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,tω=Xtω dla wszystkich
t<T,ω∈Ω. Jeśli dla wszystkich t<T i ω∈Ω, Xn,tω≤Ytω
dla pewnego procesu Y∈ΛT2M,
to Xn,X∈ΛT2M oraz
|
∫0tXndM→∫0tXdM według prawdopodobieństwa przy n→∞. |
|
Proces X jest prognozowalny jako granica procesów prognozowalnych. Ponadto dla t<T,
|
∫0tXs2dMs,∫0tXn,s2dMs≤∫0tYs2dMs<∞ p.n., |
|
więc Xn,X∈ΛT2M. Bez straty ogólności możemy też założyć, że M0=0.
Niech τk↗T takie, że Mτk∈MT2,c oraz
I0,τkY∈LT2Mτk. Ponieważ
I0,τkXn≤I0,τkY, więc
I0,τkXn∈LT2Mτk. Z twierdzenia Lebesgue'a o zbieżności
zmajoryzowanej łatwo wykazać, że I0,τkXn→I0,τkX
w LT2Mτk. Stąd dla ustalonego k,
|
∫0t∧τkXndM=∫0tI0,τkXndMτk⟶L2Ω∫0tI0,τkXdMτk=∫0t∧τkXdM, |
|
czyli
|
I{τk≥t}∫0tXndM⟶L2I{τk≥t}∫0tXdM 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∈LT2N, Y jest procesem
prognozowalnym ograniczonym
oraz M=∫XdN. Wówczas Y∈LT2M,XY∈LT2N oraz
∫YdM=∫XYdN.
b)Załóżmy, że N∈Mlocc, X∈ΛT2N, Y jest
procesem prognozowalnym lokalnie
ograniczonym oraz M=∫XdN. Wówczas Y∈ΛT2M,XY∈ΛT2N oraz
∫YdM=∫XYdN.
a) Załóżmy wpierw, że Y jest procesem elementarnym postaci
|
Y=ξ0I0+∑j=0n-1ξjItj,tj+1, |
|
gdzie 0=t0<t1<…<tk<T, zaś ξk są ograniczonymi zmiennymi Ftk-mierzalnymi.
Wówczas
|
∫0tYdM | =∑jξjMtj+1∧t-Mtj∧t |
|
|
| =∑jξj∫0tI0,tj+1XdN-∫0tI0,tjXdN |
|
|
| =∑jξj∫0tItj,tj+1XdN=∑j∫0tξjItj,tj+1XdN |
|
|
| =∫0t∑jξjItj,tj+1XdN=∫0tYXdN. |
|
Jeśli Y jest dowolnym ograniczonym procesem prognozowalnym, to
|
E∫0TYs2dMs≤Y∞2E∫0TdMs=Y∞2EMT=Y∞2EMT2<∞, |
|
więc Y∈LT2M. Nietrudno też sprawdzić, że XY∈LT2N.
Możemy znaleźć procesy elementarne Yn zbieżne do Y
w LT2M, co więcej możemy założyć, że Yn∞≤Y∞.
Zauważmy, że
|
XY-XYnLT2N2 | =E∫0T(XY-XYn)s2d〈N〉s=E∫0T(Y-Yn)s2Xs2d〈N〉s |
|
|
| =E∫0T(Y-Yn)s2d〈M〉s=∥Y-Yn∥LT2M2→0, |
|
więc YnX→YX w LT2N. Stąd dla t≤T,
|
∫0tXYdN⟵L2∫0tXYndN=∫YndM⟶L2∫0tYdM. |
|
b) Mamy ∫0tY0dM=Y0Mt=Y0∫0tXdN=∫0tY0XdN, zatem
rozpatrując Y-Y0 zamiast Y możemy zakładać,że Y0=0.
Niech τn↗T takie, że Yτn jest ograniczone, Nτn∈MT2,c
oraz XI0,τn∈LT2Nτn. Zauważmy, że
|
Mτn=∫XdNτn=∫XI0,τndNτn, |
|
zatem na mocy części a),
|
∫YdMτn | =∫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
|
MtNt=M0N0+∫0tMsdNs+∫0tNsdMs+M,Nt. |
| (12.1) |
Stosując twierdzenie do M=N dostajemy natychmiast.
