1.独立同分布(
i
i
d
,
i
n
d
e
p
e
n
d
e
n
t
l
y
i
d
e
n
t
i
c
a
l
l
y
d
i
s
t
r
i
b
u
t
i
o
n
iid,independently \,\,identically\,\, distribution
iid,independentlyidenticallydistribution)
随机过程中,任何时刻的取值都为随机变量,如果这些随机变量服从同一分布,并且互相独立,那么这些随机变量是独立同分布。
The
i
.
i
.
d
.
i.i.d.
i.i.d. process. A process
{
ε
t
}
\{ε_t\}
{εt} is an
i
.
i
.
d
.
i.i.d.
i.i.d. process if the
sequence
ε
1
,
ε
2
,
⋅
⋅
⋅
ε_1, ε_2, · · ·
ε1,ε2,⋅⋅⋅ is
i
.
i
.
d
.
i.i.d.
i.i.d..
2.鞅差序列 (
m
a
r
t
i
n
g
a
l
e
d
i
f
f
e
r
e
n
c
e
s
e
q
u
e
n
c
e
martingale\,\,difference \,\,sequence
martingaledifferencesequence)
指部分和序列是鞅的随机序列。
当期望值服从于过往值都为零的假设时,一个随机序列
X
X
X是一个鞅差序列
(
M
D
S
)
(MDS)
(MDS)。
设
{
x
(
n
)
,
n
≥
0
}
\{x(n),n≥0\}
{x(n),n≥0}是定义在概率空间
(
Ω
,
F
,
P
)
(Ω,F,P)
(Ω,F,P)上的随机序列,
{
F
n
}
n
≥
0
\{F_n\}_{n≥0}
{Fn}n≥0是一上升
σ
σ
σ代数族。
称X为鞅差序列,如果下列条件成立:
1.
X
是
{
F
n
}
适
应
,
即
对
每
一
n
≥
0
,
X
(
n
)
是
F
n
可
测
的
2.
对
每
一
n
≥
0
,
X
(
n
)
是
可
积
的
3.
对
每
一
n
≥
0
,
E
(
X
n
+
1
∣
F
n
)
=
0
\begin{array}{lcl} 1.X是\{F_n\}适应,即对每一n≥0,X(n)是F_n可测的\\ 2.对每一n≥0,X(n)是可积的\\ 3.对每一n≥0,E(X_{n+1}|F_n)=0 \end{array}
1.X是{Fn}适应,即对每一n≥0,X(n)是Fn可测的2.对每一n≥0,X(n)是可积的3.对每一n≥0,E(Xn+1∣Fn)=0
如果
Y
=
{
Y
n
,
n
≥
0
}
Y=\{Y_n,n≥0\}
Y={Yn,n≥0}是一
{
F
n
}
\{F_n\}
{Fn}鞅,则由
X
(
0
)
=
Y
(
0
)
,
X
(
n
)
=
Y
(
n
+
1
)
−
Y
(
n
)
X(0)=Y(0),X(n)=Y(n+1)-Y(n)
X(0)=Y(0),X(n)=Y(n+1)−Y(n)(对
n
≥
1
n≥1
n≥1)定义的序列
X
=
{
x
(
n
)
,
n
≥
0
}
X=\{x(n),n≥0\}
X={x(n),n≥0}是关于
{
F
n
}
\{F_n\}
{Fn}的鞅差序列;反之,若
X
=
{
X
(
n
)
,
n
≥
0
}
X=\{X(n),n≥0\}
X={X(n),n≥0}是关于上升
σ
σ
σ代数族
{
F
n
}
n
≥
0
\{F_n\}_{n≥0}
{Fn}n≥0的鞅差序列,则由:
Y
(
n
)
=
∑
i
=
0
n
X
(
i
)
Y(n)=\sum_{i=0}^nX(i)
Y(n)=i=0∑nX(i)
定义的 Y = { Y ( n ) , n ≥ 0 } Y=\{Y(n),n≥0\} Y={Y(n),n≥0}是一 { F n } \{F_n\} {Fn}鞅。