布朗运动的定义
本章的第一部分发展了布朗运动的性质. 第7.1节, 我们定义了布朗运动,并研究其路径的连续性. 第7.2节, 我们证明了马氏性和一个相关的 0 − 1 0-1 0−1定律. 第7.3节, 我们定义了停时, 并证明了强马氏性. 第7.4节, 我们使用强马氏性来研究布朗运动的路径性质. 第7.5节, 我们介绍了一些与布朗运动相关的鞅, 并利用它们来获取关于退出分布和退出时的信息. 第7.6节, 我们证明Ito公式的三个版本.
定义7.1.A .不要求初值为0的布朗运动]一维布朗运动是一个实值过程 B t , t ≥ 0 B_{t}, t \geq 0 Bt,t≥0, 有以下性质:\
(a) 若 t 0 < t 1 < … < t n t_{0}<t_{1}<\ldots<t_{n} t0<t1<…<tn , 则 B ( t 0 ) , B ( t 1 ) − B ( t 0 ) , … , B ( t n ) − B ( t n − 1 ) B\left(t_{0}\right), B\left(t_{1}\right)-B\left(t_{0}\right), \ldots, B\left(t_{n}\right)-B\left(t_{n-1}\right) B(t0),B(t1)−B(t0),…,B(tn)−B(tn−1)独立.
(b) 若 s , t ≥ 0 s, t \geq 0 s,t≥0 , 则
P ( B ( s + t ) − B ( s ) ∈ A ) = ∫ A ( 2 π t ) − 1 / 2 exp ( − x 2 / 2 t ) d x P(B(s+t)-B(s) \in A)=\int_{A}(2 \pi t)^{-1 / 2} \exp \left(-x^{2} / 2 t\right) d x P(B(s+t)−B(s)∈A)=∫A(2πt)−1/2exp(−x2/2t)dx
( c) t → B t t \rightarrow B_{t} t→Bt几乎必然连续(几乎所有的轨道连续).
remark (a)
B
t
B_t
Bt有独立的增量. (b) 增量
B
(
s
+
t
)
−
B
(
s
)
B(s+t)-B(s)
B(s+t)−B(s)是均值为0,方差为t的正态分布. 联系物理中布朗运动的设定, 可以看到这里的定义是合理的:
与物理中布朗运动的联系: (a)和(b)可以合理地指出花粉粒的运动是由于数百万的水分子撞击造成的,因为:
-
由于分子运动的独立性和无规则性, 认为质点在不同时间内受到的碰撞是独立的, 故所产生的位移也是独立的. 2. B ( t ) B(t) B(t) 表示质点在时刻 t t t 的位置, 则 B ( t ) B(t) B(t) 也表示质点直到 t t t 所作的位移, 因此在时间 ( s , t ) (s, t) (s,t) 内, 它所做的位移是 B ( t ) − B ( s ) B(t)-B(s) B(t)−B(s), 由于在时间 ( s , t ) (s, t) (s,t) 内质点受到周围分子的大量碰撞, 每次碰撞都产生一个小的位移, 故 B ( t ) − B ( s ) B(t)-B(s) B(t)−B(s) 是大量小位移的和, 由中 心极限定理它服从正态分布,
-
介质处于平衡状态, 因此质点在一小区间上 位移的统计规律只与区间长度有关, 而与开始观察的时刻无关.
1. 布朗运动的定义
1.1 平移不变性
性质7.1.B. 平移不变性(Translation invariance) (i) { B t − B 0 , t ≥ 0 } \left\{B_{t}-B_{0}, t \geq 0\right\} {Bt−B0,t≥0}与 B 0 B_{0} B0 独立, (ii) 与初值是 B 0 = 0 B_{0}=0 B0=0的布朗运动同分布.
证明: (i) 令
A
1
=
σ
(
B
0
)
\mathcal{A}_{1}=\sigma\left(B_{0}\right)
A1=σ(B0),
A
2
\mathcal{A}_{2}
A2是具有以下形式的事件
{
B
(
t
1
)
−
B
(
t
0
)
∈
A
1
,
…
,
B
(
t
n
)
−
B
(
t
n
−
1
)
∈
A
n
}
.
\left\{B\left(t_{1}\right)-B\left(t_{0}\right) \in A_{1}, \ldots, B\left(t_{n}\right)-B\left(t_{n-1}\right) \in A_{n}\right\} .
{B(t1)−B(t0)∈A1,…,B(tn)−B(tn−1)∈An}.
则
A
i
\mathcal{A}_{i}
Ai是独立的
π
\pi
π-类, 故由定理2.1.6 (
π
−
λ
\pi-\lambda
π−λ定理)可得
σ
(
A
i
)
\sigma(\mathcal{A}_{i})
σ(Ai)独立, 综合可得
{
B
t
−
B
0
,
t
≥
0
}
\left\{B_{t}-B_{0}, t \geq 0\right\}
{Bt−B0,t≥0}与
B
0
B_{0}
B0 独立.
