El cálculo de Itô , que lleva el nombre de Kiyosi Itô , extiende los métodos de cálculo a procesos estocásticos como el movimiento browniano (ver proceso de Wiener ). Tiene importantes aplicaciones en finanzas matemáticas y ecuaciones diferenciales estocásticas .
El concepto central es la integral estocástica de Itô, una generalización estocástica de la integral de Riemann-Stieltjes en análisis. Los integrandos y los integradores son ahora procesos estocásticos:
Los resultados importantes del cálculo de Itô incluyen la fórmula de integración por partes y el lema de Itô , que es una fórmula de cambio de variables . Estas difieren de las fórmulas del cálculo estándar debido a los términos de variación cuadrática .
En finanzas matemáticas , la estrategia de evaluación de la integral descrita se conceptualiza como que primero decidimos qué hacer y luego observamos el cambio en los precios. El integrando es la cantidad de acciones que tenemos, el integrador representa el movimiento de los precios y la integral es cuánto dinero tenemos en total, incluido el valor de nuestras acciones, en un momento dado. Los precios de las acciones y otros activos financieros negociados pueden modelarse mediante procesos estocásticos como el movimiento browniano o, más a menudo, el movimiento browniano geométrico (véase Black-Scholes ). Entonces, la integral estocástica de Itô representa el beneficio de una estrategia de negociación en tiempo continuo que consiste en mantener una cantidad Ht de la acción en el momento t . En esta situación, la condición de que H esté adaptado corresponde a la restricción necesaria de que la estrategia comercial solo pueda hacer uso de la información disponible en cualquier momento. Esto evita la posibilidad de obtener ganancias ilimitadas a través de la clarividencia : comprar acciones justo antes de cada alza en el mercado y vender antes de cada caída. De manera similar, la condición de que H esté adaptado implica que la integral estocástica no divergirá cuando se calcule como un límite de las sumas de Riemann (Revuz y Yor 1999, Capítulo IV).
El proceso Y definido antes como
La integral de Itô se puede definir de manera similar a la integral de Riemann-Stieltjes , es decir, como un límite en la probabilidad de las sumas de Riemann ; tal límite no existe necesariamente en el camino. Supongamos que B es un proceso de Wiener (movimiento browniano) y que H es un proceso continuo por la derecha ( càdlàg ), adaptado y acotado localmente. Si es una secuencia de particiones de [0, t ] con un ancho de malla igual a cero, entonces la integral Itô de H con respecto a B hasta el momento t es una variable aleatoria
Se puede demostrar que este límite converge en probabilidad .
Para algunas aplicaciones, como los teoremas de representación de martingala y los tiempos locales , la integral es necesaria para procesos que no son continuos. Los procesos predecibles forman la clase más pequeña que está cerrada bajo los límites de las secuencias y contiene todos los procesos continuos por la izquierda adaptados. Si H es cualquier proceso predecible tal que ∫ 0 t H 2 ds < ∞ para cada t ≥ 0 entonces se puede definir la integral de H con respecto a B , y se dice que H es B -integrable. Cualquier proceso de este tipo puede aproximarse mediante una secuencia H n de procesos continuos a la izquierda, adaptados y acotados localmente, en el sentido de que
Un proceso de Itô se define como un proceso estocástico adaptado que puede expresarse como la suma de una integral con respecto al movimiento browniano y una integral con respecto al tiempo,
Aquí, B es un movimiento browniano y se requiere que σ sea un proceso B -integrable predecible, y μ sea predecible y ( Lebesgue ) integrable. Eso es,
Esto se define para todos los integrandos predecibles y acotados localmente. De manera más general, se requiere que Hσ sea B -integrable y Hμ sea integrable de Lebesgue, de modo que
Un resultado importante para el estudio de los procesos de Itô es el lema de Itô . En su forma más simple, para cualquier función f dos veces continuamente diferenciable en los reales y el proceso Itô X como se describió anteriormente, establece que f ( X ) es en sí mismo un proceso Itô que satisface
Esta es la versión de cálculo estocástico de la fórmula de cambio de variables y la regla de la cadena . Difiere del resultado estándar debido al término adicional que involucra la segunda derivada de f , que proviene de la propiedad de que el movimiento browniano tiene variación cuadrática distinta de cero .
