kapitel 6 martingale -...
TRANSCRIPT
Kapitel 6Martingale
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
6.1 Martingale in diskreter Zeit
• Martingale spielen eine große Rolle in der Finanzmathematik, und sind zudem einwichtiges Hilfsmittel fur die statistische Inferenz stochastischer Prozesse, insbesondereauch fur Zahlprozesse (siehe Kapitel 7).
• Sei X = (Ω,A, P, Xt, t ∈ N) ein SP bzw. eine Folge von Zufallsvariablen. Mit
FXt = σ(Xt, Xt−1, . . . , X1) = σ(Xs, s ≤ t)
bezeichnen wir die t-Vergangenheit von X. Ist Zt, t ∈ N ein weiterer SP, etwa eineFolge von Kovariablen zu Xt, t ∈ N, dann bezeichnet
FX,Zt = σ(Xs, Zs, s ≤ t)
die t-Vergangenheit von X und Z. In beiden Fallen bilden die Ft eine aufsteigendeFolge von σ-Algebren
F1 ⊂ . . . ⊂ Ft ⊂ Ft+1 ⊂ . . . ⊂ A
Sommersemester 2010 189
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
• Definition: Filtration
Eine aufsteigende Folge von σ-Algebren
F1 ⊂ . . . ⊂ Ft ⊂ Ft+1 ⊂ . . . ⊂ A
heißt Filtration. Die t-Vergangenheit von X wird auch als naturliche Filtrationbezeichnet.
• Definition: Adaptiert
Ein stochastischer Prozess X = Xt, t ∈ N mit Werten in (S,S) heißt adaptiert zurFiltration F = Ft, t ∈ N, falls fur jedes t ∈ N gilt
σ(Xt) ⊂ Ft,
d.h. Xt ist Ft-S-messbar.Interpretiert bedeutet dies: Xt tragt nicht mehr Information als Ft.
Der stochastische Prozess X ist stets zur naturlichen Filtration adaptiert.
Sommersemester 2010 190
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
• Definition: Martingal
X = Xt, t ∈ N heißt Martingal bezuglich einer Filtration F = Ft, t ∈ N :⇔
1. E|Xt| <∞, t ∈ N
2. X ist adaptiert zu F .
3. E(Xt+1|Ft) = Xt
• Oft wird auch ohne direkten Bezug auf F definiert:
X heißt Martingal :⇔ Es existiert eine Filtration F = Ft, t ∈ N, so dass XMartingal bezuglich F ist.
• Bemerkung: Wesentlich ist Eigenschaft 3. Haufig wird diese im Fall der naturlichenFiltration auch geschrieben als
E(Xt+1|Xt, . . . , X1) = Xt.
• Exkurs zu bedingten Erwartungswerten.
Sommersemester 2010 191
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
• Folgerungen aus der Martingaleigenschaft:
1. E(Xt+k|Ft) = Xt
2. E(X1) = E(X2) = . . . = E(Xt)
• Aquivalente Definition uber Martingaldifferenzen (Zuwachse):
Eine Folge ∆ = ∆t, t ∈ N, fur die
E(∆t+1|Ft) = 0
gilt, heißt Martingaldifferenzfolge. Mit
Xt = ∆1 + . . .+ ∆t
ist dann Xt, t ∈ N ein Martingal. Die naturliche Filtration lasst sich dannaquivalent schreiben als
FXt = σ(∆t,∆t−1, . . . ,∆1).
Sommersemester 2010 192
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
• Definition: Semimartingale
X = Xt, t ∈ N heißt Sub- bzw. Supermartingal bezuglich der Filtration F :⇔
1. E|Xt| <∞, t ∈ N
2. X ist adaptiert zu F .
3. E(Xt+1|Ft) ≥ Xt (Submartingal) bzw. E(Xt+1|Ft) ≤ Xt (Supermartingal).
X heißt Semimartingal, wenn X entweder ein Sub- oder Supermartingal ist.
