0

t = 0 + a (s )ds + (s ) (s )dWs .

134

Definim procesul cresctor C (u ) = 2 (s ) (s )ds . Atunci procesul invers al su este


0

A(t ) = inf {u C (u ) = t} . Aplicnd formula de schimbare a timpului obinem:


A (t )

A (t )

A(t ) = 0 + a (s )ds +
Cum A(t ) =

(s ) (s )dWs .

1
rezult A(t ) = 0 + at + ( A(s ))dZ s , unde Z este o micare
( A(t ))
0

brownian.

Propoziia 4.20. Dac r este soluie a ecuaiei drt = (a (t )rt )dt + rt dWt ,
r0 = x , unde este o funcie continu, atunci

(rt , t 0)

1 2 t


=
(s )ds , t 0 ,

(t )

4 0

n lege

4a
unde (s ) = exp (t )dt i este un proces Bessel ptratic de dimensiune 2 .

t
Demonstraie. Fie Z t = rt exp (s )ds = rt (t ) . Aplicnd formula lui It obinem:

0
t

Z t = Z 0 + a (s )ds + (s ) Z s dWs .

Definim

funcia

cresctoare

C (u ) =

2
4

(s )ds .

Atunci

inversa

sa

este

A(t ) = inf {u : C (u ) = t}. Aplicnd o schimbare de variabil (timp) obinem

Z A (t ) = Z 0 + a

Procesul

A (t )

A (t )

A (t )

(s )ds +

(s ) Z s dWs este un martingal iar procesul cresctor asociat este dat de

relaia: 2

(s ) Z s dWs .

A (t )

(s )Z s ds = 4 Z A(s )ds , deci


135

def

t = Z A (t ) = Z 0 +

4a

t + 2 Z A( s ) dBs = 0 +
0

4a

t + 2 s dBs ,
0

unde B este o micare brownian.

Propoziia 4.21. Densitatea de tranziie a procesului

(rt , t 0)

definit prin

drt = (a (t )rt )dt + rt dWt , r0 = x , unde este o funcie continu este dat de
relaia:
P (rt dr rs = ) =

+ r (s, t ) r(s, t )
(s , t )

exp
*
2 (s , t )
2* (s, t )

r (s, t )
,
I
* (s, t )

t
2 t
unde (s, t ) = exp (u )du , * (s, t ) =
(s, u )du i = 2a 2 1 .

4
s

Bibliografie
Henk C. Tijms

- A First Course in Stochastic Models, John Wiley & Sons Ltd,


2003

Kannan D.

- An Introduction to Stochastic Processes, Probability and


Applied Mathematics, Elsevier, 1979

D. Nualart

- The Malliavin calculus and related topics. Springer-Verlag,


1995

Potter Philip E.

- Stochastic Integration and Differential Equations (Applications


of Mathematics-Stochastic Modelling and Applied Probability
21), second edition, Springer, 2004

136

Exerciii
1. Considerm modelul binomial al variaiei preului aciunilor pe o pia
financiar. Presupunem c valoarea iniial (la momentul 0) a unei aciuni XYZ este S 0
i la momentul T exist dou posibiliti, fie preul aciunii crete cu un procent u la
valoarea S 0 u fie scade cu un procent d la valoarea S 0 d . Condiia de dobnda fr risc
implic faptul c la momentul T , $1 va avea valoarea $ e rT .
a. Presupunem d < e rT < u . S se demonstreze c n aceste condiii preul unei
opiuni call europene cu timpul de maturitate T i preul de exercitare K este
1 de rT

ud

ue rT 1
(S 0 u K )+ +
(S 0 d K )+

ud

b. Ce se ntmpl n cazul n care condiia d < e rT < u nu este verificat?


2. Presupunem c la cursul de schimb al zilei 100 valoreaz $280. Un speculator
estimeaz c pn la sfritul anului paritatea lir -dollar va fi $2,6 cu o probabilitate
de 2/3 i $3,0 cu o probabilitate 1/3. Acesta cumpr o opiune put european ce i d
dreptul s vnd la sfritul anului cele 100 cu $290. Preul pltit pentru opiune este
$20. Rata dobnzii fr risk este 0. Utiliznd modelul binar cu un singur pas fie
construii o strategie prin care una din pri obine profit, fie demonstrai c preul pltit
este cel corect. Determinai probabilitile de risc neutru, adic probabilitile p i

1 p de cretere i respectiv scdere a lirei n raport cu care E e rT S T = S 0 . Avnd n


vedere c r = 0 , verificai dac n aceste condiii

preul corect al opiunii este

E ((K S T )+ ) (unde media este calculat n raport cu aceste probabiliti.


3. Paritatea Put-Call. Fie Ct i Pt preurile unei opiuni call europene i respectiv
put europene cu timpul de maturitate T i preul de exercitare K . Presupunem c rata
dobnzii fr risc este o constant r (costul mprumutrii unui dollar pentru s uniti de
timp

este

$ e rs .

se

demonstreze

relaia : Ct Pt = S t Ke r (T t ) .

