PředmětyPředměty(verze: 945)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Pravděpodobnost pro finance a pojišťovnictví - NMFM408
Anglický název: Probability for Finance and Insurance
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2022
Semestr: letní
E-Kredity: 3
Rozsah, examinace: letní s.:2/0, Zk [HT]
Počet míst: neomezen
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: nevyučován
Jazyk výuky: angličtina, čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Garant: prof. RNDr. Bohdan Maslowski, DrSc.
Třída: M Mgr. FPM
M Mgr. FPM > Povinné
Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
Neslučitelnost : NMFP405
Záměnnost : NMFP405
Je neslučitelnost pro: NMFP405
Je záměnnost pro: NMFP405
Ve slož. prerekvizitě: NMFM505, NMFM535, NMST531
Výsledky anket   Termíny zkoušek   Rozvrh   Nástěnka   
Anotace -
Poslední úprava: doc. Mgr. Petr Kaplický, Ph.D. (18.04.2019)
Cílem předmětu je seznámit posluchače se základy teorie pravděpodobnosti, užívanými ve finanční a pojistné matematice. Jedná se především o pojem obecné podmíněné střední hodnoty a diskrétního i spojitého martingalu. Budou studovány jejich základní vlastnosti a nejdůležitější příklady, především Wienerův proces a stochastický integrál. Posluchači seznámení se základy stochastického kalkulu (Itoovo lemma). Aparát vybudovaný v této přednášce tvoří základy pro studium stochastických modelů ve finanční a pojistných matematice.
Cíl předmětu -
Poslední úprava: T_KPMS (17.05.2013)

Cílem předmětu je seznámit posluchače se základy teorie pravděpodobnosti, užívanými ve finanční a pojistné

matematice.

Podmínky zakončení předmětu -
Poslední úprava: RNDr. Jitka Zichová, Dr. (29.05.2019)

Ústní zkouška.

Literatura
Poslední úprava: T_KPMS (11.05.2015)

P. Lachout: Diskrétní martingaly, skripta MFF UK

B. Oksendal: Stochastic Differential Equations, Springer-Verlag, 2010 (sedmé vydání)

I. Karatzas and S.E. Shreve: Brownian Motion and Stochastic Calculus, Springer-Verlag, 1988 (první vydání)

J. M. Steele, Stochastic Calculus and Financial Applications, Springer-Verlag, 2001

Metody výuky -
Poslední úprava: T_KPMS (17.05.2013)

Přednáška.

Požadavky ke zkoušce - angličtina
Poslední úprava: prof. RNDr. Bohdan Maslowski, DrSc. (26.02.2018)

The examination will be oral.

Requirements (may be slightly modified according to the stuff talked over):

Basic Notions and Theorems:

1. Basics from the theory of random processes : Conditional expectations w.r.t. sigma-algebra, its basic properties and interpretation., Daniell-Kolmogorov, the principle of construction of a random process by its finite-dimensional distributions. Kolmogorov-Chentsov continuity test and application to the existence proof of the Wiener process (the basic idea).

2. Martingales: Stochastic basis, filtrations, usual conditions. Adapted and progressively measurable processes and relations between them. The concept of (sub-, super-) martingales, L^2- martingales, local martingales, examples. Basic properties of martingales. Stopping times and their basic properties, examples. Measurability of the stopped process. Optional Sampling Thm. Maximal inequalities. Concept of increasing natural (predictable) process, the class (DL). Doob-Meyer decomposition of a contuinuous submartingale and applications in the definition of quadratic variation. Examples of D-M decompositions of martingales. Quadratic variation as a limit of partial sums.

3. Stochastic Analysis: Wiener process - motivation, definition and basic properties, what is the relation the the concept of white noise? Stochastic integral - definition and a basic properties, connection with the Lebesgue - Stieltjes integral. Stochastic differential and Ito formula - formulation and applications in the examples. Stochastic bilinear equation (dX= f(t)X dt + g(t)X dW) and geometric Brownian motion, the formula for solution . Linear equation (dX=f(t)X dt + g(t)dW), the formula for solution (variation of constants) .

Proofs:

Show that Wiener and the "compensated" Poisson process are martingales and find their Doob-Meyer decomposition, proof of Ito isometry for step functions. Intuitive derivation of Ito formula. Proof of the formulas for solutions to bilinear and linear equations (the two examples following the Ito lemma).

Obviously, the knowledge of all definitions and basically all statements presented during the lecture is necessary for the exam to be successful. The level of understanding of the topic is important as well.

Sylabus -
Poslední úprava: T_KPMS (11.05.2015)

1. Podmíněná střední hodnota vůči sigma-algebře, náhodný proces, konečně-rozměrná rozdělení, Daniellova-Kolmogorovova a Kolmogorovova-Čencovova věta.

2. Martingaly, definice sub- a supermartingalu, filtrace, základní příklady. Markovské časy a časy prvního vstupu náhodného procesu do podmnožiny stavového prostoru. Maximální nerovnosti, Doobův-Meyerův rozklad.

3. Kvadratická variace martingalu, Wienerův proces a jeho základní vlastnosti.

4. Stochastický integrál vůči Wienerovu procesu, definice a základní vlastnosti. Stochastický diferenciál a Itoova formule - příklady.

5. Stochastický integrál vůči martingalu - úvod.

Vstupní požadavky -
Poslední úprava: prof. RNDr. Bohdan Maslowski, DrSc. (24.05.2018)

K zápisu je požadována základní znalost matematické analýzy (včetně základů teorie míry a integrálu) a znalost základů teorie pravděpodobnosti.

 
Univerzita Karlova | Informační systém UK