Professional Documents
Culture Documents
Wykl 5 CS
Wykl 5 CS
5
5.1
73
Lemat 5.3 Jeli M M2 to M 2 jest submartyngaem na [0, +]. Ponadto dla kadego
czasu zatrzymania T zachodzi nierwno
2
E[M
| FT ] MT2
74
Lemat 5.4 Kady nieujemny submartynga X = {Xt }t0 , ktry jest zbieny w L1 naley
do klasy D.
Dowd. Ze zbienoci w L1 otrzymujemy, e X jest submartyngaem na [0, +] Std i z
oglnego twierdzenia o stopowaniu dla dowolnego czasu zatrzymania T mamy
Z
Z
Z
X dP.
X dP
XT dP
{suptR+ Xt >}
{XT >}
{XT >}
1
EX 0,
gdy
.
2
2
Lemat 5.6 Jeli M M2 to istnieje jedyny prognozowalny rosncy proces hM, M i A+
taki, e
M 2 hM, M i M.
Dowd. Zastosujemy rozkad Dooba-Meyera do supermartyngau M 2 ; istnieje jedyny
element A A+ taki, e M 2 + A M wic rwnie dostajemy M 2 A M. Okrelamy
hM, M i := A.
2
Lemat 5.7 Jeli X M2loc to istnieje jedyny prognozowalny rosncy proces hX, Xi A+
loc
taki, e
X 2 hX, Xi Mloc .
Dowd. Niech {Tn } bdzie lokalizacyjnym cigiem czasw zatrzymania dla X tj. X Tn
M2 . Z poprzedniego lematu wynika istnienie dla kadego n IN jedynego prognozowalnego
procesu hX Tn , X Tn i A+ tj.
M n := X Tn
2
hX Tn , X Tn i M.
75
2
hX Tm , X Tm i M.
(5.1)
Mn
Tm
= M m.
hX Tn , X Tn iI]]Tn1 ,Tn ]] ,
T0 0.
n=1
M2
M2
2
hM, M i M. Poniewa w definicji M2
Uwaga. Jeli M
to jak wiadomo
zaoylimy, e M0 = 0, wic dla t 0 mamy
0 = E M02 hM, M i0 = E Mt2 hM, M it = E Mt2 E hM, M it ,
zatem
2
E Mt2 = E hM, M it oraz E M
= E hM, M i
2
Niech X, Y
M2
(X Y )2 hX Y, X Y i M,
zatem
1
hX + Y, X + Y i hX Y, X Y i M
4
W analogiczny sposb moemy okreli hX, Y i dla X, Y M2loc wtedy
XY
hX, Y i Aloc
76
t 0.
(5.2)
t 0.
n1
n1 t0
n1
sup sup EhM Tn , M Tn it = sup sup EhM, M iTt n = sup EhM, M it = EhM, M i < .
t0 n1
t0 n1
t0
Std M
M2 .
77
(s, t]
(s, t]
(s, t]
s < t.
(s, t]
(s, t]
(s, t]
Oznaczmy rodzin
Z
n
G = A B(IR) :
Z
IA dV ()
(s, t]
IA d
1 Z
2
IA d
Jeli Ai G, 1 S
i n, n 1 oraz Ai Aj = , i 6= j, to
oznaczmy B = ni=1 Ai . Z nierwnoci Schwarza otrzymujemy
IB dV () =
(s, t]
n Z
X
IAi dV ()
n Z
X
(s, t]
i=1
Z
IB d
(s, t]
o
, s<t
IAi d
IB d
1
2
G. Rzeczywicie,
i=1 Ai
1 Z
2
(s, t]
i=1
1 Z
(s, t]
(s, t]
Sn
1
IAi d
1
2
(s, t]
s < t.
(s, t]
n
X
Z
IAi IB dV ()
ai
(s, t]
i=1
Z
n
X
(s, t] i=1
a2i IAi IB
1 Z
2
n
X
ai
(s, t] i=1
IAi IB d
1
2
IAi IB d
1 Z
2
(s, t]
i=1
n
X
Z
Z
IAi IB d
1
2
(s, t]
n
X
(s, t] i=1
a2i IAi
1 Z
2
(s, t]
IB d
1
2
78
n
X
Z
(s, t]
ai IAi
2
1 Z
2
IB d
1
2
(s, t]
i=1
Z
f 2 d
1 Z
2
(s, t]
IB d
1
2
(s, t]
Jesli teraz f jest funkcja borelowsk to |f | moemy przyblia niemalejcym cigiem nieujemnych funkcji prostych. Korzystajc teraz z twierdzenia Beppo-Levi dostajemy dla
dowolnego B B(IR) i dla s < t
Z
1 Z
Z
1
2
2
|f |2 d
|f |IB dV ()
IB d .
