Martingale

Em teoria das probabilidades, um martingale é um modelo de jogo honesto (fair game) em que o conhecimento de eventos passados nunca ajuda a prever os ganhos futuros e apenas o evento atual importa. Em particular, um martingale é uma sequência de variáveis aleatórias (isto é, um processo estocástico) para o qual, a qualquer tempo específico na sequência observada, a esperança do próximo valor na sequência é igual ao valor presentemente observado, mesmo dado o conhecimento de todos os valores anteriormente observados.^[1]

Em contraste, em um processo que não é um martingale, o valor esperado do processo em um tempo pode ainda ser igual ao valor esperado do processo no tempo seguinte. Entretanto, o conhecimento de eventos anteriores (por exemplo, todas as cartas anteriormente retiradas de um baralho) pode ajudar a reduzir a incerteza sobre os eventos futuros. Assim, o valor esperado do próximo evento, dado o conhecimento do evento presente e de todos os anteriores, pode ser mais elevado do que o do presente evento se uma estratégia de ganho for usada. Martingales excluem a possibilidade de estratégias de ganho baseadas no histórico do jogo e, portanto, são um modelo de jogos honestos. É também uma técnica utilizada no mercado financeiro, para recuperar operações perdidas. Dobra-se a segunda mão para recuperar a anterior, e assim sucessivamente, até o acerto.

Martingale é o sistema de apostas mais comum na roleta. A popularidade deste sistema se deve à sua simplicidade e acessibilidade. O jogo Martingale dá a impressão enganosa de vitórias rápidas e fáceis. A essência do sistema de jogo da roleta Martingale é a seguinte: fazemos uma aposta em uma chance igual de roleta (vermelho-preto, par-ímpar), por exemplo, no “vermelho”: fazemos uma aposta na roleta por 1 dólar; se você perder, dobramos e apostamos $ 2. Se perdermos na roleta, perderemos a aposta atual ($ 2) e a aposta anterior ($ 1) de $ 3. 4, por exemplo. duas apostas ganham (1 + 2 = $ 3) e temos um ganho líquido de $ 1 na roleta. Se você perder uma segunda vez na roleta Martingale, dobramos a aposta novamente (agora é $ 4). Se ganharmos, ganharemos de volta as duas apostas anteriores (1 + 2 = 3 dólares) e a atual (4 dólares) da roda da roleta, e novamente ganharemos 1 dólar do cassino ^[2].

Originalmente, a expressão "martingale" se referia a um grupo de estratégias de aposta popular na França do século XVIII.^[3][4] A mais simples destas estratégias foi projetada para um jogo em que o apostador ganhava se a moeda desse cara e perdia se a moeda desse coroa. A estratégia fazia o apostador dobrar sua aposta depois de cada derrota a fim de que a primeira vitória recuperasse todas as perdas anteriores, além de um lucro igual à primeira aposta. Conforme o dinheiro e o tempo disponível do apostador se aproximam conjuntamente do infinito, a possibilidade de eventualmente dar cara se aproxima de 1, o que faz a estratégia de aposta martingale parecer como algo certo. Entretanto, o crescimento exponencial das apostas eventualmente leva os apostadores à falência, assumindo de forma óbvia e realista que a quantidade de dinheiro do apostador é finita (uma das razões pelas quais casinos, ainda que desfrutem normativamente de uma vantagem matemática nos jogos oferecidos aos seus clientes, impõem limites às apostas). Um movimento browniano parado, que é um processo martingale, pode ser usado para descrever a trajetória de tais jogos.

O conceito de martingale em teoria das probabilidades foi introduzido por Paul Lévy em 1934, ainda que ele não lhes tivesse dado este nome.^[5] O termo "martingale" foi introduzido em 1939 por Jean Ville,^[6] que também estendeu a definição à martingales contínuos.^[7] Muito do desenvolvimento original da teoria foi feito por Joseph Leo Doob, entre outros.^[8] Parte da motivação daquele trabalho era mostrar a impossibilidade de estratégias de aposta bem-sucedidas.^[9]