La integral de Itô se define con respecto a una semimartingala X. Estos son procesos que se pueden descomponer como X = M + A para una martingala local M y un proceso de variación finita A. Ejemplos importantes de tales procesos incluyen el movimiento browniano , que es una martingala , y los procesos de Lévy . Para un proceso H continuo por la izquierda, acotado localmente y adaptado , la integral H · X existe y puede calcularse como un límite de sumas de Riemann. Sea π n una secuencia de particiones de [0, t ] con malla yendo a cero,
Este límite converge en probabilidad. La integral estocástica de procesos continuos por la izquierda es lo suficientemente general para estudiar gran parte del cálculo estocástico. Por ejemplo, es suficiente para aplicaciones del lema de Itô, cambios de medida mediante el teorema de Girsanov y para el estudio de ecuaciones diferenciales estocásticas . Sin embargo, es inadecuado para otros temas importantes como los teoremas de representación de martingala y los tiempos locales .
La integral se extiende a todos los integrandos predecibles y acotados localmente, de una manera única, de modo que se cumple el teorema de convergencia dominada . Es decir, si H n → H y | H norte | ≤ J para un proceso J acotado localmente , entonces
En general, la integral estocástica H · X se puede definir incluso en los casos en que el proceso predecible H no está acotado localmente. Si K = 1 / (1 + | H |) entonces K y KH están acotados. La asociatividad de la integración estocástica implica que H es X -integrable, con integral H · X = Y , si y sólo si Y 0 = 0 y K · Y = ( KH ) · X . El conjunto de procesos integrables en X se denota por L ( X ) .
Las siguientes propiedades se pueden encontrar en trabajos como (Revuz & Yor 1999) y (Rogers & Williams 2000):
Como ocurre con el cálculo ordinario, la integración por partes es un resultado importante en el cálculo estocástico. La fórmula de integración por partes para la integral de Itô difiere del resultado estándar debido a la inclusión de un término de covariación cuadrática . Este término proviene del hecho de que el cálculo de Itô trata procesos con variación cuadrática distinta de cero, lo que sólo ocurre para procesos de variación infinita (como el movimiento browniano). Si X e Y son semimartingalas entonces
El resultado es similar al teorema de integración por partes para la integral de Riemann-Stieltjes pero tiene un término de variación cuadrática adicional .
El lema de Itô es la versión de la regla de la cadena o fórmula de cambio de variables que se aplica a la integral de Itô. Es uno de los teoremas más poderosos y utilizados con frecuencia en el cálculo estocástico. Para una semimartingala continua de n dimensiones X = ( X 1 ,..., X n ) y una función f dos veces continuamente diferenciable de R n a R , se establece que f ( X ) es una semimartingala y,
Una propiedad importante de la integral de Itô es que conserva la propiedad martingala local . Si M es una martingala local y H es un proceso predecible acotado localmente, entonces H · M también es una martingala local. Para integrandos que no están acotados localmente, hay ejemplos en los que H · M no es una martingala local. Sin embargo, esto sólo puede ocurrir cuando M no es continuo. Si M es una martingala local continua, entonces un proceso predecible H es M -integrable si y sólo si
La afirmación más general para una martingala local discontinua M es que si ( H 2 · [ M ] ) 1/2 es localmente integrable entonces H · M existe y es una martingala local.
Para integrandos acotados, la integral estocástica de Itô preserva el espacio de martingalas cuadradas integrables , que es el conjunto de martingalas càdlàg M tal que E[ M t 2 ] es finito para todo t . Para cualquier martingala cuadrada integrable M , el proceso de variación cuadrática [ M ] es integrable, y la isometría de Itô establece que
Para cualquier p > 1 y un integrando predecible acotado, la integral estocástica preserva el espacio de p -martingalas integrables. Estas son martingalas càdlàg tales que E(| M t | p ) es finita para todo t . Sin embargo, esto no siempre es cierto en el caso de que p = 1 . Hay ejemplos de integrales de procesos predecibles acotados con respecto a martingalas que no son martingalas en sí mismas.
El proceso máximo de un proceso càdlàg M se escribe como M* t = sup s ≤ t | M s | . Para cualquier p ≥ 1 e integrando predecible acotado, la integral estocástica preserva el espacio de martingalas càdlàg M tal que E[( M* t ) p ] es finito para todo t . Si p > 1 entonces esto es lo mismo que el espacio de p martingalas integrables, según las desigualdades de Doob .
