Teoria optymalnego stopowania

Podobne dokumenty
8 Całka stochastyczna względem semimartyngałów

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

F t+ := s>t. F s = F t.

Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

4 Kilka klas procesów

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

7 Twierdzenie Fubiniego

Teoria ze Wstępu do analizy stochastycznej

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

r u du. Proces wartości aktywów firmy V. Proces bariery v wykorzystywany do zdefiniowania defaultu. moment defaultu τ.

Seria 1. Zbieżność rozkładów

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

Dystrybucje, wiadomości wstępne (I)

Wokół nierówności Dooba

Ważne rodziny nad- i podmartyngałów dla symetrycznego błądzenia losowego

Modele z czasem dyskretnym

Informacja o przestrzeniach Hilberta

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Funkcja wykładnicza kilka dopowiedzeń

Rozdział 5. Szeregi liczbowe. 5.1 Szeregi liczbowe. Definicja sumy częściowej ciągu. Niech dany będzie ciąg liczbowy (a n ) n=1.

Przykładami ciągów, które Czytelnik dobrze zna (a jeśli nie, to niniejszym poznaje), jest ciąg arytmetyczny:

Prawa wielkich liczb, centralne twierdzenia graniczne

i=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 =

Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie:

Informacja o przestrzeniach Sobolewa

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

P(U 1 > max{u 2,..., U 1000 } U 1 = s)dp U1 (s).

E-learning - matematyka - poziom rozszerzony. Funkcja wykładnicza. Materiały merytoryczne do kursu

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

Zadania z Rachunku Prawdopodobieństwa III - 1

Ciągi komplementarne. Autor: Krzysztof Zamarski. Opiekun pracy: dr Jacek Dymel

Analiza matematyczna. 1. Ciągi

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A

Układy równań i nierówności liniowych

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LV Egzamin dla Aktuariuszy z 13 grudnia 2010 r. Część I

Prawdopodobieństwo i statystyka

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Zadania z Rachunku Prawdopodobieństwa II Podaj przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Zadania ze Wstępu do Analizy Stochastycznej 1. = 0 p.n.

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.

Ćwiczenia z metodyki nauczania rachunku prawdopodobieństwa

Teoria miary i całki

Matematyka finansowa w pakiecie Matlab

Zadania z RP 2. seria Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n

3. Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Indukcja matematyczna. Zasada minimum. Zastosowania.

Jak rzucać losowe spojrzenia na ruch Browna by w nim wszystko dojrzeć

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XLIX Egzamin dla Aktuariuszy z 6 kwietnia 2009 r.

Przykładowe zadania z teorii liczb

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Zadania z Procesów Stochastycznych 1

Wykłady... b i a i. i=1. m(d k ) inf

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone

Metody probabilistyczne

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. L Egzamin dla Aktuariuszy z 5 października 2009 r.

Pochodna funkcji odwrotnej

Zadania o numerze 4 z zestawów licencjat 2014.

Zadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Indukcja matematyczna

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

Programowanie dynamiczne

a 1, a 2, a 3,..., a n,...

Dwa równania kwadratowe z częścią całkowitą

domykanie relacji, relacja równoważności, rozkłady zbiorów

Analiza funkcjonalna 1.

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA

jest ciągiem elementów z przestrzeni B(R, R)

Modelowanie ryzyka kredytowego Zadania 1.

Statystyka i eksploracja danych

7. CIĄGI. WYKŁAD 5. Przykłady :

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe

Wykład z równań różnicowych

Zatem, jest wartością portfela (wealth) w chwili,. j=1

LX Olimpiada Matematyczna

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

Wykład 8. Informatyka Stosowana. 26 listopada 2018 Magdalena Alama-Bućko. Informatyka Stosowana Wykład , M.A-B 1 / 31

Metody probabilistyczne

Całki niewłaściwe. Całki w granicach nieskończonych

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

Wykład 1. Na początku zajmować się będziemy zbiorem liczb całkowitych

Analiza portfelowa w czasie ciagłym dla ogólnych cen zakupu i sp. ze stałymi kosztami za transakcje

Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014)

4,5. Dyskretne zmienne losowe (17.03; 31.03)

Lista zagadnień omawianych na wykładzie w dn r. :

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój.

