Académique Documents
Professionnel Documents
Culture Documents
ISSN: 0120-6346
semestreeconomico@udem.edu.co
Universidad de Medelln
Colombia
Javier Arbelez L.
RESUMEN
La importancia de las ecuaciones diferenciales estocsticas y, en general el
clculo estocstico, en las ciencias econmicas no ha sido resaltada sufi-
cientemente en nuestro medio. A diferencia de las aplicaciones financie-
ras, que han sido ampliamente difundidas, las aplicaciones de otras reas
de la economa son prcticamente desconocidas en nuestro entorno aca-
dmico. Este curso elemental es una invitacin a conformar grupos
interdisciplinarios de estudiosos de la matemtica y las ciencias econmi-
cas para abordar tales aplicaciones .
ABSTRACT
The importance of the stochastic differential equations, and, in general of
the stochastic Calculus in Economics, has not been properly emphasized
in our academic communities. Unlike the applications to finance, the
130 Semestre Econmico
applications of SDE to other areas of Economics are practically unknown in
our academic environment. This elementary course is an invitation to create,
inter-disciplinary groups of Mathematics and Economics to study such
applications.
INTRODUCCIN
La importancia de las ecuaciones diferen- requiere de grupos interdisciplinarios de
ciales estocsticas y en general, del cl- matemticos y economistas.
culo estocstico en finanzas es evidente.
ste es un curso rpido dirigido a aque-
Nadie puede preciarse de tener un cono-
llas personas interesadas en adquirir los
cimiento profundo de ciertos temas finan-
rudimentos del clculo estocstico para
cieros, como por ejemplo los derivados,
futuras aplicaciones en economa y cien-
si no ha estudiado seriamente un curso
cias afines.
de clculo estocstico.
Ahora, un curso serio de este clculo re- Clculo estocstico en ciencias
quiere de nociones de teora de la medi- econmicas
da, y procesos estocsticos, entre otros, Un primer acercamiento a las aplicacio-
que solo son accesibles a estudiantes nes del clculo estocstico en la econo-
avanzados de matemticas. ma se puede hacer incluyendo incerti-
Por otro lado, solamente el conocimiento dumbre (y riesgo) en algunos de los mo-
de las herramientas matemticas que se delos fundamentales.
utilizan en finanzas no es garanta de que
se comprendan los procesos financieros Un modelo neoclsico de crecimiento
reales. Es por eso que se requiere de gru- Consideremos una economa en la que
pos interdisciplinarios, para una buena se produce un solo bien. Esta produccin
comprensin de estos temas. requiere de solo dos insumos: El mismo
bien y mano de obra.
En ciencias econmicas, en general, la
afirmacin anterior tambin es cierta. El stock del bien dedicado a su produc-
El aprovechar el clculo estocstico para cin se denotar mediante K y se llamar
estudiar ciertos aspectos de la economa capital. Este stock no sufre depreciacin
Un curso rpido de clculo estocstico para aplicaciones a modelos econmicos 131
dK dL
L K ! !
Ahora, dk d K dt dt = K L . K = s.f (k ) nk (8)
= =
dt dt L L2 L L L
dk
as dt
= s. f (k ) nk (9). A esta ecuacin se le llama ecuacin diferencial
neoclsica de Solow3, para el crecimiento.
132 Semestre Econmico
nera rpida y concisa. De tal
Figura 1. Funcin f que cumple las condiciones de Inada manera que alguien sin es-
tos fundamentos puede ad-
quirir una idea general, de
f(k)
una manera rpida. Un tra-
tamiento semi-formal re-
quiere nociones de procesos
estocsticos y teora de la
medida, pero el nivel que
k
presentamos ac se focaliza
en los resultados funda-
mentales y, por tanto, pres-
cinde de herramientas tan
sofisticadas y requiere slo
Inclusin de la incertidumbre por medio de de nociones bsicas de la teora de la pro-
una ecuacin diferencial estocstica babilidad y de procesos estocsticos tal
como se presenta en los cursos de inves-
Una de las primeras extensiones posibles
tigacin de operaciones.
de modelo es el poder incluir una fuerza
laboral que vara en forma estocstica.