• Beispiele:
(a) Irrfarten: Sei ∆t, t ∈ N eine i.i.d. Folge mit E(∆t) = µ und
Xt = ∆1 + . . .+ ∆t bzw. Xt+1 = Xt + ∆t+1.
⇒ E(Xt+1|X1, . . . , Xt) = E(Xt + ∆t+1|Xt,∆t, . . . ,∆1)
= Xt + E(∆t+1)
= Xt + µ;
Sommersemester 2010 193
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
⇒ Xt Martingal fur µ = 0Xt Submartingal fur µ ≥ 0Xt Supermartingal fur µ ≤ 0
(b) Score-Funktion im Logit-Modell fur binare Markov-Ketten
Logit-Modell:P (Yt = 1|Xt, Yt−1) = h(X ′tβ + αYt−1) = πt
Score-Funktion fur Beobachtungen Y0, Y1, . . . , Yt:
St(β, α) =t∑
s=1
Zs(Ys − πs)︸ ︷︷ ︸=∆s(β,α)
, Zs = (X ′s, Ys−1)′, s ∈ N.
Es gilt:E(∆s(β, α)|Y1, . . . , Ys−1;Xs, . . . , X1)︸ ︷︷ ︸
Fs−1
= 0,
da E(Ys|Fs−1) = πs.
Sommersemester 2010 194
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
⇒ ∆t(β, α), t ∈ N bildet Martingaldifferenzfolge,
⇒ St(β, α), t ∈ N Martingal.
Diese Eigenschaft bildet die Grundlage fur asymptotische Likelihoodtheorie beiabhangigen Beobachtungen Y1, . . . , Yt, . . . , da Versionen des starken Gesetzesgroßer Zahlen und zentrale Grenzwertsatze fur Martingale existieren.
• Gesetz der großen Zahl fur Martingaldifferenzfolgen:
Sei ∆t, t ∈ N eine Martingaldifferenzfolge mit
E(∆2t ) <∞ und
∞∑t=1
1t2E(∆2
t |Ft−1) <∞,
dann gilt
limt→∞
1t
t∑s=1
∆s = limt→∞
1tXt = 0 f.s.
Sommersemester 2010 195
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
• Definition: Stoppzeit
Sei Ft eine Filtration. Eine Zufallsvariable τ mit Werten in 0, 1, 2, . . . ,+∞ heißtStoppzeit :⇔
τ ≤ t = ω : τ(ω) ≤ t ∈ Ft fur alle t
bzw. aquivalentτ = t ∈ Ft bzw. τ ≥ t ∈ Ft.
Damit hangt die Entscheidung, ob das Ereignis τ = t eintritt, nur von derVorgeschichte, aber nicht von der Zukunft ab.
• Definition: Spielsystem
Eine Folge von Zufallsvariablen Xt, t ∈ N heißt Spielsystem, wenn gilt
Xt+1 = Xt +Wt+1∆t+1, X1 = W1∆1.
mit
∆t unabhangige Zufallsvariable mit E(∆t) = 0 (Ergebnis des t-ten Spiels).Xt kumulierter Spielgewinn nach dem t-ten Spiel.Wt Einsatz im t-ten Spiel.
Sommersemester 2010 196
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
Die Spieleinsatze Wt ≥ 0 konnen in Abhangigkeit vom bisherigen Spielverlauf gewahltwerden, d.h. Wt ist vorhersagbar:
Wt = gt(Xt−1, . . . , X1) ⇔ Wt ist FXt−1-messbar.
Dabei ist gt eine deterministische, messbare Funktion.Es sei E|Ws∆s| <∞ fur alle s.
• Der Prozess X = Xt, t ∈ N der kumulierten Spielgewinne bildet ein Martingal.
• Martingal-Transformation: Allgemein bezeichnet man einen basierend auf einerMartingaldifferenzfolge ∆t und einem vorhersagbaren Prozess Wt definierten Prozess
Xt+1 = Xt +Wt+1∆t+1 =t+1∑s=1
Ws∆s
als Martingaltransformation W •∆.
