Documente Academic
Documente Profesional
Documente Cultură
Curs Procese Stochastice IDD
Curs Procese Stochastice IDD
Facultatea de Informatic
Departamentul de Invmnt la Distan
PROCESE STOCHASTICE
Anca Vitcu
2005 2006
Not introductiv
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
11
1.7. Independen
11
12
13
14
17
19
1.13. Martingale
26
29
36
38
39
42
44
49
50
52
54
55
59
65
65
79
89
103
103
112
124
Exerciii
137
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
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
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
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
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
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
( A) F
( A) = {
def
f ( ) A}.
{ , X ( ) a} F , pentru orice a
real.
eveniment din G tim dac acesta are loc sau nu. Atunci dac variabila aleatoare X
este G -msurabil putem calcula valoarea lui X .
{H }
{HH , HT , TH }
{HH }
a0
, dac
, dac 0 < a 1
, dac 1 < a 2
, dac
2<a
-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
(,F ) ,
A B R . ( X ) este inclus n F .
(,F )
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
A B
2. dac
atunci
P ( A ) P (B )
P ( B ) = P ( A) + P ( B A) ,
unde
B A= B A ;
A = I An ) atunci
A aparine -algebrei F
P( A) = lim P( An ) .
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
(,F , P ) .
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
nu are sens.
dac X este o variabil gaussian a crei valoare medie este 0, atunci are loc egalitatea
n lege
lui X ) .
1
2
itx
(t ) dt .
( )
(X ,Y )
pereche ( , ) .
2 2
E e X = exp m +
2
( )
10
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 )) .
(X i , i I )
este uniform
dP 0 pentru a tinznd la .
X i a
i o sub- -algebr G
sunt
X i
definim
-algebrele:
Deoarece
F1 = { , , {HH , HT }, {TH , TT }}
P(HH ) = P(HT ) = P(TH ) = P(TT ) =
1
4
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
12
EQ (Z ) = ZdQ = Z
dQ
dP = ZYdP = E P (ZY ) .
dP
repartizat
Bernoulli
definit
P( X = 1) = p ,
prin:
P( X = 0) = 1 p .
Fie
atunci
Q( X ) = p . In raport cu
p .
2. Fie X o variabil aleatoare repartizat normal N (m, 2 ) n raport cu P i fie
2 2
verificm relaia EQ (exp X ) = exp (m + h 2 ) +
2
exp
( x m )2 .
2 2
a X
i =1
medie
de
matricea
de
covarian
[ ]
= i, j
i =1, n ; j =1, n
unde
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
( )
({
})
Observaie. 1. Dac pentru orice , q( ) este o proprietate a lui atunci q are loc
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
14
( X i , i 1)
1 n
Xi
n i =1
def
2
( )
<.
converge n L2 ( ) la X dac X n X
(X n )
la .
Observaie. Convergena n L2 depinde de alegerea probabilitii P .
( )
15
p > 1,
Pentru
(X )
p
notm
( ).
= X dP = E X
p
cu
cantitatea
pozitiv
definit
nct X
prin:
p
astfel
Proprieti:
aleatoare X ,
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.
X
i =1
nE ( X 1 )
N (0,1)
Definiia 36. Se numete filtrare o familie cresctoare de sub- -algebre ale lui
1. Xt discret, t discret
Considerm
experimentul
aruncrii
unui
zar
notm
cu
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
3. Xt continu, t continuu
Se pot studia tendinele (sistematice sau sezoniere) i se pot construi modele ale cror
parametri urmeaz a fi estimai.
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
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
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
gaussian.
( X t E ( X t ) , t 0) .
1.12. Medie condiionat
P( A B )
, pentru
P (B )
19
P (X = x j B )
P (B )
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
Notaie. E (X B ) = EQ ( X ) .
Dac B este - algebra generat de B i E ( X B ) este variabila aleatoare definit prin
orice D din B .
Caz particular: Fie X
(x1 , x2 ,..., xn )
i respectiv
i Y
( y1 , y 2 ,..., y d )
(. ; y i ) definete o probabilitate pe
(x1 , x2 ,..., xn ) .
1
XdP .
P (Y = y i ) Y =yi
E (X G )dP = XdP
A
, oricare ar fi A din G .
Proprieti.
A din (Y ) .
Y B
B din B .
Y B
P( A Bi )
1Bi ( ) .