Una introduccin elemental al clculo
Asumiremos que la variacin se puede estocstico
escribir en la forma dL = nL.dt + Ldz
Procesos de Wiener
(9.a) donde dt es un diferencial de tiem-
po, determinstico, y dz es el diferencial Definimos un proceso de Wiener4 de ma-
de un proceso de Wiener, estocstico. nera semi-formal, de la siguiente manera:
es una constante a la que podemos de-
nominar volatilidad de la fuerza laboral Caracterizaremos un proceso estocstico
que es una medida de la variabilidad de (estndar) de Wiener {W(t)} mediante el
dicha fuerza laboral. siguiente conjunto de propiedades:
Quienes conocen las nociones bsicas del 1. W(0)=0 (El proceso comienza en cero)
clculo estocstico pueden saltar las si- 2. Sus diferencias W(t) = W(t)W(s) tie-
guientes secciones. Estas muestran los nen una distribucin normal con media
fundamentos de este clculo, de una ma- 0 y varianza t-s = t , para todo s < t.
Un curso rpido de clculo estocstico para aplicaciones a modelos econmicos 133
3. Para todo s < t v < x las diferencias Lema 1
W(t)W(s) y W(x)(v) son variables El ruido blanco gausiano, {W(t)}, tiene
aleatorias independientes. las siguientes propiedades:
4. Las trayectorias de un proceso de Wie- 1. E[W(t)]=0. Valor esperado nulo.
ner son continuas. 2. E[(W(t))2]= Var[W(t)]= t.
El parmetro t, representar tiempo. 3. Var[[(W(t))2]=2.(t)2.
k =0
136 Semestre Econmico
La integral estocstica, en el sentido de ItIt, para procesos ms generales
Dado un proceso g en L2 [a, b] tenemos los siguientes hechos:
1. Existe una sucesin de procesos simples {gn} tal que E a {gn (s) g(s)} ds 0
b 2
cuando n .
2. Es posible definir Zn= a gn (s)dW(s) para cada n.
b
Lema 3
Sea g un proceso en L2 [a, b] y sea Z = a g(s)dW(s) , entonces las siguientes pro-
b
piedades se cumplen:
1. E(Z) =0 (El valor esperado de la integral estocstica es cero).
2. E(Z2)= a E g(s) ds
b 2
3. Z es Fbw -medible11.
Como puede verse, el valor esperado de tos de la Teora de la Medida, en esta in-
esta integral es cero. Esta es una de las troduccin al clculo estocstico damos
propiedades de los juegos, actuarialmente, una nocin semi-intuitiva.
justos. Una generalizacin, bastante til
del concepto de juego justo es la nocin Esperanzas condicionales
de martingala. Consideremos la filtracin (flujo de infor-
macin 12) {F t}t0. Si Y es una variable
Martingalas
aleatoria, E[Y/Ft] es el valor esperado de
Aunque una definicin formal de la no- Y dada la informacin disponible en el
cin de martingalas necesita de concep- tiempo t. Para un t fijo, E[Y/Ft] es una va-
Un curso rpido de clculo estocstico para aplicaciones a modelos econmicos 137
riable aleatoria. Si toda la informacin se Integrales estocsticas como martingalas
obtiene a partir de un solo proceso, X, en-
tonces Ft y E[Y/Ft] dependen de la trayec- Lema 3
toria {X(s), 0 s t}.
Para cualquier proceso g L2, el proceso
X definido como X(t) = 0 g(s)dW(s) es
t
espe--
Dos importantes propiedades de las espe
ranzas condicionales una Ftw- -martingala.