Fur E(∆2t ) <∞ und E(W 2
t ) <∞ ist W •∆ ein Martingal.
Sommersemester 2010 197
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
• Verdopplungssystem beim Roulette
1. Setze auf Rot. Beginne mit dem Einsatz 1 und verdopple nach jedem Spiel denEinsatz.
2. Verdopple solange, bis zum ersten Mal Rot erscheint.
Dies entspricht dem Spielsystem
∆t =
+1, Rot erscheint ⇔ Gewinn
−1, Schwarz erscheint ⇔ Verlust
In Phase 1 des Verdopplungssystems ist
Wt = 2t−1, t = 1, 2, . . .
Xt = ∆1 + 2∆2 + . . .+ 2t−1∆t.
Die kumulierten Spielgewinne nach einer festen Anzahl von Spielen bilden einMartingal mit E(Xt) = 0.
Sommersemester 2010 198
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
Einfuhrung der Stoppzeit τ
τ(ω) := mint
(∆t(ω) = 1).
Die Stoppzeit τ ist geometrisch verteilt:
P (τ = t) =12t, t = 1, 2, . . . ⇒ P (τ <∞) = 1
Gewinn im Verdopplungssystem:
Xτ =
∆1 + 2∆2 + . . .+ 2τ−1∆τ , fur τ <∞undefiniert, fur τ =∞ (P (τ =∞) = 0)
Fur ω ∈ ω : τ(ω) <∞ gilt
Xτ(ω)(ω) = −1− 2− . . .− 2τ(ω)−2 + 2τ(ω)−1 = 1
und damitP (Xτ = 1) = 1.
Sommersemester 2010 199
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
Mit dem Verdopplungssystem kann man also das Spiel so steuern, dass man mitWahrscheinlichkeit 1 den Betrag 1 gewinnt. Casinos begrenzen daher die Anzahl derVerdopplungen.
• Optional Stopping Theorem
Sei Xt ein Martingal und τ eine Stoppzeit. Es gelte eine der folgenden Bedingungen
1. τ ist beschrankt (τ(ω) ≤ k fur alle ω ∈ Ω).
2. Xt ist beschrankt (|Xt(ω)| ≤ k fur alle ω ∈ Ω).
3. E(τ) <∞ und Xt −Xt−1 ist beschrankt.
Dann giltE(Xτ) = E(X1).
• Beim Spielsystem ”Verdoppeln” sind alle drei Bedingungen verletzt:
– τ ist nicht beschrankt.
– Xt und Xt −Xt−1 = ±2t−1 sind nicht beschrankt.
Die moglichen Verluste des Spielers sind jedoch auch unbeschrankt!
Sommersemester 2010 200
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
• Martingale in der Finanzmarkttheorie: Bt, . . . Sparbuch mit fester Zinsrate r.Sjt , t = 0, 1, 2, . . . , T Aktien mit zufalligem Wert (Preis) Sjt , j = 1, . . . , k.
• Definition: Eine Handelsstrategie ist ein vorhersagbarer (θt ∈ Ft−1) Prozessθ = θt, t = 1, 2, . . . , T mit Komponenten θjt , j = 0, 1, . . . , k.
Eine Handelsstrategie θt heißt selbstfinanzierend :⇔ θ′tSt = θ′t+1St ∀ t.
Eine Handelsstrategie birgt eine Arbitragemoglichkeit, falls es ein θ ∈ Θ gibt, so dassfur den Vermogensprozess Vt(θ) = θ′tSt gilt:V0(θ) = 0 (f.s.), VT (θ) ≥ 0 (f.s.) und PVT (θ) > 0 > 0 (⇒ E(VT (θ)) > 0).
• Satz: Fur einen (endlichen) Markt, d.h. eine Menge von Aktien undselbstfinanzierenden Handelsstrategien, gilt:
M(S,Θ) ist arbitragefrei (es gibt keine Handelsstrategie mit Arbitragemoglichkeit)⇔ Es existiert ein zu P aquivalentes W-Maß Q, so dass der deflationierteVermogensprozess
Vt(θ) = θ′t ·StBt
ein Martingal bezuglich Q ist.
