Lévy過程

同義語:Levy過程レヴィ過程Lévy 過程Lévy processLevy process

概要

Lévy過程(Lévy process)とは、$0$ から出発し、独立で定常な増分をもち、右連続で左極限をもつ道をとる確率過程である。ランダムウォークの連続時間版で、Brown 運動、Poisson 過程、複合 Poisson 過程、安定過程を含む。その分布はドリフト、Gauss 部分の共分散、跳びの測度の 3 つ組でちょうど分類され、これが無限分解可能な分布の Lévy–Khintchine の公式である。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: Brown運動, Poisson過程, 特性関数(確率論), マルチンゲール

Lévy 過程(Lévy process)は、$0$ から出発し、独立で定常な増分をもち、右連続で左極限をもつ道をとる確率過程である。ランダムウォーク $S_n=X_1+\dots+X_n$ の時刻を連続にしたものと考えればよい。Brown運動 と Poisson過程 がその両極端の例で、連続な揺らぎと跳びである。
この記事の中心は Lévy–Khintchine の公式(thm-levy-lk)である。Lévy 過程の分布は、ドリフト $b$、Gauss 部分の共分散 $A$、跳びの測度 $\nu$ の 3 つ組でちょうど分類される。公式の証明はそのまま過程の構成になっていて、Lévy 過程が「Brown 運動と、跳びの大きさごとに独立な Poisson過程 の重ね合わせ」であることを見せる。

定義

$\xi\cdot x$ は $\mathbb{R}^d$ の標準内積、$\lvert x\rvert$ はそのノルムである。

Lévy 過程

確率空間の上の $\mathbb{R}^d$ 値確率過程 $X=(X_t)_{t\ge0}$ が次を満たすとき、Lévy 過程という。

  1. $X_0=0$(確率 $1$ で)。
  2. 独立増分:$0\le t_0 < t_1 < \dots < t_n$ なら $X_{t_1}-X_{t_0},\dots,X_{t_n}-X_{t_{n-1}}$ は独立である。
  3. 定常増分:$X_{t+h}-X_t$ の分布は $h\ge0$ だけで決まり、$t$ によらない。
  4. 確率連続性:任意の $\varepsilon>0$ で $\lim_{h\downarrow0}P(\lvert X_h\rvert>\varepsilon)=0$ である。
  5. 確率 $1$ で、道 $t\mapsto X_t$ は右連続で各点で左極限をもつ(càdlàg)。

5 を仮定すれば 4 は右連続性から従う。文献によっては 1–4 だけを定義とするが、その場合は 5 を満たす修正が存在する(Sch16 Definition 2.1 の後の注意。この記事では証明しない)。4 の下で $t\mapsto X_t$ は各点で確率連続だが、これは道の連続性ではない。実際 Poisson過程 は跳ぶ。各時刻を固定すれば、そこで跳ぶ確率が $0$ だということである。

無限分解可能な分布

$\mathbb{R}^d$ の上の確率測度 $\mu$ が無限分解可能であるとは、各 $n\ge1$ について確率測度 $\mu_n$ で $\mu_n^{*n}=\mu$($n$ 回の畳み込み)となるものがあることをいう(無限分解可能分布)。

確率変数でいえば、$Z$ が各 $n$ で $n$ 個の独立同分布の和に書けることである。

特性指数

$X$ を Lévy 過程とし、$\varphi_t(\xi):=E[e^{i\xi\cdot X_t}]$ とおく。

  1. $X_1$ の分布は無限分解可能である。
  2. 連続関数 $\eta\colon\mathbb{R}^d\to\mathbb{C}$ で $\eta(0)=0$、すべての $t\ge0$ で $\varphi_t=e^{t\eta}$ となるものがただ 1 つある。これを特性指数という。
  3. $X$ の有限次元分布は $\eta$ で決まり、$\eta$ は $X_1$ の分布で決まる。
半群の性質と根の連続性

