II Appello di Processi Stocastici 2010/11 Cognome:
Laurea Magistrale in Matematica Nome:
2 settembre 2011 Email:
Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare tutti i risultati visti a lezione (compresi quelli di cui non è stata fornita la dimostrazione).
Esercizio 1. Su uno spazio di probabilità (Ω, F , P) è definita una successione {Xn}n∈Ndi variabili aleatorie i.i.d. in L2, con media nulla E(X1) = 0 e varianza Var(X1) = σ2. Consideriamo la filtrazione {Fn}n∈N0 definita da Fn:= σ(X1, . . . , Xn) per n ∈ N e F0 := {∅, Ω}.
Introduciamo la passeggiata aleatoria
S0 := 0 , Sn:= X1+ . . . + Xn per n ∈ N , e poniamo
Z0:= 0 , Zn:= Sn2
√n per n ∈ N . Definiamo quindi ηk := Zk− Zk−1, per ogni k ∈ N, così che Zn=Pn
k=1ηk. Si noti che ηk =
S12 se k = 1
S2k
√
k− Sk−12
√k − 1 se k ≥ 2 . (a) Si mostri che E(ηn|Fn−1) ≤ √σ2n, per ogni n ∈ N.
(b) Si mostri che il processo Y = {Yn:= Zn− g(n)}n∈N0 è una supermartingala, dove abbiamo posto
g(0) := 0 , g(n) :=
n
X
k=1
σ2
√
k per n ∈ N . (c) Si deduca che E(Zσ) ≤ E(g(σ)), per ogni tempo d’arresto σ limitato.
(d) Si mostri che vale la seguente relazione:
g(m) ≤ Z m
0
σ2
√xdx = 2 σ2√
m , ∀m ∈ N .
Sia ora τ un tempo d’arresto a valori in N (non necessariamente limitato) tale che E(√
τ ) < ∞.
(e) Si mostri che E(Zτ ∧n) ≤ 2 σ2 E(√
τ ∧ n), per ogni n ∈ N.
(f) Si concluda che E Sτ2
√τ
≤ 2σ2E(√
τ ) < ∞.
Soluzione 1. (a) Per n = 1 si ha E(η1|F0) = E(η1) = E(S12) = σ2. Per n ≥ 2 notiamo che Sn2 = (Sn−1+Xn)2 = Sn−12 +Xn2+2Sn−1Xn, da cui E(Sn2|Fn−1) = Sn−12 +E(Xn2) = Sn−12 +σ2 e quindi
E(ηn|Fn−1) = E(Sn2|Fn−1)
√n − Sn−12
√n − 1 = σ2
√n+ Sn−12
1
√n− 1
√n − 1
≤ σ2
√n.
(b) Chiaramente Y è un processo adattato e in L1. Dato che Zn− Zn−1 = ηn, dal punto precedente segue che
E(Yn|Fn−1) = E(Zn|Fn−1) − g(n) = E(ηn|Fn−1) + Zn−1−
n
X
k=1
σ2
√
k ≤ Zn−1−
n−1
X
k=1
σ2
√
k = Yn−1, cioè Y è una supermartingala.
2
(c) Il teorema d’arresto per la supermartingala Y e per il tempo d’arresto limitato σ dà E(Yσ) ≤ E(Y0) = 0, da cui E(Zσ) ≤ E(g(σ)).
(d) Basta notare che per ogni k ∈ N e per ogni x ∈ [k − 1, k] si ha √1k ≤ √1x, da cui segue che
√1 k ≤Rk
k−1
√1
xdx. Sommando per k = 1, . . . , m si ottiene la relazione cercata.
(e) È un’applicazione immediata dei punti precedenti, con il tempo d’arresto σ = τ ∧ n.
(f) Per ipotesi E(√
τ ) < ∞, da cui segue che q.c. τ < ∞. Di conseguenza τ ∧ n → τ q.c. e Zτ ∧n→ Zτ q.c. per n → ∞. Per convergenza monotona E(√
τ ∧ n) → E(√
τ ). Per il lemma di Fatou (si osservi che Zτ ∧n ≥ 0) e i punti precedenti,
E(Zτ) ≤ lim inf
n→∞ E(Zτ ∧n) ≤ 2σ2lim inf
n→∞ E(√
τ ∧ n) = 2σ2E(√ τ ) . Dato che Zτ = Sτ2/√
τ per definizione, la dimostrazione è conclusa.
3
Esercizio 2. Su uno spazio di probabilità filtrato standard (Ω, F , {Ft}t∈[0,∞), P) è definito un {Ft}t∈[0,∞)-moto browniano reale B = {Bt}t∈[0,∞). Fissiamo due numeri a, b > 0 e definiamo
τ := inf{t ∈ [0, ∞) : Bt6∈ (−a, b)} .