Uma definição básica de um martingale de tempo discreto diz que ele é um processo estocástico (isto é, uma sequência de variáveis aleatórias) ${\displaystyle X_{1},X_{2},X_{3},...}$ de tempo discreto que satisfaz, para qualquer tempo ${\displaystyle n}$,

${\displaystyle \mathbf {E} (\vert X_{n}\vert )<\infty }$

${\displaystyle \mathbf {E} (X_{n+1}\mid X_{1},\ldots ,X_{n})=X_{n}.}$

Isto é, o valor esperado condicional da próxima observação, dadas todas as observações anteriores, é igual à mais recente observação.^[10]

Mais geralmente, uma sequência ${\displaystyle Y_{1},Y_{2},Y_{3},...}$ é considerada um martingale em relação a outra sequência ${\displaystyle X_{1},X_{2},X_{3},...}$ se, para todo ${\displaystyle n}$,

${\displaystyle \mathbf {E} (\vert Y_{n}\vert )<\infty }$

${\displaystyle \mathbf {E} (Y_{n+1}\mid X_{1},\ldots ,X_{n})=Y_{n}.}$

Da mesma forma, um martingale de tempo contínuo em relação ao processo estocástico ${\displaystyle X_{t}}$ é um processo estocástico ${\displaystyle Y_{t}}$ tal que, para todo ${\displaystyle t}$,

${\displaystyle \mathbf {E} (\vert Y_{t}\vert )<\infty }$

${\displaystyle \mathbf {E} (Y_{t}\mid \{X_{\tau },\tau \leq s\})=Y_{s}\quad \forall s\leq t.}$

Isto expressa a propriedade de que o valor esperado condicional de qualquer observação no tempo ${\displaystyle t}$, dadas todas as observações até o tempo ${\displaystyle s}$, é igual à observação no tempo ${\displaystyle s}$ (considerando que ${\displaystyle s\leq t}$).

Em geral, um processo estocástico ${\displaystyle Y:T\times \Omega \to S}$ é um martingale em relação a uma filtração ${\displaystyle \Sigma _{*}}$ e medida de probabilidade ${\displaystyle P}$ se

• ${\displaystyle \Sigma _{*}}$ for uma filtração do espaço de probabilidade subjacente (${\displaystyle \Omega ,\Sigma ,P}$);
• ${\displaystyle Y}$ for adaptado à filtração ${\displaystyle \Sigma _{*}}$, isto é, para cada ${\displaystyle t}$ no conjunto de índices ${\displaystyle T}$, a variável aleatória ${\displaystyle Y_{t}}$ for uma função mensurável ${\displaystyle \Sigma _{\tau }}$;
• Para cada ${\displaystyle t}$, ${\displaystyle Y_{t}}$ estiver no espaço Lp ${\displaystyle L^{1}(\Omega ,\Sigma _{t},P;S)}$, isto é,

${\displaystyle \mathbf {E} _{\mathbf {P} }(|Y_{t}|)<+\infty ;}$

• Para todo ${\displaystyle s}$ e todo ${\displaystyle t}$, sendo ${\displaystyle s<t}$, e todo ${\displaystyle F\in \Sigma _{S}}$

${\displaystyle \mathbf {E} _{\mathbf {P} }\left([Y_{t}-Y_{s}]\chi _{F}\right)=0,}$

em que ${\displaystyle \chi _{F}}$ denota a função indicadora do evento ${\displaystyle F}$.

A última condição é denotada como

${\displaystyle Y_{s}=\mathbf {E} _{\mathbf {P} }(Y_{t}|\Sigma _{s}),}$

que é uma forma geral de valor esperado condicional.^[11]

É importante notar que a propriedade martingale envolve tanto a filtração, como a medida de probabilidade (em relação à qual os valores esperados são assumidos). É possível que ${\displaystyle Y}$ seja um martingale em relação a uma medida, mas não em relação a outra. O Teorema de Girsanov oferece uma forma de encontrar uma medida em relação à qual um processo de Itō é um martingale.^[12]