$X_1=\sum_{k=1}^n(X_{k/n}-X_{(k-1)/n})$ は独立同分布の和なので 1 が従う。
2 を示す。独立増分と定常増分から $\varphi_{s+t}=\varphi_s\varphi_t$ である。確率連続性から $t\mapsto\varphi_t(\xi)$ は連続である。$\xi$ を固定すると $\varphi_0(\xi)=1$ なので、ある $t_0>0$ で $[0,t_0]$ の上で $\varphi_t(\xi)\ne0$ である。任意の $t$ について $t/n\le t_0$ となる $n$ をとると $\varphi_t(\xi)=\varphi_{t/n}(\xi)^n\ne0$ である。
$\varphi_1$ は $\mathbb{R}^d$ の上で連続で零点をもたず $\varphi_1(0)=1$ なので、連続な対数 $\eta$ で $\eta(0)=0$ となるものがただ 1 つある($\mathbb{R}^d$ は単連結)。$q\ge1$ について $\varphi_{1/q}e^{-\eta/q}$ は $\xi$ について連続で、値は $1$ の $q$ 乗根に限られ、$\xi=0$ で $1$ である。よって恒等的に $1$ である。ゆえに有理数の $t\ge0$ で $\varphi_t=e^{t\eta}$ で、$t$ についての連続性からすべての $t$ で成り立つ。
3:$0=t_0 < \dots < t_n$ に対し、増分の結合特性関数は $\prod_je^{(t_j-t_{j-1})\eta(\xi_j)}$ である。$\eta$ が $\varphi_1$ で決まることは構成のとおりである。$\square$

複合 Poisson 過程

$\nu$ を $\mathbb{R}^d\setminus\{0\}$ の上の有限測度、$\lambda=\nu(\mathbb{R}^d)>0$、$N$ を強度 $\lambda$ の Poisson過程、$Y_1,Y_2,\dots$ を分布 $\nu/\lambda$ の独立同分布で $N$ と独立なものとする。$C_t:=\sum_{k=1}^{N_t}Y_k$ は Lévy 過程で、
$$ E[e^{i\xi\cdot C_t}]=\exp\Bigl(t\int(e^{i\xi\cdot x}-1)\,\nu(dx)\Bigr) $$
である。さらに $\int\lvert x\rvert^2d\nu< \infty$、$m:=\int x\,d\nu$ なら、$C_t-tm$ はマルチンゲールで $E\lvert C_t-tm\rvert^2=t\int\lvert x\rvert^2d\nu$ である。

$\psi$ を $Y_1$ の特性関数とする。$N$ で条件づけると $E[e^{i\xi\cdot C_t}]=\sum_n e^{-\lambda t}\frac{(\lambda t)^n}{n!}\psi(\xi)^n=e^{\lambda t(\psi(\xi)-1)}$ で、$\lambda(\psi-1)=\int(e^{i\xi\cdot x}-1)d\nu$ である。増分についても $N$ で条件づけて、$N$ の独立定常増分を使えば、結合特性関数が積に分かれる。道は階段状で càdlàg である。
後半:$E\lvert\sum_{k\le n}Y_k\rvert^2=nE\lvert Y_1\rvert^2+n(n-1)\lvert EY_1\rvert^2$ と $E[N_t(N_t-1)]=(\lambda t)^2$ から $E\lvert C_t\rvert^2=\lambda tE\lvert Y_1\rvert^2+(\lambda t)^2\lvert EY_1\rvert^2$ で、$E[C_t]=\lambda tEY_1=tm$ である。増分は平均 $0$ に中心化すれば独立なのでマルチンゲールである。$\square$