(s, t]
(s, t]
(s, t]
Pm
(s, t]
(s, t]
Std jeli teraz g jest funkcj borelowsk, to przybliajc |g| niemalejcym cigiem nieujemnych funkcji prostych i stosujc znowu twierdzenie Beppo-Levi dostajemy tez.
2
Twierdzenie 5.10 (Nierwno Kunity-Watanabe) Niech H i G bd procesami mierzalnymi i niech M, N M2loc . Zachodz nastpujce nierwnoci
1
1
Vt hM, N i hM, M it 2 hN, N it 2 ,
|Gs ||Hs | dVs hM, N i
Z
G2s dhM, M is
t 0,
1 Z
2
Hs2 dhN, N is
1
Dowd. Zauwamy, e pierwsza nierwno jest szczeglnym przypadkiem drugiej nierwnoci, ktr udowodnimy korzystajc z lematu 5.9. Mamy dla u IR
Z
0
dhM + uN, M + uN i = hM + uN, M + uN it hM + uN, M + uN is =
(s, t]
Z
(s, t]
dhN, N i
Z
dhM, M i .
(s, t]
79
T
hM, M iT = M T
2
hM, M iT M
2
2
dostajemy
hM T , M T i M
tzn.
hM T , N N T i = 0,
tR
80
Nierwno ta daje
Lemat 5.12 Niech {M n } M2 i niech M n M w sensie zbienoci w M2 , to istnieje
podcig {nk }, nk % taki, e
0
P p.w. k .
M nk M
Std
Mtnk
Mt jednostajnie po t.
2
5.2
2
Niech M2,d bdzie przestrzeni ortogonaln do M2,c w sensie sabej ortogonalnoci. Std
kady element M M2 mona jednoznacznie przedstawi w postaci
M = M c + M d,
M c M2,c ,
M d M2,d .
81
T
0 = E[M
N ] = E[MT N ] = E[E[MT N | FT ]] = E[MT NT ].
2
Uwaga. Zauwamy, e jeli dla M M2,c lub M M2 opucimy zaoenie M0 = 0 to
dla M M2,c i N M2,d otrzymamy warunek
M0 N0 = 0 P p.w.
Faktycznie niech A F0 to IA M M2,c . Podobnie jak w dowodzie lamatu 5.14 otrzymujemy
h
i
E (IA MT )NT = 0
dla kadego czasu zatrzymania T . Jeli weniemy T 0 to E[IA M0 N0 ] = 0 dla kadego
A F0 i std M0 N0 = 0 P -p.w.
Lemat 5.15 Jeli M M2 to proces M jest jednoznacznie okrelony przez swoj ciag
cz M c i przez swoje skoki M , gdzie M0 = 0, Mt = Mt Mt dla t > 0.
Dowd. Jeli dwa cakowane z kwadratem martyngay M i M 0 maja t sam cig cz
i te same skoki to
M M d = M c = M 0c = M 0 M 0d
czyli M M 0 = M d M 0d M2,d .
82
Dowd. Niech {Tn }n1 bdzie cigiem lokalizacyjnym. Dla 0 s < t i dla n 1 mamy
E[MTn t | Fs ] = MTn s .
Poniewa MTn t Mt punktowo i w L1 (, F, P ) (M ograniczony). Std E[Mt | Fs ] = Ms .
2
Oznaczmy przez Mcloc (M0 = 0) przestrze cigych lokalnych martyngaw.
2,c
c
Lemat 5.17 Zachodzi zawieranie Mcloc M2,c
loc (tzn. Mloc = Mloc ) .
n IN.
