I Appello di Processi Stocastici 2012/13 Cognome:
Laurea Magistrale in Matematica Nome:
18 giugno 2013 Email:
Quando non `e espressamente indicato il contrario, per la soluzione degli esercizi `e possibile usare tutti i risultati visti a lezione (compresi quelli di cui non `e stata fornita la dimostrazione).
Esercizio 1. Questo esercizio consta di due parti indipendenti.
Parte I. Sia (Ω, A, P) uno spazio di probabilit`a e siano X e Y due variabili aleatorie reali in L2(Ω, A, P), tali che
E(X|σ(Y )) = Y , E(Y |σ(X)) = X . (a) Si mostri che E(X) = E(Y ).
(b) Si mostri che E(XY ) = E(X2) = E(Y2).
(c) Si calcoli Var(X − Y ) e si deduca che X e Y sono . . .
Parte II. Sia (Ω, A, {Fn}n∈N0:={0,1,...}, P) uno spazio di probabilit`a filtrato, in cui `e definito un processo stocastico adattato X = (Xn)n∈N0, tale che
∀n ∈ N0 : E(|Xn|) < ∞ , E(Xn) = 0 .
Dati n ∈ N0, un evento A ∈ Fn e due numeri a, b ∈ N0 con a > b, definiamo la variabile aleatoria
τ := a 1A+ b 1Ac. (1)
(c) Si diano condizioni su a, b ∈ N0 affinch´e τ sia un tempo d’arresto.
(d) Si mostri che, se il processo X `e una martingala, allora E(Xτ) = 0 per ogni tempo d’arresto τ come in (1).
(e) Viceversa, si mostri che, se E(Xτ) = 0 per ogni tempo d’arresto τ come in (1), allora X `e una martingala.
Soluzione 1. (a) Usando le propriet`a della speranza condizionale E(Y ) = E(E(Y |σ(X))) = E(X) , (b) Usando ancora le propriet`a della speranza condizionale
E(XY ) = E(E(XY |σ(X))) = E(X E(Y |σ(X))) = E(X2) , e analogamente (o per simmetria) si mostra che E(XY ) = E(Y2).
(c) Dato che E(X − Y ) = E(X) − E(Y ) = 0, si ha
Var(X − Y ) = E((X − Y )2) = E(X2) + E(Y2) − 2 E(XY ) = 0 ,
per il punto precedente. Dato che le variabili aleatorie di varianza nulla sono q.c. costanti, segue che q.c., ossia Y = X + c, per un opportuno c ∈ R. Infine, essendo E(X) = E(Y ), si ha necessariamente c = 0 e dunque X = Y q.c..
(d) Occorre verificare che {τ = n} ∈ Fn per ogni n ∈ N0. Se n 6∈ {a, b} tale relazione `e banalmente soddisfatta, essendo {τ = n} = ∅. Per n ∈ {a, b} si ha
{τ = a} = A , {τ = b} = Ac,
quindi occorre che A ∈ Fae Ac∈ Fb. Dato che per ipotesi A ∈ Fn, e dunque anche Ac∈ Fn,
`e sufficiente che a ≥ n e anche b ≥ n.
(e) Basta applicare il teorema di arresto opzionale, essendo τ limitato.
2
(f) Si noti che Xτ = Xa1A+ Xb1Ac. Dato che 1Ac = 1 − 1A, E(Xb) = 0, segue che 0 = E(Xτ) = E(Xa1A) + E(Xb1Ac) = E(Xa1A) + E(Xb) − E(Xb1A)
= E(Xa1A) − E(Xb1A) .
In particolare, scegliendo a = n, b = n + 1 e A ∈ Fn generico, si ottiene E(Xn+11A) = E(Xn1A), da cui segue che E(Xn+1|Fn) = Xn e dunque X `e una martingala.
3
Esercizio 2. Sia (Ω, A, P) uno spazio di probabilit`a su cui `e definito un moto Browniano reale B = (Bt)t≥0. Definiamo il processo stocastico (a tempo discreto) X = (Xn)n∈N0 ponendo
Xn:= eBn−12n, n ∈ N0 := {0, 1, . . .} , e indichiamone con {Fn}n∈N0 la filtrazione naturale.
(a) Si mostri che X non `e un processo gaussiano.
(b) Si mostri che X `e una martingala che converge q.c..
(c) Si deduca dalle propriet`a del moto browniano che q.c. limn→∞Xn= 0.
(d) La convergenza Xn→ 0 ha luogo anche in Lp, per qualche p ∈ [1, ∞)?
(e) Si calcoli E(|Xn|p), mostrando che Xn ∈ Lp per ogni p ∈ [1, ∞) e n ∈ N0. Si deduca dal calcolo effettuato per quali valori di p ∈ [1, ∞) la martingala X `e limitata in Lp.
(f) Senza usare il valore di E(|Xn|p) determinato, si deduca dalla risposta al punto (d) per quali valori di p ∈ (1, ∞) la martingala X `e limitata in Lp.
Soluzione 2. (a) Per n ≥ 1 la variabile aleatoria Xn`e positiva e non costante, quindi non pu`o avere distribuzione gaussiana. A maggior ragione, X non `e un processo gaussiano.
(b) Ricordiamo che se Z ∼ N (0, 1) allora
M (t) := E(etZ) = e12t2, ∀t ∈ R . (2) Ricordando che Bn ∼ N (0, n) ∼ √
nZ, con Z ∼ N (0, 1), segue facilmente che Xn ∈ L1 per ogni n ∈ N. Scrivendo Bn+1 = (Bn+1− Bn) + Bn e ricordando le propriet`a del moto browniano, per cui (Bn+1− Bn) ∼ N (0, 1) `e indipendente da Fn, segue dalle propriet`a della speranza condizionale che
E(Xn+1|Fn) = e−12(n+1)E(eBn+1−BneBn|Fn) = e−12(n+1)eBnE(eBn+1−Bn|Fn)
= e−12(n+1)eBnE(eBn+1−Bn) = e−12(n+1)eBnM (1)
= e−12(n+1)eBne12 = e−12neBn = Xn. Dato che X `e una martingala positiva, essa converge q.c..
(c) Per la legge dei grandi numeri (si potrebbe usare la legge del logaritmo iterato, per una stima pi`u raffinata) si ha limn→∞ 1nBn= 0 q.c., pertanto
n→∞lim
Bn−1 2n
= lim
n→∞n Bn n − 1
2
= −∞ , q.c. , e dunque limn→∞Xn= 0 q.c..
(d) La convergenza non ha luogo in Lp per nessun p ≥ 1, perch´e in caso contrario si avrebbe la convergenza dei valori attesi limn→∞E(Xn) = E(0) = 0, mentre E(Xn) = E(X0) = 1 per ogni n ∈ N, essendo X una martingala.
(e) Ricordando che Bn∼ N (0, n) ∼√
nZ con Z ∼ N (0, 1) e applicando (2) otteniamo E(|Xn|p) = E(Xnp) = e−p2nE(ep
√nZ) = e−p2nM (p√
n) = e12(p2−p)n< ∞ , ∀n ∈ N0, p ≥ 1 . Per p > 1 si ha p2 > p e dunque supn∈NE(|Xn|p) = +∞, cio`e X non `e limitata in Lp. Per p = 1 si ha invece che E(|Xn|) = E(Xn) = 1 `e costante e dunque X `e limitata in L1 (come gi`a sapevamo, essendo X una martingala positiva).
(f) X non `e limitata in Lp per nessun valore di p > 1: in caso contrario essa convergerebbe a 0 in Lp, e a maggior ragione in L1, cosa che non succede.