Lévy–Khintchine の公式

Lévy の 3 つ組

$b\in\mathbb{R}^d$、$d$ 次の半正定値対称行列 $A$、$\mathbb{R}^d$ の上の測度 $\nu$ で $\nu(\{0\})=0$、$\int(\lvert x\rvert^2\wedge1)\,\nu(dx)< \infty$ を満たすものの組 $(b,A,\nu)$ を Lévy の 3 つ組といい、$\nu$ を Lévy 測度という。これに対し
$$ \eta_{b,A,\nu}(\xi)=ib\cdot\xi-\frac12\,\xi\cdot A\xi+\int\bigl(e^{i\xi\cdot x}-1-i\xi\cdot x\,\mathbf{1}_{\{\lvert x\rvert< 1\}}\bigr)\,\nu(dx) $$
と定める。被積分関数は $\lvert x\rvert< 1$ で $\frac12\lvert\xi\rvert^2\lvert x\rvert^2$ 以下、$\lvert x\rvert\ge1$ で $2$ 以下なので、積分は絶対収束する。

打ち切りの関数 $\mathbf{1}_{\{\lvert x\rvert<1\}}$ は規約で、別の関数に替えると $b$ だけが変わる。Dur19 Theorem 3.9.6 は $d=1$ で $x/(1+x^2)$ の形を使う。

Lévy–Khintchine の公式
  1. $\mu$ が $\mathbb{R}^d$ の上の無限分解可能な分布なら、その特性関数は零点をもたず、ただ 1 つの 3 つ組により $\exp\eta_{b,A,\nu}$ と書ける。
  2. 逆に、任意の 3 つ組 $(b,A,\nu)$ に対し、$E[e^{i\xi\cdot X_t}]=e^{t\eta_{b,A,\nu}(\xi)}$ となる Lévy 過程 $X$ がある。
  3. とくに、Lévy 過程の有限次元分布の全体、無限分解可能な分布の全体、3 つ組の全体は、$X\mapsto X_1$ の分布 $\mapsto(b,A,\nu)$ で 1 対 1 に対応する。

3 は 1・2 と prop-levy-exponent から従う。2 を先に示す。

主張 2:跳びを大きさで分けて足す

$A=\sigma\sigma^{\mathsf T}$ とし、$W$ を $d$ 次元の標準 Brown 運動とする。$U_0=\{\lvert x\rvert\ge1\}$、$U_k=\{2^{-k}\le\lvert x\rvert< 2^{1-k}\}$($k\ge1$)とおき、$\nu_k=\nu|_{U_k}$ とする。$\nu_k$ は有限測度である。prop-levy-cpp で、$\nu_k$ を跳びの測度とする複合 Poisson 過程 $C^k$ を、$W$ も含めて互いに独立にとる($\nu_k=0$ なら $C^k=0$)。$k\ge1$ について $Z^k_t=C^k_t-t\int x\,d\nu_k$ とおく。
$M^n=\sum_{k=1}^nZ^k$ は càdlàg なマルチンゲールである。$m < n$ と $T>0$ について、Doobの極大不等式 の $L^2$ の形を時刻の有限集合に当て、右連続性で上限へ移ると
$$ E\sup_{s\le T}\lvert M^n_s-M^m_s\rvert^2\le4E\lvert M^n_T-M^m_T\rvert^2=4T\sum_{m< k\le n}\int\lvert x\rvert^2d\nu_k $$
である。右辺は $\int_{\lvert x\rvert<1}\lvert x\rvert^2d\nu< \infty$ から $m,n\to\infty$ で $0$ に行く。部分列をとれば、$M^n$ は確率 $1$ で各 $[0,T]$ の上で一様収束する。極限 $M$ は càdlàg である。
$X_t:=bt+\sigma W_t+C^0_t+M_t$ とおく。独立増分と定常増分は結合特性関数の極限で保たれる。独立な部分の特性関数の積と優収束定理により
$$ E[e^{i\xi\cdot X_t}]=\exp\Bigl(t\Bigl(ib\cdot\xi-\tfrac12\xi\cdot A\xi+\int_{U_0}(e^{i\xi\cdot x}-1)\,d\nu+\int_{\lvert x\rvert< 1}(e^{i\xi\cdot x}-1-i\xi\cdot x)\,d\nu\Bigr)\Bigr) $$
である。これが $e^{t\eta_{b,A,\nu}(\xi)}$ である。$\square$