137

pentru

orice

t T

are

loc

4. Presupunem c preul unui activ are o distribuie lognormal, adic log(S T S 0 )


are o distribuie normal cu media i variana 2 . S se calculeze E (S T ) .
5. Fie T0 i T1 dou momente astfel nct T0 < T1 . O opiune forward start este un
contract care permite deintorului s primeasc la momentul T0 , fr extra costuri, o
opiune cu maturitatea T1 i preul de exercitare S T0 (preul activului la momentul T0 ).
Presupunem c preului aciunii i se poate asocia un model binar cu doi pai astfel nct
preul activului la momentul T0 este fie S 0 u , fie S 0 d iar la momentul T1 este S 0 u 2 ,
S 0 ud sau S 0 d 2 ,

unde d < min e rT0 , e r (T1 T0 ) max e rT0 , e r (T1 T0 ) < u , r fiind rata

dobnzii fr risc. S se determine preul corect al opiunii la momentul 0. Utiliznd


modelul Black-Scholes determinai valoarea opiunii forward start.
6. Fie {Bt }t 0 o micare brownian standard. Precizai care din urmtoarele
procese sunt micri browniene:

{ Bt }t 0

{cB }

t c 2 t 0

, unde c este o constant

{ tB }

1 t 0

{B2t Bt }t 0
Justificai rspunsul.
7. Fie {Bt }t 0 o micare brownian standard. Fie Ta = inf {t 0 : Bt = a} timpul de

lovire a nivelului a . S se demonstreze egalitatea E (exp( Ta )) = exp a 2 . S se


calculeze E (Ta ) i P(Ta < ) .
8. Fie {Ft }0t T o filtrare natural asociat micrii browniene standard {Bt }0t T .
Care din urmtoarele procese sunt Ft - martingale:
a. exp(Bt )
b. cBt c 2 , unde c este o constant
138

c. tBt Bs ds
0

9. Fie f este o funcie elementar. Artai c procesul M t = f (s, Bs )dBs ,


0

definit de integrala It este un martingal.


2
t
t

10. Verificai relaia E Bs dBs = E Bs2 ds .

0
0

( )

11. Utiliznd formula lui It scriei ecuaiile difereniale stochastice pentru


urmtoarele procese, n care {Bt }t 0 reprezint micarea brownian standard:
Yt = Bt3
1

Yt = exp Bt 2 t
2

Yt = tBt
12. a. Utiliznd formula lui It pentru funcia f (t , x ) = x 2 artai c
t

B dB
s

1 2
Bt t ,
2

unde {Bt }t 0 o micare brownian standard.


b.Utiliznd
t

2
Bs dBs =
0

formula

lui

It

pentru

funcia

f (t , x ) = x 3

artai

1 3
Bt Bt dt , unde {Bt }t 0 o micare brownian standard.
3
0

13. Fie {Bt }t 0 o micare brownian i fie Z t = exp(Bt ) . Utilizai formula lui It
pentru a scrie ecuaia diferenial stochastic asociat procesului Z t . S se arate relaia
2
E (exp(Bt )) = exp
2

139

t .

14. (Procesul Ornstein-Uhlenbeck) Fie {Bt }t 0 o micare brownian. Procesul


Ornstein-Uhlenbeck {X t }t 0 este unica soluie a ecuaiei Langevin:
dX t = X t dt + dBt , X 0 = x .
t

Verificai relaia X t = e t x + e t e s dBs i utiliznd aceast expresie calculai media


0

i variana variabilei aleatoare X t .


15. Presupunem c preul S t al unui activ este dat de relaia dS t = S t dt + S t dBt ,
unde Bt este micarea brownian standard. Fie r rata dobnzii fr risc. Preul unui
activ fr risc este dat de relaia dS t0 = rS t0 dt . Fie

(H

0
t

, Ht

portofoliul care la

momentul t este compus din H t0 uniti din activul fr risc, S t0 i H t uniti din
activul cu risc, S t . In fiecare din cazurile prezentate mai jos determinai H t0 pentru

care portofoliul H t0 , H t verific condiia de autofinanare dVt = H t0 dS t0 + H t dS t :


a. H t = 1
t

b. H t = S u du
0

c. H t = S t
Reamintim c valoarea portofoliului la momentul t

este dat de formula

Vt = H t0 S t0 + H t S t .
16. Delta-hedging. Cum preul unui activ poate fi privit ca o micare brownian
geometric rezult c exist parametrii i astfel nct preul activului poate fi
modelat de ecuaia dS t = S t dt + S t dBt . Ne propunem ca pe baza acestui activ s
determinm valoarea unei opiuni europene. Fie V (t , S t ) valoarea opiunii la momentul
t . tim c pentru anumite funcii, la momentul T , V (T , S T ) = f (S T ) . Atunci:
a. utiliznd formula lui It exprimai valoarea V a opiunii ca soluie a unei
ecuaii difereniale stochastice.

140

b. fie un portofoliu compus dintr-o opiune i o cantitate negativ de active.


Notm cu valoarea acestui portofoliu. Presupunnd c portofoliul verific condiia de
autofinanare, determinai ecuaia diferenial stochastic verificat de .
c. determinai valoarea lui pentru care termenul stochastic se anuleaz.

