= X s + IE[X t X s ] = 0, s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja

Samankaltaiset tiedostot
Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

5. Stokastinen integrointi

Black ja Scholes ilman Gaussia

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

Inversio-ongelmien laskennallinen peruskurssi Luento 7

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

4.0.2 Kuinka hyvä ennuste on?

Lebesguen mitta ja integraali

V ar(m n ) = V ar(x i ).

Konvergenssilauseita

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

STOKASTISET DIFFERENTIAALIYHTÄLÖT 115

8. Avoimen kuvauksen lause

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH

Tilastomatematiikka Kevät 2008

Martingaalit ja informaatioprosessit

LUKU 6. Mitalliset funktiot

Luku 4. Derivoituvien funktioiden ominaisuuksia.

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Mitta- ja integraaliteoria 2 Harjoitus 1, Olkoon f : A! [0, 1] mitallinen ja m(a) < 1. Näytä, että josonp>1javakio M<1, joille

7. Tasaisen rajoituksen periaate

) + T (r + ) + T (r. ) Ke rt Φ( log( s σ2. (1.1) sφ( log( s σ2 2 E. VALKEILA 2 )

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin

1 sup- ja inf-esimerkkejä

Valintahetket ja pysäytetyt martingaalit

3. Teoriaharjoitukset

4. Martingaalit ja lokaalit martingaalit

Moniulotteisia todennäköisyysjakaumia

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Positiivitermisten sarjojen suppeneminen

Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43

3.6 Su-estimaattorien asymptotiikka

Johdatus matemaattiseen päättelyyn

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Insinöörimatematiikka D

1 Sovelluksia. Sovelluksia 1

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

Analyysin peruslause

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x

1 Sisätulo- ja normiavaruudet

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Sarjat ja differentiaaliyhtälöt

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Martingaalit ja informaatioprosessit

Satunnaismuuttujien muunnokset ja niiden jakaumat

Ito-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

7 Vapaus. 7.1 Vapauden määritelmä

Sovellettu todennäköisyyslaskenta B

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa

Toispuoleiset raja-arvot

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

1 Lineaariavaruus eli Vektoriavaruus

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

DIFFERENTIAALI- JA INTEGRAALILASKENTA I.1. Ritva Hurri-Syrjänen/Syksy 1999/Luennot 6. FUNKTION JATKUVUUS

1 sup- ja inf-esimerkkejä

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Miten osoitetaan joukot samoiksi?

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Johdantoa INTEGRAALILASKENTA, MAA9

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Seuraava topologisluonteinen lause on nk. Bairen lause tai Bairen kategorialause, n=1

1 Määrittelyjä ja aputuloksia

6. Lineaariset operaattorit

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

Mat Johdatus stokastiikkaan: Todistuksia

Insinöörimatematiikka D

4.3 Moniulotteinen Riemannin integraali

Kuinka määritellään 2 3?

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Väliestimointi (jatkoa) Heliövaara 1

Reaalianalyysin perusteita

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Option deltan laskeminen diskreetin Malliavin-laskennan avulla

Numeeriset menetelmät

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit

FUNKTIONAALIANALYYSIN PERUSKURSSI Johdanto

6. Toisen ja korkeamman kertaluvun lineaariset

802320A LINEAARIALGEBRA OSA II

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Transkriptio:

44 E. VALKEILA 6. Geometrinen Brownin liike 6.1. Brownin liike ja Iton kaava. Tavoitteena on mallintaa osakkeen tuottoa jatkuvassa ajassa. Jos (S t ) t T on osakkeen hintaprosessi, niin tuotolla tarkoitetaan suuretta ds t S t. Palutetaan mieleen Brownin liikkeen määritelmä. Oletetaan, että todennäköisyysavaruus (Ω, F, IP) on kiinnitetty ja kaikki prosessit ovat määritelty tällä todennköisyysavaruudella. Määritelmä 6.1. Stokastinen prosessi W = (W t ) t T on Brownin liike alkuarvolla, jos W = Polut t W t ovat jatkuvia. Prosessin W lisäykset W t W s ovat riippumattomat ja normaalisti jakautuneet odotusarvona ja varianssina t s (s < t T ). Huomautus 6.1. Jos oletetaan vain, että W t W s N(, t s), niin jo tästä oletuksesta seuraa, että (6.1) IE(W t W s )(W r W q ) =, kun q < r s < t. Koska kyseessä on normaalijakauma, niin tämä tarkoittaa sitä, että lisäykset ovat riippumattomat. Yhtälön (6.1) todistamiseksi riittää osoittaa, että IEW t W s = s, jos t > s. Lasketaan: t s = IE(W t W s ) 2 = IEW 2 T 2IEW t W s + IEW 2 s = t + s 2IEW t W s, mistä saadaan IEW t W s = s, kun s < t. Brownin liikkeen ja martingaalien välillä on seuraava yhteys: Lause 6.1 (Lévy). Olkoon X jatkuva-aikanen, jatkuva prosessi, jolle X =, IEX t = kaikilla t T ja Var(X t ) <. Prosessi X on standardi Brownin liike jos ja vain jos X ja X 2 t t, t T ovat (IP, IF X )- martingaaleja. Jos X on standardi Brownin liike, niin IE[X t F X s ] = IE[X t X s + X s F X s ] ( ) = X s + IE[X t X s ] =, missä yhtälössä ( ) käytettiin sitä, että X s Fs X, X t X s F X s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja on riippumaton ehdosta. Vastaavalla tavalla nähdään, että Xt 2 t on martingaali, kun X on standardi Brownin liike. Käänteinen väite on syvällisempi ja sen todistus löytyy useista Brownin liikettä käsittelevistä oppikirjoista. Brownin liikkeen poluille voidaan todistaa seuraava ominaisuus lim (W tk W tk 1 ) 2 IL2 (IP) t, π missä π = {t k : < t 1 < < t n = t} on välin [, t] jako, t T, π = max(t k t k 1 : t k π} ja IL 2 (IP) tarkoittaa konvergenssia avaruudessa IL 2 (Ω, F, IP): jos X n, X IL 2 IL (IP), niin X 2 (IP) n X, kun X n X IL 2 (IP), missä Y 2 IL 2 (IP) = IEX2.

RAHOITUSTEORIA 45 Käyttämällä Abelin summakaavaa teleskoppisummalle saadaan, että WT 2 (W tk W tk 1 ) 2 = 2 W tk 1 (W tk W tk 1 ) W s dw s = 1 2 (W 2 T T ), missä integraali ymmärretään raja-arvona (6.2) W s dw s = IL 2 (IP) lim W tk 1 (W tk W tk 1 ). π Yksinkertaisella algebralla saadaan selville, että (6.3) IL 2 (IP) lim W tk (W tk W tk 1 ) = 1 2 (W T 2 + T ). π Palautetaan mieleen, milloin jatkuva funktio f on rajoitetusti heilahteleva: var t (f) := sup f(t k ) f(t k 1 ) <. π Mikäli toistetaan edellinen päättely saadaan silloin kun funktio f on jatkuva ja rajoitetusti heilahteleva, niin havaitaan, että sillä ft 2 = 2 f tk 1 (f tk f tk 1 ) + tk f tk 1 ) (f 2 2 (f tk f tk 1 ) 2 max f t k f tk 1 var t (f), f s df s, kun π. Helposti nähdään, että integraalin arvo ei riipu siitä, miten integroitavan funktion approksimointipite valitaan väliltä [t k 1, t k ]. Voidaan tehdä seuraavat johtopäätökset: Brownin liikkeen polut ovat rajoittamasti heilahtelevia. Perustelu: (W tk W tk 1 ) 2 var T (W ) max W t k W tk 1, jos var T (W ) <. Stokastinen integraalin arvo riippuu siitä, kuinka integroitavaa stokastista prosessia approksimoidaan. Stokastisen inetrgaalin arvo saadaan määriteltyä raja-arvona, kun π, mutta raja-arvo määritellään avaruudessa IL 2 (IP), ei poluittain. Rajoitetusti heilahteleville jatkuville funktioille f pätee f 2 (T ) = 2 f(s)df(s), mutta Brownin liikkeelle tämä kaava ei päde. Kumpi approksimaatioista (6.2) vai (6.3) sitten tulee valita. Approksimaatiota (6.2) puoltaa se tosiasia, että jos tarkastellaan disreettiaikaista prosessia Y k := k W ti 1 (W ti W ti 1 ) i=1

