- •Случайные события
- •Стохастический мир
- •Случайные величины
- •Совместная и условная вероятности
- •Зависимость и независимость
- •Характеристическая функция
- •Модель аддитивного блуждания
- •Случайные процессы
- •Стохастические уравнения
- •Уравнение Ито
- •Остановка перед восхождением
- •Лемма Ито
- •Точные решения
- •Простые стохастические модели
- •Представление решений
- •Автокорреляция и спектр
- •Порождающий процесс Винера
- •Средние значения
- •Динамическое уравнение для средних
- •Процесс Феллера
- •Логистическое уравнение
- •Вероятности
- •Марковские плотности вероятности
- •Граничные условия
- •Стохастические интегралы
- •Площадь под траекторией Винера
- •Интегралы Ито
- •Интегрирование стохастических уравнений
- •Единственность решений
- •Метод последовательных приближений
- •Системы уравнений
- •Скоррелированные блуждания
- •Системы стохастических уравнений
- •Стохастический осциллятор
- •Линейные многомерные модели
- •Многомерие помогает одномерию
- •Как решать стохастические задачи?
- •Стохастическая природа
- •Теория броуновского движения
- •Стохастический осциллятор
- •Дрожание земной оси
- •Электронный шум
- •Хищники и их жертвы
- •Стохастическое общество
- •Финансовые рынки
- •Эмпирические закономерности
- •Диверсификация
- •Портфель на всю жизнь
- •Опционы
- •Кривая доходности
- •Компьютерное моделирование
- •Статистики
- •Случайные числа
- •Моделирование стохастических процессов
- •Ошибки вычислений и ускорение сходимости
- •Вычисление средних
- •R: Стохастический справочник
- •Основные соотношения теории
- •Системы уравнений с одинаковым шумом
- •M: Математические приложения
- •H: Помощь
- •C: Примечания
- •Рекомендуемая литература
56 |
Глава 2. |
2.4Точные решения
Несмотря на простой вид, стохастические уравнения (2.4) аналити- чески интегрировать не так и просто из-за винеровского члена W . Это
явно видно в случае конечной численной реализации (2.5). Каждое последовательное x в итерационной процедуре нелинейным образом зависит
от всех предыдущих случайных чисел "k (l C19). Тем не менее, рассмот- рим ситуации, в которых можно получить точные решения.
Пусть в процессе Ито функции сноса и волатильности зависят только от времени. Обозначим их через f(t) и s(t):
dx = f(t) dt + s(t) W: |
(2.17) |
Это уравнение легко интегрируется при помощи дискретной интерпретации стохастического члена W . Рассмотрим итерации, выполняемые
по разностной схеме (2.5):
p |
p |
x1 = x0 + f0 t + s0"1p t; |
x2 = x1 + f1 t + s1"2 t = x0 + (f0 + f1) t + (s0"1 + s1"2) t;
:::;
ãäå fk = f(tk) è sk = s(tk). После n итераций итоговое значение будет
равно:
p
x = x0 + (f0 + ::: + fn 1) t + (s0"1 + ::: + sn 1"n) t:
Скобки в последнем слагаемом содержат сумму независимых гауссовых чисел, каждое из которых имеет волатильность sk. В результате получа-
ется гауссово число с волатильностью |
s2 + ::: + s2 |
|
|
|||
дя к непрерывному пределу, получаем q(l0H9): |
n 1. Поэтому, перехо- |
|||||
Zt |
|
2Zt |
|
31=2 |
|
|
x(t) = x(t0) + t0 |
f( ) d + 4t0 |
s2( ) d 5 |
": |
(2.18) |
Решение (2.18) уравнения (2.17) говорит нам, что x(t) является нор-
мально распредел¼нным случайным числом со средним и дисперсией,
зависящими от времени. Если s(t) не константа, то будущая неопреде- p
л¼нность в значении x может увеличиваться уже не как t, а по другому
закону.
Соотношение (2.18) позволяет легко âычислить статистические свойства процесса, в частности, его среднее x(t) и волатильность (t).
