Zagadnienia

12. Dalsze własności całki stochastycznej

Podczas tego wykładu wykażemy szereg ważnych własności całki stochastycznej, które pozwolą nam później udowodnić wzór Itô.

12.1. Zbieżność zmajoryzowana dla całek stochastycznych

Zacznijmy od wersji stochastycznej twierdzenia Lebesgue'a o zbieżności zmajoryzowanej.

Twierdzenie 12.1

Załóżmy, że M∈Mloc2,c oraz Xn są procesami prognozowalnymi takimi, że limn→∞⁡Xn,t⁢ω=Xt⁢ω dla wszystkich t<T,ω∈Ω. Jeśli dla wszystkich t<T i ω∈Ω, Xn,t⁢ω≤Yt⁢ω dla pewnego procesu Y∈ΛT2⁢M, to Xn,X∈ΛT2⁢M oraz

∫0tXn⁢d⁢M→∫0tX⁢d⁢M⁢⁢ według prawdopodobieństwa przy ⁢n→∞.

Proces X jest prognozowalny jako granica procesów prognozowalnych. Ponadto dla t<T,

∫0tXs2⁢d⁢Ms,∫0tXn,s2⁢d⁢Ms≤∫0tYs2⁢d⁢Ms<∞⁢ p.n.,

więc Xn,X∈ΛT2⁢M. Bez straty ogólności możemy też założyć, że M0=0.

Niech τk↗T takie, że Mτk∈MT2,c oraz I0,τk⁢Y∈LT2⁢Mτk. Ponieważ I0,τk⁢Xn≤I0,τk⁢Y, więc I0,τk⁢Xn∈LT2⁢Mτk. Z twierdzenia Lebesgue'a o zbieżności zmajoryzowanej łatwo wykazać, że I0,τk⁢Xn→I0,τk⁢X w LT2⁢Mτk. Stąd dla ustalonego k,

∫0t∧τkXn⁢d⁢M=∫0tI0,τk⁢Xn⁢d⁢Mτk⟶L2⁢Ω∫0tI0,τk⁢X⁢d⁢Mτk=∫0t∧τkX⁢d⁢M,

czyli

I{τk≥t}⁢∫0tXn⁢d⁢M⟶L2I{τk≥t}⁢∫0tX⁢d⁢M⁢ przy ⁢n→∞.

Zbieżność w L2 implikuje zbieżność według prawdopodobieństwa, by zakończyć dowód wystarczy skorzystać z Lematu 11.1.

∎

12.2. Całkowanie przez podstawienie

Definicja 12.1

Mówimy, że proces X jest lokalnie ograniczony, jeśli istnieją momenty zatrzymania τn↗T takie, że procesy Xτn-X0 są ograniczone.

Uwaga 12.1

Każdy proces ciągły, adaptowalny jest lokalnie ograniczony.

Kolejne twierdzenie podaje wzór na całkowanie przez podstawienie.

Twierdzenie 12.2

a) Załóżmy, że N∈MT2,c, X∈LT2⁢N, Y jest procesem prognozowalnym ograniczonym oraz M=∫X⁢d⁢N. Wówczas Y∈LT2⁢M,X⁢Y∈LT2⁢N oraz ∫Y⁢d⁢M=∫X⁢Y⁢d⁢N.
b)Załóżmy, że N∈Mlocc, X∈ΛT2⁢N, Y jest procesem prognozowalnym lokalnie ograniczonym oraz M=∫X⁢d⁢N. Wówczas Y∈ΛT2⁢M,X⁢Y∈ΛT2⁢N oraz ∫Y⁢d⁢M=∫X⁢Y⁢d⁢N.

a) Załóżmy wpierw, że Y jest procesem elementarnym postaci

Y=ξ0⁢I0+∑j=0n-1ξj⁢Itj,tj+1,

gdzie 0=t0<t1<…<tk<T, zaś ξk są ograniczonymi zmiennymi Ftk-mierzalnymi. Wówczas

∫0tY⁢d⁢M=∑jξj⁢Mtj+1∧t-Mtj∧t
=∑jξj⁢∫0tI0,tj+1⁢X⁢d⁢N-∫0tI0,tj⁢X⁢d⁢N
=∑jξj∫0tItj,tj+1XdN=∑j∫0tξjItj,tj+1XdN
=∫0t∑jξjItj,tj+1XdN=∫0tYXdN.