Ricordiamo che τ è un tempo d’arresto e che valgono le seguenti relazioni:
P(Bτ = −a) = b
a + b, P(Bτ = b) = a
a + b, E(τ ) = ab (< ∞) .
Per lo svolgimento dell’esercizio può essere utile la relazione (da giustificare) 1 = 1{Bτ=−a}+1{Bτ=b}. (a) Si mostri che E(B3τ) = ab(b − a).
(b) Si mostri che E(τ Bτ1{Bτ=−a}) = a E(τ 1{Bτ=b}) − a2b.
Introduciamo ora il processo M = {Mt}t∈[0,∞) definito da Mt:= Bt3− 3tBt.
(c) Si spieghi perché il processo M è progressivamente misurabile.
(d) Applicando la formula di Ito, si mostri che M è un processo di Ito, se ne calcoli il differenziale stocastico e si deduca che M è una martingala (e non solo una martingala locale).
(e) Si deduca che E(Bτ ∧n3 ) = 3 E((τ ∧ n)Bτ ∧n), per ogni n ∈ N, quindi che E(Bτ3) = 3 E(τ Bτ).
(f) Si deduca infine che E(τ | Bτ = b) = 13(2ab + b2).
Soluzione 2. (a) Sfruttando l’identità 1 = 1{Bτ=−a}+ 1{Bτ=b} si ottiene
E(Bτ3) = E(Bτ31{Bτ=−a}) + E(B3τ1{Bτ=b}) = (−a)3P(Bτ = −a) + b3P(Bτ = b)
= − a3b
a + b+ b3a
a + b = abb2− a2
b + a = ab(b − a)
(b) Sfruttando ancora l’identità 1 = 1{Bτ=−a}+ 1{Bτ=b} abbiamo che E(τ 1{Bτ=−a}) + E(τ 1{Bτ=b}) = E(τ ) = ab . Di conseguenza
E(τ Bτ1{Bτ=−a}) = −a E(τ 1{Bτ=−a}) = −a(ab − E(τ 1{Bτ=b})) = a E(τ 1{Bτ=b}) − a2b . (c) Il processo M è q.c. continuo e adattato, dunque progressivamente misurabile per un risultato
visto a lezione.
(d) Si ha Mt= Φ(t, Bt) con ϕ(t, x) = x3− 3tx di classe C∞,∞. Il processo M è dunque di Ito e, per la formula di Ito generalizzata, il suo differenziale stocastico è dato da
dMt= ˙Φ(t, Bt) dt + Φ0(t, Bt) dBt + 1
2Φ00(t, Bt) dt
= −3Btdt + (3Bt2− 3t) dBt + 1
26Btdt = 3 (Bt2− t) dBt.
Da ciò segue che M è una martingala locale. Dato che l’integrando è in M2 e non solo in M2loc (infatti E(RT
0 (Bt2− t)2dt) = . . . < ∞ per ogni T > 0), segue che M è una vera martingala (continua e di quadrato integrabile).
(e) Applicando il teorema d’arresto al tempo d’arresto limitato τ ∧ n, otteniamo E(Mτ ∧n) = E(M0) = 0, ossia E((τ ∧ n)Bτ ∧n) = 13E(Bτ ∧n3 ), per ogni n ∈ N. La successione Bτ ∧n3 è limitata, poiché |Bτ ∧n| ≤ max{a, b}, quindi per convergenza dominata E(Bτ ∧n3 ) → E(Bτ3) per n → ∞. Analogamente |(τ ∧ n)Bτ ∧n| ≤ τ · max{a, b}, e dato che E(τ ) = ab < ∞ segue che E((τ ∧ n)Bτ ∧n) → E(τ Bτ) per convergenza dominata. In definitiva, passando al limite si ottiene la relazione cercata E(τ Bτ) = 13E(Bτ3).
4
(f) Sfruttando l’identità 1 = 1{Bτ=−a}+ 1{Bτ=b}, possiamo scrivere, applicando i risultati dei punti precedenti,
E(τ Bτ) = E(τ Bτ1{Bτ=−a}) + E(τ Bτ1{Bτ=b}) = a E(τ 1{Bτ=b}) − a2b + b E(τ 1{Bτ=b})
= (a + b) E(τ 1{Bτ=b}) − a2b .
Da ciò segue, sfruttando i risultati già ottenuti, che E(τ 1{Bτ=b}) = E(τ Bτ) + a2b
a + b =
1
3E(Bτ3) + a2b
a + b =
1
3ab(b − a) + a2b
a + b =
1
3ab2+23a2b a + b . Dato che P(Bτ = b) = a/(a + b), otteniamo infine
E(τ |Bτ = b) = E(τ 1{Bτ=b}) P(Bτ = b) = 1
3b2+2 3ab .