Teme pentru proiect:


Modelul binomial al preului unui activ
Timp de oprire n cazul opiunii americane
Optimizarea capitalului
Modelul Heath-Jarrow-Morton
Modelul Hull-White
Modelul Cox-Ingersoll-Ross
Modelul bifactorial (Duffie & Kan)
Schimbare de numerar
Problema ruinrii

141

Dicionar de termeni financiari


Acoperire (Coverage)
Marja de sigurana pentru plata serviciului datoriei aferent unei obligaiuni
municipale bazate pe venituri. Reprezint numrul de ori (de exemplu, acoperire 150%)
cu care ctigurile nete anuale depesc serviciul anual al datoriei. Poate fi o valoare
absolut sau relativ.

Active (Assets)
(1) Totalitatea bunurilor avnd valoare comercial deinute de ctre o companie,
instituie sau persoan fizic. Activele pot fi tangibile, cum ar fi stocurile, utilajele,
cldirile i terenurile, sau intangibile, cum ar fi brevetele i mrcile. (2) Partea stng a
bilanului n care sunt nscrise activele. (3) n cazul fondurilor de investiii,
instrumentele financiare care alctuiesc portofoliul se mai numesc i active financiare
(bani, aciuni, obligaiuni s.a.)

Active curente (circulante) (Current assests)


Numerar precum i active care se estimeaz c vor fi transformate n numerar,
n maxim un an, cum ar fi instrumentele financiare tranzacionabile, creanele,
stocurile. De regul, activele curente nu sunt foarte profitabile, dar tind s confere
lichiditate i siguran operaiunilor unei firme.

Aciune (Stock)
Instrument financiar ce reprezint proprietatea ntr-o corporaie i confer un
drept asupra ctigurilor i activelor acesteia. De regul, o actiune comun d dreptul
deintorului sau s voteze cu ocazia alegerii directorilor in consiliul de administraie
sau cu ocazia supunerii la vot a altor probleme, n adunarea general a acionarilor sau
prin intermediul unui mandat (proxy). In general, o aciune preferenial nu confer
dreptul la vot, dar are un drept prioritar asupra ctigurilor i asupra activelor
companiei fat de o aciune comun - dividendele aferente aciunilor prefereniale
trebuie pltite naintea dividendelor aferente aciunilor comune. O corporaie poate
autoriza i alte clase de aciuni, fiecare cu propriul su set de drepturi contractuale.
142

Bursa de mrfuri (Commodity exchange)


Piaa organizat i reglementat care ofer un sistem prin care pot fi ncheiate
tranzaciile cu mrfuri. In majoritatea cazurilor, acesta const ntr-un ring de
tranzacionare unde brokerii cumprtori i vnztori se ntlnesc ntr-o zon cunoscut
sub denumirea de trading pit. Astfel, dei la unele burse sistemul de tranzacionare este
computerizat, oferind un program pentru tranzacionarea electronic prin terminale
aflate la distan, unele tranzacii se desfoar nc n ringul bursei prin licitaie cu
strigare deschis. Tranzaciile se pot derula n sistem imediat, sau la termen. In cazul
tranzaciilor efectuate n sistem imediat, livrarea mrfii se face pe loc (on
spot/immediate delivery); n cazul tranzaciilor la termen, livrarea mrfii se face la o
anumit dat n viitor (future delivery). Scopul tranzaciilor la termen este acela de a
asigura o protecie (hedge) mpotriva risculului modificrii preului unei mrfi ntr-o
anumit perioad de timp. Bursa este prevzut cu departamente care supravegheaz
toate tranzaciile care au loc n ring i stabilete regulile de desfurare a tranzaciilor
astfel nct afacerile s fie ncheiate n mod eficient, corect i ntr-o manier etic. In
plus, bursa, funcionnd pe principiul transparenei, colecteaz i transmite informaiile
referitoare la preul i mrimea tranzaciilor astfel nct investitorii s poat cunoate
situaia pieei n orice moment.

Bursa de Opiuni din Chicago (Chicago Board of Options Exchange (CBOE))


In Statele Unite, bursa nregistrat unde se tranzacioneaz opiuni pe aciuni. A
fost prima burs la care s-au tranzacionat astfel de contracte.

Bursa de valori (Stock Exhange)


Piaa organizat i reglementat pe care valorile mobiliare (aciunile comune,
instrumentele financiare echivalente cu aciunile comune i obligaiunile) sunt
tranzacionate de ctre membrii bursei, acionnd ca ageni (brokeri) i ca principali
(dealeri sau traderi). O astfel de pia presupune existena unui loc (ring de
tranzacionare) n care brokerii i traderii se ntlnesc pentru a executa ordinele de
cumprare i de vnzare ale clienilor lor individuali i instituionali. Fiecare burs
impune membrilor si propriile cerine; New York Stock Exchange are cele mai severe
exigene.
143

Contract futures (Futures contract)