Sommersemester 2010 201
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
• Doob-Meyer-Zerlegung fur Submartingale
Sei X = Xt, t ∈ N ein Submartingal, d.h. E(Xt+1|Ft) ≥ Xt.
Ziel ist die Zerlegung von Xt in einen vorhersagbaren, wachsenden Trend At und”Rauschen” ( = Martingal Mt).
Setze:M1 = X1, A1 = 0,
und definiere dann rekursiv
At = At−1 + E(Xt|Ft−1)−Xt−1
=t∑
s=2
E(Xs −Xs−1|Fs−1),
Mt = Xt −At.
Sommersemester 2010 202
Stochastische Prozesse 6.1 Martingale in diskreter Zeit
Dann gilt die Doob-Meyer-Zerlegung
Xt = At +Mt,
wobei Mt ein Martingal und der Kompensatorprozess At wachsend undvorhersagbar ist, d.h. At ist Ft−1-messbar fur alle t.
• Beispiel: Diskrete Irrfahrt mit p > q.
Fur die Zuwachse gilt
E(Zt) = p− q = E(Xt −Xt−1|Ft−1).
Damit ergeben sich
At =t∑
s=2
E(Xs −Xs−1|Fs−1) = (t− 1)(p− q)
Mt = Xt − (t− 1)(p− q).
Sommersemester 2010 203
Stochastische Prozesse 6.2 Martingale in stetiger Zeit
6.2 Martingale in stetiger Zeit
• Die Menge von σ-Algebren F = Ft, t ≥ 0 heißt Filtration, falls gilt
Fs ⊂ Ft, fur 0 ≤ s ≤ t.
X = Xt, t ≥ 0 heißt adaptiert zur Filtration Ft, t ≥ 0, falls gilt
σ(Xt) ⊂ Ft, t ≥ 0.
• Definition: Martingal
X = Xt, t ≥ 0 heißt Martingal bezuglich der Filtration F = Ft, t ≥ 0 :⇔
1. E|Xt| <∞ fur t ≥ 0.
2. X ist adaptiert zur Filtration F .
3. E(Xt|Fs) = Xs fur 0 ≤ s < t.
Sommersemester 2010 204
Stochastische Prozesse 6.2 Martingale in stetiger Zeit
• X heißt Sub- bzw. Supermartingal, wenn anstelle von 3.
E(Xt|Fs) ≥ Xs bzw. E(Xt|Fs) ≤ Xs
gelten.
• Bemerkungen:
– Die naturliche Filtration ergibt sich wieder als die von Xs, s ≤ t erzeugteσ-Algebra.
– Falls zusatzlich ein Kovariablen-Prozess Zt, t ∈ R+ vorliegt, wird dieser in dieDefinition der Filtration einbezogen.
– Im Fall der naturlichen Filtration schreibt man 3. auch als
E(Xtn | Xtn−1, . . . , Xt1) = Xtn−1
fur alle t1 < . . . < tn, n ≥ 2.
Sommersemester 2010 205
Stochastische Prozesse 6.2 Martingale in stetiger Zeit
• Beispiele:
– Der Wiener-Prozess ist ein Martingal (bzgl. der naturlichen Filtration FW ):
E(Wtn |Wtn−1, . . . ,Wt1)
= E(Wtn −Wtn−1 | . . .) + E(Wtn−1 |Wtn−1, . . . ,Wt1)
= E(Wtn −Wtn−1 |Wtn−1 −Wtn−2, . . . ,Wt2 −Wt1,Wt1) +Wtn−1
unabh. Zuwachse= E(Wtn −Wtn−1) +Wtn−1 = Wtn−1 fur 0 < t1 < · · · < tn.
