[확률적분] 7. 이토적분으로 정의된 확률과정
브라운 운동 B(t)와 여과 {Ft}a≤t≤b가 다음의 조건들을 만족한다고 하자.
(a) t에 대하여 B(t)는 Ft−가측이다.
(b) 임의의 s≤t에 대하여 확률변수 B(t)−B(s)는 σ−체 Fs와 독립이다.
확률과정 f∈L2ad([a,b]×Ω)를 선택하면 임의의 t∈[a,b]에 대해 다음의 부등식이 성립하고∫taE(|f(s)|2)ds≤∫baE(|f(s)|2ds)<∞따라서 f∈L2ad([a,t]×Ω)이다. 이것은 모든 t∈[a,b]에 대해 확률적분 ∫taf(s)dB(s)가 정의됨을 뜻하고, 다음의 확률과정을 고려하자.Xt=∫taf(s)dB(s),a≤t≤b그러면 다음이 성립하고E(|Xt|)=∫taE(|f(s)|2)ds<∞E(|Xt|)≤√E(|Xt|2)<∞이므로 따라서 모든 t에 대해 확률변수 Xt는 적분가능하고 σ−체에 대한 Xt의 조건부기댓값을 정의할 수 있게된다.
f∈L2ad([a,b]×Ω)라 하자. 그러면 다음과 같이 정의된 확률과정 Xt는 여과 {Ft}a≤t≤b에 대해 마팅게일이다.Xt=∫taf(s)dB(s),a≤t≤b증명:
(1) f를 계단 확률과정이라고 하자. 그러면 임의의 a≤s<t≤b에 대해 다음의 등식이 성립함을 보여야 한다.E(Xt|Fs)=Xsa.s.Xt=Xs+∫tsf(u)dB(u)이므로 다음의 등식이 성립함을 보이면 된다.E(∫taf(u)dB(u)|Fs)=0a.s.f가 다음과 같다고 하자.f(u,ω)=n∑i=1ξi−1(ω)1(ti−1,ti](u)여기서 s=t0<t1<⋯<tn=t이고 ξi−1는 Fti−1−가측이고 L2(Ω)에 속한다. 그러면∫tsf(u)dB(u)=n∑i=1ξi−1{B(ti)−B(ti−1)}이고 모든 i=1,2,...,n에 대해 다음이 성립한다.E(ξi−1{B(ti)−B(ti−1)}|Fs)=E(E(ξi−1{B(ti−1−B(ti))}|Fti−1)|Fs)=E(ξi−1E(B(ti)−B(ti−1)|Fti−1)|Fs)=0(∵따라서 \displaystyle E\left(\int_{s}^{t}{f(u)dB(u)}|\mathcal{F}_{s}\right)=0\,a.s.이다.
(2) 일반적인 경우를 고려하자. f\in L^{2}_{ad}([a,\,b]\times\Omega)라 하고 L^{2}_{ad}([a,\,b]\times\Omega)상의 계단 확률과정열 \{f_{n}\}을 선택해 다음이 성립한다고 하자.\lim_{n\,\rightarrow\,\infty}{\int_{a}^{b}{E(|f(u)-f_{n}(u)|^{2})du}}=0모든 n\in\mathbb{N}에 대해 확률과정 X^{(n)}(t)를 다음과 같이 정의하면X_{t}^{(n)}=\int_{a}^{t}{f_{n}(u)dB(u)}(1)에 의해 X_{t}^{(n)}은 마팅게일이다. s<t에 대하여 다음과 같이 나타내고X_{t}-X_{s}=(X_{t}-X_{t}^{(n)})+(X_{t}^{(n)}-X_{s}^{(n)})+(X_{s}^{(n)}-X_{s})다음과 같이 조건부기댓값을 취하자.E(X_{t}-X_{s}|\mathcal{F}_{s})=E(X_{t}-X_{t}^{(n)}|\mathcal{F}_{s})+E(X_{s}^{(n)}-X_{s}|\mathcal{F}_{s})다음이 성립함에 주목하면\begin{align*}E(|E(X_{t}-X_{t}^{(n)}|\mathcal{F}_{s})|^{2})&\leq E(E(|X_{t}-X_{t}^{(n)}|^{2}|\mathcal{F}_{s}))\\&=E(|X_{t}-X_{t}^{(n)}|^{2})\end{align*}다음이 성립하고\begin{align*}E(|E(X_{t}-X_{t}^{(n)}|\mathcal{F}_{s})|^{2})&\leq\int_{a}^{t}{E(|f(u)-f_{n}(u)|^{2})du}\\&\int_{a}^{b}{E(|f(u)-f_{n}(u)|^{2})du}\\&\,\rightarrow\,0\,(n\,\rightarrow\,\infty)\end{align*}따라서(필요할 때 부분수열을 취하면) E(X_{t}-X_{t}^{(n)}|\mathcal{F}_{s})\,\rightarrow\,0\,a.s.이고 비슷하게 E(X_{s}-X_{s}^{(n)}|\mathcal{F}_{s})\,\rightarrow\,0\,a.s.이다. 따라서 E(X_{t}-X_{s}|\mathcal{F}_{s})=0이고 E(X_{t}|\mathcal{F}_{s})=X_{s}\,a.s.이므로 X_{t}는 마팅게일이다.
