Doob–Meyerの分解

同義語:Doob-Meyerの分解Doob–Meyer分解Doob-Meyer分解Doob–Meyerの分解定理Doob–Meyer decompositionDoob-Meyer decompositionDoob–Meyer theorem

概要

Doob–Meyerの分解(Doob–Meyer decomposition)とは、停止時刻での値の族が一様可積分である càdlàg な劣マルチンゲールが、マルチンゲールと、予測可能で可積分な増加過程の和にただ 1 通りに書けるという定理である。増加部分を補償子といい、Brown 運動の 2 乗では $t$、強度 $\lambda$ の Poisson 過程では $\lambda t$ になる。離散時間の Doob の分解の連続時間版で、$2$ 進の時刻の離散分解の凸結合の極限として得られる。一様可積分性を外すとマルチンゲールは局所マルチンゲールに弱まり、予測可能を外すと一意性が失われる。

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

前提知識: マルチンゲール, 局所マルチンゲール, 一様可積分性, 条件付き期待値

Doob–Meyerの分解(Doob–Meyer decomposition)は、連続時間の劣マルチンゲールを、マルチンゲールと予測可能な増加過程の和に一意に分ける定理である。離散時間の Doob の分解では、増加部分の増分を条件付き期待値で書けばよく、仮定もほとんど要らない。連続時間には「次の時刻」がないので、この式が使えない。離散化の極限をとるには、停止時刻での値の一様可積分性(クラス D)と、一意性を保証する「予測可能」という条件が必要になる。
増加部分は、過程の「傾向」を、それまでの情報から予測できる形で取り出したものである。Poisson 過程では $\lambda t$、Brown 運動の 2 乗では $t$、Brown 運動の絶対値では局所時間になる。この増加部分を補償子(compensator)という。

結果内容扱い
thm-dmd-mainクラス D の劣マルチンゲールの分解証明
prop-dmd-unique分解の一意性(予測可能で有限変動なマルチンゲールは $0$)証明
thm-dmd-local一般の劣マルチンゲールの局所マルチンゲールによる分解証明
prop-dmd-nonneg非負の右連続な劣マルチンゲールはクラス DL証明
ex-dmd-no-class-dクラス D を外すと真のマルチンゲールでは分解できない証明

定義

確率空間 $(\Omega,\mathcal F,P)$ の上の増大する $\sigma$-代数の族 $(\mathcal F_t)$ を固定し、右連続で $\mathcal F_0$ が零集合をすべて含むと仮定する。càdlàg とは、経路が右連続で各点で左極限をもつことをいう。過程の等号は、経路全体が確率 $1$ で一致するという意味である。

予測可能過程

$\Omega\times(0,\infty)$ の上で、左連続な適合過程をすべて可測にする最小の $\sigma$-代数を予測可能 $\sigma$-代数といい、これに関して可測な過程を予測可能過程という。$s< t$、$C\in\mathcal F_s$ についての $C\times(s,t]$ の全体はこの $\sigma$-代数を生成する。

離散時間の「$A_n$ が $\mathcal F_{n-1}$ 可測」にあたる。連続な適合過程と確定した Borel 関数は予測可能である。止めても予測可能のままである。実際 $A^\tau=A\mathbf 1_{(0,\tau]}+A_\tau\mathbf 1_{(\tau,\infty)}$ で、$\mathbf 1_{(0,\tau]}$ と $A_\tau\mathbf 1_{(\tau,\infty)}$ は左連続な適合過程である($A$ が càdlàg のとき)。

クラス D とクラス DL

適合過程 $X$ がクラス D に属するとは、有限な停止時刻全体を動かした族 $\{X_\tau\}$ が一様可積分であることをいう。時刻を $[0,T]$ に限るときは $\tau\le T$ を動かす。$X$ がクラス DL に属するとは、すべての $T$ について $[0,T]$ 上でクラス D に属することをいう。

増加過程とは、càdlàg な適合過程で、経路が単調非減少で $A_0=0$ のものをいう。$E[A_T]< \infty$ のとき $[0,T]$ で可積分であるという。