• Um passeio aleatório não viesado (em qualquer número de dimensões) é um exemplo de martingale.
• O dinheiro de um apostador é um martingale se todos os jogos de aposta com que ele se envolver forem honestos.
• Uma urna de Pólya contém uma quantidade de bolas de diferentes cores. A cada iteração, uma bola é aleatoriamente retirada da urna e substituída por várias outras da mesma cor. Para qualquer cor dada, a fração das bolas na urna com aquela cor é um martingale. Por exemplo, se atualmente 95% da bolas são vermelhas, então, ainda que a próxima iteração mais provavelmente adicione bolas vermelhas e não de outra cor, este viés está exatamente equilibrado pelo fato de que adicionar mais bolas vermelhas altera a fração de forma muito menos significativa do que adicionar o mesmo número de bolas não vermelhas alteraria.
• Suponha que ${\displaystyle X_{n}}$ seja o dinheiro de um apostador depois que uma moeda honesta foi jogada ${\displaystyle n}$ vezes, sendo que o apostador ganha $1 se der cara e perde $1 se der coroa. O valor esperado condicional do dinheiro do apostador depois que a moeda for jogada novamente, dado o histórico, é igual ao dinheiro atual. Esta sequência é, portanto, um martingale.
• Considere ${\displaystyle Y_{n}={X_{n}}^{2}-n}$, em que ${\displaystyle X_{n}}$ é o dinheiro do apostador no exemplo acima. Então, a sequência ${\displaystyle \{Y_{n}:n=1,2,3,...\}}$ é um martingale. Isto também pode ser usado para mostrar que o total de vitórias ou derrotas do apostador varia aproximadamente entre menos e mais a raiz quadrada do número de vezes que a moeda for jogada.
• No caso de um martingale de Moivre, suponha que a moeda é desonesta, isto é, viesada, com probabilidade ${\displaystyle p}$ de dar cara e probabilidade ${\displaystyle q=1-p}$ de dar coroa. Considere

${\displaystyle X_{n+1}=X_{n}\pm 1}$

com ${\displaystyle +}$ se der cara e ${\displaystyle -}$ se der coroa. Considere

${\displaystyle Y_{n}=(q/p)^{X_{n}}.}$

Então, ${\displaystyle \{Y_{n}:n=1,2,3,...\}}$ é um martingale com relação à ${\displaystyle \{X_{n}:n=1,2,3,...\}}$. Para mostrar isto,

${\displaystyle {\begin{aligned}E[Y_{n+1}\mid X_{1},\dots ,X_{n}]&=p(q/p)^{X_{n}+1}+q(q/p)^{X_{n}-1}\\[6pt]&=p(q/p)(q/p)^{X_{n}}+q(p/q)(q/p)^{X_{n}}\\[6pt]&=q(q/p)^{X_{n}}+p(q/p)^{X_{n}}=(q/p)^{X_{n}}=Y_{n}.\end{aligned}}}$

• No teste de razão de verossimilhança em estatística, uma variável aleatória ${\displaystyle X}$ é tida como distribuída de acordo com uma densidade de probabilidade ${\displaystyle f}$ ou uma densidade de probabilidade diferente ${\displaystyle g}$. Uma amostra aleatória ${\displaystyle X_{1},...,X_{n}}$ é tomada.^[13] Considere ${\displaystyle Y_{n}}$ a razão de verossimilhança

${\displaystyle Y_{n}=\prod _{i=1}^{n}{\frac {g(X_{i})}{f(X_{i})}}}$

Se ${\displaystyle X}$ for verdadeiramente distribuída de acordo com a densidade ${\displaystyle f}$ e não com a densidade ${\displaystyle g}$, então ${\displaystyle \{Y_{n}:n=1,2,3,...\}}$ é um martingale com relação a ${\displaystyle \{X_{n}:n=1,2,3,...\}}$.

• Suponha que uma ameba se divide em duas amebas com probabilidade ${\displaystyle p}$ ou morre com probabilidade ${\displaystyle 1-p}$ . Considere ${\displaystyle X_{n}}$ o número de amebas sobreviventes na ${\displaystyle n}$-ésima geração (em particular, ${\displaystyle X_{n}=0}$, se a população estiver extinta naquele momento). Considere ${\displaystyle r}$ a probabilidade de eventual extinção. Considerar ${\displaystyle r}$ como uma função de ${\displaystyle p}$ é um exercício instrutivo. A probabilidade de que os descendentes de uma ameba eventualmente morram é igual à probabilidade de que qualquer um de seus descendentes imediatos morra, dado que a ameba original se dividiu.^[14] Então

${\displaystyle \{\,r^{X_{n}}:n=1,2,3,\dots \,\}}$

é um martingale em relação a ${\displaystyle \{X_{n}:n=1,2,3,...\}}$.

