Ci proponiamo ora, come esempio, di calcolare il seguente integrale stocastico:
Z T 0
WtdWt (5.6.1)
dove dunque G(t, ω) = Wt(ω) ∀(t, ω) ∈ [0, T ] × Ω.
Dobbiamo in primo luogo provare che Wt ∈ V([0, T ]).
Poiché Wt è un processo stocastico continuo ∀t ≥ 0, come abbiamo osservato nel Capitolo 4, è progressivamente misurabile rispetto alla ltrazione naturale e quindi misurabile per cui Wt è B([0, T ]) ⊗ A-misurabile. Perciò Wt soddisfa alla condizione a). Tra l'altro, poiché le traiettorie sono continue rispetto al tempo con probabilità 1, l'integrale di Lebesgue Z T
0
Wt(ω)
2dt è un integrale di Riemann con probabilità 1.
Inoltre Wt è ovviamente misurabile rispetto a I[0, t] ∀t ∈ [0, T ]e perciò soddisfa anche alla proprietà di non anticipazione.
5.6. ESEMPIO DI CALCOLO DI UN INTEGRALE STOCASTICO. 169
Inne è soddisfatta anche la condizione:
Z T
poiché per il teorema di Fubini e Tonelli (parte iii) applicata a Wt2, è possibile scambiare l'integrale su Ω rispetto alla misura di probabilità P con l'integrale rispetto al tempo per cui:
Z
Allora possiamo calcolare l'integrale stocastico di Wt rispetto a Wt da 0 a T . Tenendo presente la denizione 5.8, in primo luogo dobbiamo determinare una successione Wn con n ∈ N di funzioni stocastiche semplici elementari apparte-nenti alla classe V([0, T ]) tale che
n→+∞lim E
Conformemente a quanto avevamo visto nel paragrafo 3 nel caso di una funzione stocastica continua rispetto a t, suddividiamo l'intervallo [0, T ] in n intervalli di uguale ampiezza mediante la partizione Π ottenuta mediante i punti 0 = t0 <
t1 < .... < tn = T per cui
tj = j
nT j = 1, 2, ..., n.
Per semplicità di scrittura abbiamo indicato con tj ciò che prima avevamo de-notato con t(n)j .
Consideriamo poi la successione Wn(t, ω) con n ∈ N tale che
∀ω ∈ Ω Wn(t, ω) = Wtj−1(ω), se tj−1 ≤ t < tj, Wn(T, ω) = Wtn−1(ω).
Verichiamo che tale successione di funzioni stocastiche semplici elementari ap-partenenti alla classe V([0, T ]) soddisfa alla (6.1.3).
Infatti
per cui
Se scambiamo l'integrale su Ω rispetto alla misura di probabilità P con gli integrali rispetto al tempo otteniamo:
E
Per una proprietà degli incrementi di un processo di Wiener che abbiamo già sfruttato numerose altre volte otteniamo:
E come ci proponevamo di dimostrare.
A questo punto applichiamo la denizione di integrale stocastico di Itˆo:
Z T Ma, essendo Wn funzioni stocastiche semplici elementari,
Z T
in base alla denizione di integrale stocastico di Ito, dobbiamo calcolare il limite in media quadratica di Sn, ossia mq − lim
n→+∞Sn. A tal ne poniamo:
Wtj − Wtj−1 = ∆ Wj j = 1, 2, ..., n.
5.6. ESEMPIO DI CALCOLO DI UN INTEGRALE STOCASTICO. 171 A questo punto otteniamo che
Z T
Per determinare mq − lim
n→+∞
Questo risultato ci suggerisce che potrebbe essere
mq − lim
Verichiamolo.
dove abbiamo sfruttato la linearità del valore atteso e l'indipendenza degli in-crementi.
D'altra parte, se teniamo presente che gli incrementi di un processo di Wiener hanno distribuzione gaussiana con media nulla, grazie ad una proprietà dei mo-menti di ordine pari di una variabile causale avente una distribuzione gaussiana, si ha
E[(∆ Wj)2k] = 1 · 3 · ... · (2k − 1)σ2k con σ deviazione standard.
Allora E[(∆ Wj)4]si ottiene dalla formula scritta sopra ponendo k = 2 e tenendo presente che σ2 = tj − tj−1 = T
n. Dunque E[(∆ Wj)4] = 3 T2
n2.
Andando a sostituire nella (5.6.3) e svolgendo i calcoli si ottiene:
E
5.6. ESEMPIO DI CALCOLO DI UN INTEGRALE STOCASTICO. 173
per cui
n→+∞lim E
n
X
j=1
(∆ Wj)2 − T
!2
= 2 lim
n→+∞
T2 n = 0.
In conclusione otteniamo:
Z T 0
WtdWt = 1
2WT2 − 1 2T.
Più in generale si ha:
Z T t0
WtdWt = 1
2(WT2 − Wt2
0) − 1
2(T − t0). (5.6.4) La formula ottenuta è dierente dal calcolo integrale classico.
Infatti andiamo a considerare un analogo integrale di Riemann-Stieltjes.
Sia x(t) una funzione reale, denita sull'intervallo [t0, T ], a variazione limitata, derivabile e con derivata integrabile secondo Riemann sull'intervallo di deni-zione. Grazie alla derivabilità, la funzione risulta continua e quindi integrabile secondo Riemann su [t0, T ].
Sotto tali ipotesi esiste l'integrale di Riemann-Stieltjes : Z T
t0
x(t) dx(t) ed è esprimibile come l'integrale di Riemann
Z T t0
x(t)x0(t) dt = 1
2(x2T − x2t
0) (5.6.5)
con xT = x(T ), xt0 = x(t0).Se confrontiamo tale risultato con quello ottenuto per l'integrale stocastico di Itˆo dato dalla (5.6.4), vediamo che in quest'ultimo abbiamo in più il termine: −1
2(T − t0).