Transkrypt:

Dodatek F Teoria optymalnego stopowania F.1. Rozkład Dooba nadmartyngałów W tym paragrafie będziemy rozpatrywać nadmartyngały, podmartyngały i procesy prognozowalne względem ustalonej filtracji (F n ) n=0. Twierdzenie 1 (O rozkładzie Dooba). Każdy nadmartyngał (U n ) n=0 ma jednoznaczne z dokładnością do równości p.n. przedstawienie U n = M n A n, (1) gdzie (M n ) n=0 jest martyngałem, (A n ) n=0 niemalejącym procesem prognozowalnym, A 0 =0. D o w ó d. Najpierw zdefiniujemy proces (A n ). Niech A 0 =0idlan 1: n 1 A n = [U k E(U k+1 F k )]. k=1 Oczywiście zmienna losowa A n jest F n 1 -mierzalna. Proces (A n ) jest niemalejący, bowiem wyrazy sumy po prawej stronie są nieujemne, jako że (U n ) jest nadmartyngałem. Terazniemamyjużwyboru M 0 = U 0 i M n = U n + A n. Jest oczywiste, że zmienna losowa M n jest F n -mierzalna, ponadto M n+1 M n = U n+1 U n + A n+1 A n = U n+1 E(U n+1 F n ), i po wzięciu warunkowej wartości oczekiwanej obu stron widać, że (M n ) jest martyngałem: E (M n+1 M n F n )=E (U n+1 E(U n+1 F n ) F n )=0. 384

F.1. Rozkład Dooba nadmartyngałów 385 Pozostała do wykazania jednoznaczność. Niech (M n), (A n) stanowią inną parę procesów spełniających warunki z tw. 1. Wtedy M n A n = M n A n, n 0, i gdy X n = M n M n,to X n = M n M n = A n A n, n 0. Z pierwszej równości wynika, że proces (X n ) jest martyngałem, z drugiej że jest prognozowalny, co daje kolejno równości poniżej: X n = E (X n+1 F n )=X n+1, n 0, a ponieważ X 0 =0,toX n =0dlan =1, 2,..., czyli M n = M n oraz A n = A n. Niech teraz (U n ) n=0 będzie podmartyngałem. Z poprzedniego twierdzenia zastosowanego do nadmartyngału ( U n ) n=0 otrzymujemy natychmiast Wniosek 2. Każdy podmartyngał (U n ) n=0 ma dokładnie jedno przedstawienie U n = M n + A n,gdzie(m n ) n=0 jest martyngałem, zaś (A n ) n=0 niemalejącym ciągiem prognozowalnym, takim, że A 0 =0. Uwaga 3. Dowolny ciąg (X n ) adaptowanych i całkowalnych zmiennych losowych można przedstawić w postaci X n = M n + A n, gdzie (M n )jestmartyngałem, zaś (A n ) procesem prognozowalnym, niekoniecznie rosnącym. Widać to z dowodu tw. 1. Dopiero założenie, że (X n ) jest nadmartyngałem lub podmartyngałem, zapewnia monotoniczność procesu (A n ). Uwaga 4. Proces (A n ) n=0 jest niemalejący, więc ma granicę w szerszym sensie, czyli istnieje A = lim n A n. Jest to na ogół niewłaściwa zmienna losowa, bowiem może przyjmować wartość. Proces (A n ) n=0 nazywamy kompensatorem procesu (U n ) n=0, gdyżkompensuje on (U n ) n=0 do martyngału. Rozkład Dooba odgrywa szczególną rolę przy badaniu martyngałów (X n ) całkowalnych z kwadratem (takich, że EXn 2 <, n =0, 1, 2,...). Wtedy ciąg (Xn) 2 jest podmartyngałem i na mocy wniosku 2 ma rozkład Dooba: Xn 2 = M n + A n. Niemalejący proces A oznaczamy przez X i nazywamy potocznie nawiasem skośnym martyngału X. Wiele własności martyngału (X n ) da się zbadać za pomocą nawiasu skośnego X, co zobaczymy na kilku przykładach. Zaczniemy od najprostszych: Stwierdzenie 5. Niech (X n ) n=0 będzie martyngałem. Wtedy (a) Jeśli dla pewnego p>1 w rozkładzie Dooba X n p = M n + A n mamy EA <, tociąg(x n ) jest zbieżny w L p.

