1. Uma breve Introdu¸c˜ao `as
Equa¸c˜oes Diferenciais Estoc´asticas
Henrique Bolfarine
BMAC IME-USP
February 4, 2015
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 1 / 51
2. T´opicos a serem abordados
1 Introdu¸c˜ao
2 Processos Estoc´asticos
3 Movimento Browniano
4 C´alculo Estoc´astico de It¯o
5 Equa¸c˜oes Diferencias Estoc´asticas
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 2 / 51
3. Introdu¸c˜ao
A teoria das equa¸c˜oes diferenciais estoc´asticas ou EDE, ´e bastante
flex´ıvel, e emerge naturalmente em diversas aplica¸c˜oes.
Sua principal utilidade ´e encontrar uma solu¸c˜ao Xt, para a equa¸c˜ao
dXt
dt
= a(t, Xt) + σ(t, Xt) · “ru´ıdo”. (1)
a(t, Xt) e σ(t, Xt) - fun¸c˜oes cont´ınuas;
“ru´ıdo” - fator externo, aleat´orio que interfere em (1).
Vamos analizar melhor a equa¸c˜ao (1).
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 3 / 51
4. Introdu¸c˜ao
Analisando a equa¸c˜ao (1);
se σ(t, Xt) = 0, temos uma EDO;
se σ(t, Xt) = 0, temos uma equa¸c˜ao cuja solu¸c˜ao, existˆencia e
unicidade n˜ao s˜ao facilmente definidas (Handel, 2007).
Para σ(t, Xt) = 0, temos;
se σ(t, Xt) = σ, constante - “ru´ıdo” aditivo.
se σ(t, Xt) ´e fun¸c˜ao em Xt - “ru´ıdo” multiplicativo.
Com as condi¸c˜oes acima, surgem as seguintes perguntas;
Como podemos enteder (1), quando σ(t, Xt) = 0 ?
Qual o seu significado ?
A solu¸c˜ao Xt existe ?
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 4 / 51
5. Introdu¸c˜ao
Vamos come¸car com um exemplo extra´ıdo de Oksendal (1992).
Exemplo - (Crescimento populacional com ru´ıdo.);
dXt
dt
= b(t)Xt, X0 = x0, t ≥ 0.,
em que b(t) = r(t) + “ru´ıdo”, com r(t) uma fun¸c˜ao cont´ınua.
Densenvolvendo a equa¸c˜ao acima, temos.
dXt
dt
= r(t)Xt + Xt · “ru´ıdo”. (2)
Podemos perceber que (2) ´e uma equa¸c˜ao do tipo (1), com
a(t, Xt) = r(t)Xt e σ(t, Xt) = Xt.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 5 / 51
6. Introdu¸c˜ao
Integrando ambos os lados de (2), obtemos:
Xt = X0 +
t
0
r(t)Xsds + “
t
0
Xs · “ru´ıdo”ds”.
Para entender o “ru´ıdo”:
Aleat´orio;
Possui uma distribui¸c˜ao;
Possui varia¸c˜ao temporal;
Isso nos leva a modelar o “ru´ıdo”, como um Processo Estoc´astico.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 6 / 51
7. T´opicos a serem abordados
1 Introdu¸c˜ao
2 Processos Estoc´asticos
3 Movimento Browniano
4 C´alculo Estoc´astico de It¯o
5 Equa¸c˜oes Diferencias Estoc´asticas
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 7 / 51
8. Processos Estoc´asticos
Defini¸c˜ao:
Um processo estoc´astico, unidimensional, ´e uma cole¸c˜ao de vari´aveis
aleat´orias parametrizadas em t ∈ I, {X(t, ω); t ∈ I}, definidas em
(Ω, F, P) assumindo valores em R, na forma:
X(t, ω) : I × Ω → R.
se I = N, temos um processo estoc´astico discreto {X(t, ω); t ∈ N};
se I ⊂ R, temos um processo estoc´astico cont´ınuo {X(t, ω); t ≥ 0};
Pela defini¸c˜ao
se fixamos um ω, um ˆω, tal que {X(t, ˆω); t ∈ I}, temos uma trajet´oria, ou
“sample path”, cuja representa¸c˜ao ´e da forma
t → X(t, ˆω), t ∈ I.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 8 / 51
9. Processos Estoc´asticos
Exemplo.1 - (Lan¸camento de uma moeda);
Lan¸camos uma moeda honesta cinco vezes.