Стохастические уравнения |
57 |
Одномерное уравнение Ито для процесса, имеющего произвольный снос a(x; t) и волатильность b(x; t)
dx = a(x; t) dt + b(x; t) W; |
(2.19) |
заменой иногда можно свести к частному случаю (2.17), для которого решение уже известно. Воспользуемся леммой Ито:
dF = |
@F |
|
@F |
|
b2 |
x; t |
) |
@2F |
dt + b(x; t) |
@F |
|
|||||||||
|
+ a(x; t) |
|
|
+ |
|
( |
|
|
|
|
|
W: (2.20) |
||||||||
@t |
@x |
|
2 |
|
|
@x2 |
@x |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
} |
|
|
| |
|
|
|
f(t) |
|
|
|
|
|
|
|
s{z(t) |
|
|
||||||
|
|
|
{z |
|
|
|
|
|
|
|
} |
|
|
|
|
|
|
|
Подберем F (x; t) таким образом, чтобы множители при W и dt в (2.20) оказались функциями s(t) и f(t), зависящими только от времени:
@x |
= b(x; t); |
@t |
+ s(t) |
b(x; t) |
2 @x |
|
= f(t); (2.21) |
|
@F |
|
s(t) |
@F |
|
a(x; t) |
1 @b(x; t) |
|
|
где вместо @F=@x в множитель при dt подставлено первое уравнение (2.21) и его производная по x (l H10). Возьм¼м частные производные первого уравнения (2.21) по t и второго по x. Вычитая их, мы прид¼м к
условию совместности:
1 @ |
|
|
s(t) |
|
1 @2b(x; t) |
|
@ |
a(x; t) |
|
|
|||||||
|
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
|
: |
(2.22) |
s(t) @t |
b(x; t) |
2 @x2 |
@x |
b(x; t) |
Если при данных a(x; t) и b(x; t) можно подобрать такую функцию s(t),
при которой уравнение (2.22) обратится в тождество, то мы получим решение стохастического уравнения (2.19) в следующей неявной форме:
|
t |
|
2 |
Z |
t |
31=2 |
|
|
F x(t); t = F |
Z |
|
|
|
|
|
|
|
x(t0); t0 + t0 |
f( ) d + |
4 |
t0 |
s2( ) d |
5 |
"; |
(2.23) |
|
где функция f(t) |
|
|
|
|
|
F (x; t) |
||
определяется вторым соотношением (2.21), à |
находится из первого уравнения (2.21) ( l C20).
Решение (2.23) это нестационарный гауссовый процесс для деформации x(t) при помощи нелинейной функции F (x; t). Естественно, что
разрешимость (2.22) позволяет интегрировать уравнение Ито только в ряде частных случаев. Однако, как мы увидим ниже, эти случаи охватывают достаточно широкий класс важных для практических приложений процессов.
58 |
Глава 2. |
2.5Простые стохастические модели
Логарифмическое блуждание определяется уравнением:
|
|
|
dx = x dt + x W |
; |
(2.24) |
|
|
|
где и константы модели. Часто (2.24) называют геометрическим
или экспоненциальным броуновским блужданием.
Если стохастического члена нет ( = 0), то это обычное уравнение экспоненциального роста ( > 0) или снижения ( < 0):
dx |
= x |
=> |
x(t) = x0 e t: |
dt |
Подобная зависимость возникает во многих физических, биологических и социальных системах, от радиоактивного распада до роста экономики.
Случайное воздействие вносит в гладкую динамику определ¼нные коррективы. Подставим функции сноса a(x; t) = x и волатильности b(x; t) =
x в условие совместности (2.22) íà ñòð. 57. В результате для s(t) получается тривиальное уравнение s(t) = 0, где точка сверху обозначает производную по времени. Следовательно, s(t) это константа, которую удобно выбрать равной . Интегрирование первого уравнения (2.21) да¼т F (x; t) = ln x, и, соответственно, функция f(t) равна 2=2. Оконча- тельное решение (t0 = 0) имеет вид:
p
x(t) = x0 e( 2=2)t+ t ": (2.25)
Если в процессе Винера x может уползти при блуждании в область отрицательных значений x < 0, то для логарифмической модели это невоз-
можно. Подобное свойство можно было ожидать сразу по виду (2.24). По мере приближения к значению x = 0 снос и волатильность уменьшаются.