386 Dodatek F. Teoria optymalnego stopowania (b) (X n ) jest ograniczony w L 2 (czyli sup n X 2 n < ) wtedy i tylko wtedy, gdy E X <. Dowód. (a) wynika z tw. 11.5.6, bowiem idalej: sup n E X n p = EM n + EA n = EM 0 + EA n, E X n p = EM 0 +supea n EM 0 + EA <. n (b). Konieczność: wynika z (a) dlap = 2. Dostateczność: E X =sup n E X n =supe ( Xn 2 X 2 ) 0 <. n Otrzymamy teraz pewną pożyteczną reprezentację nawiasu skośnego. Ponieważ (X n ) jest martyngałem, to dla k l E ( (X k X l ) 2 ) ( Fl = E X 2 k 2X k X l + Xl 2 ) Fl = = E ( Xk 2 ) Fl 2Xl E (X k F l )+Xl 2 = = E ( Xk 2 Xl 2 ) Fl = = E (M k + X k M l X l F l )= = E ( X k X l F l ). Oznaczając X k = X k X k 1 ikładącl = k 1 otrzymujemy stąd E ( ( X k ) 2 F k 1 ) = X k X k 1, atodaje n X n = E ( ( X j ) 2 ) Fj 1. (2) j=1 Przykład 6. Jeśli ξ 1,ξ 2,... jest ciągiem niezależnych zmiennych losowych, Eξ i =0,Eξi 2 <, i =1, 2,..., X n = ξ 1 +...+ξ n, X 0 =0,F 0 = {, Ω}, F n = σ(ξ 1,...,ξ n )dlan 1, to ciąg (Xn, 2 F n ) n=0 jest podmartyngałem i X n = n E ( ξj 2 ) F j 1 = j=1 n j=1 D 2 ξ j, zatem nawias skośny jest procesem deterministycznym (nielosowym). Wiadomo (tw. 7.3.2), że zbieżność szeregu j=1 D2 ξ j pociąga za sobą zbieżność p.n. szeregu j=1 ξ j. Jeśli ponadto ξ i C p.n. dla i =1, 2,..., to zachodzi również wynikanie odwrotne. Ostatnią uwagę można uogólnić (patrz tw. 8). Przedtem udowodnimy

F.1. Rozkład Dooba nadmartyngałów 387 Twierdzenie 7. Niech (X n ) będzie nieujemnym podmartyngałem, X 0 =0, iniechx n = M n + A n będzie jego rozkladem Dooba. Wtedy {A < } {(X n ) zbieżny p.n.} {sup X n < }. n Zbieżny p.n. oznacza dokładniej zbieżny p.n. do granicy skończonej. Taką umowę przyjmujemy też dalej. D o w ó d. Prawa inkluzja jest oczywista, dowodzimy lewą. Niech a > 0 i τ a =inf{n 1: A n+1 >a}. Jest to moment stopu (który może przyjmować wartość, bowieminf = ), co wynika z prognozowalności A. Z twierdzenia Dooba 11.2.8 zastosowanego do martyngału M (M 0 =0)iz definicji τ a wynika, że EX n τa = EM n τa + EA n τa =0+EA n τa EA τa a. Niech Yn a = X n τa. Jest to na mocy twierdzenia Dooba (nieujemny) podmartyngał, ponadto sup n EYn a a<, więc na mocy twierdzenia o zbieżności podmartyngałów (Yn a ) jest zbieżny p.n. Dlatego {A a} = {τ a = } {(X n ) zbieżny p.n.}, ponieważ na zbiorze {τ a = } jest X n = X n = Y a n.stąd {A < } = {A a} = {τ a = } {(X n ) zbieżny p.n.}, co kończy dowód. a=1 a=1 Twierdzenie 8. Niech (X n ) będzie martyngałem całkowalnym z kwadratem. Wtedy (a) { X < } {(X n ) zbieżny p.n.}. (b) Jeśli ponadto (X n ) ma przyrosty wspólnie ograniczone, tj. X n K p.n. dla n =1, 2,...,to X (ω) < p.n. na zbiorze {(X n ) zbieżny p.n.}. Dowód. (a). Proces (Xn) 2 jest nieujemnym podmartyngałem, więc z tw. 7 wynika, że { X < } {(Xn) 2 zbieżny p.n.}. Proces (X n +1) 2 jest także nieujemnym podmartyngałem i X+1 n = X n (por. (2)). Dlatego { X < } {(Xn) 2 zbieżny p.n.} {((X n +1) 2 ) zbieżny p.n.} = = {(X n ) zbieżny p.n.}.