Jeśli Y jest dowolnym ograniczonym procesem prognozowalnym, to

E⁢∫0TYs2⁢d⁢Ms≤Y∞2⁢E⁢∫0Td⁢Ms=Y∞2⁢E⁢MT=Y∞2⁢E⁢MT2<∞,

więc Y∈LT2⁢M. Nietrudno też sprawdzić, że X⁢Y∈LT2⁢N. Możemy znaleźć procesy elementarne Yn zbieżne do Y w LT2⁢M, co więcej możemy założyć, że Yn∞≤Y∞. Zauważmy, że

X⁢Y-X⁢YnLT2⁢N2=E∫0T(XY-XYn)s2d〈N〉s=E∫0T(Y-Yn)s2Xs2d〈N〉s
=E∫0T(Y-Yn)s2d〈M〉s=∥Y-Yn∥LT2⁢M2→0,

więc Yn⁢X→Y⁢X w LT2⁢N. Stąd dla t≤T,

∫0tX⁢Y⁢d⁢N⟵L2∫0tX⁢Yn⁢d⁢N=∫Yn⁢d⁢M⟶L2∫0tY⁢d⁢M.

b) Mamy ∫0tY0⁢d⁢M=Y0⁢Mt=Y0⁢∫0tX⁢d⁢N=∫0tY0⁢X⁢d⁢N, zatem rozpatrując Y-Y0 zamiast Y możemy zakładać,że Y0=0. Niech τn↗T takie, że Yτn jest ograniczone, Nτn∈MT2,c oraz X⁢I0,τn∈LT2⁢Nτn. Zauważmy, że

Mτn=∫X⁢d⁢Nτn=∫X⁢I0,τn⁢d⁢Nτn,

zatem na mocy części a),

∫Y⁢d⁢Mτn=∫YI0,τndMτn=∫YI0,τnXI0,τndNτn
=∫XYI0,τndNτn=(∫XYdN)τn.

Biorąc n→∞ dostajemy tezę.

∎

12.3. Całkowanie przez części

Sformułujemy teraz pierwsze twierdzenie o całkowaniu przez części.

Twierdzenie 12.3

Niech M,N∈Mlocc, wówczas

Mt⁢Nt=M0⁢N0+∫0tMs⁢d⁢Ns+∫0tNs⁢d⁢Ms+M,Nt. (12.1)

Stosując twierdzenie do M=N dostajemy natychmiast.

Wniosek 12.1

Jeśli M∈Mlocc, to

∫0tMs⁢d⁢Ms=12⁢Mt2-M02-12⁢Mt.
Wniosek 12.2

Niech X,Y∈ΛT2, M=∫X⁢d⁢W oraz N=∫Y⁢d⁢W, wówczas

Mt⁢Nt=∫0tMs⁢d⁢Ns+∫0tNs⁢d⁢Ms+M,Nt
=∫0tMs⁢Ys⁢d⁢Ws+∫0tNs⁢Xs⁢d⁢Ws+∫0tXs⁢Ys⁢d⁢s.

Pierwsza równość wynika z Twierdzenia 12.3, druga z Twierdzenia 12.2 oraz tego, że M,N=∫X⁢Y⁢d⁢s.

∎
Dowód Twierdzenia 12.3

Całki ∫M⁢d⁢N i ∫N⁢d⁢M są dobrze określone, gdyż procesy M i N są ciągłe, zatem lokalnie ograniczone.

Możemy założyć, iż M0=N0=0, gdyż M,N=M-N0,N-N0,

∫M⁢d⁢N=∫Md(N-N0)=∫(M-M0)d(N-N0)+∫M0d(N-N0)
=∫M-M0⁢d⁢N-N0+M0⁢N-N0,

zatem

M0⁢N0+∫0tM⁢d⁢N+∫0tN⁢d⁢M+M,Nt-Mt⁢Nt
=∫0tM-M0⁢d⁢N-N0+∫0tN-M0⁢d⁢M-M0
+M-N0,N-N0t-Mt-M0⁢Nt-N0.