(C) cara, ando (+1), (K) coroa, ando (−1).
Estamos interassados em uma sequˆencia de resultados,
ˆω = {CKKCK}
Vamos verificar o comportamento de X(t, ˆω), para t ∈ I, tal que
I = {0, 1, 2, 3, 4, 5},
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 9 / 51
11. Processos Estoc´asticos
Exemplo.2 - (Lan¸camento de uma moeda II);
0.0 0.2 0.4 0.6 0.8 1.0
-20-1001020
t
x
400 lan¸camentos;
X(t, ω1) e X(t, ω2);
Dicretizamos o intervalo de tempo [0, 1];
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 11 / 51
12. Processos Estoc´asticos
Filtra¸c˜ao
Defini¸c˜ao:
Sendo (Ω, F, P), um espa¸co de probabilidade, uma filtra¸c˜ao {Ft}t≥0 ´e
uma fam´ılia crescente de sub-σ-´algebras de F, indexadas por t ≥ 0. Para
cada s, t ≥ 0 tal que 0 ≤ s < t, temos Fs ⊂ Ft, em que o estado inical ´e
F0 = {Ω, ∅}.
Dizemos que um certo processo estoc´astico ´e adptado `a filtra¸c˜ao Ft , se
para cada t ≥ 0, Xt ´e mensur´avel em Ft.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 12 / 51
13. Processos Estoc´asticos
Martingal
Defini¸c˜ao:
Seja (Ω, F, P) um espea¸co de probabilidade, e uma filtra¸c˜ao Ft . O
processo estoc´astico {Xt}t≥0 ´e um martingal, se vale E[|Xt|] < ∞, para
todo t ≥ 0 ´e adptado a filtra¸c˜ao Ft, para 0 ≤ s ≤ t temos
se “≥” temos um submartingal;
se “≤” temos um supermatingal;
0
ts
s
Xs
E( | )=sXt Xs
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 13 / 51
14. Processos Estoc´asticos
Processo de Markov
Um estoc´astico processo {Xt}t≥0 ´e um processo de Markov se dados
0 ≤ t1 < · · · < tN ,quaisquer, temos que
P(XtN = xN |XtN−1 = xN−1, . . . , Xt1 = x1) = P(XtN = xN |XtN−1 = xN−1),
com probabilidade de transi¸c˜ao
p(x, s; t, y) = P(Xt = y|Xs = x),
e probabilidade conjunta de transi¸c˜ao da forma
P(XtN = xN , . . . , Xt1 = x1) =
N
j=2
p(xj−1, tj−1; xj, tj).
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 14 / 51
15. T´opicos a serem abordados
1 Introdu¸c˜ao
2 Processos Estoc´asticos
3 Movimento Browniano
4 C´alculo Estoc´astico de It¯o
5 Equa¸c˜oes Diferencias Estoc´asticas
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 15 / 51
16. Movimento Browniano
Modelo de movimento aleat´orio de part´ıculas.
Homenagem ao descobridor do movimento, Robert Brown, (1827).
Modelo matem´atico satsifat´orio - A.Einstein (1905).
Modelado como processo estoc´astico - N.Wiener (1930).
0.0 0.5 1.0 1.5
-1.0-0.8-0.6-0.4-0.20.00.20.4
x
y
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 16 / 51
17. Movimento Browniano
Pode ser entendido como limite de um “passeio aleat´orio”.
A probabilidade de transi¸c˜ao do passeio discreto, pelo TLC, aproxima
para uma distribui¸c˜ao normal.
