Condizioni di Novikov e Kazamaki spiegate
Scopri come i criteri di Novikov e Kazamaki trasformano un esponenziale stocastico da martingala locale in una densità valida per il cambio di misura
Risposta diretta
Novikov e Kazamaki sono test sufficienti che rendono un esponenziale stocastico di una martingala locale continua una vera martingala di aspettativa uno su un orizzonte dichiarato. Questa proprietà permette all'esponenziale di definire una densità di probabilità
Una martingala locale positiva può perdere massa
Per una martingala locale continua M, il suo esponenziale stocastico è Z_t = exp(M_t - ½⟨M⟩_t)
Z è una martingala locale positiva e quindi una supermartingala, perciò E[Z_t] può scendere sotto il suo valore iniziale uno
Se si perde massa, Z_T non può fungere da densità di probabilità senza modificare la costruzione prevista
Il cambio di misura richiede una vera martingala
Una densità su orizzonte finito richiede Z_T ≥ 0 and E[Z_T] = 1, con il processo densità dato dalle aspettative condizionate
L'integrabilità uniforme controlla la famiglia lungo l'orizzonte e sostiene cambi di misura coerenti ai tempi di arresto
Scrivere un'espressione esponenziale non dimostra che si normalizzi a uno o definisca una misura equivalente
Novikov controlla la variazione quadratica esponenziale
Un criterio comune di Novikov è E[exp(½⟨M⟩_T)] < ∞ per un orizzonte finito fisso T
Per M = ∫θ_s dW_s, la parentesi è ∫₀ᵀθ_s²ds, quindi il test richiede l'integrabilità esponenziale dello spostamento di drift quadrato accumulato
Il criterio è comodo perché usa la variazione quadratica, ma può essere più forte del necessario
Kazamaki esamina la martingala stessa
I criteri di tipo Kazamaki controllano exp(M/2), comunemente tramite una submartingala o una condizione di integrabilità uniforme sui tempi di arresto
Possono stabilire la proprietà di vera martingala nei casi in cui il momento esponenziale della parentesi di Novikov sia infinito
Le formulazioni esatte variano con l'orizzonte e la versione del teorema, quindi il criterio citato e la convenzione del segno devono essere espliciti
Il fallimento di un criterio non è il fallimento della densità
Entrambe le condizioni sono test sufficienti, non definizioni e in generale non condizioni necessarie
Se Novikov fallisce, Kazamaki, l'oscillazione media limitata, calcoli diretti dell'aspettativa o argomenti specifici del modello possono comunque funzionare
Se falliscono tutti i test pratici, non si può semplicemente presumere la proprietà di martingala; resta possibile un comportamento di martingala locale stretta
La finanza dipende dal passaggio dell'aspettativa uno
I cambiamenti di drift di Girsanov e le densità risk-neutral usano spesso un esponenziale stocastico costruito dal prezzo di mercato del rischio
Se la densità è una martingala locale stretta anziché una vera martingala, la misura di pricing proposta può essere difettosa o incoerente tra orizzonti
Questo problema compare anche negli stimatori del rapporto di verosimiglianza, nel filtraggio, nella dualità dell'utilità e nei modelli con comportamento simile a una bolla
Orizzonte, salti e localizzazione cambiano il test
Una condizione valida per ogni T finito non deve necessariamente fornire integrabilità uniforme su un orizzonte infinito
La localizzazione dimostra identità locali, ma non ripristina da sola l'aspettativa mancante quando si prendono i limiti
Gli esponenziali con salti richiedono criteri di positività e integrabilità che tengano conto dei salti; la formula continua di Novikov non va copiata invariata
Domande frequenti
Cos'è la condizione di Novikov?
Per una martingala locale continua M su [0,T], una forma comune richiede che E[exp(½⟨M⟩_T)] sia finita
La condizione di Novikov è necessaria?
No. È sufficiente, e un esponenziale stocastico può essere una vera martingala anche quando il momento di Novikov diverge
Kazamaki è più debole di Novikov?
Kazamaki può verificare casi che Novikov non rileva, anche se i confronti esatti dipendono dalle versioni e dalle ipotesi dichiarate
Perché queste condizioni sono importanti nel pricing delle opzioni?
Aiutano a dimostrare che un esponenziale usato per Girsanov ha aspettativa uno e definisce la misura di pricing prevista