P(Bi )
, , {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
C2
probabilitatea
P( A C 2 )
P( )
= 0.
. Inlocuind obinem
P (C 2 )
P(C 2 )
D1 = {HHH , HHT } ,
acum
D3 = {THH , THT } ,
D2 = {HTH , HTT } ,
D4 = {TTH , TTT } . -algebra F2 este format din toate reuniunile posibile formate cu
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
Demonstraie.
Prin
definiie
Y = E (X G ) =
i
E ( X Bi )
1 Bi = bi 1 Bi ,
P(Bi )
i
unde
Fie
Y = 2 1 B1 + 3 1 B2 + 6 1 B3 + 4 1 B4
(Y a ) = B3 B4 G .
22
a = 3,5 .
Atunci
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 ) .
Propoziia
16.
Fie
Zo
variabil
aleatoare
G -msurabil
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
23
egalitile
E (XY G ) = YE ( X G ) .
este
G -msurabil. Prima egalitate rezult din afirmaia 3 a propoziiei 17. Fie acum W
i dac C H G atunci
Propoziia 20. Dac X este o variabil aleatoare atunci cel mai bun estimator
calcula
) (
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
(
) (
) (
) . 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
rezult E (Y ( X Y )) = E (E (Y ( X Y )G )) = 0 .
Dac
(X ,Y )
E P (LX G )
E P (L G )
(x ) ( y, dx ) , pentru orice
x ( y, dx )
25
( y, dx ) =
f ( x, y )dx
f (u, y )du
(X ,Y )
Cazul gaussian
(X ,Y )
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
Cazul discret
(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 ,
26
un martingal. Pentru a demonstra acest lucru este suficient s verificm axiomele din
n
i =1
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
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
M n = X 1 X 2 ... X n pentru
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
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
28
pentru orice t .
Propoziia 26. Dac
(X t , t T )
( )
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:
Definiia 54. Un timp de oprire, sau regul de oprire sau variabil de oprire
29
Proprieti:
i T
incluziunea F S FT .
4. Fie ( X t , t 0 ) un proces stochastic i T timp de oprire finit. Definim X T prin
M 2 < .
Definiia 56. M t este un martingal local dac exist un ir de timpi de oprire
30
aleatoare
P(Yi = 1) = P(Yi = 1) =
independente
reprezentnd
aruncrile
astfel
nct
1
, unde prin Yi = 1 am notat apariia evenimentului H dup
2
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
considerm
n
, pentru
n +1
31
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
n 1 astfel nct
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
( )
1 k 2k
1
k
+ 1 k 0 =
. Pentru k tinznd la n relaia
k
2 k +1 2
k +1
{ : ( ) = n}Fn
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
Pentru o regul de oprire dat, valoarea medie E ( X ) este finit ( E ( X ) < ) dac i
de variabile aleatoare pe (,F , P ) astfel nct: (1) relaia E sup X n < are loc cu
n
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
( )
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
(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
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
= 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).
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)
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:
( (
) )
( (
) )
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 ) .
mai sus este adevrat pentru orice pereche T , S de timpi de oprire finii, cu T > S .
36
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
G. Grimmett, D. Stirzaker
J. Jacod, P. Protter
J. Neveu
D. Stirzaker
D. Williams
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
(B
tn
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:
( X t , t 0)
( X t , t 0)
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.
39
= f , ei
i =1
a i ei
i =1
i =1
0 gn
= f
= 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
i =1
f , ei
gn gm
i =1
i = m +1
f , ei
relaia
Relaia
Cauchy-Schwartz
implic
axioma (1).
Axioma (2) rezult din relaia g n
= f
f , ei
i din faptul c g n 0 .
i =1
f,g =
1
f +g
2
) i din aplicarea
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
2i 1
Demonstrm mai nti convergena seriei. Fie Ai = sup Vi (t ) i 2 . Atunci are loc
t
relaia:
) (
i4
V (t )( )
i
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 .
= 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
1
, i N * . Acestei familii de
2
variabile
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
S m n au aceeai lege.
42
k
, unde k N .
N
este E U k
N
1
S k , indexat prin
N
k
= .