0.0 0.2 0.4 0.6 0.8 1.0
-1.0-0.50.00.5
t
x
0.0 0.2 0.4 0.6 0.8 1.0
-0.6-0.4-0.20.00.2
t
x
0.0 0.2 0.4 0.6 0.8 1.0
-1.5-1.0-0.50.0
t
x
Simula¸c˜ao, com N = {50, 100, 1000}, para t ∈ [0, 1]
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 17 / 51
18. Movimento Browniano
Processo de Wiener
Defini¸c˜ao:
Dado um espa¸co de probabilidade conveniente, o Processo de Wiener ´e um
processo estoc´astico, W(ω, t), com valores em R e t ∈ [0, ∞), satisfazendo
W(ω, 0) = 0;
Os caminhos, t → W(ω, t), s˜ao cont´ınuos;
W(ω, t), tem incrementos estacion´arios;
Para 0 ≤ s < t, W(ω, t) − W(ω, s) ∼ N(0, t − s).
0.0 0.2 0.4 0.6 0.8 1.0
-50050
t
W(t)
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 18 / 51
19. Movimento Browniano
Seja a nota¸c˜ao Wt
.
= W(t, ω), 0 ≤ s < t instantes de tempo, temos
Momentos do Processo de Wiener
E[Wt] = 0;
V ar[Wt] = E[W2
t ] = t;
Cov[Ws, Wt] = E[WsWt];
E[WsWt] = min{s, t}.
Momentos dos incrementos, com instantes de tempo, 0 ≤ r < s < t < u.
E[(Wu − Wt)(Ws − Wr)] = 0;
E[|Wt − Ws|2] = |t − s|.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 19 / 51
20. Movimento Browniano
Processo de Wiener e difus˜ao
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 20 / 51
21. Movimento Browniano
Propriedades do Processo de Wiener
O Processo de Wiener ´e um martingal;
O Processo de Wiener ´e um processo de Markov;
O Processo de Wiener n˜ao ´e diferenci´avel;
O Processo de Wiener n˜ao possui varia¸c˜ao limitada;
O processo de Wiener possui varia¸c˜ao quadr´atica
lim
n→∞
E
n−1
i=0
(Wti+1 − Wti )2
− T
2
= 0.
Do ´ultimo item temos a seguinte rela¸c˜ao,
(dWt)2
= dt.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 21 / 51
22. Movimento Browniano
Ru´ıdo Branco e o Processo de Wiener
O termo “ru´ıdo” ´e modelado como um ru´ıdo branco.
0.0 0.2 0.4 0.6 0.8 1.0
-3-2-10123
t
x
O ru´ıdo branco cont´ınuo ´e dif´ıcil de definir, pois n˜ao ´e mensur´avel,
portanto n˜ao ´e integr´avel.(Handel, 2007)
Modelamos o ru´ıdo branco como
ξt“ = ”
dWt
dt
, dtξt = dWt
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 22 / 51
23. T´opicos a serem abordados
1 Introdu¸c˜ao
2 Processos Estoc´asticos
3 Movimento Browniano
4 C´alculo Estoc´astico de It¯o
5 Equa¸c˜oes Diferencias Estoc´asticas
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 23 / 51
25. C´alculo Estoc´astico de It¯o
Aplicando ξk∆tk, ∆Vk = Vk+1 − Vk, Vk = Wk e ∆Wk = Wk+1 − Wk,
(Processo de Wiener). Revertendo a equa¸c˜ao anterior at´e X0 temos
Xt = X0 +
k−1
j=0
a(tj, Xj)∆tj +
k−1
j=0
σ(tj, Xj)∆Wj,
em que ∆j → 0, nos d´a
Xt = X0 +
t
0
a(s, Xs)ds + “
t
0
σ(s, Xs)dWs”.
Com σ(t, Xt) = f(t, ω), obtemos o termo
t
0
f(s, ω)dWs,
que ´e conhecido como a Integral estoc´astica de It¯o.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 25 / 51
26. C´alculo Estoc´astico de It¯o
Integral Estoc´astica de It¯o
Defini¸c˜ao
Seja {Xt}t≥0 um processo estoc´astico adaptado a filtra¸c˜ao gerada por um
Processo de Wiener, tal que
t
0
E[X2
s ]ds < ∞.