(ii) 有限维分布的 n = 1 n=1 n=1时, 分布相同, 由(i)可得增量独立, 故对 n > 1 n>1 n>1时, 分布也相同.
1.2 自相似性-尺度不变性
性质7.1.C. 自相似性-尺度不变性(The Brownian scaling relation) 设 c ≠ 0 c \neq 0 c=0 为常数, 则 c − 1 w c 2 t c^{-1} w_{c^{2} t} c−1wc2t为布朗运动.
(i) 若 B 0 = 0 B_{0}=0 B0=0, 则对 ∀ t > 0 \forall t>0 ∀t>0, { B s t , s ≥ 0 } = d { t 1 / 2 B s , s ≥ 0 } \{B_{s t}, s \geq 0\} \stackrel{d}{=}\{t^{1 / 2} B_{s}, s \geq 0\} {Bst,s≥0}=d{t1/2Bs,s≥0}.(取 c = t c=\sqrt{t} c=t)
(ii) w ^ t : = { 0 , t = 0 t w t − 1 , t > 0 \hat{w}_{t}:= \begin{cases}0, & t=0 \\ t w_{t^{-1}}, & t>0\end{cases} w^t:={0,twt−1,t=0t>0 是布朗运动.(取 c = 1 / t c=1/{t} c=1/t)
Remark 取 c c c为 − 1 -1 −1, { − B t , t ≥ 0 } \left\{-B_{t}, t \geq 0\right\} {−Bt,t≥0} 是布朗运动.
证明: (i) 只要证明
s
1
<
…
<
s
n
s_{1}<\ldots<s_{n}
s1<…<sn, 随机变量族有相同的有限维分布
(
B
s
1
t
,
…
,
B
s
n
t
)
=
d
(
t
1
/
2
B
s
1
,
…
t
1
/
2
B
s
n
)
\left(B_{s_{1} t}, \ldots, B_{s_{n} t}\right) \stackrel{d}{=}\left(t^{1 / 2} B_{s_{1}}, \ldots t^{1 / 2} B_{s_{n}}\right)
(Bs1t,…,Bsnt)=d(t1/2Bs1,…t1/2Bsn)
当 n = 1 n=1 n=1, 由于 t 1 / 2 t^{1 / 2} t1/2乘以均值为0方差为 s s s的正态分布是均值为0方差为 s t st st的正态分布, 结论成立. 当 n > 1 n>1 n>1, 由增量的独立性可得.
(ii) 对任意 n n n 及 t 1 , ⋯ , t n , ( w ^ t 1 , ⋯ , w ^ t n ) t_{1}, \cdots, t_{n},\left(\hat{w}_{t_{1}}, \cdots, \hat{w}_{t_{n}}\right) t1,⋯,tn,(w^t1,⋯,w^tn) 为Gauss 变量, 且 E [ w ^ t w ^ s ] = s ∧ t E\left[\hat{w}_{t} \hat{w}_{s}\right]= s \wedge t E[w^tw^s]=s∧t. 根据布朗运动的等价定义7.1.F, 只需证 w ^ t \hat{w}_{t} w^t 的样本轨道几乎必然连续. 又 t ↦ w ^ t t \mapsto \hat{w}_{t} t↦w^t 在 ( 0 , ∞ ) (0, \infty) (0,∞) 上几乎必然连续. 故只需证明 t ↦ w ^ t t \mapsto \hat{w}_{t} t↦w^t 在 0 点连续.
由于
∀
p
>
2
,
α
∈
(
p
−
1
,
2
−
1
)
\forall p>2, \alpha \in\left(p^{-1}, 2^{-1}\right)
∀p>2,α∈(p−1,2−1), 有
∫
0
1
∫
0
1
1
∣
t
−
s
∣
1
+
p
α
E
[
∣
w
^
t
−
w
^
s
∣
p
]
d
s
d
t
≤
C
∫
0
1
∫
0
1
∣
t
−
s
∣
−
1
+
p
(
1
2
−
α
)
d
t
d
s
<
∞
\begin{aligned} & \int_{0}^{1} \int_{0}^{1} \frac{1}{|t-s|^{1+p \alpha}} E\left[\left|\hat{w}_{t}-\hat{w}_{s}\right|^{p}\right] d s d t \\ \leq & C \int_{0}^{1} \int_{0}^{1}|t-s|^{-1+p\left(\frac{1}{2}-\alpha\right)} d t d s < \infty \end{aligned}
≤∫01∫01∣t−s∣1+pα1E[∣w^t−w^s∣p]dsdtC∫01∫01∣t−s∣−1+p(21−α)dtds<∞
故用Kolmogorov的连续性准则,
t
↦
w
^
t
t \mapsto \hat{w}_{t}
t↦w^t 在
[
0
,
1
]
[0,1]
[0,1] 上有连续修正.
由于互为修正是指 ∀ t ∈ I , X t = Y t , a . s . \forall t \in I, X_{t}=Y_{t}, a . s . ∀t∈I,Xt=Yt,a.s., , 故在0点修正前后一致, 而 t ↦ w ^ t t \mapsto \hat{w}_{t} t↦w^t 在 ( 0 , 1 ] (0,1] (0,1] 上连续, 故修正前后也一致, 因此 t ↦ w ^ t t \mapsto \hat{w}_{t} t↦w^t 本身在 [ 0 , 1 ] [0,1] [0,1] 上连续.
