4 votos

Cómo demostrar que tenemos una $\mathbb{Q}$ -¿Movimiento Browniano?

Información de fondo:

Esta pregunta proviene del libro Financial Calculus de Baxter y Rennie. Empezamos por ver el marginal de $W_T$ en $\mathbb{Q}$ . Necesitamos encontrar la función de probabilidad de $W_T$ con respecto a $\mathbb{Q}$ o algo equivalente. Un truco útil es mirar las funciones generadoras de momentos:

Una variable aleatoria $X$ es una normal $N(\mu,\sigma^2)$ bajo una medida $\mathbb{P}$ si y sólo si $$E_{\mathbb{P}}(\exp(\theta X)) = \exp\left(\theta\mu + \frac{1}{2}\theta^2 \sigma^2\right)$$

Para calcular $E_{\mathbb{Q}}[\exp(\theta W_T)]$ podemos utilizar el hecho del resumen de la derivada de Radon-Nikodym, que nos dice que es igual a la $\mathbb{P}$ -expectativa $E_{\mathbb{P}}\left[\frac{d\mathbb{Q}}{d\mathbb{P}}\exp(\theta W_T)\right]$ . Esto equivale a

$$E_{\mathbb{P}}[\exp(-\gamma W_T - \frac{1}{2}\gamma^2 T + \theta W_T)] = \exp\left(-\frac{1}{2} \gamma^2 T + \frac{1}{2}(\theta - \gamma)^2 T\right)$$ porque $W_t$ es una normal $N(0<T)$ con respecto a $\mathbb{P}$ . Simplificando el álgebra, tenemos $$E_{\mathbb{Q}}[\exp(\theta W_T)] = \exp\left(-\theta \gamma T + \frac{1}{2}\theta^2 T\right)$$ que es la función generadora de momentos de una normal $N(-\gamma T, T)$ . Por lo tanto, la distribución marginal de $W_T$ , bajo $\mathbb{Q}$ también es una normal con varianza $T$ pero con la media $-\gamma T$ .

¿Qué pasa con $W_t$ para $t$ menos de $T$ ? La distribución marginal de $W_T$ es lo que esperaríamos si $W_t$ en $\mathbb{Q}$ Movimiento browniano más una deriva constante $-\gamma$ . Por supuesto, muchos otros procesos también tienen una normalidad marginal $N(-\gamma T, T)$ distribución en el momento $T$ pero sería un resultado elegante si el único efecto de cambiar de $\mathbb{P}$ a $\mathbb{Q}$ a través de $\frac{d\mathbb{Q}}{d\mathbb{P}} = \exp\left(-\gamma W_T - \frac{1}{2} \gamma^2 T\right)$ eran sólo para perforar en una deriva de $-\gamma$ .

Y así es. El proceso $W_t$ es un movimiento browniano con respecto a $\mathbb{P}$ y el movimiento browniano con deriva constante $-\gamma$ en $\mathbb{Q}$ . Utilizando nuestros dos resultados sobre $\frac{d\mathbb{Q}}{d\mathbb{P}}$ podemos demostrar las tres condiciones para $\tilde{W}_t = W_t + \gamma t$ para ser $\mathbb{Q}$ -Movimiento browniano:

i) $\tilde{W}_t$ es continua y $\tilde{W}_0$ = 0;

ii) $\tilde{W}_t$ es una normal $N(0,t)$ en $\mathbb{Q}$

iii) $\tilde{W}_{t+s} - \tilde{W}_2$ es una normal $N(0,t)$ independiente de $\mathcal{F}_s$

La primera de ellas es cierta y ii) y iii) pueden reexpresarse como

ii') $E_{\mathbb{Q}}[\exp(\theta \tilde{W}_t)] =\exp(\frac{1}{2}\theta^2 t)$

iii') $E_{\mathbb{Q}}[\exp(\theta(\tilde{W}_{t+s} - \tilde{W}_s))|\mathcal{F}_2] =\exp(\frac{1}{2}\theta^2 t)$

Pregunta:

Demuestre que ii') y iii') son equivalentes a ii) y iii) respectivamente, y demuéstrelo utilizando el proceso de azar de la medida $\varsigma_t = E_{\mathbb{P}}\left(\frac{d\mathbb{Q}}{d\mathbb{P}}|\mathcal{F}_t\right)$ .

Ni siquiera estoy seguro de por dónde empezar, tal vez un comienzo de la solución o un poco de orientación sería útil, más o menos enseñando a mí mismo estas cosas así que disculpa la plétora de preguntas que pueda tener.

Intento de solución - Primero quiero demostrar que (ii) y (ii') son equivalentes. De (ii) tenemos que $\tilde{W_t}\sim N(0,t)$ en $\mathbb{Q}$ entonces la función generadora de momentos es $$M_x(t) = \exp{(\frac{1}{2}t^3)}$$ No veo cómo eso es equivalente a (ii')