В результате динамика как бы замораживается при x ! 0.
Используя интеграл (1.11) íà ñòð. 16, легко вычислить среднее значе- ние и волатильность в произвольный момент времени:
p
x(t) = x0 e t; x(t) = x(t) e 2t 1:
Заметим, что необходимо решительно бороться с искушением по обыч- ному обращаться со стохастическими уравнениями. Например, разделив (2.24) на x, нельзя внести его под дифференциал: dx=x 6= d ln x. Для
подобных действий служит лемма Ито (2.15) по которой для процесса логарифмического блуждания d(ln x) = ( 2=2) dt + W . Фактиче-
ски, при помощи этой замены, найденной по алгоритму стр. 57, мы и получили решение (2.25).
Стохастические уравнения |
59 |
Ниже на левом рисунке приведены логарифмические блуждания с нулевым сносом: dx = x W . Видно, как они, прижимаясь к x = 0, тем
не менее, остаются в положительной области. В результате получается несимметричное распределение для x, которое в данном случае имеет
логнормальный вид. Справа динамика дополнена детерминированным сносом: dx = 0:05 x (dt + W ). Она имеет ярко выраженный экспонен-
циальный рост со стохастическими колебаниями вокруг экспоненты.
3 |
|
|
500 |
2 |
400 |
|
300 |
1 |
200 |
|
100 |
0 |
0 |
|
Эти два примера напоминают нам, что стохастические процессы могут быть как малыми поправками к детерминированной динамике (справа),
так и основной сутью исследуемой системы (слева). p
Введя винеровский процесс Wt = W (t) = " t, решение для логарифмического блуждания можно записать в следующем виде:
x(t) = e( 2=2)t+ Wt:
Действительно, производные для x(t) = F (t; W ) равны:
@x |
= ( 2=2) x; |
@x |
= x; |
@2x |
= 2 x: |
@t |
@W |
@W 2 |
Винеровское блуждание Wt имеет нулевой снос a = 0 и единичную волатильность b = 1. Поэтому по лемме Ито (2.15) имеем:
dx = |
@x |
+ |
1 @2x |
dt + |
@x |
W = x dt + x W: |
||
|
|
|
|
|
||||
@t |
2 @W 2 |
@W |
Роль x теперь играет процесс W , а функция F это x.
Задавая различные функции x = F (t; Wt), удовлетворяющие начальному условию x0 = F (0; 0), можно найти целый класс точно решаемых стохастических уравнений. После подстановки F (t; Wt) в лемму Ито необходимо исключить Wt, заменив е¼ на Wt = G(t; x), где G обратная к F функция. Кроме этого константа x0 должна сократиться, так как этовнешнее к динамике условие и порядочное уравнение не должно зависеть от него. В качестве упражнения стоит проверить решения ( R38)(R43) из Справочника (стр. 276). К сожалению, чаще таким методом получаются уравнения, в которых снос зависит от волатильности шума, что не очень естественно для практических приложений.
60 |
Глава 2. |
Процесс Орнштейна - Уленбека:
dx = (x ) dt + W |
(2.26) |
описывает блуждание, в котором x притягивается к уровню, определяемому константой . При этом волатильность считается постоянной. Если x , то снос становится заметно отрицательным и тянет процесс вниз. При опускании x ниже снос оказывается положительным и в среднем поднимает x(t) вверх. Параметр > 0 характеризует величинусилы притяжения к равновесному значению .