$\int_{\lvert x\rvert<1}\lvert x\rvert\,d\nu=\infty$ のとき、小さい跳びの和そのものは収束しない。平均を引くこと(補償)によって 2 乗平均で収束する。これが公式の打ち切りの項の意味である。

主張 1 の存在:畳み込みの根の極限

零点がない。 $\xi$ を固定して $\mu$ を $\xi$ 方向へ射影すれば $d=1$ に帰着する。$\varphi$ を $\mu$ の、$\varphi_n$ を $\mu_n$ の特性関数とすると、$\lvert\varphi_n\rvert^2=\lvert\varphi\rvert^{2/n}$ は特性関数で、$n\to\infty$ の極限は $\{\varphi\ne0\}$ の上で $1$、$\{\varphi=0\}$ の上で $0$ である。この極限は $0$ の近くで $1$ なので、特性関数(確率論) の定理「Lévy の連続性定理」により特性関数であり、連続である。値が $\{0,1\}$ で $0$ で $1$ だから恒等的に $1$ である。
根の極限。 $\eta$ を $\varphi$ の連続な対数で $\eta(0)=0$ とする。prf-levy-exponent と同じ議論で $\varphi_n=e^{\eta/n}$ である。$m_n:=n\mu_n$ とおくと、
$$ \psi_n(\xi):=\int(e^{i\xi\cdot x}-1)\,m_n(dx)=n(e^{\eta(\xi)/n}-1)\to\eta(\xi) $$
は広義一様収束である。
緊密性。 $G(x):=2^{-d}\int_{[-1,1]^d}(1-\cos\zeta\cdot x)\,d\zeta=1-\prod_j\frac{\sin x_j}{x_j}$ とおく。$G$ は $x\ne0$ で正、$x\to0$ で $\lvert x\rvert^2/6$ に漸近し、$\lvert x\rvert\to\infty$ で $1$ に近づくので、定数 $c>0$ で $G(x)\ge c(\lvert x\rvert^2\wedge1)$ である。$r>0$ について
$$ \int G(rx)\,m_n(dx)=2^{-d}\int_{[-1,1]^d}\bigl(-\operatorname{Re}\psi_n(r\zeta)\bigr)\,d\zeta\to a(r):=2^{-d}\int_{[-1,1]^d}\bigl(-\operatorname{Re}\eta(r\zeta)\bigr)\,d\zeta $$
であり、$r\to0$ で $a(r)\to0$ である。$\rho_n(dx):=(\lvert x\rvert^2\wedge1)\,m_n(dx)$ とおくと、$r=1$ から全質量は有界で、$R\ge1$ について $\rho_n(\lvert x\rvert\ge R)\le c^{-1}\int G(x/R)\,dm_n\to c^{-1}a(1/R)$ である。ゆえに $(\rho_n)$ は緊密で、全質量で割って Prokhorovの定理 を当てると、部分列が有限測度 $\rho$ に弱収束する。
極限の分解。 $\chi\colon\mathbb{R}^d\to[0,1]$ を連続で、$\lvert x\rvert\le1$ で $1$、$\lvert x\rvert\ge2$ で $0$ とする。$x\ne0$ で
$$ k_\xi(x):=\frac{e^{i\xi\cdot x}-1-i\xi\cdot x\,\chi(x)+\frac12(\xi\cdot x)^2\chi(x)}{\lvert x\rvert^2\wedge1} $$
とし、$k_\xi(0)=0$ とすると、$k_\xi$ は有界連続である($0$ の近くで $O(\lvert x\rvert)$)。$b_n=\int x\chi\,dm_n$、$q_n(\xi)=\int(\xi\cdot x)^2\chi\,dm_n$ とおくと
$$ \psi_n(\xi)=i\xi\cdot b_n-\frac12q_n(\xi)+\int k_\xi\,d\rho_n $$
である。部分列に沿って最後の項は $\int_{x\ne0}k_\xi\,d\rho$ に収束する。$\nu(dx):=(\lvert x\rvert^2\wedge1)^{-1}\mathbf{1}_{\{x\ne0\}}\rho(dx)$ とおくと、$\nu$ は def-levy-triplet の条件を満たす。左辺も収束するので、実部と虚部から、$q_n$ は半正定値の 2 次形式 $q$ に、$b_n$ は $b'$ に収束する。
$Q(\xi):=\int(\xi\cdot x)^2\chi\,d\nu$ は有限な 2 次形式である。連続関数 $\theta_\delta$ で、$0$ の近くで $0$、$\lvert x\rvert\ge\delta$ で $1$、値が $[0,1]$ のものをとると、$(\xi\cdot x)^2\chi(x)/(\lvert x\rvert^2\wedge1)\cdot\theta_\delta$ は有界連続で、$q_n$ の被積分関数以下である。極限をとり $\delta\downarrow0$ として $q\ge Q$ を得る。$\xi\cdot A\xi:=q(\xi)-Q(\xi)$ とおくと $A$ は半正定値で、
$$ \eta(\xi)=ib'\cdot\xi-\frac12\xi\cdot A\xi+\int(e^{i\xi\cdot x}-1-i\xi\cdot x\,\chi(x))\,d\nu $$
である。$b:=b'+\int x(\mathbf{1}_{\{\lvert x\rvert< 1\}}-\chi(x))\,d\nu$(被積分関数の台は $1\le\lvert x\rvert\le2$ で、$\nu$ はそこで有限)とおけば $\eta=\eta_{b,A,\nu}$ である。$\square$