2. 等价定义
2.1 高斯向量及其性质
本节主要给出布朗运动的等价定义(定义7.1.F), 即期望为0协方差为 s ∧ t s\wedge t s∧t的连续高斯过程是布朗运动, 由此给出布朗运动的有限维分布(定理7.1.G)以及布朗运动的 n n n阶矩(定理7.1.H).
定义7.1.D .Gauss向量-特征函数 称一个 d d d-维随机向量 ξ : = ( ξ 1 , ⋯ , ξ d ) ∗ \xi:=\left(\xi_{1}, \cdots, \xi_{d}\right)^{*} ξ:=(ξ1,⋯,ξd)∗是具有参数 ( m , A ) (m, A) (m,A) 的Gauss向量, 记为 ξ ∼ N ( m , A ) \xi \sim N(m, A) ξ∼N(m,A). 如果其特征函数 φ \varphi φ 有表达式
φ ( t ) = exp ( i m ∗ t − 1 2 t ∗ A t ) , t ∈ R d , \varphi(t)=\exp \left(i m^{*} t-\frac{1}{2} t^{*} A t\right), t \in \mathbb{R}^{d}, φ(t)=exp(im∗t−21t∗At),t∈Rd,
其中 m ∈ R d , A m \in \mathbb{R}^{d}, A m∈Rd,A 为 d × d d \times d d×d 对称非负定矩阵.
Gauss向量的密度函数: 称一个
d
d
d-维随机向量
ξ
:
=
(
ξ
1
,
⋯
,
ξ
d
)
∗
\xi:=\left(\xi_{1}, \cdots, \xi_{d}\right)^{*}
ξ:=(ξ1,⋯,ξd)∗是具有参数
(
m
,
A
)
(m, A)
(m,A) 的Gauss向量, 若
d
d
d 维随机向量
X
=
(
X
1
,
X
2
,
…
,
X
d
)
′
X=\left(X_{1}, X_{2}, \ldots, X_{d}\right)^{\prime}
X=(X1,X2,…,Xd)′ 的联合概率密度为
f
(
x
1
,
…
,
x
p
)
=
1
(
2
π
)
d
∣
A
∣
1
/
2
exp
{
−
1
2
(
x
−
m
)
′
A
−
1
(
x
−
m
)
}
f\left(x_{1}, \ldots, x_{p}\right)=\frac{1}{\sqrt{(2 \pi)^{d}}|A|^{1 / 2}} \exp \left\{-\frac{1}{2}(x-m)^{\prime} A^{-1}(x-m)\right\}
f(x1,…,xp)=(2π)d∣A∣1/21exp{−21(x−m)′A−1(x−m)}
(引理7.1.D. m m m是高斯向量的期望, A A A是高斯向量的协方差矩阵) 设 ξ = ( ξ 1 , ⋯ , ξ d ) ∼ N ( m , A ) \xi=\left(\xi_{1}, \cdots, \xi_{d}\right) \sim N(m, A) ξ=(ξ1,⋯,ξd)∼N(m,A). 则 m i = E [ ξ i ] , a i j = E [ ( ξ i − m i ) ( ξ j − m j ) ] m_{i}=E\left[\xi_{i}\right], a_{i j}=E\left[\left(\xi_{i}-m_{i}\right)\left(\xi_{j}-m_{j}\right)\right] mi=E[ξi],aij=E[(ξi−mi)(ξj−mj)].
[(引理7.1.E. 高斯向量的线性组合是高斯向量)] ξ ∼ N ( m , A ) , Q \xi\sim N(m, A), Q ξ∼N(m,A),Q为 k × d k \times d k×d矩阵. 令 η : = b + Q ξ \eta:=b+Q \xi η:=b+Qξ. 有 η ∈ N ( b + Q m , Q A Q ∗ ) \eta \in N\left(b+Q m, Q A Q^{*}\right) η∈N(b+Qm,QAQ∗)
布朗运动的定义中并没有假定
B
(
0
)
=
0
B(0)=0
B(0)=0, 因此称之为始于
x
x
x 的 Brown运动, 所以有时为了强调起始点, 也记为
{
B
x
(
t
)
}
\left\{B^{x}(t)\right\}
{Bx(t)}. 由布朗运动的平移不变性, 可得
B
x
(
t
)
−
x
=
B
0
(
t
)
B^{x}(t)-x=B^{0}(t)
Bx(t)−x=B0(t)
因此
B
x
(
t
)
B^{x}(t)
Bx(t) 和
x
+
B
0
(
t
)
x+B^{0}(t)
x+B0(t) 是相同的, 研究始于 0 的Brown运动即可, 如不加说明, Brown 运动就是指始于0的Brown 运动. 因此用高斯过程给出起始点为0布朗运动的一个等价定义.