Условие совместности (2.22) да¼т уравнение s(t) = s(t). Решая его и первое уравнение (2.21) для F (x; t), мы каждый раз выбираем константы
интегрирования наиболее удобным способом , так как начальные условия уже учтены в (2.23), а нам необходимо найти простейшую замену, исключающую x из сноса и волатильности:
s(t) = et; |
F (x; t) = xet; |
f(t) = et: |
В результате решение записывается в следующем виде ( t0 = 0):
|
e 2t ": |
|
x(t) = + x0 e t + p2 p1 |
(2.27) |
Несложно увидеть, что x(t) оказывается гауссово распредел¼нной вели- чиной со средним и дисперсией, зависящими от времени.
Если > 0, то среднее при больших временах стремится к равновес- p
ному уровню . Волатильность становится равной = 2 . При винеровском или логарифмическом блуждании x(t) может уйти как угодно далеко от своего начального значения x0. Для процесса (2.26) x(t) заперта
âñòàòèстическом коридоре с шириной, равной двойной волатильности p
= 2 .
При малых процесс Орнштейна-Уленбека по своему поведению ста-
новится очень близким к обычному винеровскому блужданию. Траекто-
рия x(t) достаточно долго блуждает выше или ниже , не уходя, тем p
не менее, на бесконечность. Волатильность стремится к = 2 , и тем больше, чем меньше . Следовательно, характерный коридор, в котором происходит блуждание, при малых расширяется. Если и , и достаточно большие, x(t) часто пересекает равновесный уровень, начиная напоминать обычный белый шум.
Стохастические уравнения |
61 |
Наличие равновесного уровня в модели Орнштейна-Уленбека полезно для различных финансовых приложений. Например, в случае курсов валют может быть паритетом покупательной способности ( l C21), à äëÿ процентной ставки - е¼ долгосрочным значением.
Примеры реализаций блуждания Орнштейна-Уленбека при различ- ных параметрах приведены ниже. На левом рисунке = 0:1, = 0:1.
На правом = 1, = 0:5. Величина в обоих случаях равна единице.
2 |
1 |
0 |
2 |
1 |
0 |
Необходимо помнить, что, если решение выражено через винеровскую
переменную Wt, е¼ всегда pможно переписать через гауссову случайную
величину, заменив Wt = " t. Обратное, вообще говоря, не верно. Если p
в решении есть ", нельзя его выразить через Wt, подставив " ! Wt= t. В качестве упражнения имеет смысл проверить, что подобная замена в (2:27) приводит к случайной функции, не удовлетворяющей (2.26).
Можно объединить положительность x и его притяжение к равновесному уровню в следующей логарифмической модели с притяжением:
dx = x ln |
x |
1 dt + x W: |
(2.28) |
|
Если x > , то снос отрицательный, а при x < положительный. Множитель x замораживает динамику при приближении к x = 0. Для
этой модели несложно найти точное решение ( l H11).
На самом деле логарифмическая модель с притяжением является про-
стой деформацией процесса Орнштейна-Уленбека. Действительно, если x удовлетворяет уравнению (2.26), то несложно проверить, что y = ex
будет удовлетворять (2.28). Уравнение (2.28) так же соотносится с (2.26), как логарифмическое блуждание с процессом Винера.
Ещ¼ одну модель уместно назвать броуновской ловушкой:
dx = (x ) dt + (x ) W: |
(2.29) |
Член со сносом обеспечивает притяжение к уровню x = , в окрестности
которого волатильность становится очень маленькой, а динамика детерминированной. В результате процесс рано или поздно гарантированно притягивается к значению x = (l H12).
62 |
Глава 2. |
Можно рассмотреть общее стационарное уравнение, снос и волатильность которого не зависят от времени:
dx = a(x) dt + b(x) W:
Условие совместности записывается следующим образом:
s(t) |
= 2 b b00 |
b |
b 0 |
= ; |
(2.30) |
|
s(t) |
1 |
|
|
a |
|
|
где штрих производная по x, точка по времени, и опущены аргументы
у функций. Левая часть зависит только от времени, правая только от x, поэтому это выражение равно некоторой константе, которую мы обо-
значили через . Проинтегрировав это уравнение, найд¼м связь между сносом и волатильностью:
a = |
4 |
0 |
+ b b Z |
b ; |
|
|
b2 |
|
dx |
|
где ещ¼ один параметр.
