[금융수학] 12. 이토 적분
함수 α:[0,T]→R을 적분연산자로 이용해 리만-스틸체스 적분(Riemann-Stieltjes integral)형태의 적분∫T0f(t)dα(t)를 정의하려면 α의 증분 Δαi=α(ti+1)−α(ti)의 절댓값의 합(일차변동)이 유한해야 하나 브라운 운동의 표본경로에 대해 그 일차변동은 무한대이므로 브라운 운동을 이용하여 리만-스틸체스 적분을 정의할 수 없다. 그러나 극한의 수렴을 L2공간에서의 수렴으로 정하면 이토 적분을 정의할 수 있다.
이토 적분을 다음과 같이 간략하게 소개할 수 있다: 여과 {Ft}t≥0와 각 t≥0에 대해 ft(ω)=f(t,ω)가 여과 Ft에 대해 가측이라고 하면, 확률과정 {ft(ω)}t≥0의 이토 적분은 시간 t에 대해 적분하는 것으로 그 적분값은 확률변수이다., 즉 ti=Tni라고 하면∫T0ft(ω)dWt=lim이고 여기에서의 극한은 다음과 같이 L^{2}(\Omega,\,P)공간에서의 극한이다.E\left(\left|\sum_{i=0}^{n-1}{f_{t_{i}}(\omega)(W_{t_{i+1}}(\omega)-W_{t_{i}}(\omega))}\right|^{2}-\int_{0}^{T}{f_{t}(\omega)dW_{t}(\omega)}\right)\,\rightarrow\,0여과 \{\mathcal{F}_{t}\}_{t\geq0}가 주어져 있고, 집합 V는 \{\mathcal{F}_{t}\}_{t\geq0}에 적응되어 있고, 다음의 성질들을 지닌 확률과정 f_{t}(\omega)=f(t,\,\omega)의 집합이다.E\left(\int_{0}^{\infty}{|f_{t}(\omega)|^{2}dt}\right)<\infty여기서 f_{t}(\omega)는 t에 대한 함수 f:t\,\rightarrow\,f(t,\,\omega)로 간주하고, 거의 모든 \omega에 대해 연속이며, 이러한 연속성이 성립하는 거의 모든 \omega에 대해 \displaystyle\int_{0}^{\infty}{|f_{t}(\omega)|^{2}dt}는 각 \omega\in\Omega에 대한 리만적분이다. 이때 V는 벡터공간이고, 노름을 다음과 같이 정의한다.\|f\|_{V}^{2}=E\left(\int_{0}^{\infty}{|f_{t}(\omega)|^{2}dt}\right)시간의 분할 0=t_{0}<t_{1}<\cdots<t_{n}과 모든 0\leq i\leq n-1에 대하여 \mathcal{F}_{t_{i}}-가측인 확률변수 \zeta_{i}\in L^{2}(\Omega)가 존재하여 확률과정 \{f_{t}\}가 다음과 같다면f_{t}(\omega)=\sum_{i=1}^{n}{\zeta_{i-1}(\omega)\mathbf{1}_{[t_{i-1},\,t_{i})}(t)}f_{t}를 계단(step) 확률과정이라고 하고, 모든 계단 확률과정들의 집합을 M_{0}^{2}로 나타낸다. f\in M_{0}^{2}일 때\|f\|^{2}=\sum_{i=1}^{n}{E(|\zeta_{i-1}|^{2})(t_{i}-t_{i-1})}<\infty이므로 f\in V이고 M_{0}^{2}는 V의 부분공간이다.
확률과정 \{f_{t}\}가 다음과 같을 때f_{t}(\omega)=\sum_{i=1}^{n}{\zeta_{i-1}(\omega)\mathbf{1}_{[t_{i-1},\,t_{i})}(t)}\in M_{0}^{2}I(f)를 다음과 같이 정의한다.I(f)=\sum_{i=1}^{n}{\zeta_{i-1}(\omega)(W_{t_{i}}-W_{t_{i-1}})}이것은 (\Omega,\,\mathcal{F},\,P)에서 정의된 확률변수이다.
f\in M_{0}^{2}일 때 I(f)\in L^{2}(\Omega,\,P)이고 I:M_{0}^{2}\,\rightarrow\,L^{2}(\Omega,\,P)는 노름을 보존하는 선형변환, 즉E(|I(f)|^{2})=E\left(\int_{0}^{\infty}{|f_{t}|^{2}dt}\right)이다.
