Processing math: 7%

반응형

[확률적분] 4.확률적분의 배경, 브라운운동의 여과



B(t)를 브라운 운동, f(t)L2([a,b])에서 결정적인(ω의 영향을 받지않는) 함수라 하자. 다음의 확률과정은 마팅게일이고Mt=taf(s)dB(s),atb다음과 같은 문제에 의문을 갖게 된다.


확률과정 f(t,ω)에 대한 확률적분 baf(t,ω)dB(t,ω)형태로 정의된 다음의 확률과정은 마팅게일인가?Mt=taf(s,ω)dB(s,ω),atb이 질문에 대한 답을 얻기 위해 f(t)=B(t)라 하여 질문의 적분을 baB(t)dB(t)로 나타나게 하자. 그러면Ln=ni=1B(ti1){B(tiB(ti1))}Rn=ni=1B(ti){B(ti)B(ti1)}이고 다음이 성립한다.RnLn=ni=1{B(ti)B(ti1)}2따라서 극한 lim이 존재한다면, 브라운 운동 B(t)의 이차변동이다. 다음의 정리는 B(t)의 변동이 심해서 이차변동이 0이 아님을 보여주는 정리이다. 


\Delta_{n}=\{a=t_{0},\,t_{1},\,...,\,t_{n-1},\,t_{n}\}을 유한구간 [a,\,b]의 분할이라 하자. 그러면 L^{2}(\Omega)에서 \displaystyle\|\Delta_{n}\|=\max_{1\leq i\leq n}{(t_{i}-t_{i-1})}\,\rightarrow\,0일 때 다음이 성립한다.\sum_{i=1}^{n}{\{B(t_{i})-B(t_{i-1})\}^{2}}\,\rightarrow\,b-a다음의 두 사실에 주목하자: (1) L^{2}(\Omega)수렴하면 확률수렴한다. (2) 수열이 확률수렴하면, 적당한 부분수열이 존재해서 a.s.수렴한다. 따라서 \{\Delta_{n}\}의 부분수열 \{\tilde{\Delta}_{n}\}이 존재해서 \|\tilde{\Delta}_{n}\|\,\rightarrow\,0일 때, 브라운 운동의 이차변동이 a.s. 수렴한다. 실제로 \{\Delta_{n}\}이 다음 조건을 만족하면\Delta_{1}\subset\Delta_{2}\subset\cdots\Delta_{n}\subset\cdots브라운 운동의 이차변동의 a.s. 수렴이 보장된다. 또한 \{\Delta_{n}\}이 조건 \displaystyle\sum_{n=1}^{\infty}{\|\Delta_{n}\|}<\infty이면, a.s.수렴은 보장된다.

증명: \displaystyle b-a=\sum_{i=1}^{n}{(t_{i}-t_{i-1})}이고 여기서\Phi_{n}=\sum_{i=1}^{n}{(\{B(t_{i})-B(t_{i-1})\}^{2}-(t_{i}-t_{i-1}))}=\sum_{i=1}^{n}{X_{i}}여기서 X_{i}=\{B(t_{i})-B(t_{i-1})\}^{2}-(t_{i}-t_{i-1})이다. 그러면\Phi_{n}^{2}=\sum_{i,\,j=1}^{n}{X_{i}X_{j}}이고 i\neq j에 대하여 E(X_{i}X_{j})=0인데 그 이유는 B(t)가 독립증분을 갖고 E(\{B(t)-B(s)\}^{2})=t-s가 성립하기 때문이다. 반면에 E(\{B(t)-B(s)\}^{4})=3(t-s)^{2}이고 \Phi_{n}^{2}식에서 i=j일 때 다음 식이 성립한다.\begin{align*}E(X_{i}^{2})&=E(\{B(t_{i})-B(t_{i-1})\}^{4}-2(t_{i}-t_{i-1})\{B(t_{i}-B(t_{i-1})\}+(t_{i}-t_{i-1})^{2})\\&=3(t_{i}-t_{i-1})^{2}-2(t_{i}-t_{i-1})^{2}+(t_{i}-t_{i-1})^{2}\\&=2(t_{i}-t_{i-1})^{2}\end{align*}그러므로 \|\Delta_{n}\|\,\rightarrow\,0일 때 다음이 성립하고\begin{align*}E(\Phi_{n}^{2})=\sum_{i=1}^{n}{2(t_{i}-t_{i-1})^{2}}\leq2\|\Delta_{n}\|\sum_{i=1}^{n}{(t_{i}-t_{i-1})}=2(b-a)\|\Delta_{n}\|\,\rightarrow\,0\end{align*}이다. 이것은 \Phi_{n}L^{2}(\Omega)가 0으로 수렴함을 뜻하고 따라서 식 \Phi_{n}에 의해 브라운 운동의 이차변동이 b-a로 수렴한다. 