定理

Doob–Meyer の分解定理

$Z=(Z_t)_{0\le t\le T}$ をクラス D に属する càdlàg な劣マルチンゲールとする。このとき
$$Z=M+A$$
となるマルチンゲール $M$ と、予測可能で可積分な増加過程 $A$ がただ 1 組存在する。

証明の組み立て

一意性は prop-dmd-unique で、存在は 2 つの補題のあとの prf-dmd-main で示す。

時刻が $\mathbb N$ なら、$A_n:=\sum_{k\le n}E[Z_k-Z_{k-1}\mid\mathcal F_{k-1}]$ が答えである(マルチンゲール の定理「Doobの分解」)。連続時間の定理は Meyer がクラス D を導入して証明し、そのときは「自然な」増加過程という条件であった。これが予測可能と同値であることは Doléans-Dade による(BSV12 §1)。
分解から、$s< t$、$C\in\mathcal F_s$ について $E[(A_t-A_s)\mathbf 1_C]=E[(Z_t-Z_s)\mathbf 1_C]$ である。また停止時刻 $\tau\le T$ について $E[A_\tau]=E[Z_\tau]-E[Z_0]$ である。形式的に書けば $dA_t=E[dZ_t\mid\mathcal F_{t-}]$ で、$A$ は「次の瞬間に平均してどれだけ増えるか」を積み上げた過程である。
クラス D の役割は次のとおりである。$2$ 進の時刻で離散の分解 $A^n$ を作ると、$E[A^n_T]=E[Z_T]-E[Z_0]$ は $n$ によらないが、$L^1$ で有界なだけでは極限に質量が残るとは限らない。クラス D は $(A^n_T)$ の一様可積分性を与え(lem-dmd-ui)、質量の逃げを防ぐ。これが成り立たない例が ex-dmd-no-class-d である。
一意性には「予測可能」が欠かせない(ex-dmd-poisson)。次の命題がその核である。

分解の一意性

$A,A'$ を $[0,T]$ の予測可能で可積分な増加過程とし、$N:=A-A'$ がマルチンゲールであるとする。このとき $N=0$ である。

跳びの符号で積分して、連続な場合に帰着する

有界な予測可能過程 $H$ について $E\int_{(0,T]}H\,dN=0$ である。$H$ を $\Delta N$ の切り捨てにとると $N$ の跳びが消える。

詳しい証明を開く

第 1 段。 $H=\mathbf 1_{C\times(s,t]}$($C\in\mathcal F_s$)なら、$\int_{(0,T]}H\,dN=\mathbf 1_C(N_t-N_s)$ の期待値は $0$ である。この形の集合は $\pi$-系をなし、予測可能 $\sigma$-代数を生成する。$\lvert\int H\,dN\rvert\le\sup\lvert H\rvert(A_T+A'_T)$ は可積分なので、$E\int H\,dN=0$ となる有界な $H$ の全体は有界単調極限で閉じたベクトル空間である。単調族定理により、すべての有界な予測可能過程 $H$ について $E\int_{(0,T]}H\,dN=0$ である。

第 2 段。 $\Delta N_s:=N_s-N_{s-}$ は、$N$ が予測可能で $N_{s-}$ が左連続な適合過程だから、予測可能である。$\varphi(x):=\max(-1,\min(x,1))$ とし、$H_s:=\varphi(\Delta N_s)$ とおく。$H$ は有界で、跳びの時刻(高々可算個)以外で $0$ である。測度 $dN$ の連続部分は可算集合を測らないので

$$\int_{(0,T]}H\,dN=\sum_{0< s\le T}\varphi(\Delta N_s)\Delta N_s\ge0$$

である。第 1 段からこの期待値は $0$ なので、確率 $1$ で $N$ は跳ばない。

第 3 段。 $N$ は連続で有限変動のマルチンゲールで $N_0=0$ である。半マルチンゲール の系「連続で有限変動な局所マルチンゲール」により $N=0$ である。$\square$

