Professional Documents
Culture Documents
Wzor Ito
Wzor Ito
6.1
Wzr Ito
t 0.
M Zn ,
hM, M iZn ,
X Zn
F 0 (Xu ) dMu ;
n
s
s
s
Z t
Z t
Z t
Z n
0
Zn
Zn
0
F (Xu ) dAu =
F (Xu ) dAu
F 0 (Xu ) dAu ;
n
s
s
s
Z t
Z t
Z t
Zn
00
Zn
Zn
Zn
00
F (Xu ) dhM , M iu =
F (Xu ) dhM, M iu
F 00 (Xu ) dhM, M iu
s
102
co daje wzr (6.1). Tak, wic wystarczy wykaza wzr Ito przy zaoeniu (6.2). Niech st
bdzie podziaem przedziau [s, t] tj. st = {t0 , . . . tn }, gdzie s = t0 < t1 < . . . tn = t.
Stosujc wzr Taylora otrzymujemy
F (Xt ) F (Xs ) =
n
X
F (Xti ) F (Xti1 ) =
i=1
n
X
i=1
i=1
i=1
X
1 X 00
F (Xti1 )(Xti Xti1 )2 +
r(Xti Xti1 )(Xti Xti1 )2 ,
2
gdzie reszta r(Xti Xti1 ) 0, gdy Xti Xti1 0. Poniewa X = M + A, wic
powyszy wzr przyjmie posta
F (Xt ) F (Xs ) =
n
X
i=1
(6.3)
n
1X
n
X
i=1
i=1
n
X
i=1
n
1X
00
i=1
n
X
i=1
Bdziemy teraz szacowa sze skadnikw prawej strony wzoru (6.3). Poniewa
|r(Xti Xti1 )| = o(|st |) jednostajnie po i,
wic
n
X
(6.4)
i=1
n
n
n
hX
i
X
X
2
(Mti Mti1 ) + 2
(Mti Mti1 )(Ati Ati1 ) +
(Ati Ati1 )2 .
i=1
i=1
i=1
i=1
|st |0
wedug prawdopodobiestwa.
Ponadto
n
n
X
X
(Mti Mti1 )(Ati Ati1 ) sup |Mti Mti1 |
|Ati Ati1 |
i=1
1in
i=1
103
1in
n
X
i=1
i=1
n
X
|Ati Ati1 | 0,
|st |0
i=1
bo
sup |Ati Ati1 | 0 i
|st |0
1in
n
X
i=1
Ostatecznie wic
n
X
2
r(Xti Xti1 )(Xti Xti1 ) 0
wedug prawdopodobiestwa.
|st |0
i=1
i=1
sup
1in
x[K,K]
n
X
i=1
|Ati Ati1 | 0.
|st |0
Mamy wic wykazan zbieno szstego, pitego i czwartego skadnika (6.3). Rozwamy
teraz trzeci skadnik w (6.3). Mamy
Z t
n
X
00
2
F (Xti1 )(Mti Mti1 )
F 00 (Xu ) dhM, M iu
s
i=1
n
X
F 00 (Xti1 ) (Mti Mti1 )2 hM, M ittii1 +
i=1
Z t
n
X
ti
00
00
F (Xti1 )hM, M iti1
F (Xu ) dhM, M iu
i=1
104
|st |0
i=1
1
1 X 00
F (Xti1 )(Mti Mti1 )2
2
|st |0 2
i=1
F 00 (Xu ) dhM, M iu
i=1
n (u) dMu ,
gdzie n (u) =
i=1
n
X
i=1
Pokaemy, e
E
hZ t
n (u) F 0 (Xu )
2
i
dhM, M iu 0.
|st |0
bo F 0 jest jednostajnie ciga na [K, K]. Poniewa powyszy cig jest ograniczony, wic
z twierdzenia Lebesguea o zbienoci majoryzowanej dostajemy dan zbieno. Dowd
twierdzenia zosta zakoczony.