2.2 等价定义的证明
等价定义7.1.F.初值 B 0 = 0 B_0=0 B0=0的布朗运动 初值 B 0 = 0 B_0=0 B0=0的布朗运动 B t , t ≥ 0 B_t,t\geq 0 Bt,t≥0, 是一个满足以下条件的实值过程\
(a’) B ( t ) B(t) B(t)是一个高斯过程(即所有的有限维分布是多元高斯分布).\
(b’) E B s = 0 E B_{s}=0 EBs=0, E B s B t = s ∧ t E B_{s} B_{t}=s \wedge t EBsBt=s∧t. (c’) t → B t t \rightarrow B_{t} t→Bt几乎必然连续.
证明 必要性. (a’) 证明对任意的
t
1
<
t
2
<
⋯
<
t
n
,
(
B
t
1
,
⋯
,
B
t
n
)
t_{1}<t_{2}<\cdots<t_{n},\left(B_{t_{1}}, \cdots, B_{t_{n}}\right)
t1<t2<⋯<tn,(Bt1,⋯,Btn) 服从正态分布. 由独立增量 性
(
B
t
1
,
B
t
2
−
B
t
1
,
⋯
,
B
t
n
−
B
t
n
−
1
)
\left(B_{t_{1}}, B_{t_{2}}-B_{t_{1}}, \cdots, B_{t_{n}}-B_{t_{n-1}}\right)
(Bt1,Bt2−Bt1,⋯,Btn−Btn−1)
服从正态分布. 由引理7.1.C可得
(
B
t
1
,
⋯
,
B
t
n
)
\left(B_{t_{1}}, \cdots, B_{t_{n}}\right)
(Bt1,⋯,Btn) 服从正态分布.
(b’)
E
B
t
=
0
\mathbb{E} B_{t}=0
EBt=0, 对任意的
t
≥
s
≥
0
t \geq s \geq 0
t≥s≥0,
E
B
t
B
s
=
E
(
B
t
−
B
s
)
B
s
+
E
B
s
2
=
s
\mathbb{E} B_{t} B_{s}=\mathbb{E}\left(B_{t}-B_{s}\right) B_{s}+\mathbb{E} B_{s}^{2}=s
EBtBs=E(Bt−Bs)Bs+EBs2=s.
充分性: (a) 增量独立性, 即: 对任意的
t
1
<
t
2
<
⋯
<
t
n
t_{1}<t_{2}<\cdots<t_{n}
t1<t2<⋯<tn,
(
B
t
1
,
B
t
2
−
B
t
1
,
⋯
,
B
t
n
−
B
t
n
−
1
)
\left(B_{t_{1}}, B_{t_{2}}-B_{t_{1}}, \cdots, B_{t_{n}}-B_{t_{n-1}}\right)
(Bt1,Bt2−Bt1,⋯,Btn−Btn−1)
相互独立. 由于它们服从正态分布, 所以只需要证明不相关性. 对任意的
i
<
j
i<j
i<j,
E
(
B
t
i
−
B
t
i
−
1
)
(
B
t
j
−
B
t
j
−
1
)
=
E
B
t
i
B
t
j
−
E
B
t
i
B
t
j
−
1
−
E
B
t
i
−
1
B
t
j
+
E
B
t
i
−
1
B
t
j
−
1
=
t
i
−
t
i
−
t
i
−
1
+
t
i
−
1
=
0
\begin{aligned} \mathbb{E}\left(B_{t_{i}}-B_{t_{i-1}}\right)\left(B_{t_{j}}-B_{t_{j-1}}\right)&=\mathbb{E} B_{t_{i}} B_{t_{j}}-\mathbb{E} B_{t_{i}} B_{t_{j-1}}-\mathbb{E} B_{t_{i-1}} B_{t_{j}}+\mathbb{E} B_{t_{i-1}} B_{t_{j-1}}\\ &=t_{i}-t_{i}-t_{i-1}+t_{i-1}=0 \end{aligned}
E(Bti−Bti−1)(Btj−Btj−1)=EBtiBtj−EBtiBtj−1−EBti−1Btj+EBti−1Btj−1=ti−ti−ti−1+ti−1=0
(b) 对任意的
t
>
s
,
B
t
−
B
s
t>s, B_{t}-B_{s}
t>s,Bt−Bs 服从正态分布, 均值为 0 , 方差为
E
(
B
t
−
B
s
)
2
=
E
B
t
2
−
2
E
B
t
B
s
+
E
B
s
2
=
t
−
s
\mathbb{E}\left(B_{t}-B_{s}\right)^{2}=\mathbb{E} B_{t}^{2}-2 \mathbb{E} B_{t} B_{s}+\mathbb{E} B_{s}^{2}=t-s
E(Bt−Bs)2=EBt2−2EBtBs+EBs2=t−s
2.3 布朗运动的有限维分布
定理7.1.G.布朗运动的有限维分布 初始值为 x x x 的布朗运动的有限维分布为
∫ − ∞ x 1 p t 1 ( x , y 1 ) d y 1 ∫ − ∞ x 2 p t 2 − t 1 ( y 1 , y 2 ) d y 2 ⋯ ∫ − ∞ x n p t n − t n − 1 ( y n − 1 , y n ) d y n \int_{-\infty}^{x_{1}} p_{t_{1}}\left(x, y_{1}\right) \mathrm{d} y_{1} \int_{-\infty}^{x_{2}} p_{t_{2}-t_{1}}\left(y_{1}, y_{2}\right) \mathrm{d} y_{2} \cdots \int_{-\infty}^{x_{n}} p_{t_{n}-t_{n-1}}\left(y_{n-1}, y_{n}\right) \mathrm{d} y_{n} ∫−∞x1pt1(x,y1)dy1∫−∞x2pt2−t1(y1,y2)dy2⋯∫−∞xnptn−tn−1(yn−1,yn)dyn
证明 如果过程从
x
x
x 开始,
B
(
0
)
=
x
B(0)=x
B(0)=x, 则
B
(
t
)
∼
N
(
x
,
t
)
B(t) \sim N(x, t)
B(t)∼N(x,t), 于是
P
x
{
B
(
t
)
∈
(
a
,
b
)
}
=
∫
a
b
1
2
π
t
e
−
(
u
−
r
)
2
2
t
d
y
.