存在の証明は Beiglböck–Schachermayer–Veliyev の方法(BSV12)による。$2$ 進の時刻で離散の Doob の分解を作り、その極限を凸結合でとる。そのために 2 つの補題を用意する。

凸結合で収束する部分をとる

$(f_n)$ を確率空間上の一様可積分な関数の列とする。このとき $g_n\in\operatorname{conv}\{f_n,f_{n+1},\dots\}$ で、$(g_n)$ が $L^1$ で収束するものがある。

Hilbert 空間で最小ノルムに近い点をとり、切り捨てる

$L^2$ では中線定理で示し、切り捨てと対角線論法で $L^1$ に移す。

詳しい証明を開く

$L^2$ の場合。 Hilbert 空間の有界列 $(f_n)$ について、$a:=\sup_n\inf\{\|g\|^2\mid g\in\operatorname{conv}\{f_n,f_{n+1},\dots\}\}$ は有限である。$g_n\in\operatorname{conv}\{f_n,f_{n+1},\dots\}$ を $\|g_n\|^2\le a+1/n$ となるようにとる。$\varepsilon>0$ に対し $n$ が大きければ、$k,m\ge n$ で $(g_k+g_m)/2\in\operatorname{conv}\{f_n,\dots\}$ なので $\|(g_k+g_m)/2\|^2>a-\varepsilon$ である。中線定理から

$$\|g_k-g_m\|^2=2\|g_k\|^2+2\|g_m\|^2-\|g_k+g_m\|^2\le4\Bigl(a+\frac1n\Bigr)-4(a-\varepsilon)$$

となり、$(g_n)$ は Cauchy 列である。

$L^1$ の場合。 $f_n^{(i)}:=f_n\mathbf 1_{\{\lvert f_n\rvert\le i\}}$ とおく。$i=1$ の列に $L^2$ の場合を当て、得られた凸の重みを $i=2$ の列に使ってもう一度当てる。これをくり返して対角線論法を使うと、各 $n$ について有限個の重み $\lambda^n_n,\dots,\lambda^n_{N_n}\ge0$(和は $1$)があって、すべての $i$ について $\sum_k\lambda^n_kf_k^{(i)}$ が $n\to\infty$ で $L^2$ で収束する。一様可積分性から $\sup_n\|f_n^{(i)}-f_n\|_{L^1}\to0$($i\to\infty$)なので、凸結合についても $n$ に一様に $i\to\infty$ で近づく。よって $g_n:=\sum_k\lambda^n_kf_k$ は $L^1$ の Cauchy 列である。$\square$

$T=1$ とする。$D_n:=\{j2^{-n}\mid0\le j\le2^n\}$、$D:=\bigcup_nD_n$ とおく。$D_n$ の上の離散の Doob の分解を
$$A^n_0:=0,\quad A^n_t-A^n_{t-2^{-n}}:=E\bigl[Z_t-Z_{t-2^{-n}}\bigm|\mathcal F_{t-2^{-n}}\bigr],\quad M^n_t:=Z_t-A^n_t\qquad(t\in D_n)$$
とする。$A^n$ は増加で、$M^n$ は $D_n$ の上のマルチンゲールである。

離散近似の一様可積分性

$(A^n_1)_n$ と $(M^n_1)_n$ は一様可積分である。

増加部分が水準を超える時刻で止める

$A^n$ が $c$ を超える直前の $D_n$ の時刻で止めると、$\int_{\{A^n_1>c\}}A^n_1$ が $Z$ の停止時刻での値で抑えられる。

詳しい証明を開く

$Z$ からマルチンゲール $E[Z_1\mid\mathcal F_t]$ を引いても $A^n$ は変わらず、クラス D の仮定も保たれる。よって $Z_1=0$、$Z\le0$ としてよい。このとき $M^n_1=-A^n_1$ で、$D_n$ に値をとる停止時刻 $\tau$ について

