In der modernen (Wirtschafts-)Mathematik kommt man oft in die Situation, mit Zufallsgrößen oder auch Zeitreihen arbeiten zu müssen, die sich in irgendeiner Form auf Summen unabhängiger Zufallsvariablen zurückführen lassen. Ein wichtiges Forschungsgebiet ist deshalb deren approximative Einordnung und Beschreibung. Ein besonders prominentes Ergebnis ist hierbei der zentrale Grenzwertsatz, der 1920 erstmals von George Pólya unter dieser Bezeichnung aufgeführt wurde. Er sagt unter anderem aus, dass sich der Mittelwert unabhängig identisch verteilter Zufallsvariablen für große Stichproben einer Normalverteilung annähert. Er findet häufige Anwendung in der Praxis, zum Beispiel im Risikomanagement, wenn es um Wahrscheinlichkeiten von Extremereignissen geht, oder auch bei der Bewertung von Optionen im Aktienhandel. Damit in diesen Gebieten verlässliche Ergebnisse und Berechnungen erzielt werden, ist es aber wichtig, die Konvergenzaussage für unterschiedliche Fälle zu spezifizieren und passende Ableitungen zu entwickeln. In dieser Arbeit sollen deshalb einige Ergebnisse vorgestellt werden, die auf dem zentralen Grenzwertsatz aufbauen.
Dabei wird zuerst kompakt auf dessen genaue Definition und deren Herleitung im Allgemeinen eingegangen (Kapitel 2). Anschließend wird versucht, die recht allgemein gehaltene Konvergenzaussage durch verschiedene Werkzeuge genauer einzuordnen (Kapitel 3). Im letzten Teil der Arbeit wird schließlich dessen Aussage auf das Gebiet der stochastischen Prozesse übertragen und analoge Ergebnisse für Summenprozesse unabhängig identisch verteilter Zufallsvariablen vorgestellt (Kapitel 4).
Inhaltsverzeichnis
1. Einführung in das Thema
2. Grundlagen
3. Verfeinerungen des zentralen Grenzwertsatzes
3.1. Berry-Esséen
3.2. Asymptotische Erweiterungen
3.3. Große Abweichungen
4. Funktionaler Zentraler Grenzwertsatz
4.1. Grundlagen stochastischer Prozesse
4.2. Funktionaler zentraler Grenzwertsatz für α = 2
4.3. Funktionaler zentraler Grenzwertsatz für α ≠ 2
5. Zusammenfassung und Ausblick
Zielsetzung & Themen
Die vorliegende Arbeit untersucht Verfeinerungen des zentralen Grenzwertsatzes (ZGS) sowie deren Übertragung auf stochastische Prozesse. Das primäre Ziel ist es, die Konvergenzgeschwindigkeit zu analysieren, durch zusätzliche Terme zu verbessern und die theoretischen Aussagen auf den Bereich der stochastischen Prozesse zu erweitern, wobei ein besonderer Schwerpunkt auf der Approximation durch die Brownsche Bewegung und allgemeine α-stabile Bewegungen liegt.
- Analyse der Konvergenzgeschwindigkeit mittels Berry-Esséen-Abschätzungen.
- Methodische Verfeinerung durch asymptotische Erweiterungen.
- Untersuchung von Modellen für große Abweichungen.
- Herleitung funktionaler zentraler Grenzwertsätze für stochastische Prozesse.
- Verallgemeinerung auf α-stabile Bewegungen bei α ≠ 2.
Auszug aus dem Buch
3. Verfeinerungen des zentralen Grenzwertsatzes
Wir betrachten nun eine Folge unabhängig identisch verteilter Zufallsvariablen (Xn) mit Erwartungswert μ < ∞, Varianz σ² < ∞ und zweitem Moment E[X²] < ∞. Nach Korollar 2.6 befinden sich diese Zufallsvariablen also im Anziehungsbereich einer Normalverteilung und erfüllen die Voraussetzungen des zentralen Grenzwertsatzes wie in Fall (i) von Satz 2.11. Es gilt also
Sn − nμ / σ√n → Φ.
Diese Aussage gibt allerdings keine Auskunft über die Güte bzw. die Geschwindigkeit der Konvergenz. Gerade, weil wir durch die eher schwache Einschränkung über die Existenz des zweiten Moments eine sehr große Grundgesamtheit an Verteilungen betrachten, ist anzunehmen, dass diese je nach betrachteter Verteilung mitunter stark variiert.
Die Grundfrage dieses Kapitels ist deswegen:
Wie kann man die Qualität der Konvergenz des zentralen Grenzwertsatzes bestimmen und verbessern?
