Algunas propiedades de la Transformada de

Mellin e introduccin a difusiones.

JL Farah, Depto. de Mat. , ITAM
Marzo 23 de 2014
1 Notacin
Usamos la letras X, Y, Z,etc. para denotar variables aleatorias, y las maysculas
1, G, H, . . . para sus distribuciones de probabilidad, y con las correspondientes
letras minsculas, ), q, /. . . para sus dendidades cuando stas existan.
Dada una v.a. Z con distribucin H denimos las siguientes transformadas,
siempre que las integrales involucradas existan
1. Generadora de momentos
/
om
Z
(t) = E
1
exp(t Z)
2. Transformada de Laplace
/
Z
(`) = E
1
exp(`Z)
3. Transformada de Mellin (Slo para Z _0 )
/
Z
(:) = E
1
_
Z
s1
_
2 Propiedades bsicas de la transformada de Mellin
2.1 Momentos
Dada una variable aleatoria Y _ 0, con distribucin G denida en [0, ), tpi-
camente en aplicaciones con soporte en un grupo nito de intervalos.
Suponemos que G(0) = 0. Ntese que /
Y
(1) = 1
La utilidad de la T. de Mellin para clculos prcticos se deriva de que valuada
en los nmeros naturales j _ 1, se obtiene inmediatamente la relacin
E
c
Y

= /
Y
(j + 1)
para los momentos de orden j, cuando existan a partir de j _ 1. Si existe la
media, su valor es /
Y
(2).
1
2.2 Propiedades Bsicas
1. Si 0 es una constante, y Z =Y entonces
/
Z
(:) =
s1
/
Y
(:)
2. Si Z = Y
1
Y
2
es el producto de dos variables positivas independientes, en-
tonces
/
Z
(:) = /
Y1
(:)/
Y2
(:)
En particular, para cualquier v.a. Z, /
1/n
Z
(:) es la transformada de
Mellin de una variable aleatoria 1 tal que el producto de una sucesin iid
de ellas tiene la transformada original de Z.
3. Si Y = exp(X), donde X tiene la distribucin 1, entonces, conociendo la
generadora de momentos del exponente X , obtenemos la T. de Mellin de
Y del modo siguiente,
/
Y
(:) = /
om
X
(: 1) = /
X
(1 :) (1)
4. Conversamente, en relacin al punto anterior, si concemos la T. de Mellin
de 1 con la distribucin G, la generadora de momentos de la distribucin
1 de X = lnY est dad por la relacin
/
om
X
(t) = /
Y
(t + 1)
2.3 Ejemplos
1. (log-normal) Si Y = exp(X), donde X tiene la distribucin normal general,
entonces sabemos que
/
om
X
(t) = exp
_
tj +

2
2
t
2
_
(2)
, de modo que
/
Y
(:) = exp
_
j(: 1) +

2
2
(: 1)
2
_
(3)
En particular, para cualquier constante 0, la v.a 7 = 1 tiene como
transformada de Mellin la expresin
/
Z
(:) =
s1
exp
_
j(: 1) +

2
2
(: 1)
2
_
(4)
de donde se pueden calcular los momentos de todo orden, y en particular
la varianza como
Var 7 = (1 Z)
2
_
exp
_

2
_
1
_
(5)
2
Si Y es uniforme en [a, /], y X = lnY,entonces /
Y
(:) =
1
/ a
:
1
(/
s
a
s
) ,y
/
om
X
(t) =
1
/ a
_
/
|+1
a
|+1
t + 1
_
.
Los momentos de X en este caso, se obtienen con las derivadas valuadas
en t = 0.
3 Cambios de medida de variables positivas con
media especicada
En lo que sigue, trabajamos con densidades con letras ), j, /, etc.
1. Sea Y _ 0 con densidad q(j).Suponemos que existe /
Y
(:) para algn
valor : = :
0
.
Formamos una nueva densidad escribiendo la relacin
/(j) =
j
s01
/
Y
(:
0
)
q(j) ; j 0 (6)
y debe notarse que ambas poseen el mismo soporte.
Esto es, /(j) 0 si y slo si q(j) 0. Su transformada de Mellin se
obtiene inmediatamente como
/
0
Y
(:) = E
Q
_
Y
s1
_
=
1
/
Y
(:
0
)
E
c
_
Y
s+s011
_
=
/
Y
(: + :
0
1)
/
Y
(:
0
)
(7)
de modo que con esta nueva densidad obtenemos una media
: = /
0
Y
(2) =
/
Y
(:
0
+ 1)
/
Y
(:
0
)
2. Habiendo selecionado un valor de :
0
, obtenemos de (1) con la generadora
de momentos del exponente la expresin
/
0
Y
(:) =
/
Y
(: + :
0
1)
/
Y
(:
0
)
=
/
om
X
(: + :
0
2)
/
om
X
(:
0
1)
y la media la calculamos con la frmula proviniente de (1):
: = /
0
Y
(2) =
/
Y
(:
0
+ 1)
/
Y
(:
0
)
=
/
X
(:
0
)
/
X
(:
0
1)
(8)
4 Ejemplo con la normal y precios
Si Y = exp(X) con X una normal (j,
2
), su densidad est provista por la
frmula ,
q(j) =
1
j
_
2
exp
_

