Solo mis pocos pensamientos sobre el problema: ¡puede ser útil!
- Primero podría encontrar una solución implícita para los SDE...
d(miα tXt) =miα t( α βdt + γXt−−√dW( 1 )t)⟹Xt=X0mi- α t+ β( 1 −mi- α t) +∫t0γmi- α ( t - s )Xs−−−√dW( 1 )s
y
d(midtYt) =midt( dεdt + ζYt−−√dW( 2 )t)⟹Yt=Y0mi− dt+ ε ( 1 −mi− dt) +∫t0ζmi− d( t - s )Ys−−√dW( 2 )s.
- Luego calcula las expectativas
{mi0[Xt]mi0[Yt]=X0mi- α t+ β( 1 −mi- α t)=Y0mi− dt+ ε ( 1 −mi− dt) .
- A continuación, por isometría de Ito, calcule las varianzas
V0(Xt)=mi0[(∫t0γmi- α ( t - s )Xs−−−√dW( 1 )s)2]=mi0[∫t0γ2mi- 2 α ( t - s )Xsd[W( 1 ),W( 1 )]s]=∫t0γ2mi- 2 α ( t - s )mi0[Xs]ds=γ2∫t0X0mi− 2 α t + α s+ β(mi− 2 α t + 2 α s−mi− 2 α t + α s)ds=X0γ2α(mi- α t−mi− 2 α t) +βγ22a _( 1 −mi- α t)2.
y de manera similar
V0(Yt)=Y0ζ2d(mi− dt−mi− 2 δt) +εζ22 δ( 1 −mi− dt)2.
Todo hasta aquí concuerda con la literatura.
Asumirr = 1
ya que depende linealmente deρ
. El problema con la covarianza es que obtendrás
C o v0(Xt,Yt) = ργ _ζ∫t0mi− ( α + δ) ( t - s )mi0[XsYs−−−−√]ds ,
pero entonces estás trabajando con no centralx
distribuciones.
Aquí es donde aparece un poco confuso. Ahora deberías poder usar el hecho de queX, Y
son (a escala por factorCj
paraj ∈ { 1 , 2 }
) no centralx2
distribuciones con grados de libertadkj
y parámetros de no centralidadλj
- estos se pueden calcular a partir de los momentos. Luego deberá integrarse contra la distribución conjunta
https://projecteuclid.org/journals/annals-of-mathematical-statistics/volume-33/issue-3/The-Distribution-of-the-Product-of-Two-Central-or-Non/10.1214/aoms/ 1177704469.completo
numéricamente para obtener el resultado. Pero está integrando funciones de Bessel (del segundo tipo), así que soy bastante escéptico de que exista una buena forma cerrada.
- Un par de comentarios: creo que es más fácil si asumes4 α β=γ2
Desde entoncesk = 1
y procesotut=Xt−−√
tiene mejores momentos. El caso extremo (α = δ
,β= ε
yγ= ζ
) también debe estar de acuerdo conV0(Xt)
.
cristobal k
José Avilez
no_seguro95