증명: I는 분명히 선형변환이고f_{t}=\sum_{i=1}^{n}{\zeta_{i-1}\mathbf{1}_{[t_{i-1},\,t_{i})}(t)}\in M_{0}^{2}일 때\begin{align*}|I(f)|^{2}&=\sum_{i=0}^{n-1}{\sum_{j=0}^{n-1}{\zeta_{i}\zeta_{j}\Delta W_{i}}\Delta W_{j}}\\&=\sum_{j=0}^{n-1}{|\zeta_{j}|^{2}(\Delta W_{j})^{2}}+2\sum_{i<j}{\zeta_{i}\zeta_{j}\Delta W_{i}\Delta W_{j}}\end{align*}이고 \zeta_{j}와 \Delta W_{j}는 서로 독립이므로 E((\Delta W_{j})^{2})=\Delta t_{j}를 이용하면E(|\zeta_{j}|^{2}(\Delta W_{j})^{2})=E(|\zeta_{j}|^{2})E((\Delta W_{j})^{2})=E(|\zeta_{j}|^{2})\Delta t_{k}이고 i<j이면 \zeta_{i}\zeta_{j}\Delta W_{i}와 \Delta W_{j}는 서로 독립이므로 E(\Delta W_{j})=0임을 이용하면E(\zeta_{i}\zeta_{j}\Delta_{i}W\Delta_{j})=E(\zeta_{i}\zeta_{j}\Delta W_{i})E(\Delta W_{j})=0이므로E(|I(f)|^{2})=\sum_{j=0}^{n-1}{E(|\zeta_{j}|^{2})\Delta t_{j}}<\infty이고 따라서 I(f)\in L^{2}(\Omega)이다. 한편\begin{align*}|f_{t}|^{2}&=\sum_{i=0}^{n-1}{\sum_{j=0}^{n-1}{\zeta_{i}\zeta_{j}\mathbf{1}_{[t_{i},\,t_{i+1})}(t)}\mathbf{1}_{[t_{j},\,t_{j+1})}(t)}\\&=\sum_{k=0}^{n-1}{|\zeta_{k}|^{2}\mathbf{1}_{[t_{j},\,t_{j+1})}(t)}\end{align*}이므로\int_{0}^{\infty}{|f_{t}|^{2}dt}=\sum_{j=0}^{n-1}{|\zeta_{j}|^{2}\Delta t_{j}}이고 따라서 다음의 결과를 얻는다.E\left(\int_{0}^{\infty}{|f_{t}|^{2}dt}\right)=\sum_{j=0}^{n-1}{E(|\zeta_{j}|^{2})\Delta t_{j}}선형변환 I:M_{0}^{2}\,\rightarrow\,L^{2}(\Omega,\,P)가 연속이고 L^{2}(\Omega,\,P)는 완비공간이므로 I의 정의역을 확장할 수 있다. 다시 말하자면, 계단 확률과정들의 열 \{f_{n}(t,\,\omega)\}로 근사되는 확률과정 f(t,\,\omega)의 적분값 I(f)\in L^{2}(\Omega,\,P)는I(f)=\lim_{n\,\rightarrow\,\infty}{I(f_{n})}\,(L^{2})로 결정된다. 즉\lim_{n\,\rightarrow\,\infty}{E(|I(f)-I(f_{n})|^{2})}=0이다. 이렇게 확장된 영역을 M^{2}라 하고, M_{0}^{2}는 M^{2}에서 조밀 부분공간이다. 이렇게 f\in M^{2}에 대해 I(f)를 정의할 수 있고, 이때 I(f)를 이토 확률적분(Ito stochastic integral)이라 하고 다음과 같이 나타낸다.\int_{0}^{\infty}{f_{t}(\omega)dW_{t}(\omega)}f,\,g\in M^{2}이면 다음이 성립한다.E(I(f)I(g))=E\left(\int_{0}^{\infty}{f_{t}g_{t}dt}\right)증명: M^{2}와 L^{2}(\Omega,\,P)에 내적이 정의되었다고 하면 다음과 같이 나타낼 수 있다.