Ent˜ao a integral estoc´astica em Xt ´e definida como
I(Xt) =
t
0
XsdWs = lim
n→∞
n−1
i=0
Xti (Wti+1 − Wti ),
onde temos a convergˆencia quadr´atica dos termos e ti pertencente `a
parti¸c˜ao τn.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 26 / 51
27. C´alculo Estoc´astico de It¯o
Escolha dos limites da parti¸c˜ao altera o resultado da integral de It¯o.
Seja a integral de It¯o, utilizando f(t, ω) = Wt
I(f) =
t
0
WsdWs,
cuja a soma no limite esquerdo do intervalo [ti, ti+1], ´e da forma
I(f) = lim
n→∞
n−1
i=0
Wti (Wti+1 − Wti ) =
1
2
W2
T −
1
2
T.
e no limite direito temos
I(f) = lim
n→∞
n−1
i=0
Wti+1 (Wti+1 − Wti ) =
1
2
W2
T +
1
2
T.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 27 / 51
28. C´alculo Estoc´astico de It¯o
Propriedades da Integral de It¯o
E
t
0 XsdWs = 0,
V ar
t
0 XsdWs =
t
0 E[X2
t ]dt,(Isometria de It¯o.)
t
0 (aXs + bYs)dWs = a
t
0 XsdWs + b
t
0 YsdWs, (Linearidade.)
t
0 XudWu =
s
0 XudWu +
t
s XudWu,
E
t
0 XudWu Fs =
s
0 XudWu, (Martingal.)
Processo de It¯o
Xt = X0 +
t
0
a(s, Xs)ds +
t
0
σ(s, Xs)dWs,
cuja a forma diferencial ´e
dXt = a(t, Xt)dt + σ(t, Xt)dWt.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 28 / 51
29. C´alculo Estoc´astico de It¯o
F´ormula de It¯o
df(t, Xt) = ∂tf(t, Xt)dt + ∂xf(t, Xt)dXt +
1
2
∂2
xf(t, Xt)(dXt)2
,
em que
∂tf(t, x)
.
=
∂
∂t
f(t, x), ∂xf(t, x)
.
=
∂
∂x
f(t, x), ∂2
xf(t, x)
.
=
∂2
∂x
f(t, x),
E temos a tabela de It¯o.
dt dWt
dt 0 0
dWt 0 dt
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 29 / 51
30. C´alculo Estoc´astico de It¯o
Exemplo
Seja a seguinte integral
T
0
WsdWs,
escolhemos f(t, x) = x2
, Xt = Wt, tal que
∂tf(t, x) = 0, ∂xf(t, x) = 2x, ∂2
xf(t, x) = 2.
Aplicando a F´ormula de It¯o, em t ∈ [0, T], obtemos;
dW2
t = 0 +
1
2
.2 dt + 2WtdWt;
dW2
t = dt + 2WtdWt;
T
0
dW2
s =
t
0
ds + 2
T
0
WsdWs;
W2
T = T + 2
T
0
WsdWs,
T
0
WsdWs =
W2
t
2
−
T
2
;
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 30 / 51
31. C´alculo Estoc´astico de It¯o
0.0 0.2 0.4 0.6 0.8 1.0
-0.50.00.51.01.5
t
WteXt
Wt
Int. Ito em Wt
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 31 / 51
32. C´alculo Estoc´astico de It¯o
Integral estoc´astica multidimensional
d ˜Xt = Atdt + Htd ˜Wt,
temos ˜f(t, x), tal que
˜f(t, x) = (f1(t, x), . . . , fp(t, x)), t ≥ 0 e x ∈ Rn
,
Para k = {1, . . . , p} e x = ˜Xt, temos
dfk(t, ˜Xt) = ∂tfk(t, ˜Xt)dt +
n
i=1
∂xi fk(t, ˜Xt)dXi +
1
2
n
i,j=1
∂2
xixj
fk(t, ˜Xt)dXidXj
onde
dWidWj = δijdt, dtdWi = dWidt = 0, dt2
= 0.
