Sei sulla pagina 1di 24

Processi

di Wiener e Lemma di Itô

Prof. Francesco Busato


(Università di Napoli Parthenope busato@uniparthenope.it)
Obiettivi formativi
• Presentare la nozione di processo stocastico (PS);
• Processi di markov;
• Processi di wiener;
• Processi di wiener generalizzati;
• Presentiamo un processo stocastico, a variabile
continua e a prezzo continuo per i prezzi delle azioni;
• Il Lemma di ITO, fondamentale per comprendere la
teoria della valutazione dei derivati
Processi stocastici (PS)
«Un processo stocastico è una famiglia di variabili casuali che
dipendono da un parametro t»

• processi stocastici rappresentano l’ampliamento dello studio del


calcolo delle probabilità, in quanto, per la prima volta, è introdotto
il concetto di variabile aleatoria collegata al tempo.
• Formalmente:
𝑋" , 𝑡 ∈ T ,
• dove 𝑋" : variabile casuale e t è un parametro con il quale
tipicamente si indica il tempo.

• Le variabili 𝑋" rappresentano lo spazio degli stati; ogni 𝑋' è detto


stato del sistema;
Classificazione dei Processi Stocastici
• In funzione delle caratterizzazioni di 𝑋" e di t i PS possono
essere divisi in 4 categorie:
1) Tempo discreto; variabile discreta
2) Tempo discreto; variabile continua
3) Tempo continuo; variabile discreta
4) Tempo continuo; variabile continua
• Il processo a tempo continuo e a variabile continua
quello tecnicamente più conveniente per modellare i
derivati (in particolare i processi di Markov);
• Nella operatività dovremo tuttavia procedere con una
«discretizzazione» del processo.
I Processi di Markov
• E’ un processo stocastico con le seguenti caratteristiche:
– la probabilità di transizione (determina il passaggio da uno stato
all’altro) dipende unicamente dallo stato di sistema immediatamente
precedente (proprietà di Markov);
– i futuri movimenti di una variabile dipendono solo da dove ci
troviamo, non dalla storia che ci ha condotto a dove ci troviamo;
• Hp: i prezzi delle azioni seguono un processo di Markov;
• Questa assunzione è coerente con l’efficienza dei mercato in forma
debole: il prezzo di una azine contiene in se tutta l’informazione
presente nella serie storica;
• E’ questa una conseguenza del mercato stesso: la numerosità degli
operatori, che osservazioni e studiano il mercato per trarne profitti,
fa sì che i prezzi racchiudano tutta l’informazione.
Processi stocastici a tempo continuo
• Se una variabile segue un processo stocastico di Markov, la
distribuzione di probabilità della variazione del valore su un periodo
T è pari a 𝜑(0, 𝑇), in un periodo ∆𝑡 è pari a 𝜑 0, ∆𝑡 dove 𝜑(𝑚, 𝑣)
è la funzione di densità di una distribuzione normale con media m e
varianza v.

• Nei processi Markoviani le variazioni in periodi di tempo successivi


sono indipendenti;
– le varianze delle variazioni relative a ∆𝑡 contingui sono additive;
– le deviazioni standard delle variazioni relative a ∆𝑡 contingui non sono
additive;

• Se consideriamo il limite per ∆𝑡 che tende a zero, definiamo un


processo a tempo continuo e a variabile continua.
Esempio
• Il prezzo corrente di un’azione è pari a $10;

• Ipotizziamo che la distribuzione di probabilità della variazione del


prezzo dell’azione sia pari a 𝜑(0, 1)
• Qual è la distribuzione di probabilità della variazione del prezzo
dell’azione tra 2 anni o, in generale, ∆𝑡 anni?
• La variazione di valore tra due anni è la somma di due variabili
𝜑(0, 1), che è una distribuzione normale con media e varianza pari
alla somma delle medie e delle varianze, dunque 𝜑 0, 2 ;
• In generale, la distribuzione probabilistica della variazione di valore
su , ∆𝑡 anni è pari 𝜑 0, ∆𝑡 ;
I Processi di Wiener
• Rappresentano un particolare tipo di processi di
Markov, con media nulla e varianza unitaria;

