secondo - Matematica e Applicazioni
Transcript
secondo - Matematica e Applicazioni
II Appello di Analisi Stocastica Laurea Magistrale in Matematica 31 marzo 2009 Cognome: Nome: Matricola: Nella risoluzione degli esercizi è possibile utilizzare tutti i risultati enunciati a lezione, anche quelli non dimostrati. Esercizio 1. Sia {Bt }t∈[0,∞) un moto browniano reale, definito su uno spazio di probabilità (Ω, F, P). Introduciamo il processo C = {Ct }t∈[0,1] definito da C0 := 0 , Ct := t B1/t − B1 + a , dove a ∈ R è un parametro fissato. (a) Si spieghi perché C è un processo gaussiano. Si mostri quindi che le funzioni media e covarianza valgono µ(t) := E(Ct ) = a t e Γ(s, t) := Cov(Cs , Ct ) = s ∧ t − s t. (b) Si mostri che le variabili aleatorie X := C1/2 −C0 e Y := C1 −C1/2 non sono indipendenti. (c) Si mostri che il processo D = {Dt }t∈[0,1] , definito da Dt := a − C1−t , ha le stesse leggi finito-dimensionali di C. (d) Si mostri che q.c. la funzione t 7→ Ct (ω) è continua in [0, 1] (estremi inclusi). (e) (*) Si mostri che, ∀t0 ∈ (0, 1) fissato, q.c. la funzione t 7→ Ct non è derivabile in t0 . Soluzione 1. (a) Il processo C è gaussiano perché le sue componenti sono funzioni affini delle componenti del moto browniano B, che è un processo gaussiano. Per linearità µ(t) = E(Ct ) = a t, perché E(Bs ) = 0. Passiamo alla covarianza, ricordando che Cov(Bs , Bt ) = s ∧ t e che Cov(a, X) = 0 per ogni variabile aleatoria X ∈ L1 . Possiamo supporre senza perdita di generalità che s ≤ t: usando la bilinearità, per 0 < s ≤ t ≤ 1 si ha Γ(s, t) = Cov(Cs , Ct ) = Cov s(B1/s − B1 + a), t(B1/t − B1 + a) = s t Cov(B1/s , B1/t ) − Cov(B1 , B1/t ) − Cov(B1/s , B1 ) + Cov(B1 , B1 ) 1 1 = st − 1 − 1 + 1 = st − 1 = s − st = s ∧ t − st. t t Resta da considerare il caso s = 0: dato che C0 = 0, si ha Cov(C0 , Ct ) = 0, quindi la formula Γ(s, t) = s ∧ t − s t vale per ogni s, t ∈ [0, 1]. (b) Per definizione si ha X = 21 (a + Z) e Y = 12 (a − Z), dove Z := B2 − B1 ∼ N (0, 1). Si ottiene quindi a a 1 a2 − 1 , E(Y ) = , E(XY ) = E(a2 − Z 2 ) = 6= E(X) E(Y ) , 2 2 4 4 che mostra che X e Y non sono scorrelate, quindi non sono indipendenti. E(X) = (c) Si ha E(Dt ) = a − E(C1−t ) = a − µ(1 − t) = a − a(1 − t) = a t = µ(t), e analogamente per la covarianza, se s ≤ t si ha Cov(Ds , Dt ) = Cov(a, a) − Cov(a, C1−t ) − Cov(C1−s , a) + Cov(C1−s , C1−t ) = Cov(C1−s , C1−t ) = Γ(1 − s, 1 − t) = (1 − s) ∧ (1 − t) − (1 − s)(1 − t) = (1 − t) − (1 − s)(1 − t) = s − s t = s ∧ t − s t = Γ(s, t) . Chiaramente D è un processo gaussiano, perché le sue componenti sono funzioni affini delle componenti del processo gaussiano C. Avendo appena mostrato che le funzioni media e covarianza sono le stesse di C, i processi C e D hanno le stesse leggi finito-dimensionali. (d) Per definizione Ct = t B1/t −t (B1 +a) per t > 0 mentre C0 = 0. È chiaro che t 7→ t (B1 +a) è q.c. continua. Inoltre, sappiamo che il processo βt := t B1/t per t > 0 e β0 := 0 è un moto browniano, quindi è q.c. continuo. Dato che l’intersezione di due eventi di probabilità uno ha probabilità uno, la continuità q.c. di C segue. (e) Per definizione Ct = t B1/t − t (B1 + a) = βt − γt , dove abbiamo posto βt := t B1/t e γt := t (B1 + a). Intuitivamente, sappiamo che γ è derivabile (è lineare!) mentre β non lo è (è un moto browniano), per cui C non lo è. Più precisamente, per ogni ω ∈ Ω la funzione t 7→ γt (ω) è