[확률적분] 5. 확률적분
여기서 브라운 운동 B(t)와 여과 {Ft,a≤t≤b}를 고정하고 다음의 조건들을 만족한다고 하겠다.
(a) 각 t에 대해 B(t)는 Ft−가측이다.
(b) 임의의 s≤t에 대해, 확률변수 B(t)−B(s)는 σ−체 Fs와 독립이다.
편의를 위해 L2ad([a,b]×Ω)를 다음의 조건들을 만족하는 확률변수 f(t,ω), a≤t≤b, ω∈Ω들의 집합이라고 하겠다.
(1) f(t,ω)는 여과 {Ft}에 대해 적합하다.
(2) ∫baE(|f(t)|2)dt<∞
여기서는 다음의 f∈L2ad([a,b]×Ω)에 대한 확률적분을 정의하기 위해 이토의 방법을 이용하겠다.∫baf(t)dB(t)명확함을 위해 3단계로 나누어 이 적분을 정의하겠다.
1단계에서는 L2ad([a,b]×Ω)상의 계단 확률과정에 대한 확률적분을 정의한다. 2단계에서는 근사 보조정리를 증명한다. 3단계에서는 L2ad([a,b]×Ω)상의 일반적인 확률과정에 대한 확률적분을 정의한다.
1단계: f는 L2ad([a,b]×Ω)상의 계단 확률과정이다.
f를 다음과 같이 정의된 계단 확률과정이라 하자.f(t,ω)=n∑i=1ξi−11[ti−1,ti)(t)여기서 ξi−1은 Fti−1−가측이고 E(ξ2i−1)<∞이다. 이 경우 확률적분을 다음과 같이 정의한다.I(f)=n∑i=1ξi−1{B(ti)−B(ti−1)}분명히 임의의 a,b∈R와 임의의 계단 확률과정 f,g에 대하여 I(af+bg)=aI(f)+bI(g)이다.
I(f)를 계단함수 f에 대한 확률적분이라 하자. 그러면 E(I(f))=0이고 다음이 성립한다.E(|I(f)|2)=∫baE(|f(t)|2)dt증명: I(f)에서의 1≤i≤n에 대해E(ξi−1{B(ti)−B(ti−1)})=E(E(ξi−1{B(ti)−B(ti−1)}|Fti−1))=E(ξi−1E({B(ti)−B(ti−1)}|Fti−1))=E(ξi−1E(B(ti)−B(ti−1)))=0따라서 E(I(f))=0이다. 게다가 다음이 성립하고|I(f)|2=n∑i,j=1ξi−1ξj−1{B(ti)−B(ti−1)}{B(tj)−B(tj−1)}i≠j에 대해(i<j라 하자)E(ξi−1ξj−1{B(ti)−B(ti−1)}{B(tj−B(tj−1))})=E(E(⋯|Ftj−1))=E{ξi−1ξj−1{B(ti)−B(ti−1)}E({B(tj−B(tj−1)}|Ftj−1))}=0앞에서처럼 E({B(tj)−B(tj−1)}|Ftj−1)=E(B(tj)−B(tj−1))=0이기 때문이다. 반면에 i=j에 대해 다음이 성립한다.E(ξ2i−1{B(ti)−B(ti−1)2})=E(E(⋯|Fti−1))=E(ξ2i−1E({B(ti)−B(ti−1)}2))=E(ξ2i−1(ti−ti−1))=(ti−ti−1)E(ξ2i−1)2단계: 근사 보조정리
여기서는 일반적인 확률과정 f∈L2ad([a,b]×Ω)에 대한 확률적분 ∫baf(t)dB(t)를 정의하기 위해 근사 보조정리를 보일 것이다.
f∈L2ad([a,b]×Ω)라 하자. 그러면 L2ad([a,b]×Ω)상의 계단 확률과정들의 열 {fn(t)}가 존재해서 다음이 성립한다.lim증명: 특수한 경우와 일반적인 경우로 나누어 증명한다.
경우 1: E(f(t)f(s))는 (t,\,s)\in[a,\,b]^{2}의 연속함수이다.
