Uma simulacao com
,
,
. Inicialmente na posicao
, a particula tende a se mover ao ponto central
.
Em matematica, mais precisamente em
calculo estocastico
, o
processo Ornstein?Uhlenbeck
, que recebe este nome em homenagem aos fisicos holandeses
Leonard Ornstein
e
George Eugene Uhlenbeck
, e um
processo estocastico
que,
grosso modo
, descreve a velocidade de uma
particula browniana
sob a influencia do atrito, ou seja, uma particula com massa. O processo e um
processo de Gauss?Markov
estacionario, o que quer dizer que e tanto um processo
de Gauss
, quanto
de Markov
, sendo o unico processo nao trivial que satisfaz estas tres condicoes, permitindo transformacoes lineares das variaveis do espaco e do tempo.
[
1
]
Ao longo do tempo, o processo tende a derivar em direcao a sua media a longo prazo. Tal processo e chamado de reversao a media, comportamento comumente encontrando no movimentos de precos de instrumentos do mercado financeiro.
[
2
]
Uma simulacao em tres dimensoes com
,
,
e posicao inicial
.
O processo pode ser considerado uma modificacao do
passeio aleatorio
em tempo continuo ou do
processo de Wiener
, em que as propriedades do processo foram mudadas de forma que ha uma tendencia do passeio mover para tras, rumo a uma locacao central, com maior atracao quando o processo esta mais distante do centro. O processo Ornstein?Uhlenbeck pode ser considerado o analogo de tempo continuo do processo auto-regressivo de
tempo discreto
.
[
3
]
Representacao por equacao diferencial estocastica
[
editar
|
editar codigo-fonte
]
Um processo Ornstein?Uhlenbeck
satisfaz a seguinte
equacao diferencial estocastica
:
![{\displaystyle dx_{t}=\theta (\mu -x_{t})dt+\sigma dW_{t},}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b86ef3e6470a70327edb39f89666f26cf80e2a98)
em que
,
e
sao parametros e
denota o processo de Wiener.
A representacao acima pode ser tomada como a definicao primaria de um processo Ornstein?Uhlenbeck ou tambem mencionada como o modelo Vasicek.
[
1
]
[
4
]
A
funcao densidade
de probabilidade
do processo de Ornstein?Uhlenbeck satisfaz a
equacao de Fokker?Planck
:
![{\displaystyle {\frac {\partial f}{\partial t}}=\theta {\frac {\partial }{\partial x}}[(x-\mu )f]+{\frac {\sigma ^{2}}{2}}{\frac {\partial ^{2}f}{\partial x^{2}}}.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/86fe99620080a6169357daeef1d17edf2234cb32)
A
funcao de Green
desta equacao diferencial parcial parabolica linear, em que
e a condicao inicial consiste em uma massa de ponto unitario na locacao
, e:
,
que e uma
distribuicao gaussiana
com media
e variancia
.
A solucao estacionaria desta equacao e o limite para o tempo tendendo ao infinito que e uma distribuicao gaussiana com media
e variancia
:
[
5
]
O processo Ornstein?Uhlenbeck e um prototipo de um processo de relaxacao ruidoso. Considere por exemplo uma mola de
Hooke
com constante de mola
cuja dinamica e altamente superamortecida com coeficiente de friccao
. Na presenca de flutuacoes termicas com temperatura
, o comprimento
da mola flutuara estocasticamente em torno do comprimento de repouso da mola
. Sua dinamica estocastica e descrita por um processo de Ornstein?Uhlenbeck com:
![{\displaystyle {\begin{aligned}\theta &=k/\gamma ,\\\mu &=x_{0},\\\sigma &={\sqrt {2k_{B}T/\gamma }},\end{aligned}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/9c60b87bb429fe5cf1cdbd58fcced2826e73f7e8)
em que
deriva da
equacao de Stokes?Einstein
para a constante de difusao efetiva.