Acord de a cumpra sau de a vinde o cantitate specificat dintr-un activ denumit
activ de baz (de exemplu, o marf sau un instrument financiar) la o dat viitoare, la un
pre predeterminat. Prin acest acord prile se oblig s-i preia reciproc riscul
pierderilor poteniale cauzate de evoluia preului, printr-un transfer zilnic al unui flux
de numerar compensator determinat prin marcare la pia (mark to market). Contractul
futures angajeaz prile s respecte dou categorii de obligaii: (1) obligaia nscut
din executarea unui contract de vnzare-cumprare (a unei cantiti specificate din
activul de baz, la un anumit pre, la o dat viitoare cnd va avea loc o compensare
final, adic efectuarea plii i transferul dreptului de proprietate asupra activului de
baz); (2) obligaia de a participa la un sistem de redistribuire a unui flux de numerar
care compenseaz zilnic pierderile poteniale nregistrate de cealalt parte a
contractului. Contractele futures sunt standardizate pentru a putea fi tranzacionate activ
pe pia (la o burs organizat). Emisiunea lor este deschis, nedefinit, continu i
variabil ca mrime, instituia emitent (bursa desemnat s tranzacioneze acele
contracte) punnd la dispoziia investitorilor un numr nelimitat de contracte grupate pe
clase, subclase i serii pentru toate datele de livrare posibile. Preul de tranzacionare al
unui contract futures este stabilit ntre cumprtor i vnztor folosind fie sistemul de
licitaie cu strigare deschis, fie sistemul de tranzacionare electronic. Un contract
futures oblig cumprtorul s cumpere activul de baz i vnztorul s l vnd, cu
excepia cazului n care cumprtorul i/sau vnztorul i acoper poziia nainte de
scaden, ceea ce se poate ntmpla dac acetia doresc s obin un profit sau s
limiteze o pierdere. Acest lucru contrasteaz cu tranzacionarea opiunilor n care
cumprtorul unei opiuni poate alege dac s exercite sau nu opiunea pn la data
exercitrii.

Contract forward (Forward contract)


Acord ntre dou pri prin care accept s cumpere, respectiv s vnd o
anumit cantitate din activul de baz (o marf, un instrument financiar guvernamental,
o valut sau alt instrument financiar) la un anumit pre, cu livrarea la o dat viitoare
specificat i n condiii stabilite n prezent. O deosebire fa de contractele futures o
constituie faptul c aceste contracte nu sunt standardizate; ele sunt contracte
144

personalizate ncheiate ntre dou pri. Astfel, termenii pentru contractele forward sunt
stabiliti de comun acord ntre cumprtor i vnztor i pot fi diferii de cei stabilii
pentru contractele futures de ctre bursa la care acestea se tranzacioneaz. O alt
deosebire este c aceste contracte nu se tranzacioneaz pe o pia organizat i nu
exist o cas de compensaie care s preia riscul de nendeplinire a obligaiilor
contractuale de ctre una din pri. De asemenea, contractele forward nu sunt lichide.
Ele sunt transferate foarte greu i, de obicei, nu pot fi anulate dect cu acordul celeilalte
pri care, de multe ori, se obine prin plata unor penaliti. Denumit i contract "to
arrive", contractul forward este predecesorul contractului futures actual.

Coeficient de corelaie (Correlation coefficient)


Instrument statistic de msur a gradului de dependen dintre dou variabile,
cum ar fi de exemplu rentabilitaile a dou investiii diferite. In cazul majoritii
perechilor de investiii, rentabilitile sunt corelate pozitiv, dei corelaia poate fi slab.
Uneori o investiie poate crete n timp ce cealalt poate s scad, caz n care corelaia
este negativ sau invers. Coeficientul de corelaie variaz ntre -1 i +1. Cu ct
coeficientul de corelaie este mai apropiat de +1, cu att este mai mare tendina ca
rentabilitile s evolueze n tandem. La valori negative, coeficientul indic o corelaie
invers, iar atunci cnd acesta este egal cu zero, el indic lipsa unei corelaii.

Coeficientul Alfa (Alpha)


Coeficient care compar randamentul real al unui fond de investiii cu
perfomana estimat, la un anumit nivel de risc, de ctre coeficientul Beta. O valoare
pozitiv a coeficientului Alfa indic faptul c performanele fondului sunt mai bune
dect valoarea previzionat de ctre coeficientul Beta. Dimpotriv, o valoare negativ a
coeficientului Alfa indic o performan a fondului mai slab dect performana
estimat de coeficientul Beta pentru fondul respectiv. Formula de calcul a
coeficientului Alfa este: Alfa = (F - T) - Beta x (B - T), unde F = randamentul total al
fondului, T = randamentul bonurilor de trezorerie de 90 de zile, iar B (benchmark) =
randamentul total al celui mai reprezentativ fond de acelai tip (din aceeai categorie).
Vezi Coeficientul Beta, R-ptrat.

145

Coeficientul Beta (Beta)


Coeficient care msoar volatilitatea unei aciuni n raport cu piaa aciunilor
sau cu categoria din care face parte. Standard & Poors 500 Stock Index are un
coeficient Beta egal cu 1. Orice aciune care are un coeficient Beta mai mare dect 1
este mai volatil dect piaa, i orice aciune al crei coeficient Beta este mai mic dect
1 se estimeaz c va crete i va scdea mai ncet dect piaa. Un investitor care este
foarte preocupat de conservarea capitalului ar trebui s se axeze pe aciuni care au un
coeficient Beta mic n timp ce un investitor care este dispus s-i asume riscuri mari n
ncercarea de a obine ctiguri mari ar trebui s caute aciuni care au un coeficient Beta
mare.

