確率解析(stochastic analysis)とは、Brown 運動のように道が滑らかでない確率過程について積分と微分の計算の体系を作り、確率微分方程式や偏微分方程式を調べる分野である。中心は、区間の左端の値で定める伊藤積分と、$dB_t$ の 2 乗を $dt$ で置き換える伊藤の公式である。これにより確率過程の期待値が熱方程式などの解を表す。たとえば $\int_0^TB_t\,dB_t=\frac12(B_T^2-T)$ で、通常の積分の値から $\frac12T$ だけずれる。
確率解析(stochastic analysis)は、Brown 運動のように道が滑らかでない確率過程について、積分・微分の計算の体系を作り、確率微分方程式や偏微分方程式を調べる分野である。Brown 運動の道は有界変動でないので、通常の Riemann–Stieltjes 積分が使えない。伊藤清(Kiyosi Itô)が 1944 年に導入した確率積分(Ito44)は、未来を見ない被積分過程に限ることでこの問題を解決した。
中心の問いは 3 つある。滑らかでない道についてどんな積分が定義できるか。その積分について、微分積分の公式はどう変わるか。確率過程で表した式は、偏微分方程式の解とどう結びつくか。この記事は、それぞれの問いに入る記事への地図である。
$(\Omega,\mathcal{F},P)$ を確率空間、$(B_t)_{t\ge0}$ を標準 Brown運動 とし、$\mathcal{F}_t$ を $B_s$($s\le t$)たちと確率 $0$ の事象が生成する $\sigma$-代数とする。このように時刻とともに増える $\sigma$-代数の族を フィルトレーション という(離散時間の場合は マルチンゲール の定義「フィルトレーションと適合過程」)。$s< t$ の増分 $B_t-B_s$ は $\mathcal{F}_s$ と独立である。確率過程 $(X_t)$ が 適合 しているとは、各 $t$ で $X_t$ が $\mathcal{F}_t$ 可測であることをいう。時刻 $t$ までの情報で値が決まる、という意味である。
確率積分(伊藤積分)は 2 段で定める。まず、$[0,T]$ の分割 $0=t_0< \dots< t_k=T$ と、$\mathcal{F}_{t_i}$ 可測で 2 乗可積分な確率変数 $\xi_i$ によって $H=\sum_i\xi_i\mathbf{1}_{(t_i,t_{i+1}]}$ と書ける階段過程には
$$
\int_0^TH_t\,dB_t:=\sum_{i=0}^{k-1}\xi_i(B_{t_{i+1}}-B_{t_i})
$$
とおく。各区間で使う値を左端の時刻の情報で決めておくことが要点である。次に、発展的可測(各 $t$ で $H$ の $[0,t]\times\Omega$ への制限が $\mathcal{B}([0,t])\otimes\mathcal{F}_t$ 可測)で $E\int_0^TH_t^2\,dt< \infty$ を満たす過程の全体 $\mathcal{H}_T$ へ、等長性 $E[(\int_0^TH_t\,dB_t)^2]=E\int_0^TH_t^2\,dt$ を使って 2 乗平均の極限で延ばす。$H$ の道が連続で $t\mapsto H_t$ が $L^2(\Omega)$ への連続写像なら、この積分は左端の和 $\sum_iH_{t_i}(B_{t_{i+1}}-B_{t_i})$ の 2 乗平均の極限である。構成と証明は 伊藤積分 の定理「伊藤積分の構成と伊藤の等長性」と命題「左端の Riemann 和の極限との一致」にある。
$T>0$、$X_0\in\mathbb{R}$ とする。発展的可測な過程 $b,\sigma$ で、確率 $1$ で $\int_0^T\lvert b_s\rvert\,ds< \infty$ を満たし、$\sigma\in\mathcal{H}_T$ であるものについて
$$
X_t=X_0+\int_0^tb_s\,ds+\int_0^t\sigma_s\,dB_s\qquad(0\le t\le T)
$$
と書ける過程を 伊藤過程 といい、$dX_t=b_t\,dt+\sigma_t\,dB_t$ と略記する。第 1 項の積分は道ごとの Lebesgue 積分、第 2 項は確率積分の道が連続な版(伊藤積分 の定理「連続な版と極大不等式」)である。