\langle I(f),\,I(g)\rangle_{L^{2}}=\langle f,\,g\rangle_{M^{2}}그러면 다음의 등식이 성립하고\begin{align*}&\langle f,\,f\rangle_{M^{2}}+\langle g,\,g\rangle_{M^{2}}+2\langle f,\,g\rangle_{M^{2}}\\&=\langle f+g,\,f+g\rangle_{M^{2}}\\&=\langle I(f+g),\,I(f+g)\rangle_{L^{2}}\\&=\langle I(f),\,I(f)\rangle_{L^{2}}+\langle I(g),\,I(g)\rangle_{L^{2}}+2\langle I(f),\,I(g)\rangle_{L^{2}}\\&=\langle I(f),\,I(f)\rangle_{M^{2}}+\langle I(g),\,I(g)\rangle_{M^{2}}+2\langle I(f),\,I(g)\rangle\end{align*}따라서 \langle f,\,g\rangle_{M^{2}}=\langle I(f),\,I(g)\rangle_{L^{2}}이다.
*\{f_{t}\}_{t\geq0}가 \{\mathcal{F}_{t}\}_{t\geq0}에 대해 적응되어 있으면 \{\mathbf{1}_{[0,\,T)}(t)f_{t}\}_{t\geq0}도 \{\mathcal{F}_{t}\}_{t\geq0}에 대해 적응되어 있고, 다음이 성립한다.\int_{0}^{T}{f_{t}dW_{t}}=\int_{0}^{\infty}{\mathbf{1}_{[0,\,T)}(t)f_{t}dW_{t}}이것은 유한구간 [0,\,T]에서도 이토 적분을 정의할 수 있음을 의미한다.
\displaystyle\int_{0}^{T}{dW_{t}}=W_{T}-W_{0}=W_{T}이고 리만적분에서 g(0)=0일 때 미적분학의 기본정리에 의해 \displaystyle\int_{0}^{T}{g(t)g'(t)dt}=\frac{1}{2}\{g(T)\}^{2}이나 이토적분에서는 성립하지 않는다. 다음의 이토적분이 그 예이다.\int_{0}^{T}{W_{t}dW_{t}}=\frac{1}{2}W_{T}^{2}-\frac{1}{2}Tf(t)=\mathbf{1}_{[0,\,T)}(t)W(t)\in M^{2}라 하고 구간 [0,\,T]를 분할해 그 분할점을 \displaystyle t_{i}=\frac{iT}{n}이라 하고f_{n}(t)=\sum_{i=0}^{n-1}{\mathbf{1}_{[t_{i},\,t_{i+1})}(t)W(t)}\in M_{0}^{2}라 하자.\begin{align*}E\left(\int_{0}^{\infty}{|f(t)-f_{n}(t)|^{2}dt}\right)&=\sum_{i=0}^{n-1}{\int_{t_{i}}^{t_{i+1}}{E(|W(t)-W(t_{i})|^{2})dt}}\\&=\sum_{i=0}^{n-1}{\int_{t_{i}}^{t_{i+1}}{(t-t_{i})dt}}\\&=\frac{1}{2}\sum_{i=0}^{n-1}{(t_{i+1}-t_{i})^{2}}\\&=\frac{T^{2}}{2n}\end{align*}이므로 n\,\rightarrow\,\infty일 때 f_{n}을 f로 수렴하고\begin{align*}I(f_{n})&=\sum_{i=0}^{n-1}{W(t_{i})\{W(t_{i+1})-W(t_{i})\}}\\&=\frac{1}{2}\sum_{i=0}^{n-1}{(\{W(t_{i+1})\}^{2}-\{W(t_{i})\}^{2})}-\frac{1}{2}\sum_{i=0}^{n-1}{\{W(t_{i+1})-W(t_{i})\}^{2}}\\&=\frac{1}{2}\{W(T)\}^{2}-\frac{1}{2}\sum_{i=0}^{n-1}{\{W(t_{i+1})-W(t_{i})\}^{2}}\end{align*}(브라운 운동의 2차변동은 T로 수렴한다)이므로 n\,\rightarrow\,\infty일 때 I(f_{n})은 \displaystyle\frac{1}{2}\{W(T)\}^{2}-\frac{1}{2}T으로 수렴한다.