Coeficientul Beta al unui portofoliu (Portfolio beta score)


Instrument de msur a volatilitii unui portofoliu, comparativ cu un indice de
referin, cum ar fi S&P 500. Valori ale coeficientului Beta peste 1,0 indic un
portofoliu volatil sau agresiv, valori mai mici dect 1,0 indic un portofoliu mai stabil
sau defensiv. De exemplu, un portofoliu cu un coeficient Beta de 1,25 se estimeaz c
va fi cu 25% mai volatil dect indicele. Coeficientul Beta al unui portofoliu se
calculeaz nsumnd valorile obinute pentru fiecare instrument financiar deinut n
portofoliu prin nmulirea coeficientului Beta al instrumentului financiar cu ponderea pe
care acesta o are n cadrul portofoliului.

Contract futures pe o valut (Foreign currency future)


Contract care creeaz obligaia de a cumpra sau de a vinde n viitor o cantitate
stabilit dintr-o anumit valut.

Contract spot (Spot commodity contract)


Contract care presupune c livrarea mrfii ctre cumprtor este efectuat
imediat dup ce a fost ncheiat tranzacia, spre deosebire de un contract futures sau
forward care presupune c livrarea mrfii se va efectua n viitor. Aceste contracte sunt
tranzacionate pe piaa cash (spot).

146

Contract swap (Swap contract)


Instrument financiar derivat nchis, prin care participanii schimb riscul i
avantajele aferente unor obligaii contractuale de plat variabile sau fixe, cu riscul i
avantajele aferente unor obligaii contractuale de plat fixe sau variabile. Participanii
sunt numai persoane juridice angajate n contracte de emisiune a instrumentelor
financiare transferabile cu grad de rating diferit, contracte comerciale, pli n moneda
naional sau alte valute, precum i n activiti de arbitraj, hedging i speculaie.
Contractele swap nu au loc ntre partenerii contractelor economice principale de
vnzare/cumprare, ci separat, ntre acetia i un intermediar specializat care i asum
separat riscul variaiei de pre. Deoarece asemenea contracte nu sunt standardizate, ele
nu se pot tranzaciona pe o pia organizat i reglementat, ci se negociaz individual
(pe piaa OTC).

Cupon (Cupon)
(1) Parte detaabil a unei obligaiuni la purttor care reprezint un drept de
plat a dobnzii, indicnd cuantumul dobnzii care trebuie pltit, data i locul unde va
fi fcut plata. In general, cupoanele se pltesc semestrial. Ele sunt prezentate agentului
de pli al emitentului sau sunt depuse de ctre investitor la o banc comerciala pentru a
ncasa plata. (2) Rata dobnzii pltit de o obligaiune.

Factorul Delta (Delta)


Variaia preului unei opiuni la o variaie de un punct a preului activului de
baz. De exemplu, un factor delta de 0,5 indic faptul c preul opiunii va crete cu o
jumtate de punct la fiecare cretere de un punct a activului de baz. Factorul delta ia n
considerare timpul rmas pn la expirarea opiunii, volatilitatea activului de baz i
relaia dintre preuri. In cazul unei opiuni call, prima opiunii crete atunci cnd preul
activului de baz crete; n cazul unei opiuni put, prima opiunii crete atunci cnd
preul activului de baz scade. Factorii delta sunt disponibili la orice cas de
compensaie care opereaz tranzacii cu opiuni. Aceti factori variaz zilnic. Pe msur
ce se apropie data expirrii, factorul delta al opiunilor n bani se apropie de 1.

147

Factorul gammma (Gamma)


Derivata financiara care masoara variatia asteptata a factorului delta al unei
optiuni atunci cand pretul activului de baza creste sau scade. De exemplu, daca o
optiune pe o actiune are un factor delta de 60% si un factor gamma de 5%, o crestere de
un punct a pretului actiunii de baza va determina o crestere de 5% a factorului delta, de
la 60% la 65%.

Factorul theta (Theta)


Derivata care msoar erodarea primei unei opiuni cauzat de trecerea timpului.
Se tie c, la expirare, o opiune nu va mai avea valoare de timp, ci doar valoare
intrinsec, n cazul n care va avea. Theta are ca scop previzionarea ratei zilnice de
erodare a primei. Dac presupunem, de exemplu, c o opiune are o prim de 3 i un
factor theta de 0,06, acest lucru nseamn c n fiecare zi prima se va eroda cu 0,06.
Astfel, dup prima zi ea va scdea la 2,94, dup a doua zi la 2,88 i aa mai departe.

Factorul vega (Vega)


Derivata care msoar efectul asupra primei unei opiuni pe care l are o
modificare a factorului de volatilitate a aciunii de baz. De exemplu, dac aciunea
XYZ are un factor de volatilitate de 30%, iar prima curent este de 3, atunci un factor
vega de 0,08 va indica faptul c prima va crete la 3,08 dac factorul de volatilitate
crete cu 1%, adic la 31%. Atunci cnd aciunea devine mai volatil, prima va crete
n aceeai proporie. Factorul vega msoar sensibilitatea primei la aceste variaii ale
volatilitii.

