Processi Stocastici 2010/11 – Foglio di esercizi n. 8†
Esercizio 1 (Processo di Ornstein-Uhlenbeck). Dato un moto browniano reale B = {Bt}t≥0, introduciamo il processo stocastico V = {Vt}t≥0definito da
Vt := e−bt
� v0 + σ
�t 0
ebudBu
� , dove b, σ > 0 e v0∈ R.
(a) Si spieghi perché V è un processo di Itô.
[Sugg.: si esprima Vt= Φ(t, Xt)per un opportuno processo X.]
(b) Si mostri che V risolve l’equazione differenziale stocastica
�dVt = σdBt− b Vtdt V0= v0
.
(c) Si mostri che E(Vt) = v0e−bte Cov(Vs, Vt) =σ2b2(e−b|t−s|− e−b(t+s)).
Si noti che l’integrale stocastico che compare nella definizione di Vt è una variabile gaussiana, per ogni t ≥ 0, perché l’integrando è deterministico (cf. foglio di esercizi n. 6).
È anzi possibile mostrare (esercizio per chi vuole) che V è un processo gaussiano.
(d) Sia U = {Ut}t≥0il processo definito da
Ut := e−bt
� v0+ σ
√2b(Be2bt− B1)
� .
Si mostri che i processi U e V hanno la stessa legge (cioè le loro leggi finito- dimensionali coincidono).
Esercizio 2. Sia (Ω, F, {Ft}t∈[0,∞), P)uno spazio di probabilità filtrato standard 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
dXt = 1
�1 + Xt2dBt + Xt
1 + Xt2dt X0 = 0
. (0.1)
Introduciamo la funzione ϕ : R → R definita da ϕ(x) :=
� x
−∞
e−z2dz . (0.2)
Ricordiamo che limx→+∞ϕ(x) =√π. Definiamo il processo Y = {Yt}t∈[0,∞) ponendo Yt:= ϕ(Xt).
†Ultima modifica: 7 giugno 2011.
2
(a) Si mostri che Y è un processo di Itô con differenziale stocastico
dYt = e−Xt2
�1 + Xt2dBt
Y0=
√π 2
.
(b) Si deduca che Y è una martingala di quadrato integrabile.
Ricordiamo che �Y �t =
� t 0
e−2X2s 1 + Xs2ds.
(d) Si spieghi perché il processo M = {Mt}t∈[0,∞)definito da Mt:= Yt2− �Y �tè una martingala. Si deduca che per ogni tempo d’arresto τ e per ogni t ≥ 0 si ha
E(Yτ2∧t)− E(�Y �τ∧t) = π 4.
Consideriamo infine il tempo d’arresto τ := inf{t ≥ 0 : |Xt| ≥ a}, dove a > 0 è un numero fissato.
(e) (*) Si giustifichino le seguenti disuguaglianze, valide per ogni t ≥ 0:
Yτ2∧t ≤ π , �Y �τ∧t ≥ e−2a2 1 + a2(τ∧ t) .
Si deduca che E(τ ∧ t) ≤ e2a2(1 + a2)3π4, per ogni t ≥ 0, e si concluda che E(τ) < ∞.
Esercizio 3. Su uno spazio di probabilità filtrato standard (Ω, F, {Ft}t∈[0,1), P)è definito un {Ft}t∈[0,1)-moto browniano reale B = {Bt}t∈[0,1)(con insieme dei tempi ristretto a [0, 1)). Definiamo i processi continui e adattati M = {Mt}t∈[0,1), X = {Xt}t∈[0,1)ponendo
Mt :=
� t 0
1
1− sdBs, Xt:= (1− t) Mt, ∀t ∈ [0, 1) .
(a) Si mostri che X è un processo di Itô che risolve la seguente equazione differenziale
stocastica:
dXt = dBt− Xt
1− tdt X0 = 0
, (�)
(b) Si calcoli E(Mt2). Si deduca che Xt→ 0 in L2per t ↑ 1.