2
Mona rwnie poda wersj wzoru Ito dla funkcji wielu zmiennych
Twierdzenie 6.2 Niech Xt = (Xt1 , . . . , Xtd ), t 0 bdzie procesem wielowymiarowym
takim, e dla kadego k = 1, 2, . . . , d proces X k jest postaci
X k = M k + Ak ,
105
d Z
X
k=1
1
2
d
X
k,l=1 s
X
F (Xu )
dMuk +
xk
k=1
F (Xu )
dAku
xk
2 F (Xu )
dhM k , M l iu .
xk xl
2
6.2
Dowd. Aby udowodni (i) wystarczy zastosowa wzr Ito dla funkcji F (x) = x2 , a dla
dowodu (ii) oraz (iii) wystarczy przyj F (x1 , x2 ) = x1 x2 i zastosowa wielowymiarowy
wzr Ito.
2
Lemat 6.4 Niech X Mcloc takim, e hX, Xit = t, t 0 oraz niech T bdzie skoczonym
czasem zatrzymania. Wtedy proces Y = {Yt }t0 okrelony na (, {Gt }, F, P ), gdzie Gt =
FT +t , t 0 wzorem
Yt = XT +t XT ,
t0
jest lokalnym martyngaem tzn. Y Mcloc i hY, Y it = t, t 0.
Dowd. Niech {Tn } bdzie cigiem lokalizacyjnym dla X. Zauwamy, e
hX Tn , X Tn it = hX, XiTt n = Tn t.
Okrelmy: Sn = 0, gdy Tn T oraz Sn = Tn T , gdy Tn > T . atwo sprawdzi, e
{Sn }n1 jest cigiem lokalizacyjnym wzgledem filtracji G = {Gt }t0 i YtSn = XTTn+t XTTn .
Poniewa X Tn M2,c , wic XTTn+t = E(XTn | FT +t ). Ponadto
2
E XTTn = EhX, XiTn T EhX, XiTn < .
106
Zatem
YtSn = E(XTn | FT +t ) XTTn = E(XTn XTn T | FT +t ).
Std Y Sn M2,c , bo EXT2n < i ET2n T < . Okrelmy At = Tn (T + t) Tn T ,
t 0. Zauwamy, e dla kadego t 0 zmienna losowa At jest mierzalna wzgledem Gt oraz
proces A = {At }t0 jest prognozowalny. Ponadto EV (A ) = E(Tn ) = EhX, XiTn < .
Zatem dla dowodu wystarczy wykaza, e
2
{ YtSn [Tn (T + t) Tn T ] }t0 M.
Korzystajc z wniosku 4.21 wystarczy wykaza, e dla dowolnego czasu zatrzymania S
mamy
E|YSSn [Tn (T + S) Tn T ]| < oraz E[YSSn (Tn (T + S) Tn T )] = 0.
Pierwszy warunek sprawdzamy natychmiast
E|YSSn | = E|XTTn+S XTTn (Tn (T + S) Tn T )| =
E|E(XTn | FT +S ) E(XTn | FT ) (Tn (T + S) Tn T )|
2E|XTn | + E[Tn (T + S)] + E(Tn T )
q
p
2 EXT2n + EhX, XiTTn+S + EhX, XiTTn 2 EhX, XiTn + 2EhX, XiTn < .
Drugi warunek dostajemy korzystajc z zaoenia i stosujc oglne twierdzenie o stopowaniu
E[(YSSn )2 (Tn (T + S) Tn T )] =
E[(XTTn+S XTTn )2 (Tn (T + S) Tn T )] =
E[(XTTn+S )2 ] 2E[XTTn XTTn+S ] + E(XTTn )2 E(Tn (T + S)) + E(Tn T ) =
EhX, XiTTn+S 2E XTTn E(XTTn+S | G0 ) + EhX, XiTTn EhX, XiTTn+S + EhX, XiTTn =
2E(XTTn )2 2EhX, XiTTn = 0.
