11.第七章 Brown运动(2)

第七章 Brown运动(2)

1.无界变差与Ito积分

无界变差，即对连续函数进行取点、分割、作和后得到的是一个无界量。对于$[a,b]$上的实值函数$G$，对$[a,b]$进行分割$\Delta :a=x_0<x_1<\cdots <x_n=b$，如果$\underset{\Delta }{\sup }\sum _{i=1}^n|G(x_i)-G(x_{i-1})|<\infty$，则称$G$在$[a,b]$上具有有界变差，否则称具有无界变差。

• 对于有界变差函数，${\int }_a^{b}f(x)dG(x)$存在，这里
  $${\int }_a^{b}f(x)dG(x)=\sum _{i=1}^{n}f({\xi }_i)(G(x_i)-G(x_{i-1}))=S_n\to S(\max (x_i-x_{i-1})\to 0)$$
  对于任何一个划分都成立，且${\xi }_i$是$[x_{i-1},x_i]$上的任意一点。对于无界变差函数，这样的积分不存在，因为积分值依赖于区间上点的选取。

• 对于Brown运动 { B ( t ) ; t ≥ 0 } \{B(t);t\ge0\} {B(t);t≥0}，几乎所有样本轨道都是连续、任何区间不单调、任何区间不可导的，且几乎所有轨道在任何区间上都不是有界变差。

典型实例是${\int }_0^{t}B(s)dB(s)$，如果取区间左端点，积分结果是$\frac{1}{2}(B(t{)}^2-t)$；如果取区间右端点，则积分结果是$\frac{1}{2}(B(t{)}^2+t)$。将取区间左端点的取点作和方式，称作Ito积分。

Ito积分是定义积分${\int }_0^{t}f(s)dB(s)$的，设$f(t)$是一个非随机有界变差函数，则Ito积分定义为
$${\int }_0^{t}f(s)dB(s)=B(t)f(t)-{\int }_0^{t}B(s)df(s)$$
这里${\int }_0^{t}B(s)df(s)$是Brown运动关于$f$的Riemann-Stieltjes积分。

2.Ito公式

Ito公式可以用于简化Ito积分的计算，假设$F:\mathbb{R}\to \mathbb{R}$是关于变量$x$的二次连续可微函数，那么
$$F(B(t))-F(0)={\int }_0^t{F}^{\prime }(B(s))dB(s)+\frac{1}{2}{\int }_0^t{F}^{\prime \prime }(B(s))ds$$
简写成
$$dF(B(t))=F^{\prime }(B(t))dB(t)+\frac{1}{2}{F}^{\prime \prime }(B(t))dt$$
也可以改写成
$${\int }_0^t{F}^{\prime }(B(s))dB(s)=F(B(t))-F(B(0))-\frac{1}{2}{\int }_0^t{F}^{\prime \prime }B(s)ds$$
与Newton-Leibniz公式比较，Ito公式多了一项$-\frac{1}{2}{\int }_0^t{F}^{\prime \prime }(B(s))ds$，这是由于Brown的无界变差引起的，称作变差项。

对于二元函数$F(t,x):{\mathbb{R}}^{+}\times \mathbb{R}\to \mathbb{R}$，关于$t$连续可微，关于$x$二次连续可微，那么
$$\begin{array}{rl}F(t,B(t))=& F(0,0)+{\int }_0^t\frac{\partial }{\partial x}F(s,B(s))dB(s)+\\ & {\int }_0^t\frac{\partial }{\partial s}F(s,B(s))ds+\frac{1}{2}{\int }_0^t\frac{{\partial }^2}{\partial x^2}F(s,B(s))ds.\\ & \\ {\int }_0^t\frac{\partial }{\partial x}F(s,B(s))dB(s)=& F(t,B(t))-F(0,0)-{\int }_0^t\frac{\partial }{\partial s}F(s,B(s))ds-\\ & \frac{1}{2}{\int }_0^t\frac{{\partial }^2}{\partial x^2}F(s,B(s))ds.\end{array}$$
简写成
$$dF(t,B(t))=\frac{\partial }{\partial x}F(t,B(t))dB(t)+\frac{\partial }{\partial t}F(t,B(t))dt+\frac{1}{2}\frac{{\partial }^2}{\partial x^2}F(t,B(t))dt$$
特别地，对于某一类随机过程$X(t)$，存在$dX(t)=aX(t)dt+bX(t)dB(t)$，通常称之为随机微分方程，$a$为其漂移系数，$b$为其扩散系数。比如$X(t)=e^{\alpha t+\beta B(t)}$，有：
$$\begin{array}{rl}X(t)=& e^{\alpha t+\beta B(t)}\\ =& 1+(\alpha +\frac{{\beta }^2}{2}){\int }_0^t{e}^{\alpha s+\beta B(s)}ds+\beta {\int }_0^t{e}^{\alpha s+\beta B(s)}dB(s)\\ =& X(0)+(\alpha +\frac{{\beta }^2}{2}){\int }_0^{t}X(s)ds+\beta {\int }_0^{t}X(s)dB(s)\\ 即& \\ dX(t)=& (\alpha +\frac{{\beta }^2}{2})X(t)dt+\beta X(t)dB(t)\\ & 具有漂移系数(\alpha +\frac{{\beta }^2}{2})和扩散系数\beta \end{array}$$

• 如果$a,b$是Lipschitz函数，即存在常数$A$使得$|a(x)-a(y)|\le A|x-y|,|b(x)-b(y)|\le B|X-y|$，则存在一个连续随机过程$\mathbf{X}$，使得除一个零概率事件外随机微分方程成立，且以概率1唯一。