(c) Fissiamo ε ∈ (0, 1). Si spieghi perché il processo M2 = {Mt2}t∈[0,1−ε] è una submartingala continua. Si deduca che per ogni c > 0 si ha
P
� sup
t∈[0,1−ε]|Mt| > c
�
≤ 1− ε ε c2 . [Sugg.: Si applichi un’opportuna disuguaglianza.]
Per n ∈ N poniamo
εn := 1
2n, ∆n := εn· sup
t∈[0,1−εn]|Mt| .
3
(e) Si mostri che q.c. si ha ∆n> (εn)1/4solo per un numero finito di n ∈ N.
(Da ciò segue, in particolare, che ∆n→ 0 q.c. per n → ∞.)
(f) Si mostri che per ogni n ∈ N e per ogni t ∈ [1 − εn−1, 1− εn]si ha |Xt| ≤ 2 ∆n. Si deduca che Xt→ 0 q.c. per t ↑ 1.
Esercizio 4.Sia {Bt}t∈[0,∞)un moto browniano reale, definito su uno spazio di probabilità completo (Ω, F, P). Per M, t0, h > 0introduciamo i seguenti eventi:
A(M )t0,h := �
|Bt0+h− Bt0| ≤ Mh} , Ct(M )0,h := A(M )t0,h ∩ A(M )t0+h,h∩ A(M )t0+2h,h = �
|B(t0+ih)+h− B(t0+ih)| ≤ Mh , per i = 0, 1, 2} . (a) Si mostri che P(A(M )t,h )≤ M√
h, per ogni M, t, h > 0.
(b) Si mostri che P(Ct,h(M ))≤ M3h3/2, per ogni M, t, h > 0.
Per M > 0 e n ∈ N introduciamo gli eventi
D(M )n :=
2n
�
k=1
C(M )k
2n,2n1 , G(M ) := lim sup
n→∞ Dn(M ). (c) Si mostri che P(D(M )n )≤ M32−n/2, per ogni M > 0 e n ∈ N.
(d) Si mostri che P(G(M )) = 0, per ogni M > 0. In altri termini, q.c. si verifica solo un numero finito di eventi D(M )n .
(e) (*) (facoltativo) Sia f : [0, ∞) → R una funzione continua tale che esiste s ∈ (0, 1) in cui f è derivabile. Si mostri che esiste una costante M > 0 tale che per ogni n∈ N esiste k ∈ {1, . . . , 2n} tale che |f(k+i2n +21n)− f(k+i2n)| ≤ M21n, per i = 0, 1, 2.
Si proceda nel modo seguente:
- Si mostri che esiste L > 0 tale che |f(s + h) − f(s)| ≤ L h per ogni h ∈ [0, 1].
- Per n ∈ N sia k ∈ {1, . . . , 2n} tale che k2−1n ≤ s < 2kn. Applicando la disu- guaglianza triangolare, si mostri che |f(k+i+12n )− f(k+i2n)| ≤ L (2i + 3)21n e si concluda ponendo M := 7L.
(f) Si concluda che q.c. il moto browniano non è derivabile in nessun punto s ∈ (0, 1).
4
Soluzione 1. (a) Posto Xt:= v0+ σ�t
0ebudBue Φ(t, x) := e−btx, possiamo scrivere Vt= Φ(t, Xt). Dato che Φ è di classe C1,2, segue dalla formula di Itô che V è un processo di Itô.
(b) Basta applicare la formula di Itô a Φ(t, Xt), con le notazioni del punto precedente.
In alternativa, si può applicare la formula di integrazione per parti stocastica ai processi di Itô Xt = v0+ σ�t
0ebudBu e Yt= e−bt. Dato che dXt = σ ebtdBt e dYt=−b e−btdt, si ha d�X, Y �t= 0e dunque
dVt = XtdYt+ YtdXt+d�X, Y �t = XtdYt+ YtdXt
=−b e−bt
� v0 + σ
� t 0
ebudBu
�
dt + e−btσ ebtdBt = −b Vtdt + σ dBt. Questo mostra che il processo V risolve l’equazione data, visto che V0= v0. (c) Dato che l’integrale di Wiener ha media nulla, si ha E(Vt) = e−btv0. Usando la
proprietà di isometria si ottiene per s < t E(VtVs) = e−bte−bsv02+ σ2e−b(s+t)
� s 0
e2budu = v02e−b(t+s) + σ2
2be−b(t+s)� e2bs− 1�
= v02e−b(t+s)+ σ2 2b
�e−b(t−s)− e−b(t+s)� ,
per cui Cov(Vs, Vt) = E(VsVt)− E(Vs) E(Vt) =σ2b2(e−b(t−s)− e−b(t+s)).