N
(U t , t 0) impunnd funciei t U t
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
S N NE ( X 1 )
NVar ( X 1 )
S N . Atunci din
n
i =0
Caracterul
gaussian
al
procesului
rezult
din
egalitatea
procesul este centrat covariana este egal cu E (Bt Bs ) . Dac s t atunci are loc relaia:
( )
44
(Bt , t 0)
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
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
~
~
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
[t
] [
t 0
t 0
45
u>t
1
2s
f ( y ) exp
( y x )2 dy .
2s
1
2t
exp
( y x )2
2t
= g (t , x y ) densitatea de tranziie a
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
f ( y )q(T t , x, y )dy .
Fie
u (t , x, f ) =
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).
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
v 1 2 v
=0
+
t 2 x 2
Cu condiia v(0, x, f ) = E ( f (BT + x )) .
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
Prin
urmare
putem
scrie
definit prin
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
= u (s , B s ) .
x = Bs
[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
( )
((
j =1
n
t
n
t
2n
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
[0, t ]
definit prin
Demonstraie. sup
2n
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
49
2n
Y
k =0
(B
2
t
se arat
egalitile: E (Bt Bs ) F s = t s i
) (
2
s
e aX t a t 2 este un martingal.
Y G i
E (XY F G ) = E (X F )E (Y G ) .
1
(B1 + B2 ) este un proces gaussian de covarian t s
2
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
(B
2
t
t , t 0 sunt (G t ) -martingale.
un
martingal.
Reciproc,
dac
X este
un
proces
continuu
astfel
nct
1
1
Media
din
1
1
1
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
cont de faptul c Bt =
( X t t ) i s facem subtituia = .
51
Demonstraie. Variabila aleatoare Ta este un timp de oprire. Prin urmare pentru a > 0
{Ta t} = sup Bs
s t
care spune c {Ta t} se obine din reuniuni i intersecii numrabile de elemente din
2
Doob. Astfel, pentru orice t avem E exp Bt Ta (t Ta ) = 1 . Cum t tinde la ,
2
2
2
exp Bt Ta (t Ta ) exp a Ta .
2
2
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
2
exp Bt Ta (t Ta ) este mrginit, deci este uniform integrabil i se aplic teorema
2
52
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
) [ (
)]
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
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
def
verificat faptul c Bt =
a +b
2
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
(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
nct
B (1) = B (2 ) + 1 2 B (3)
procesul Bt =
1
a + b + 2 ab
2
pentru
orice
pereche
54
(a, b )
( )
f (s )
= f
0
(s )ds
12
Funcii scar
i =1
Variabila aleatoare I ( f ) =
f (s )dB
f (s )ds . Cum
2
i =1
i =1
(s )ds .
R+
= ( f + g ) (s )ds + f
0
55
Cazul general
fn f
(x )dx n
0 . In acest caz, irul
f n este
depinde
def
I( f ) =
numai
de
nu
de
alegerea
lui
fn .
Fie
f (s )dB
norma pe L (R
2
) definit prin
=f
f este
(s )ds .
f (s )g (s )ds .
R+
56
integralei stochastice n sensul urmtor: dac pentru orice t , E (ZBt ) = f (s )ds atunci
0
Z = f (s )dBs .
0
R+
R+
f (s )
ds < ,
putem defini
f (s )dB
f (s )ds .
2
covarian este
f (u )du .
2
3. procesul M t2 f
0
(s )ds, t 0
este un martingal.
57
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
j 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
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
Demonstraie. Pentru a demonstra formula este suficient s artm c are loc egalitatea:
t
t u
t
58
In aceste condiii relaia cutat rezult aplicnd formula clasic de integrare prin pri
b
sf (s )ds .
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
1
Din expresia X t = X s exp b 2 (t s ) + (Bt Bs ) rezult caracterul markovian
2
1
E (X t F s ) = X s E exp b 2 (t s ) + (Bt Bs ) F 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
2
E (X t2 ) = X 02 E (exp{(2b 2 )t + 2Bt }) = X 02 E exp(2b | + 2 )t (2 ) t + (2 )Bt =
2
[(
)]
E(X t ) x
VarX t
Proces Ornstein-Uhlenbeck
t
Vt = e V0 + e (t s )adBs .
ta
Demonstraie. Fie
e taV0 + e (t s )adBs .