확률과정 f_{t},\,g_{t}\,(t\geq0)에 대해 다음이 성립한다.
(1) 상수 a,\,b에 대해 다음이 성립한다.\int_{0}^{t}{(af_{u}+bg_{u})dW_{u}}=a\int_{0}^{t}{f_{u}dW_{u}}+b\int_{0}^{t}{g_{u}dW_{u}}(2) \displaystyle E\left(\left|\int_{0}^{t}{f_{u}dW_{u}}\right|^{2}\right)=E\left(\int_{0}^{t}{|f_{u}|^{2}du}\right)
확률과정 \{f_{t}\}가 \{\mathcal{F}_{t}\}에 대해 적응되어 있다고 하자. 그러면 다음과 같이 이토 적분으로 정의된 확률과정M_{t}=\int_{0}^{t}{f(u,\,\omega)dW_{u}}는 마팅게일이다. 즉 \displaystyle E\left(\int_{0}^{t}{f_{u}dW_{u}}|\right)=\int_{0}^{s}{f_{u}dW_{u}}이다.
증명: 먼저 M_{0}^{2}에 속하는 단순함수에 대해 보인 다음 조건부기댓값으로 정의되는 선형변환이 연속임을 이용한다.
이토 적분은 다음의 성질을 만족한다.E\left(\int_{0}^{t}{f(u,\,\omega)dW_{u}}\right)=0증명: \displaystyle M_{t}=\int_{0}^{t}{f(s,\,\omega)dW_{u}}라 하면 \displaystyle M_{0}=\int_{0}^{0}{f(u,\,\omega)dW_{u}}=0이고 \{M_{t}\}_{t\geq0}는 마팅게일이므로 E(M_{t})는 상수이고 따라서 E(M_{t})=E(M_{0})=0이다.
주가 변동의 모형을 나타내는 기하 브라운 운동 S_{t}=S_{0}e^{\left(\mu-\frac{1}{2}\sigma^{2}\right)t+\sigma W_{t}}은 다음의 식을 만족한다.(이토 공식으로 확인이 가능하다)S_{t}-S_{0}=\int_{0}^{t}{\mu S_{u}du}+\int_{0}^{t}{\sigma S_{u}dW_{u}}이때 \displaystyle E\left(\int_{0}^{t}{S_{u}dW_{u}}\right)=0이므로E(S_{t})-S_{0}=\int_{0}^{t}{\mu E(S_{u})du}이고 이 식의 양변을 미분하면 g(t)=E(S_{t})라고 할 때 g'(t)=\mu g(t), g(0)=S_{0}이므로 g(t)=S_{0}e^{\mu t}이고 따라서 E(S_{t})=S_{0}e^{\mu t}이다.
*브라운 운동이 아닌 일반적인 마팅게일 \{M_{t}\}_{t\geq0}에 대해N_{t}=\int_{0}^{t}{f_{s}dM_{t}}을 정의할 수 있고, 이것은 마팅게일이다.
참고자료:
금융수학의 방법론, 최건호, 경문사
'확률및통계 > 금융수학' 카테고리의 다른 글
[금융수학] 14. 마팅게일 표현정리, 파인만-칵 공식, 콜모고로프 방정식 (0) | 2020.09.02 |
---|---|
[금융수학] 13. 이토 공식, 기르사노프 정리 (0) | 2020.09.01 |
[금융수학] 11. 브라운운동, 마팅게일 (0) | 2020.08.30 |
[금융수학] 10. 확률과정, 브라운운동 (0) | 2020.08.29 |
[금융수학] 9. 조건부 기댓값 (0) | 2020.08.28 |