Hedge/Hedging (Hedging)
(1) Angajarea unei poziii pe piaa futures opus fa de poziia deinut pe piaa
cash (spot) pentru a nlocui temporar o tranzacie care urmeaz s fie fcut pe piaa
cash (spot), ca protecie mpotriva riscului ca preul s aib o evoluie nefavorabil pe
piaa cash. De exemplu, vnzarea short de contracte futures n anticiparea vnzrii
viitoare a unei mrfi pe piaa cash (spot), ca protecie mpotriva unei eventuale scderi
a preului, sau cumprarea de contracte futures n anticiparea cumprrii viitoare a unei
mrfi pe piaa cash (spot), ca protecie mpotriva unei eventuale creteri a preului. Prin
148

cumprarea sau vnzarea short de contracte futures, riscul modificrii preului este
transferat speculatorilor care sunt dispui s accepte acest risc n sperana obinerii unor
profituri rapide. (2) Se refer la orice combinaie de poziii long i short n instrumente
financiare, contracte futures i opiuni, n care o poziie tinde s reduc riscul celeilalte;
orice strategie folosit pentru a reduce riscul unei investiii. De exemplu, un manager
de portofoliu se poate proteja parial mpotriva riscului de scdere a pieei transfernd o
parte mai mare a portofoliului n instrumente financiare echivalente cu numerarul. Ca
alternativ, managerul ar putea vinde contracte futures pe indici de aciuni. Dac piaa
scade, ctigurile din contractele futures vndute short vor compensa ntr-o msur mai
mare sau mai mic scderea n valoare a portofoliului.

Instrumente financiare derivate (Derivatives)


Instrumente financiare a cror valoare depinde de (deriva din) valoarea altui
activ, cum ar fi o aciune, o obligaiune, o marf sau un indice al preurilor aciunilor.
Instrumentele financiare derivate fluctueaz n tandem cu activul de baz. Aceste
instrumente produc adesea un efect de levier, ceea ce le face i mai volatile. Ele pot fi
utilizate att n scopuri speculative, ct i pentru a reduce sau a controla un risc nedorit.
Opiunile i contractele futures sunt instrumente financiare derivate standardizate dar,
exist i instrumente financiare derivate care sunt create special pentru a satisface
anumite cerine.

Obligaiune (Bond)
(1) Instrument financiar de credit, purttor de dobnd sau cu discont, care
reprezint o datorie pe termen lung, emis de autoritile publice sau de corporaii.
Emitentul pltete dobnda la intervale de timp specificate (de regul semestrial) i
rscumpr obligaiunile atunci cnd mprumutul este programat s fie rambursat, adic
la data scadenei (maturity date) sau mai devreme, la data rscumprrii (call date).
Deintorii obligaiunilor au un document de tip IOU de la emitent, dar nu au drepturi
n cadrul companiei aa cum au acionarii. O obligaiune poate fi la purttor sau
nominativ, n form materializat sau n form dematerializat. O obligaiune
garantat (secured bond) este garantat de un colateral (de exemplu, un activ fix) care
poate fi vndut de ctre deintorul obligaiunii n cazul n care emitentul nu pltete
dobnda sau principalul atunci cnd acestea devin scadene. O obligaiune negarantat
149

(unsecured bond/debenture) este garantat de integritatea companiei emitente i nu de


un anumit colateral. O obligaiune convertibil confer deintorului acesteia dreptul de
a converti obligaiunea n alte instrumente financiare ale companiei emitente la o dat
viitoare i n anumite condiii prestabilite. (2) De asemenea, n finane, este obligaia
unei persoane de a achita datoria contractat de ctre altcineva n cazul n care debitorul
nu i ndeplinete obligaiile de plat.

Obligaiune cu cupon zero (Zero-coupon bond)


Obligaiune care nu face pli periodice ale dobnzii ctre deintorul su. O
obligaiune cu cupon zero este emis cu un discont fa de valoarea sa nominal i
crete treptat n valoare pe msur ce se apropie de scaden. Astfel, venitul unui
investitor dintr-o obligaiune cu cupon zero provine doar din creterea n valoare. Plata
final la scaden cuprinde att dobanda acumulat, ct i principalul.

Opiune (Option)
Contract care confer deintorului su dreptul, dar nu i obligaia, de a cumpra
(n cazul unei opiuni call) sau de a vinde (n cazul unei opiuni put) un anumit activ
denumit activ de baz, la un pre prestabilit, ntr-o anumit perioad de timp. Dac
acest drept nu este exercitat n perioada de timp specificat, opiunea expir. Vezi Call
option, Put option.

Opiune americana (American option)


Opiune a crei exercitare depinde de preul mediu al activului de baz pe o
anumit perioad de timp pn la expirarea opiunii.

Opiune call implicit (Call option)


La unele emisiuni de obligaiuni, opiune implicit ce d emitentului dreptul de
a rscumpara obligaiunile la un pre prestabilit, de obicei la valoarea nominal, nainte
de scaden.