(d) Basta mostrare che i processi V�={Vt�:=�t
0ebudBu}t≥0e U�={Ut�:=√12b(Be2bt− B1)}t≥0hanno la stessa legge. Essendo entrambi processi gaussiani di media nulla, basta mostrare che le covarianze coincidono. Come già calcolato nel punto precedente, per s < t si ha
Cov(Vs�, Vt�) = E(Vs�Vt�) =
� s 0
e2budu = e2bs− 1 2b . Analogamente, per il processo U�si ha per s < t
Cov(Us�, Ut�)
= 1 2b
�Cov(Be2bs, Be2bt)− Cov(B1, Be2bt)− Cov(Be2bs, B1) + Cov(B1, B1)�
= 1
2b(e2bs− 1 − 1 + 1) = 1
2b(e2bs− 1) .
Soluzione 2. (a) Y è un processo di Itô perché è funzione C2 (in effetti C∞, anzi analitica) del processo di Itô X. Chiaramente Y0= ϕ(0) =√2π. Dato che ϕ�(x) = e−x2, ϕ��(x) =−2xe−x2 e d�X�t=1+X1 2
t dt, applicando la formula di Itô si ottiene dYt = ϕ�(Xt)dXt+ 1
2ϕ��(Xt)d�X�t
= e−Xt2
� 1
�1 + Xt2dBt + Xt
1 + Xt2dt
�
− Xte−Xt2 1
1 + Xt2dt = e−X2t
�1 + Xt2dBt.
5
(b) Il processo Y è una martingala locale perché è un integrale stocastico. Per mostrare che è una martingale di quadrato integrabile, basta mostrare che il processo inte- grando è in M2e non solo in M2loc. Ma questo è immediato perché tale processo è limitato: infatti
��
��
� e−X2t
�1 + Xt2
��
��
� ≤ 1 , ∀t ≥ 0 , =⇒ E
�� T 0
e−Xt2
�1 + Xt2dt
�
≤ T < ∞ , ∀T > 0 . (c) Abbiamo mostrato a lezione che Yt2−�Y �tè una martingala, per qualunque integrale
stocastico Yt=�t
0ϕsdBscon integrando {ϕs}s≥0∈ M2. In alternativa, applicando la formula di Itô si ottiene
dMt = 2YtdYt+d�Y �t − d�Y �t = 2 ϕ(Xt) e−Xt2
�1 + Xt2dBt, che mostra che M è una martingala locale. Dato che il processo integrando
�
2 ϕ(Xt) e−X2t
�1 + Xt2
�
t≥0
è limitato (si osservi che la funzione ϕ è limitata) segue che M è una vera martingala (di quadrato integrabile).
Dato che τ ∧ t è un tempo d’arresto limitato e M è una martingala continua con M0= Y02=π4, per il teorema d’arresto si ha E(M0) = E(Mτ∧t), ossia
π
4 = E(Yτ2∧t)− E(�Y �τ∧t) .
(d) La prima disuguaglianza segue immediatamente dal fatto che la funzione ϕ è limitata:
ϕ(x)≤ ϕ(+∞) =√
πe dunque Ys2= ϕ(Xs)2≤ π per ogni s ≥ 0, in particolare per s = τ∧ t. Per la seconda disuguaglianza, osserviamo che
�Y �τ∧t =
� τ∧t 0
e−2Xs2
1 + Xs2ds = �t 0
e−2Xs2
1 + Xs21[0,τ∧t](s)ds .