Z jednoznacznoci wyznaczenia kompensatora dostajemy tez.
2
Lemat 6.5 Niech bdzie regularn wersj rozkadu zmiennej losowej X wzgldem algebry B F oraz niech Y bdzie zmienn losow B - mierzaln. Zamy ponadto, e
dana jest funkcja borelowska taka, e E|(X, Y )| < . Wtedy
Z
E (X, Y ) B () =
(x, Y ()) d(x, ),
P p.w.
R
107
2
Z lematu 6.5 dostajemy
Lemat 6.6 Zmienna losowa X jest niezalena od - algebry B F wtedy i tylko wtedy,
gdy
Z
^
exp(itx) X (x),
P p.w.
E exp(itX) B = E exp(itX) =
R
tR
P p.w.
108
(6.5)
E eiuYz G0 dz.
Jeli oznaczymy
E eiuYv G0 = g(v)
to rwnanie (6.5) moe by zapisane w postaci
Z
u2 v
g(v) = 1
g(z) dz.
2 0
Po rozwizaniu ktrego otrzymujemy
u2
g(v) = exp
v ,
2
Podstawiajc v := t s mamy
u2
(t s) ,
g(t s) = exp
2
a std
u2
E eiu(Xt Xs ) Fs = E eiuYts G0 = g(t s) = exp
(t s) .
2
2
Wniosek 6.8 Niech X Mcloc (X0 = 0) oraz niech hX, Xit = t, t 0. Zamy,
e T jest skoczonym czasem zatrzymania. Wtedy proces Yt = XT +t XT , t 0 na
(, {Gt }t0 , F, P ), gdzie Gt = FT +t , t 0 jest standardowym ruchem Browna.
2
Twierdzenie 6.9 Niech X (X0 = 0) bdzie martyngaem o ciagych trajektoriach i o
stacjonarnych i niezalenych przyrostach. Wtedy X jest ruchem Browna.
Dowd. Rozwamy funkcj
g(t) = E eiuXt ,
t s.
109
r
czyli g(rt) = g(t)
dla r Q
t 0.
eiuXt
g(t)
eiuXs
1
ds + u2
2
eh(u)s
Z
0
eiuXs
dhX, Xis
eh(u)s
jest cigy o skoczonym wahaniu, wic (np. z wniosku 4.34, czy rozkadu Dooba-Meyera)
mamy
Z t iuXs
Z
e
1 2 t eiuXs
h(u)
ds u
dhX, Xis = 0.
h(u)s
h(u)s
2
0 e
0 e
Co moemy zapisa w postaci
2
Z t
Z t
u
hX, Xis
Zs (u) d h(u)s =
Zs (u) d
2
0
0
dla kadego t 0. Std cakujc Zs (u) wzgldem powyszych miar mamy
2
Z t
Z t
u
Z s (u)Zs (u) d h(u)s =
Z s (u)Zs (u) d
hX, Xis
2
0
0
to jest
Z
0
1
d
h(u)s
=
|g(s)|2
Z
0
2
1
u
d
hX,
Xi
s .
|g(s)|2
2
110
Poniewa |g(s)| > 0 dla kadego s, std obie miary w powyszej rwnoci musz by rwne,
wic
u2
h(u)t =
hX, Xit .
2
std podstawiajac t = 1 otrzymujemy
h(u) = 2
u2
,
2
Zatem
hX, Xit = 2 t,
t 1.
2
Z
Zt = 1 +
Zs dMs .
0
X = M
z procesem
2
hM, M i
2
2
(M )s d
hM, M is
2
(M )t = 1 +
(M )s d(Ms )
0
0
Z t
1
+
(M )s dhM, M is
2 0
Z t
Z
2 t
= 1+
(M )s dMs
(M )s dhM, M is
2 0
0
Z
Z t
2 t
+
(M )s dhM, M is = 1 +
(M )s dMs .