$M_t=\int_0^t\sigma_s\,dB_s$ は連続なマルチンゲールで、$A_t=\int_0^tb_s\,ds$ は連続な有限変動の過程なので、$X-X_0=M+A$ の分解は 半マルチンゲール の定理「連続な分解の一意性」により $X$ から決まる。$ds$ の部分と $dB$ の部分を分けて読めるのはこのためである。
確率解析の計算は、次の積の表に要約できる。$B^1,\dots,B^d$ を互いに独立な Brown 運動とし、$[0,T]$ の分割 $\Pi$ の小区間の長さを $\delta_i$、$B^k$ の増分を $\Delta_i^k$ とする。極限は分割の幅 $\lvert\Pi\rvert$ を $0$ に近づけたときのもので、$dt$ や $dB$ の積は、この和の極限を略記したものである。
| 積 | 置き換え | 分割の和での意味 | 所在 |
|---|---|---|---|
| $(dt)^2$ | $0$ | $\sum_i\delta_i^2\le T\lvert\Pi\rvert\to0$ | $\sum_i\delta_i=T$ から |
| $dt\,dB^k$ | $0$ | $\sum_i\delta_i\Delta_i^k\to0$ | 2次変分 の命題「有限変動の項は寄与しない」 |
| $(dB^k)^2$ | $dt$ | $\sum_i(\Delta_i^k)^2\to T$ | Brown運動 の定理「2 次変分」 |
| $dB^k\,dB^l$($k\ne l$) | $0$ | $\sum_i\Delta_i^k\Delta_i^l\to0$ | 2次変分 の定義「共変分」の後の段落 |
3 行目が、Brown 運動の 2次変分 が $t$ であることの言い換えで、確率解析と通常の微分積分を分ける規則である。2 つの伊藤過程 $dX_t=b_t\,dt+\sigma_t\,dB_t$、$dY_t=c_t\,dt+\rho_t\,dB_t$ に表を当てると $dX_t\,dY_t=\sigma_t\rho_t\,dt$ となる。これは分割の和の極限 $[X,Y]_t=\int_0^t\sigma_s\rho_s\,ds$ を表す(2次変分 の例「伊藤積分の 2 次変分」を $\sigma+\rho$ と $\sigma-\rho$ に当て、差を $4$ で割る)。
$F$ が $C^2$ 級の関数なら、Taylor 展開の 2 次の項まで残した形 $dF(X_t)=F'(X_t)\,dX_t+\frac12F''(X_t)\,(dX_t)^2$ が成り立つ。すなわち
$$
F(X_t)=F(X_0)+\int_0^tF'(X_s)b_s\,ds+\int_0^tF'(X_s)\sigma_s\,dB_s+\frac12\int_0^tF''(X_s)\sigma_s^2\,ds
$$
である。$X=B$ で $F''$ が有界な場合の完全な証明は 伊藤の公式 にあり、一般の形の主張は 半マルチンゲール の定理「伊藤の公式(半マルチンゲール版)」にある。$dB_s$ の項の被積分過程は一般には $\mathcal{H}_T$ に入らないので、この項は確率 $1$ で $\int_0^T(F'(X_s)\sigma_s)^2\,ds< \infty$ の範囲に広げた積分で、局所マルチンゲール であり、平均 $0$ のマルチンゲールとは限らない。$F(x)=x^2$ の場合を $X+Y$ と $X-Y$ に当て、差を $4$ で割ると、積の公式 $d(X_tY_t)=X_t\,dY_t+Y_t\,dX_t+\sigma_t\rho_t\,dt$ を得る。
確率解析の組み立ては、次の 4 段に分けて見ると分かりやすい。
積分を作る。 Brown 運動の道は有界変動でないので、和の評価点を選ばないと極限が決まらない。左端の値を使うと、$H_{t_i}$ と増分 $B_{t_{i+1}}-B_{t_i}$ が独立になる。すると和の 2 乗の期待値で交差項が消え、$L^2$ の等長性が得られる。この等長性が、階段過程から一般の被積分過程へ積分を広げる道具である。左端を選ぶことが、確率積分のマルチンゲール性の源でもある。両端の平均を使う和の極限は Stratonovich 積分と呼ばれ、$H=B$ では通常の微分積分と同じ形 $\frac12B_T^2$ になるが、期待値は $0$ でなくなる(伊藤の公式 の例「左端・右端・両端の平均の和の比較」)。