$$Z_\tau=-E[A^n_1\mid\mathcal F_\tau]+A^n_\tau\qquad(1)$$

である。$c>0$ に対し $\tau_n(c):=\min\bigl(\inf\{(j-1)2^{-n}\mid A^n_{j2^{-n}}>c\},1\bigr)$ とおく。$A^n_{j2^{-n}}$ は $\mathcal F_{(j-1)2^{-n}}$ 可測だから、これは停止時刻である。$A^n_{\tau_n(c)}\le c$ で、$\{\tau_n(c)< 1\}=\{A^n_1>c\}$ である。(1) から

$$\int_{\{A^n_1>c\}}A^n_1\,dP=\int_{\{\tau_n(c)< 1\}}\bigl(A^n_{\tau_n(c)}-Z_{\tau_n(c)}\bigr)\,dP\le cP(\tau_n(c)< 1)-\int_{\{\tau_n(c)< 1\}}Z_{\tau_n(c)}\,dP$$

である。一方 $\{\tau_n(c)< 1\}\subset\{\tau_n(c/2)< 1\}$ で、$\{\tau_n(c)< 1\}$ の上では $A^n_1-A^n_{\tau_n(c/2)}>c/2$ だから、(1) より

$$-\int_{\{\tau_n(c/2)< 1\}}Z_{\tau_n(c/2)}\,dP=\int_{\{\tau_n(c/2)< 1\}}\bigl(A^n_1-A^n_{\tau_n(c/2)}\bigr)\,dP\ge\frac c2P(\tau_n(c)< 1)$$

である。合わせて

$$\int_{\{A^n_1>c\}}A^n_1\,dP\le-2\int_{\{\tau_n(c/2)< 1\}}Z_{\tau_n(c/2)}\,dP-\int_{\{\tau_n(c)< 1\}}Z_{\tau_n(c)}\,dP$$

を得る。$P(\tau_n(c)< 1)=P(A^n_1>c)\le E[A^n_1]/c=-E[Z_0]/c$ は $n$ に一様に $0$ に近づく。$Z$ はクラス D に属するので、右辺は $c\to\infty$ で $n$ に一様に $0$ に近づく。よって $(A^n_1)$ は一様可積分である。もとの $Z$ では $M^n_1=Z_1-A^n_1$ なので、$(M^n_1)$ も一様可積分である。$\square$