388 Dodatek F. Teoria optymalnego stopowania (b). Zdefiniujemy moment stopu γ c =inf{n: X n >c}. Wtedy E ( X 2 n γ c X n γc ) =0. Ponieważ X γ c n X γ c n 1 + Xγ c n X γ c n 1 c + K, to E X n γc = EXn γ 2 c (c + K) 2. (3) Gdyby teraz P ( X =, sup n X n < ) > 0, to istniałaby taka stała c>0,żep (γ c =, X = ) > 0, a to stoi w sprzeczności z (3). Wniosek 9. Jeśli X n = ξ 1 +...+ξ n, ξ n 0, Eξ n < dla n =1, 2,..., a ponadto ciąg (ξ n ) jest adaptowany do filtracji (F n ),to { } E (ξ n F n 1 ) < {(X n ) zbieżny p.n.}. n=1 D o w ó d. Wystarczy zastosować tw. 7 do nieujemnego podmartyngału (X n ) i zauważyć, że (patrz dowód tw. 1): n 1 A n = E (ξ k+1 F k ). k=0 Uwaga 10. Wniosek 9 jest warunkową wersją pierwszej części lematu Borela-Cantelliego. Żeby to zobaczyć, wystarczy wziąć ξ n = 1 Bn, gdzie (B n ) jest ciągiem zdarzeń. F.2. Zagadnienie optymalnego stopowania Przedstawimy zagadnienie optymalnego stopowania w najprostszej sytuacji. W pewnej grze w kolejnych chwilach t =0, 1, 2,...,T wypłaca się kwotę Z t, która jest nieujemną wielkością losową. Gracz może w każdej chwili t wycofać się z gry, inkasując kwotę Z t, może też odrzucić tę propozycję i czekać na lepszy kąsek. Decyzję podejmuje na podstawie dotychczasowego przebiegu gry. Jaką strategię powinien przyjąć gracz, by zoptymalizować swoją wypłatę? Jeśli przez (F t ) oznaczymy σ-ciało zdarzeń, które możemy zaobserwować do chwili t, tociąg(f t ) t T jest filtracją, a proces (Z t ) t T jest adaptowany do tej filtracji. Strategia, czyli moment wycofania się z gry, jest zmienną losową τ, przy czym {τ = t} F t, bowiem zdarzenie to powinno zależeć tylko od obserwacji procesu (Z t ) do chwili t. Krótkomówiąc,τ powinna być momentem stopu względem filtracji (F t ); odwrotnie, każdy taki moment stopu jest dającą się zrealizować strategią.

