10 votos

Problema 3.24 de "Brownian Motion & Stochastic Processes" de Karatzas y Shreve - Submartingales y tiempos de parada

Yo estoy haciendo el problema 3.24 de Movimiento Browniano y Procesos Estocásticos por Karatzas y Shreve. Hay dos partes específicas preocupante mí, necesito un poco de ayuda para ver qué hacer. Aquí está el problema:

Supongamos que $ \{ X_t, \mathcal{F}_t \ : \ 0 \leq t < \infty \}$ es un derecho-continuo submartingale y $T$ es un tiempo de paro $ \{ \mathcal{F}_t \} $. A continuación, $\{ X_{T \ \wedge \ t} , \mathcal{F}_t \ : \ 0 \leq t < \infty \} \ $ es de nuevo un submartingale.

Para probar esto, necesito mostrar que

i) $X_{T\wedge t}$ $\mathcal{F}_t$- medibles para todos los $t\geq 0$,

ii) $E[\ |X_{T\wedge t}|\ ] < \infty$ todos los $t\geq 0$,

iii) $E[X_{T\wedge t}| \mathcal{F}_s] \geq X_{T\wedge s}$ todos los $t>s\geq 0$.

Elemento i se hace. Artículo ii y iii son parcialmente hecho y es en estos dos artículos que necesito ayuda.

En el punto ii, podemos escribir $$E[\ |X_{T\wedge t}|\ ] = \int |X_{T\wedge t}| \ dP = \int_{ \{ 0\leq T \leq t \} } |X_{T\wedge t}| \ dP + \int_{ \{ t< T \} } |X_{T\wedge t}| \ dP = $$ $$ = \int_{ \{ 0\leq T \leq t \} } |X_T| \ dP + \int_{ \{ t< T \} } |X_t| \ dP \leq \int_{ \{ 0\leq T \leq t \} } |X_T| \ dP + \int |X_t| \ dP =$$ $$ = \int_{ \{ 0\leq T \leq t \} } |X_T| \ dP + E[\ |X_t|\ ]$$

Sabemos $E[\ |X_t|\ ] < \infty$ $X_t$ es un submartingale, pero ¿qué podemos hacer acerca de $\int_{ \{ 0\leq T \leq t \} } |X_T| \ dP$ ? Sé $\int_{ \{ 0\leq T \leq t \} } |X_T| \ dP \leq \int \sup_{ 0\leq u \leq t } |X_u| \ dP = E[\ \sup_{ 0\leq u \leq t } |X_u|\ ]$, pero no sé qué hacer desde aquí.

En el punto iii, mostrando que $E[X_{T\wedge t}| \mathcal{F}_s] \geq X_{T\wedge s}$ es equivalente a demostrar que $E[X_{T\wedge t}\cdot\textbf{I}_A] \geq E[X_{T\wedge s}\cdot\textbf{I}_A]$ todos los $A\in\mathcal{F}_s$. Con esto en mente, veamos $A\in\mathcal{F}_s$ y la nota que

$$E[X_{T\wedge t}\cdot\textbf{I}_A] \geq E[X_{T\wedge s}\cdot\textbf{I}_A] \iff \int_A X_{T\wedge t}\ dP \geq \int_A X_{T\wedge s}\ dP \iff$$

$$\iff \int_{A\cap\{ 0\leq T\leq t \}} X_{T\wedge t}\ dP + \int_{A\cap \{ t< T\}} X_{T\wedge t}\ dP \geq \int_{A\cap\{ 0\leq T\leq s \}} X_{T\wedge s}\ dP + \int_{A\cap \{ s< T\}} X_{T\wedge s}\ dP \iff$$

$$\iff \int_{A\cap\{ 0\leq T\leq t \}} X_T\ dP + \int_{A\cap \{ t< T\}} X_t\ dP \geq \int_{A\cap\{ 0\leq T\leq s \}} X_T\ dP + \int_{A\cap \{ s< T\}} X_s\ dP .$$

Ahora me gustaría venir para arriba con un ingenioso argumento para demostrar que la última desigualdad se cumple. Por desgracia, nada viene a mi mente y no puedo pensar en otra forma de abordar este problema.

Muchas gracias!

2voto

mmfrgmpds Puntos 161

Creo que casi han respondido a tu propia pregunta. La naturaleza finita de la desigualdad en (ii) se sigue de lo finito de la propiedad de la expectativa de la supremum, es decir, $$ \int\limits_{ \{ 0\leq T \leq t \} } |X_T| \ dP \leq E\left[ \sup_{ 0\leq u \leq t } |X_u|\right] < \infty, $$ y, por lo tanto, $$ E\left[ |X_{T\wedge t}| \right] \leq E\left[ \sup_{ 0\leq u \leq t } |X_u|\right] + E[|X_t|] < \infty. $$ Para obtener la condición (iii), de aplicar la esperanza condicional de valor a ambos lados de la desigualdad. Esto le da, $$ E\left[ X_{T\wedge t} | F_S \right] \geq E\left[X_{T\wedge S} | F_S \right], $$ que sigue, por definición, y el hecho de que $S\leq T$.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X