Poniewa M jest cigy wic dla kadego t Tn mamy |Mt | n. Std dla kadego
n IN proces M Tn jest ograniczony. Ponadto M Tn Mcloc , bo jeli {Sk } jest cigiem
lokalizacyjnym dla M to M Sk M dla k 1. Zatem M Tn Sk M, k 1. Std {Sk }k1
jest cigiem lokalizacyjnym dla M Tn tzn. M Tn Mcloc . Poniewa M Tn jest ograniczony,
wic z lematu 5.16 M Tn jest ograniczonym martyngaem, a std cakowalnym z kwadratem,
bo
h
i
sup E (MtTn )2 n2 < +.
t0
2
Powyszy lemat wyjania plan konstrukcji caki stochastycznej wzgldem cigych lokalnych martyngaw. Najpierw konstruuje si cak wzgldem M M2,c , a nastpnie rozszerza si j stosujc technik lokalizacyjn. Zanim jednak podamy definicj caki stochastycznej zbadajmy wasnoci nawiasu hM, M i dla M M2,c lub M Mcloc .
Twierdzenie 5.18 Niech M M2,c i niech bdzie dany skoczony podzia t = {0 = t0 <
t1 < . . . < tn = t} przedziau [0, t]. Oznaczmy
|t | = sup |ti ti1 |
1in
(2)
St (M ) =
n
X
2
Mti Mti1 .
i=1
(2)
83
(5.6)
dla kadego s t.
Mamy
n
n
hX
n hX
o
(2)
2 i
2 i
E St (M ) = E
Mti Mti1
=E E
Mti Mti1
Fti1
i=1
=E
n
hX
i=1
Mt2i Mt2i1
i
= E(Mt2 ) K 2 .
i=1
Std
(2)
E St (M ) = E(Mt2 ) = E(hM, M it ),
t 0.
Okrelmy
hM, M ittii1 := hM, M iti hM, M iti1 0.
Poniewa M 2 hM, M i M, wic dla i < j otrzymujemy
E
t
(Mti Mti1 )2 hM, M ittii1 (Mtj Mtj1 )2 hM, M itjj1 =
t
(Mti Mti1 )2 hM, M ittii1 E (Mtj Mtj1 )2 hM, M itjj1 Ftj1 =
E (Mti Mti1 )2 hM, M ittii1 E(Mt2j hM, M itj |Ftj1 ) Mt2j1 + hM, M itj1 = 0.
E
Std otrzymujemy
n
nh X
(2)
2
i 2 o
E St (M ) hM, M it
=E
=
(Mti Mti1 )2 hM, M ittii1
i=1
n
n
n
nX
2 o X
X
2
(Mti Mti1 )2 hM, M ittii1
E (Mti Mti1 )4 +
E hM, M ittii1
i=1
i=1
h
1in
h
i=1
n
X
i
(Mti Mti1 )2 +
sup |Mti Mti1 |2
1in
i=1
n
X
i
hM, M ittii1 4K 4 + 2K 2 .
i=1
84
(5.7)
Pokaemy zbieno
(2)
2
E St (M ) hM, M it
0 gdy |t | 0.
Powyej pokazalimy, e
n
h
X
i
(2)
2
E St (M ) hM, M it
E
sup |Mti Mti1 |2
(Mti Mti1 )2 +
1in
h
1in
i=1
n
X
i
hM, M ittii1 .
i=1
(5.8)
s
q
ti
2
E sup |hM, M iti1 |
E(hM, M i2t ).
1in
gdy |t | 0.
1in
gdy |t | 0.
1in
m 1.
85
fm = M M m .
M
(5.10)
(5.12)
(2)
(2)
fm ) + 2
St (M ) = St (M m ) + St (M
n
X
Mtm
Mtm
i
i1
fm M
fm .
M
ti
ti1
i=1
(5.13)
q
hq
i
(2)
(2)
(2)
(2)
(2) fm
fm ) + 2E
E St (M m ) St (M ) E St (M
St (M m ) St (M
)
q
(2)
q (2)
(2)
m
m
f
fm ) .
E St (M ) + 2 E St (M ) E St (M
(2)
Z (5.11) i (5.12) wyraenie E St (M m ) jest ograniczone oraz
(2)
m
fm ) = E M
fm 2 = E hM
f ,M
fm it = E hM, M it hM m , M m it 0,
E St (M
t
m .
n
X
i=1
|Mti Mti1 |
oraz
(2)
St (M )
n
X
i=1
2
Mti Mti1 ,
86
gdzie t = {0 = t0 < t1 < . . . < tn = t} jest skoczonym podziaem przedziau [0, t].