主張 1 の一意性

$A$ は $\eta$ の無限遠の増大から、$\nu$ は $\eta$ の平均との差の Fourier 変換から読める。$\eta=\eta_{b,A,\nu}$ とする。$\lvert e^{isu}-1-isu\rvert/s^2\le u^2/2$ と、$\lvert x\rvert\ge1$ での被積分関数が $2/s^2$ 以下であることから、優収束定理で $\lim_{s\to\infty}s^{-2}\eta(s\xi)=-\frac12\xi\cdot A\xi$ である。よって $A$ は $\eta$ で決まる。$\theta:=\eta+\frac12\xi\cdot A\xi$ とおく。$\zeta\in[-1,1]^d$ で平均すると、$\zeta$ について奇の項が消えて $2^{-d}\int_{[-1,1]^d}\bigl(\theta(\xi)-\theta(\xi+\zeta)\bigr)\,d\zeta=\int e^{i\xi\cdot x}G(x)\,\nu(dx)$ である(Fubini の定理は被積分関数が $C(\lvert x\rvert^2\wedge1)$ で抑えられることから使える)。右辺は有限測度 $G\nu$ の特性関数で、特性関数は測度を決めるので(特性関数(確率論) の系「特性関数は分布を決める」の多次元の形)$G\nu$ が決まり、$G>0$($x\ne0$)から $\nu$ が決まる。最後に $b$ も決まる。$\square$

thm-levy-lk の 2 と 1 を合わせると、def-levy-main の 5 を満たす過程の分布の全体が 3 つ組で尽くされる。無限分解可能な分布の特徴づけ自体は Dur19 Theorem 3.9.6 が主張を述べ、Lévy 過程の側からは Sch16 Theorem 6.8・Theorem 7.5・Corollary 9.13 が扱う。

Lévy–伊藤分解

prf-levy-lk-construct は 3 つ組から過程を作った。逆に、与えられた Lévy 過程の道の跳びから 3 つ組の $\nu$ を読み取れる。$\Delta X_s:=X_s-X_{s-}$ とし、$0$ を閉包に含まない Borel 集合 $U$ について $N_t(U):=\#\{s\le t:\Delta X_s\in U\}$ とおく。