• Sono usati in fisica per rappresentare il movimento


delle particelle soggette a molteplici piccoli shocks
molecolari (moti Browniani);

• Hanno due proprietà:


1) Variazione di ∆𝑧 in un piccolo ∆𝑡 è pari a ∆𝑧 = 𝜀 ∆𝑡, con 𝜀~𝜑(0,1);
2) I valori di ∆𝑧 in due piccoli intervalli ∆𝑡 sono indipendenti.
Proprietà dei Processi di Wiener
• Proprietà n. 1) implica:
– Media di ∆𝑧 = 0;
– Varianza di di ∆𝑧 = ∆𝑡;
– Deviazione standard di di ∆𝑧 = ∆𝑡;

• Proprietà n. 2) implica:
– z segue un processo di Markov
Proprietà dei Processi di Wiener (continua)

• Possiamo ora considerare queste proprietà per


variazioni di valore di 𝑧 su un orizzonte 0-T, dove
𝑇 = 𝑁∆𝑡;

• Quindi: 𝑧 𝑇 − 𝑧 0 = ∑:';< 𝜀' ∆𝑡

• Avremo:
– Media di 𝑧 𝑇 − 𝑧 0 = 0;
– Varianza di di 𝑧 𝑇 − 𝑧 0 = 𝑁∆𝑡 = 𝑇;
– Deviazione standard di di 𝑧 𝑇 − 𝑧 0 = 𝑇;
Consideriamo i limiti ...
• Che vuol dire un’espressione con dz e dt?
• Dovrebbe essere interpretata nel senso che
l’analoga espressione con Δz e Δt è vera al
limite, per Δt che tende a zero;
• Quando lavoriamo con processi stocastici a
tempo continuo, possiamo procedere nel
calcolo stocastico come nel calcolo ordinario.
∆> A>
• →
∆? A?
Processi di Wiener Generalizzati
• I processi di Wiener fino a questo punto
analizzati, abbiamo ipotizzato un drift rate pari a
0 (la media delle variazioni per unità di tempo è
nulla) e un variance rate pari a 1 (la varianza delle
variazioni per unità di tempo è unitaria)

• Nei processi di Wiener generalizzati il drift rate


e il variance rate possono essere uguali
a delle costanti arbitrarie;
Processi di Wiener Generalizzati
• La variabile x segue un processo di Wiener generalizzato con
– un drift rate pari ad a ed un variance rate pari a b2
• Formalmente: 𝑑𝑥 = 𝑎 E 𝑑𝑡 + 𝑏 E 𝑑𝑧
• Per comprendere la precedente espressone è conveniente
considerare separatamente le de componenti (integrando la prima
rispetto a t)
𝑑𝑥
𝑑𝑥 = 𝑎 𝑑𝑡 → = 𝑎 → 𝑥 = 𝑥H + 𝑎𝑡
𝑑𝑡
• Il termine 𝑏𝑑𝑧 aggiunge «rumore» al sentiero temporale di x;
• Possiamo dunque scrivere che su un ∆𝑡 piccolo la variazione di x:
∆𝑥 = 𝑎∆𝑡 + 𝑏𝜀 ∆𝑡 con 𝜀~𝜑(0,1)
Processi di Ito
• Introduciamo ora un nuovo processo;
• In un processo di Ito il drift rate e il variance rate sono
funzioni del tempo:
𝑑𝑥 = 𝑎(𝑥, 𝑡)𝑑𝑡 + 𝑏(𝑥, 𝑡)𝑑𝑧

• In un piccolo intervallo di tempo, ed ipotizzando che il


tasso di deriva ed il tasso di varianza rimangono costanti,
possiamo scrivere il processo in tempo discreto
∆𝑥 = 𝑎(𝑥, 𝑡)𝑑𝑡 + 𝑏(𝑥, 𝑡)𝜀 ∆𝑡

• Qui termina la ns. presentazione dei processi stocastici


che utilizzeremo nel ns. corso.
Lemma di Ito
• Se conosciamo il processo stocastico seguito da x, il
lemma di Ito ci dice qual è il processo stocastico
seguito da una certa funzione G(x, t);

• Dato che il valore dei derivati è una certa funzione


del prezzo del sottostante e del tempo, il lemma di
Ito svolge un ruolo importante nell’analisi dei
derivati;

• Lavoriamo adesso con il processo.