Dies ist auch deshalb wichtig, weil wir keine Untergrenze für den Stichprobenumfang angegeben haben, was die Frage aufwirft, ab welchem Wert für n die Approximation für gegebene Verteilungen überhaupt Sinn macht. Einer der Indikatoren für die Konvergenzgüte ist hierbei, wie wir noch sehen werden, die Existenz höherer Momente. Dies ist auch intuitiv, wenn man beachtet, dass der k-te Moment einer Standardnormalverteilung für jedes k ∈ N existiert (siehe dazu A.11). Wir werden deshalb in den ersten zwei Unterkapiteln versuchen, anhand der gegebenen existierenden Momente immer feinere Abschätzungen bzw. Approximationen herzuleiten.
Zusammenfassung der Kapitel
1. Einführung in das Thema: Hinführung zur Bedeutung des zentralen Grenzwertsatzes in der modernen Stochastik und Darstellung der Zielsetzung der Arbeit.
2. Grundlagen: Zusammenstellung essenzieller Definitionen, insbesondere zu stabilen Verteilungen und den notwendigen Momenten für den zentralen Grenzwertsatz.
3. Verfeinerungen des zentralen Grenzwertsatzes: Analyse der Konvergenzgeschwindigkeit durch Berry-Esséen, asymptotische Erweiterungen und die Theorie großer Abweichungen.
4. Funktionaler Zentraler Grenzwertsatz: Übertragung der Aussagen auf stochastische Prozesse mit Fokus auf die Brownsche Bewegung und die Verallgemeinerung auf α-stabile Prozesse.
5. Zusammenfassung und Ausblick: Resümee der erzielten Ergebnisse hinsichtlich der Konvergenzverbesserungen und der funktionalen Übertragungen auf stochastische Prozesse.
Schlüsselwörter
Zentraler Grenzwertsatz, Stochastische Prozesse, Konvergenzgeschwindigkeit, Berry-Esséen, Asymptotische Erweiterung, Große Abweichungen, Brownsche Bewegung, α-stabile Verteilung, Funktionaler zentraler Grenzwertsatz, Normalverteilung, Stichprobenmittel, Stabile Bewegung, Konvergenz, Wahrscheinlichkeitstheorie, Finanzmathematik.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt mathematische Aspekte des zentralen Grenzwertsatzes, wobei insbesondere die Genauigkeit der Approximation und deren Erweiterung auf Prozesse im Zeitverlauf (stochastische Prozesse) untersucht werden.
Was sind die zentralen Themenfelder der Publikation?
Die Kerngebiete umfassen die klassische Grenzwerttheorie, die Analyse von Konvergenzraten, die Approximation durch die Normalverteilung sowie die Modellierung stochastischer Prozesse mittels Brownschen und α-stabilen Bewegungen.
Was ist das primäre Ziel der Arbeit?
Das Hauptziel ist die Verbesserung und Verfeinerung der Aussagen über die Konvergenz gegen eine Grenzverteilung, um für praktische Anwendungen in der Finanzmathematik präzisere Abschätzungen zu ermöglichen.
Welche wissenschaftlichen Methoden werden verwendet?
Es kommen Methoden der Wahrscheinlichkeitstheorie zum Einsatz, insbesondere Taylor-Entwicklungen charakteristischer Funktionen, Edgeworth-Erweiterungen sowie das "Continuous Mapping Theorem" für funktionale Konvergenz.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die quantitative Analyse von Fehlergrenzen für den klassischen ZGS (Kapitel 3) und die theoretische Übertragung dieser Konzepte auf Pfade stochastischer Prozesse (Kapitel 4).
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Zentrale Begriffe sind der zentrale Grenzwertsatz, α-stabile Bewegungen, Konvergenzgeschwindigkeit und die Brownsche Bewegung als Grenzprozess.
Welche Bedeutung haben die sogenannten Berry-Esséen-Abschätzungen?
Sie bieten eine theoretische Obergrenze für den Approximationsfehler bei der Annäherung an die Normalverteilung und geben Aufschluss darüber, wie schnell die Konvergenz gegen Null geht.
Wie unterscheidet sich der Funktionale Zentrale Grenzwertsatz vom klassischen ZGS?
Während der klassische ZGS lediglich die Verteilung der Summe an einem festen Punkt betrachtet, liefert der funktionale ZGS eine Aussage über das gesamte Verhalten des Prozesses im Zeitverlauf.
Warum spielt die Unterscheidung α = 2 vs. α ≠ 2 eine Rolle?
Der Fall α = 2 führt zur Brownschen Bewegung mit stetigen Pfaden, während bei α < 2 Sprungprozesse auftreten, was die theoretische Handhabung und die Art der Grenzprozesse grundlegend verändert.
- Arbeit zitieren
- Niklas Würtele (Autor:in), 2016, Der zentrale Grenzwertsatz. Verfeinerungen und die funktionale Version, München, GRIN Verlag, https://www.grin.com/document/454250