• Em uma comunidade ecológica (um grupo de espécies em um nível trófico particular, competindo por recursos semelhantes em uma área local), o número de indivíduos de qualquer espécie particular de tamanho fixado é uma função de tempo (discreto) e pode ser visto como uma sequência de variáveis aleatórias. Esta sequência é um martingale sob a teoria neutra unificada de biodiversidade e biogeografia.
• Se ${\displaystyle \{N_{t}:t\geq 0\}}$ for um processo de Poisson com intensidade ${\displaystyle \lambda }$, então o processo de Poisson compensado ${\displaystyle \{N_{t}-\lambda _{t}:t\geq 0\}}$ é um martingale de tempo contínuo com caminhos amostrais contínuos à direita/limitados à esquerda.

Há duas generalizações populares de um martingale que também incluem casos em que a observação atual ${\displaystyle X_{n}}$ não é necessariamente igual à futura expectativa condicional ${\displaystyle E[X_{n+1}|X_{1},...,X_{n}]}$, mas, em vez disto, a um limite superior ou inferior à expectativa condicional. Estas definições refletem uma relação entre a teoria do martingale e a teoria do potencial, que é o estudo das funções harmônicas.^[15] Assim como um martingale de tempo contínuo satisfaz a ${\displaystyle E[X_{t}|\{X_{\tau }:\tau \leq s\}-X_{s}=0\forall s\leq t}$, uma função harmônica ${\displaystyle f}$ satisfaz a equação diferencial parcial ${\displaystyle \Delta f=0}$, em que ${\displaystyle \Delta }$ é o operador de Laplace. Dado um processo de movimento browniano ${\displaystyle W_{t}}$ e uma função harmônica ${\displaystyle f}$, o processo resultante ${\displaystyle f(W_{t})}$ também é um martingale.

• Um submartingale de tempo discreto é uma sequência ${\displaystyle X_{1},X_{2},X_{3},\ldots }$ de variáveis aleatórias integráveis que satisfaz a

${\displaystyle {}E[X_{n+1}|X_{1},\ldots ,X_{n}]\geq X_{n}.}$

Da mesma forma, um submartingale de tempo contínuo satisfaz a

${\displaystyle {}E[X_{t}|\{X_{\tau }:\tau \leq s\}]\geq X_{s}\quad \forall s\leq t.}$

Em teoria do potencial, uma função sub-harmônica ${\displaystyle f}$ satisfaz a ${\displaystyle \Delta f\geq 0}$. Qualquer função sub-harmônica limitada acima por uma função harmônica para todos os pontos no limite de uma bola é limitada acima pela função harmônica para todos os pontos dentro da bola. Da mesma forma, se um submartingale e um martingale tem expectativas equivalentes para um dado tempo, o histórico do submartingale tende a ser limitado acima pelo histórico do martingale. Grosso modo, o prefixo "sub-" é consistente porque a atual observação ${\displaystyle X_{n}}$ é menor ou igual à expectativa condicional ${\displaystyle E[X_{n+1}|X_{1},...,X_{n}]}$. Consequentemente, a observação atual oferece apoio a partir de baixo da futura expectativa condicional e o processo tende a crescer no tempo futuro.

• De forma análoga, um supermartingale de tempo discreto satisfaz a

${\displaystyle {}E[X_{n+1}|X_{1},\ldots ,X_{n}]\leq X_{n}.}$

Da mesma forma, um supermartingale de tempo contínuo satisfaz a

${\displaystyle {}E[X_{t}|\{X_{\tau }:\tau \leq s\}]\leq X_{s}\quad \forall s\leq t.}$