lineare e dunque derivabile in t0 , con γt00 (ω) = B1 (ω) + a. Se ω ∈ Ω è tale che t 7→ Ct (ω) sia derivabile in t0 , allora anche t 7→ βt (ω) sarebbe derivabile in t0 , come somma delle funzioni derivabili t 7→ γt (ω) e t 7→ Ct (ω). In altre parole, abbiamo mostrato che t 7→ Ct è derivabile in t0 ⊆ t 7→ βt è derivabile in t0 . Ma il processo β è un moto browniano: l’evento a destra ha dunque probabilità nulla e quindi anche l’evento a sinistra. Esercizio 2. Si consideri la seguente equazione differenziale stocastica: 1 Xt dX = dt dBt − t 2 2 + Xt (2 + Xt2 )3 . X0 = 0 (a) Si mostri che per l’equazione c’è esistenza di soluzioni forti e unicità per traiettorie. Supporremo d’ora in avanti di avere fissato uno spazio filtrato standard (Ω, F, {Ft }t∈[0,∞) , P), su cui sono definiti un {Ft }t∈[0,∞) -moto browniano reale B = {Bt }t∈[0,∞) e un processo continuo e adattato X = {Xt }t∈[0,∞) che risolve l’equazione data. (b) Si determini il valore di β ∈ (0, ∞) per cui il processo Y = {Yt }t∈[0,∞) definito da Yt := Xt + βXt3 (1) è una {Ft }t∈[0,∞) -martingala locale. (c) Si mostri che, per il valore di β determinato al punto precedente, si ha in effetti Yt = σ Bt , per un opportuno σ ∈ (0, ∞) che è richiesto di determinare. (d) (*) Si mostri che, per il valore di β determinato al punto (b), si ha q.c. lim supt→∞ Xt = +∞ e lim inf t→∞ Xt = −∞. Sugg.: Si sfrutti la relazione (1) e il punto (c). Può essere utile studiare la funzione x 7→ F (x) := x + βx3 . Soluzione 2. (a) Entrambe le funzioni ϕ(x) := 1/(2 + x2 ) e ψ(x) := x/(2 + x2 )3 sono continue e tendono a zero per x → ±∞. Segue dunque che esse sono limitate: esiste cioè M ∈ (0, ∞) tale che |ϕ(x)| ≤ M , |ψ(x)| ≤ M , ∀x ∈ R . Le derivate prime sono date da 2x (2 + x2 )3 − x · 3(2 + x2 )2 · 2x 2 − 5x2 0 , ψ (x) = = , (2 + x2 )2 (2 + x2 )6 (2 + x2 )4 quindi anch’esse sono continue e tendono a zero per x → ±∞, in particolare sono limitate: esiste cioè L ∈ (0, ∞) tale che ϕ0 (x) = − |ϕ0 (x)| ≤ L , |ψ 0 (x)| ≤ L , ∀x ∈ R . Per il teorema di Lagrange segue dunque che, per y ≥ x, Z y Z Z y 0 0 ϕ (z) dz ≤ ϕ (z) dz ≤ |ϕ(y) − ϕ(x)| = x x y L dz = L |y − x| , x e analogamente per y ≤ x. Lo stesso vale per ψ, quindi entrambe le funzioni ϕ, ψ sono globalmente lipschitziane. Sono dunque soddisfatte le condizioni del teorema di esistenza di soluzioni forti e di unicità per traiettorie. (b) Applicando la formula di Itô si ottiene 1 dYt = (1 + 3 β Xt2 ) dXt + 6 β Xt dhXit 2 2 1 + 3 β Xt −Xt (1 + 3 β Xt2 ) 3 β Xt dB + + dt = t 2 + Xt2 (2 + Xt2 )3 (2 + Xt2 )2 1 + 3 β Xt2 (6 β − 1)Xt dBt + dt . = 2 2 + Xt (2 + Xt2 )3 Il processo Y è una {Ft }t∈[0,∞) -martingala locale se e soltanto se il termine a variazione finita è nullo, cioè per β = 16 . (c) Per β = 1 6 si ha dYt = 1+ 12 Xt2 2+Xt2 dBt = 1 2 dBt , cioè Yt = 1 2 Bt . Il valore di σ è dunque 21 . (d) Per la relazione (1) si ha Yt = F (Xt ) con F (x) := x + βx3 . Dato che la funzione F è strettamente crescente, è invertibile e possiamo scrivere Xt = F −1 (Yt ) = F −1 ( 21 Bt ), grazie al punto (c). Dato che limx→+∞ F (x) = +∞, segue che limx→+∞ F −1 (x) = +∞. Dato che q.c. lim supt→∞ Bt = +∞, per q.o. ω ∈ Ω esiste una successione (aleatoria) di tempi {tn = tn (ω)}n∈N tali che Btn → +∞; di conseguenza Xtn = F −1 ( 21 Btn ) → +∞, e questo mostra che lim supt→∞ Xt = +∞ q.c.. Con argomenti del tutto analoghi si mostra che lim inf t→∞ Xt = −∞ q.c..