P_{x}\{B(t) \in(a, b)\}=\int_{a}^{b} \frac{1}{\sqrt{2 \pi t}} \mathrm{e}^{-\frac{(u-r)^{2}}{2 t}} \mathrm{~d} y .
Px{B(t)∈(a,b)}=∫ab2πt1e−2t(u−r)2 dy.
这里概率
P
x
P_{x}
Px 的下标
x
x
x 表示过程始于
x
x
x 积分号中的函数
p
t
(
x
,
y
)
=
1
2
π
t
e
−
(
y
−
x
)
2
2
t
p_{t}(x, y)=\frac{1}{\sqrt{2 \pi t}} \mathrm{e}^{-\frac{(y-x)^{2}}{2 t}}
pt(x,y)=2πt1e−2t(y−x)2
称为 Brown运动的转移概率密度. 利用独立增量性以及转移概率密度, 可以 计算任意 Brown 运动的有限维分布
P
x
{
B
(
t
1
)
⩽
x
1
,
⋯
,
B
(
t
n
)
⩽
x
n
}
P_{x}\left\{B\left(t_{1}\right) \leqslant x_{1}, \cdots, B\left(t_{n}\right) \leqslant x_{n}\right\}
Px{B(t1)⩽x1,⋯,B(tn)⩽xn}为
∫
−
∞
x
1
p
t
1
(
x
,
y
1
)
d
y
1
∫
−
∞
x
2
p
t
2
−
t
1
(
y
1
,
y
2
)
d
y
2
⋯
∫
−
∞
x
n
p
t
n
−
t
n
−
1
(
y
n
−
1
,
y
n
)
d
y
n
\int_{-\infty}^{x_{1}} p_{t_{1}}\left(x, y_{1}\right) \mathrm{d} y_{1} \int_{-\infty}^{x_{2}} p_{t_{2}-t_{1}}\left(y_{1}, y_{2}\right) \mathrm{d} y_{2} \cdots \int_{-\infty}^{x_{n}} p_{t_{n}-t_{n-1}}\left(y_{n-1}, y_{n}\right) \mathrm{d} y_{n}
∫−∞x1pt1(x,y1)dy1∫−∞x2pt2−t1(y1,y2)dy2⋯∫−∞xnptn−tn−1(yn−1,yn)dyn
习题7.1.1 给定 s < t s<t s<t, 计算 P ( B ( s ) > 0 , B ( t ) > 0 ) P(B(s)>0, B(t)>0) P(B(s)>0,B(t)>0).
证明: 由定义7.1.F可得布朗运动是高斯过程, 故
P
(
B
(
s
)
>
0
,
B
(
t
)
−
B
(
s
)
>
0
)
=
P
(
B
(
s
)
>
0
)
P
(
B
(
t
)
−
B
(
s
)
>
0
)
=
∫
0
∞
1
2
π
s
exp
(
−
x
2
2
s
)
∫
0
∞
1
2
π
(
t
−
s
)
exp
(
−
x
2
2
(
t
−
s
)
)
=
∫
0
∞
Φ
(
a
t
−
s
)
ϕ
(
a
s
)
d
a
s
=
∫
0
∞
Φ
(
b
a
)
ϕ
(
a
)
d
a
\begin{aligned} &P(B(s)>0, B(t)-B(s)>0)=P(B(s)>0) P(B(t)-B(s)>0) \\ &=\int_{0}^{\infty} \frac{1}{\sqrt{2 \pi s}} \exp \left(-\frac{x^{2}}{2 s}\right) \int_{0}^{\infty} \frac{1}{\sqrt{2 \pi(t-s)}} \exp \left(-\frac{x^{2}}{2(t-s)}\right)\\ &=\int_{0}^{\infty} \Phi\left(\frac{a}{\sqrt{t-s}}\right) \phi\left(\frac{a}{\sqrt{s}}\right) \mathrm{d} \frac{a}{\sqrt{s}}=\int_{0}^{\infty} \Phi(b a) \phi(a) \mathrm{d} a \end{aligned}
P(B(s)>0,B(t)−B(s)>0)=P(B(s)>0)P(B(t)−B(s)>0)=∫0∞2πs1exp(−2sx2)∫0∞2π(t−s)1exp(−2(t−s)x2)=∫0∞Φ(t−sa)ϕ(sa)dsa=∫0∞Φ(ba)ϕ(a)da
其中,
Φ
(
⋅
)
\Phi(\cdot)
Φ(⋅),
ϕ
(
⋅
)
\phi(\cdot)
ϕ(⋅) 是标准高斯变量的密度和分布函数,
b
:
=
s
/
t
−
s
b:=\sqrt{{s}/{t-s}}
b:=s/t−s.