定理の存在の部分:凸結合の極限をとり、予測可能性を確かめる

一意性は prop-dmd-unique から従う。実際 $Z=M+A=M'+A'$ なら $A-A'=M'-M$ はマルチンゲールである。存在は $T=1$ で示す。
第 1 段(極限)。 $M^n_t:=E[M^n_1\mid\mathcal F_t]$ で $M^n$ を $[0,1]$ の càdlàg なマルチンゲールに延ばす。lem-dmd-ui と lem-dmd-komlos から、凸の重み $\lambda^n_n,\dots,\lambda^n_{N_n}$ があり、$\mathcal M^n:=\sum_k\lambda^n_kM^k$ について $\mathcal M^n_1\to\bar M$($L^1$)である。$M_t:=E[\bar M\mid\mathcal F_t]$ の càdlàg な版をとると、条件付き期待値の $L^1$ 縮小性から各 $t$ で $\mathcal M^n_t\to M_t$($L^1$)である。$A:=Z-M$ は càdlàg である。
$A^n$ を左連続な階段過程 $\tilde A^n:=\sum_{t\in D_n\setminus\{0\}}A^n_t\mathbf 1_{(t-2^{-n},t]}$ に延ばす(時刻 $0$ の値は $0$)。$A^n_t$ は $\mathcal F_{t-2^{-n}}$ 可測なので $\tilde A^n$ は適合している。$\mathcal A^n:=\sum_k\lambda^n_k\tilde A^k$ とおくと、これも左連続な適合過程で増加し、したがって予測可能である。$t\in D$ なら $n$ が大きいとき $\mathcal A^n_t=Z_t-\mathcal M^n_t\to A_t$($L^1$)である。部分列をとって、確率 $1$ ですべての $t\in D$ について $\mathcal A^n_t\to A_t$ としてよい。よって $A$ は $D$ の上で増加で、右連続性から $[0,1]$ で増加である。$A_0=0$、$E[A_1]=E[Z_1]-E[Z_0]< \infty$ である。
第 2 段(予測可能性)。 確率 $1$ ですべての $t$ について $\limsup_n\mathcal A^n_t=A_t$ であることを示す。左辺は予測可能で、零集合は $\mathcal F_0$ に含まれるので、これで $A$ も予測可能である。増加関数の列 $f_n$ が稠密な $D$ の上で右連続な増加関数 $f$ に収束すれば、$q\in D$、$q>t$ について $f_n(t)\le f_n(q)\to f(q)$ なので $\limsup f_n(t)\le f(t)$ で、$f$ が $t$ で連続なら同様に左からも抑えられて $f_n(t)\to f(t)$ である。したがって等式が問題になるのは $A$ の跳びの時刻だけで、跳びの大きさが $1/k$ を超える時刻を順に数えた停止時刻の可算列でこれらは尽くされる。よって、停止時刻 $\tau\le1$ について $\limsup_n\mathcal A^n_\tau=A_\tau$(確率 $1$)を示せばよい。
上の議論で $\limsup_n\mathcal A^n_\tau\le A_\tau$ である。$\mathcal A^n_\tau\le\mathcal A^n_1\to A_1$($L^1$)なので、Fatou の補題($L^1$ 収束する列で上から抑えた形)から
$$\limsup_nE[\mathcal A^n_\tau]\le E\bigl[\limsup_n\mathcal A^n_\tau\bigr]\le E[A_\tau]$$
である。したがって $E[\mathcal A^n_\tau]\to E[A_\tau]$ を示せば等号が成り立つ。$\sigma_k:=\inf\{t\in D_k\mid t\ge\tau\}$ は $D_k$ に値をとる停止時刻で、$\sigma_k\downarrow\tau$、$\tilde A^k_\tau=A^k_{\sigma_k}$ である。離散の任意抽出から $E[A^k_{\sigma_k}]=E[Z_{\sigma_k}]-E[Z_0]$ で、$Z$ の右連続性とクラス D から $Z_{\sigma_k}\to Z_\tau$($L^1$)である。一方 $M$ は一様可積分マルチンゲールなので $E[A_\tau]=E[Z_\tau]-E[M_\tau]=E[Z_\tau]-E[Z_0]$ である。よって $E[\tilde A^k_\tau]\to E[A_\tau]$ で、凸結合でも同じである。$\square$

一般の劣マルチンゲール

クラス D を外した分解

$Z=(Z_t)_{t\ge0}$ を càdlàg な劣マルチンゲールとする。

  1. $Z=M+A$ となる局所マルチンゲール $M$ と、予測可能で局所可積分な増加過程 $A$ がただ 1 組存在する。ここで $M_0=Z_0$ である。
  2. $Z$ がクラス DL に属することと、$M$ がマルチンゲールであることは同値である。
  3. $Z$ がクラス D に属することと、$M$ が一様可積分マルチンゲールで $E[A_\infty]< \infty$ であることは同値である。
有界に止めてクラス D に帰着し、つなぐ

$\tau_n:=\inf\{t\mid\lvert Z_t\rvert>n\}\wedge n$ で止めると $Z^{\tau_n}$ はクラス D に入る。分解の一意性でつなぐ。

詳しい証明を開く

1。 $\tau< \tau_n$ では $\lvert Z_\tau\rvert\le n$ なので、$\lvert Z_{\tau\wedge\tau_n}\rvert\le n+\lvert Z_{\tau_n}\rvert$ である。$\tau_n$ は有界なので、右連続な劣マルチンゲールの有界な停止時刻での任意抽出(離散の場合から極限で得られる事実で、この記事では証明しない)により $Z_{\tau_n}$ は可積分で、$Z^{\tau_n}$ は劣マルチンゲールである。よって $Z^{\tau_n}$ は $[0,n]$ でクラス D に属する càdlàg な劣マルチンゲールで、thm-dmd-main により $Z^{\tau_n}=M^{(n)}+A^{(n)}$ と分解される。$(M^{(n+1)})^{\tau_n}+(A^{(n+1)})^{\tau_n}$ も $Z^{\tau_n}$ の分解で、止めた過程も予測可能なので、一意性から $A^{(n+1)}=A^{(n)}$($[0,\tau_n]$ の上)である。経路が有界区間で有界なので $\tau_n\uparrow\infty$ で、$t\le\tau_n$ の上で $A_t:=A^{(n)}_t$ と定め、$M:=Z-A$ とおく。$A$ は $A^{(n)}$ の極限として予測可能である。$M^{\tau_n}=M^{(n)}$ は($[0,n]$ で)マルチンゲールだから $M$ は局所マルチンゲールである。$M_0=Z_0$ である。

