Processing math: 92%

반응형

[금융수학] 10. 확률과정, 브라운운동



시간과 불확실성은 수학에서 시간의 흐름(process, sequence)과 확률(probability, randomness/risk)이라는 형태로 표현되고, 그 결과 확률과정(stochastic process)이 금융수학의 언어가 되었다. 


(X,F,P)를 표본공간이라고 하자. 

(여과, filtration) A[0,]일 때, 확률공간 (Ω,F)에 정의된 부분 σ체를 {Ft}tA라 하자. sts,tA에 대하여FsFtF이면, {Ft}tA를 여과라고 한다. 여기서의 첨자 t는 일반적으로 시간을 나타낸다.   

(확률과정, stochastic process) tA에 의해 순서가 매겨진 확률변수Xt:ΩR들의 집합족을 확률과정이라고 한다. AN{0}이면 이산확률과정, A가 구간이면 연속확률과정이라고 한다. 각각의 ωΩ에 대해 tXt(ω)를 표본경로(sample path)라고 한다. 

(적응, adapted) 확률공간 (Ω,F)에 정의된 여과 {Ft}tA에 대해 확률과정 {Xt}tA가 존재해서 임의의 t에 대해 XtFt가측이면 {Xt}tA는 여과 {Ft}tA에 적응되어 있다고 한다.  

(예측가능성, predictable/previsible) 확률과정 {Xt}t0이 여과 {Ft}t0에 적응되어 있을 때, 모든 t에 대해 Xt가 부분 σ대수 s<tFs에 적응되어 있다면, {Xt}t0는 예측가능하다고 한다.  

(마팅게일, martingale) 확률과정 {Xt}tA가 여과 {Ft}tA에 적응되어 있고, 모든 t에 대해 Xt:(Ω,F,P)R가 적분가능하다(E(|Xt|)<)고 하자. 임의의 st에 대해Xs=E(Xt|Fs)이면, {Xt}tA{Ft}tA에 대한 마팅게일이라고 한다.


대칭 랜덤워크(symmetric random walk)를 Yn이라 하자. 즉 Z1,...,Zn을 서로 독립이고 동일한 확률분포P(Zn=1)=P(Zn=1)=12를 갖는 확률변수라고 할 때Yn=Z1++Zn이다. 이때 확률과정 Y2nn은 여과 σ(Z1,...,Zn)에 대해 마팅게일이다.

증명:E(Y2n+1(n+1)|Fn)=E((Yn+Zn+1)2(n+1)|Fn)=E(Y2n+2YnZn+Z2n+1(n+1)|Fn)=E(Y2n+2YnZn+1(n+1)|Fn)=E(Y2n+2YnZn+1n|Fn)=E(Y2n|Fn)+E(2YnZn+1|Fn)E(n|Fn)=Y2n+2YnE(Zn+1|Fn)n=Y2nn위의 마지막 식에서 Zn+1Fn는 서로 독립이므로 E(Zn+1|Fn)=0이다. 


대칭 랜덤워크의 연속적 극한(continuous limit)은 브라운 운동 Wt이다. 따라서 Y2nn이 마팅게일이라는 사실은 W2tt가 마팅게일이라는 사실로 이어진다. 


표본공간 (Ω,FT,P)에 대해 여과 {Ft}0tTFT가측인 확률변수 X가 주어졌다고 하자.Xt=E(X|Ft)라고 하면 {Xt}0tT는 마팅게일이다. 

증명: 젠센의 부등식에 의해|Xt|=|E(X|Ft)|E(|X||Ft)이 성립하므로E(|Xt|)E(E(|X||Ft))=E(|X|)<이다. 그리고 조건부기댓값의 tower property(성질 iii)에 의해 s<t일 때E(Xt|Fs)=E(E(X|Ft)|Fs)=E(X|Fs)=Xs이므로 따라서 {Xt}0tT는 마팅게일이다. 


브라운 운동은 바슐리에가 옵션 가격의 공식을 연구하는데 이용했고, 아인슈타인은 독립적으로 연구했다. 여기서는 1차원 브라운 운동을 다루도록 하겠다.


시간 t=0일 때 입자가 0(원점)에 위치해 있고, 시간이 흐름에 따라 양 또는 음의 방향으로 연속적으로 움직인다고 하자. 입자가 시간 t>0일 때 구간 [a,b]안에 위치할 확률은ba12πtex22tdx이라 하자. 

공리적인 설명을 위해 시간 Δt동안 점 x에서 y로의 전이확률(transition probability)을 정규분포의 밀도함수12πΔte(xy)22Δt를 정의하고, 이 분포는 분산 Δt와 평균 x를 갖는다. 


브라운 운동의 표본경로. 확률공간 (Ω,F)에서 Ω는 다음의 성질들을 만족하는 ω:[0,)R인 표본 경로들의 집합이다.

