8097134328

8097134328



54


Marek Beska, Całka Stochastyczna, wykład 4

4.2 Martyngały, submartyngały i supermartyngały z czasem ciągłym

Definicja 4.7 Niech dana będzie baza zupełna (f2,P,P) z filtracją {Tt}tei, gdzie I = [a, 6] C [0, +oo]. Adaptowany proces X : I X {2 M nazywamy martyngałem jeśli

1.    E\Xt\ < +oo dla każdego t E I;

2.    E[Xt | Es] — Xs dla wszystkich s < t, s,t E I.

Adaptowany proces X : I x i? —> IR nazywamy submartyngałem jeśli

1.    E\Xt\ < +oo dla każdego t E I;

2.    E[Xt | Ts\ > Xs dla wszystkich s <t, s,t G I.

Adaptowany proces X : I x 17 -» IR nazywamy supermartyngałem jeśli

1.    E\Xt\ < +oo dla każdego t G I;

2.    E[Xt |    < Xs dla wszystkich s <t, s,t G I.

Przykłady:

1.    Niech Y będzie całkowalną (E\Y\ < oo) zmienną losową na (17, E,P), to proces Xt = E[Y | , t G [0, +oo] jest martyngałem.

2.    Jeśli X jest supermartyngałem to —X jest submartyngałem i odwrotnie.

3.    Niech X będzie submartyngałem. Jeśli / jest niemalejącą wypukłą funkcją taką, że E[\f(Xt)\] < +oo dla każdego t G I wówczas proces Zt = f(Xt) jest submartyngałem. Jeśli X jest martyngałem to własność niemalenia / może zostać opuszczona. Stąd mamy

•    Jeśli X jest submartyngałem, to X V a (a G IR) jest także submartyngałem (w szczególności X+ jest wtedy submartyngałem)

•    Jeśli X jest supermartyngałem, to X~ jest submartyngałem.

•    Jeśli X jest martyngałem i E\X\P < oo dla p > 1 to Y = \X\P jest submartyngałem.

4.    Każdy martyngał (Xn, ^n)neA^u{o} z dyskretnym czasem może być rozszerzony do martyngału z czasem ciągłym. Określmy

Pt = Pn dla < E [n, n+l[, n > 0,

Xt = Xn dla iE[n,n+l[ n > 0.

Tak otrzymany proces {7C(}(>o jest cadlag martyngałem.



Wyszukiwarka

Podobne podstrony:
62 Marek Beska, Całka Stochastyczna, wykład 4 Wniosek 4.10 Jeśli proces X jest cad martyngałem (lub
66 Marek Beska, Całka Stochastyczna, wykład 4 Wniosek 4.18 Niech X będzie cad submartyngałem, aT cza
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
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
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
Marek Beska, Całka Stochastyczna, wykład 4 51 orazUt =    [ X+d<j)(A)a + f X~dip(A
52 Marek Beska, Całka Stochastyczna, wykład 4 Niech więc X = /[si00

więcej podobnych podstron