Если b(x) = = const мы приходим к уравнению ОрнштейнаУленбека (2.26), ñòð. 60. Для b(x) = x точно решаемой задачей является
логарифмическая модель с притяжением (2.28), частным ñлучаем кото- p
рой является логарифмическое блуждание. При b(x) = x снос должен явным образом зависеть от :
|
|
|
|
|
|
2 |
+ p |
|
+ 2 x: |
|
|||||
|
|
|
a(x) = |
|
x |
|
|||||||||
|
4 |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Решение такого уравнения имеет вид ( x0 = x(0), > 0): |
|
||||||||||||||
|
px0 et + 2 |
|
et 1 + p8 p |
|
" |
2 |
|||||||||
x(t) = |
|
e2t 1 |
: |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Если a(x)=b(x) = const, или сноса при блуждании нет a(x) = 0, то условие совместности (2.30) упрощается:
b00 = :
2 b
Умножая его на интегрирующий множитель b0, получаем решение в неяв- ной форме:
x = Z |
p + 4 ln b; |
|
|
|
db |
где и константы интегрирования.
Стохастические уравнения |
|
|
|
|
|
|
|
|
|
|
63 |
Броуновский мост. Рассмотрим теперь уравнение Ито со сносом, |
|||||||||||
зависящим не только от x, но и от времени t: |
|
|
|
|
|
||||||
|
dx = |
|
x dt + W |
: |
|
|
|
(2.31) |
|||
|
|
T t |
|
|
|
|
|
|
|
||
Константа T это выделенное время в будущем ( t < T ), когда снос |
|||||||||||
становится бесконечным. Условие совместности да¼т: |
|
|
|
||||||||
|
|
|
|
x |
|
|
|
|
|
|
|
s(t) = T t; |
F (x; t) = |
T t; |
f(t) = |
(T t)2 : |
(2.32) |
||||||
В результате получаем решение в следующем виде ( x0 = x(t0)): |
|
||||||||||
x(t) = + (x0 ) |
T |
t |
|
|
t |
T |
t |
) ": |
|
||
T |
t0 |
+ s(t T0)( t0 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
Среднее процесса при t ! T стремится к . При этом волатильность ока- |
|||||||||||
зывается равной нулю. Это означает, что x(t) гарантированно в процессе |
|||||||||||
блуждания достигает равновесного значения x(T ) = : |
|
|
|
||||||||
2 |
|
|
|
|
2.5 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
1 |
|
|
|
|
1.5 |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
0 |
|
|
|
|
0.5 |
|
|
|
|
|
|
На рисунках в обоих случаях = 1. Слева = 0:1, справа = 0:05. |
|||||||||||
Соединение начального условия x0 = x(0) и конечного x(T ) = стоха- |
|||||||||||
стическими траекториями и дало живописное название процессу. |
|
||||||||||
Можно рассмотреть броуновский мост в более общем случае, с произ- |
|||||||||||
вольными коэффициентами, зависящими от времени: |
|
|
|
dx = (t) x (t) dt + (t) W:
Условия совместности дают:
t
R
s(t) = (t)et0 (t)dt; F (x; t) = x s((tt)); f(t) = (t) (t) s((tt)):
Для частного выбора (t) = =(T t), (t) = , (t) = , где ; , T иконстанты модели, получаем решение в следующем виде ( t0 = 0):
|
x0 |
|
|
|
(T t) |
|
|
|
|
(T t)2 1 |
1=2 |
|
x(t) = + |
(T |
|
t) + |
|
1 |
|
": |
|||||
T |
2 1 |
T 2 1 |
||||||||||
|
|
|
|
|
Заданием функции (t) можно добиться произвольного выгиба моста вверх или вниз.