46 E. VALKEILA historian G k := F tk suhteen, niin Y on (IP, IG) martingaali. Voidaan osoittaa, että tämä ominaisuus säilyy, kun mennään rajalle. Palataan osakkeen tuoton mallintamiseen. Asetetaan Tällöin S tk S tk 1 S tk 1 = σ(w tk W tk 1 ) + µ(t k t k 1 ). S tk = S k (1 + σ(w ti W ti 1 ) + µ(t i t i 1 )). i=1 Huomaa, että näin määritelty S tk voi olla myös negatiivinen. Voidaan osoittaa, käyttäen Brownin liikkeen ominaisuuksia että S tk S t := exp{σw t σ2 2 t + µt}, missä konvergenssi on stokastista konvergenssia. Perustelut ovat samantapaiset kuin kohdassa 3.3.1, ja nyt ne sivuutetaan. Olkoon f = n k=1 a ki [tk 1,t k ), missä a k IR; selvää on, että ainoa järkevä tapa määritellä integraali f sdw s on asettaa f s dw s = n a k (W tk W tk 1 ); k=1 tämä on yksinkertainen esimerkki Wiener-integraalista Brownin liikkeen suhteen. Havaitaan, että IE f s dw s = ja n IE( f s dw s ) 2 = a 2 k (t k t k 1 ) = fs 2 ds k=1 [tämä seuraa esimerkiksi siitä, että muuttujat a k (W tk W tk 1 ) ovat riippumattomia ja normaalisti jakautuneita; jos a k IL 2 (IP, F tk 1 ), niin edelleen pätee IE f sdw s =, mutta nyt IE( f s dw s ) 2 = IE f 2 s ds. Tarkastellaan jatkuvaa prosessia H. Oletetaan, että se on mitallinen Brownin liikkeen historian IF W suhteen. Mikäli IE H2 s ds <, niin stokastinen integraali Y T := H sdw s voidaan määritellä seuraavasti. Oletetaan aluksi, että H ja H on rajoitettu. Tällöin jono H n, missä Ht n = Ht n k 1, kun t (t k 1, t k ] approksimoi dominoidun konvergenssin lauseen perusteella prosessia H avaruudessa IL 2 (IP Leb): ( 2 IE (Hs n H s ) ds) ;

RAHOITUSTEORIA 47 saadaan, että jono H n on c-jono avaruudessa IL 2 (IP Leb). Olkoon Y n neliöintegroituva satunnaismuuttuja: Y n := H n s dw s = H tk 1 (W tk W tk 1 ). Koska H n on c-jono avaruudessa IL 2 (IP Leb), niin on olemassa n, m n ɛ siten, että Nyt IE IE(Y n Y m ) 2 = IE (H n s Hm s )2 ds < ɛ. (H n s Hm s )2 ds < ɛ. Siis Y n on c-jono avaruudessa IL 2 (IP) ja asetetaan Y = IL 2 (IP) lim Y n. Merkitään Y = H s dw s ja sanotaan, että Y on prosessin H stokastinen integraali Brownin liikken suhteen. Sille on voimassa Asetaan Y t := H si [,t] (s)dw s ; tällöin prosessi Y on jatkuva neliöintegroituva (IP, IF W )- martingaali. Integraali voidaan ymmärtää raja-arvona: H s dw s = IL 2 (IP) lim π H t k 1 (W tk W tk 1 ). Koska Y on martingaali, niin on voimassa isometria (6.4) IE( H s dw s ) 2 = IE H 2 s ds. Palataan seuraavaksi kaavaan WT 2 = 2 W sdw s + T. Olkoon f(x) = x 2 ja kirjoitetaan kaava uudestaan funktion f avulla f(w T ) = f()+ f x(w s )+ 1 T 2 f xx(w s )ds. Voidaan osoittaa, että tämä kaava pätee kaikilla f C 2 (IR). Lause 6.2 (Iton kaava). Olkoon f C 2 ; tällöin on voimassa (6.5) f(w t ) = f() + f x (W s )dw s + 1 2 f xx (W s )ds. Jos IE (f x(w s )) 2 ds <, niin stokastinen integraali f x(w s )dw s on martingaali. Integraali f xx(w s )ds ymmärretään jatkuvan funktion tavallisena integraalina, ts. se voidaan integroida poluittain, erotuksena stokastisesta integraalista. Jos g on jatkuva ja rajoitetusti heilahteleva funktio ja f C 1, niin f(g t ) = f(g ) + f x (g s )dg s. Iton kaava voidaan todistaa funktion f Taylorin sarjakehitelmällä; toditus ei sinänsä ole vaikea, mutta se on pitkä ja uuvuttava. Toinen todistus perustuu