1
2
2
(lnj j)
2
_
; j 0 (9)
3
entonces /
Y
(:) = /
mom
X
(:1) = exp
_
j(: 1) +
u
2
2
(: 1)
2
_
y un cambio
de medida con media : prescrita, lo podemos hacer con (6) utilizando (8) (1)
resolviendo para :
0
en la ecuacin
: =
/
Y
(:
0
+ 1)
/
Y
(:
0
)
=
/
mom
X
(:
0
)
/
mom
X
(:
0
1)
=
exp
_
j:
0
+

2
2
:
2
0
_
exp
_
j(:
0
1) +

2
2
(:
0
1)
2
_
= exp
_
j
1
2

2
_
exp
_

2
:
0
_
Dada :, obtenemos el valor de :
0
como
:
0
=
1
2
+
1

2
(ln(:) j) (10)
y la nueva densidad queda de (6) como
/(j) = q(j)
j
s01
exp
_
j(:
0
1) +

2
2
(:
0
1)
2
_ (11)
Para simplicar el lgebra suponemos ja
Hacemos la simple transformacin : = exp
_
j
0
+

2
2
_
. Esto es, ln(:) =
j
0
+

2
2
=
1
2

2
+ j
0
.
Sustituyendo en (10), obtenemos
:
0
= 1 +
j
0
j

2
(12)
/(j) = q(j) exp
_
1
2
2
_
j
2
j
2
0
_
+
j
0
j

2
lnj
_
; j 0
Con un poco de lgebra adicional se obtiene la nueva densidad :
/(j) =
1
j
_
2
exp
_

1
2
2
(lnj j
0
)
2
_
; j 0 (13)
que es la densidad de una v.a. log normal con la nueva media : = exp
_
j
0
+

2
2
_
,
y corresponde a que el exponente X estuviese distribudo como una normal con
la nueva media j
0
y misma varianza
2
.
Resumimos lo anterior en la siguiente
4
Proposicin 1 Con el cambio de densidad (6), y eligiendo :
0
1 =
j
0
j

2
, una
densidad log-normal de media exp
_
j +

2
2
_
se convierte en otra de la misma
especie con la media exp
_
j
0
+

2
2
_
. El cociente
/
q
(j) tiene la expresin
/
q
(j) = exp
_
j
2
j
2
0
2
2

j j
0

2
lnj
_
(14)
= exp
_
j j
0

2
_
j + j
0
2
lnj
__
5 El cambio de medida en mercados ecientes
con la log-normal
El cambio de medida obtenido en la seccin anterior (jlf) lo utilizamos para
obtener la densidad de precios de A-D basados en los rsultados de la teora
de no-arbitraje en tiempo continuo y con ecuaciones diferenciales estocsticas
debido a Black-Scholes y Merton (BSM) en 1970-1972.
5.1 El modelo bsico de BSM
El resultado bsico es el siguiente. Para cualesquiera dos fechas, t, t + t, con
t 0, se deriva de los modelos mencionados que el modelo de precios satisface
la relacin
S
|+r
= S
|
exp(X
r
) (15)
donde X
r
es una normal con media ct
1
2
o
2
t y varianza o
2
t. De la expresin
proviniente de la generadora de momentos de la normal:
E

_
S
|
|+r

o
|
= o
_
= o
|
exp
_
/ct +
o
2
t
2
/ (/ 1)
_
(16)
La razn para el trrmino
1
2
o
2
t en la media de la normal se puede justicar en
tanto que con esta correcin obtenemos inmediatamente, la media y varianzas
condicionales
E

S
|+r
[ o
|
= o = oc
or
(17)
E

_
S
2
|+r

o
|
= o
_
o
2
c
2or
= (oc
or
)
2

_
exp
_
o
2
t
_
1
_
(18)
Tomando en cuenta lo anterior , la densidad de exp(X
r
) resulta en la expre-
sin
5
q
r
(j) =
1
j o
_
2t
exp
_