Espansione in Serie di Taylor
• L’espansione in serie di Taylor di G(x, t ) è:
∂G ∂G 1 ∂ 2G 2
ΔG = Δx + Δt + 2
Δx +
∂x ∂t 2 ∂x
2 2
∂ G 1∂ G 2
+ ΔxΔt + 2
Δt + !
∂x∂t 2 ∂t
Ignoriamo i Termini di Ordine Superiore a Δt

• Nel calcolo ordinario si ha


∂G ∂G
ΔG = Δx + Δt
∂x ∂t
l Nel calcolo stocastico si ha
∂G ∂G 1 ∂ 2G 2
ΔG = Δx + Δt + 2
Δx
∂x ∂t 2 ∂x
perché Δx ha una componente che è di ordine Δt
Sostituiamo Δx
• Supponiamo che
dx = a(x, t)dt + b(x, t)dz
cosicché
Δx = aΔt + bε Δt
l Ignorando i termini di ordine superiore a Δt
si ottiene
∂G ∂G 1 ∂ 2G 2 2
ΔG = Δx + Δt + 2
b ε Δt
∂x ∂t 2 ∂x
Il Termine ε2Δt
• Dato che ε ~ φ(0, 1) si ha
E(ε) = 0 E(ε 2) – [E(ε)]2 = 1 E(ε2) = 1
• Ne segue che E(ε2Δt) = Δt
• La varianza di ε2Δt è proporzionale a Δt2
e può essere ignorata
• Pertanto
∂G ∂G 1 ∂ 2G 2
ΔG = Δx + Δt + 2
b Δt
∂x ∂t 2 ∂x
I Limiti
• Prendendo i limiti, si ottiene
∂G ∂G 1 ∂ 2G 2
dG = dx + dt + 2
b dt
∂x ∂t 2 ∂x
l Sostituendo dx = a(x, t)dt + b(x, t)dz si ottiene
⎛ ∂G ∂G 1 ∂ 2G 2 ⎞ ∂G
dG = ⎜⎜ a+ + 2
b ⎟⎟dt + bdz
⎝ ∂x ∂t 2 ∂x ⎠ ∂x
l Questo è il lemma di Ito

12.20
Approfondimento

CARATTERISTICHE DEI PS E
EFFICIENZA DEI MERCATI
Efficienza dei Mercati in Forma Debole
• Attraverso tecniche statistiche, in particolare con il calcolo
stocastico, è stato più volte e in più modi dimostrato che
qualsiasi grado di efficienza del mercato non avvantaggia in
alcun modo gli operatori.

• Ciò è dovuto al fatto che i prezzi si muovono secondo un


percorso casuale distribuito con media zero e non
stazionario in covarianza:
– in ogni istante il prezzo atteso per l'istante successivo coincide
con il prezzo attuale.

• I processi di Markov per i prezzi delle azioni sono coerenti


con l’ipotesi di efficienza dei mercati in forma debole
Efficienza dei Mercati
• L’efficienza informativa riguarda la relazione tra prezzi ed
informazioni.

• Un mercato è efficiente in senso informativo quando i prezzi


riflettono tutta l’informazione disponibile.

• In base alla teoria dei mercati efficienti in senso informativo, nessun


investitore è in grado di "battere" il mercato.

• In relazione all’efficienza informativa, esistono tre tipi di efficienze:


– efficienza informativa in forma debole;
– efficienza informativa in forma semi – forte;
– efficienza informativa in forma forte.
Grazie per la vostra attenzione

Prof. Francesco Busato