IV Appello di Analisi Stocastica 2009/10 Cognome:
Laurea Magistrale in Matematica Nome:
14 settembre 2010 Matricola:
Esercizio 1. Sia (Ω, F , {Ft}t∈[0,∞), P) uno spazio di probabilità filtrato standard su cui è definito un {Ft}t∈[0,∞)-moto browniano reale B = {Bt}t∈[0,∞). Supporremo per semplicità che le traiettorie t 7→ Bt(ω) siano continue per ogni (e non solo per quasi ogni) ω ∈ Ω. Definiamo Ys:= Bs+1− Bs per s ∈ [0, ∞) e introduciamo la variabile aleatoria τ : Ω → [0, +∞] definita da
τ := inf{s ≥ 0 : Ys= 0} = inf{s ≥ 0 : Bs = Bs+1} . Definiamo quindi le due variabili aleatorie T+, T−: Ω → N0∪ {+∞} ponendo
T+ := inf{n ∈ N0 : Yn> 0} , T− := inf{n ∈ N0 : Yn< 0} , dove N0 := {0, 1, 2, . . .}.
(a) Si mostri che le variabili {Yn}n∈N0 sono indipendenti e identicamente distribuite.
(b) Si mostri che P(T+= n) = P(T−= n) = 2n+11 per ogni n ∈ N0. Si deduca che q.c. T+ < ∞ e T−< ∞.
(c) (*) Si dimostrino le seguenti inclusioni di eventi:
{T+ < ∞, T−< ∞} ⊆ [
n,m∈N0, n<m
{Yn> 0, Ym< 0 o Yn< 0, Ym > 0} , e inoltre, per ogni n, m ∈ N0 con n < m,
{Yn> 0, Ym < 0 o Yn< 0, Ym> 0} ⊆ {∃s ∈ (n, m) : Ys= 0} ⊆ {τ < ∞} . (d) Si deduca che q.c. τ < ∞.
(e) (*) Si mostri che il processo {Xt:= Bτ +t− Bτ}t≥0 non è un moto browniano.
[Sugg.: si studi la legge di Xt per un opportuno valore di t.]
(f) Si concluda che τ non è un tempo d’arresto.
Soluzione 1. (a) Per definizione, il moto browniano ha incrementi indipendenti, cioè per ogni N ∈ N le variabili aleatorie {Yn = Bn+1− Bn}0≤n≤N sono indipendenti. Dato che l’indi- pendenza di una famiglia finita è per definizione l’indipendenza di ogni sottofamiglia finita, segue che le variabili {Yn}n∈N0 sono indipendenti. Inoltre, sempre per definizione di moto browniano, Bt− Bs ∼ N (0, t − s) e dunque Yn = Bn+1− Bn ∼ N (0, 1) per ogni n ∈ N0, quindi le variabili sono anche identicamente distribuite.
(b) Dato che Yn∼ N (0, 1), si ha P(Yn> 0) = P(Yn< 0) = 12. Dall’indipendenza delle variabili {Yn}n∈N0 si ottiene dunque per ogni n ∈ N0
P(T+= n) = P(Y1< 0, . . . , Yn−1< 0, Yn> 0) =
n−1
Y
i=0
P(Yi< 0)
!
P(Yn> 0) = 1 2
n+1
, da cui P(T+ < ∞) =P
n∈N0P(T+ = n) =P
n∈N0
1
2n+1 = 1. L’argomento per T− è analogo.
(c) Per definizione di T+ e T−, se ω ∈ {T+< ∞, T−< ∞}, ossia se T+(ω) < ∞ e T+(ω) < ∞, si ha YT+(ω)(ω) > 0 e YT−(ω)(ω) < 0; in particolare, a seconda che T+(ω) < T−(ω) o viceversa T+(ω) > T−(ω), esistono n, m ∈ N0 con n < m tali che Yn(ω) > 0, Ym(ω) < 0 oppure Yn(ω) < 0, Ym(ω) > 0 (basta scegliere n = T±(ω) e m = T∓(ω)). Ciò dimostra l’inclusione presente nella prima equazione.
Venendo alla seconda equazione, per ipotesi la funzione s 7→ Ys(ω) = Bs+1(ω) − Bs(ω) è continua per ogni ω ∈ Ω. Se Yn(ω) > 0 e Ym(ω) < 0 (o viceversa Yn(ω) < 0 e Ym(ω) > 0),
2
segue allora dal teorema degli zeri che ∃s = s(ω) ∈ (n, m) tale che Ys(ω) = 0. Ciò dimostra la prima inclusione. La seconda inclusione segue immediatamente dalla definizione di τ . (d) Per il punto precedente, {T+< ∞, T−< ∞} ⊆ {τ < ∞}. Ricordando quanto mostrato al
punto (b), si ottiene 1 = P(T+< ∞, T− < ∞) ≤ P(τ < ∞), quindi P(τ < ∞) = 1.