Wystarczy udowodnić, że teza zachodzi dla M=N, tzn.

Mt2=2⁢∫0tMs⁢d⁢Ms+Mt⁢⁢dla ⁢M∈Mlocc,⁢M0=0. (12.2)

Jeśli bowiem zastosujemy (12.2) dla M+N i M-N, odejmiemy stronami i podzielimy przez 4, to dostaniemy (12.1).

Wiemy (zob. Uwaga 11.1), że (12.2) zachodzi przy dodatkowym założeniu ograniczoności M. W ogólnym przypadku określamy

τn:=inf⁡t>0:Mt≥n∧T,

wtedy τn↗T. Ponadto Mτn jest ograniczonym martyngałem lokalnym, zatem ograniczonym martyngałem, więc

M2τn=(Mτn)2=2∫MτndMτn+〈Mτn〉=2∫MτnI0,τndM+〈M〉τn
=2∫MI0,τndM+〈M〉τn=(2∫MdM+〈M〉)τn.

Przechodząc z n→∞ dostajemy (12.2).

∎
Definicja 12.2

Przez Vc oznaczamy procesy ciągłe, adaptowalne, których trajektorie mają wahanie skończone na każdym przedziale 0,t dla t<T.

Udowodnimy teraz kolejne twierdzenie o całkowaniu przez części.

Stwierdzenie 12.1

Załóżmy, że M∈Mlocc,A∈Vc, wówczas

Mt⁢At=M0⁢A0+∫0tAs⁢d⁢Ms+∫0tMs⁢d⁢As.

Jak w dowodzie Twierdzenia 12.3 możemy założyć, że M0=A0=0.

Załóżmy wpierw, że M i N są ograniczone. Zauważmy, że

Mt⁢At=∑j=1n(Mt⁢j/n-Mt⁢j-1/n)∑k=1n(At⁢k/n-At⁢k-1/n
=∑j=1nMt⁢j/n-Mt⁢j-1/n⁢At⁢j/n-At⁢j-1/n
+∑j=1nMt⁢j-1/n⁢At⁢j/n-At⁢j-1/n+∑j=1nMt⁢j/n-Mt⁢j-1/n⁢At⁢j-1/n
=:an+bn+cn.

Składnik bn dąży prawie na pewno do ∫0tM⁢d⁢A (definicja całki Riemanna-Stieltjesa). Nietrudno sprawdzić, że procesy elementarne

An=∑j=1nAt⁢j-1/n⁢It⁢j-1/n,t⁢j/n

zbiegają w Lt2⁢M do A, stąd cn=∫0tAn⁢d⁢M zbiega w L2 do ∫0tA⁢d⁢M. Zauważmy też, że

an2≤∑j=1nMt⁢j/n-Mt⁢j-1/n2⁢∑j=1nAt⁢j/n-At⁢j-1/n2
≤∑j=1nMt⁢j/n-Mt⁢j-1/n2⁢sup1≤j≤n⁡At⁢j/n-At⁢j-1/n⁢Wah0,t⁢A.

Pierwszy czynnik powyżej dąży do Mt w L2 (w szczególności jest więc ograniczony w L2), drugi zaś dąży do zera p.n. (proces A jest ciągły), stąd an dąży do 0 według prawdopodobieństwa. Zatem

Mt⁢At=an+bn+cn⟶P∫0tM⁢d⁢A+∫0tA⁢d⁢M.

Jeśli M i A nie są ograniczone, to określamy

τn=inf⁡t>0:Mt≥n∧inf⁡t>0:At≥n∧T.

Mamy Aτn≤n, Mτn≤n, więc z poprzednio rozważonego przypadku

M⁢Aτn=∫Aτn⁢d⁢Mτn+∫Mτn⁢d⁢Aτn=∫A⁢d⁢M+∫M⁢d⁢Aτn,

przechodząc z n→∞ dostajemy tezę.

∎

Ostatnie twierdzenie o całkowaniu przez części jest nietrudną konsekwencją definicji całki Riemanna-Stieltjesa.