0
Verificm faptul c X este soluie a ecuaiei lui Langevin. Aplicnd formula integrrii
t
t
t
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
a X s ds = V0 1 e
at
) + a e (
a s t )
Bs ds = X t + Bt + V0 .
at
Yt = e atVt
at
V,
numit
proces
Ornstein-Uhlenbeck,
este
gaussian
cu
media
t
s
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
2
2a
e a ( s +t ) e 2 as 1 i
2a
(1 exp 2at ) .
s
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
( (
) )
( (
))
( ( )) i V ( ) = e
( y ) = E f ye ta + Y = E f Vt ( y )
ta
( (
) )
( )
x + e (t s )adBs .
0
V ds ,
s
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
at
+ b + e a (t u ) dBu .
0
62
2
2a
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 )
).
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
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
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
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
A. Borodin, P. Salminen
Malliaris A. G.
64
Capitolul 3
Calcul stochastic
In acest capitol definim variabile aleatoare de forma
Yt ( ) = X s dBs ( ) ,
unde
( X t , t 0)
(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.
Ft -msurabile, cu
j
n 1
s ( ) = j ( )1(t
j =0
j , t j +1
n 1
j =0
65
0
0
Obinem:
t
n 1
j =0
n 1
n 1
j =0
def
pentru n .
Observaie. Aplicaia definete o norm care face din un spaiu complet.
Putem defini
dB
s
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
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 s dBs = 0 i E s dBs = E s2 ds
0
dB = 1[ ] (s )dB
Notm
dB = (B
s
0 ,t
t i +1 t
dB = 1( ] (s )dB
0,
3.1.2. Proprieti
t
E s2 ( )ds < , pentru orice t .
(a
0
1
s
Proprietatea de martingal
t
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
t
t
s
s
2
t
t
Proprietatea 2 este echivalent cu relaia E u dBu F s = E u2 du Fs .
s
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
E s dBs s dBs = E s s ds .
0
0
t
Demonstraie.
Este
suficient
observm
faptul
+ s )dBs
t
( s + s )dBs ( s + s )2 ds sunt martingale.
0
0
0
0
t
B dB
s
68
1 2
Bt t
2
B dB
s
i =0
i =0
implic relaia:
t
Bs dBs =
0
n
1 2
1
2
lim
B
n
2
i =0
2
0
0
[ ]
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
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
def t
sau At = Z t .
))
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
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
)(
= lim M ti +1 M ti N ti +1 N ti .
i =1
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
1
f (B(t ))dt , unde dt = dB(t )dB(t ) .
2
Integrnd obinem:
1
f (Bs )ds .
2 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:
f ( X t ) = f ( X 0 ) + f ( X s )dX s +
0
1
f ( X s ) s2 ds
2 0
1
f ( X t ) t2 dt .
2
(1)
) ( )
( )(
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 .
df ( X t ) = f ( X t )dX t +
1
f ( X t )dX t dX t ,
2
= 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
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
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
dS t = S t (dt + dWt ) ,
t
x
u
73
2.
Operatorul
aplicat
unei
funciei
din
C2
stabilete
relaia
1
2
E x ( f ( X t )) f (x )
.
t
1
f xx (s, X s ) s2 ds .
2 0
1
f xx (t , X t )d X t .
2
( f (t , X t ), t 0)
este
un martingal.
Operatorul L definit pe funciile din C 1, 2 prin
1
2
74
(2)
e rt f (t , X t ) = E e rT f (T , X T )Ft .
Dac
verific relaia
e rt f (t , X t ) = E e rT h( X T )Ft .
(e
rt
Atunci procesul
Cazul multidimensional
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 .
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
= 1 (s ) 2 (s )ds .
0
Propoziia
3.10.
( X i , i = 1,2)
Fie
B1
dou
B2
procese
It
astfel
nct
1
f 11 ( X 1 (t ), X 2 (t )) 12 (t ) + f 22 ( X 1 (t ), X 2 (t )) 22 (t ) dt .
2
( X i (t ), i n ) astfel nct
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
1 n
f ij(t , X t )dX i (t )dX j (t ) ,
2 i , j =1
Propoziia
3.11.
Fie
( X i , i = 1,2)
dou
procese
It
astfel
nct
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
76
1
1
(B2 B1 ) .
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
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 ,
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
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
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
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:
+
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
0
0
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
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
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
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
(3)
X 0 = x
79
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,
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 .
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
r t
0
2
r
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
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
r t
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
(g (t ))
12
a i t i 1 (i 1)!