Mamy
(2)
St (M )
n
X
sup |Mti Mti1 |
|Mti Mti1 | = sup |Mti Mti1 | St (M )
1in
1in
i=1
gdy |t | 0.
1in
(2)
n
X
m 2
,
MtRi m MtRi1
i=1
gdzie t = {0 = t0 < t1 < . . . < tn = t} jest skoczonym podziaem przedziau [0, t].
Poniewa Rm , gdy m , wic dla kadego > 0 istnieje m 1 takie, e
P {Rm < t} < (zauwamy, e {Rm+1 < t} {Rm < t}) i dla > 0 mamy
(2)
P St (M ) hM, M it >
(2)
P {Rm < t} St (M ) hM, M it > +
(2)
P {Rm t} St (M ) hM , M it >
(2)
P {Rm < t} + P St (M Rm ) hM Rm , M Rm it > .
Ale
(2)
1 (2)
P St (M Rm ) hM Rm , M Rm it > E St (M Rm ) hM Rm , M Rm it .
Moemy tak dobra podzia t , aby prawa strona powyszej nierwnoci bya dowolnie
maa. Dowd twierdzenia zosta zakoczony.
2
87
5.3
Caka stochastyczna
n
X
h(tk ) g(tk ) g(tk1 ) .
i=1
Zachodzi
Twierdzenie 5.19 Jeli dla dowolnego cigu podziaw {n }n1 takiego, e |n | 0, gdy
n oraz dla dowolnej funkcji h C[0, 1] ciag sum cakowych
{Sn (h)}n1
jest zbieny, to g ma skoczone wahanie na przedziale [0, 1].
Dowd. W dowodzie tego twierdzenia skorzystamy ze znanego z analizy funkcjonalnej
twierdzenia Banacha-Steinhausa.
Twierdzenie 5.20 Niech X bdzie przestrzeni Banacha, a Y przestrzeni unormowan.
Rozwamy rodzin {T }A liniowych ograniczonych operatorw T : X Y . Wtedy
^
cig {T (x)} jest ograniczony cig {kT k} jest ograniczony
xX
2
Niech X = C[0, 1] z norm khk = supt[0, 1] |h(t)| oraz niech Y = IR. Niech {n }n1 ,
gdzie n = {0 = tn,0 < tn,1 < . . . < tn,mn = 1} bdzie cigiem podziaw przedziau [0, 1]
takim, e
(i) |n | 0, gdy n ;
Pmn
1
(ii)
i=1 |g(tn,i ) g(tn,i1 )| V0 (g).
n
wzorem
Tn (h) = Sn (h),
h C[0, 1].
Zauwamy, e Tn , n 1 s cige, bo
mn
X
kTn k = sup |Tn (h)| sup
h(tn,i1 )[g(tn,i ) g(tn,i1 )]
khk 1
khk 1
i=1
88
sup khk
khk 1
mn
X
|g(tn,i ) g(tn,i1 )|
i=1
mn
X
i=1
i = 1, 2, . . . , n oraz khn,0 k = 1.
mn
X
g(tn,i ) g(tn,i1 ).
i=1
Mamy wic
kTn k =
(5.14)
mn
X
g(tn,i ) g(tn,i1 ).
i=1
Z zaoenia supn1 |Tn (h)| = supn1 |Sn (h)| < dla kadego h C[0, 1] (bo Sn (h) jest
zbieny, gdy n ). Teraz z twierdzenia Banacha-Steinhausa wynika, e supn1 kTn k <
. Std i z (5.14) mamy
mn
X
g(tn,i ) g(tn,i1 ) dla kadego n 1.
> sup kTn k
n1
i=1
Przechodzc z n otrzymujemy
> sup kTn k V01 (g).
n1
gdzie
{Ti }m
i=0
89
Oznaczmy
C = { ([0, ) A) [[S, T [[ : S T, gdzie S, T czasy zatrzymania, A FS }.
Wykaemy, e indykatory zbiorw z C s liniopwo gste w L2 (Q) = L2 ([0, ) , O, Q).
Niech wic Y L2 (Q) bdzie taki, e
Z
Z hZ
i
Y IB dQ =
Y IB (t, ) dhM, M it () dP () = 0,
BC
[0, )
Rozwamy klas
Z
n
D = X L2 (Q) :
o
Y X dQ = 0 .