Capitolo 6
Calcolo dierenziale stocastico
6.1 Denizione di dierenziale stocastico.
In ambiente stocastico non c'è una denizione formale di derivata. Il die-renziale stocastico acquista signicato solo in virtù dell'integrale stocastico di Itˆo.
Denizione 6.1. Sia Xt un processo stocastico di Itˆo (a valori in R) denito in [t0, T ], ossia un processo stocastico soddisfacente ∀t ∈ [t0, T ] alla relazione seguente con probabilità 1:
Xt(ω) = Xt0(ω) + Z t
t0
F (τ, ω) dτ + Z t
t0
G(τ, ω) dWτ (6.1.1) dove F è una funzione reale misurabile rispetto alla σ-algebra B([t0, T ])⊗A, non anticipante e tale che l'integrale di Lebesgue Rtt0
F (τ, ω)
dτ < +∞ quasi sicu-ramente ∀t ∈ [t0, T ], G è una funzione reale che appartiene alla classe V([t0, T ]) e Xt0 è una variabile casuale misurabile rispetto alla σ-algebra generata da Wt0. Diremo allora che ∀t ∈ [t0, T ] Xt ha dierenziale stocastico dato da:
d Xt = F (t, ·) dt + G(t, ·) dWt. (6.1.2) E' da rilevare che il dierenziale stocastico è solo una scrittura simbolica per esprimere la relazione (6.1.1) in maniera più compatta.
Inoltre si può notare che, grazie alla sua denizione, il dierenziale stocastico è lineare.
Esempio 6.1.
Riprendiamo l'esempio di calcolo di un integrale stocastico del Capitolo prece-dente:
Z T t0
WtdWt = 1
2(WT2 − Wt20) − 1
2(T − t0).
175
Indicato T con t e la variabile d'integrazione con τ, possiamo scrivere:
Per la denizione di dierenziale stocastico (6.1.2) si ha:
d(Wt2) = dt + 2 Wtd Wt. (6.1.3) Si noti che nell'analisi classica manca il primo termine, mentre è presente un termine analogo al secondo. Infatti se x(t) è derivabile in [t0, T ], in analisi classica abbiamo
d (x2(t)) = 2 x(t) x0(t) dt = 2 x(t) dx.
Enunciamo ora per il calcolo dierenziale stocastico l'analogo del teorema di derivazione delle funzioni composte del calcolo dierenziale classico.
Teorema 6.1. Sia Xt un processo stocastico denito in [t0, T ] avente il die-renziale stocastico: questo ha dierenziale stocastico dato da
dYt =
La (6.1.5), utilizzando la (6.1.2), si può anche scrivere nella forma seguente:
dYt = ∂tU (t, Xt) dt + ∂xU (t, Xt) dXt + 1
2G2(t, ·)∂xx2 U (t, Xt) dt. (6.1.6) Il caso analogo in Analisi Classica è tradotto dal seguente teorema:
6.1. DEFINIZIONE DI DIFFERENZIALE STOCASTICO. 177
Teorema 6.2. Sia x(t) una funzione reale derivabile in [t0, T ].
Inoltre sia U : [t0, T ] × R −→ R una funzione continua con le derivate parziali
∂tU, ∂xU continue.
Posto y(t) = U(t, x(t)) ∀t ∈ [t0, T ], si ha che y è derivabile e quindi dieren-ziabile in [t0, T ] e precisamente:
dy(t) = ∂tU (t, x(t)) dt + ∂xU (t, x(t)) x0(t) dt. (6.1.7) La (6.1.7), tenendo presente che x0(t) dt = dx(t), si può anche scrivere nella forma:
dy(t) = ∂tU (t, x(t)) dt + ∂xU (t, x(t)) dx(t). (6.1.8) Confrontando la (6.1.8) con la formula di Itˆo (6.1.6), vediamo che nel caso clas-sico non compare l'ultimo termine 1
2G2(t, ·)∂xx2 U (t, Xt) dt.
Se G ≡ 0, si ottiene dalla (6.1.6) la formula classica. In tale situazione si parla di caso non stocastico.
C'è un modo mnemonico per ricordare più rapidamente la formula (dieren-ziale) di Itˆo.
La (6.1.6) si può infatti riscrivere in forma più compatta anche nella maniera seguente:
dYt = ∂tU (t, Xt) dt + ∂xU (t, Xt) dXt + 1
2∂xx2 U (t, Xt) (dXt)2
dove (dXt)2 = G2dt e per calcolarlo si utilizzano le seguenti regole moltiplica-tive:
× dWt dt
dWt dt 0
dt 0 0
La formula di Itˆo ha la seguente generalizzazione al caso di più variabili Teorema 6.3. Siano Xt(i), t ∈ [t0, T ], i = 1, 2, ..., n, processi stocastici con il dierenziale stocastico dato da:
dXt(i) = Fi(t, ·) dt + Gi(t, ·) dWt, i = 1, 2, ..., n.
Inoltre sia U : [t0, T ]×Rn −→ R una funzione continua con le derivate parziali
∂tU, ∂xiU, ∂x2
ixjU (i, j = 1, 2, ..., n) continue.
Allora il processo stocastico Yt = U (t, Xt(1), ... Xt(n)) ha dierenziale stocastico
Il dierenziale stocastico di Yt si può anche scrivere nella forma compatta:
dYt = ∂tU (t, Xt(1), ..., Xt(n)) dt + dove per il calcolo di dXt(i)dXt(j) si seguono le stesse regole moltiplicative della tabella mostrata sopra.