F.2. Zagadnienie optymalnego stopowania 389 Podsumowując: Z 0,Z 1,Z 2,...,Z T jest ciągiem kolejnych wypłat w pewnej grze,wchwilach0,1,2,...t.zakładamy,żeciąg(z t ) t T jest adaptowany do pewnej filtracji (F t ) t T, przy czym F 0 = {, Ω}. Ponadto zakładamy, że Z t 0dla t =0, 1, 2,...,T. Sprecyzujemy jeszcze cel gracza: chce on wycofać się z gry w takiej chwili, by jego średnia wypłata była jak największa. Stąd następująca definicja. Definicja 1. Moment stopu ν nazywamy optymalnym dla ciągu (Z t ) t T, gdy EZ ν =supez τ, τ Θ gdzie Θ jest zbiorem momentów stopu o wartościach w zbiorze {0, 1,...,T}. Naszym celem jest podanie reguł pozwalających znajdować momenty optymalne. Wprowadzimy pomocniczy proces obwiednię Snella (U t )ciągu (Z t ) t T, zdefiniowaną w następujący sposób: U t =max(z t, E (U t+1 F t )), t T 1, U T = Z T. Z definicji widać, że Z t U t dla 0 t T, czyli (U t )dominuje(z t ). Stwierdzenie 2. Obwiednia Snella (U t ) jest nadmartyngałem. Jest to najmniejszy nadmartyngał dominujący wyjściowy ciąg (Z t ),czyligdy(x t ) jest nadmartyngałem i X t Z t dla 0 t T, to również X t U t dla 0 t T. D o w ó d. Oczywiście U t Z t,0 t T. Sprawdzimy, że (U t )jestnadmartyngałem. Istotnie, mamy U t 1 =max(z t 1, E (U t F t 1 )) E(U t F t 1 ). Pozostaje wykazać, że (U t ) jest najmniejszym nadmartyngałem dominującym (Z t ). Niech zatem (I t ) będzie innym nadmartyngałem o tej własności. Wtedy I T Z T = U T,agdyI t U t,to I t 1 E(I t F t 1 ) E(U t F t 1 ), wobec tego I t 1 max(z t 1, E (U t F t 1 )) = U t 1, gdzie równość wynika z definicji U t 1. Indukcja wsteczna pokazuje teraz, że dla każdego t {1,...T} zachodzi nierówność I t U t,więc(u t ) jest najmniejszym nadmartyngałem dominującym (Z t ).

390 Dodatek F. Teoria optymalnego stopowania Twierdzenie 3. ν 0 =min{t 0: U t = Z t } jest optymalnym momentem stopu, czyli U 0 = EZ ν0 =supez τ. τ Θ D o w ó d. Zdarzenie {ν 0 j} = {ν 0 j 1} F j 1,oraz E ( 1 {ν0 j}(u ν 0 j U ν 0 j 1 ) Fj 1 ) = E ( 1{ν0 j}(u j E(U j F j 1 ) Fj 1 ) = = 1 {ν0 j}e ((U j E(U j F j 1 ) F j 1 )=0, tak więc ciąg o wyrazach U ν 0 t = U t ν0 = U 0 + t j=1 1 {ν0 j}(u ν 0 j U ν 0 j 1 ) jest martyngałem. Ponieważ moment stopu ν 0 T, więc U 0 = U ν 0 0 = EU ν 0 T = EU ν 0 = EZ ν0. Jeśli teraz weźmiemy dowolny moment stopu ν Θ, to ciąg (U ν n )jest nadmartyngałem i U 0 EU ν EZ ν. Wbrew pozorom, metodę otrzymywania optymalnego momentu stopu za pomocą obwiedni Snella można postarać się zrozumieć intuicyjnie. W tym celu rozpatrzmy (kompletnie bezsensowną dla obu stron) grę, w której wypłaty są nielosowe: zmienne losowe Z t są stałymi z t. Wtedy obwiednia Snella jest najmniejszym ciągiem nierosnącym (u t ) dominującym ciąg (z t ), a optymalny moment stopu z twierdzenia 3 jest takim (nielosowym) wskaźnikiem ν, dla którego u 0 = z ν =max t T z t. Podamy teraz charakteryzację momentów optymalnych. Widać z niej, że ν 0 jest minimalnym momentem optymalnym. Twierdzenie 4. Moment stopu ν jest optymalny dla ciągu (Z t ) wtedy i tylko wtedy, gdy spełnione są dwa warunki: (i) Z ν = U ν ; (ii) ciąg (U ν t ) t T jest martyngałem. Dowód. Jeśli ν jest optymalny, to EZ ν = U 0,aponieważ(U ν t ) t T jest nadmartyngałem i U dominuje Z, to EU ν U 0 = EZ ν EU ν,