Wniosek 12.1
Jeśli M∈Mlocc, to
|
∫0tMsdMs=12Mt2-M02-12Mt. |
|
Wniosek 12.2
Niech X,Y∈ΛT2, M=∫XdW oraz N=∫YdW, wówczas
|
MtNt | =∫0tMsdNs+∫0tNsdMs+M,Nt |
|
|
| =∫0tMsYsdWs+∫0tNsXsdWs+∫0tXsYsds. |
|
Pierwsza równość wynika z Twierdzenia 12.3, druga z Twierdzenia
12.2 oraz tego, że M,N=∫XYds.
∎
Dowód Twierdzenia 12.3
Całki ∫MdN i ∫NdM 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,
|
∫MdN | =∫Md(N-N0)=∫(M-M0)d(N-N0)+∫M0d(N-N0) |
|
|
| =∫M-M0dN-N0+M0N-N0, |
|
zatem
|
M0N0+ | ∫0tMdN+∫0tNdM+M,Nt-MtNt |
|
|
= | ∫0tM-M0dN-N0+∫0tN-M0dM-M0 |
|
|
| +M-N0,N-N0t-Mt-M0Nt-N0. |
|
Wystarczy udowodnić, że teza zachodzi dla M=N, tzn.
|
Mt2=2∫0tMsdMs+Mtdla 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
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
|
MtAt=M0A0+∫0tAsdMs+∫0tMsdAs. |
|
Jak w dowodzie Twierdzenia 12.3 możemy założyć, że M0=A0=0.
Załóżmy wpierw, że M i N są ograniczone. Zauważmy, że
|
MtAt= | ∑j=1n(Mtj/n-Mtj-1/n)∑k=1n(Atk/n-Atk-1/n |
|
|
= | ∑j=1nMtj/n-Mtj-1/nAtj/n-Atj-1/n |
|
|
| +∑j=1nMtj-1/nAtj/n-Atj-1/n+∑j=1nMtj/n-Mtj-1/nAtj-1/n |
|
|
| =:an+bn+cn. |
|
Składnik bn dąży prawie na pewno do ∫0tMdA (definicja całki Riemanna-Stieltjesa).
Nietrudno sprawdzić, że procesy elementarne
|
An=∑j=1nAtj-1/nItj-1/n,tj/n |
|
zbiegają w Lt2M do A, stąd cn=∫0tAndM zbiega w L2 do ∫0tAdM.
Zauważmy też, że
|
an2 | ≤∑j=1nMtj/n-Mtj-1/n2∑j=1nAtj/n-Atj-1/n2 |
|
|
| ≤∑j=1nMtj/n-Mtj-1/n2sup1≤j≤nAtj/n-Atj-1/nWah0,tA. |
|
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
|
MtAt=an+bn+cn⟶P∫0tMdA+∫0tAdM. |
|
Jeśli M i A nie są ograniczone, to określamy
|
τn=inft>0:Mt≥n∧inft>0:At≥n∧T. |
|
Mamy Aτn≤n, Mτn≤n, więc z poprzednio rozważonego
przypadku
|
MAτn=∫AτndMτn+∫MτndAτn=∫AdM+∫MdAτn, |
|
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
|
AtBt=A0B0+∫0tAsdBs+∫0tBsdAs. |
|
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+∫XdW+∫Yds, gdzie X∈ΛT2,
Y prognozowalny taki, że ∫0tYsds<∞ 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 ∫XdZ:=∫XdM+∫XdA,
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
ZZ′ też jest semimartyngałem oraz
|
ZZ′=Z0Z0′+∫ZdZ′+∫Z′dZ+M,M′. |
|
Mamy
ZZ′=Z0Z0′+MM′+MA′+AM′+AA′ 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
∫Ws2dWs 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
diamΠn→0, to
|
∑k=0kn-1XtknZtk+1n-Ztkn→∫0tXsdZs według prawdopodobieństwa. |
|
Ćwiczenie 12.4
Niech Πn=t0n,t1n,…,tknn będzie ciągiem podziałów 0,t
takim, że 0=t0n≤t1n≤…≤tknn=t oraz
diamΠn→0. Wykaż, że dla dowolnych ciągłych semimartyngałów X i Y,
|
∑k=0kn-1Xtk+1n-XtknYtk+1n-Ytkn→X,Yt według prawdopodobieństwa. |
|