II Appello di Analisi Stocastica Cognome:
Laurea Magistrale in Matematica Nome:
31 marzo 2009 Matricola:
Nella risoluzione degli esercizi `e 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 probabilit`a (Ω, F , P). Introduciamo il processo C = {Ct}t∈[0,1] definito da
C0 := 0 , Ct := t B1/t− B1+ a , dove a ∈ R `e un parametro fissato.
(a) Si spieghi perch´e C `e 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−C1/2non 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) `e continua in [0, 1] (estremi inclusi).
(e) (*) Si mostri che, ∀t0 ∈ (0, 1) fissato, q.c. la funzione t 7→ Ct non `e derivabile in t0.
Soluzione 1. (a) Il processo C `e gaussiano perch´e le sue componenti sono funzioni affini delle componenti del moto browniano B, che `e un processo gaussiano.
Per linearit`a µ(t) = E(Ct) = a t, perch´e E(Bs) = 0. Passiamo alla covarianza, ri- cordando che Cov(Bs, Bt) = s ∧ t e che Cov(a, X) = 0 per ogni variabile aleatoria X ∈ L1. Possiamo supporre senza perdita di generalit`a che s ≤ t: usando la bilinearit`a, 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)
= s t 1
t − 1 − 1 + 1
= s t 1 t − 1
= s − s t = s ∧ t − s 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 = 12(a + Z) e Y = 12(a − Z), dove Z := B2− B1 ∼ N (0, 1). Si ottiene quindi
E(X) = a
2, E(Y ) = a
2, E(XY ) = 1
4E(a2− Z2) = a2− 1
4 6= E(X) E(Y ) , che mostra che X e Y non sono scorrelate, quindi non sono indipendenti.
(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 `e un processo gaussiano, perch´e 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. `E chiaro che t 7→ t (B1+a)
`e q.c. continua. Inoltre, sappiamo che il processo βt:= t B1/tper t > 0 e β0:= 0 `e un moto browniano, quindi `e q.c. continuo. Dato che l’intersezione di due eventi di probabilit`a uno ha probabilit`a uno, la continuit`a 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 `e derivabile (`e lineare!) mentre β non lo
`e (`e un moto browniano), per cui C non lo `e.
Pi`u precisamente, per ogni ω ∈ Ω la funzione t 7→ γt(ω) `e lineare e dunque derivabile in t0, con γt00(ω) = B1(ω) + a. Se ω ∈ Ω `e 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 `e derivabile in t0
⊆ t 7→ βt`e derivabile in t0 .
Ma il processo β `e un moto browniano: l’evento a destra ha dunque probabilit`a nulla e quindi anche l’evento a sinistra.
Esercizio 2. Si consideri la seguente equazione differenziale stocastica:
dXt = 1
2 + Xt2 dBt − Xt
(2 + Xt2)3 dt X0 = 0
.
(a) Si mostri che per l’equazione c’`e esistenza di soluzioni forti e unicit`a 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)
`e 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 `e 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 inft→∞Xt= −∞.
Sugg.: Si sfrutti la relazione (1) e il punto (c). Pu`o 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 cio`e M ∈ (0, ∞) tale che
|ϕ(x)| ≤ M , |ψ(x)| ≤ M , ∀x ∈ R . Le derivate prime sono date da
ϕ0(x) = − 2x
(2 + x2)2, ψ0(x) = (2 + x2)3− x · 3(2 + x2)2· 2x
(2 + x2)6 = 2 − 5x2 (2 + x2)4 , quindi anch’esse sono continue e tendono a zero per x → ±∞, in particolare sono limitate:
esiste cio`e L ∈ (0, ∞) tale che
|ϕ0(x)| ≤ L , |ψ0(x)| ≤ L , ∀x ∈ R . Per il teorema di Lagrange segue dunque che, per y ≥ x,
|ϕ(y) − ϕ(x)| =
Z y x
ϕ0(z) dz
≤ Z y
x
ϕ0(z) dz ≤
Z y x
L dz = L |y − 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 unicit`a per traiettorie.
(b) Applicando la formula di Itˆo si ottiene dYt = (1 + 3 β Xt2) dXt + 1
26 β XtdhXit
= 1 + 3 β Xt2
2 + Xt2 dBt + −Xt(1 + 3 β Xt2)
(2 + Xt2)3 + 3 β Xt
(2 + Xt2)2
dt
= 1 + 3 β Xt2
2 + Xt2 dBt + (6 β − 1)Xt
(2 + Xt2)3 dt .
Il processo Y `e una {Ft}t∈[0,∞)-martingala locale se e soltanto se il termine a variazione finita `e nullo, cio`e per β = 16.
(c) Per β = 16 si ha dYt= 1+
1 2Xt2
2+Xt2 dBt= 12dBt, cio`e Yt= 12Bt. Il valore di σ `e dunque 12. (d) Per la relazione (1) si ha Yt = F (Xt) con F (x) := x + βx3. Dato che la funzione F
`e strettamente crescente, `e invertibile e possiamo scrivere Xt = F−1(Yt) = F−1(12Bt), 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(12Btn) → +∞, e questo mostra che lim supt→∞Xt= +∞ q.c..
Con argomenti del tutto analoghi si mostra che lim inft→∞Xt= −∞ q.c..