2.7 鞅

2.7.1 定义

赌徒谬误 假设我们有一列相互独立的实值随机变量 Y1,Y2,… ,它们都满足 E(Yi)=0,i=1,2,… 。我们可以定义它们的部分和 Sn:=Y1+⋯+Yn 。现在的问题是,给定了 S1,…,Sn ,我们想猜 Sn+k 的值:

E(Sn+k|S1,…,Sn)=E(Y1+⋯+Yn|S1,…,Sn)+E(Yn+1+⋯+Yn+k|S1,…,Sn)=Y1+⋯+Yn+E(Yn+1+⋯+Yn+k)⏟0=Sn

给定历史的部分和,可见 Sn+k 的最好的估计就是 Sn 。现在假设 Yi 是某个 ”公平“ 赌博游戏在时刻 i 的结果, Sn 就是 n 时刻的总收益。所以上面的结果可以翻译为,给定目前的收益,将来任何时刻的期望收益和现在一样,也即上述情况描述了一个绝对公平的赌博游戏。我们可以将其形式化为鞅的定义

定义 2.54 (离散鞅) X1,…,Xn,… 是一列满足 E(|Xi|)<∞,i=1,… 的实值随机变量,如果它们满足

Xk=E(Xj|X1,…,Xk) a.s.∀j⩾k,

我们称 {Xi}i=1∞ 是一个离散鞅。

定义 2.55 (历史) X(⋅) 是一个实值随机过程, U(t):=U(X(s):0⩽s⩽t) 是时刻 0⩽s⩽t 对应的随机变量 X(s) 生成的 σ -代数。它叫做该过程直到时间 t⩾0 的历史。

定义 2.56 (鞅) X(⋅) 是一个随机过程,并满足对任意 t⩾0 ,都有 E(|X(t)|)<∞ 。 (i)如果对所有 t⩾s⩾0 ,都有 X(s)=E(X(t)|U(s)) ,则 X(⋅) 是一个鞅 (ii)如果对所有 t⩾s⩾0 ,都有 X(s)⩽E(X(t)|U(s)) ,则 X(⋅) 是一个下鞅

示例 2.57 (Brown 运动) 一维 Brown 运动是一个鞅。

引理 2.58 X(⋅) 是一个实值鞅, Φ:R→R 是凸函数。假设对任意 t⩾0 ,都有 E(|Φ(X(t))|)<∞ ,则 Φ(X(⋅)) 是一个下鞅。

证明. 如果 Φ 是线性的,有:

Φ(X(s))=aX(s)+b=E(aX(t)+b|U(s))=E(Φ(X)|U(s))

假如 Φ 不是线性的,那它被它的支持集 SΦ={(a,b):ax+b⩽Φ(x),∀x∈R} 唯一确定:

Φ(x)=sup{ax+b:(a,b)∈SΦ}

由于对所有 (a,b)∈SΦ ,都有 Φ(x)⩾ax+b ,就有

E(Φ(X(t))|U(s))⩾aE(X(t)|U(s))+b=aX(s)+b

两边取上确界,有

E(Φ(X(t))|U(s))⩾Φ(X(s)).

或者直接由条件 Jensen 不等式,立刻得到

E(Φ(X(t))|U(s))⩾Φ(E(X(t)|U(s)))=Φ(X(t))

因此 Φ(X(t)) 是一个下鞅

2.7.2 鞅的诸不等式

下面不加证明的引入一些鞅的不等式。

定理 2.59 (离散鞅的若干不等式)

  1. {Xn}n=1∞ 是一个下鞅,则对所有 n=1,… 和 λ>0 ,有
P(max1⩽k⩽nXk⩾λ)⩽1λE(Xn+)
  1. {Xn}n=1∞ 是一个鞅, 1<p<∞ ,则对所有 n=1,… ,有
E(max1⩽k⩽n|Xk|p)⩽(pp−1)pE(|Xn|p)

注意到上面的第一条定理给出了 Chebyshev 不等式的推广形式。下面是连续版本:

定理 2.59 (离散鞅的若干不等式)

  1. X(⋅) 是一个下鞅,则对所有 t>0 和 λ>0 ,有
P(max0⩽s⩽tX(s)⩾λ)⩽1λE(X(t)+)
  1. {Xn}n=1∞ 是一个鞅, 1<p<∞ ,有
E(max1⩽s⩽t|X(s)|p)⩽(pp−1)pE(|X(t)|p)

我们可以从离散版本的定理出发,证明连续的版本。选定 λ>0 , t>0 ,然后做 [0,t] 上的一个划分: 0=t0<t1<⋯<tn=t 。这对应的离散鞅 {X(ti)}i=1n 满足离散版本的不等式,然后让划分越来越细,最后取极限。