– Der Poisson-Prozess ist ein Submartingal (bzgl. der naturlichen Filtration FN):
E(Nt | FNs ) = E(Nt −Ns | FNs ) + E(Ns | FNs )
= E(Nt −Ns) +Ns
= λ (t− s)︸ ︷︷ ︸>0
+Ns ≥ Ns fur s < t.
Der kompensierte Poisson-Prozess Nt − λt ist ein Martingal.
Sommersemester 2010 206
Stochastische Prozesse 6.2 Martingale in stetiger Zeit
• Martingaltransformation bzgl. eines Wiener Prozesses W :
Fur eine Partition 0 = t0 < t1 < t2 < . . . < tn−1 < tn bildet
∆iW = Wti −Wti−1, i = 1, . . . , n
eine Martingaldifferenzfolge bzgl FWt .
Die Martingaltransformation W •∆W mit W = (Wti, i = 1, . . . , n)
(W •∆W )k =k∑i=1
Wti−1(Wti −Wti−1
)
ergibt ein Martingal.
Sommersemester 2010 207
Stochastische Prozesse 6.2 Martingale in stetiger Zeit
• Sei Ft eine Filtration. Die σ–Algebra
F+t = σ
(⋂s>t
Fs
)
erlaubt einen ”infinitesimalen” Blick in die Zukunft, und
F−t = σ
(⋃s<t
Fs
)
umfasst alle Ereignisse bis unmittelbar vor t.
• Ubliche Bedingungen an eine Filtration:
1. Ft ist rechtsstetig :⇔ Ft = F+t fur alle t
2. F ist vollstandig :⇔ Fur C ⊂ B ∈ A mit P (B) = 0 folgt C ∈ F0 ⊂ A (undP (C) = 0).
Im weiteren werden die ublichen Bedingungen vorausgesetzt.
Sommersemester 2010 208
Stochastische Prozesse 6.2 Martingale in stetiger Zeit
• Die naturliche Filtration Ft = σ(Xs, s ≤ t) ist rechtsstetig, wenn die Pfade von Xrechtsstetig sind.
• Definition: Vorhersagbar
Ein Prozess A = At, t ≥ 0 heißt vorhersagbar (bezuglich der Filtration Ft) :⇔fur alle t ≥ 0 gilt
1. At ist Ft-messbar, und
2. At ist F−t -messbar.
• Bedingung 2. ist erfullt, falls gilt At = gt(As, s < t) mit einer messbaren, determi-nistischen Funktion gt. Hinreichend fur die Vorhersagbarkeit ist, dass A linksseitigstetige Pfade besitzt.
Sommersemester 2010 209
Stochastische Prozesse 6.2 Martingale in stetiger Zeit
• Doob-Meyer-Zerlegung:
Sei Nt, t ∈ R+ ein rechtsstetiges, nichtnegatives Submartingal oder ein beschrank-tes Submartingal, und Ft eine Filtration, die die ”ublichen Bedingungen” erfullt.Dann existieren ein vorhersagbarer Prozess At, t ∈ R+ und ein Martingal Mt, t ∈R+, so dass
Nt = At +Mt
fur alle t gilt. Der Prozess A = At heißt Kompensator von N .
• Beispiele:
(a) Homogener Poisson-Prozess:
Mt = Nt − λt ist ein Martingal.
Der Kompensator At = λt ist in diesem Fall sogar deterministisch.
Sommersemester 2010 210
Stochastische Prozesse 6.2 Martingale in stetiger Zeit
(b) Inhomogener Poisson-Prozess:
Mit Λ(t) =∫ t
0λ(u)du gilt
E(N(t)− Λ(t)|Fs) = E(N(t)−N(s) +N(s)− Λ(t)|Fs)= Λ(t)− Λ(s) +N(s)− Λ(t)
= N(s)− Λ(s),
d.h. M(t) = N(t) − Λ(t) ist ein Martingal. Somit ergibt sich die Doob-Meyer-Zerlegung
N(t) = Λ(t) +M(t),
und die kumulierte Rate Λ(t) ist der Kompensator.
Sommersemester 2010 211