Calcolo stocastico ed applicazioni

A.A. 2023/2024
9
Crediti massimi
73
Ore totali
SSD
MAT/06
Lingua
Italiano
Obiettivi formativi
Obiettivo dell'insegnamento è quello di fornire un'introduzione ai metodi del calcolo stocastico, con particolare riferimento al calcolo alla Ito.
Partendo dalle definizioni e risultati fondamentali della teoria dei processi stocastici, con particolare riferimento alla classe dei processi di Markov, e quindi al processo di Wiener, lo studente viene guidato alla formulazione di sistemi di equazioni differenziali stocastiche poggiando sul calcolo integrale alla Ito. Viene fornita una costruzione dell'integrale di Ito, sia in L2 sia come limite in probabilità. Il corso si dedica anche allo studio delle proprietà di martingalità del processo di Ito che seguono a cascata da quelle del processo di Wiener. Di particolare interesse è l'analisi delle soluzioni di sistemi di equazioni differenziali alla Ito ed ai legami con le PDE.
Il laboratorio è concepito in modo da guidare ciascuno studente verso la capacità del fare (learning by doing), attraverso la simulazione (computazionale) di processi stocastici fondamentali, la soluzione di sistemi di equazioni differenziali stocastiche, e la risoluzione numerica di problemi deterministici di equazioni alle derivate parziali con metodi probabilistici. Particolare attenzione è data alle applicazioni alla Finanza, alla Biologia ed alla Ingegneria.
Risultati apprendimento attesi
Lo studente impara a trattare e discutere le principali proprietà dei processi stocastici di Markov, e del processo di Wiener; è capace di cogliere le principali proprietà probabilistiche relative alla costruzione dell'integrale di Ito, in particolare relative alla marginalità. Conosce le principali proprietà delle equazioni differenziali alla Ito e le relazioni con le PDE. Vede dei primi esempi di modellizzazione stocastica dell'aleatorietà in sistemi già noti da un punto di vista deterministico. Sa simulare sistemi di equazioni differenziali stocastiche e quantificare le proprietà delle soluzioni attraverso delle procedure statistiche.
Corso singolo

Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.

Programma e organizzazione didattica

Edizione unica

Responsabile
Periodo
Secondo semestre

Programma
Moto browniano
- Proprietà del moto browniano
- Misura di Wiener
- Legge del logaritmo iterato
- Principio di riflessione e distribuzione del "running supremum"

Integrale stocastico e calcolo stocastico
- Costruzione dell'integrale stocastico secondo Itô e sue proprietà
- Formula di Itô
- Integrale stocastico multidimensionale
- Caratterizzazione di Lévy del moto browniano
- Teorema di Girsanov
- Teorema di rappresentazione delle martingale browniane

Equazioni differenziali stocastiche
- Definizioni di soluzione forte/debole, definizioni di unicità per traiettorie/in legge
- Stime a priori
- Esistenza e unicità di soluzioni forti
- Dipendenza dai dati iniziali
- Proprietà di Markov
- Soluzioni deboli e teorema di Girsanov

Equazioni differenziali stocastiche ed equazioni alle derivate parziali
- Rappresentazione probabilistica per soluzioni classiche di problemi di Dirichlet o Cauchy-Dirichlet.
- Formula di Feynman-Kač
- Equazioni di Kolmogorov in avanti e all'indietro
Prerequisiti
Conoscenze delle basi della teoria della probabilità (in particolare, la costruzione degli spazi di probabilità, vettori aleatori reali, valore atteso condizionato e dei vari tipi di convergenza) e dei processi stocastici (martingale e processi di Markov). E' fortemente consigliato l'aver seguito i corsi di Probabilità e di Probabilità Avanzata.
Metodi didattici
Le lezioni saranno tenute in aula con l'ausilio della lavagna classica e/o del tablet.
Materiale di riferimento
- P. Baldi, Stochastic Calculus. An Introduction Through Theory and Exercises, Springer, 2017.

Altre referenze:
- I. Karatzas, S. E. Shevre, Brownian Motion and Stochastic Calculus, second edition, Springer, 1991.
- D. Revuz, M. Yor, Continuous Martingales and Brownian Motion, third edition, Springer, 1999.
- F. Caravenna, Moto browniano e analisi stocastica, 2011.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste in un colloquio orale. Verrà richiesto di illustrare e discutere alcuni risultati facenti parte del programma del corso, nonché di risolvere qualche problema nell'ambito del programma stesso, al fine di valutare le conoscenze e la comprensione degli argomenti trattati, nonché la capacità di saperli connettere e applicare correttamente.
MAT/06 - PROBABILITA' E STATISTICA MATEMATICA - CFU: 9
Esercitazioni: 24 ore
Lezioni: 49 ore
Docente/i
Ricevimento:
Su appuntamento
Ufficio 1040, Dipartimento di Matematica, Via Saldini 50, 20133 Milano
Ricevimento:
Su appuntamento per email
Dipartimento di Matematica, via Saldini 50, studio 1027 oppure tramite Microsoft Teams