11 Stochastisches Integral und Itô-Formel

Transkript

1 11 Stochastisches Integral und Itô-Formel Im diskreten Finanzmodell bei selbstfinanzierender Strategie ϑ = {ϑ n n=,...,n mit Anfangswert V gilt : Ṽ n ϑ = V + n ϑ T j S j. j=1 Dieser diskontierte Wertprozess des Assetprozesses {S n n=,...,n ist eine Martingaltransformation von { S n n=,...,n, wobei letzterer Prozess ein Martingal ist unter dem äquivalentem W-Maß P. Im stetigen Modell gibt es kein direktes Analogon, etwa Ṽ t ϑ = V + ϑ T s d S s, da die Prozesse { S t t T oft von unbeschränkter Variation sind, z.b. Funktionen eines d-dimensionalen Wiener-Prozesses. Konstruktion eines stochastischen Integrals Itô-Integral bezüglich des Standard- Wiener-Prozesses : Gegeben : {W t t 1-dimensionaler Standard - Wiener-Prozess bezüglich {A t t mit stetigen Pfaden auf einem W-Raum Ω, A, P. Definition {H t t T heißt Elementarprozess auf Ω, A,P : H t ω = k ϑ i ωi ti 1,t i ]t, wobei = t < t 1 <... < t k = T, k N, i=1 ϑ i beschränkt, A ti 1 -messbar i = 1,...,k. Stochastisches Integral von {H t bezüglich {W t : Sei t t l,t l+1 ] l =, 1,...,k 1 : IH t := l ϑ i Wti W ti 1 + ϑl+1 W t W tl. i=1 Äquivalente Darstellung : k IH t := ϑ i Wti t W ti 1 t, i=1 insbesondere t IH t stetig. Schreibweise : IH t =:. 48

2 Eigenschaften : Sei {H t t T Elementarprozess bezüglich {A t t T : { t T E = E E sup t T wohldefiniert, stetiges Martingal bezüglich{a t t T ; Hs ds ; 4E Hs ds. Bemerkung Wir definieren noch für t T : 11.4 t :=. Falls A A t, so definiert auch I A ωi t,t] sh s ω einen Elementarprozess. Man verifiziert leicht : 11.5 I A ωh s ωi t,t] sdw s ω = I A ω ω. t Fortsetzung des stochastischen Integrals auf die Klasse H = { {H t t T {Ht t T ist progressiv messbar, E Ht dt <. Satz Sei {W t t T Wiener-Prozess auf Ω, A,P bezüglich {A t t T mit stetigen Pfaden und M c = M c [,T] = { {M t t T {M t ist stetiges Martingal bezüglich {A t. Dann gilt : a eine lineare Abbildung I : H M c : a1 Falls {H t Elementarprozess ist P-f.s., so folgt : IH t = a E I H t = E Hs ds t T. ; I ist P-f.s. eindeutig im folgenden Sinn : Falls I und Ĩ die Eigenschaften a1, a besitzen, so folgt für P-fast alle ω : IH t ω = ĨH tω t T. Wir setzen : := IH t. 49

3 b Für {H t t T H und τ : Ω [,T] Stoppzeit bezüglich {A t t T : b1 E sup t T 4E Hs ds ; b τ = I [,τ] s P-f.s. Wir benötigen noch eine Erweiterung von IH t H = { {H s s T {Ht t T ist progressiv messbar, auf die größere Klasse Hs ds < P-f.s. H. Es gilt der folgende Satz : Satz 11.. Sei {W t t T Wiener-Prozess auf Ω, A,P bezüglich {A t t T mit stetigen Pfaden und X c = {{X t t T X t ist stochastischer Prozess mit stetigen Pfaden = eine eindeutige lineare Abbildung Ĩ : H X c derart, dass gilt : i Falls {H t Elementarprozess ist, so folgt P-f.s. : ĨH t = t T ; ii Falls {H n H mit sup t T H n P s ds n, so folgt : ĨH n t P n. Schreibweise : := ĨH t, t T. Bemerkung 11.. { t T ist im Allgemeinen kein Martingal! 5

4 Zusammenfassung: Sei {W t t T Wiener-Prozess bezüglich {A t t T mit stetigen Pfaden. 1 Für progressiv messbare Prozesse {H t t T mit Satz 11. ein stochastisches Integral P-f.s. : Gilt sogar E Hs ds < +, so bildet Martingal bezüglich {A t t T. Bezeichnung: Itô-Integral. 3 Es lässt sich zeigen : E Hs ds < + E sup t T < +. t { H s ds < + P-f.s. liefert stetig in t ; t T ein stetiges Itô-Kalkül: Basierend auf dem obigen stochastischen Integral wird jetzt ein Differentialkalkül eingeführt, der es gestattet, Funktionen t fw t, f C, Weise zu differenzieren. Die üblichen Formeln wie f t = fsf sds = d f t = ftdft sind dabei nicht zu erwarten. Würde nämlich gelten, dass W t = so wäre {W t t T W s dw s, wegen E Ws ds = T mit W, folglich W t = P-f.s. Widerspruch. Es wird sich zeigen : fsdfs falls f = bzw. in geeigneter < ein nicht-negatives Martingal W t = In differentieller Form : W s dw s + t Itô-Formel für fw t = W t. d Wt = Wt dw t + dt, W =. 51