1. Si Y and Z son variables aleatorias y Z Esta es la propiedad que hace que las in-
es Ft-medible entonces E[Z.Y/Ft] = tegrales estocsticas, tal como se han
Z.E[Y/Ft] definido ac sean apropiadas para mo-
2. Si Y es cualquier variable aleatoria y delar precios de acciones13. La forma d-
s < t, entonces E[E[Y/Ft]/Fs] = E[Y/Fs] bil de la Hiptesis de los Mercados Efi-
(Ley de las Esperanzas Iteradas) cientes establece que los precios actua-
les reflejan, de manera completa, la in-
formacin contenida en las series de pre-
Ft-Martingalas
cios histricos. As, los inversionistas no
Un proceso estocstico X se llama una Ft- pueden concebir ninguna estrategia para
martingala si cumple las siguientes con- obtener ganancias fuera de lo comn, de
diciones: una manera consistente, basados en la
informacin disponible para el pblico y
1. X es adaptado a la filtracin {Ft}t0. el mejor pronstico para maana es el
2. E[X(t)] < para todo t. precio de hoy.
f f 1 2 2 f f
dZ = df(t,X(t)) =
+
+ "
2
dt + " dW(t)
(15)
t x 2 x x
Ejemplo 1
Lema 5
Supongamos que existe una constante K tal que para todo x, todo y, y
todo t (t, x) (t, y) K x y , "(t, x) "(t, y) K x y and "(t, x) + (t, x)
K(1 + x ) , entonces existe una solucin X(t) a la ecuacin (16) que tiene las
siguientes propiedades:
1. X es un proceso FtW-adaptado.
2. X tiene trayectorias continuas.
3. X es un proceso de Markov,
4. Existe una constante C tal que E[ X(t) ] Ce Ct
(1 + x0 ) .
2
Esta es una de las pocas EDE que tiene una solucin simple.
Lema 6
La solucin de la EDE (17) est dada por X(t) = x0 ee( 2 )t +.W ( t ) (18); su valor
1 2
(22) y
(23)
(25) y se aplica
la siguiente tabla
3. de multiplicacin formal:
(dt ) 2 = 0
dt.dWi = 0, i = 1, 2
(dWi ) 2 = dt, i = 1, 2
dWi .dW j = 0, i = 1, 2 (26)
Sabemos que y por tanto esta es la nueva funcin que en el lema aparece
denotada por f. Adems dX1 y dX2, son, respectivamente dK y dL que estn
dados por
dK= s.F(K, L)dt,
dL = nL.dt + Ldz , donde hacemos notar que dK no tiene trmino aditivo de
ruido gaussiano.
Aplicando (24) y (25) con f = k, x1= K, x2 = L, dw1 = 0, dw2= dz obtenemos
k k k 1 2k 2k 2k 2
dk = dt + dK + dL + 2 (dK ) + 2 dKdL + 2 (dL ) (27)
2
t K L 2 K KL L
k k K k 1 2 k 2k 1 2k 2K
Ahora, t
= 0,
L
= 2, = ,
L K L K 2
= 0 , KL
= 2 y =
L2 L3
.
L
1 1 2
dL + dK + 0 + 2 2 dKdL + 2 3 (dL )
K 1 K
dk = 0
L2 L 2 L L
1 1 2
dL + dK + 0 + 2 2 dKdL + 2 3 (dL )
K 1 K
dk = 0 2
L L 2 L L
=
K
2 L
( )
(nLdt + Ldz ) + 1 dk + 1 22 dKdL + 2K3 n 2L2 (dt )2 + 2ndtdz + 2L2 (dz )2 ,
2
L L L
dk =
K
(nLdt + Ldz ) + dK dK dL + 1 2K3 2L2 dt , despus de hacer algunas transfor-
L2 L L L 2L
maciones y aplicar de nuevo la tabla de multiplicacin (27) llegamos a
nK sF(K, L ) K 2 K
dk = + + dt dz , que se convierte en
L L L L
[ ( )]
dk = sf (k ) k n 2 dt kdz (28)
Un curso rpido de clculo estocstico para aplicaciones a modelos econmicos 145
Unos ejercicios
REFERENCIAS