別の分解 $Z=M'+A'$ があるとする。$\rho_n$ を $\tau_n$ と $M'-Z_0$ の局所化列の最小とする。$E[A'_{\rho_n}]=E[Z_{\rho_n}]-E[M'_{\rho_n}]< \infty$ なので、$Z^{\rho_n}$ の $2$ つの分解に prop-dmd-unique を当てて $A=A'$ を得る。

2。 $M$ がマルチンゲールなら、$\tau\le t$ について $M_\tau$ は一様可積分で、$0\le A_\tau\le A_t$ は可積分な $A_t$ で抑えられる($E[A_t]=E[Z_t]-E[Z_0]$)。よって $Z$ はクラス DL に属する。逆に $Z$ がクラス DL なら、$[0,t]$ で thm-dmd-main を当てた分解は一意性から $M,A$ に一致し、$M$ はマルチンゲールである。

3。 $Z$ がクラス D なら $\sup_tE\lvert Z_t\rvert< \infty$ なので $E[A_t]=E[Z_t]-E[Z_0]$ は有界で、単調収束定理から $E[A_\infty]< \infty$ である。$\lvert M_\tau\rvert\le\lvert Z_\tau\rvert+A_\infty$ から $M$ はクラス D に属し、局所マルチンゲール の定理「局所マルチンゲールがマルチンゲールになる条件」の 2 により一様可積分マルチンゲールである。逆も同じ不等式 $\lvert Z_\tau\rvert\le\lvert M_\tau\rvert+A_\infty$ と同じ定理による。$\square$

非負の劣マルチンゲール

非負で右連続な劣マルチンゲール $Z$ はクラス DL に属する。

2 進の時刻で近似する

$T\in\mathbb N$、$\tau\le T$ を停止時刻とし、$\tau_k:=2^{-k}\lceil2^k\tau\rceil$ とおく。$\tau_k\le T$ は $\tau$ に上から近づく $2$ 進の時刻に値をとる停止時刻で、$\mathcal F_\tau\subset\mathcal F_{\tau_k}$ である。$C\in\mathcal F_\tau$ について、Doobの任意抽出定理 の定理「有界な停止時刻での任意抽出」から $E[Z_{\tau_k}\mathbf 1_C]\le E[Z_T\mathbf 1_C]$ である。右連続性と Fatouの補題 から $E[Z_\tau\mathbf 1_C]\le E[Z_T\mathbf 1_C]$、すなわち $0\le Z_\tau\le E[Z_T\mid\mathcal F_\tau]$ である。条件付き期待値の族は一様可積分である(一様可積分性 の例「条件付き期待値の族」)から、それで抑えられる $\{Z_\tau\}$ も一様可積分である。$\square$

例

Brown 運動の 2 乗

$B$ を Brown 運動とする。$Z=B^2$ は prop-dmd-nonneg によりクラス DL に属する。$B_t^2-t$ はマルチンゲールで、$t$ は確定した関数だから予測可能である。したがって分解は $B^2=(B^2-t)+t$ で、補償子は $t$ である。$E[B_t^2]=t$ は有界でないので、$Z$ はクラス D に属さない。
一般に $M$ が連続で 2 乗可積分なマルチンゲールなら、$M^2$ の補償子は 2次変分 $[M]$ である。$[M]$ は連続な増加過程で、$M^2-[M]$ がマルチンゲールだからである。