[0, )
|Y | dQ
[0, )
[0, )
p
EhM, M i
sZ
Y 2 dQ =
[0, )
Y 2 dQ <
[0, )
i z twierdzenia Lebesguea o zbienosci majoryzowanej (ograniczonej). Zatem z tego twierdzenia przestrze wektorowa D zawiera wszystkie opcjonalne procesy cakowalne z kwadratem. W szczeglnoci
Z
Y 2 dQ = 0.
[0, )
Zatem Y = 0, Q - p.w. tzn. wykazalimy, e indykatory zbiorw z C s gste w L2 (Q). Teraz dowolny opcjonalny proces moe by aproksymowany w L2 (Q) przez skoczone liniowe
kombinacje indykatorw zbiorw z C tj. przez elementy rodziny H.
2
Lemat 5.22 Niech Q bdzie miar okrelon tak jak powyej
90
2
Niech M M2,c i X H jest postaci
Xt () =
m
X
t 0,
i=0
t 0.
i=0
Z
Yt =
jest martyngaem nalecym do
Xs dMs ,
0
2,c
M
t0
( Y0 = 0).
t 0,
w szczeglnoci
Z
hY, Y it =
Xs2 dhM, M is ,
t 0.
91
Ponadto
E(YR ) = E X0 I{SR} (MT R MSR ) + E X0 I{S>R} (MT R MSR ) = 0,
bo
X0 I{S>R} (MT R MSR ) = X0 I{S>R} (MR MR ) = 0
oraz X0 I{SR} jest FSR - mierzalna, wic
E X0 I{SR} (MT R MSR ) = E E X0 I{SR} (MT R MSR ) | FSR =
E X0 I{SR} E(MT R | FSR ) MSR = 0.
Na mocy wniosku 4.21 Y jest jednostajnie cakowalnym martyngaem. Z (5.16) ponadto
wynika, e Y jest martyngaem cakowalnym z kwadratem. Korzystajc teraz z liniowaoci
definicji caki (patrz (5.15)) otrzymujemy tez (i). Przejdziemy teraz do dowodu (ii). Tak
jak poprzednio niech X = X0 I[[S, T [[ . Wtedy z (5.15) mamy Y = X0 (M T M S ). Mamy
Z
Z
Xs dhM, N is =
N (M T M S ) hN, M T M S i M.
Rozwamy proces
Z = N X0 (M T M S )X0 hN, M T M S i = N X0 (M T M S )X0 (hN, M T ihN, M S i).
Korzystajc z wniosku 4.21 pokaemy, e jest on jednostajnie cakowalnym martyngaem.
Ma cige trajektorie, a z przedstawienia
N X0 (M T M S ) X0 hN, M T M S i =
92
i z tego, e X0 I{St} jest FSt mierzalny wynika, e jest adaptowany. atwo zauway, e
dla dowolnego czasu zatrzymania R mamy E|ZR | < . Ponadto
E(ZR ) = E NR X0 I{SR} (MT R MSR ) X0 I{SR} (hN, M iT R hN, M i)SR =
E E NR X0 I{SR} (MT R MSR ) X0 I{SR} (hN, M iT R hN, M i)SR | FSR =
E X0 I{SR} E NR (MT R MSR ) (hN, M iT R hN, M i)SR | FSR = 0.
na mocy (5.18). Tak wic Z M. Zauwamy rwnie, e X0 hN, M T M S i jest prognozowalny (bo jest adaptowany i ma cige trajektorie) oraz naley do A. Z jednoznacznoci
rozkadu Dooba-Meyera dostajemy (5.17). Stosujc ten udowodniony wzr dostajemy
hN, Y it = hN, X0 (M T M S )it = X0 (hN, M T it hN, M S it ) =
X0 (hN, M iTt hN, M iSt ) = X0 (hN, M itT hN, M itS ).
Zatem
Z
hN, Y it = X0 (hN, M itT hN, M itS ) =
Xs dhM, N is .
0
2
Przejdziemy teraz do okrelenia caki stochastycznej dla dowolnego elementu z 2 (M ).
Twierdzenie 5.24 Niech M M2,c . Dla kadego X 2 (M ) istnieje jedyny element
Y M2,c taki, e
Z t
hN, Y it =
Xs dhN, M is , t 0
dla N M2,c .