用
I
(
b
)
I(b)
I(b)表示以上积分, 由Leibniz规则可得
I
(
0
)
=
1
4
,
∂
b
I
(
b
)
=
∫
0
∞
a
ϕ
(
b
a
)
ϕ
(
a
)
d
a
=
1
2
π
1
+
b
2
∫
0
∞
a
e
−
1
+
b
2
2
a
2
d
a
=
1
2
π
1
1
+
b
2
I(0)=\frac{1}{4}, \quad \partial_{b} I(b)=\int_{0}^{\infty} a \phi(b a) \phi(a) \mathrm{d} a=\frac{1}{2 \pi \sqrt{1+b^{2}}} \int_{0}^{\infty} a \mathrm{e}^{-\frac{1+b^{2}}{2} a^{2}} \mathrm{~d} a=\frac{1}{2 \pi} \frac{1}{1+b^{2}}
I(0)=41,∂bI(b)=∫0∞aϕ(ba)ϕ(a)da=2π1+b21∫0∞ae−21+b2a2 da=2π11+b21
重新积分可得原式为
I
(
b
)
=
I
(
0
)
+
1
2
π
∫
0
b
d
c
1
+
c
2
=
1
4
+
1
2
π
tan
−
1
(
s
/
t
)
=
1
4
+
1
2
π
sin
−
1
(
s
t
)
I(b)=I(0)+\frac{1}{2 \pi} \int_{0}^{b} \frac{\mathrm{d} c}{1+c^{2}}=\frac{1}{4}+\frac{1}{2 \pi} \tan ^{-1}(\sqrt{s / t})=\frac{1}{4}+\frac{1}{2 \pi} \sin ^{-1}\left(\sqrt{\frac{s}{t}}\right)
I(b)=I(0)+2π1∫0b1+c2dc=41+2π1tan−1(s/t)=41+2π1sin−1(ts)
2.4 布朗运动矩的计算
定理7.1.H (布朗运动矩的计算) 定理. 设 B t B_{t} Bt 是以 0 为起点的布朗运动, 则
E [ B t 2 k + 1 ] = 0 , E [ B t 2 k ] = ( 2 k ) ! t k 2 k k ! = ( 2 k − 1 ) ! ! t k E\left[B_{t}^{2 k+1}\right]=0, \quad E\left[B_{t}^{2 k}\right]=\frac{(2 k) ! t^{k}}{2^{k} k !}=(2 k-1) ! ! t^{k} E[Bt2k+1]=0,E[Bt2k]=2kk!(2k)!tk=(2k−1)!!tk
证明:方法一. 由定义7.1.F可得布朗运动
B
t
B_{t}
Bt 的特征函数为
E
[
e
i
u
B
t
]
=
e
−
1
2
u
2
t
E\left[e^{i u B_{t}}\right]=e^{-\frac{1}{2} u^{2} t}
E[eiuBt]=e−21u2t
由于
e
−
1
2
u
2
t
=
∑
k
=
0
∞
(
−
1
)
k
t
k
2
k
k
!
u
2
k
e^{-\frac{1}{2} u^{2} t}=\sum_{k=0}^{\infty} \frac{(-1)^{k} t^{k}}{2^{k} k !} u^{2 k}
e−21u2t=∑k=0∞2kk!(−1)ktku2k, 可得
E
[
e
i
u
B
t
]
=
E
[
∑
k
=
0
∞
(
i
B
t
)
k
k
!
u
k
]
=
∑
k
=
0
∞
i
k
E
[
B
t
k
]
k
!
u
k
=
∑
k
=
0
∞
(
−
1
)
k
t
k
2
k
k
!