F.2. Zagadnienie optymalnego stopowania 391 czyli EU ν = EZ ν,codajez ν = U ν (z dominacji wiemy już, że Z ν U ν ). Udowodniliśmy (i). Żeby udowodnić (ii), skorzystamy z tego, że (Ut ν ) t T jest nadmartyngałem. Mamy kolejno U ν t E(U ν T F t )=E(U ν F t ), (1) i stąd EU ν = U 0 EU ν t EU ν, EU ν t = EU ν = E (E (U ν F t )), co razem z (1) daje U ν t = E (U ν F t ), więc ciąg (U ν t ) t T jest martyngałem, co kończy dowód (ii). Z(ii) i(i) mamy kolejno U 0 = EU ν = EZ ν. Dla dowolnego momentu stopu τ Θciąg(Un) τ n jest nadmartyngałem, więc U 0 EU τ EZ τ ; ostatnia nierówność wynika z tego, że U dominuje Z. Zatem EZ ν = U 0 =supez τ. τ Θ Przykład 5. Na pewien egzamin, do którego przystępuje n studentów, przygotowano n zestawów pytań. Wchodzący losuje jeden zestaw, który nie jest już wykorzystywany powtórnie. Paweł nauczył się odpowiedzi na k zestawów i teraz obserwuje, które zestawy już się pojawiły, by zdecydować, kiedy wejść na egzamin. Jaką powinien wybrać strategię, by zmaksymalizować średnią szansę zdania egzaminu? Zdarzeniami elementarnymi są ciągi zero-jedynkowe ω =(a 1,...,a n ), gdzie n i=1 a i = k, przy czym a i = 1, gdy Paweł zna odpowiedź na i-te pytanie. Zdarzenia elementarne są jednakowo prawdopodobne. Niech X i (ω) =a i, i =1, 2,...n. Obserwując egzamin do chwili l Paweł zna X 1,X 2,...,X l i na podstawie tej wiedzy decyduje, czy w następnej chwili ma się wycofać czyli zakończyć grę wchodząc na egzamin. Innymi słowy, chwila wycofania się jest momentem stopu względem filtracji (F i ), gdzie F 0 = {, Ω}, F i = σ(x 1,...,X i ), i =1, 2,...n. Jeśli przez Y l oznaczymy szansę zdania egzaminu przy wejściu w chwili l +1, l =0, 1,...,n 1, to zadanie Pawła sprowadzi się do optymalnego zastopowania ciągu Y 0,Y 1,...,Y n 1. Jest oczywiste, że Y 0 = k/n i Y l = k l n l i=1 X i, l =1,...n 1.

392 Dodatek F. Teoria optymalnego stopowania Wyznaczymy obwiednię Snella (U i ) ciągu (Y i ). Jak zwykle, U n 1 = Y n 1, U n 2 =max(y n 2, E (Y n 1 F n 2 )). Zachodzi równość: ( ) k (X1 +...+X n 1 ) E (Y n 1 F n 2 )=E n (n 1) F n 2 = = k (X 1 +...+X n 2 ) E(X n 1 F n 2 ). Żeby wyznaczyć ostatnie wyrażenie, obliczymy (nieco ogólniej) E (X l+1 F l ) dla l =0, 1,...n 1. Ponieważ σ-ciało F l jest skończone, zatem generowane przez atomy, dla ω {X 1 = a 1,...,X l = a l } = A, oznaczając j = l i=1 a i, mamy E (X l+1 F l )(ω) = 1 X l+1 dp = P (A {X l+1 =1}) = P (A) A P (A) ( n (l+1) ) k (j+1) = ) = k j = Y l. Stąd ( n l k j n l = k (X 1 +...+X l ) n l E (Y n 1 F n 2 )=k (X 1 +...+X n 2 ) k (X 1 +...+X n 2 ) = Y n 2. 2 W takim razie U n 2 = Y n 2. Można podejrzewać, że ciąg (Y i ) jest martyngałem i w konsekwencji U i = Y i dla i =0,...,n.Istotnie, ( ) k (X1 +...+X l+1 E (Y l+1 F l )=E n l F l = = k (X 1 +...+X l ) 1 n (l +1) n (l +1) Y l = ( ) n l = Y l n (l +1) 1 = Y l. n (l +1) Z twierdzenia Dooba wynika więc, że dla każdego momentu stopu τ jest EY τ = Y 0 = k n, zatem każda reguła stopu jest jednakowo dobra. F.3. Opcje amerykańskie Rozważmy rynek finansowy opisany w 11.8. Istnieją na nim także opcje typu amerykańskiego, czyli takie, które można realizować w dowolnej chwili t {0, 1,...,T}. Oznaczmy przez Z t zysk z realizacji opcji w chwili t.