150

Opiune call n afara banilor (Out-of-the-money call)


Opiune call al crei pre de exercitare este mai mare dect valoarea curent de
pia a activului de baz. De exemplu, o opiune XYZ Dec. 60 Call va fi n afara
banilor dac aciunea XYZ se vinde la 55$ per aciune.

Opiune call n bani (In-the-money call)


Opiune call pentru care preul de pia al activului de baz este mai mare dect
preul de exercitare al contractului.

Opiune call pe un contract futures (Call futures option)


Opiune tranzacionat la burs care i confer cumprtorului dreptul, dar nu i
obligaia, s angajeze o poziie n contractul futures de baz la un pre de exercitare
prestabilit, n orice moment nainte de expirarea opiunii. In cazul n care opiunea este
exercitat, cel care a vndut short opiunea call are obligaia s livreze contractul
futures.

Opiune de cumprare (Call)


Pe piaa opiunilor: opiune care d deintorului su dreptul, dar nu i obligaia
de a cumpra activul de baz la un pre prestabilit i nainte de o anumit dat. In cazul
opiunilor pe aciuni, un investitor care consider c preul unei aciuni va crete
substanial, ar putea obine un profit mai mare dintr-o investiie mai mic cumprnd
opiuni call pe acea aciune dect ar obine dac ar cumpra aciunea respectiv. Pentru
vnztor, care trebuie s renune la dreptul su de proprietate asupra aciunilor n
favoarea cumprtorului, cnd opiunile sunt exercitate, acestea pot produce un venit
suplimentar.

Opiune european (European option)


Opiune care poate fi exercitat numai la data expirrii sale, spre deosebire de
opiunea american pe care deintorul o poate exercita n orice moment pn la data
expirrii, inclusiv data expirrii.

151

Opiune put (de vnzare) (Put option)


Opiune care d deintorului dreptul, dar nu i obligaia, de a vinde activul de
baz la un pre prestabilit, la o anumit dat sau nainte de o anumit dat. De exemplu,
cumprtorul opiunii XYZ Mai 70 Put are dreptul de a vinde 100 de aciuni XYZ la
70$ vnztorului opiunii, nainte de expirarea contractului n luna mai. Cumprtorul
opiunii put sper c preul aciunii va scdea, n timp ce vnztorul opiunii put sper
c preul aciunii va rmne stabil, ori c va crete sau va scdea cu o valoare mai mic
dect prima pe care acesta a ncasat-o.

Opiune put n afara banilor (Out-of-the-money put)


Opiune put al crei pre de exercitare este mai mic dect valoarea curent de
pia a activului de baz. De exemplu, o opiune XYZ Dec. 60 Put va fi n afara banilor
dac aciunea XYZ se vinde la 65$ per aciune.

Opiune put n bani (In-the-money put)


Opiune put pentru care preul de pia al activului de baz este mai mic dect
preul de exercitare al contractului.

Opiune put pe un contract futures (Put futures option)


Opiune tranzacionat la burs care i confer cumprtorului dreptul, dar nu i
obligaia, s vnd contractul futures de baz la un pre de exercitare prestabilit, n orice
moment nainte de expirarea opiunii. In cazul n care opiunea este exercitat, cel care
a vndut short opiunea put are obligaia s accepte livrarea contractului futures.

Portofoliu (Portfolio)
Totalitatea investiiilor de diverse tipuri deinute de ctre un investitor
individual sau instituional. Un portofoliu poate cuprinde aciuni, obligaiuni, contracte
futures, investiii n sectorul imobiliar, instrumente echivalente cu numerarul sau alte
active financiare. Scopul unui portofoliu este de a reduce riscul prin diversificare. Cu
ct sunt mai diversificate investiiile din cadrul unui portofoliu, cu att este mai
probabil ca investitorul s obin aceeai rentabilitate ca cea a pieei instrumentelor
financiare transferabile.
152

Preul de exercitare (Exercise price)


Pre unitar la care activul de baz al unei opiuni poate fi cumprat (n cazul
unei opiuni call) sau vndut (n cazul unei opiuni put) ntr-o perioad specificat de
timp. De exemplu, o opiune call pe aciunea XYZ d dreptul deintorului ei s
cumpere 100 de aciuni XYZ n orice moment n urmatoarele trei luni la un pre de
exercitare de 63$. Preul de exercitare este stabilit de ctre burs n momentul emiterii
opiunii. In cazul opiunilor pe contracte futures, bursa fixeaz un pre n funcie de
preul de nchidere al zilei precedente pentru contractele futures de baz. Incepnd cu
acel pre, sunt stabilite preuri de exercitare mai mari sau mai mici, la intervale fixate de
burs.

Preul spot (Spot price)


Preul curent de livrare al unei mrfi tranzacionate pe piaa spot (cash).

Piaa cash (Cash market)


Piaa pe care se fac tranzacii ce presupun cumprarea sau vnzarea imediat a
unui anumit produs. Pieele cash reprezint opusul pieelor futures pe care se fac
tranzacii ce presupun livrarea produsului la un moment viitor, specificat n contract.
De asemenea mai este denumit piaa spot.

