【随机微分方程】4.2 Itô 积分
4.2 Itô 积分
4.2.1 非预期过程
考虑定义在某个概率空间
定义 4.11 (Brown 运动的历史和未来) 在某个概率空间
上的 Brown 运动 ,定义下面两个 -代数 分别为 Brown 运动从开始截止到
的 历史,以及 Brown 运动在时间 之后的 未来 。
定义 4.12 (非预期的
-代数 / 滤子) 考虑一族 -代数 ,如果它满足
- 对所有
有 - 对所有
,有 - 对所有
, 和 相互独立 我们称其相对于 是 非预期的,或者称其为 滤子。
注释 4.13 我们可以这样理解
:它是 时刻时我们能掌握到的所有信息。一个很自然的想法就是这样定义 其中
是一个和 无关的随机变量。事实上, 就是后面讲到的 SDE 中的 初值条件。
定义 4.14 (非预期的随机过程) 如果一个实值随机过程
满足对任意 , 都是 -可测的,那么就称该随机过程是对 非预期的。
注释 4.15 这个定义可以解释为,任何时刻下,
都只依赖 中的信息
注释 4.16 事实上我们其实依赖更强的条件,即
需要是 循序可测 (progressively measurable) 的,但这个定义比较复杂,因此我们在此只写它是可测的。前者的主要想法是,在 是非预期的基础上,它还同时对 和 联合可测。
事实上,如果被积随机过程是循序可测的,那么对应的 Itô 随机积分 的能写成更加简洁优美又实用的形式。换言之,让 只和 Brown 运动的历史相关,而不与其未来相关,世界会更美好。
定义 4.17 (循序可测的实值随机过程空间) 定义满足
的所有循序可测的实值随机过程 构成的空间为 定义满足 的所有循序可测的实值随机过程 构成的空间为
4.2.2 阶梯过程
为了得出一般形式的 Ito 随机积分,我们从性质更好的阶梯过程开始。
定义 4.18 (阶梯过程) 对一个随机过程
,如果存在一个 上的划分 使得对所有 和 ,都有 ,则 被称为是一个 阶梯过程 。
由于上面定义的
定义 4.19 考虑阶梯过程
,则下面给出了 在区间 上的 Ito 随机积分: 这是一个随机变量。
引理 4.20 对所有
以及所有阶梯过程 ,Ito 随机积分有下面的性质
- (线性性)
- (期望为零)
证明. (1)可以看见,两个阶梯过程的线性组合是一个新的阶梯过程。 (2)
由于
其中
有了阶梯过程后我们就考虑用阶梯过程逼近
引理 4.21 (用阶梯过程逼近任意二次可积的循序可测随机过程) 任意
,都存在一列 中的随机过程 ,使得
证明思路. 大概的思路就是对几乎一定连续的随机过程
所得的
4.2.3 Itô 积分的定义和性质
定义 4.22 考虑某个
和 中的一个阶梯过程序列 ,则有当 时,有 因此下面的极限在
存在: 这就是
的 Ito 随机积分。
可以检查这个定义是良好的:即它与收敛的序列无关。先前提到的阶梯过程的 Ito 随机积分在一般情况下也成立:
定理 4.23 对所有
以及所有 ,Ito 随机积分有下面的性质
- (线性性)
- (期望为零)
4.2.4 定义的推广
定义 4.14 定义
为所有满足下面条件的实值循序可测随机过程 :
我们可以把被积随机过程从
注释 4.15 若
,且路径 对几乎所有 连续。考虑划分 ,当其趋于零时,引理 4.9 中的 当小区间中点 取左端点时趋于 在该区间上的随机 Ito 积分。
4.2.5 不定 Itô 积分
定义 4.16 (不定 Ito 积分) 考虑
,定义其不定积分为 注意
。
下面给出不定积分的几个有用的性质,它是一个采样路径几乎一定连续的鞅。
定理 4.17 考虑
,则其不定积分 是一个鞅,且它存在一个采样路径几乎一定连续的版本。
以后我们在提到