5 Allgemein : dfw t = f W t dw t + 1 f W t dt mit der Bedeutung : fw t = fw + f W s dw s + 1 f W s ds. Die Itô-Formel gilt für eine allgemeinere Klasse von stochastischen Prozessen und wird nützlich sein bei der konkreten Berechnung stochastischer Integrale. Definition 11.. Sei {W t t T ein Wiener-Prozess bezüglich {A t t T mit stetigen Pfaden. Ein Prozess {X t t T heißt Itô-Prozess in R, wenn er die Darstellung besitzt P-f.s. : 11.6 X t = X + K s ds +, t T, wobei X A -messbar ist, {K s t T, {H s t T progressiv messbar sind, T K s ds < P-f.s., H s ds < P-f.s.. Bemerkung Die Darstellung eines Itô-Prozesses ist im folgenden Sinne eindeutig : Falls X t = X + = X + K s ds + K s ds +, t T, so gilt : X = X P - f.s., K s = K s λ P - f.ü., H s = H s λ P - f.ü. Ist der Itô-Prozess ein Martingal bezüglich {A t t T, so folgt : K = λ P - f.ü. 5

6 Satz Sei {X t t T ein Itô-Prozess der Form X t = X + K s ds + und f : x fx zweimal stetig differenzierbar. Dann gilt : 11.7 fx t = fx + f X s dx s + 1 f X s d X,X s, wobei X,X t := und f X s dx s := H s ds quadratische Variation f X s K s ds + In differentieller Form : f X s dx t = K t dt + H t dw t, d fx t = f X t dx t + 1 f X t d X,X t = f X t K t d t + f X t H t dw t + 1 f X t d X,X t. Beispiel X t = W t, also dx t = ds + 1 dw t ; fx = x, 1 ds = t. Dann gilt : dwt = W t dw t + 1 dt W t = W s dw s + t. bzw. Allgemeiner gilt : Satz Sei dx t = K s ds+ wie in Satz 11.3 und f : t,x ft,x zweimal stetig partiell differenzierbar bezüglich x mit Ableitungen f x t,x, f xx t,x und einmal stetig partiell differenzierbar bezüglich t mit Ableitung f t t,x = 11.1 dft,x t = f t t,x t dt + f x t,x t dx t + 1 f xxt,x t d X,X t, d.h. ft,x t = f,x + f s s,x s ds f x s,x s dx s f xx s,x s d X,X s. 53

7 Beispiel 11.. Lösung einer stochastischen Differentialgleichung Suche einen adaptierten progressiv messbaren Prozess {S t t, so dass P-f.s. gilt : ds t = S t µ dt + σ dwt, S = x, d.h S t = x + µ S s ds + σ S s dw s, t. Ansatz: Fasse formal ds t /S t als dlog S t auf, S t >, und benutze die Itô-Formel für fx = log x. Dies ergibt : log S t = log S + wegen somit log S t = log S + = log S + 1 S s ds s + 1 µ σ µ σ Daher macht man den folgenden Ansatz S t = x exp ds + 1 Ss t + σ W t. {µ t σ + σ W t σ dw s σ S s ds, geometrische Brown sche Bewegung und verifiziert mit Hilfe der Itô-Formel für ft,x = x exp { µ σ t + σ x : Beachtet man f t t,x = µ σ ft,x, fx t,x = σ ft,x, f xx t,x = σ ft,x, d W,W t = dt, so liefert die Itô-Formel Satz 11.4 : S t = ft,w t = x + also die Behauptung. S s µ σ ds + S s σ dw s + 1 S s σ ds, Um die Eindeutigkeit der Lösung S t = x exp {µ t σ + σ W t von bzw nachweisen zu können, benötigen wir noch die folgende Formel von der partiellen Integration stochastischer Integrale : 54

8 Satz Seien {X t t T und {Y t t T Itô-Prozesse mit X t = X + Y t = Y + Dann folgt : K s ds + K s ds +. und X t Y t = X Y + X s dy s + Y s dx s + X,Y t, wobei X,Y t = H s Hs ds Kreuz-Variation. In differentieller Form : dx t Y t = X t dy t + Y t dx t + d X,Y t. Beispiel 11.. Fortsetzung ds t = S t µdt + σ dw t, S = x. Zeige : S t = x exp { µ σ t + σ Wt ist eindeutige Lösung. Fazit: Für jeden Wiener-Prozess {W t t, µ,σ R, T >, existiert ein eindeutiger Itô-Prozess {S t t T mit ds t = S t µdt + σ dw t, S = x, nämlich S t = x exp {µ σ t + σ W t, t T. Bemerkung a Der obige Prozess {S t t T modelliert im kontinuierlichen Black-Scholes- Modell die Entwicklung des risikobehafteten Assets z.b. eines Aktienpreises. b Für µ = ist {S t t T ein Martingal, das exponentielle Martingal der Brown schen Bewegung. Bemerkung Falls {X t t T ein Itô-Prozess ist mit Werten in V, V R 1, offen z.b. V =,, so gilt die Itô-Formel auch in der folgenden verallgemeinerten Form : Sei f : V R zweimal stetig differenzierbar, so folgt : dfx t = f X t dx t + 1 f X t d X,X t. Mit diesen Vorüberlegungen sind wir nun in der Lage, ein kontinuierliches Analogon des Cox-Ross-Rubinstein-Modells zu untersuchen. 55