12
12
2
suficient de mari, expresia E sup X m (s ) X n (s ) poate lua o valoare mic. Prin
s t
s t
X i +1 (t ) = x + b( X i (s ))ds + ( X i (s ))dBs
t
r t
81
b(t , x ) b(t , y ) + (t , x ) (t , y ) K x y
2.
b(t , x ) + (t , x ) K 2 1 + x
2
(0, )
t,x
s
= x + b u, X
t
t,x
u
0, x
( (
))
In particular. dac X
t,x
s
= x + b X
t,x
u
)du + (X )dB
t,x
u
omogen
E ( f ( X s )Ft ) = E ( f ( X s ) X t ) = (s, t , X t ) = (s t , X t ) ,
( (
))
( (
)) i (u, x ) = E ( f (X )).
0, x
u
82
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 ) .
dZ t = t Z t dBt
t
t
1
Z t = Z 0 exp s dBs s2 ds .
20
0
este
Mai
mult,
dac
1T
2 0
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
1T
2 0
E (Z T ) Z 0 .
Propoziia
3.14.
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
Af (t , x ) = f t(t , x ) + f x (t , x )b(t , x ) +
1
f xx (t , x ) 2 (t , x ) .
2
x ,t
u
=X
x ,t
t
+ b s, X
t
x ,t
s
, ut
(4),
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
Af (t , x ) = 0
, pentru orice x din R i t din [0, T ] ,
f (T , x ) = g (x )
84
(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:
) XT
= x) ,
85
1
f xx (t , x ) 2 (t , x )
2
Formula Black-Scholes
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
C (t , x ) = E e r (T t ) (S Tx ,t K ) ,
+
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
g (x + y ) e
Atunci funcia f definit prin f ( x ) = E x dtg (Bt ) exp t k (Bs )ds este unica
1
f + g .
2
86
(Z t , t 0 )
definit prin
def
U t = f (Bt )e Z t + g (Bs )e Z s ds ,
0
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
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 .
87
a (S
n 1
i =0
t i +1
stochastic
a dS
t
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
a dS
s
obligaiunilor este bs d s .
0
Perechea
(a, b )
Vt = at S t + bt t = V0 + a s dS s + bs d s ,
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
(6)
1
x exp b(s )ds + (s )dBs 2 (s )ds .
20
0
0
dX t
= b(t )dt + (t )dBt .
Xt
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
1
[ dt dBt ] , unde = b + 2 .
Xt
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
(7)
(
i k > 0 atunci P (T < ) = 1 iar dac k < 0 atunci P (T
)
< ) (0,1) .
0 2k < 2
Media
x
0
variabilei
aleatoare
x
0
rt
se
poate
calcula
cu
ajutorul
formulei
E (rt F s ) = rs e k (t s ) + 1 e k (t s )
2 (e k (t s ) e 2 k (t s ) ) 2 (1 e k (t s ) )
2k
rt = rs + k ( ru )du + ru dBu
i aplicnd formula lui It obinem:
t
32
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
( )
2
k
(1 e ) r e
kt
kt
(
1 e ) .
2
kt
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
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
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)
T
T x ,t
0
t
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 .
92
i =1
dX t2 = 2 Bi (t )dBi (t ) + ndt .
i =1
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
( )
( )
n 1 dt
,
2 Xt
Generalizare
Fie
x y
micare
brownian real.
Avnd
vedere
inegalitatea
t = + t + 2 s dWs
0
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 .
1 1
Rt = + Wt + +
ds .
2 0 Rs
94
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,
d2
d
+
, deci
2
dx
dx
Proprieti
Propoziia 3.21. Dac ( t , t 0 ) este un proces Bessel ptratic de dimensiune
1
( ct , t 0) este un proces Bessel ptratic de
c
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
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
( )
1
dt d R, ln R
2 Rt
96
= dRt
1
1
+ dt , deci n raport cu
Rt
2
Fie Z = X + Y . Atunci Z t = x + y + ( + )t + 2
X s dBs1 + Ys dBs2 .
Zs
0
t
+ 1{Z =0} dBs3
0 s
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
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
( +1)
(( + 1))1 y exp
y
.
2t
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
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
) ,
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
( (
(1 + 2vt )1+
)) .
r 2v
i printr-o
exp
1 + 2 vt
1 2t
2
1
= 1
( ) dvv (1 2tv ) exp r v .
0
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 .
