Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Lecture

Joint Quadratic Processes

In course

MATH-431: Theory of stochastic calculus

Introduction to the mathematical theory of stochastic calculus: construction of the Ito stochastic integral, proof of the Ito formula, introduction to stochastic differential equations, Girsanov's theorem and the Feynman-Kac formula, the martingale represe ...

Description

This lecture covers the concept of joint quadratic processes, where two locally continuous martingales M and N are given. It explains the joint variation process, properties, and the martingale property. The lecture also discusses the Ito lemma, local martingales, and the quadratic variation process.

Instructors (2)

Robert Dalang

Robert Dalang, né en 1961, a reçu le diplôme de Mathématicien-EPFL en 1983 et est lauréat du Prix Dommer. Il passe l'année 1985-86 à Cornell University (USA) comme chercheur invité. Il obtient le doctorat au Département de mathématiques de l'EPFL en 1987. Son domaine de spécialisation est la théorie des processeurs stochastiques. En 1987, Robert Dalang est nommé professeur assistant au Département de statistiques de l'Université de Californie à Berkeley (USA). En 1988, il reçoit une bourse post-doctorale du Fonds national scientifique américain et effectue des recherches sur les propriétés markoviennes de processus stochastiques à plusieurs paramètres. En 1990, il est nommé à Tufts University (Boston, USA). Il est promu professeur associé en mai 1993. Une partie importante de ses recherches se font dans le cadre de contrats avec le Fonds national scientifique américain et l'Office de la recherche de l'armée américaine. En collaboration avec le Prof. R. Cairoli du Département de mathématiques de l'EPFL, il a écrit un livre sur l'optimisation stochastique séquentielle publié en 1996 aux éditions John Wiley. M. Dalang est nommé professeur extraordinaire de probabilités au Département de mathématiques en 1995. Il y poursuit des travaux de recherche en processus stochastiques et probabilité appliquée et participe à l'enseignement des processus stochastiques, de la théorie des probabilités et des cours de mathématiques aux sections d'ingénieurs. Il dirige régulièrement des thèses de doctorats, est éditeur de plusieurs journaux de recherche mathématique et travail en collaboration avec des chercheurs de plusieurs universités européennes et américaines.

Thomas Mountford

D'origine britannique, né en 1961. Il a reçu la bourse présidentielle des jeunes investisseurs (Presidential Young Investigator Grant) en 1990 et le prix de la Fraternité Sloan (Sloan Fellowship) en 1991. Son travail montre que les valeurs critiques d'une classe large de de systèmes de particules proches sont égales à 1, et que, suite à plusieurs travaux sur la trajectoire du mouvement brownien, incluant une simulation numérique, le nombre d'îlots browniens en 2 dimensions tend vers l'infini quand leurs tailles tendent vers 0. Il reçoit le prix Rosenbaum en 1993 lui ouvrant ainsi les portes du Isaac Newton Institute à Cambridge. Il est également décoré par le prix Rollo Davidson en 1995 et nommé membre honoraire de l'Institute of Mathematical Statistics en 2001. Assistant Profeseur de Mathematique a UCLA 1987- 1991 Associate Professeur de Mathematique a UCLA 1991-1993 Professeur de Mathematique a UCLA 1993-2001 Professeur Departement de mathématiques, EPFL dès 2001

Official source

Related concepts (15)

Quadratic variation

In mathematics, quadratic variation is used in the analysis of stochastic processes such as Brownian motion and other martingales. Quadratic variation is just one kind of variation of a process. Suppose that is a real-valued stochastic process defined on a probability space and with time index ranging over the non-negative real numbers. Its quadratic variation is the process, written as , defined as where ranges over partitions of the interval and the norm of the partition is the mesh.

Local martingale

In mathematics, a local martingale is a type of stochastic process, satisfying the localized version of the martingale property. Every martingale is a local martingale; every bounded local martingale is a martingale; in particular, every local martingale that is bounded from below is a supermartingale, and every local martingale that is bounded from above is a submartingale; however, in general a local martingale is not a martingale, because its expectation can be distorted by large values of small probability.

Itô calculus

Itô calculus, named after Kiyosi Itô, extends the methods of calculus to stochastic processes such as Brownian motion (see Wiener process). It has important applications in mathematical finance and stochastic differential equations. The central concept is the Itô stochastic integral, a stochastic generalization of the Riemann–Stieltjes integral in analysis. The integrands and the integrators are now stochastic processes: where H is a locally square-integrable process adapted to the filtration generated by X , which is a Brownian motion or, more generally, a semimartingale.

Itô's lemma

In mathematics, Itô's lemma or Itô's formula (also called the Itô-Doeblin formula, especially in the French literature) is an identity used in Itô calculus to find the differential of a time-dependent function of a stochastic process. It serves as the stochastic calculus counterpart of the chain rule. It can be heuristically derived by forming the Taylor series expansion of the function up to its second derivatives and retaining terms up to first order in the time increment and second order in the Wiener process increment.

Martingale (probability theory)

In probability theory, a martingale is a sequence of random variables (i.e., a stochastic process) for which, at a particular time, the conditional expectation of the next value in the sequence is equal to the present value, regardless of all prior values. Originally, martingale referred to a class of betting strategies that was popular in 18th-century France. The simplest of these strategies was designed for a game in which the gambler wins their stake if a coin comes up heads and loses it if the coin comes up tails.

Related lectures (32)

Quadratic Variation: Martingales and Stochastic Integrals

Explores quadratic variation in martingales and stochastic integrals, emphasizing their properties and extensions.

Stochastic Integration: First Steps

Covers stochastic integration, process bracket, martingales, and variations in submartingales.

Martingale Convergence Theorem: Proof and Recap

Covers the proof and recap of the martingale convergence theorem, focusing on the conditions for the existence of a random variable.

Girsanov: Martingales and Brownian Motion

Explores martingales, Brownian motion, and measure transformations in probability theory.

Doob's Decomposition Theorem