Dato che per s ≤ τ si ha per definizione |Xs| ≤ a, l’integrando è minorato da e1+a−2a22
e quindi
�Y �τ∧t ≥ e−2a2 1 + a2
� t 0
1[0,τ∧t](s)ds = e−2a2 1 + a2(τ∧ t) .
Combinando queste disuguaglianze con la relazione π4 = E(Yτ2∧t) − E(�Y �τ∧t) dimostrata al punto precedente, si ottiene
E(τ∧ t) ≤ e2a2(1 + a2) E(�Y �τ∧t) = e2a2(1 + a2)�
E(Yτ2∧t)− π 4
� ≤ e2a2(1 + a2)3π 4 . Per il teorema di convergenza monotona, dato che (τ ∧ t) ↑ τ per t → ∞, si ottiene infine
E(τ ) = lim
t→∞E(τ∧ t) ≤ e2a2(1 + a2)3π 4 < ∞ .
6
Soluzione 3. (a) Per definizione M è un processo di Itô con differenziale stocastico dMt = 1−t1 dBt. Si noti che Xt = F (t, Mt), con F (t, x) := (1 − t)x. Dato che F (t, x) =˙ −x, F�(t, x) = (1− t) e F��(t, x) = 0, applicando la formula di Itô si ottiene
dXt = ˙F (t, Mt)dt + F�(t, Mt)dMt+ 1
2F��(t, Mt)d�M�t
= −Mtdt + (1 − t) dMt =− Xt
1− tdt + (1 − t) 1 1− tdBt, cioè proprio l’equazione (�).
(b) Per l’isometria dell’integrale stocastico E(Mt2) = E(�t 0
1
(1−s)2ds) =1−t1 − 1 =1−tt . Di conseguenza �Xt�22= E(Xt2) = (1− t)2E(Mt2) = (1− t)t → 0 per t ↑ 1, cioè Xt→ 0 in L2.
(c) Per ogni ε ∈ (0, 1) fissato, il processo {Mt}t∈[0,1−ε] è una martingala di qua- drato integrabile, in quanto integrale stocastico del processo (deterministico!) {1−t1 }t∈[0,1−ε]∈ M2[0, 1− ε]. Dato che x �→ x2è una funzione convessa, segue che {Mt2}t∈[0,1−ε] è una submartingala (continua per costruzione). Dalla disuguaglianza massimale si ottiene allora
P
� sup
t∈[0,1−ε]|Mt| > c
�
= P
� sup
t∈[0,1−ε]
Mt2> c2
�
≤ E(M12−ε)
c2 = 1− ε ε c2 , poiché E(Mt2) =1−tt per il punto precedente.
(d) Usando le definizioni di ∆n, εne il punto precedente, si ottiene
P�
∆n> (εn)1/4�
= P
� sup
t∈[0,1−εn]|Mt| > (εn)−3/4
�
≤ 1− εn
εn(εn)−3/2 ≤ (εn)1/2 = 1 (√
2)n, quindi �
n∈NP�
∆n > (εn)1/4�
< ∞. Per il lemma di Borel-Cantelli, q.c. si ha
∆n> (εn)1/4solo per un numero finito di n ∈ N.
(e) Dato che εn−1= 2 εn, si ha
sup
t∈[1−εn−1,1−εn]|Xt| = sup
t∈[1−εn−1,1−εn]|(1 − t)Mt| ≤
� sup
t∈[1−εn−1,1−εn]|1 − t|
�
·
� sup
t∈[0,1−εn]|Mt|
�
= (1− (1 − εn−1))
� sup
t∈[0,1−εn]|Mt|
�
= 2 εn
� sup
t∈[0,1−εn]|Mt|
�
= 2 ∆n. Per il punto precedente, q.c. ∆n→ 0 per n → ∞, quindi per q.o. ω ∈ Ω si ha che per ogni η > 0 esiste n0= n0(ω) <∞ tale che |∆n(ω)| <η2 per ogni n > n0(ω).