Randament (Yield)
In general, este venitul ncasat dintr-o investiie, exprimat procentual din preul
curent al acesteia. O anumit investiie poate avea mai multe randamente datorit
numeroaselor metode folosite la calcularea lui. De exemplu, n cazul obligaiunilor,
randamentul poate fi: (1) Randamentul curent (current yield). Este rata dobnzii
mparit la preul de cumprare. De exemplu, o obligaiune care se vinde la 1.000$, cu
o rata a dobnzii de 10%, are un randament curent de 10%. Dac, aceeai obligaiune sar vinde la 500$, ea ar oferi un randament de 20% unui investitor care ar cumpra-o la
500$ (pe msur ce preul unei obligaiuni scade, randamentul ei crete i viceversa).
(2) Randamentul pn la scaden/rscumparare/restituire (yield to maturity/call/put) al
unei obligaiuni care ia n considerare plile dobnzii, preul de cumprare, valoarea de
rscumparare i timpul rmas pn la scaden/rscumprare/restituire.
153

Rata de schimb valutar (Exchange rate)


Preul la care o valut poate fi schimbat n alt valut. Ratele de schimb valutar
sunt influenate de o serie de factori economici, politici, sociali, juridici, unii dintre ei
cu variaie zilnic.

Riscul ratei dobnzii (Interest rate risk)


(1) Unul din riscurile care afecteaz toi investitorii atunci cnd profitul otinut
este egal sau mai mic dect rata dobnzii fr risc (adic a bonurilor de trezorerie) sau
rata echivalent a dobnzii calculat n funcie de categoria de risc a investiiilor. Cele
mai afectate de riscul ratei dobnzii sunt instrumentele financiare de credit i unele
instrumente financiare cu venit fix cum ar fi aciunile prefereniale. Preurile aciunilor
comune sunt, de asemenea, afectate de modificrile ratelor dobnzii, dei legtura este
mai puin evident n acest caz. Investitorii caut ca, prin strategii cu instrumente
financiare derivate, s atenueze efectele nefavorabile ale riscului ratei dobnzii. (2)
Riscul ca preul unei obligaiuni s scad pe msur ce ratele dobnzii cresc. Managerii
de portofoliu evalueaz riscul ratei dobnzii pentru un fond de investiii calculnd
durata acestuia.

Speculaie (Speculation)
Asumarea unor riscuri peste medie n sperana obinerii unor rentabiliti peste
medie, n general ntr-o perioad de timp relativ scurt. Speculaia implic cumprarea
unui anumit activ financiar pe baza preului sau potenial de vnzare i nu pe baza
valorii sale prezente. Intr-o speculaie sigurana principalului i venitul curent sunt de o
importan secundar. Cnd fac speculaii, profesionitii utilizeaz adesea diverse
tehnici de hedging, cum ar fi tranzaciile cu opiuni, vnzarea short, ordinele stop i
tranzaciile cu contracte futures, cu scopul de a-i limita pierderile. Speculaia implic
un risc care poate fi analizat i evaluat, la fel ca i n cazul unei investiii; ceea ce le
deosebete este ns gradul de risc.

Speculator (Stag)
Speculator care, de regul, cumpr i vinde aciuni pentru profituri imediate i
nu pstreaz valorile mobiliare ca investiie.
154

Tranzacie fr risc (Riskless transaction)


(1) Tranzacie ce asigur un profit traderului care o iniiaz, eliminnd riscul de
nregistrare a unei pierderi deoarece poziia de deschidere pe o pia este acoperit de
poziia de nchidere pe o alt pia. Un arbitrajor poate obine un profit tranzacionnd
pe baza diferenei ntre preurile aceleiai valori mobiliare pe piee diferite. De
exemplu, dac aurul se tranzacioneaz la 400$ uncia la New York i la 398$ la Londra,
un trader care acioneaz repede ar putea cumpra un contract futures pe aur la Londra
i s-l vnd la New York cu un profit fr risc. (2) Pe piaa OTC, este o tranzacie a
unui dealer n care acesta face o cumprare sau o vnzare pentru a executa ordinul unui
client. Astfel, dac un client dorete s cumpere 500 de aciuni XYZ la 80$ per aciune,
dealerul poate cumpra 500 de aciuni XYZ dintr-o alt surs la 791/4$ i poate revinde
aciunile clientului la un markup de 75 ceni. In Statele Unite, mrimea unui markup
sau markdown care se percepe n cazul tranzaciilor fr risc este reglementat de
NASD. De asemenea, denumit tranzacie simultan (simultaneous transaction).

Valoare mobiliar (Security)


Instrument care poate indica proprietatea n cadrul unei companii (o aciune), o
relaie de credit cu o companie sau cu o autoritate public (o obligaiune), ori un drept
la proprietate (un drept de subscriere, o opiune pe o aciune, o garanie).

Volatilitate (Volatility)
Caracteristica unei valori mobiliare de a nregistra fluctuaii mari de pre ntr-o
perioad scurt de timp. Un instrument de msur a volatilitii relative a unei aciuni
este coeficientul beta.

Bibliografie
Dicionar financiar

http://www.eafacere.ro/dictionar_financiar.asp

155

S-ar putea să vă placă și