δij =
1, se i = j,
0, caso contr´ario.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 32 / 51
33. T´opicos a serem abordados
1 Introdu¸c˜ao
2 Processos Estoc´asticos
3 Movimento Browniano
4 C´alculo Estoc´astico de It¯o
5 Equa¸c˜oes Diferencias Estoc´asticas
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 33 / 51
34. Equa¸c˜oes Diferencias Estoc´asticas
Resolu¸c˜ao do Exemplo.1
dXt
dt
= r(t)Xt + Xt · “ru´ıdo”, X0 = x0, t ≥ 0.
Cuja forma correta de apresenta¸c˜ao ´e
dXt = rXtdt + σXtdWt,
que escrevemos como
dXt
Xt
= rdt + σdWt.
t
0
dXs
Xs
=
t
0
rdt +
t
0
σdWt;
= rt + σ(Wt − W0),
= rt + σdWt.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 34 / 51
35. Equa¸c˜oes Diferencias Estoc´asticas
Vamos utilizar a f´ormula de It¯o, com f(t, x) = ln x, em que
∂tf(t, x) = 0, ∂xf(t, x) =
1
x
, ∂2
xf(t, x) = −
1
x2
.
com x = Xt, obtemos
d ln Xt = 0 +
1
Xt
dXt −
1
2
1
X2
t
(dXt)2
.
Substituindo (dXt)2
= (rXtdt + σXtdWt)2
,
d ln Xt =
1
Xt
dXt −
1
2X2
t
(rXtdt + σXtdWt)2
,
=
1
Xt
dXt −
1
2X2
t
(r2
X2
t (dt)2
+ 2rXt(dtdWt) + σ2
X2
t (dWt)2
),
=
1
Xt
dXt −
1
2X2
t
(σ2
X2
t dt),
=
1
Xt
dXt −
σ2
2
dt.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 35 / 51
36. Equa¸c˜oes Diferencias Estoc´asticas
t
0
d ln Xt =
t
0
1
Xs
dXs −
t
0
σ2
2
ds
t
0
1
Xs
dXs =
t
0
d ln Xs +
t
0
σ2
2
ds
= (ln Xt − ln X0) +
σ2
t
2
,
Substituindo na equa¸c˜ao encontrada anteriormente temos
(ln Xt − ln X0) +
σ2
t
2
= rt + σWt,
ln
Xt
X0
= r −
σ2
2
t + σWt,
que nos d´a a solu¸c˜ao geral
Xt = X0 exp r −
σ2
2
t + σWt .
que ´e conhecido como Movimento Browniano geom´etrico.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 36 / 51
37. Equa¸c˜oes Diferencias Estoc´asticas
O gr´afico com a solu¸c˜ao do problema.
0.0 0.2 0.4 0.6 0.8 1.0
02468
t
Xt
Sol.Determinisc.
sigma1 = 0.05
sigma2 = 0.3
sigma3 = 0.8
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 37 / 51
38. Equa¸c˜oes Diferencias Estoc´asticas
Existˆencia e Unicidade das EDE’s
Defini¸c˜ao Sejam a(t, xt) e σ(t, xt), fun¸c˜oes em, com
a : ([0, ∞) × Rn
) → Rn
, σ : ([0, ∞) × Rn
) → Rn×m
,
satisfazendo a condi¸c˜ao global de Lispchitz ou seja, existe uma constante K < ∞, tal
que
||σ(t, x) − σ(t, y)||2
+ ||a(t, x) − a(t, y)||2
≤ K2
||x − y||2
.
Ent˜ao existe uma solu¸c˜ao.
Prova existˆencia e unicidade, podem ser encontradas em, Oksendal (1992), Kloeden
(1995) e Handel (2007).
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 38 / 51
39. Equa¸c˜oes Diferencias Estoc´asticas
Diversidade de aplica¸c˜oes das EDE’s
An´alise Num´erica em EDE’s, Kloeden (1995).