(i) ω(0)=0 

(ii) ω는 연속함수이다. 

임의의 시간 0=t0<t1<<tn과 구간 I1,...,InR에 대해 원통집합C(t1,...,tn;I1,...,In)={ωΩ|ω(t1)I1,...,ω(tn)In}을 정의하자. 이 원통집합들로 생성된 σ체를 Ft라고 정의하면 {Ft}t0는 여과이다. Ω위의 σFt0Ft로 생성된다.


브라운 운동의 확률. Δti=titi1라고 하고 원통집합 C(t1,...,tn;I1,...,In)의 측도를 다음과 같이 정의한다.P(C(t1,...,tn;I1,...,In))=I1Inp(Δt1,0,x1)p(Δt2,x1,x2)p(Δtn,xn1,xn)dx1dxn콜모고로프 확장정리에 의해 PF전체에 정의된 측도로 확장된다.


브라운운동/위너과정 브라운운동은 표본공간 (Ω,F,P)에 정의된 확률변수 Wt:(Ω,F,P)R들의 집합으로서 Wt(ω)=ω(t)로 정의된다. 시간 0t<에 의해 순서가 정해져 있고, IR에 대해 W1t[I]=C(t,I)이므로 σ(Wt)Ft이다. 즉 {Wt}t0{Ft}t0에 적응되어 있다.


*Ω를 처음부터 연속함수들의 집합이 아닌 브라운 운동이 정의되어 있는 어떤 표본공간이라고 하면 브라운 운동을 다음과 같이 공리적으로 정의할 수 있다.    

(i) 거의 모든 ωΩ에 대하여 W0(ω)=0이다.

(ii) 거의 모든 ωΩ에 대하여 표본경로 tWt는 연속이다.

(iii) 임의의 시점 0=t0<t2<<tn과 구간 I1,...,InR에 대하여 Δti=titi1라 하면 다음이 성립한다.P(Wt1I1,...,WtnIn)=I1Inp(Δt1,0,x1)p(Δt2,x1,x2)p(Δtn,xn1,xn)dxndx1수학적 브라운 운동은 물리적 현상의 근사적 모델일 수 밖에 없는데 자연계에서 발견되는 브라운 운동은 속도가 유한할 수 밖에 없으나 수학적으로 확률이 아주 작지만 큰 속도도 가능하기 때문이다. 이러한 이유로 수학적 브라운 운동을 물리적 브라운 운동과 구별하려고 할 때 브라운 운동이라는 용어 대신 위너과정(Wiener process)이라고 하면 그 혼동을 피할 수 있다. 또한dWtdt=Wt+dtWtdt1dtN(0,12)이므로 dt0일 때 브라운 운동의 경로는 미분가능하지 않다.   


{Wt}t0가 브라운 운동일 때 X=W1의 밀도함수는 fX(x)=12πex22이고 Y=tW1의 밀도함수는 fY(x)=12πtex22t2이다. 이 사실은 Y=tW1Wt의 확률밀도함수가 같다는 사실로부터 유도할 수 있다. 


다음은 브라운운동이 갖는 성질이다. 

(i) 0st에 대해 WtWsN(0,ts)(WtWs는 기댓값이 0이고 분산이 ts인 정규분포를 따른다)

(ii) 0t1<t2<<t2n1<t2n에 대해 확률변수Wt2Wt1,...,Wt2nWt2n1는 서로 독립이다. 

증명:

(i) 임의의 보렐집합 BR에 대해P(WtWsB)=이고 따라서 Z=W_{t}-W_{s}의 확률밀도함수 f_{Z}(z)=p(t-s,\,0,\,z)이다. f_{Z}(z)는 기댓값이 0이고 분산이 t-s인 정규분포의 밀도함수이므로 증명을 완료했다.

(ii) 생략


브라운 운동의 연속성. 임의의 \epsilon>0에 대해 다음이 성립한다.\lim_{dt\,\rightarrow\,0}{P(\{\omega\,|\,|W_{t+dt}(\omega)-W_{t}(\omega)|>\epsilon\})}=0증명: 체비셰프 부등식에 의해 고정된 \epsilon>0에 대해 dt\,\rightarrow\,0이면\begin{align*}P(|W_{t+dt}-W_{t}|>\epsilon)&=P(|W_{t+dt}-E(W_{t+\delta t}|\mathcal{F}_{t})|>\epsilon)\\&\leq\frac{1}{\epsilon^{2}}\text{Var}(W_{t+dt}|\mathcal{F}_{t})\\&=\frac{dt}{\epsilon}\,\rightarrow\,0\end{align*}이다.  


참고자료:

금융수학의 방법론, 최건호, 경문사

반응형
Posted by skywalker222