Professional Documents
Culture Documents
Javier Arbelez L.
Ulises Crcamo C1.
RESUMEN
La importancia de las ecuaciones diferenciales estocsticas y, en general el
clculo estocstico, en las ciencias econmicas no ha sido resaltada suficientemente en nuestro medio. A diferencia de las aplicaciones financieras, que han sido ampliamente difundidas, las aplicaciones de otras reas
de la economa son prcticamente desconocidas en nuestro entorno acadmico. Este curso elemental es una invitacin a conformar grupos
interdisciplinarios de estudiosos de la matemtica y las ciencias econmicas para abordar tales aplicaciones
.
ABSTRACT
The importance of the stochastic differential equations, and, in general of
the stochastic Calculus in Economics, has not been properly emphasized
in our academic communities. Unlike the applications to finance, the
INTRODUCCIN
La importancia de las ecuaciones diferenciales estocsticas y en general, del clculo estocstico en finanzas es evidente.
Nadie puede preciarse de tener un conocimiento profundo de ciertos temas financieros, como por ejemplo los derivados,
si no ha estudiado seriamente un curso
de clculo estocstico.
Ahora, un curso serio de este clculo requiere de nociones de teora de la medida, y procesos estocsticos, entre otros,
que solo son accesibles a estudiantes
avanzados de matemticas.
Un primer acercamiento a las aplicaciones del clculo estocstico en la economa se puede hacer incluyendo incertidumbre (y riesgo) en algunos de los modelos fundamentales.
Un modelo neoclsico de crecimiento
Un primer acercamiento
a las aplicaciones
del clculo estocstico
en la economa
se puede hacer incluyendo
incertidumbre (y riesgo) en
algunos de los modelos
fundamentales.
0 < s<1
(7)
Ahora,
dK
dL
L
K ! !
dk d K dt
dt = K L . K = s.f (k ) nk
= =
dt dt L
L L L
L2
as
dk
= s. f (k ) nk
dt
(8)
131
2. Sus diferencias W(t) = W(t)W(s) tienen una distribucin normal con media
0 y varianza t-s = t , para todo s < t.
Lema 1
Al proceso estocstico {W(t)} se le conoce como ruido blanco gaussiano5 y es bastante til en la simulacin de los procesos
de Wiener, las integrales estocsticas y las
ecuaciones diferenciales estocsticas.
A partir de esta definicin se pueden probar las propiedades reunidas en el siguiente lema:
133
Las integrales estocsticas son generalizaciones de las integrales que hemos estudiado en el clculo elemental en el sen-
tido de que son sumas infinitas. Una aproximacin semi-intuitiva a este tipo de integrales se logra despus de entender las
siguientes ideas:
La informacin generada por un proceso
estocstico
Las trayectorias de un
proceso de Wiener son
curvas continuas que
no son diferenciables
en ningn punto.
135
g(s)dW(s) =
lim b
gn (s)dW(s) .
n a
Sea g un proceso en L2 [a, b] y sea Z = a g(s)dW(s) , entonces las siguientes propiedades se cumplen:
b
1.
2.
E(Z2)= a E g(s)
3.
Z es Fbw -medible11.
ds
Esta es la propiedad que hace que las integrales estocsticas, tal como se han
definido ac sean apropiadas para modelar precios de acciones13. La forma dbil de la Hiptesis de los Mercados Eficientes establece que los precios actuales reflejan, de manera completa, la informacin contenida en las series de precios histricos. As, los inversionistas no
pueden concebir ninguna estrategia para
obtener ganancias fuera de lo comn, de
una manera consistente, basados en la
informacin disponible para el pblico y
el mejor pronstico para maana es el
precio de hoy.
Diferenciales estocsticos
Esta nocin est ntimamente relacionada con la Hiptesis dbil de los Mercados Eficientes.
Lema 3
137
n.L ( S ) ds + .L ( S ) dz
0
(13).
La Frmula (Lema) de It
f
f 1 2 2 f
f
dt + " dW(t)
+ + "
2
x 2 x
x
t
(15)
Ejemplo 1
f
f
= 4.x 3
= 0,
x
t
2f
= 6 x 2 . Substitux2
139
Supongamos que existe una constante K tal que para todo x, todo y, y
todo t (t, x) (t, y) K x y , "(t, x) "(t, y) K x y and "(t, x) + (t, x)
K(1 + x ) , entonces existe una solucin X(t) a la ecuacin (16) que tiene las
siguientes propiedades:
1. X es un proceso FtW-adaptado.
2. X tiene trayectorias continuas.
3. X es un proceso de Markov,
4. Existe una constante C tal que E[ X(t) ] Ce
Ct
(1 + x0 ) .
2
La solucin de la EDE (17) est dada por X(t) = x0 ee( 2 )t +.W ( t ) (18); su valor
1
En muchas de las aplicaciones, se consideran procesos estocsticos relacionados con ms de una fuente de aleatoriedad. El caso tpico se presenta
cuando se tiene un portafolio de inversiones, digamos que contiene n activos, y una gran cantidad de los precios de los activos financieros que conforman el portafolio varan aleatoriamente, digamos, d, de los n. En estos
casos la descripcin del portafolio necesitar de d procesos estocsticos.