f\in L^{2}_{ad}([a,\,b]\times\Omega)라 하자. 그러면 다음의 확률과정은X_{t}=\int_{a}^{t}{f(s)dB(s)},\,a\leq t\leq b연속이다. 말 그대로 거의 모든 표본경로들이 구간 [a,\,b]에서 연속함수이다.
증명:
(1): f가 다음과 같은 계단 확률과정이라고 하자.f(s,\,\omega)=\sum_{i=1}^{n}{\xi_{i-1}\mathbb{1}_{(t_{i-1},\,t_{i}]}(s)}여기서 \xi_{i-1}은 \mathcal{F}_{t_{i-1}}-가측이고 이 경우 고정된 \omega\in\Omega에 대해 X_{t}의 표본경로는 t_{k-1}\leq t<t_{k}에 대해 다음과 같이 주어진다.X_{t}(\omega)=\sum_{i=1}^{k-1}{\xi_{i-1}(\omega)}\{B(t_{i},\,\omega)-B(t_{i-1},\,\omega)\}+\xi_{k-1}\{B(t,\,\omega)-B(t_{k-1},\,\omega)\}거의 모든 \omega에 대해 브라운 운동의 경로 B(\cdot,\,\omega)는 연속함수이고 따라서 거의 모든 \omega에 대해, 표본경로 X_{(\cdot)}(\omega)는 [a,\,b]에서 연속함수이다.
(2): 일반적인 경우를 고려하자. \{f_{n}\}을 L^{2}_{ad}([a,\,b]\times\Omega)에서의 계단 확률과정열로 다음이 성립한다고 하자.\lim_{n\,\rightarrow\,\infty}{\int_{a}^{b}{E(|f(s)-f_{n}(s)|^{2})ds}}=0필요할 때 부분수열을 취함으로써 다음이 성립한다고 가정할 수 있다.\int_{a}^{b}{E(|f(s)-f_{n}(s)|^{2})ds}\leq\frac{1}{n^{6}},\,n\in\mathbb{N}확률과정 X_{t}^{(n)}을 다음과 같이 정의하자.X_{t}^{(n)}=\int_{a}^{t}{f_{n}(s)dB(s)},\,a\leq t\leq b그러면 앞에서 증명했듯이 X_{t}^{(n)}의 거의 모든 표본경로들이 연속함수이다. X_{t}와 X_{t}^{(n)}은 마팅게일이고 따라서 X_{t}-X_{t}^{(n)}은 마팅게일이며, 둡의 열마팅게일 부등식에 의해 다음의 부등식이 성립한다.P\left(\sup_{a\leq t\leq b}{|X_{t}-X_{t}^{(n)}|\geq\frac{1}{n}}\right)\leq nE(|X_{b}-X_{b}^{(n)}|)슈바르츠부등식으로부터\begin{align*}E(|X_{b}-X_{b}^{(n)}|)&\leq\sqrt{E(|X_{b}-X_{b}^{(n)}|^{2})}\\&=\sqrt{\int_{a}^{b}{E(|f(s)-f_{n}(s)|^{2})ds}}\\&\leq\frac{1}{n^{3}}\end{align*}이므로 모든 n\geq 1에 대해 다음 부등식이 성립하고P\left(\sup_{a\leq t\leq b}{|X_{t}-X_{t}^{(n)}|}\geq\frac{1}{n}\right)\leq\frac{1}{n^{2}}\displaystyle\sum_{n=1}^{\infty}{\frac{1}{n^{2}}}<\infty이므로 보렐-칸텔리 보조정리에 의해 다음이 성립하고P\left(\sup_{a\leq t\leq b}{|X_{t}-X_{t}^{(n)}|}\geq\frac{1}{n}\,\text{i.o.}\right)=0이고 여기서 \{A_{n}\,\text{i.o.}\}는 다음을 의미한다.\{A_{n}\,\text{i.o.}\}=\{A_{n}\,\text{infinitely often}\}=\bigcap_{n=1}^{\infty}{\bigcup_{k=n}^{\infty}{A_{k}}}또한 P(\{A_{n}\,\text{i.o.})=0일 때 P(\{A_{n}\,\text{f.o.}\})=1이 성립한다. 그러면 다음이 성립하고P\left(\sup_{a\leq t\leq b}{|X_{t}-X_{t}^{(n)}|}\geq\frac{1}{n}\,\text{f.o.}\right)=1따라서 사건 \Omega_{0}가 존재해서 P(\Omega_{0})=1이고 모든 \omega\in\Omega_{0}에 대해 N(\omega)\in\mathbb{N}가 존재해서 n\geq N(\omega)일 때 다음이 성립한다.\sup_{a\leq t\leq b}{|X_{t}(\omega)-X_{t}^{(n)}(\omega)|}<\frac{1}{n}따라서 모든 \omega에 대해 X_{(\cdot)}^{(n)}(\omega)\,(n\in\mathbb{N})은 X_{(\cdot)}(\omega)로 균등수렴한다. 그러나 모든 n에 대하여 확률과정 X_{t}^{(n)}은 연속이므로 사건 \Omega_{n}이 존재해서 P(\Omega_{n})=1이고 모든 \omega\in\Omega_{n}에 대해 X_{(\cdot)}^{(n)}은 연속이다.