Em teoria do potencial, uma função super-harmônica ${\displaystyle f}$ satisfaz a ${\displaystyle \Delta f\leq 0}$. Qualquer função super-harmônica limitada abaixo por uma função harmônica para todos os pontos no limite de uma bola é limitada abaixo pela função harmônica para todos os pontos dentro da bola. Da mesma forma, se um supermartingale e um martingale tem expectativas equivalentes para um dado tempo, o histórico do supermartingale tende a ser limitado abaixo pelo histórico do martingale. Grosso modo, o prefixo "super-" é consistente porque a atual observação ${\displaystyle X_{n}}$ é maior ou igual à expectativa condicional ${\displaystyle E[X_{n+1}|X_{1},...,X_{n}]}$. Consequentemente, a observação atual oferece apoio a partir de cima da futura expectativa condicional e o processo tende a decrescer no tempo futuro.

• Todo martingale é também um submartingale e um supermartingale. Reciprocamente, todo processo estocástico que é tanto um submartingale, como um supermartingale, é um martingale.
• Considere novamente um apostador que ganha $1 quando uma moeda der cara e perde $1 quando a moeda der coroa. Suponha agora que a moeda possa estar viesada e que ela dê cara com probabilidade ${\displaystyle p}$.
  • Se ${\displaystyle p}$ for igual a ${\displaystyle 1/2}$, o apostador em média não perde, nem ganha dinheiro e a riqueza do apostador ao longo do tempo é um martingale.
  • Se ${\displaystyle p}$ for menor que ${\displaystyle 1/2}$, o apostador perde dinheiro em média e a riqueza do apostador ao longo do tempo é um supermartingale.
  • Se ${\displaystyle p}$ for maior que ${\displaystyle 1/2}$, o apostador ganha dinheiro em média e a riqueza do apostador ao longo do tempo é um submartingale.
• Uma função convexa de um martingale é um submartingale pela desigualdade de Jensen. Por exemplo, o quadrado da riqueza de um apostador em jogo de moeda honesta é um submartingale (o que também se segue do fato de que ${\displaystyle {X_{n}}^{2}-n}$ é um martingale). Da mesma forma, uma função côncava de um martingale é um supermartingale.

Um tempo de parada em relação a uma sequência de variáveis aleatórias ${\displaystyle X_{1},X_{2},X_{3},...}$ é uma variável aleatória ${\displaystyle \tau }$ com a propriedade de que para cada ${\displaystyle t}$, a ocorrência ou a não ocorrência do evento ${\displaystyle \tau =t}$ depende apenas dos valores de ${\displaystyle X_{1},X_{2},X_{3},...,X_{t}}$. A intuição por trás da definição é que, a qualquer tempo particular ${\displaystyle t}$, pode-se observar a sequência até o momento e dizer se é hora de parar. Um exemplo na vida real pode ser o tempo em que um apostador deixa a mesa de apostas, o que pode ser uma função de suas vitórias anteriores (por exemplo, ele pode deixar a mesa apenas quando ele vai à falência), mas ele não pode escolher entre ficar ou sair com base no resultando de jogos que ainda não ocorreram.^[16]

Em alguns contextos, o conceito de tempo de parada é definido exigindo-se apenas que a ocorrência ou não ocorrência do evento ${\displaystyle \tau =t}$ seja probabilisticamente independente de ${\displaystyle X_{t+1},X_{t+2},...}$, mas não que isto seja completamente determinado pelo histórico do processo até o tempo ${\displaystyle t}$. Isto é uma condição mais fraca do que aquela descrita no parágrafo acima, mas é forte o bastante para servir em algumas das provas em que tempos de parada são usados.

Uma das propriedades básicas de martingales é que, se ${\displaystyle (X_{t})_{t>0}}$ for um (sub/super)martingale e ${\displaystyle \tau }$ for um tempo de parada, então, o processo parado correspondente ${\displaystyle (X_{t}^{\tau })_{t>0}}$ definido por ${\displaystyle X_{t}^{\tau }:=X_{\min\{\tau ,t\}}}$ é também um (sub/super) martingale.

O conceito de um martingale parado leva a uma série de teoremas importantes, incluindo, por exemplo, o teorema da parada opcional, que afirma que, sob certas condições, o valor esperado de um martingale em um tempo de parada é igual ao seu valor inicial.

• Movimento browniano
• Cadeia de Markov
• Desigualdade de martingale de Doob