u
2
k
E\left[e^{i u B_{t}}\right]=E\left[\sum_{k=0}^{\infty} \frac{\left(i B_{t}\right)^{k}}{k !} u^{k}\right]=\sum_{k=0}^{\infty} \frac{i^{k} E\left[B_{t}^{k}\right]}{k !} u^{k}=\sum_{k=0}^{\infty} \frac{(-1)^{k} t^{k}}{2^{k} k !} u^{2 k}
E[eiuBt]=E[k=0∑∞k!(iBt)kuk]=k=0∑∞k!ikE[Btk]uk=k=0∑∞2kk!(−1)ktku2k
方法二. 直接计算有
E
[
f
(
B
t
)
]
=
∫
R
f
(
B
t
)
P
0
[
B
t
∈
d
x
]
=
∫
R
f
(
x
)
p
(
t
,
0
,
x
)
d
x
=
∫
R
f
(
x
)
1
2
π
t
e
−
x
2
2
t
d
x
E [f (B_{t})] =\int_{R} f (B_{t} ) P^{0}[B_{t} \in \mathrm{d} x]=\int_{R} f(x) p(t, 0, x) \mathrm{d} x=\int_{R} f(x) \frac{1}{\sqrt{2 \pi t}} e^{-\frac{x^{2}}{2 t}} \mathrm{d} x
E[f(Bt)]=∫Rf(Bt)P0[Bt∈dx]=∫Rf(x)p(t,0,x)dx=∫Rf(x)2πt1e−2tx2dx
而取
f
(
x
)
=
x
k
f(x)=x^{k}
f(x)=xk, 有
E
[
B
t
k
]
=
1
2
π
t
∫
R
x
k
e
−
x
2
2
t
d
x
E\left[B_{t}^{k}\right]=\frac{1}{\sqrt{2 \pi t}} \int_{\boldsymbol{R}} x^{k} e^{-\frac{x^{2}}{2 t}} \mathrm{~d} x
E[Btk]=2πt1∫Rxke−2tx2 dx
于是当
k
k
k 为奇数时,
E
[
B
t
k
]
=
0
E\left[B_{t}^{k}\right]=0
E[Btk]=0; 当
k
k
k 为偶数时,
E
[
B
t
2
k
]
=
2
2
π
t
∫
0
∞
x
2
k
e
−
x
2
2
t
d
x
=
2
π
∫
0
∞
(
2
t
)
k
s
k
e
−
s
1
2
s
−
1
2
d
s
=
2
k
t
k
π
Γ
(
k
+
1
2
)
=
2
k
t
k
(
k
−
1
2
)
(
k
−
3
2
)
⋯
1
2
=
(
2
k
−
1
)
!
!
t
k
=
(
2
k
)
!
2
k
k
!
t
k
.
\begin{aligned} E\left[B_{t}^{2 k}\right] &=\frac{2}{\sqrt{2 \pi t}} \int_{0}^{\infty} x^{2 k} e^{-\frac{x^{2}}{2 t}} \mathrm{~d} x \\ &=\frac{2}{\sqrt{\pi}} \int_{0}^{\infty}(2 t)^{k} s^{k} e^{-s} \frac{1}{2} s^{-\frac{1}{2}} \mathrm{~d} s \\ &=\frac{2^{k} t^{k}}{\sqrt{\pi}} \Gamma\left(k+\frac{1}{2}\right) \\ &=2^{k} t^{k}\left(k-\frac{1}{2}\right)\left(k-\frac{3}{2}\right) \cdots \frac{1}{2} \\ &=(2 k-1) ! ! t^{k} =\frac{(2 k) !}{2^{k} k !} t^{k} . \end{aligned}
E[Bt2k]=2πt2∫0∞x2ke−2tx2 dx=π2∫0∞(2t)kske−s21s−21 ds=π2ktkΓ(k+21)=2ktk(k−21)(k−23)⋯21=(2k−1)!!tk=2kk!(2k)!tk.
方法三. 设
β
k
(
t
)
=
E
[
B
t
k
]
\beta_{k}(t)=E[B_{t}^{k}]
βk(t)=E[Btk], 则
d
B
t
k
=
k
B
t
k
−
1
d
B
t
+
1
2
k
(
k
−
1
)
B
t
k
−
2
d
t
(
It
o
ˆ
公式
)
⇒
B
t
k
=
k
∫
0
t
B
s
k
−
1
d
B
s
+
1
2
k
(
k
−
1
)
∫
0
t
B
s
k
−
2
d
s
⇒
β
k
(
t
)
=
1
2
k
(
k
−
1
)
∫
0
t
β
k
−
2
(
s
)
d
s
(
E
[
∫
0
t
f
d
B
s
]
=
0
)
.
\begin{aligned} & \mathrm{d} B_{t}^{k}=k B_{t}^{k-1} \mathrm{~d} B_{t}+\frac{1}{2} k(k-1) B_{t}^{k-2} \mathrm{~d} t \quad(\text { Itô 公式 }) \\ \Rightarrow & B_{t}^{k}=k \int_{0}^{t} B_{s}^{k-1} \mathrm{~d} B_{s}+\frac{1}{2} k(k-1) \int_{0}^{t} B_{s}^{k-2} \mathrm{~d} s \\ \Rightarrow & \beta_{k}(t)=\frac{1}{2} k(k-1) \int_{0}^{t} \beta_{k-2}(s) \mathrm{d} s \quad\left(E\left[\int_{0}^{t} f \mathrm{~d} B_{s}\right]=0\right) . \end{aligned}
⇒⇒dBtk=kBtk−1 dBt+21k(k−1)Btk−2 dt( Itoˆ 公式 )Btk=k∫0tBsk−1 dBs+21k(k−1)∫0tBsk−2 dsβk(t)=21k(k−1)∫0tβk−2(s)ds(E[∫0tf dBs]=0).