Lévy–伊藤分解

$X$ を 3 つ組 $(b,A,\nu)$ の Lévy 過程とする。

  1. $N_t(U)$ は強度 $\nu(U)$ の Poisson過程 である。$U,U'$ が交わらなければ、$U,U'$ の中の跳びの和と、$X$ からそれらを除いた残りは独立である。
  2. 連続な Lévy 過程 $G$ で $E[e^{i\xi\cdot G_t}]=e^{-t\xi\cdot A\xi/2}$ となるものがあり、確率 $1$ で
    $$ X_t=bt+G_t+\int_{\lvert x\rvert\ge1}x\,N_t(dx)+\lim_{\varepsilon\downarrow0}\Bigl(\int_{\varepsilon\le\lvert x\rvert< 1}x\,N_t(dx)-t\int_{\varepsilon\le\lvert x\rvert< 1}x\,\nu(dx)\Bigr) $$
    となる。極限は各 $[0,T]$ の上で一様に $L^2$ 収束し、右辺の第 2、第 3、第 4 項は独立である。
所在

この記事ではこの定理を証明しない(Sch16 Theorem 9.7・Theorem 9.9・Theorem 9.12)。名前の伊藤は伊藤清である。

$\nu(U)$ は「単位時間あたりに $U$ の中の大きさの跳びが起こる回数の平均」である。分解から次の読み方ができる。

  • $\nu=0$ なら $X_t=bt+G_t$ で道は連続である。逆に、連続な道の Lévy 過程はこの形に限る(Sch16 Theorem 8.4)。
  • $\nu$ が有限で $A=0$ なら、$X$ はドリフトと複合 Poisson 過程の和で、有限時間の跳びは有限個である。
  • $A=0$、$\int_{\lvert x\rvert<1}\lvert x\rvert\,d\nu< \infty$ なら、$E\sum_{s\le t}\lvert\Delta X_s\rvert\mathbf{1}_{\{\lvert\Delta X_s\rvert<1\}}=t\int_{\lvert x\rvert<1}\lvert x\rvert\,d\nu< \infty$ なので、跳びの和が絶対収束し、道は有界変動である。$\nu$ は無限でもよい。

生成作用素

Lévy 過程の生成作用素

$X$ を 3 つ組 $(b,A,\nu)$ の Lévy 過程、$f$ を $\mathbb{R}^d$ の Schwartz 関数とし、$T_tf(x):=E[f(x+X_t)]$ とおく。$t\downarrow0$ で $(T_tf-f)/t$ は一様に次の $Lf$ に収束する。
$$ Lf(x)=b\cdot\nabla f(x)+\frac12\sum_{j,k}A_{jk}\partial_j\partial_kf(x)+\int\bigl(f(x+y)-f(x)-y\cdot\nabla f(x)\mathbf{1}_{\{\lvert y\rvert< 1\}}\bigr)\,\nu(dy) $$

Fourier 変換での掛け算

$f(x)=(2\pi)^{-d}\int e^{i\xi\cdot x}\hat f(\xi)\,d\xi$ を代入し Fubini の定理を使うと $T_tf(x)=(2\pi)^{-d}\int e^{i\xi\cdot x}e^{t\eta(\xi)}\hat f(\xi)\,d\xi$ である。$\lvert e^{t\eta}\rvert\le1$ から $\operatorname{Re}\eta\le0$ で、$\operatorname{Re}z\le0$ なら $\lvert e^z-1-z\rvert\le\lvert z\rvert^2/2$ である。def-levy-triplet の評価から $\lvert\eta(\xi)\rvert\le C(1+\lvert\xi\rvert^2)$ なので、
$$ \sup_x\Bigl\lvert\frac{T_tf(x)-f(x)}t-(2\pi)^{-d}\int e^{i\xi\cdot x}\eta(\xi)\hat f(\xi)\,d\xi\Bigr\rvert\le\frac{t}{2(2\pi)^d}\int\lvert\eta\rvert^2\lvert\hat f\rvert\,d\xi\to0 $$
である。極限に $\eta=\eta_{b,A,\nu}$ を代入し、$\nu$ と $\xi$ の積分を入れ替えれば、$e^{i\xi\cdot y}$ が平行移動、$i\xi$ が $\nabla$ にあたるので $Lf$ になる。$\square$

