隨機積分與伊藤微積分

布朗運動的李維刻畫(Levy's characterization)

/ lev-EE (Lévy) /

李維刻畫是一個出人意料且強而有力的辨識定理:它說你能僅憑兩個抽象的鞅性質就認出布朗運動,完全不必檢驗增量是高斯且獨立的。這正是布朗運動在隨機微積分運算下穩健的原因——若某變換產生一個具正確二次變差的連續鞅,它就必定是布朗運動,無論它是怎麼造出來的。它是「(dB)^2 = dt」的逆向,也是一項基石性的證明技巧。

定理陳述:若 M 是連續局部鞅、M_0 = 0、且對所有 t 二次變差 [M]_t = t,則 M 是標準布朗運動。多維版本:若 M = (M^1, ..., M^d) 是連續局部鞅向量,M^i_0 = 0 且二次協變差 [M^i, M^j]_t = delta_{ij} t(每個分量的時鐘為 t、不同分量正交),則 M 是 d 維標準布朗運動。證明是伊藤公式一個漂亮的一行應用:固定 theta 屬於 R^d,把伊藤用於複指數 exp(i theta . M_t + (1/2) |theta|^2 t);(dB)^2 = dt 的修正恰好抵消時間漂移,顯示這是局部鞅,故(經一致可積檢驗後)是真正的鞅,這逼出 E[exp(i theta . (M_t - M_s)) | F_s] = exp(-(1/2)|theta|^2 (t - s))。這恰是「增量與過去獨立且服從 N(0, (t-s) I) 分配」的陳述——布朗運動的定義性質。

它的威力在於把「我有一個具正確括號的連續鞅」升級為「我有一個布朗運動」。它是丹比斯-杜賓斯-施瓦茨定理(每個連續局部鞅都是時間變換後的布朗運動,時間變換即其自身的 [M])背後的引擎,是吉爾薩諾夫定理(移位後的過程仍是布朗運動,因它是括號為 t 的連續鞅)背後的引擎,也是證明正交變換與布朗運動某些泛函仍是布朗運動的工具。不可捨棄的誠實提醒:(1) 連續性不可或缺——補償卜瓦松過程 N_t - lambda t 是鞅卻非布朗運動,但它不連續,且其二次變差確為 N_t(一個跳躍過程)而非確定的 t。(2) 括號必須恰為 t(確定且線性);二次變差 [M]_t 為其他遞增過程的連續鞅,是時間變換後而非標準的布朗運動。(3) 在多維中,i != j 時的正交性 [M^i, M^j] = 0 正是使分量成為獨立布朗運動的條件;沒有它便得到相關的高斯過程。

令 B 為布朗運動,定義 M_t = integral_0^t sign(B_s) dB_s。則 M 是連續局部鞅(一個伊藤積分),且 [M]_t = integral_0^t sign(B_s)^2 ds = integral_0^t 1 ds = t。由李維刻畫,M 本身就是標準布朗運動——儘管它是用一個不尋常的積分從 B 製造出來的。(此 M 正是田中局部時公式中出現的那個布朗運動。)

括號為 t 的連續鞅自動是布朗運動,無論它如何建構——這就是李維定理的辨識威力。

兩個假設缺一不可:去掉連續性,補償卜瓦松過程便是反例;把括號從 t 改為一般遞增過程,得到的是時間變換後而非標準的布朗運動。

又稱
Levy's theoremmartingale characterization of Brownian motion李維刻畫定理布朗運動的鞅刻畫