Vorhersagbarer Prozess

Ein vorhersagbarer Prozess, auch vorhersehbarer Prozess, previsibler Prozess oder prognostizierbarer Prozess genannt, ist ein spezieller stochastischer Prozess, bei dem es möglich ist, einen kurzen Zeitschritt in die Zukunft zu schauen. Dies bedeutet nicht, dass Ausgänge schon bekannt sind, sondern lediglich, dass Informationen über die Verteilung gewonnen werden können. Vorhersagbare Prozesse spielen beispielsweise eine Rolle bei der Doob-Zerlegung, die einen beliebigen integrierbaren stochastischen Prozess in diskreter Zeit in zwei Teilprozesse zerlegt: ein Martingal und einen vorhersagbaren Prozess. Außerdem finden sie Anwendung bei der Definition des diskreten stochastischen Integrals und des stochastischen Integrals.

Definition

Diskreter Fall

Gegeben sei eine Filtrierung {\displaystyle ({\mathcal {F}}_{n})_{n\in \mathbb {N} }} und ein stochastischer Prozess  X=(X_n)_{n \in \N} . Gilt stets

{\displaystyle X_{n}{\text{ ist }}{\mathcal {F}}_{n-1}{\text{-messbar }}}

für alle  n \in \N , so heißt der Prozess vorhersagbar, previsibel oder prognostizierbar.

Stetiger Fall

Im zeitstetigen Fall definiert man die vorhersagbare σ-Algebra auf {\displaystyle \Omega \times [0,\infty )} als

{\displaystyle {\mathcal {P}}:=\sigma (X\,|\,X{\text{ ist adaptierter linksstetiger Prozess }})}

(siehe adaptierter stochastischer Prozess, Linksstetiger Prozess). Ein Prozess heißt dann vorhersagbar, wenn {\displaystyle (\omega ,t)\mapsto X_{t}(\omega )} eine  \mathcal P-messbare Abbildung ist.

Interpretation des diskreten Falls

Die σ-Algebra {\displaystyle {\mathcal {F}}_{n-1}} modelliert die Informationen, die zum Zeitpunkt n-1 zur Verfügung stehen. Betrachtet man nun die bedingte Erwartung der Zufallsvariable X_{n} unter Berücksichtigung der Tatsache, dass die Informationen aus {\displaystyle {\mathcal {F}}_{n-1}} bereits zur Verfügung stehen, so ist

{\displaystyle \operatorname {E} (X_{n}|{\mathcal {F}}_{n-1})=X_{n}}.

Dies folgt daraus, dass X_{n} {\displaystyle {\mathcal {F}}_{n-1}}-messbar ist und demnach {\displaystyle \sigma (X_{n})\subset {\mathcal {F}}_{n-1}}. Hat man demnach die Informationen aus dem (n-1)-ten Schritt zur Verfügung, lässt sich schon alles über die Ausgänge im n-ten Schritt sagen.

Beispiel

Literatur

Trenner
Basierend auf einem Artikel in: Wikipedia.de
Seitenende
Seite zurück
© biancahoegel.de
Datum der letzten Änderung: Jena, den: 05.04. 2021