(3) 마지막으로 \displaystyle\tilde{\Omega}=\bigcap_{n=0}^{\infty}{\Omega_{n}}이라 하자. 그러면 P(\tilde{\Omega}_{n})=1이고, 모든 \omega\in\tilde{\Omega}_{n}에 대해 수열 X_{(\cdot)}^{(n)}은 [a,\,b]에서 X_{(\cdot)}^{(n)}으로 균등수렴하는 연속함수열이다. 따라서 거의 모든 확률과정 X_{t}의 표본경로들은 [a,\,b]에서 연속함수이고 X_{t}는 연속 확률과정이다.
f\in L^{2}_{ad}([a,\,b]\times\Omega)라 하자. 구간 [a,\,b]의 분할 \Delta_{n}=\{t_{0},\,t_{1},\,...,\,t_{n-1},\,t_{n}\}에 대해 f의 B(t)에 대한 리만합을 다음과 같이 정의하자.\sum_{k=1}^{n}{f(t_{i-1})\{B(t_{i})-B(t_{i-1})\}}이 리만합의 수열은 이토적분 \displaystyle\int_{a}^{b}{f(t)dB(t)}로 수렴한다. E(f(t)f(s))를 t와 s의 연속함수라 하고 확률과정 f_{n}을 다음과 같이 정의하자.f_{n}(t,\,\omega)=f(t_{i-1},\,\omega),\,t_{i-1}<t\leq t_{i}그러면 다음이 성립하고\lim_{n\,\rightarrow\,\infty}{\int_{a}^{b}{E(|f(t)-f_{n}(t)|^{2})ds}}=0따라서 L^{2}(\Omega)에서 리만합의 수열이 다음과 같이 수렴한다.\int_{a}^{b}{f(t)dB(t)}=\lim_{n\,\rightarrow\,\infty}{I(f_{n})}여기서 I(f_{n})은 다음과 같이 정의된다.\begin{align*}I(f_{n})&=\sum_{i=1}^{n}{f_{n}(t_{i-1})\{B(t_{i})-B(t_{i-1})\}}\\&=\sum_{i=1}^{n}{f(t_{i-1})\{B(t_{i})-B(t_{i-1})\}}\end{align*}따라서 이 결과를 다음과 같이 정리할 수 있다.
f\in L^{2}_{ad}([a,\,b]\times\Omega)이고 E(f(t)f(s))를 s와 t의 연속함수라 하자. 그러면 L^{2}(\Omega)에서 다음이 성립한다.\int_{a}^{b}{f(t)dB(t)}=\lim_{\|\Delta_{n}\|\,\rightarrow\,0}{\sum_{i=1}^{n}{f(t_{i-1})\{B(t_{i})-B(t_{i-1})\}}}여기서 \Delta_{n}=\{a=t_{0}<t_{1}<\cdots<t_{n}=b\}이고 \displaystyle\|\Delta_{n}\|=\max_{1\leq i\leq n}{(t_{i}-t_{i-1})}이다.
참고자료:
Introduction to Stochastic Integration, Hui-Hsiung Kuo, Springer
'확률및통계 > 기초 확률적분' 카테고리의 다른 글
[확률적분] 9. 일반적인 확률적분(2) (0) | 2020.05.28 |
---|---|
[확률적분] 8. 일반적인 확률적분(1) (0) | 2020.05.27 |
[확률적분] 6. 몇 가지 확률적분의 예, 둡의 열마팅게일 부등식 (0) | 2020.05.25 |
[확률적분] 5. 확률적분 (0) | 2020.05.21 |
[확률적분] 4.확률적분의 배경, 브라운운동의 여과 (0) | 2020.05.20 |