1 1
2
Q x exp b 2 s ds = (cosh b ) exp xb tanh b .
2
2
99
1
Z t = exp F (s ) s dWs F 2 (s ) s ds
20
0
1
Z t = exp F (s )d ( s s ) F 2 (s ) s ds .
20
2 0
(9)
F (s )d s = F (t ) s F (0) 0 s dF (s )
0
(10)
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 =
(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
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
(11)
4k
rt = e kt
e 1 , unde ( (s ), s 0 ) este un proces BESQ ( ) cu = 2 . In
4k
particular dac
4k
Din a doua teorem de existen rezult faptul c ecuaia (11) admite o soluie unic,
def
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
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
P(Yt dy ) =
e 2 y 2 2
e y I
2 2
y dy
2 kT
, unde c =
e 1 .
4k
Bibliografie
Jeanblanc M.
J. Ma, J. Yong
B. Oksendal
P. Protter
Simon Thomas
Steven E. Shreve
102
Capitolul 4
lui Q n raport cu P i
(Lt , t T )
Q -martingal.
Observaie. Vorbim despre legea unei variabile aleatoare sau al unui proces, n raport
adevrat
P -aproape
sigur
este
adevrat
Q -aproape
sigur.
variabil
P -martingal.
Demonstraie. Fie M un Q -martingal. Utiliznd formula lui Bayes i proprietatea de
E P (Lt M t F s )
Ls
(Bt , t 0)
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
~ 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
= Nt
1
N , L t , t 0 este un Q -martingal
Lt
Lt = exp Z t Z t
2
verific relaia
dLt = Lt dZ t .
2
definit prin W ( ) Ft = exp Wt
t W Ft unde W este aplicaie canonic, este
2
2
W ( ) (F ( X u , u t )) = W expX t t F ( X u , u t ) , pentru orice funcie F .
2
105
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
t
1
exp s dWs s2 ds .
20
T
1 2
1
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
( (
))
E exp Ta = exp a a 2 + 2 .
( (
))
))
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
( )
i
t
i se arat c n raport cu Q ,
~
Bt(i ) = Bt(i ) (i ) (s )ds sunt micri browniene independente.
0
dQ Ft = Lt dP Ft
t
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
) (
) ) (
echivalent cu
astfel nct
b(t ) r (t )
dt
(t )
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.
este egal cu
(S T
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).
~
~
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
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
+
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
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
111
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.
) ( )
) (
)) (
~
~ def
~
independent de (Wt , t T y ) avnd aceeai lege cu W . Prin urmare
~
(u ) = P Wt u y x . Atunci
) (
))
{Wt
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 .
( x 2 y )2
2
(
)
2
exp
y
x
2t
t3
dxdy .
(3)
(T , y 0)
n lege
~
1
n lege
Ty = inf t : Wt = y = 2 inf t : Wt = y ,
~
~ 1
unde W este o micare brownian definit prin Wt = W2t .
x2
P(Tx t ) = P( x M t ) = P(x Wt ) = P x G t = P 2 t ,
G
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
Tx = inf {t : Wt = x} = inf {t : Wt = x} = T x
114
P(Tx dt ) =
s t
s t
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
la momentul 0 i
( x + z )2
exp
2t
dx .
2
E exp T y = exp( y ) .
2
2
procesul exp Wt t , t 0
2
este un
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 .
2
verificm dac martingalul exp Wt Ty (t T y ) este uniform integrabil. In cazul
2
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
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
.
2
W ( ) X t x, M tX y = E exp Wt
2
t 1{W x ,M W y } .
t
t
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
2
E exp Wt
2
t 1{Wt 2 y x} = P(Wt t 2 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
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
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
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,
( )
y < 0 obinem W
( )
(T
<
)=
2 y
((
S t = x exp 2 2 t + Wt = xe X t ,
unde X t = t + Wt i =
.
2
t 2 2 t
P S t a, M tS b = P X t , M tX = N
e N
.
t
t
+ t 2 + 2 + t
P S t a, mtS b = P X t , mtX = N
e N
.
t
t
119
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
t 2 t +
P(Ta (S ) < t ) = P mtS a = 1 P mtS a = N
+ e N
.
t
t
E exp Ta (S ) = W ( ) exp T ( X ) .
2
E exp Ta (S ) = exp 2 + 2 .
2
4.12.
