8097134325

8097134325



Marek Beska, Całka Stochastyczna, wykład 4


51


oraz


Ut =    [ X+d<j)(A)a + f X~dip(A)s


'o    Jo

rt    rt


Wt= X+dip(A)s + / X~d<f>(A).


są procesami rosnącymi i skończonymi na przedziale [0, t] dla t > 0. Zatem mają skończone wahanie, a stąd proces Y = U — W ma także skończone wahanie.



Zauważmy, że proces Y otrzymaliśmy biorąc całkę Lebesgue’a-Stieltjesa dla każdej trajektorii oddzielnie i dlatego nie ma powodów aby Y był adaptowany, opcjonalny czy prognozowalny. Żeby otrzymać powyższe własności musimy założyć coś więcej.

Lemat 4.6 Zachodzą następujące fakty:

1. Niech A e V. Jeśli X jest opcjonalny i całka Lebesgue’a-Stieltjesa



istnieje (i jest skończona), to Y jest opcjonalny.

2. Niech A G V. Jeśli X i A są prognozowalne i całka Lebesgue’a-Stieltjesa


istnieje (i jest skończona), to Y jest prognozowalny.

Dowód. Przystąpmy do dowodu 1. Zauważmy najpierw, że A e V jest opcjonalny oraz V(A) jest też opcjonalny (bo V(A) jest cadlag i adaptowany), a więc 4>(A) i if(A) są też opcjonalne. Stąd jeśli zastąpimy A przez <t>(A) i ip(A) to wystarczy wykazać nasz lemat dla elementów z V+. W dowodzie zastosujemy twierdzenie o klasach monotonicznych. Niech


Zauważmy, że U spełnia założenia twierdzenia o klasach monotonicznych, bo


Yt — lcŁ4s — At — Aq- — At — opcjonalny =*> 1 e H

i H jest zamknięta na monotoniczne granice. Jako klasę multiplikatywną wystarczy przyjąć zbiór indykatorów przedziałów stachastycznych [[5, oo[[, gdzie S jest czasem zatrzymania.



Wyszukiwarka

Podobne podstrony:
48 Marek Beska, Całka Stochastyczna, wykład 44 Kilka klas procesów 4.1 Procesy rosnące i przestrzeni
57 Marek Beska, Całka Stochastyczna, wykład 4 Rzeczywiście, niech s < t wtedy E[Yt-YsFs) =
58 Marek Beska, Całka Stochastyczna, wykład 4 Dla a G IR mamy {XTi < a} D {Ti = k} = {X* < a}
59 Marek Beska, Całka Stochastyczna, wykład 4 Twierdzenie 4.8 Niech I = [a, b] C [0, oo]. 1.
60 Marek Beska, Całka Stochastyczna, wykład 4 Stosując teraz do prawej strony (4.4) twierdzenie
61 Marek Beska, Całka Stochastyczna, wykład 4 Ponieważ X jest cad, więc { inf Xt < -x = { inf Xt
62 Marek Beska, Całka Stochastyczna, wykład 4 Wniosek 4.10 Jeśli proces X jest cad martyngałem (lub
63 Marek Beska, Całka Stochastyczna, wykład 4 Dowód. Dowód (a) wynika z odpowiedniego twierdzenia dl
64 Marek Beska, Całka Stochastyczna, wykład 4 Dowód, (z) =+ (ii) Niech s,t € I,s < t, A € Es. Pon
65 Marek Beska, Całka Stochastyczna, wykład 4 • Istnieją skończenie całkowalne zmienne losowe Y, Y2
66 Marek Beska, Całka Stochastyczna, wykład 4 Wniosek 4.18 Niech X będzie cad submartyngałem, aT cza
49 Marek Beska, Całka Stochastyczna, wykład 4 (i)    Dla 0 <s<t mamy Va(X) <
67 Marek Beska, Całka Stochastyczna, wykład 4 4.3 Twierdzenia o rozkładzie Definicja 4.22 Mówimy, że
50 Marek Beska, Całka Stochastyczna, wykład 4 gdzie <HX) = X + V(X) 2*{X) = V(X) - X 2 Z (4.1) pr
52 Marek Beska, Całka Stochastyczna, wykład 4 Niech więc X = /[si00
Marek Beska, Całka Stochastyczna, wykład 4 53 Proces I{s< } jest cag i adaptowany, A jest prognoz
54 Marek Beska, Całka Stochastyczna, wykład 4 4.2 Martyngały, submartyngały i supermartyngały z czas
55 Marek Beska, Całka Stochastyczna, wykład 4 5. Niech P i Q będą miarami probabilistycznymi na (17,

więcej podobnych podstron