隨機積分與伊藤微積分

伊藤積分的建構(construction of the Ito integral)

/ EE-toh /

伊藤積分的建構回答了第一冊只能略述的問題:給定布朗運動 B 與一個可料、平方可積的過程 H,當積分子的路徑具無界變差、禁止任何逐路徑的黎曼-斯蒂爾傑斯定義時,integral_0^T H_s dB_s 究竟是什麼?答案是一個 L^2 極限,而非逐路徑極限,整套建構正是泛函分析中「先在稠密子空間上定義,再以連續性擴展」策略的乾淨範例,而伊藤等距提供了連續性。

建構分三個樂章進行。第一,在簡單可料積分子上,以明確的有限和 integral_0^T H dB = sum_k xi_k (B_{t_{k+1}} - B_{t_k}) 定義積分;這毫無歧義且不需任何極限。第二,在此類別上驗證伊藤等距:E[ (integral_0^T H dB)^2 ] = E[ integral_0^T H_s^2 ds ],故積分是從簡單積分子到機率空間 L^2 的線性等距。第三,援引稠密性與完備性:簡單可料過程在滿足 E[integral_0^T H^2 ds] < infinity 的可料過程希爾伯特空間 H^2 中稠密,而機率空間的 L^2 完備;定義在度量空間稠密子空間上的等距,可唯一地擴展為整個空間上的連續(實則等距)映射。具體地,給定任何 H 屬於 H^2,取簡單的 H^(n) -> H(於 H^2 中);等距使 integral H^(n) dB 成為 L^2 中的柯西序列,其極限依定義即為 integral H dB,且極限不依賴於逼近序列。然後把積分定義為一個過程,對所有 t 的 integral_0^t H dB,並驗證它可取為對 t 連續。

在平方可積之外,還可藉局部化進一步擴展:若 H 僅是可料且幾乎必然 integral_0^T H_s^2 ds < infinity(不要求期望有限),便在 H^2 的累積積分首次達到 n 的時刻 tau_n 停止,在每段上套用 L^2 理論,再縫合結果;所得的隨機積分是連續局部鞅而非真正的鞅。建構所贏得的性質正是處處被使用的那些:對 H 的線性、積分是從 0 出發的連續(局部)鞅、伊藤等距(在 L^2 情形)、以及二次變差 [integral H dB]_t = integral_0^t H_s^2 ds。誠實的提醒:伊藤積分是定義到不可區分為止的等價類,收斂是 L^2 的(或局部化後依機率的)而非逐路徑的,且 H 的可料性在每一步都不可或缺——這與你由天真的逐路徑斯蒂爾傑斯積分所得的物件不同,後者在此根本不存在。

要定義 integral_0^T B_s dB_s,用簡單積分子 H^(n)_s = B_{t_k}(於網目 T/n 的 (t_k, t_{k+1}] 上)逼近連續積分子 B。則 integral H^(n) dB = sum B_{t_k}(B_{t_{k+1}} - B_{t_k}),一個簡短的代數恆等式把它改寫為 (B_T^2 - sum (B_{t_{k+1}} - B_{t_k})^2)/2。當網目縮小,增量平方之和在 L^2 中收斂到 T,因此 L^2 極限為 integral_0^T B dB = (B_T^2 - T)/2——多出來的 -T/2 正是無界變差與左端點約定的指紋。

此建構給出 integral_0^T B dB = (B_T^2 - T)/2;普通微積分本會預測 B_T^2 / 2,而少掉的 -T/2 正是伊藤修正。

積分過程可(且按約定)取為對 t 連續,而它只有在 L^2 條件 E[integral H^2 ds] < infinity 下才是鞅;在較弱的逐路徑條件下,它僅是連續局部鞅,未必是真正的鞅。

又称
Ito integralstochastic integral with respect to Brownian motion伊藤隨機積分