이 경우, \Delta_{n}=\{t_{0},\,t_{1},\,...,\,t_{n-1},\,t_{n}\}을 구간 [a,\,b]의 분할이고 확률과정 f_{n}(t,\,\omega)를 다음과 같이 정의하자.f_{n}(t,\,\omega)=f(t_{i-1},\,\omega),\,t_{i-1}<t\leq t_{i}그러면 \{f_{n}(t,\,\omega)\}는 적합한 계단 확률과정들의 열이고, [a,\,b]^{2}에서 E(f(t)f(s))의 연속성에 의해 다음을 얻고\lim_{s\,\rightarrow\,t}{E(|f(t)-f(s)|^{2})}=0이것은 t\in[a,\,b]에 대해 다음이 성립함을 뜻한다.\lim_{n\,\rightarrow\,\infty}{E(|f(t)-f(s)|^{2})}=0게다가 부등식 |\alpha-\beta|^{2}\leq2(|\alpha|^{2}+|\beta|^{2})로부터|f(t)-f_{n}(t)|^{2}\leq2(|f(t)|^{2}+|f_{n}(t)|^{2})따라서 모든 a\leq t\leq b에 대해\begin{align*}E(|f(t)-f_{n}(t)|^{2})&\leq2\left(E(|f(t)|^{2})+E(|f_{n}(t)|^{2})\right)\\&\leq4\sup_{a\leq s\leq b}{E(|f(s)|^{2})}\end{align*}그러므로 르베그 지배수렴정리에 의해 다음의 결과를 얻는다.\lim_{n\,\rightarrow\,\infty}{\int_{a}^{b}{E(|f(t)-f_{n}(t)|^{2})dt}}=0경우 2: f는 유계이다.
이 경우, 확률과정 g_{n}을 다음과 같이 정의하자.g_{n}(t,\,\omega)=\int_{0}^{n(t-a)}{e^{-\tau}f\left(t-\frac{\tau}{n},\,\omega\right)d\tau}g_{n}은 \mathcal{F}_{t}에 적합하고 \displaystyle\int_{a}^{b}{E(|g_{n}(t)|^{2})dt}<\infty이다.
(a): 모든 n\in\mathbb{N}에 대해 E(g_{n}(t)g_{n}(s))는 (t,\,s)의 연속함수이다.
이를 보이기 위해 \displaystyle u=t-\frac{\tau}{n}이라 해서 g_{n}(t,\,\omega)를 다음과 같이 다시 나타내자.g_{n}(t,\,\omega)=\int_{a}^{t}{ne^{-n(t-u)}f(u,\,\omega)du}그러면 다음이 성립하고\lim_{t\,\rightarrow\,s}{E(|g_{n}(t)-g_{n}(s)|^{2})}=0이고 따라서 E(g_{n}(t)g_{n}(s))는 (t,\,s)의 연속함수이다.
(b): n\,\rightarrow\,\infty일 때 \displaystyle\int_{a}^{b}{E(|f(t)-g_{n}(t)|^{2})dt}\,\rightarrow\,0이다.
이를 보이기 위해 다음이 성립함에 주목하자.f(t)-g_{n}(t)=\int_{0}^{\infty}{e^{-\tau}\left\{f(t)-f\left(t-\frac{\tau}{n}\right)\right\}d\tau}f(t)는 t<a에 대해 0인데 그 이유는 e^{-\tau}d\tau는 [0,\,\infty)에서의 확률측도이기 때문이다. 슈바르츠 부등식에 의해 다음의 부등식을 얻고|f(t)-g_{n}(t)|^{2}\leq\int_{0}^{\infty}{\left|f(t)-f\left(t-\frac{\tau}{n}\right)\right|^{2}e^{-\tau}d\tau}따라서\begin{align*}\int_{a}^{b}{E(|f(t)-g_{n}(t)|^{2})dt}&\leq\int_{a}^{b}{\int_{0}^{\infty}{e^{-\tau}E\left(\left|f(t)-f\left(t-\frac{\tau}{n}\right)\right|^{2}\right)d\tau}dt}\\&=\int_{0}^{\infty}{e^{-\tau}\left(\int_{a}^{b}{E\left(\left|f(t)-f\left(t-\frac{\tau}{n}\right)\right|^{2}\right)dt}\right)d\tau}\\&=\int_{0}^{\infty}{e^{-\tau}E\left(\int_{a}^{b}{\left|f(t)-f\left(t-\frac{\tau}{n}\right)\right|^{2}}\right)d\tau}\end{align*}f는 가정에서 유계이므로 n\,\rightarrow\,\infty일 때 다음이 성립한다.\int_{a}^{b}{\left|f(t,\,\cdot)-f\left(t-\frac{\tau}{n},\,\cdot\right)\right|^{2}dt}\,\rightarrow\,0\,a.s.그러면 n\,\rightarrow\,\infty일 때 \displaystyle\int_{a}^{b}{E(|f(t)-g_{n}(t)|^{2})dt}\,\rightarrow\,0이다.
(a)에 의해 각 n에 대해 경우 1에 적용해 적합한 계단 확률과정 f_{n}(t,\,\omega)를 얻고, 다음을 만족한다.\int_{a}^{b}{E(|g_{n}(t)-f_{n}(t)|^{2})dt}\leq\frac{1}{n}따라서 (b)와 앞의 식에 의해 다음이 성립한다.\lim_{n\,\rightarrow\,\infty}{\int_{a}^{b}{E(|f(t)-f_{b}(t)|^{2})dt}}=0이렇게 경우 2가 증명되었다.
