- •Случайные события
- •Стохастический мир
- •Случайные величины
- •Совместная и условная вероятности
- •Зависимость и независимость
- •Характеристическая функция
- •Модель аддитивного блуждания
- •Случайные процессы
- •Стохастические уравнения
- •Уравнение Ито
- •Остановка перед восхождением
- •Лемма Ито
- •Точные решения
- •Простые стохастические модели
- •Представление решений
- •Автокорреляция и спектр
- •Порождающий процесс Винера
- •Средние значения
- •Динамическое уравнение для средних
- •Процесс Феллера
- •Логистическое уравнение
- •Вероятности
- •Марковские плотности вероятности
- •Граничные условия
- •Стохастические интегралы
- •Площадь под траекторией Винера
- •Интегралы Ито
- •Интегрирование стохастических уравнений
- •Единственность решений
- •Метод последовательных приближений
- •Системы уравнений
- •Скоррелированные блуждания
- •Системы стохастических уравнений
- •Стохастический осциллятор
- •Линейные многомерные модели
- •Многомерие помогает одномерию
- •Как решать стохастические задачи?
- •Стохастическая природа
- •Теория броуновского движения
- •Стохастический осциллятор
- •Дрожание земной оси
- •Электронный шум
- •Хищники и их жертвы
- •Стохастическое общество
- •Финансовые рынки
- •Эмпирические закономерности
- •Диверсификация
- •Портфель на всю жизнь
- •Опционы
- •Кривая доходности
- •Компьютерное моделирование
- •Статистики
- •Случайные числа
- •Моделирование стохастических процессов
- •Ошибки вычислений и ускорение сходимости
- •Вычисление средних
- •R: Стохастический справочник
- •Основные соотношения теории
- •Системы уравнений с одинаковым шумом
- •M: Математические приложения
- •H: Помощь
- •C: Примечания
- •Рекомендуемая литература
68 |
Глава 2. |
2.7Автокорреляция и спектр
В первой главе (стр. 40) мы говорили о том, что важной характери-
стикой стохастического процесса является связь прошлого и будущего . Она определяется автоковариацией между двумя моментами времени t1 < t2 при условии, что при t = t0 наблюдалось значение x0 = x(t0):
|
|
среднее |
|
|
|
|
. |
|||
|
|
covt0 |
(t1 |
; t2) = |
xt1 xt1 |
xt2 xt2 |
|
; |
(2.37) |
|
ãäå |
xt = hx(t)i |
|
|
значение в момент времени |
t |
, à |
xti = x(ti) |
|
||
|
|
|
|
|
|
|
|
Если решение стохастического дифференциального уравнения выражено через гауссову случайную переменную ", то вычисление автокова-
риации становится несложной задачей. Рассмотрим, например, винеровское блуждание с начальным значением x0 = x(t0):
p
x(t) = x0 + (t t0) + t t0 ":
Удобно положить t0 = 0, t1 = t è t2 = t + . При вычислении автоковариации предполагается, что x, прежде чем достигнуть xt+ = x(t + ), проходит через xt = x(t). Поэтому решение необходимо разбить на два интервала времени [0:::t] и [t:::t + ]. Считая xt начальным условием при= 0 äëÿ xt+ запишем:
p
xt+ = xt + + ": (2.38)
Если будущее блуждание " не зависит от случайной величины процесса xt в момент времени t, то hxt"i = hxti h"i = 0, è:
hxt+ xti = x2t + hxti :
Òàê êàê:
hxti = x0 + t; x2t hxti2 = 2 t;
легко найти автоковариационную функцию:
cov(t; t + ) = hxt+ xti hxt+ i hxti = 2 t:
Она зависит только от ближайшего к t0 = 0 времени t и не зависит от . Смысл этого факта мы обсуждали при описании дискретного винеровского процесса (стр. 36).
Аналогично вычисляются автоковариации для других стохастических процессов. В качестве упражнения имеет смысл найти автоковариацию для логарифмического блуждания (l H13) и броуновского моста (l H14).
Стохастические уравнения |
69 |
Для процесса Орнштейна-Уленбека решение:
|
|
|
|
|
|
||
|
|
|
|
|
|||
x(t) = + x0 e (t t0) + |
p |
|
p1 |
e 2 (t t0) " |
(2.39) |
||
2 |
при вычислении автоковариации также необходимо разбить на два интервала (l H15). В результате (t0 = 0):
|
2 |
|
cov(t; t + ) = 2(t) e = |
2 1 e 2 t e : |
(2.40) |
Если мы рассмотрим большое t, но конечное , то автоковариация
(2.40) будет стремиться к выражению, зависящему только от разности врем¼н = t2 t1:
cov(t; t + ) ! |
2 |
|
2 e : |
(2.41) |
Стационарным случайным процессом называется процесс, свойства которого не зависят от выбора начала отсч¼та времени. Стационарность в широком смысле означает, что среднее значение и волатильность не зависят от времени x(t) = const, (t) = const, а корреляционная функция
является только функцией разности врем¼н cov(t1; t2) = cov(t2 t1). По этому определению винеровское и логарифмическое блуждания не являются стационарными в широком смысле. В частности, для винеровского процесса волатильность увеличивается со временем, а автокорреляционная функция зависит только от первого времени t1. В то же время, эти процессы являются стационарными в узком смысле. Их среднее и вола- тильность зависят от t t0 и не изменяются при сдвиге времени. Процесс Орнштейна-Уленбека становится стационарным в широком смысле в асимптотическом пределе t ! 1. При задании произвольного x0, сильно отличающегося от , процесс будет стремиться к (большой снос). При
попадании в окрестности этого равновесного уровня начинается блуждание, статистические свойства которого не зависят от того, какое значение x0 было в начальный момент времени. Происходит забывание начальных условий.