2 0
0
Wykazalimy, e (M ) jest lokalnym martyngaem i rozwizaniem podanego powyej rwnania. Pokaemy teraz, e jest to jedyne rwnanie. Zamy, e istnieje inne rozwizanie
Z0
Z t
0
Z Z t =
Z Z 0 s dMs
0
111
X = M +
i procesw
2
hM, M i,
2
i Y.
Mt + 2 hM,M it
Yt =
eMs +
2
hM,M is
2
dYs
Z t
2
2
Ms + 2 hM,M is
Ys d Ms + hM, M is
+
e
2
0
Z t
2
Poniewa Yt =
Rt
Mt + 2 hM,M it
Yt =
eMs +
2
hM,M is
2
0
2
2
2
Ys dhM, M is Ys dhM, M is + Ys dhM, M is = 0
2
2
Std E Xt | Fs Xs .
2
Lemat 6.12 Niech X = {Xt }t0 bdzie dodatnim supermartyngaem. Wtedy X jest jednostajnie cakowalnym martyngaem wtedy i tylko wtedy, gdy E[X0 ] = E[X ],
112
t 0.
Z
X dP =
F0
Z
E(X | Ft ) dP
F0
Xt dP.
113
dQ
dP
Z
A
NtTn dQ =
Z
A
Tn
N
dQ =
Tn
dP.
Z N
114
Tn
Z N
dP =
Std
Tn
EQ (N
Tn
N
dQ.
NtTn
| Ft ), t 0 tzn.
N Tn
M(Q).
2
Aby wykaza, e Y Mloc (Q) na mocy lematu 6.15 wystarczy wykaza (M )Y Mloc (P ).
W tym celu zastosujemy wzr Ito do
F (x, y) = xy,
x := (M ),
z podstawieniem
y := Y.
Mamy
Z t
((M )s 1) dYs +
Ys d((M )s 1) + h(M ) 1, Xit
0
0
Z t
Z t
=
(M )s dXs
(M )s dhX, M is Yt
0
0
Z t
+
Ys d(M )s + h(M ) 1, Xit
Z
((M )t 1)Yt =
i poniewa
Z
h(M ) 1, Xit =
(M )s dhM, Xis
0
wic
Z
(M )t Yt =
Z
(M )s dXs +
Ys d(M )s
0
wasnoc dla N
i V (A) ograniczonych. Niech [0, t] bdzie przedziaem i t podziaem tego przedziau tj.
t = {0 = t0 , t1 , . . . , tn , tn+1 = t}, ti < ti+1 . Oznaczmy przez L = N + A. Mamy
SL () =
n
X
i=0
Lti+1 Lti
2
n
X
Nti+1 Nti
i=0
n
X
+ 2
i=0
2
n
X
Ati+1 Ati
i=0
Ati+1 Ati
Nti+1 Nti ,
2
115
i=0
i=0
(2)
wedug prawdopodobiestwa P .
(2)
wedug prawdopodobiestwa Q.
Analogicznie
(2)
SQ (Y )t = lim St (Y ),
|t |0
(2)
(2)
(2)
t 0.
Ostatecznie wic
hX, XiPt = hY, Y iQ
t ,
t 0.
2
Wniosek 6.17 Niech B = {Bt }t0 bdzie ruchem Browna oraz niech
Z t
Mt =
Hs dBs ,
t 0,
0
1
Hs dBs
2
Hs2 ds
= 1,
to proces
Z
Yt = B t
Hs ds,
t0
dQ
dP
= exp
Hs dBs
1
2
R
0
Hs2 ds .
116
Mamy
Z
hB, M it =
Hs ds,
Hs dhB, Bis =
t0
Hs ds,
t0
t 0.
Poniewa Y jest cigym lokalnym Q - martyngaem, wic z twierdzenia Levyego dostajemy, e jest ruchem Browna wzgldem miary Q.
2