0
Z
lub
Y =
Xs dMs .
93
t 0.
2
oraz z definicji H jest gsta
R w (M ). Odwzorowanie jest izometri, bo z twierdzenia
5.23 dla X H i dla Y = X dM mamy
hZ
i
kXk22 (M ) = E
Xs2 dhM, M is
0
Z
hD Z
E i
= E
Xs dMs , Xs dMs
= E (Y )2 = kY k2M2,c
Xs dMs M2,c ,
t0
taki, e
E hY, Y i = E
hZ
Xs2 dhM, M is
M2,c
t 0.
94
Xn
(M )
Poniewa
X w
std prawa strona powyszych nierwnoci zmierza do zera
gdy n . Zatem dla kadego t 0
Z t
Z t
n
n
hY , N it =
Xs dhM, N is
Xs dhM, N is ,
0
L1
kiedy n w
i wedug prawdopodobiestwa. Z drugiej strony stosujc nierwnoci
Kunity-Watanabe i Schwarza otrzymujemy
h
h
i
i
E hN, Y n i hN, Y i = E hN, Y Y n i
h
1
1 i
E hN, N i 2 hY Y n , Y Y n i 2
21
12
n
n
E hY Y , Y Y i
E hN, N i
.
Prawa strona zmierza do zera gdy n , tak wic dla kadego t 0 mamy
hN, Y n it hN, Y it
w L1 oraz wedug prawdopodobiestwa. Zatem
Z t
hN, Y it =
Xs dhN, M is
0
2
Lemat 5.25 Niech T bdzie czasem zatrzymania, M M2,c , X 2 (M ),
Z t
Yt =
Xs dMs ,
t0
0
t 0.
95
nm
X
m
m ,
Xi1
()I[[Ti1
t 0,
Tim [[ (t, )
i=1
to
X m I[[0,T ]] =
nm
X
m
m T,
Xi1
I[[Ti1
Tim T [[
i=1
nm
X
m
m <T } I[[T m T,
Xi1
I{Ti1
i1
Tim T [[
H,
i=1
bo Xi1 I{Ti1 <T } jest FTi1 T - mierzalna. atwo zauway, e X m I[[0,T ]] XI[[0,T ]] w
2 (M ). Niech teraz N M2,c . Mamy dla t 0
Z t
Z t
Xs dhM T , N T i.
Xs dhM, N T i =
(5.19)
hY T , N it = hY, N T it =
0
Z drugiej strony
DZ
(5.20)
I[[0,T ]] Xs dMs , N =
I[[0,T ]] Xs dhM, N is =
t
0
Z t
Z t
Xs dhM, N iT s =
Xs dhM T , N T is .
0
Ponadto
(5.21)
DZ
Xs dMsT , N
E
t
t
T
Xs dhM , N is =
=
0
Xs dhM T , N T is .
Korzystajc teraz z jednoznacznoci caki stochastycznej (twierdzenie 5.24) oraz porwnujc (5.19), (5.20) i (5.21) dostajemy tez.
2
Uwaga. Z powyszego lematu wynika, e dla dowolnego czasu zatrzymania T mamy
Z T t
Z t
Xs dMs =
I[[0,T ]] Xs dMs ,
t 0.
0
2
Lemat 5.26 Niech M M2,c , X 2 (M ) i Y bdzie cak stochastyczn
Z t
Yt =
Xs dMs ,
t 0.
0
Jeli H 2 (Y ) to HX 2 (M ) oraz
Z t
Z t
(5.22)
Hs dYs =
Hs Xs dMs ,
0
t 0.
96
Ponadto
E
(5.23)
hZ
i
h
2
Hsn Hs dhY, Y is = E
i
2
Hsn Hs Xs2 dhM, M is
Poniewa H jest ograniczony, wic istnieje staa C > 0 taka, e |H| C. Zauwamy, e
cig {H n }n1 H moemy tak wybra, aby |H n | C dla n 1. Rzeczywicie, okrelmy
funkcj rzeczywist
x, gdy |x| C,
C, gdy x > C,
, x IR.
gC (x) =
C, gdy x < C,
Zauwamy, e
|gC (x) gC (y)| |x y|,
x, y IR
mn
X
n
n ,
Xi1
I[[Ti1
Tin [[ ,
to
gC (H n ) =
i=1
mn
X
n
n ,
gC Xi1
I[[Ti1
Tin [[
H.
i=1
i
2
gC (Hsn ) gC (Hs ) dhY, Y is
E
Moemy, wic zaoy, e
warunek
hZ
E
hZ
0
n
|H |
i
2
Hsn Hs dhY, Y is 0.
n
Hsn Xsn Hs Xs
2
i
dhM, M is 0.
n
Stosujc nierwno
Hsn Xsn Hs Xs
2
97
i
dhM, M is
0
i
hZ
i
hZ
2
2
n 2
n
(Hs ) Xs Xs dhM, M is + 2E
(Xs )2 Hsn Hs dhM, M is .