이 정리를 적용해서 L^{2}(\Omega)에서 다음의 결과를 얻고\lim_{\|\Delta_{n}\|\,\rightarrow\,0}{(R_{n}-L_{n})}=b-a따라서 \displaystyle\lim_{\|\Delta_{n}\|\,\rightarrow\,0}{R_{n}}\neq\lim_{\|\Delta_{n}\|\,\rightarrow\,0}{L_{n}}인데 각각의 극한은 어떻게 될까? 이 답을 찾기 위해 다음에 주목하자.\begin{align*}R_{n}+L_{n}&=\sum_{i=1}^{n}{\{B(t_{i})+B(t_{i-1})\}\{B(t_{i})-B(t_{i-1})\}}\\&=\sum_{i=1}^{n}{(\{B(t_{i})\}^{2}-\{B(t_{i-1})\}^{2})}=\{B(t_{n})\}^{2}-\{B(t_{0})\}^{2}\\&=\{B(b)\}^{2}-\{B(a)\}^{2}\end{align*}위의 식으로부터 R_{n}L_{n}을 다음과 같이 나타낼 수 있다.\begin{align*}R_{n}&=\frac{1}{2}\left(\{B(b)\}^{2}-\{B(a)\}^{2}+\sum_{i=1}^{n}{\{B(t_{i})-B(t_{i-1})\}^{2}}\right)\\L_{n}&=\frac{1}{2}\left(\{B(b)\}^{2}-\{B(a)\}^{2}-\sum_{i=1}^{n}{\{B(t_{i})-B(t_{i-1})\}^{2}}\right)\end{align*}R_{n}L_{n}에 대해 L^{2}(\Omega)에서의 극한을 적용하면 다음의 결과를 얻는다.\begin{align*}\lim_{\|\Delta_{n}\|\,\rightarrow\,0}{R_{n}}&=\frac{1}{2}(\{B(b)\}^{2}-\{B(a)\}^{2}+(b-a))\\ \lim_{\|\Delta_{n}\|\,\rightarrow\,0}{L_{n}}&=\frac{1}{2}(\{B(b)\}^{2}-\{B(a)\}^{2}-(b-a))\end{align*}위의 두 식 중에서 어떤 게 적분 \displaystyle\int_{a}^{b}{B(t)dB(t)}과 같아야 하는가? 말 그대로, 어느 끝 점(왼쪽 또는 오른쪽)을 선택해야 적분이 되는가? 


이 질문에 답을 하기 위해 L_{n}R_{n}에 대한 L^{2}(\Omega)상의 극한식에서 a=0, b=t라 하고, 다음의 확률과정을 정의하자.R(t)=\frac{1}{2}(\{B(t)\}^{2}+t),\,L(t)=\frac{1}{2}(\{B(t)\}^{2}-t)E(R(t))=t이므로 R(t)는 마팅게일이 아닌데 그 이유는 E(M(t))가 임의의 마팅게일 M(t)에 대해 상수이어야 하기 때문이다. 반면에 L(t)는 마팅게일인데 다음과 같이 보일 수 있다. \mathcal{F}_{t}=\sigma(B(s),\,s\leq t)라 하자. 그러면 임의의 s\leq t에 대해 다음이 성립한다.E(L(t)|\mathcal{F}_{s})=\frac{1}{2}E(\{B(t)\}^{2}|\mathcal{F}_{s})-\frac{1}{2}t조건부기댓값은 다음의 성질들을 갖는다.      

(a) X\mathcal{F}가 독립이면, E(X|\mathcal{F})=E(X)이다. 

(b) X\mathcal{F}-가측이면, E(XY|\mathcal{F})=XE(Y|\mathcal{F})이고, 특히 E(X|\mathcal{F})=X이다.  