$\nu=0$ なら $L$ は定数係数の 2 階の微分作用素で、Brown 運動では $\frac12\Delta$ である。$\nu\ne0$ なら $Lf(x)$ は $x$ の近くの $f$ だけでは決まらず、$L$ は非局所的である。Sch16 Theorem 6.8 は、逆にこの形から Lévy–Khintchine の公式を導いている。

例

$d=1$ の代表的な例を並べる。

過程$b$$A$$\nu$$\eta(\xi)$道
Brown運動$0$$1$$0$$-\xi^2/2$連続
強度 $\lambda$ の Poisson過程$0$$0$$\lambda\delta_1$$\lambda(e^{i\xi}-1)$跳びの大きさ $1$
複合 Poisson 過程(prop-levy-cpp)$\int_{\lvert x\rvert<1}x\,d\nu$$0$有限測度$\int(e^{i\xi x}-1)\,d\nu$階段状
対称 $\alpha$ 安定過程($0 < \alpha < 2$)$0$$0$$c\lvert x\rvert^{-1-\alpha}dx$$-\kappa\lvert\xi\rvert^\alpha$跳びが稠密
Gamma 過程$1-e^{-1}$$0$$x^{-1}e^{-x}\mathbf{1}_{\{x>0\}}dx$$-\log(1-i\xi)$単調増加
対称安定過程

$0 < \alpha < 2$、$c>0$、$\nu(dx)=c\lvert x\rvert^{-1-\alpha}dx$ とする。$\int(x^2\wedge1)\,d\nu< \infty$ である。$\nu$ が対称なので奇の項が消え、$u=\lvert\xi\rvert x$ と置換して
$$ \eta(\xi)=2c\int_0^\infty(\cos\xi x-1)\,x^{-1-\alpha}\,dx=-\kappa\lvert\xi\rvert^\alpha,\qquad\kappa=2c\int_0^\infty(1-\cos u)\,u^{-1-\alpha}\,du\in(0,\infty) $$
である。$\alpha=1$ なら $\int_0^\infty(1-\cos u)u^{-2}du=\pi/2$ なので $\kappa=\pi c$ で、$c=1/\pi$ のとき $X_1$ は標準 Cauchy分布 に従う(特性関数(確率論) の例「Cauchy 分布の特性関数」)。特性関数から、任意の $a>0$ で $(X_{at})_t$ と $(a^{1/\alpha}X_t)_t$ の有限次元分布は等しい(自己相似性)。$e^{-\kappa\lvert\xi\rvert^\alpha}$ は $\xi=0$ で 2 回微分できないので、$X_1$ の分散は無限大である(特性関数(確率論) の定理「積率と微分」)。$\alpha=2$ の形は Brown運動 にあたるが、こちらは $A$ の項で、$\nu$ の項ではない。
裾が $x^{-\alpha}$ の程度の独立同分布の和を、適切に中心化して割った極限に現れるのが安定分布で、分散が無限大の場合の 中心極限定理 にあたる(Dur19 Theorem 3.8.2)。

Gamma 過程と初到達時刻

$\nu(dx)=x^{-1}e^{-x}\mathbf{1}_{\{x>0\}}dx$ とすると $\nu(0,\infty)=\infty$ だが $\int_0^1x\,d\nu=1-e^{-1}< \infty$ である。Frullani積分 $\int_0^\infty(1-e^{-\lambda x})x^{-1}e^{-x}dx=\log(1+\lambda)$ から、3 つ組 $(1-e^{-1},0,\nu)$ の過程は $E[e^{-\lambda X_t}]=(1+\lambda)^{-t}$ を満たす。$X_t$ は ガンマ分布 に従い、$X_1$ は平均 $1$ の指数分布である。道は単調増加で、任意の区間に無限個の跳びをもつ。
もう 1 つ、Brown運動 の水準 $a\ge0$ への初到達時刻 $T_a$ は、$a$ を時刻と見ると増加する Markov 過程で、推移密度は $a$ だけの増分の形をもつ(MP10 Theorem 2.35、指数 $\frac12$ の安定な増加過程)。右連続な版 $T_{a+}$ は Lévy 過程である。Lévy 測度は $(2\pi)^{-1/2}x^{-3/2}\mathbf{1}_{\{x>0\}}dx$ である。実際 $\int_0^\infty(1-e^{-\lambda x})(2\pi)^{-1/2}x^{-3/2}dx=\sqrt{2\lambda}$ で、$E[e^{-\lambda T_a}]=e^{-a\sqrt{2\lambda}}$ と合う。