Stwierdzenie 12.2

Załóżmy, że A,B∈Vc, wówczas

At⁢Bt=A0⁢B0+∫0tAs⁢d⁢Bs+∫0tBs⁢d⁢As.

12.4. Ciągłe semimartyngały

Definicja 12.3

Proces Z=Ztt<T nazywamy ciągłym semimartyngałem, jeśli da się przedstawić w postaci Z=Z0+M+A, gdzie Z0 jest zmienną F0-mierzalna, M∈Mloc2, A∈Vc oraz A0=M0=0.

Uwaga 12.2

Rozkład semimartyngału jest jednoznaczny (modulo procesy nieodróżnialne).

Jeśli Z=Z0+M+A=Z0+M′+A′, to M-M′=A′-A jest ciągłym martyngałem lokalnym, startującym z zera o ograniczonym wahaniu na 0,t dla t<T, zatem jest stale równy 0.

∎
Przykład 12.1

Proces Itô, tzn. proces postaci Z=Z0+∫X⁢d⁢W+∫Y⁢d⁢s, gdzie X∈ΛT2, Y prognozowalny taki, że ∫0tYs⁢d⁢s<∞ p.n. dla t<T jest semimartyngałem.

Przykład 12.2

Z twierdzenia Dooba-Meyera wynika, że kwadrat martyngału jest semimartyngałem.

Definicja 12.4

Jeśli Z=Z0+M+A jest ciągłym semimartyngałem, to określamy ∫X⁢d⁢Z:=∫X⁢d⁢M+∫X⁢d⁢A, gdzie pierwsza całka to całka stochastyczna, a druga całka Stieltjesa.

Twierdzenie 12.4

Jeśli Z=Z0+M+A oraz Z′=Z0′+M′+A′ są ciągłymi semimartyngałami, to Z⁢Z′ też jest semimartyngałem oraz

Z⁢Z′=Z0⁢Z0′+∫Z⁢d⁢Z′+∫Z′⁢d⁢Z+M,M′.

Mamy Z⁢Z′=Z0⁢Z0′+M⁢M′+M⁢A′+A⁢M′+A⁢A′ i stosujemy twierdzenia o całkowaniu przez części (Twierdzenie 12.3, Stwierdzenia 12.1 i 12.2).

∎

Dla semimartyngałów wygodnie jest też wprowadzić następującą definicję:

Definicja 12.5

Jeśli Z=Z0+M+A, Z′=Z0′+M′+A′ są ciągłymi semimartyngałami, to przyjmujemy Z,Z′=M,M′.

12.5. Zadania

Ćwiczenie 12.1

Udowodnij Stwierdzenie 12.2.

Ćwiczenie 12.2

Korzystając ze wzoru na całkowanie przez części przedstaw ∫Ws2⁢d⁢Ws jako wyrażenie nie zawierające całek stochastycznych.

Ćwiczenie 12.3

Załóżmy, że X jest procesem ciągłym, a Z ciągłym martyngałem lokalnym. Wykaż, że jeśli t<T, Πn=t0n,t1n,…,tknn jest ciągiem podziałów 0,t takim, że 0=t0n≤t1n≤…≤tknn=t oraz diam⁢Πn→0, to

∑k=0kn-1Xtkn⁢Ztk+1n-Ztkn→∫0tXs⁢d⁢Zs⁢⁢ według prawdopodobieństwa. 
Ćwiczenie 12.4

Niech Πn=t0n,t1n,…,tknn będzie ciągiem podziałów 0,t takim, że 0=t0n≤t1n≤…≤tknn=t oraz diam⁢Πn→0. Wykaż, że dla dowolnych ciągłych semimartyngałów X i Y,

∑k=0kn-1Xtk+1n-Xtkn⁢Ytk+1n-Ytkn→X,Yt⁢⁢ według prawdopodobieństwa. 

Treść automatycznie generowana z plików źródłowych LaTeXa za pomocą oprogramowania wykorzystującego LaTeXML.

Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego.

Projekt współfinansowany przez Ministerstwo Nauki i Szkolnictwa Wyższego i przez Uniwersytet Warszawski.