모든 u\leq s에 대하여 B(t)-B(s)B(u)는 독립이므로 B(t)-B(s)\mathcal{F}_{s}는 독립이다. 그러므로\begin{align*}E(\{B(t)\}^{2}|\mathcal{F}_{s})&=E(\{B(t)-B(s)+B(s)\}^{2}|\mathcal{F}_{s})\\&=E(\{B(t)-B(s)\}^{2}+2B(s)\{B(t)-B(s)\}+\{B(s)\}^{2}|\mathcal{F})\\&=E(\{B(t)-B(s)\}^{2})+2B(s)E(\{B(t)-B(s)\})+\{B(s)\}^{2}\\&=t-s+\{B(s)\}^{2}\end{align*}따라서 E(\{B(t)\}^{2}|\mathcal{F}_{s})=t-s+\{B(s)\}^{2}이고, 모든 s\leq t에 대하여 다음 식이 성립한다.E(L(t)|\mathcal{F}_{s})=L(s)이 식은 L(t)가 마팅게일임을 뜻하고, 다음의 중요한 결론을 내릴 수 있다. 


확률적분 \displaystyle\int_{a}^{t}{f(s)dB(s)}를 정의하기 위해 마팅게일 성질을 얻기 원하면, 왼쪽 끝 점을 선택해야 한다.  


게다가 다음의 예에서X(t)=\int_{0}^{t}{B(1)dB(s)},\,0\leq t\leq1직관적으로 X(t)=B(1)B(t)임을 알 수 있고, E(B(1)B(t))=\min\{1,\,t\}=t는 상수가 아니므로 X(t)는 마팅게일이 아니다. 따라서 마팅게일 과정을 얻기 위해서라면 X(t)는 정의하고자 예상한 것이 아니다. 이러한 단순적분이 정의되지 않는(마팅게일을 얻고자 한 이유) 이유는 피적분함수 B(1)이 여과 \sigma(B(s),\,s\leq t),\,0\leq t\leq1에 적합하지 않기 때문이다. 따라서 마팅게일 성질을 얻기 위한 피적분함수의 조건은 다음과 같다.


확률적분 \displaystyle\int_{a}^{t}{f(s)dB(s)}가 정의되기 위해 마팅게일 성질을 얻으려면 피적분함수가 여과 \{\mathcal{F}_{t}\}에 적합해야 한다. 


일반적으로 \{\mathcal{F}_{t}\}가 브라운 운동에 의한 여과보다 더 크다고 할 것이다. 즉, 모든 t에 대하여 \mathcal{F}_{t}\supset\sigma(B(s),\,s\leq t)


확률과정 \displaystyle X_{t}=\int_{a}^{t}{f(s)dB(s)},\,a\leq t\leq b는 여과 \mathcal{F}_{t}^{B}=\sigma(B(s),\,s\leq t)에 대해 마팅게일이다. B(t)는 증대집합족이고 이 성질은 B(t)가 여과 \{\mathcal{F}_{t}^{B}\}에 대해 마팅게일임을 뜻한다. 


W(t)\,(t\geq0)\{\mathcal{F}_{t}\}-적합한 확률과정으로 임의의 s\leq t에 대해 W(t)-W(s)\mathcal{F}_{s}와 독립이라 하자. 그러면 확률과정 W(t)는 독립증분을 갖는다. 