反例

def-levy-main の条件と 3 つ組の条件は、それぞれ次の例で満たされない。

外す条件反例成り立たなくなること
定常増分$X_t=B_{t^2}$$\varphi_t=e^{-t^2\xi^2/2}$ は $e^{t\eta}$ の形でない
独立増分$X_t=tZ$、$Z\sim N(0,1)$定常増分はあるが、$\varphi_t=e^{-t^2\xi^2/2}$ で同じく指数でない
確率連続性不連続な加法的関数 $f$ で $X_t=f(t)$1–3 は成り立つが $\varphi_t=e^{i\xi f(t)}$ は $e^{t\eta}$ でない
道の正則性$X_t=B_t+\mathbf{1}_{\{t=U\}}$、$U$ は $B$ と独立な指数分布1–4 は成り立つが càdlàg でない。有限次元分布は Brown 運動と同じ
無限分解可能性$X_1$ が有界で定数でない分布(Bernoulli 分布、一様分布)その分布を $X_1$ にもつ Lévy 過程はない
$\int(\lvert x\rvert^2\wedge1)\,d\nu< \infty$$\nu(dx)=x^{-3}\mathbf{1}_{(0,1)}(x)\,dx$$\xi\ne0$ で積分が発散し、$\eta$ が定まらない
$A$ の半正定値性$d=1$、$A=-1$、$b=0$、$\nu=0$$e^{t\xi^2/2}$ は有界でなく特性関数でない
反例の確かめ

主な行を確かめる。

主な行の確かめを開く

定常増分の行:$B_{t^2}-B_{s^2}\sim N(0,t^2-s^2)$ は独立増分で連続だが、分散が $t-s$ の関数でない。

独立増分の行:$X_{t+h}-X_t=hZ$ の分布は $h$ だけで決まる。$X_1$ と $X_2-X_1$ はともに $Z$ なので独立でない。

確率連続性の行:Hamel 基底で作る $\mathbb{Q}$ 線形な $f\colon\mathbb{R}\to\mathbb{R}$ で線形でないものをとる。確定した関数なので独立増分で、$X_{t+h}-X_t=f(h)$ から定常増分である。$h\downarrow0$ で $f(h)\to0$ なら $f$ は連続で線形になるので、4 は満たされない。

道の正則性の行:各 $t$ で $P(U=t)=0$ なので $X$ は $B$ の修正で、有限次元分布は同じである。道は時刻 $U$ で右連続でない。5 が分布の性質ではなく版の選び方の性質であることを示す。

無限分解可能性の行:$\lvert Z\rvert\le M$ で $Z=Y_1+\dots+Y_n$(独立同分布)とする。$P(Y_1>M/n)>0$ なら $P(Z>M)>0$ となるので $\lvert Y_1\rvert\le M/n$ である。$\mathrm{Var}(Z)=n\mathrm{Var}(Y_1)\le M^2/n\to0$ から $Z$ は定数である。

$\nu$ の行:$\int_0^1(1-\cos\xi x)x^{-3}dx=\infty$ である。$1-\cos\xi x\sim\xi^2x^2/2$ だからである。

関連項目

参考文献

[1]
René L. Schilling, An Introduction to Lévy and Feller Processes, From Lévy-Type Processes to Parabolic SPDEs, Advanced Courses in Mathematics – CRM Barcelona, Birkhäuser (2016); arXiv:1603.00251, 2016, Definition 2.1 と Remark 2.2 の後の注意、Theorem 6.8、Theorem 7.5、Theorem 8.4、Theorem 9.7、Theorem 9.9、Theorem 9.12、Corollary 9.13

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する