48 E. VALKEILA osittaisintegrointikaavaan: jos U T = U + H sdw s + Hs ds ja V T = V + K sdw s + K s ds, niin (6.6) U T V T = U V + + U s Ks ds + U s K s dw s + V s Hs ds. V s H s dw s + H s K s ds Esimerkki 6.1. Olkoon Z t = e Wt ; nyt f(x) = e x = f x = f xx. Iton kaavalla saadaan Z t = e Wt = 1 + tämä voidaan kirjoittaa myös seuraaavsti Z t = 1 + tai stokastisena differentiaaliyhtälönä e Ws dw s + 1 2 Z s dw s + 1 2 dz t = Z t dw t + 1 2 Z tdt. Z s ds e Ws ds; Usein käytetään seuraavaa Iton kaavan yleistystä: jos f(t, x) C 1,2, niin (6.7) f(t, W t ) = f(, W )+ f t (s, W s )ds+ f x (s, W s )dw s + 1 2 f xx (s, W s )ds. Esimerkki 6.2. Olkoon f(t, x) = e σx 1 2 σ2t+µt, nyt f x = σf, f xx = σ 2 f, f t = (µ 1 2 σ2 )f; sijoittamalla kaikki tämä informaatio kaavaan (6.7) saadaan f(t, W t ) = 1 + Jos f(t, W t ) = St S = 1 + σ f x (s, W s )dw s + f(s, W s )dw s + µ (f t (s, W s ) + 1 2 f xx(s, W s ))ds f(s, W s )ds. niin edellinen yhtälö voidaan kirjoittaa muodossa ds t = σs t dw t + µs t dt. Tarkastellaan seuraavaksi stokastista differentiaaliyhtälöä (6.8) dx t = µ(t, X t )dt + σ(t, X t )dw t, X = x, t [, T ]; tällä tarkoitetaan itse asiassa integraaliyhtälöä X t = x + µ(s, X s ) + σ(s, X s )dw s. Tässä W on Brownin liike, joka on määritelty kentällä (Ω, F, IP). Kertoimista µ, σ oletetaan, että (6.9) µ(t, x) µ(s, y) 2 + σ(t, x) σ(t, y) 2 K x y 2 ja (6.1) µ(t, x) 2 + σ(t, x) 2 K(1 + x 2 ),

RAHOITUSTEORIA 49 missä x, y IR ja K > on jokin vakio. Ehto (6.9) on Lipschits- ehto tila-argumentille x ja ehto (6.1) on kasvuehto tila-argumentille. Voidaan todistaa seuraava lause: Lause 6.3. Olkoon W Brownin liike ja kertoimet µ, σ toteuttavat ehdot (6.9) ja (6.1). Tällöin yhtälöllä (6.8) on yksikäsitteinen ratkaisu X, jolla on ominaisuudet: X on jatkuva. X on IF W sopiva. X on rajoitettu avaruudessa IL 2 (IP): sup s T IEX 2 s <. Tämän jälkeen tiedetään, että S t = S e σwt 1 2 σ2 t+µt on stokastisen differentialiyhtälön ds t = S t (σdw t + µdt), alkuarvona S, yksikäsitteinen jatkuva ja IL 2 (IP)- rajoitettu ratkaisu. Jatkossa käytetään Iton kaavaa myös prosessin S. Voidaan osoittaa, että se on muotoa f(t, S t ) = f(, S ) + + f x (s, S s )σs s dw s f x (s, S s )µs s ds + f t (s, S s )ds + 1 2 f xx (s, S s )σ 2 S 2 s ds. 6.2. Esityslause. Olkoon W Brownin liike kentällä (Ω, IF, IP); nyt oletetaan vain, että IF W IF; Brownin liike on nyt prosessi, jolle W t W s Fs ja W t W s N(, t s). Jos H IF on jatkuva neliöintegroituva prosessi, niin tiedetään, että M t := H s dw s on neliöintegroituva (IP, IF)- martingaali. Merkintöjä: H 2 (IF) = {H : H IF ja IE H2 s ds < } ja M 2 (IF) on kaikkien neliöintegroituvien (IP, IF)- martingaalien joukko. Jos H H 2 (IF) ja W on (IP, IF)- Brownin liike, niin M t = H sdw s M 2 (IF). Olkoon kääntäen M (IP, IF)- martingaali. Olkoon M W niiden neliöintegroituvien (IP, IF)- martingaalien joukko, jotka voidaan esittää stokastisina integraaleina Brownin liikkeen suhteen. Voidaan osoittaa, että tällöin mielivaltaisella neliöintegroituvalla martingaalilla M on esitys M t = M + H M s dw s + L t, missä neliöinteroituva martingaali on ortogonaalinen avaruutta M W kohtaan; tämä perustuu siihen, että avaruus M W on suljettu normin M M := IEM 2 T suhteen. Esimerkki 6.3. Olkoon IF W Brownin liikkeen historia ja N Poissonin prosessi, joka on riippumaton Brownin liikkeestä. Olkoon IF = IF W,N historia, missä sisältää infomraation sekä Brownin liikken poluista että Poissonin prosessin poluista hetkeen t asti.