Brown 運動の絶対値

$\lvert B\rvert$ も非負の劣マルチンゲールである。田中の公式 から $\lvert B_t\rvert=\int_0^t\operatorname{sgn}(B_s)\,dB_s+L_t$ で、局所時間 $L$ は連続な増加過程だから予測可能である。よって補償子は $L$ である。$L$ は $B=0$ の時刻の上でだけ増え、その時刻の集合は Lebesgue 測度 $0$ なので、補償子は時間についての密度をもたない。

Poisson 過程の分解

$N$ を強度 $\lambda$ の Poisson過程(自身の生成するフィルトレーション)とする。$N$ は増加過程で、$N=(N_t-\lambda t)+\lambda t$ が分解であり、補償子は $\lambda t$ である。
一方 $N=0+N$ もマルチンゲールと増加過程の和である。$N$ は予測可能でないので矛盾はない。実際、もし $N$ が予測可能なら、$N-\lambda t$ は予測可能で有限変動なマルチンゲールで、prop-dmd-unique により $0$ になるはずである。

跳びの時刻がフィルトレーションで変わる

$\tau$ を強度 $\lambda$ の指数分布に従う時刻とし、$Z_t:=\mathbf 1_{\{\tau\le t\}}$ とする。$\tau$ は $N$ の最初の跳びの時刻とみなせるので、$N-\lambda t$ を $\tau$ で止めると、$Z$ の自身のフィルトレーションでの補償子は $\lambda(t\wedge\tau)$ である。すなわち、跳びが起きるまで一定の割合で増え、起きたら止まる。
一方、$\tau$ が $\mathcal F_0$ 可測であるフィルトレーションでは、$\mathbf 1_{\{\tau\le t\}}=\lim_n\mathbf 1_{\{\tau-1/n< t\}}$ の右辺の各項は $t$ について左連続な適合過程である。よって $Z$ は予測可能で、分解は $Z=0+Z$ である。補償子は情報の入り方に依存する。

離散の分解の計算

ex-dmd-filtration の前半の $Z$ で、$h:=2^{-n}$ の時刻の離散の分解を計算する。指数分布の無記憶性から、$t\in D_n$ について
$$E[Z_t-Z_{t-h}\mid\mathcal F_{t-h}]=(1-e^{-\lambda h})\mathbf 1_{\{\tau>t-h\}}$$
である。これを足して、$\tau$ を含む格子の区間までの個数を数えると
$$A^n_t=(1-e^{-\lambda h})\min\bigl(t/h,\lceil\tau/h\rceil\bigr)$$
である。$(1-e^{-\lambda h})/h\to\lambda$ なので $A^n_t\to\lambda(t\wedge\tau)$ となり、補償子に一致する。この例では凸結合をとらなくても収束する。また $A^n$ は跳びの時刻より前の情報だけで決まり、跳びを $1$ 区間分先取りしない。これが予測可能性の離散の姿である。

確定した時刻の跳び

$\xi\ge0$ を $0$ でない可積分な確率変数とし、$Z_t:=\xi\mathbf 1_{\{t\ge1\}}$ とする。$t< 1$ で $\mathcal F_t$ は自明、$t\ge1$ で $\mathcal F_t=\sigma(\xi)$(零集合を補う)とする。$Z$ はクラス D に属する劣マルチンゲールで、$A_t=E[\xi]\mathbf 1_{\{t\ge1\}}$、$M_t=(\xi-E[\xi])\mathbf 1_{\{t\ge1\}}$ である。$A$ は確定した関数なので予測可能である。予測可能でも増加過程は跳びうる。跳びの時刻が前もって分かっている場合である。

$[0,T]$ の上で考える。$A$ が連続であることは、停止時刻の増加列 $S_n\uparrow S$ に対して $E[Z_{S_n}]\to E[Z_S]$ が成り立つこと(正則性)と同値である。実際 $X_t:=E[Z_T\mid\mathcal F_t]-Z_t$($t\ge T$ で $0$)は $A$ のポテンシャル $E[A_T\mid\mathcal F_t]-A_t$ で、$E[X_S]=E[Z_T]-E[Z_S]$ だから、これは Mey76 I.17(p. 260)のポテンシャルの場合の主張に帰着する(この記事では証明しない)。とくに $Z$ が連続でクラス D に属するなら、経路の連続性と一様可積分性から $E[Z_{S_n}]\to E[Z_S]$ なので、補償子 $A$ は連続である。