Per la stima appena mostrata, segue che |Xt(ω)| ≤ η per ogni t ∈ [1 − εn−1, 1− εn], qualunque sia n > n0(ω), vale a dire |Xt(ω)| ≤ η per ogni t ∈ [1 − εn0(ω), 1). Questo mostra che, per t ↑ 1, Xt(ω)→ 0; dunque Xt→ 0 q.c..
7
Soluzione 4. (a) Dato che Bt0+h− Bt0∼ N(0, h), si ha (Bt0+h− Bt0)/√
h∼ N(0, 1) e dunque
P(|Bt0+h− Bt0| ≤ Mh) = P�����Bt0+h√− Bt0
h
��
�� ≤ M
√h
�
=
� M√ h
−M√ h
e−x2/2
√2π dx
≤
� M√ h
−M√ h
√1
2πdx = 2
√2πM√ h≤ M√
h .
(b) Per l’indipendenza degli incrementi del moto browniano e per il punto precedente P(A(M )t,h ∩ A(M )t+h,h ∩ A(M )t+2h,h) = P(At,h(M ))· P(A(M )t+h,h)· P(A(M )t+2h,h)≤ (M√
h)3= M3h3/2. (c) Per il punto precedente
P(D(M )n ) = P
�2n
�
k=1
C(M )k 2n,2n1
�
≤
2n
�
k=1
P
� C(M )k
2n,2n1
�
≤ 2nM3
�1 2n
�3/2
= M3 2n/2. (d) Per il punto precedente�
n∈NP(D(M )n )≤ M3�
n∈N2−n/2<∞, quindi P(G(M )) = 0per il Lemma di Borel-Cantelli.
(e) • Se f è derivabile in s ∈ (0, 1) esiste finito il limite di (f(s+h)−f(s))/h, per h → 0; in particolare, esistono costanti L�, ε > 0tali che |f(s+h)−f(s)|/h ≤ L�per ogni h ∈ [0, ε]. Dato che la funzione f è continua, essa è limitata nell’intervallo [s, s+1]; di conseguenza, esiste L��> 0tale che |f(s+h)−f(s)|/h ≤ L��per ogni h∈ [ε, 1]. Ponendo L := max{L�, L��} si ha dunque che |f(s+h)−f(s)|/h ≤ L per ogni h ∈ [0, 1].
• Applicando la disuguaglianza triangolare e quanto appena mostrato, possiamo scrivere
��
��f
�k + i + 1 2n
�
− f
�k + i 2n
����� ≤
��
��f
�k + i + 1 2n
�
− f(s)
��
�� +
��
��f
�k + i 2n
�
− f(s)
��
��
≤ L�����k + i + 1 2n − s
��
�� +
��
��k + i 2n − s
��
��
� , e se k2−1n ≤ s <2kn si ottiene
��
��k + i + 1 2n − s
��
�� +
��
��k + i 2n − s
��
�� ≤i + 2 2n +i + 1
2n = (2i + 3)1 2n.
Per i = 0, 1, 2 si ha 2i + 3 ≤ 7; ponendo M := 7L, abbiamo dunque mostrato che |f(k+i+12n )− f(k+i2n)| ≤ M21n.
(f) Sia ω ∈ Ω tale che la funzione t �→ Bt(ω)sia derivabile in un punto s = s(ω) ∈ (0, 1).
Per il punto precedente, esiste M = M(ω) > 0 tale che per ogni n ∈ N esiste k = k(ω)∈ {1, . . . , 2n} tale che |Bk+i2n+2n1 (ω)− Bk+i2n(ω)| ≤ M21n, per i = 0, 1, 2.
Questo significa precisamente che ω ∈ C(M )k
2n,2n1. Quindi ω ∈ D(M )n , per ogni n ∈ N, e dunque ω ∈ G(M ). Abbiamo mostrato l’inclusione di eventi
{s �→ Bsè derivabile in qualche punto s ∈ (0, 1)} ⊆ �
M∈N
G(M ).
8
Per i punti precedenti, P(G(M )) = 0per ogni M > 0 e dunque P(�
M∈NG(M )) = 0.