Se puede tener una primera aproximacin utilizando un proceso browniano
d-dimensional.
Antes de hacer la extensin a d-dimensiones, en aras de facilitar esa transicin de 1 a d, estudiaremos procesos estocsticos relacionados con procesos brownianos de dos dimensiones.
Proceso de Wiener y diferenciales Bidimensionales
Bi-dimensionales
141
" 21 ( t ) " 22 ( t )
en forma ms compacta como dX(t) = (t) dt + (t). dW(t). Este es un ejemplo de un diferencial estocstico bidimensional.
Definamos el proceso Z, mediante, Z = f(t, X(t)) donde f es una funcin de
R3 en R que es derivable una vez con respecto a t y dos veces con respecto a
cada una de las componentes de X, es decir una funcin C1,2. Qu forma
dZ? La respuesta nos la da una generalizacin del lema de It que enunciamos a continuacin:
(26)
El lector interesado puede comprobar fcilmente que, efectivamente la expresin (24) se convierte en la expresin (21) despus de aplicar la tabla de
multiplicacin formal.
A la funcin f y al proceso de la expresin (20).
El aspecto del diferencial dk en el modelo de Solow con Incertidumbre
143
144
Semestre Econmico
Sabemos que y por tanto esta es la nueva funcin que en el lema aparece
denotada por f. Adems dX1 y dX2, son, respectivamente dK y dL que estn
dados por
dK= s.F(K, L)dt,
dL = nL.dt + Ldz , donde hacemos notar que dK no tiene trmino aditivo de
ruido gaussiano.
1 2k
2k
2k
k
k
k
2
2
dKdL + 2 (dL )
dL + 2 (dK ) + 2
dK +
dt +
2 K
KL
L
K
t
L
Ahora,
k
k
K k 1 2 k
2k
1
= ,
= 2,
= 0,
= 2
0
=
,
2
L
t
L K L K
KL
L
(27)
2k 2K
=
.
L2 L3
dk = 0
K
1
1
K
1
2
dL + dK + 0 + 2 2 dKdL + 2 3 (dL )
2
L
2
L
L
L
K
1
1
K
1
2
dL + dK + 0 + 2 2 dKdL + 2 3 (dL )
2
L
2
L
L
L
K
(nLdt + Ldz ) + 1 dk + 1 22 dKdL + 2K3 n 2L2 (dt )2 + 2ndtdz + 2L2 (dz )2 ,
2
2 L
L
L
L
K
(nLdt + Ldz ) + dK dK dL + 1 2K3 2L2 dt , despus
2
L
L L 2L
L
)]
dk = sf (k ) k n 2 dt kdz (28)
que se convierte en
Naturalmente, como los modelos matemticos son slo representaciones de la realidad, es pertinente analizar bajo qu con-
Unos ejercicios
145
146
Semestre Econmico
NO
NOTTAS
1 Javier Arbelez L. y Ulises Crcamo C. son ambos Licenciados en Matemticas de la Universidad
de Medelln y tienen ttulo de Master en Matemticas Aplicadas de la Universidad EAFIT. Ulises
Crcamo C. es adems candidato a Ph.d in Computational and Applied Mathematics (Finance)
de la University of Canterbury, New Zealand. Javier Arbelez L es profesor de tiempo complete
del Instituto Tecnolgico Metropolitano (ITM) y catedrtico de la Universidad EAFIT, Ulises
Crcamo es profesor de tiempo completo esta misma universidad. Fecha de recepcin: septiembre 17 de 2004. Fecha de aprobacin: octubre 15 de 2004.
2 En nombre del economista Ken-Ichi Inada
3 Robert Solow, Premio Nbel de Economa, 1987
4 En honor del Matemtico Norbert Wiener.
5 Esto es porque, en analoga con la luz blanca, este contiene todas las frecuencias.
6 No est dems recordar que un proceso estocstico es una familia indexada de variables
aleatorias.
7 Estrictamente hablando, una filtracin es una familia creciente de sub-sigma lgebras de la
sigma lgebra en la que est definida el proceso estocstico. Una sigma lgebra es una clase
cerrada de eventos que representa informacin. En este caso la filtracin se puede interpretar
como un flujo de informacin generado por el proceso X desde t = 0.
8 En general esta integral es de las llamadas Integrales de Lebesgue y esta condicin debe
interpretarse como casi seguramente. Es decir, el conjunto de puntos donde no se cumple es
despreciable, desde el punto de vista de la Teora de la Medida. Esta propiedad se enuncia
diciendo que el proceso g debe ser de cuadrado integrable.
9 En nombre de Kiyoshi It. Existe tambin la integral de Stratonovich, pero esta nos e usa en
finanzas.
10 Parece ser similar a una integral de Stietljes, sin embargo es bastante diferente.
11 Hablando intuitivamente, la distribucin de probabilidades de la integral se puede obtener con
la ayuda de las trayectorias del proceso de Wiener en [a,b].
12 Por ejemplo, la informacin generada por todos lo eventos observados hasta el instante t.
13 La integral de Stratonovich, en general, no es una martingala.
14 Esto quiere decir, f = f(t,x) Es una vez diferenciable con respecto a t y dos veces diferenciable
con respecto a x.
147