Las desigualdades de Burkholder-Davis-Gundy establecen que, para cualquier p ≥ 1 dado , existen constantes positivas c , C que dependen de p , pero no de M o de t tales que
Las pruebas de que la integral de Itô está bien definida generalmente proceden observando primero integrandos muy simples, como procesos constantes por partes, continuos por la izquierda y adaptados donde la integral se puede escribir explícitamente. Estos procesos simples y predecibles son combinaciones lineales de términos de la forma H t = A 1 { t > T } para tiempos de parada T y F T -variables aleatorias medibles A , para las cuales la integral es
Para un movimiento browniano B , la propiedad de que tiene incrementos independientes con media cero y varianza Var( B t ) = t se puede utilizar para probar la isometría de Itô para integrandos simples y predecibles,
Para una semimartingala general X , se puede utilizar la descomposición X = M + A en una martingala local M más un proceso de variación finita A. Luego, se puede demostrar que la integral existe por separado con respecto a M y A y combinarse usando linealidad, H · X = H · M + H · A , para obtener la integral con respecto a X. La integral estándar de Lebesgue-Stieltjes permite definir la integración con respecto a procesos de variación finita, por lo que la existencia de la integral de Itô para semimartingalas se derivará de cualquier construcción para martingalas locales.
For a càdlàg square integrable martingale M, a generalized form of the Itô isometry can be used. First, the Doob–Meyer decomposition theorem is used to show that a decomposition M2 = N + ⟨M⟩ exists, where N is a martingale and ⟨M⟩ is a right-continuous, increasing and predictable process starting at zero. This uniquely defines ⟨M⟩, which is referred to as the predictable quadratic variation of M. The Itô isometry for square integrable martingales is then
Many other proofs exist which apply similar methods but which avoid the need to use the Doob–Meyer decomposition theorem, such as the use of the quadratic variation [M] in the Itô isometry, the use of the Doléans measure for submartingales, or the use of the Burkholder–Davis–Gundy inequalities instead of the Itô isometry. The latter applies directly to local martingales without having to first deal with the square integrable martingale case.
Alternative proofs exist only making use of the fact that X is càdlàg, adapted, and the set {H · Xt: |H| ≤ 1 is simple previsible} is bounded in probability for each time t, which is an alternative definition for X to be a semimartingale. A continuous linear extension can be used to construct the integral for all left-continuous and adapted integrands with right limits everywhere (caglad or L-processes). This is general enough to be able to apply techniques such as Itô's lemma (Protter 2004). Also, a Khintchine inequality can be used to prove the dominated convergence theorem and extend the integral to general predictable integrands (Bichteler 2002).
El cálculo de Itô se define ante todo como un cálculo integral como se describió anteriormente. Sin embargo, también existen diferentes nociones de "derivada" con respecto al movimiento browniano:
El cálculo de Malliavin proporciona una teoría de diferenciación para variables aleatorias definidas en el espacio de Wiener , incluida una fórmula de integración por partes (Nualart 2006).
El siguiente resultado permite expresar las martingalas como integrales de Itô: si M es una martingala integrable al cuadrado en un intervalo de tiempo [0, T ] con respecto a la filtración generada por un movimiento browniano B , entonces existe un proceso único integrable al cuadrado adaptado en [0, T ] tal que
En física, normalmente se utilizan ecuaciones diferenciales estocásticas (SDE), como las ecuaciones de Langevin , en lugar de integrales estocásticas. Aquí una ecuación diferencial estocástica de Itô (SDE) a menudo se formula mediante
Si es una función de x k , entonces se debe utilizar el lema de Itô :
Un SDE de Itô como el anterior también corresponde a un SDE de Stratonovich que dice
Las SDE ocurren con frecuencia en física en forma de Stratonovich, como límites de ecuaciones diferenciales estocásticas impulsadas por ruido coloreado si el tiempo de correlación del término de ruido se acerca a cero. Para un tratamiento reciente de diferentes interpretaciones de ecuaciones diferenciales estocásticas, consulte, por ejemplo, (Lau y Lubensky 2007).