于是
β
2
k
−
1
=
β
2
k
−
3
=
⋯
=
B
1
=
0
\beta_{2 k-1}=\beta_{2 k-3}=\cdots=B_{1}=0
β2k−1=β2k−3=⋯=B1=0归纳法可得
β
2
k
=
(
2
k
)
!
2
k
k
!
t
k
\beta_{2 k}=\frac{(2 k) !}{2^{k} k !} t^{k}
β2k=2kk!(2k)!tk
习题 7.1.2 计算 E ( B 1 2 B 2 B 3 ) E\left(B_{1}^{2} B_{2} B_{3}\right) E(B12B2B3).
证明:利用定理7.1.H可得,
E
(
B
1
2
B
2
B
3
)
=
E
(
B
1
2
(
B
2
−
B
1
+
B
1
)
(
B
3
−
B
2
+
B
2
−
B
1
+
B
1
)
)
=
E
(
B
1
3
(
B
3
−
B
2
)
+
B
1
3
(
B
2
−
B
1
)
+
B
1
4
+
B
1
(
B
2
−
B
1
)
(
B
3
−
B
2
)
+
B
1
(
B
2
−
B
1
)
2
+
B
1
2
)
=
4
\begin{aligned} E\left(B_{1}^{2} B_{2} B_{3}\right)=& E\left(B_{1}^{2}\left(B_{2}-B_{1}+B_{1}\right)\left(B_{3}-B_{2}+B_{2}-B_{1}+B_{1}\right)\right) \\ =& E\left(B_{1}^{3}\left(B_{3}-B_{2}\right)+B_{1}^{3}\left(B_{2}-B_{1}\right)+B_{1}^{4}\right.\\ &\left.+B_{1}\left(B_{2}-B_{1}\right)\left(B_{3}-B_{2}\right)+B_{1}\left(B_{2}-B_{1}\right)^{2}+B_{1}^{2}\right) =4 \end{aligned}
E(B12B2B3)==E(B12(B2−B1+B1)(B3−B2+B2−B1+B1))E(B13(B3−B2)+B13(B2−B1)+B14+B1(B2−B1)(B3−B2)+B1(B2−B1)2+B12)=4
2.3 布朗运动关于时间的积分
习题7.1.3 (布朗运动关于时间的积分) 令 W = ∫ 0 t B s d s W=\int_{0}^{t} B_{s} d s W=∫0tBsds. 证明 W ∼ N ( 0 , t 3 / 3 ) W \sim N\left(0, t^{3} / 3\right) W∼N(0,t3/3).
证明:对
n
≥
1
n \geq 1
n≥1, 令
Δ
s
:
=
t
/
n
\Delta s:=t / n
Δs:=t/n, 对
k
=
0
,
…
,
n
−
1
k=0, \ldots, n-1
k=0,…,n−1, 令
s
k
:
=
k
Δ
s
s_{k}:=k \Delta s
sk:=kΔs. 考虑
W
=
∫
0
t
B
s
d
s
W=\int_{0}^{t} B_{s} d s
W=∫0tBsds的黎曼和逼近:
W
(
n
)
=
Δ
s
∑
k
=
0
n
−
1
B
(
s
k
)
.
W^{(n)}=\Delta s \sum_{k=0}^{n-1} B\left(s_{k}\right) .
W(n)=Δsk=0∑n−1B(sk).
当
n
→
∞
n \rightarrow \infty
n→∞, 有
W
(
n
)
→
W
W^{(n)} \rightarrow W
W(n)→W, 故
W
(
n
)
W^{(n)}
W(n)是高斯过程, 由引理7.1.J(见下)极限是高斯变量.
E
W
(
n
)
=
0
\mathrm{E} W^{(n)}=0
EW(n)=0, 由于
Cov
(
B
(
s
k
)
,
B
(
s
j
)
)
=
min
{
s
k
,
s
j
}
\operatorname{Cov}\left(B\left(s_{k}\right), B\left(s_{j}\right)\right)=\min \left\{s_{k}, s_{j}\right\}
Cov(B(sk),B(sj))=min{sk,sj},
E
(
W
(
n
)
)
2
=
t
2
n
2
(
t
n
2
3
−
t
n
2
+
t
6
)
→
t
3
3
\mathrm{E}\left(W^{(n)}\right)^{2}=\frac{t^{2}}{n^{2}}\left(\frac{t n^{2}}{3}-\frac{t n}{2}+\frac{t}{6}\right) \rightarrow \frac{t^{3}}{3}
E(W(n))2=n2t2(3tn2−2tn+6t)→3t3
故
W
∼
N
(
0
,
t
3
/
3
)
W \sim N\left(0, t^{3} / 3\right)
W∼N(0,t3/3).