Em ciencias fisicas, a equacao diferencial estocastica de um processo Ornstein?Uhlenback e reescrita como uma
equacao de Langevin
:
![{\displaystyle {\dot {x}}(t)=-{\frac {k}{\gamma }}(x(t)-x_{0})+\xi (t),}](https://wikimedia.org/api/rest_v1/media/math/render/svg/ccdfd9e2aa904ef7bc1523cb8f50ea7d63dcf179)
em que
e um
ruido gaussiano branco
com
.
[
6
]
As flutuacoes sao correlacionadas como:
![{\displaystyle \langle (x(t_{0})-x_{0})(x(t_{0}+t)-x_{0})\rangle ={\frac {k_{B}T}{k}}\exp(-|t|/\tau ),}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6c5472edef9f9fdb98618c60de22a413be74a56d)
com tempo de correlacao
.
Em equilibrio, a mola armazena uma energia media
de acordo com o
teorema da equiparticao
.
[
7
]
O processo Ornstein?Uhlenbeck e uma das varias abordagens usada para modelar (com modificacoes) taxas de
juro
, taxas de cambio e precos de
commodities
estocasticamente. O parametro
representa o equilibrio ou o valor medio apoiado pelos fundamentos, sendo
o grau de volatilidade em torno dele causado por choques e
a taxa pela qual estes choques se dissipam e a variavel reverte a media. Uma aplicacao do processo e a estrategia de comercio conhecida como
long and short
.
[
8
]
[
9
]
[
10
]
O processo Ornstein?Uhlenbeck e um exemplo de
processo gaussiano
que tem uma variancia limitada e admite uma
distribuicao de probabilidade
estacionaria. Em relacao ao processo de Wiener, tem um termo de "deriva" diferente. Para o processo de Wiener, o termo de deriva e constante, enquanto, no processo Ornstein?Uhlenbeck, o termo de deriva e dependente do valor corrente do processo. Se o valor corrente do processo for menor do que a media (a longo prazo), a deriva sera positiva. Se o valor corrente do processo for maior do que a media (a longo prazo), a deriva sera negativa. Em outras palavras, a media age como um nivel de equilibrio para o processo. Isto da ao processo seu nome informativo de "reversao a media".
[
11
]
A
variancia
estacionaria (a longo prazo) e dada por:
![{\displaystyle \operatorname {var} (x_{t})={\sigma ^{2} \over 2\theta }.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/66e90312cc47b23bd306f9d490ba165c43433a25)
O processo Ornstein?Uhlenbeck e o analogo de tempo continuo do processo auto-regressivo de tempo discreto.
A distribuicao assintotica da maxima verossimilhanca do processo Ornstein?Uhlenbeck e:
[
12
]
![{\displaystyle {\sqrt {n}}\left({\begin{pmatrix}{\hat {\theta }}_{n}\\{\hat {\mu }}_{n}\\{\hat {\sigma }}_{n}\end{pmatrix}}-{\begin{pmatrix}\theta \\\mu \\\sigma \end{pmatrix}}\right){\xrightarrow {d}}\ {\mathcal {N}}\left({\begin{pmatrix}0\\0\\0\end{pmatrix}},{\begin{pmatrix}{\frac {e^{2t\theta }-1}{t^{2}}}&0&{\frac {\sigma }{2}}{\frac {e^{2t\theta }-1-2t\theta }{t^{2}\theta }}\\0&{\frac {\sigma ^{2}\left(e^{t\theta }+1\right)}{2\left(e^{t\theta }-1\right)\theta }}&0\\{\frac {\sigma }{2}}{\frac {e^{2t\theta }-1-2t\theta }{t^{2}\theta }}&0&{\frac {\sigma ^{2}}{4}}{\frac {\left(e^{2t\theta }-1\right)^{2}+2t^{2}\theta ^{2}\left(e^{2t\theta }+1\right)-4t\theta \left(e^{2t\theta }-1\right)}{t^{2}\left(e^{2t\theta }-1\right)\theta ^{2}}}\end{pmatrix}}\right).}](https://wikimedia.org/api/rest_v1/media/math/render/svg/4024d2fcf9d02c01e46c1ecc97f29fba0102f8e6)
Tres caminhos amostrais de diferentes processos Ornstein?Uhlenbeck com
,
e
: *
azul
: valor inicial
(
q.c.