1
2o
2
t
_
lnj ct +
o
2
t
2
_
2
_
; j 0 (19)
Debe notarse que las propiedades probabilsticas del modelo, dado t 0,estn
determinadas solamente con los dos parmetros c, o, condicionalmente al
valor del precio al tiempo t, (Proceso markoviano) . Adicionalmente, se
representa un proceso con carcter estacionario, en tanto que el precio futuro
solo depende de la brecha t y NO del tiempo presente t .
La tasa del banco se propone en la forma simple de inters compuesto con
la fuerza de inters promedio r supuesta tambin constante. De modo que
1
|+r
|
= c
:r
.
6 Eciencia del mercado
Dado S
|
= o 0, en (15), debemos tener que para la eciencia del mercado,que
el precio presente llevado a su valor bancario futuro:libre de riesgo: 1
|+r
|
o =
c
:r
o se encuentre en el convexo del soporte de la distribucin de S
|+r
la cual
resulta en la densidad con la media condicional a o
|
= o dada en (17).Esta es la
media del supuesto modelo de precios que corresponde a la densidad lognormal
(19) escalada por el factor o y queda como
j
r
(j) =
1
o
q
r
_
j
o
_
; j 0
Esto es, el precio o debe encontrarse en el soporte de la densidad condicional
j
r
(j) =
1
j o
_
2t
exp
_

1
2o
2
t
_
ln(j) +
1
2
o
2
t ct lno
_
2
_
(20)
y esta densiddad tiene como soporte todo el intervalo [0, ) y efectivamente
tiene por media la expresin (??)
As pues, la condicin de no-arbitraje queda resuelta en forma triv-
ial.
Buscamos expresar c
:r
o como media de la densidad condicional
r
de precios
de Arrow-Debreu. Con la metodologa de cambio de medida que hemos
introducido, hgase j = ct + lno, y
2
= o
2
t, y c
:r
o = exp
_
j
0
+
2
,2
_
, con
lo que obtenemos
y obtenemos
j
0
= rt + lno o
2
t,2
y en forma directa obtenemos la densidad buscada

r
(j) =
1
j o
_
2t
exp
_

1
2o
2
t
_
lnj +
1
2
o
2
t rt lno
_
2
_
(21)
6
cuya media es exactamente
exp
_
j
0
+ o
2
t,2
_
= exp
_
rt + lno o
2
t,2j
0
+ o
2
t,2
_
= o exprt
como buscbamos.
Esta es la densidad de precios de no-arbitraje de Arrow-Debreu
Hemos obtenido la famosa condicin de martingala de los precios
descontados bajo la nueva densidad,.
Esto es
E
j
_
S
|+r
1
|+r
|

o
|
= o
_
= o
|
(Martin)
Ntese que de acuerdo con (14) , obtenemos el cociente

r
j
r
(j) = exp
_
c r
o
2
_
c + r
2
t lnj
__
(22)
7 Coecientes de difusin
El modelo de BSM modela adems un proceso markoviano de difusin
en tanto que obtenemos de la probabilidadde transcin (19) las tres expresiones
siguientes. Utilizamos para ello la expresin de momentos de la normal de (16)
para obtener
lim
r!0
1
t
[E

(S
|+r
o
|
)[ o
|
= o] = o
_
lim
r!0
expct 1
t
_
= co
lim
r!0
1
t
_
E

_
(S
|+r
o
|
)
2

o
|
= o
__
= o
2
_
lim
r!0
exp
_
2ct + o
2
t
_
2 expct + 1
t
_
= o
2
o
2
lim
r!0
1
t
_
E

_
(S
|+r
o
|
)
3

o
|
= o
__
= o
2

=
_
lim
r!0
exp
_
3ct + 3o
2
t
_
3 exp
_
2ct + o
2
t
_
+ 3 expct 1
t
_
= 0
Se puede ver que lim
r
1
r
_
E

_
(S
|+r
o
|
)
2+o

o
|
= o
__
= 0 para todo nmero
positivo c.
Estas tres caractersticas de una densidad condicional denen un
proceso de difusin
(def. de W. Feller) con
deriva (drift) co y coeciente de difusin o
2
o
2
7
Ejemplo 2 Las unidades de tiempo las tomamos como das. Suponga un activo
con o = 10, Crecimiento promedio anual de 20% (para exagerar las grcas
que siguen) lo cual nos binda c = 0.0005 =
ln(1+.2)
360
= 5. 064 5 10
4
- . y
suponemos que su desviacin estndard anual es de 2. de modo que obtenemos
o de la ecuacin
4 = 100(1 + .07)
2
_
exp
_
o
2
360
_
1
_
o = 0.0098 =
_
1
360
ln
_
1 +
4
100(1 + .07)
2
_
- 0.0098
tomando estos valores, y una tasade inters libre de riesgo de 5% anual, obten-
emos r =
ln(1+.05)
360
= 1. 355 3 10
4
- 0.00013 y obtenemos las dos densidades
j
r
(j) = 51. 02
_
2
_
j
_
t
exp
_

5206. 2
t
_
4. 519 8 10
4
t + ln10 lnj
_
2
_

r
(j) = 51. 02
_
2
j
_

_
t
exp
_

5206. 2
t
_
8. 198 10
5
t + ln10 lnj
_
2
_
Siguen grcas animadas (la que aqu aparece es el nal de la animacin a
360 das)
8.0 8.5 9.0 9.5 10.0 10.5 11.0 11.5 12.0
0
1
2
3
4
x
y
8