5 E. VALKEILA Tiedetään, että n t = N t t on martingaali oman historiansa IF N suhteen, ja koska N W, niin voidaan osoittaa, että n on martingaali myös historian IF suhteen. Koska prosessin n polut ovat epäjatkuvia, niin sillä ei voi olla integraaliesitystä Brownin liikkeen suhteen. Lause 6.4 (Ito-Clark esityslause). Olkoon W Brownin liike, IF = IF W ja olkoon X IL 2 (IF W T ). Tällöin on olemassa prosessi H X H 2 siten, että (6.11) X = IEX + H X s dw s. Ennen lauseen todistamista eräitä huomautuksia: mikäli X IL 1 (IP), niin esitys (6.11) on voimassa, mutta tällöin ei stokastinen integraali välttämättä enää ole martingaali. Esitettävä todistus on olemassaolotoditus. Malliavin laskennan avulla voidaan antaa sisällöllisempi tapa löytää prosessi H X 1. Todistus Tarkastellaan aluksi stokastista differentiaalityhtälöä dy t = σy t dw t ; tiedetään, että tällä yhtälöllä on ratkaisu Y T = e σw T 1 2 σ2t. Lisäksi havaitaan, että kaikilla < t < T on voimassa e σwt = e 1 2 σ2t + σ e 1 2 σ2 (u t)+σw u dw u. Koska W s+h W s, h on myös Brownin liike, niin saadaan, kun s < t T : e σ(wt Ws) = e 1 2 σ2 (t s) σ s e 1 2 σ2 (u t+s)+σw u dw u. Siis jokainen muuttuja Z = e σ(wt Ws) voidaan esittää stokastisena integraalina Z = IEZ + Hu Z dw u, missä prosessi H = välin [s, t] ulkopuolella. Nyt jos satunnaismuuttuja Z IL 2 (F T ) on muotoa n Z = exp{σ k (W tk W tk 1 )}, k=1 niin voidaan osoittaa, että myös tällaiselle muuttujalle Z on voimassa Z = IEZ + H Z s dw s jollain H Z. Yksityiskohtaiset perustelut jätetään harjoitustehtäväksi VI/6. Tästä seuraa puolestaan, että (kompleksiarvoisilla) muuttujilla n Z = exp{iσ k (W tk W tk 1 )}, k=1 on myös vastaava integraaliesitys. 1 Tommi Sottinen aloittaa luennot Malliavin laskennasta yliopistolla 29.1: http://www.math.helsinki.fi/ tsottine/teaching.html

RAHOITUSTEORIA 51 Osoitetaan seuraavaksi, että muuttujat Z ovat tiheässä kompleksiarvoisten satunnaismuutujien avaruudessa ĨL2 (IP). Olkoon IEỸ Z = kaikilla Ỹ ĨL 2 (IP). Lausekeet IEỸ Z määrittelevät merkkisen mitan µỹ (C) = IEỸ I{(W t 1 W t,..., W tn W tn 1 ) C)} karakteristisen funktion yksikäsitteisesti, joten koska karaktristinen funktio on identtisesti, niin IEỸ I C = kaikilla mitallisilla sylintereillä C. LAajentamalla mitta µỹ koko sigma-algebralle FT W saadaan, että IEỸ I A =, mistä seuraa helposti, että Ỹ =. Tästä seuraa, että kaikilla Z IL2 (FT W ) on integraaliesitys (6.11). Lause 6.5. Olkoon W Brownin liike ja M neliöintegroituva (IP, IF W ) martingaali. Tällöin M on jatkuva ja sillä on integraaliesitys Todistus Nyt M T IL 2 (F W T M t = M + H M s dw s. ), ja lauseen 6.4 nojalla on voimassa esitys M T = IEM T + H M s dw s; koska M on martingaali, niin IEM T = M ja stokastinen integraali on martingaali, joten M t = IE[M T F t ] = M + IE[ Hs M dw s F t ] = M + H M s dw s. Koska stokastiset integraalit ovat jatkuvia, niin martingaali M on myös jatkuva. Ensi viikolla Girsanovin lause ja Black & Scholes hinnoittelumallin käsittely. 19.-2.1. 24