Processo de Cauchy

Em teoria da probabilidade, um processo de Cauchy é um tipo de processo estocástico. Há formas simétricas e assimétricas do processo de Cauchy.[1] O termo "processo de Cauchy" não especificado é frequentemente usado para fazer referência ao processo de Cauchy simétrico[2]

O processo de Cauchy tem certas propriedades:

  1. É um processo de Lévy;[3][4][5]
  2. É um processo estável;[1][2]
  3. É um processo de saltos puros;[6]
  4. Seus momentos são infinitos.

Processo de Cauchy simétrico

O processo de Cauchy simétrico pode ser descrito por um movimento browniano ou processo de Wiener sujeito ao subordinador de Lévy.[7] O subordinador de Lévy é um processo associado a uma distribuição de Lévy, tendo parâmetro de localização 0 {\displaystyle 0} e parâmetro de escala t 2 / 2 {\displaystyle t^{2}/2} .[7] A distribuição de Lévy é um caso especial de distribuição gama inversa. Então, usando C {\displaystyle C} para representar o processo de Cauchy e L {\displaystyle L} para representar o subordinador de Lévy, o processo de Cauchy simétrico pode ser descrito como:

C ( t ; 0 , 1 ) := W ( L ( t ; 0 , t 2 / 2 ) ) . {\displaystyle C(t;0,1)\;:=\;W(L(t;0,t^{2}/2)).}

A distribuição de Lévy é a probabilidade do primeiro tempo de chegada para um movimento browniano. Logo, o processo de Cauchy é na essência o resultado de dois processos de movimento browniano independentes.[7]

A representação de Lévy-Khintchine para o processo de Cauchy simétrico é um triplo com deriva zero e difusão zero, o que resulta em um triplo de Lévy-Khintchine de ( 0 , 0 , W ) {\displaystyle (0,0,W)} , em que W ( d x ) = d x / ( π x 2 ) {\displaystyle W(dx)=dx/(\pi x^{2})} .[8]

A função característica marginal do processo de Cauchy simétrico tem a forma:[1][8]

E [ e i θ X t ] = e t | θ | . {\displaystyle \operatorname {E} {\Big [}e^{i\theta X_{t}}{\Big ]}=e^{-t|\theta |}.}

A distribuição de probabilidade marginal do processo de Cauchy simétrico é a distribuição de Cauchy cuja densidade é[8][9]

f ( x ; t ) = 1 π [ t x 2 + t 2 ] . {\displaystyle f(x;t)={1 \over \pi }\left[{t \over x^{2}+t^{2}}\right].}

Processo de Cauchy assimétrico

O processo de Cauchy assimétrico é definido nos termos de um parâmetro β {\displaystyle \beta } . Aqui, β {\displaystyle \beta } é o parâmetro de obliquidade e seu valor absoluto deve ser menor ou igual a 1 {\displaystyle 1} .[1] No caso em que | β | = 1 {\displaystyle |\beta |=1} , o processo é considerado um processo de Cauchy completamente assimétrico. [1]

O triplo de Lévy-Khintchine tem a forma ( 0 , 0 , W ) {\displaystyle (0,0,W)} , em que W ( d x ) = { A x 2 d x if  x > 0 B x 2 d x if  x < 0 {\displaystyle W(dx)={\begin{cases}Ax^{-2}\,dx&{\text{if }}x>0\\Bx^{-2}\,dx&{\text{if }}x<0\end{cases}}} , em que A B {\displaystyle A\neq B} , A > 0 {\displaystyle A>0} e B > 0 {\displaystyle B>0} .[1]

Isto posto, β {\displaystyle \beta } é uma função de A {\displaystyle A} e B {\displaystyle B} .

A função característica da distribuição de Cauchy assimétrica tem a forma:[1]

E [ e i θ X t ] = e t ( | θ | + i β θ ln | θ | / ( 2 π ) ) . {\displaystyle \operatorname {E} {\Big [}e^{i\theta X_{t}}{\Big ]}=e^{-t(|\theta |+i\beta \theta \ln |\theta |/(2\pi ))}.}

A distribuição de probabilidade marginal do processo de Cauchy é uma distribuição estável com índice de estabilidade igual a 1 {\displaystyle 1} .

Referências

  1. a b c d e f g Kovalenko, I.N.; et al. (1996). Models of Random Processes: A Handbook for Mathematicians and Engineers. [S.l.]: CRC Press. pp. 210–211. ISBN 9780849328701 
  2. a b Engelbert, H.J., Kurenok, V.P. & Zalinescu, A. (2006). «On Existence and Uniqueness of Reflected Solutions of Stochastic Equations Driven by Symmetric Stable Processes». In: Kabanov, Y.; Liptser, R.; Stoyanov, J. From Stochastic Calculus to Mathematical Finance: The Shiryaev Festschrift. [S.l.]: Springer. p. 228. ISBN 9783540307884  !CS1 manut: Nomes múltiplos: lista de autores (link)
  3. Winkel, M. «Introduction to Levy processes» (PDF). pp. 15–16. Consultado em 7 de fevereiro de 2013 
  4. Jacob, N. (2005). Pseudo Differential Operators & Markov Processes: Markov Processes And Applications, Volume 3. [S.l.]: Imperial College Press. p. 135. ISBN 9781860945687 
  5. Bertoin, J. (2001). «Some elements on Lévy processes». In: Shanbhag, D.N. Stochastic Processes: Theory and Methods. [S.l.]: Gulf Professional Publishing. p. 122. ISBN 9780444500144 
  6. Kroese, D.P.; Taimre, T.; Botev, Z.I. (2011). Handbook of Monte Carlo Methods. [S.l.]: John Wiley & Sons. p. 214. ISBN 9781118014950 
  7. a b c Applebaum, D. «Lectures on Lévy processes and Stochastic calculus, Braunschweig; Lecture 2: Lévy processes» (PDF). University of Sheffield. pp. 37–53 
  8. a b c Cinlar, E. (2011). Probability and Stochastics. [S.l.]: Springer. p. 332. ISBN 9780387878591 
  9. Itô, K. (2006). Essentials of Stochastic Processes. [S.l.]: American Mathematical Society. p. 54. ISBN 9780821838983 
  • v
  • d
  • e
Tempo discreto
Tempo contínuo
Ambos
Campos e outros
Modelos de série temporal
Modelos financeiros
  • Black–Derman–Toy
  • Black–Karasinski
  • Chen
  • Cox–Ingersoll–Ross (CIR)
  • Garman–Kohlhagen
  • Heath–Jarrow–Morton (HJM)
  • Heston
  • Ho–Lee
  • Hull–White
  • LIBOR market
  • Rendleman–Bartter
  • SABR volatility
  • Vašíček
  • Wilkie
Modelos atuariais
  • Bühlmann
  • Cramér–Lundberg
  • Sparre–Anderson
Modelos de filas
Propriedades
Teoremas limites
Desigualdades
Ferramentas
Disciplinas
  • Categoria:Processos estocásticos
  • Portal de probabilidade e estatística