Martingales et intégration stochastique

Les martingales en temps continu, avec leur variation quadratique et leur décomposition en parties prévisible et martingale, constituent les intégrateurs sur lesquels les intégrales stochastiques sont construites.

Definition

En temps continu, une martingale est un processus dont les accroissements conditionnels espérés s'annulent ; sa variation quadratique mesure la fluctuation accumulée, la décomposition de Doob-Meyer divise les sous-martingales en une partie croissante prévisible et une martingale, et ces structures définissent l'intégration stochastique par rapport aux semi-martingales.

Scope

Ce sujet couvre les martingales en temps continu et les martingales locales, la décomposition de Doob-Meyer des sous-martingales, la variation quadratique et le processus de crochet, les semi-martingales en tant que plus grande classe naturelle d'intégrateurs, la construction de l'intégrale stochastique par rapport à une martingale, et le théorème de représentation des martingales exprimant les martingales browniennes comme des intégrales stochastiques.

Core questions

• Comment les martingales en temps continu et les martingales locales généralisent-elles le cas discret ?
• Qu'est-ce que la variation quadratique et pourquoi est-elle centrale pour l'intégration stochastique ?
• Comment la décomposition de Doob-Meyer identifie-t-elle la partie martingale d'un processus ?
• Pourquoi les semi-martingales sont-elles la classe naturelle d'intégrateurs, et qu'apporte la représentation des martingales ?

Key theories

Décomposition de Doob-Meyer et variation quadratique

Une sous-martingale se décompose de manière unique en une martingale locale plus un processus croissant prévisible, et la variation quadratique d'une martingale locale continue est le processus prévisible dont la soustraction rend son carré une martingale, fournissant la mesure de variance pour les intégrales stochastiques.

Intégrale stochastique et représentation des martingales

L'intégrale stochastique d'un processus prévisible par rapport à une martingale de carré intégrable est elle-même une martingale avec une variation quadratique calculable, et le théorème de représentation des martingales montre que toute martingale brownienne est une telle intégrale, la base de la couverture en finance.

Clinical relevance

L'intégration stochastique basée sur les martingales est le fondement mathématique de l'intégrale d'Itô et des équations différentielles stochastiques, de la théorie du filtrage, et de la tarification sans arbitrage et de la couverture en finance mathématique, où le théorème de représentation des martingales fournit des stratégies de réplication pour les titres dérivés.

History

Doob a conjecturé la décomposition que Meyer a prouvée en 1962, l'école de Strasbourg dirigée par Meyer a développé la théorie générale des semi-martingales et de l'intégration stochastique dans les années 1960 et 1970, et les travaux de Kunita et Watanabe sur les martingales de carré intégrable ont unifié l'intégrale par rapport aux intégrateurs martingales généraux.

Key figures

• Joseph Doob
• Paul-Andre Meyer
• Kiyosi Ito
• Hiroshi Kunita

Seminal works

• karatzasShreve1991

Frequently asked questions

Pourquoi intégrer par rapport à des martingales plutôt qu'à des fonctions ordinaires ?

Les trajectoires des martingales sont trop irrégulières pour être intégrées au sens ordinaire, mais leur fluctuation contrôlée, mesurée par la variation quadratique, permet une intégrale probabiliste qui est elle-même une martingale et sous-tend le calcul stochastique.

Qu'est-ce que la variation quadratique ?

C'est la limite des sommes des carrés des accroissements d'un processus sur des partitions de plus en plus fines ; pour les trajectoires de martingales, elle est généralement non nulle et agit comme l'horloge de variance naturelle pour l'intégration stochastique.