F.3. Opcje amerykańskie 393 Wtedy możemy utożsamić opcję z ciągiem (Z t ) t T nieujemnych zmiennych losowych, adaptowanym do filtracji (F t ) t T. Przykładami mogą być amerykańskie opcje kupna (sprzedaży) z ceną wykonania K na akcje o cenie opisanej przez proces S: Z t =(S t K) + (odp. Z t =(K S t ) + ). Podamy sposób wyceny takiej opcji. Ograniczymy się do opisanego w 11.8 modelu Coxa Rossa Rubinsteina (CRR), choć idea przenosi się na przypadek ogólny. Przedtem kilka słów o tym, ile powinna w chwili t kosztować wypłata X, która nastąpi w momencie T. W tw. 11.8.2 wykazaliśmy, że wypłata X jest replikowana za pomocą jednoznacznie określonego portfela, i gdy V t jest procesem wartości tego portfela, to W t = V t /B t jest martyngałem względem miary P (zwanej miarą martyngałową), a W 0 = V 0 jest ceną w chwili 0za wypłatę X w chwili T. Zatem wypłata X jest w chwili t warta ( ) X V t = B t E F t, bowiem B T ( V t VT = W t = E (W T F t )=E B t B T ) ( X F t = E F t Wracamy teraz do kwestii wyceny opcji amerykańskich. W chwili T jej wartością jest U T = Z T. W chwili T 1wystawcaopcjimusimiećtyle,by zabezpieczyć wypłatę Z T 1 w momencie T 1lubZ T w momencie T.Ta ostatnia wypłata jest w chwili T 1warta ( ) ZT B T 1 E F T 1. B T Tyle trzeba mieć, by zabezpieczyć wypłatę Z T w chwili T. Dlatego cena opcji amerykańskiej w chwili T 1jestrówna ( ( )) ZT U T 1 =max Z T 1,B T 1 E F T 1. Cenę opcji dla t =1, 2,...,T definiujemy indukcyjnie wzorem ( ( )) Ut U t 1 =max Z t 1,B t 1 E F t 1. B T B t B T ). B t =(1+r) t Dzieląc obie strony przez B t 1 i oznaczając Ut = U t /B t, Zt = Z t /B t otrzymujemy: Ut 1 =max(z t 1, E (Ut F t 1 )), t T ; UT = ZT. Okazało się, że ciąg zdyskontowanych cen opcji amerykańskich (Ut )jest obwiednią Snella ciągu Zt zdyskontowanych wypłat, czyli (Ut )jestnajmniejszym nadmartyngałem dominującym (Zt ). Wobec tego otrzymujemy jako wniosek z wyników E.2