Teoria de Controle em EDE’s, Handel (2007).
Inferˆencia e simula¸c˜ao, Iacus (2008).
Sistemas dinˆamicos estoc´asticos, Ruffino (2009).
Equa¸c˜oes Diferenciais Parciais, Kloeden (1995).
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 39 / 51
40. Equa¸c˜oes Diferencias Estoc´asticas
Exemplo - A equa¸c˜ao de Ornstein-Uhlenbeck-Vasicek.
O processo de Ornstein-Uhlenbeck-Vasicek visto ´e a solu¸c˜ao geral para
dXt
dt
= (θ1 − θ2Xt) + θ3ξt, X0 = x0, t ≥ 0,
em que θ3 ∈ R+ e θ1, θ2 ∈ R, cuja forma diferencial ´e
dXt = (θ1 − θ2Xt)dt + θ3dWt.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 40 / 51
41. Equa¸c˜oes Diferencias Estoc´asticas
Escolhemos a fun¸c˜ao f(t, x) = xeθ2t, e encontramos sua forma diferencial
parcial em
∂tf(t, x) = θ2xeθ2t
, ∂xf(t, x) = eθ2t
, ∂2
xf(t, x) = 0.
Aplicando na F´ormula de It¯o,
df(t, x) = ∂tf(t, x) + ∂xf(t, x)dXt +
1
2
∂2
xf(t, x)(dXt)2
,
com x = Xt, obtemos
dXteθ2t
= θ2Xteθ2t
dt + eθ2t
dXt.
temos que dXt = (θ1 − θ2Xt)dt + θ3dWt, que substituindo na eququa¸c˜ao
acima
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 41 / 51
43. Equa¸c˜oes Diferencias Estoc´asticas
o que nos d´a a solu¸c˜ao geral
Xt =
θ1
θ2
+ X0 −
θ1
θ2
e−θ2t
+ θ3
t
0
e−θ2(t−s)
dWs.
0.0 0.2 0.4 0.6 0.8 1.0
-20-1001020
t
Xt
X0=20
X0=10
X0=-15
θ1 = 0, θ2 = 5, θ3 = 3.5,
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 43 / 51
44. Equa¸c˜oes Diferencias Estoc´asticas
Exemplo - Massa-Mola com ru´ıdo.
Seja um oscilador harmˆonico, cujo termo for¸cante f(t), ´e um ru´ıdo
f(t) = “ru´ıdo”. Podemos subistituir o “ru´ıdo”, por um processo {ηt}t≥0,
tal que ηt ´e um ru´ıdo branco com m´edia 0 e variˆancia σ2 =
√
m, assim
temos
f(t) = ηt
m
d2Xt
dt
+ kXt = ηt,
d2Xt
dt
= −
k
m
Xt +
ηt
m
.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 44 / 51
45. Equa¸c˜oes Diferencias Estoc´asticas
Substitu´ımos ηt/m = ξt, tal que {ξ}t≥0 ´e um ru´ıdo branco com m´edia 0 e
variˆancia σ2 = 1, e itroduzimos o vetor ˜Xt, tal que
˜Xt =
X1,t
X2,t
=
Xt
dXt
dt
,
dX1,t = X2,tdt;
dX2,t = − k
m X1,tdt + dtξt.
Podemos reescrever na forma matricial, em que subsititu´ımos dξt = dWt,
obtendo
d ˜Xt =
dX1,t
dX2,t
=
0 1
− k
m 0
A
X1,t
X2,t
dt +
0
1
B
dWt,
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 45 / 51
46. Equa¸c˜oes Diferencias Estoc´asticas
cuja forma matricial ´e
d ˜Xt = A ˜Xtdt + BdWt.