クラス D を外すと分解できない

$B$ を $x\ne0$ から出発する $3$ 次元 Brown 運動とする。$Y_t:=1/\lvert B_t\rvert$ は 局所マルチンゲール の命題「3 次元 Brown 運動の逆数」により正の連続な局所マルチンゲールだが、マルチンゲールでない。$Z:=-Y$ は連続な局所マルチンゲールで、同じ記事の定理「非負なら優マルチンゲール」により劣マルチンゲールである。
$Z=M+A$($M$ はマルチンゲール、$A$ は予測可能で可積分な増加過程)と書けたとする。$\tau_n:=\inf\{t\mid\lvert B_t\rvert\le1/n\}$ で止め、時刻 $T$ までを見ると、$Z^{\tau_n}$ は有界で、$Z^{\tau_n}=Z^{\tau_n}+0$ と $Z^{\tau_n}=M^{\tau_n}+A^{\tau_n}$ の $2$ つの分解をもつ。thm-dmd-main の一意性から $A^{\tau_n}=0$ である。$n\to\infty$ で $A=0$ となり、$Z=M$ はマルチンゲールで矛盾する。つまり $Z$ には thm-dmd-local の 1 の分解($M=Z$、$A=0$)しかなく、$M$ が真のマルチンゲールである分解はない。

反例:条件を外すと成り立たないこと

期待する主張反例満たすもの満たさないもの
劣マルチンゲールはつねにマルチンゲールと増加過程の和ex-dmd-no-class-d の $-1/\lvert B\rvert$連続な劣マルチンゲールクラス DL
増加過程なら分解は一意ex-dmd-poisson の $N=0+N$$A=N$ は増加過程$N$ は予測可能でない
補償子はつねに連続ex-dmd-fixedクラス D、$A$ は予測可能$A$ の連続性($Z$ が連続でない)
補償子は過程の法則だけで決まるex-dmd-filtration同じ過程 $Z$フィルトレーションを替えると $A$ が変わる
非負でなくてもクラス DLex-dmd-no-class-d の $-1/\lvert B\rvert$上に有界な連続な劣マルチンゲール非負(prop-dmd-nonneg の仮定)

補足

  • 2 次変分との関係:2 乗可積分マルチンゲール $M$ について $M^2$ の補償子を $\langle M\rangle$ と書く(Mey76 II.16、p. 267)。連続なら $\langle M\rangle=[M]$ である。2次変分 の記事は、連続な場合にこの分解定理を使わない構成を与えている。一般の場合は、2次変分 の定義の和の極限 $[M]$ の補償子が $\langle M\rangle$ である(同 II.17)。
  • 半マルチンゲールとの関係:thm-dmd-local から、càdlàg な劣マルチンゲールは 半マルチンゲール である。予測可能な有限変動部分をもつ分解は、同じ記事の定理「予測可能な分解の一意性」の特殊半マルチンゲールの場合にあたる。
  • 証明について:Rao の証明は $\sigma(L^1,L^\infty)$ 位相の弱極限をとり、Bass は予測可能な時刻と全く到達不能な時刻の二分法を使う(BSV12 §1)。上の証明は、凸結合で強い収束を得ることで予測可能性を直接導く。

関連項目

参考文献

[1]
Mathias Beiglböck, Walter Schachermayer, Bezirgen Veliyev, A short proof of the Doob–Meyer theorem, Stochastic Processes and their Applications, 2012, §1(定理と由来)、§2(Lemma 2.1、Lemma 2.2、極限の議論)。arXiv:1012.5292v1
[2]
Paul-André Meyer, Un cours sur les intégrales stochastiques (exposés 1 à 6), Séminaire de probabilités, 1976, I.16–17(p. 260、優マルチンゲールの分解と正則性)、II.16–17(p. 267)

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