(e) Segue dalla definizione di τ che X1(ω) = Bτ (ω)+1(ω) − Bτ (ω)(ω) = 1 per ogni ω ∈ Ω per cui τ (ω) < ∞. Dato che τ < ∞ q.c., si ha dunque X1= 1 q.c.. In particolare, X1 6∼ N (0, 1) e dunque {Xt}t≥0 non è un moto browniano.
(f) Se τ fosse un tempo d’arresto, per il punto (d) potremmo applicare la proprietà di Markov forte e {Xt}t≥0sarebbe un moto browniano, in contraddizione con quanto mostrato al punto precedente.
3
Esercizio 2. Sia (Ω, F , {Ft}t∈[0,∞), P) uno spazio di probabilità filtrato standard su cui è defi- nito un {Ft}t∈[0,∞)-moto browniano reale B = {Bt}t∈[0,∞). Si consideri la seguente equazione differenziale stocastica:
dXt =
s
1 + Xt2 3 + Xt2dBt X0 = 0
. (?)
(a) Si mostri che, per ogni T > 0, esiste un processo continuo e adattato {Xt}t∈[0,T ] ∈ M2[0, T ] definito su Ω, unico a meno di indistinguibilità, che risolve l’equazione (?).
Supporremo d’ora in avanti che la soluzione X = {Xt}t∈[0,∞) ∈ M2 dell’equazione (?) sia definita per ogni t ∈ [0, ∞). Definiamo la variabile aleatoria
τ := inf{t ≥ 0 : |Xt| ≥ 1} , e introduciamo il processo M = {Mt}t∈[0,∞) definito da
Mt := Xt2 − Z t
0
1 + Xs2 3 + Xs2 ds .
(b) Si mostri che M è un processo di Itô e se ne calcoli il differenziale stocastico. Si mostri che M è una martingala (non solo una martingala locale).
(c) Si deduca che per ogni t > 0 vale l’uguaglianza E Xt∧τ2
= E
Z t∧τ 0
1 + Xs2 3 + Xs2ds
. (d) Si mostri che per ogni t ≥ 0 valgono le disuguaglianze
Xt∧τ2 ≤ 1 e
Z t∧τ 0
1 + Xs2
3 + Xs2 ds ≥ 1
3(t ∧ τ ) . (e) Si concluda che E(τ ) ≤ 3.
Soluzione 2. (a) La funzione σ(x) :=
q1+x2
3+x2 è di classe C1su tutto R. Dato che limx→±∞σ(x) = 1, segue che σ è limitata. La sua derivata vale
σ0(x) = 1 2
r3 + x2 1 + x2
2x(3 + x2) − 2x(1 + x2)
(3 + x2)2 = 2x
p(1 + x2)(3 + x2)3.
Dato che σ0 è una funzione continua con limx→±∞σ0(x) = 0, segue che σ0 è limitata: esiste L ∈ (0, ∞) tale che |σ0(x)| ≤ L per ogni x ∈ R. Per il teorema di Lagrange, se x < y possiamo scrivere σ(y)−σ(x) = σ0(ξ)(y−x), per un opportuno ξ ∈ (x, y), quindi |σ(y)−σ(x)| ≤ L|y−x|.
In particolare, sono soddisfatte le ipotesi standard del teorema di esistenza di soluzioni forti e di unicità per traiettorie per equazioni differenziali stocastiche.
(b) M è un processo di Itô perché differenza di due processi di Itô: infatti Xt2 è funzione C2 del processo di Itô X eRt
0 1+Xs2
3+Xs2 ds è un processo a variazione finita. Dato che dhXit= 1+X3+Xt22 t
dt, dalla formula di Itô si ottiene
dMt = 2XtdXt + dhXit − 1 + Xt2
3 + Xt2 dt = 2Xt s
1 + Xt2
3 + Xt2dBt =: ϕtdBt,
da cui segue che M è una martingala locale. Dato che |ϕt| ≤ 2|Xt| e sappiamo che X ∈ M2, segue che anche {ϕt}t∈[0,∞)∈ M2, quindi M è una vera martingala.
Una dimostrazione alternativa è la seguente: dato che la funzione σ(·) è limitata, il processo (progressivamente misurabile) ψt := σ(Xt) = p
(1 + Xt2)/(3 + Xt2) è limitato e
4
dunque {ψt}t∈[0,∞) ∈ M2. Dato che Xt=Rt
0ψsdBs, per un noto teorema visto a lezione si ha che X è una martingala di quadrato integrabile con variazione quadratica hXit=Rt
0ψs2ds;
in particolare, il processo Xt2− hXit= Mt è una vera martingala.
(c) Dato che M è una martingala e t ∧ τ è un tempo d’arresto (perché?) limitato, per il teorema d’arresto si ha che E(Mt∧τ) = E(M0) per ogni t ≥ 0. Essendo M0 = 0, si ottiene l’uguaglianza cercata.
(d) La prima disuguaglianza è immediata dalla definizione di τ , la seconda segue dal fatto che
1+x2
3+x2 ≥ 13 per ogni x ∈ R.
(e) Dai due punti precedenti segue che E(t ∧ τ ) ≤ 3 per ogni t ≥ 0. Passando al limite t → +∞
e usando il teorema di convergenza monotona, si ottiene la conclusione.