증명: 0\leq t_{1}<t_{2}<\cdots<t_{n}이라 하자. 임의의 \lambda_{k}\in\mathbb{R}(1\leq k\leq n)에 대하여 가정과 조건부기댓값의 성질들에 의해 다음이 성립한다.\begin{align*}E\left(e^{i\sum_{k=1}^{n}{\lambda_{k}\{W(t_{k})-W(t_{k-1})\}}}\right)&=E\left(E\left(e^{i\sum_{k=1}^{n}{\lambda_{k}\{W(t_{k})-W(t_{k-1})\}}}|\mathcal{F}_{t_{n-1}}\right)\right)\\&=E\left(e^{i\sum_{k=1}^{n-1}{\lambda_{k}\{W(t_{k})-W(t_{k-1})\}}}E\left(e^{i\lambda_{n}\{W(t_{n})-W(t_{n-1})\}}|\mathcal{F}_{t_{n-1}}\right)\right)\\&=E\left(e^{i\lambda_{n}\{W(t_{n})-W(t_{n-1})\}}\right)E\left(e^{i\sum_{k=1}^{n-1}{\lambda_{k}\{W(t_{k})-W(t_{k-1})\}}}\right)\end{align*}여기서 t_{0}=0이다. 이 과정을 반복하면 귀납법으로부터 다음의 등식이 성립한다.E\left(e^{i\sum_{k=1}^{n}{\lambda_{k}\{W(t_{k})-W(t_{k-1})\}}}\right)=\prod_{k=1}^{n}{E\left(e^{i\lambda_{k}\{W(t_{k})-W(t_{k-1})\}}\right)}위의 방정식이 성립할 필요충분조건은 확률변수 W(t_{k})-W(t_{k-1})\,(1\leq k\leq n)가 독립인 것이다. 따라서 확률과정 W(t)는 독립증분을 갖는다. 


B(t)를 브라운 운동의 조건 (1), (2), (4)를 만족하는 확률과정이라 하고, 여과 \{\mathcal{F}_{t},\,t\geq0\}가 존재해서 B(t)가 앞 정리의 가정들을 만족한다고 하자. 즉 B(t)\{\mathcal{F}_{t}\}-적합이고, 임의의 s\leq t에 대해 B(t)-B(s)\mathcal{F}_{s}와 독립이라고 하자. 그러면 확률과정 B(t)는 독립증분을 갖는다. 즉 브라운 운동의 조건 (3)을 만족한다. 그러므로 B(t)는 브라운 운동이고 따라서 B(t)가 (1), (2), (4)를 만족하면, 여과 \{\mathcal{F}_{t},\,t\geq0\}에 대한 브라운 운동이라고 한다.

B(t)를 여과 \{\mathcal{F}_{t},\,t\geq0\}에 대한 브라운 운동, \{\mathcal{G}_{t},\,t\geq0\}를 다른 여과로 모든 t\geq0에 대해 \mathcal{F}_{t}\subset\mathcal{G}_{t}라 하자. 일반적으로 B(t)\{\mathcal{G}_{t},\,t\geq0\}에 대한 브라운운동이라고 할 수 없다. 그 이유는 다음과 같다.


B(t)를 브라운 운동이라 하자. 그러면 B(t)는 여과 \mathcal{F}_{t}^{B}=\sigma(B(s),\,s\leq t)에 대해 브라운 운동이다. 여과 \{\mathcal{G}_{t},\,t\geq0\}에 대해 \mathcal{G}_{t}B(1)\mathcal{F}_{t}^{B}\,(t\geq0)에 의해 생성된 \sigma-체라 하자. 그러면 B(t)는 여과 \{\mathcal{G}_{t},\,t\geq0\}에 대해 브라운 운동이 아니다. 이를 확인하기 위해 임의의 0<t<1에 대해 다음이 성립한다.E(B(1)|\mathcal{G}_{t})=B(1)\neq B(t)따라서 B(t)는 여과 \{\mathcal{G}_{t},\,t\geq0\}에 대해 마팅게일이 아니고 따라서 B(t)는 여과 \{\mathcal{G}_{t},\,t\geq0\}에 대한 브라운 운동이 아니다. 

반면에 여과 \{\mathcal{H}_{t},\,t\geq0\}\{\mathcal{F}_{t}^{B},\,t\geq0\}과 독립이라 하자. 즉 \mathcal{H}_{t}\mathcal{F}_{s}^{B}는 모든 ts에 대해 독립이다. \mathcal{F}_{t}\mathcal{H}_{t}\mathcal{F}_{t}^{B}\,(t\geq0)에 의해 생성되는 \sigma-체라 하자. 이것은 B(t)가 앞 정리의 가정들을 만족한다는 것이고 따라서 B(t)는 여전히 여과 \{\mathcal{F}_{t},\,t\geq0\}에 대해 브라운 운동이고, 이 여과는 \{\mathcal{F}_{t}^{B},\,t\geq0\}보다 큰 여과이다. 


참고자료:

Introduction to Stochastic Integration, Hui-Hsiung Kuo, Springer            

반응형
Posted by skywalker222