경우 3: f\in L^{2}_{ad}([a,\,b]\times\Omega)에 대한 일반적인 경우.
f\in L^{2}_{ad}([a,\,b]\times\Omega)라 하자. 각 n\in\mathbb{N}에 대해g_{n}(t,\,\omega)=\begin{cases}f(t,\,\omega)&\,(|f(t,\,\omega)|\leq n)\\0&\,(|f(t,\,\omega)|>n)\end{cases}라고 하면 르베그 지배수렴정리에 의해 n\,\rightarrow\,\infty일 때 다음이 성립한다.\int_{a}^{b}{E(|f(t)-g_{n}(t)|^{2})dt}\,\rightarrow\,0이제 각 n에 대하여 적합한 계단 확률과정 f_{n}(t,\,\omega)를 얻기 위해 경우 2를 g_{n}에 적용해 다음과 같다고 하자.\int_{a}^{b}{E(|g_{n}(t)-f(t)|^{2})dt}\leq\frac{1}{n}따라서 다음의 식이 성립한다.\lim_{n\,\rightarrow\,\infty}{\int_{a}^{b}{E(|f(t)-f_{n}(t)|^{2})dt}}=03단계: f\in L^{2}_{ad}([a,\,b]\times\Omega)의 확률적분 \displaystyle\int_{a}^{b}{f(t)dB(t)}
단계 1과 2를 이용해 다음의 f\in L^{2}_{ad}([a,\,b]\times\Omega)에 대한 확률적분을 정의하자.\int_{a}^{b}{f(t)dB(t)}2단계로부터 적한 계단 확률과정열 \{f_{n}(t,\,\omega)\}가 존재해 f로 L^{2}수렴한다. 1단계로부터 n,\,m\,\rightarrow\,\infty일 때E(|I(f_{n})-I(f_{m})|^{2})=\int_{a}^{b}{E(|f_{n}(t)-f_{m}(t)|^{2})dt}\,\rightarrow\,0따라서 수열 \{I(f_{n})\}은 L^{2}(\Omega)에서 코시수열이고, I(f)를 다음과 같이 정의하자.I(f)=\lim_{n\,\rightarrow\,\infty}{I(f_{n})}\,\text{in}\,L^{2}(\Omega)위너적분의 경우처럼 여기서의 I(f)도 잘 정의되었고, 이 I(f)를 f의 이토적분(Ito integral)이라 하고, \displaystyle\int_{a}^{b}{f(t)dB(t)}로 나타낸다.
따라서 이토적분 I(f)는 f\in L^{2}_{ad}([a,\,b]\times\Omega)에 대해 정의되고 사상 I는 선형이다. 즉 임의의 a,\,b\in\mathbb{R}과 f,\,g\in L^{2}_{ad}([a,\,b]\times\Omega)에 대해 다음이 성립한다.I(af+bg)=aI(f)+bI(g)2단계와 1단계로부터 다음의 정리가 성립한다.
f\in L^{2}_{ad}([a,\,b]\times\Omega)라 하자. 그러면 이토적분 \displaystyle I(f)=\int_{a}^{b}{f(t)dB(t)}는 확률변수이고 E(I(f))=0이고 다음이 성립한다.E(|I(f)|^{2})=\int_{a}^{b}{E(|f(t)|^{2})dt}이 정리에 의해 이토적분 I:L^{2}_{ad}([a,\,b]\times\Omega)\,\rightarrow\,L^{2}(\Omega)는 등거리이다. I는 선형이므로 다음의 결과를 얻는다.
임의의 f,\,g\in L^{2}_{ad}([a,\,b]\times\Omega)에 대해 다음의 등식이 성립한다.E\left(\int_{a}^{b}{f(t)dB(t)}\int_{a}^{b}{g(t)dB(t)}\right)=\int_{a}^{b}{E(f(t)g(t))dt}
참고자료:
Introduction to Stochastic Integration, Hsi-Hsiung Kuo, Springer
'확률및통계 > 기초 확률적분' 카테고리의 다른 글
[확률적분] 7. 이토적분으로 정의된 확률과정 (0) | 2020.05.26 |
---|---|
[확률적분] 6. 몇 가지 확률적분의 예, 둡의 열마팅게일 부등식 (0) | 2020.05.25 |
[확률적분] 4.확률적분의 배경, 브라운운동의 여과 (0) | 2020.05.20 |
[확률적분] 3. 조건부기댓값, 마팅게일 (0) | 2020.05.19 |
[확률적분] 2. 브라운 운동, 위너적분 (0) | 2020.05.18 |