Fie
(rt , t 0)
un
proces
Vasicek
definit
prin
32
k
k
kt 2
( )2 2 + 2 coth kt .
e exp
2
sin
kt
2
relaia rt = e kt x + e ks dBs .
0
120
teorema lui Dubins scriem martingalul e ks dBs ca o micare brownian W pentru care
0
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
unde Z este o micare brownian i A(t ) = 2 (s )ds . Fie C inversa funciei A putem
0
defini atunci
1
1
bx
i E (T *) = x(b + a ) ab x 2 .
ba
(W
2
t Ta Tb
x 2 = E x Wt 2Ta Tb E x (t Ta Tb ) .
2
cosh ( (a + b ) 2 )
E exp T * =
.
(
)
(
)
2
cosh
b
2
122
(t , x ) =
1
2 t
k =
exp 2t (x + 2k (b a ))
2
exp ( x 2b + 2k (b a )) .
2t
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
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
2T *
sinh ( a )
1{T *=Tb } =
E exp
sinh ( (b a ))
sinh (b )
E exp T * 1
=
{
T
*
=
T
}
a
2
sinh ( (b a ))
2T *
2T *
2
1{T *=Ta }
1{T *=Tb } + E exp
E exp T * = E exp
2
2
123
( )
2 + 2
2 + 2
T * 1{T *=T } + E exp WT *
T * 1{T *=T } =
= E exp WT *
2
2
2 + 2
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
cosh ( )
W ( ) exp T * ( X ) =
.
2
cosh 2 + 2
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
M t = M 0 + H s dBs .
0
( )
F = E f B& , unde f = i 1(ti 1 ,ti ] sunt totale n L2 . Se obine rezultatul cutat pentru
i
(Ft ) -adaptat
1T
ce verific condiia lui Novikov E exp s2 ds < . Fie Q
2 0
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
definite pe
d
(F ( + )) .
d
D F ( ) = (t , )g (t )dt .
0
Dt F =
i =1
f
(W (h1 ),...,W (hn ))hi (t ) .
xi
(,F , P )
un spaiu probabilistic,
o micare brownian
(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
rezolva
verificnd
ecuaia
condiia
diferenial
retrograd
XT = ,
terminal
adic
(5)
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
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
127
) ce
(X
relaia:
T
T
1
2
2
2
2
E (X t ) + E (Ys ) ds cE ds(X s ) + E (Ys ) ds .
2 t
t
128
( )
X t + f (s )ds = E + f (s )ds Ft
0
0
obinem X t = E + f s ds Ft , 0 t T .
t
f (t , ,0,0) din L2 i
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
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
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
densitatea Radon-Nikodym.
(t , x, y ) ,
dou
( )
dX ti = b i t , X ti , Yt i dt Yt i dWt .
Atunci X ti Yt i oricare ar fi t T .
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
este un proces
definit prin
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
= H s2 ds .
0
At = M , M t .
Procesul M
Ct
A= M
Demonstraie. Fie
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
Ct
Y dW ; Z dM
u
= Yu dWu .
0
132
At
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 .
Ct
((
))
~
~
dt = exp 2 WCt + C t dC t . Procesul continuu W definit prin Wu =
Cut
exp(W
+ s )dWs
Cut
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
133
1
1
~
t
1
~
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
+ 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
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
4a
t = 0 + a (s )ds + (s ) (s )dWs .
134
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
Z A (t ) = Z 0 + a
Procesul
A (t )
A (t )
A (t )
(s )ds +
relaia: 2
(s ) Z s dWs .
A (t )
def
t = Z A (t ) = Z 0 +
4a
t + 2 Z A( s ) dBs = 0 +
0
4a
t + 2 s dBs ,
0
(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
Kannan D.
D. Nualart
Potter Philip E.
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
este
$ e rs .
se
demonstreze
relaia : Ct Pt = S t Ke r (T t ) .
137
pentru
orice
t T
are
loc
unde d < min e rT0 , e r (T1 T0 ) max e rT0 , e r (T1 T0 ) < u , r fiind rata
{ Bt }t 0
{cB }
t c 2 t 0
{ 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
c. tBt Bs ds
0
0
0
( )
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
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 .
(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
b. H t = S u du
0
c. H t = S t
Reamintim c valoarea portofoliului la momentul t
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
141
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.)
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
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.
145
146
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.
147
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.
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
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.
150
151
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
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
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
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