3voto

otto.poellath Puntos 1594

Básicamente necesitas mostrar ii') y iii'), ya que implican automáticamente ii) y iii). Ten en cuenta que, como \begin{align*} \frac{dQ}{dP}\big|_T = \exp\Big(-\gamma W_T - \frac{1}{2} \gamma^2 T\Big), \end{align*} obtenemos que \begin{align*} \zeta_t &= E_P\left(\frac{dQ}{dP}\big|_T \mid \mathcal{F}_t \right)\\ &=E_P\left(\exp\Big(-\gamma W_T - \frac{1}{2} \gamma^2 T\Big)\mid \mathcal{F}_t \right)\\ &=\exp\Big(-\gamma W_t - \frac{1}{2} \gamma^2 t\Big). \end{align*} Por lo tanto, para $0 \le t \le T$ , \begin{align*} E_Q\left(e^{\theta\, \widetilde{W}_t} \right) &=E_P\left(\frac{dQ}{dP}\big|_Te^{\theta\, \widetilde{W}_t} \right) \\ &=E_P\left(E_P\left(\frac{dQ}{dP}\big|_Te^{\theta\, \widetilde{W}_t} \mid \mathcal{F}_t \right)\right) \\ &=E_P\left(E_P\left(\frac{dQ}{dP}\big|_T \mid \mathcal{F}_t \right)e^{\theta\, \widetilde{W}_t}\right) \\ &=E_P\left(\zeta_t \, e^{\theta\, \widetilde{W}_t} \right)\\ &=E_P\left(e^{-\gamma W_t - \frac{1}{2} \gamma^2 t + \theta (W_t + \gamma t)} \right)\\ &=E_P\left(e^{- \frac{1}{2} \gamma^2 t + \theta \gamma t +(\theta-\gamma) W_t} \right)\\ &=e^{- \frac{1}{2} \gamma^2 t + \theta \gamma t + \frac{1}{2} (\theta-\gamma)^2 t}\\ &=e^{\frac{1}{2} \theta^2 t}, \end{align*} que es ii') o ii). Además, para cualquier variable aleatoria $\xi\in \mathcal{F}_s,$ Tenga en cuenta que, para $0\le t+s\le T$ , \begin{align*} E_Q\left(e^{\theta(\widetilde{W}_{t+s} - \widetilde{W}_s)} \xi \right) &=E_P\left(\frac{dQ}{dP}\big|_T e^{\theta(\widetilde{W}_{t+s} - \widetilde{W}_s)} \xi \right)\\ &= E_P\left(E_P\left(\frac{dQ}{dP}\big|_T e^{\theta(\widetilde{W}_{t+s} - \widetilde{W}_s)} \xi \mid \mathcal{F}_{t+s}\right)\right)\\ &=E_P\left(E_P\left(\frac{dQ}{dP}\big|_T \mid \mathcal{F}_{t+s}\right)e^{\theta(\widetilde{W}_{t+s} - \widetilde{W}_s)} \xi\right)\\ &= E_P\left(\zeta_{t+s} e^{\theta(\widetilde{W}_{t+s} - \widetilde{W}_s)} \xi \right)\\ &=E_P\left(e^{-\gamma W_{t+s} -\frac{1}{2} \gamma^2 (t+s) + \theta(W_{t+s} - W_s) + \theta\gamma t} \xi \right)\\ &=E_P\left(e^{(\theta-\gamma)( W_{t+s} -W_s) -\frac{1}{2} \gamma^2 (t+s) - \gamma W_s + \theta\gamma t} \xi \right)\\ &=E_P\left(e^{(\theta-\gamma)( W_{t+s} -W_s)}\right)E_P\left(e^{-\frac{1}{2} \gamma^2 (t+s) - \gamma W_s + \theta\gamma t} \xi \right)\\ &=E_P\left(e^{\frac{1}{2}(\theta-\gamma)^2 t-\frac{1}{2} \gamma^2 (t+s) - \gamma W_s + \theta\gamma t} \xi \right)\\ &=E_P\left(e^{\frac{1}{2}\theta^2 t-\frac{1}{2} \gamma^2 s - \gamma W_s} \xi \right)\\ &=E_Q\left(e^{\frac{1}{2}\theta^2 t} \xi \right). \end{align*} Eso es, \begin{align*} E_Q\left(e^{\theta(\widetilde{W}_{t+s} - \widetilde{W}_s)} \mid \mathcal{F}_s \right) = e^{\frac{1}{2}\theta^2 t}, \end{align*} que es iii'), e implica iii) arriba.

0 votos

Hermosa solución Gordon. Sólo que no estoy entendiendo la primera parte de la prueba donde tenemos $e^{-\frac{1}{2}\gamma^2 t+ \theta\gamma t + (\theta - \gamma)W_t)} = e^{\frac{1}{2}\theta^2 t}$

0 votos

@Wolfy: para $\eta \sim N(\mu, \sigma^2)$ tenemos $E(e^{\eta}) = e^{\mu+\frac{\sigma^2}{2}}$ . Entonces, \begin{align*} E_P\left(e^{- \frac{1}{2} \gamma^2 t + \theta \gamma t +(\theta-\gamma) W_t} \right) &=e^{- \frac{1}{2} \gamma^2 t + \theta \gamma t + \frac{1}{2} (\theta-\gamma)^2 t}\\ &=e^{\frac{1}{2} \theta^2 t}, \end{align*}

0 votos

Tengo otra solución de mi profesor y afirma que (ii) y (ii') son equivalentes por aplicación directa de la función generadora de momentos. La verdad es que no lo veo así ya que para (ii) tenemos que $\tilde{W}_t\sim N(0,t)$ por lo tanto el mgf es $\exp{\frac{1}{2}t^3}$ ¿cómo es eso lo mismo que (ii')?

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X