Vamos utilizar a F´ormula de It¯o multidimensional. Escolhemos uma
transforma¸c˜ao f(t, x) → R2, com x ∈ R2 e t ≥ 0, conveniente tal que
f(t, x) = e−At
x, x ∈ R2
, t ≥ 0
para x = ˜Xt, temos
f(t, ˜Xt) = e−At X1,t
X2,t
,
sendo que e−At, pode ser reescrito como
e−At
= PeJt
P−1
,
1 1
k
m
i − k
m
i
, eJt
=
e
k
m
it
0
0 e− k
m
it
, P−1
=
1
2
1
2 k
m
i
1
2
− 1
2 k
m
i
.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 46 / 51
47. Equa¸c˜oes Diferencias Estoc´asticas
o que nos d´a, para α = k/m
e−At
=
cos(αt) −sin(αt)
α
α sin(αt) cos(αt)
,
assim temos a fun¸c˜ao da forma
f(t, x) = e−At X1,t
X2,t
=
cos(αt)X1,t − sin(αt)
αt
X2,t
α sin(αt)X1,t + cos(αt)X2,t
=
f1(t, X1,t)
f2(t, X2,t)
Pela F´ormula de It¯o Multidimensional, temos
df1(t, X1,t) = (−α sin(αt)X1,t − cos(αt)X2,t)dt + cos(αt)dX1,t − sin(αt)
α
dX2,t;
df2(t, X2,t) = (α cos(αt)X1,t −
√
α sin(αt)X2,t)dt + α sin(αt)dX1,t + cos(αt)dX2,t,
que podemos representar da forma matricial
d(e−At
) =
−α sin(αt) − cos(αt)
α cos(αt) α sin(αt)
˜A
X1,t
X2,t
dt +
cos(αt) −sin(αt)
α
α sin(αt) cos(αt)
˜B
dX1,t
dX2,t
,
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 47 / 51
48. Equa¸c˜oes Diferencias Estoc´asticas
podemos perceber que ˜A e ˜B, s˜ao da forma
˜A = −Ae−At
, ˜B = e−At
.
Portanto, temos que
d(e−At ˜Xt) = −Ae−At ˜Xt + e−At
d ˜Xt. (3)
Multiplicando e−At na express˜ao inicial, obtemos
e−At
d ˜Xt = e−At
A ˜Xtdt + e−At
BdWt
−e−At
A ˜Xtdt + e−At
d ˜Xt = e−At
BdWt,
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 48 / 51
49. Equa¸c˜oes Diferencias Estoc´asticas
d(e−At ˜Xt) = e−At
BdWt.
Integrando ambos os lados, obtemos
t
0
d(e−As ˜Xs) =
t
0
e−As
BdWs
e−At ˜Xt − ˜X0 =
t
0
e−As
BdWs,
que nos d´a forma geral matricial
˜Xt = eAt ˜X0 +
t
0
eA(t−s)
BdWs.
Para ( ˜X0)T
= (X1,0, X2,0), um vetor com condi¸c˜oes inicias, temos a seguinte solu¸c˜ao
para a forma matricial,
X1,t = cos(αt)X1,0 − sin(αt)
α
X2,0 −
t
0
sin(α(t−s))
α
dWs;
X2,t = α sin(αt)X1,0 + cos(αt)X2,0 +
t
0
cos(α(t − s))dWs.
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 49 / 51
50. Equa¸c˜oes Diferencias Estoc´asticas
Logo, temos que a solu¸c˜ao Xt = X1,t, para equa¸c˜ao inicial ´e dada por
Xt = cos( k/mt)X1,0 −
sin( k/mt)
k/m
X2,0 −
t
0
sin( k/m(t − s))
k/m
dWs,
em que X1,0 ´e a posi¸c˜ao inicial do objeto e X2,0 sua velocidade inicial.
0.0 0.2 0.4 0.6 0.8 1.0
-0.0020.0020.0060.010
t
XteSol
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 50 / 51
51. Equa¸c˜oes Diferencias Estoc´asticas
0.0 0.2 0.4 0.6 0.8 1.0
-0.010-0.0050.0000.0050.010
t
XteSol
Henrique Bolfarine (BMAC IME-USP) Uma breve Introdu¸c˜ao `as Equa¸c˜oes Diferenciais Estoc´asticasFebruary 4, 2015 51 / 51