Если коэффициенты сноса и волатильности в стохастическом дифференциальном уравнении Ито не зависят от времени, то его решение не должно зависеть от выбора начала отсч¼та x = f(x0; t t0; "). Оно является стационарным в узком смысле. Но только в достаточно простых ситуациях среднее и волатильность постоянны и, следовательно, стационарны в широком смысле.
70 |
Глава 2. |
Представим случайную функцию x(t) в следующем виде:
X
x(t) = x(t) + k k(t);
k
ãäå k случайные нескоррелированные величины с нулевым средним и единичной дисперсией. В общем случае они имеют не гауссово распределение. Функции k(t) являются обычными неслучайными функциями времени, а x(t) среднее значение стационарного процесса. Подобное
представление называют каноническим разложением. Автоковариационная функция и волатильность, в силу независимости
h i ji = ij случайных величин i, выражаются через функции k(t):
X X cov(t1; t2) = k(t1) k(t2); 2(t) = 2k(t):
k k
В случае стационарных в широком смысле случайных процессов в ка- честве базиса k(t) удобно выбрать гармоники Фурье. Рассмотрим симметричный интервал времени [ T=2::T=2] и введ¼м частоты !k = 2 k=T . Тогда стохастическим аналогом детерминированного фурье разложения (стр. 314) будет следующее представление:
1
X
x(t) = x + f k ak cos(!kt) + k bk sin(!kt)g ;
k=0
ãäå k, k независимые случайные числа с нулевым средним и единич- ной волатильностью. Найд¼м ковариацию:
1 |
|
|
Xk |
||
cov(t1; t2) = |
|
ak2 cos(!kt1) cos(!kt2) + bk2 sin(!kt1) sin(!kt2) : |
=0 |
|
|
Для стационарного процесса ковариация зависит только от разности врем¼н = t2 t1. Это произойд¼т, если a2k = b2k:
1
X
cov(t1; t2) = cov( ) = a2k cos(!k );
|
|
k=0 |
или в силу ортогональности косинусов: |
||
ak2 = T |
T=2 |
cov( ) cos(!k ) d : |
Z |
||
2 |
|
|
T=2
Коэффициенты a2k являются квадратами амплитуд и характеризуют вклад той или иной гармоники с частотой !k в случайный процесс. Чем они больше, тем типичнее случайные колебания с этой частотой.
Стохастические уравнения |
71 |
Введ¼м спектральную функцию S(!) = a2k= ! = a2k T=2 и устремим
T к бесконечности. Так как ковариационная функция, в силу определе-
ния, симметрична: cov(t1; t2) = cov(t2; t1), то стационарная ковариация будет ч¼тной: cov( ) = cov( ). Поэтому:
1 |
1 |
cov( ) ei! d : |
||||
S(!) = Z |
cov( ) cos(! ) d = Z |
|||||
1 |
|
1 |
|
|
||
|
|
1 |
|
|
1 |
|
В стационарном случае случайный процесс совершает некоторые нерегулярные колебания вокруг среднего значения. Иногда эти колебания обладают свойством квазипериодичности, когда наблюдается некоторая изменяющаяся, но вс¼ же в среднем стабильная частота колебаний. Инструментом изучения подобных явлений служит спектральная функция, являющаяся фурье образом стационарной ковариационной функции cov( ) = cov(t2 t1).
Для процесса Орнштейна - Уленбека:
|
2 |
1 |
|
2= |
|
S(!) = |
|
Z |
ei! j j d = |
|
: |
2 |
!2 + 2 |
||||
|
|
1 |
|
|
|
Это монотонно убывающая функция с максимумом при ! = 0. Чем параметр меньше, тем более типичными будут маленькие частоты ко-
лебания (большие периоды). В этом случае притяжение к равновесному уровню слабое, поэтому возможны блуждания, уходящие далеко и надолго вверх или вниз от положения равновесия.
До сих пор мы предполагали, что начальное условие для случайно-
го процесса зафиксировано абсолютно точно. Иногда удобно рассматривать некоторый набор начальных условий, задаваемый плотностью вероятности P (x0). В этом случае величина x0 в наших решениях будет не константой, а случайной величиной. Обычно предполагается, что она не зависит от свойств блуждания в последующие моменты времени и hx0"i = hx0i h"i = 0. Следовательно, дисперсия винеровского блуждания:
p
(x(t) x)2 = (x0 x0 + t t0 ")2 = (x0 x0)2 + 2 (t t0)
равна сумме неопредел¼нности начальных условий и неопредел¼нности процесса блуждания x2 = x20 + 2 (t t0). Аналогичным образом подправляются и выражения для автоковариации.