); *
verde
: valor inicial
(q.c.); *
vermelho
: valor inicial normalmente distribuido de forma que o processo tem medida invariante.
Esta equacao diferencial estocastica e resolvida pela
variacao de parametros
. Mudando a variavel
![{\displaystyle f(x_{t},t)=x_{t}e^{\theta t},}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b9908af428e65fdcb14aabe52fd866eeaf099091)
temos
![{\displaystyle {\begin{aligned}df(x_{t},t)&=\theta x_{t}e^{\theta t}dt+e^{\theta t}dx_{t}\\&=e^{\theta t}\theta \mu dt+\sigma e^{\theta t}dW_{t}.\end{aligned}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/9b4b21ee45eeced993b39417dd839939b98d0363)
Integrando de 0 a
, temos
![{\displaystyle x_{t}e^{\theta t}=x_{0}+\int _{0}^{t}e^{\theta s}\theta \mu ds+\int _{0}^{t}\sigma e^{\theta s}dW_{s},}](https://wikimedia.org/api/rest_v1/media/math/render/svg/efb58432c288d2fbe0c010f13a6aeca9540f8bb2)
em que vemos
![{\displaystyle x_{t}=x_{0}e^{-\theta t}+\mu (1-e^{-\theta t})+\sigma \int _{0}^{t}e^{-\theta (t-s)}dW_{s}.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/787f6c84beeaee63ddcffcc2013648fa0e3b8da7)
Formulas para momentos de processos estacionarios
[
editar
|
editar codigo-fonte
]
A partir desta representacao, o primeiro
momento
e dado por (assumindo que
e uma constante)
![{\displaystyle E(x_{t})=x_{0}e^{-\theta t}+\mu (1-e^{-\theta t}).}](https://wikimedia.org/api/rest_v1/media/math/render/svg/22c0ff666b8912968992e256dbd5f5e3cdc32718)
A isometria de It? pode ser usada para calcular a
funcao covariancia
por
[
13
]
Representacao alternativa para processos nao estacionarios
[
editar
|
editar codigo-fonte
]
Tambem e possivel (e frequentemente conveniente) representar
(incondicionalmente, isto e, conforme
) como um processo de Wiener escalonado de tempo transformado:
![{\displaystyle x_{t}=\mu +{\sigma \over {\sqrt {2\theta }}}e^{-\theta t}W_{e^{2\theta t}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e56ab359adfd674e9491fbc6726f41eb0b04d650)
ou condicionamente (dado
) como
[
14
]
A integral do tempo deste processo pode ser usada para gerar
ruido como um espectro de potencia
.
O processo Ornstein?Uhlenbeck pode ser interpretado como um limite de escalonamento de um processo discreto, da mesma forma que o movimento browniano e um limite de escalonamento de passeios aleatorios. Considere uma urna que contem
bolas azuis e amarelas. A cada passo, uma bola e escolhida aleatoriamente e reposta por uma bola da cor oposta. Considere
o numero de bolas azuis na urna depois de
passos. Entao,
converge em lei a um processo Ornstein?Uhlenbeck conforme
tende ao infinito.
[
15
]
E possivel estender os processos Ornstein?Uhlenbeck a processos em que o plano de fundo conduzindo o processo e um
processo Levy
(em vez de um movimento browniano simples). Estes processos foram estudados pelo estatistico dinamarques Ole Barndorff-Nielsen e pelo econometrista britanico Neil Shephard.
Adicionalmente, em financas, os processos estocasticos sao usados quando a volatilidade aumenta para valores maiores de
. Em particular, o processo de Chan?Karolyi?Longstaff?Sanders com o termo de volatilidade substituido por
pode ser resolvido em forma fechada para
ou1, assim como para
, que corresponde ao processo Ornstein?Uhlenbeck convencional.
[
16
]
- ↑
a
b
Doob, J. L. (1942).
