24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

9.4 Diskreter Martingaldarstellungssatz und CRR Modell 195<br />

zwei Unbekannten gelöst werden. Im Falle von drei möglichen Werten von Xn+1 −<br />

Xn wären dies drei Gleichungen für zwei Unbekannte, und im Allgemeinen ist<br />

dieses Gleichungssystem dann nicht lösbar.<br />

Definition 9.42 (Binäres Modell). Ein stochastischer Prozess X0,...,XT heißt<br />

binäres Modell, falls es Zufallsvariablen D1,...,DT mit Werten in {−1, +1} gibt<br />

und Funktionen fn : R n−1 ×{−1, +1} →R für n =1,...,T, sowie x0 ∈ R,<br />

sodass X0 = x0 und<br />

Xn = fn(X1,...,Xn−1,Dn) für jedes n =1,...,T.<br />

Mit F = σ(X) bezeichnen wir dann die von X erzeugte Filtration.<br />

Man beachte, dass Xn nur von X1,...,Xn−1 und Dn abhängt und nicht von der<br />

vollen Information der Werte D1,...,Dn. Man mache sich klar, dass im letzteren<br />

Fall eine mehr als binäre Aufspaltung der Werte in einem Zeitschritt möglich wäre.<br />

Satz 9.43 (Darstellungssatz). Sei X ein binäres Modell und VT eine FT -messbare<br />

Zufallsvariable. Dann existiert ein beschränkter, vorhersagbarer Prozess H und ein<br />

v0 ∈ R mit VT = v0 +(H ·X)T .<br />

Man beachte, dass F die von X erzeugte Filtration ist, nicht die im Allgemeinen<br />

größere, von D1,...,DT erzeugte. Für diese ist die Aussage des Satzes im Allgemeinen<br />

nicht zutreffend, weil wir eben mit H nicht auf die Di sondern nur auf X<br />

wetten können.<br />

Beweis. Wir zeigen, dass es FT −1-messbare Zufallsvariablen VT −1 und HT gibt,<br />

sodass VT = VT −1 + HT (XT − XT −1). Dies liefert per Rückwärtsinduktion die<br />

gewünschte Aussage.<br />

Da VT messbar ist bezüglich FT , existiert nach dem Faktorisierungslemma (Korollar<br />

1.97) eine Funktion gT : RT → R mit VT = gT (X1,...,XT ). Wir setzen<br />

X ±<br />

T = fT (X1,...,XT−1, ±1) und V ±<br />

T<br />

= gT (X1,...,XT −1,X ±<br />

T ).<br />

Jede dieser vier Zufallsvariablen ist offenbar FT −1-messbar. Wir suchen nun also<br />

VT −1 und HT , die das folgende lineare Gleichungssystem lösen<br />

Per Konstruktion ist X +<br />

T<br />

auflösen und erhalten<br />

VT −1 + HT (X −<br />

T − XT −1) =V −<br />

T ,<br />

VT −1 + HT (X +<br />

T − XT −1) =V +<br />

T .<br />

HT :=<br />

− X−<br />

T<br />

⎧<br />

⎨<br />

⎩<br />

�=0, falls V +<br />

T<br />

− V −<br />

T<br />

V + −<br />

T −VT X +<br />

T −X−<br />

, falls X<br />

T<br />

+<br />

T<br />

0, sonst,<br />

(9.3)<br />

�=0.Alsokönnen wir (9.3)<br />

�= X−<br />

T ,<br />

und VT −1 = V +<br />

T − HT (X +<br />

T − XT −1) =V −<br />

T − HT (X −<br />

T − XT −1). ✷

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!