2E
E
(5.24)
hZ
Hsn Xsn Hs Xs
2
Zbieno drugiego skadnika w (5.24) wynika z (5.23) i z definicji {H n }n1 H. Natomiast zbieno pierwszego skadnika wynika z oszacowania
i
hZ
i
hZ
2
2
n 2
n
2
(Hs ) Xs Xs dhM, M is C E
Xsn Xs dhM, M is 0.
E
0
Z drugiej strony
DZ
Hs Xs dMs , N
E
t
Hs Xs dhM, N it ,
t 0.
w przestrzeni M2,c . Z drugiej strony z pierwszej czci dowodu dla dowolnego C > 0 mamy
gC (H) X 2 (M ) oraz
Z t
Z t
(5.26)
gC (H) dYs =
gC (H) Xs dMs ,
t 0.
0
Ponadto
Z
E
0
(gC (H) Hs )
Xs2 dhM,
Z
M is = E
0
98
E(L2T ) E(L2 ).
Ponadto Y T I(N ), bo
YtT
Z
=
T t
Z
Hs dNs =
I[[0,T ]] Hs dNs
0
99
Co koczy dowd silnej ortogonalnoci. Wzr (5.28) wynika z wasnoci kowariacji, twierdzenia 5.24 oraz z tego, e silna ortogonalno Y i L implikuje (z rozkadu Dooba-Meyera)
hY, Li = 0.
2
5.4
(M ) = {X : X jest opcjonalny i
Z
hY, N it =
Xs dhM, N is
t 0.
hY , N it =
Xs dhM, N is
t 0.
to
hY, N i = hY 0 , N i
dla kadego N Mcloc . Zatem hY Y 0 , Y Y 0 i, a std Y = Y 0 .
Istnienie. Niech {Rn }nN bdzie danym cigiem lokalizacyjnym takim, e M Rn M2,c
dla kadego n 1 i niech dla ustalonego X 0 (M ). Niech {Sn }n1 bdzie cigiem
czasw zatrzymania okrelonym wzorem
Z t
Sn := inf{t :
Xs2 dhM, M is > n}
0
Cig {Sn }nN jest rosncy do nieskoczonoci gdy n +. Dla czasu zatrzymania
Tn := Rn Sn dla kadego n 1 i t 0 mamy
Z
0
Xs2 dhM Tn , M Tn is
Z
=
0
Z
=
0
tTn
Xs2 dhM, M is n,
100
Xs dMsTn ,
t 0,
n 1,
Xs dhM Tn , N is ,
hY , N it =
t 0,
n 1.
wic
Y m = (Y n )Tm
z jednoznacznoci okrelenia caki stochastycznej. Okrelmy teraz Y jak nastpuje: Poniewa Tn gdy n , wic dla kadego i t 0 istnieje n 1 takie, e
Tn () t. Okrelamy wic
Yt () := Ytn ().
Proces Y jest jednoznacznie okrelony (wasno Y m = (Y n )Tm ), jest cigy i naley do
Tn = Y n M2,c .
c
M2,c
loc a wic do Mloc , bo Y
c
Niech teraz N Mloc i niech {Un }n1 bdzie danym cigiem lokalizacyjnym takim, e
N Un M2,c dla kadego n 1. Okrelmy Vn = Un Tn . Otrzymujemy dla t 0
Vn
Z t
Vn
Un Vn
Tn
Vn
Vn
Xs dhN Un , M Tn is
hY, N it = hY , N it = hY , N it =
0
Z Vn t
Z t
Z t
Z
Vn
Vn
Vn
Vn
Xs dhN, M is =
Xs dhN, M is =
Xs dhN, M is
,
=
Xs dhN , M is =
0