394 Dodatek F. Teoria optymalnego stopowania Twierdzenie 1. Cena opcji amerykańskiej w chwili 0 jest równa U 0 = U0 =supezτ, τ Θ a ponadto U 0 = EZ ν,gdzieν =min{t: U t = Z t }. Jak wystawca opcji powinien zabezpieczyć wypłatę? Ponieważ U jest nadmartyngałem, to ma rozkład Dooba Ut = M t A t.istniejetaki portfelφ,żev T = V T (Φ) = B T M T (tw. 11.8.2). Z kolei ciąg o wyrazach W t = V t /B t jest martyngałem, więc W t = E (W T F t )=E (M T F t )=M t. Zatem Ut = W t A t,tzn.u t = V t A t B t. Dlatego wystawca opcji może zabezpieczyć się w sposób doskonały: gdy otrzyma zapłatę U 0 = V 0 (Φ), to za pomocą portfela Φ generuje bogactwo V t = V t (Φ), które w chwili t jest nie mniejsze niż U t, zatem nie mniejsze niż Z t. Kiedy zrealizować opcję? A. Z punktu widzenia nabywcy nie ma sensu realizacja w chwili t, jeśli U t >Z t,bozawalorwartu t otrzymamy tylko Z t ; lepiej wtedy sprzedać opcję za U t na rynku. Optymalny moment realizacji τ spełnia równanie U τ = Z τ (ponieważ U t Z t i U T = Z T ), więc Uτ = Zτ. Nie ma też sensu realizacja opcji po chwili ν =min{j: A j+1 0}, bowiem sprzedaż w chwili ν daje U ν = V ν (Φ) i gdy od tej chwili korzystamy z portfela Φ, to mamy więcej niż wartość opcji w chwilach ν +1,..., T, jako że U t = V t (Φ) A t B t i A t > 0dla t>ν. Zatem τ ν, co pozwala stwierdzić, że U τ jest martyngałem: U τ n = M τ n A τ n = M τ n, ponieważ τ n ν i w efekcie A τ n =0. Podsumowując, najlepszy moment realizacji opcji jest optymalnym momentem stopu dla ciągu zdyskontowanych wypłat (Zt ), bowiem spełnione są warunki (i) i(ii) twierdzenia F.2.4. B. Z punktu widzenia wystawcy opcji:wystawcakorzystazportfelaφ,ajeśli nabywca opcji zrealizuje ją w momencie τ innym niż optymalny, to U τ >Z τ lub A τ > 0(jeśli A τ =0,to(U τ t) jest martyngałem; jeśli ponadto U τ = Z τ,toτ jest momentem optymalnym). Zatem w innym, nieoptymalnym momencie τ wystawca opcji ma dodatni zysk V τ (Φ) Z τ =(U τ + A τ B τ ) Z τ = B τ (U τ Z τ )+A τ B τ > 0,

F.3. Opcje amerykańskie 395 bo składniki sumy po prawej stronie są nieujemne, i przynajmniej jeden z nich jest dodatni. Stwierdzenie 2. Niech (C t ) będzie procesem wartości opcji amerykańskiej opisanej przez ciąg adaptowany (Z t ) t T,a(c t ) opcji europejskiej, zdefiniowanej przez zmienną losową h = Z T.WtedyC t c t. Ponadto, jeśli c t Z t dla każdego t {0, 1,...,T}, toc t = C t dla każdego t {0, 1,...,T}. Uwaga 3. Nierówności C t c t należało się spodziewać, bowiem opcje amerykańskie dają posiadaczowi więcej praw niż europejskie. D o w ó d. Ponieważ Ct jest nadmartyngałem względem miary martyngałowej P i C T = Z T = c T,to C t E(C T F t )=E (c T F t )=c t. Udowodniliśmy pierwszą część stwierdzenia. Jeśli teraz c t Z t dla każdego t, toc t Zt,aponieważ(c t ) jest martyngałem, więc tym bardziej nadmartyngałem, to Ct c t, bowiem Ct jest najmniejszym nadmartyngałem dominującym (Zt ). Stąd wynika równość Ct = c t. Przykład 4. Ceny opcji kupna europejskiej i amerykańskiej są równe. Przypomnijmy, że B t =(1+r) t, Z t =(S t K) +. Oznaczmy przez c t i odp. C t ceny europejskiej i odp. amerykańskiej opcji kupna z terminem T i ceną wykonania K. Wtedy c 1 t = (1 + r) T E ( (S T K) + ) F t E ( ST K(1 + r) T ) F t = S t K(1 + r) T. x + x. Ostatnia równość wynika z faktu, że (S t ) jest martyngałem. Stąd c t S t K(1 + r) T +t S t K. Ponieważ c t 0, mamy c t (S t K) + = Z t izestw.1wynika,że c t = C t. W innych przypadkach (np. opcji sprzedaży, opcji kupna na aktywa przynoszące dywidendy) równość nie zachodzi.