5 votos

Valor esperado del proceso de salto de media

No veo la relación entre mi método de cálculo y el método realizado en el libro Cartea y Jaimungal (Algorithmic and High Frequency Trading, página 220.) Tenemos un proceso de reversión de la media $$d\mu_t=-k\mu_tdt+\eta_{1+N_{t^-}}dN_t$$ que tiene solución $$\begin{align}\mu_t&=e^{-kt}\mu_0+\int^t_0e^{-k(t-u)}\eta_{1+N_{u^-}}dN_u \\&=e^{-kt}\mu_0+\sum_{m=1}^{N_t} e^{-k(t-\tau_m)}\eta_m. \end{align}$$ donde $N_t$ es un proceso de Poisson con intensidad $\lambda$ y $\eta_i$ son i.i.d. e independientes de $N_t$ , $k>0$ y $\tau_m$ denotan los tiempos de llegada de Poisson.

Ahora calculan el valor esperado a través de la integral para conseguir $$\mathbb{E}[\mu_t]=e^{-kt}\mu_0+\frac{\lambda}{k}\mathbb{E}[\eta_1](1-e^{-kt}).$$

Intento hacer lo mismo a través de la definición de la suma que no funciona del todo.

Los tiempos de llegada son Gamma( $m,\lambda$ ) distribuido y el MGF de una v.r. Gamma $X$ da $\mathbb{E}[e^{kX}]=(\frac{\lambda}{\lambda-k})^m$ .

Por lo tanto, $$\begin{align} e^{kt}\mathbb{E}[\mu_t] -\mu_0 &= \mathbb{E}\bigg[\sum_{m=1}^{N_t} e^{k\tau_m}\eta_m\bigg]\\ &= \mathbb{E}\bigg[\mathbb{E}\bigg[\sum_{m=1}^{N_t} e^{k\tau_m}\eta_m\bigg]|N_t\bigg]\\ &= \mathbb{E}\bigg[\sum_{m=1}^{N_t} \mathbb{E}\Big[e^{k\tau_m}\Big]\mathbb{E}\Big[\eta_m\Big]|N_t\bigg]\\ &= \mathbb{E}\Big[\eta_1\Big] \cdot \mathbb{E}\bigg[\sum_{m=1}^{N_t} \mathbb{E}\Big[e^{k\tau_m}\Big]|N_t\bigg] \end{align}$$

Ahora bien, si sustituyo el resultado de la MGF de una función gamma en esto y resuelvo la suma geométrica, me encuentro con que no obtengo la respuesta correcta. Estoy seguro de que los pasos de la suma geométrica y la FGM son correctos y que el último paso después de esto sería calcular la expectativa incondicional del proceso de Poisson, pero creo que debe haber un error en alguna parte, ya que los otros pasos parecen estar bien.

Para completar, la suma geométrica se convierte en $$\frac{\lambda}{k}\bigg(1-\Big(\frac{\lambda}{\lambda-k}\Big)^{N_t}\bigg)$$ por lo que los términos del proceso de Poisson no encajan bien. Curiosamente, si este producto fuera $\frac{\lambda}{k}\bigg(1-\Big(\frac{\lambda}{\lambda+k}\Big)^{-N_t}\bigg)$ Creo que funciona, pero no encuentro ninguna razón que apoye de dónde viene esto. Cualquier ayuda sobre esto sería fantástica.

3voto

Ben Williams Puntos 106

En primer lugar, hay que tener cuidado de poner la condición en el lugar adecuado:

\begin{align} e^{kt}\mathbb{E}[\mu_t] -\mu_0 &= \mathbb{E}\bigg[\sum_{m=1}^{N_t} e^{k\tau_m}\eta_m\bigg]\\ &= \mathbb{E}\bigg[\sum_{m=1}^{N_t} \mathbb{E}\bigg[e^{k\tau_m}\eta_m|N_t\bigg]\bigg]\\ &=\mathbb{E}\Big[\eta_1\Big] \cdot \mathbb{E}\bigg[\sum_{m=1}^{N_t} \mathbb{E}\Big[e^{k\tau_m}|N_t\Big]\bigg]. \end{align} Ahora la distribución de $\tau_m$ dado $N_t$ no es Gamma, sino uniforme entre $0$ y $t$ . No puede ser Gamma porque esto tendría una probabilidad finita de que $\tau_m>t$ . Por ello, y observando que la MGF de una variable aleatoria uniforme entre $0$ y $t$ es $\frac{e^{kt}-1}{kt}$ obtenemos el resultado deseado.

0 votos

Creo que supuse que los tiempos entre llegadas eran i.i.d. exponenciales y por tanto supuse que los tiempos de llegada eran gamma como suma de variables aleatorias exponenciales... Creía que esto se suponía siempre para un proceso de Poisson.

1 votos

Sí, esto sigue siendo cierto independientemente de cualquier otro dato. Pero tan pronto como sepas cuántos eventos tienes en algún intervalo, los tiempos reales son simplemente uniformes (sin ordenarlos).

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