≪The Brownian Movement and Stochastic Equations≫
.
Annals of Mathematics
.
43
(2): 351?369.
doi
:
10.2307/1968873
- ↑
Cassettari, Ailton (2001).
≪Sobre uma nova teoria de precificacao de opcoes e outros derivativos≫
.
Revista Brasileira de Economia
.
55
(3): 427?449.
ISSN
0034-7140
.
doi
:
10.1590/s0034-71402001000300005
- ↑
David), Logan, J. David (John (2009).
Mathematical methods in biology
. Hoboken, N.J.: Wiley.
ISBN
9780470525876
.
OCLC
317456951
- ↑
Tomas., Bjork, (2009).
Arbitrage theory in continuous time
3rd ed. Oxford: Oxford University Press.
ISBN
9780199574742
.
OCLC
559018376
- ↑
1934-, Risken, H. (Hannes), (1989).
The Fokker-Planck equation : methods of solution and applications
2nd ed. Berlin: Springer-Verlag.
ISBN
0387504982
.
OCLC
19127283
- ↑
Bibbona, Enrico; Panfilo, Gianna; Tavella, Patrizia.
≪The Ornstein?Uhlenbeck process as a model of a low pass filtered white noise≫
.
Metrologia
.
45
(6): S117?S126.
doi
:
10.1088/0026-1394/45/6/s17
- ↑
Gillespie, Daniel T. (1996).
≪Exact numerical simulation of the Ornstein-Uhlenbeck process and its integral≫
.
Physical Review E
.
54
(2): 2084?2091.
doi
:
10.1103/physreve.54.2084
- ↑
Leung, Tim; Li, Xin (26 de novembro de 2015).
Optimal Mean Reversion Trading: Mathematical Analysis and Practical Applications
(em ingles). [S.l.]: World Scientific.
ISBN
9789814725934
- ↑
Skiena, Steven.
≪Lecture 23: Pairs Trading≫
(PDF)
. Department of Computer Science, State University of New York
. Consultado em 20 de outubro de 2017
- ↑
Rampertshammer, Stefan (21 de novembro de 2007).
≪An Ornstein-Uhlenbeck Framework for Pairs Trading≫
(PDF)
. Department of Mathematics and Statistics, University of Melbourne
. Consultado em 20 de outubro de 2017
- ↑
Leung, Tim; Li, Xin (1 de maio de 2015).
≪Optimal mean reversion trading with transaction costs and stop-loss exit≫
.
International Journal of Theoretical and Applied Finance
.
18
(03). 1550020 paginas.
ISSN
0219-0249
.
doi
:
10.1142/s021902491550020x
- ↑
Franco, Jose Carlos Garcia.
≪Maximum likelihood estimation of mean reverting processes≫
(PDF)
. Onward, Inc
. Consultado em 20 de outubro de 2017
- ↑
Uhlenbeck, G. E. (1930).
≪On the Theory of the Brownian Motion≫
.
Physical Review
.
36
(5): 823?841.
doi
:
10.1103/physrev.36.823
- ↑
Meucci, Attilio (14 de maio de 2009).
≪Review of Statistical Arbitrage, Cointegration, and Multivariate Ornstein-Uhlenbeck≫
. Rochester, NY: Social Science Research Network (ID 1404905).
doi
:
10.2139/ssrn.1404905
- ↑
Brigo, Damiano; Dalessandro, Antonio; Neugebauer, Matthias; Triki, Fares (15 de novembro de 2007).
≪A Stochastic Processes Toolkit for Risk Management≫
. Rochester, NY: Social Science Research Network (ID 1109160).
doi
:
10.2139/ssrn.1109160
- ↑
Chan, K. C.; Karolyi, G. Andrew; Longstaff, Francis A.; Sanders, Anthony B. (1 de julho de 1992).
≪An Empirical Comparison of Alternative Models of the Short-Term Interest Rate≫
.
The Journal of Finance
(em ingles).
47
(3): 1209?1227.
ISSN
1540-6261
.
doi
:
10.1111/j.1540-6261.1992.tb04011.x