公式を作る。 $f(B_t)$ の増分を Taylor 展開すると、$f'(B)\Delta B+\frac12f''(B)(\Delta B)^2+\cdots$ となる。通常の微分積分では 2 次の項の和は $0$ に近づくが、Brown 運動では $(\Delta B)^2$ の和が時間に近づくので、第 2 項が残る。伊藤の公式の第 2 項はこうして現れる。3 次以上の項の和は $0$ に近づく。
方程式を解く。 確率微分方程式 $dX_t=b(t,X_t)\,dt+\sigma(t,X_t)\,dB_t$ は、積分方程式として意味をもつ。常微分方程式の Picard の逐次近似と同じ形の議論が、等長性と極大不等式によって動く。Lipschitz 条件のもとで、解の存在と一意性が得られる。
測度を取り替える。 同じ過程を別の確率測度で見ると、ドリフトが変わる。Girsanov の定理によって、ドリフトのある方程式をドリフトのない方程式に帰着できる。これは解の構成や、数値計算の重点サンプリングで使われる。
| 問い | 代表的な結果 | 入る記事 |
|---|---|---|
| 基礎の対象は存在するか | 連続な道をもつ Brown 運動が存在し、$[0,t]$ の 2 次変分は $t$ で、道は確率 1 で至る所微分不可能である | Brown運動 |
| 道の連続性はどこから来るか | 増分のモーメントが $E[\lvert X_t-X_s\rvert^\beta]\le K\lvert t-s\rvert^{1+\alpha}$ を満たす過程は、連続な道をもつ修正をもち、その道は $\gamma< \alpha/\beta$ の次数で Hölder 連続である | Kolmogorovの連続性定理 |
| 確率積分はどう定義するか | 階段過程から伊藤の等長性 $E[(\int_0^TH\,dB)^2]=E\int_0^TH_t^2\,dt$ で完備化する。積分は時刻の関数としてマルチンゲールで、連続な版をもつ | 伊藤積分 |
| 道の揺れはどう測るか | 連続な局所マルチンゲール $M$($M_0=0$)には、$M^2-[M]$ が局所マルチンゲールになる連続な増加過程 $[M]$ で $[M]_0=0$ のものがただ 1 つある。すべての $t$ で $[M]_t=t$ なら $M$ は Brown 運動である(Lévy の特徴づけ) | 2次変分 |
| 確率積分の大きさはどう測るか | 連続な局所マルチンゲール $M$($M_0=0$)と $p>0$ について、$E[\sup_{s\le t}\lvert M_s\rvert^p]$ と $E[\,[M]_t^{p/2}]$ は $p$ だけで決まる定数倍の範囲で同じ大きさである | Burkholder–Davis–Gundyの不等式 |
| 連鎖律はどう変わるか | $f(B_t)-f(B_0)=\int_0^tf'(B_s)\,dB_s+\frac12\int_0^tf''(B_s)\,ds$($f$ は $C^2$ 級で $f''$ は有界) | 伊藤の公式 |
| $C^2$ でない関数ではどうか | $\lvert B_t-a\rvert$ の分解に局所時間が現れる(田中の公式) | 田中の公式 |
| 方程式は解けるか | 係数が連続で Lipschitz 条件を満たす確率微分方程式には、初期値ごとに解がただ 1 つある | 確率微分方程式 |
| 弱い解と強い解はどう結びつくか | 弱い解が存在して道ごとの一意性が成り立てば、強い解が存在し、解の分布もただ 1 つに決まる | 山田–渡辺の定理 |
| 解の分布はどう時間発展するか | 解 $X_t$ の分布は Fokker–Planck 方程式の弱い意味の解である | Fokker–Planck方程式 |
| 測度を取り替えると何が起きるか | 指数型の密度で測度を替えると、ドリフトを引いた過程が Brown 運動になる(有界で連続なドリフトの場合) | Girsanovの定理 |
| マルチンゲールの基本の不等式は | 極大不等式、任意抽出定理、収束定理 | Doobの極大不等式, Doobの任意抽出定理, Doobのマルチンゲール収束定理 |
| どこまで積分できるか | 良い積分子である càdlàg 適合過程は、半マルチンゲールに限られる(Bichteler–Dellacherieの定理) | 半マルチンゲール |
| 跳びがあるとどうなるか | 独立で定常な増分をもち右連続で左極限をもつ過程は、ドリフト、連続な Gauss の部分、跳びの部分に分かれる(Lévy–伊藤分解) | Lévy過程 |
| ランダムウォークとの関係は | 平均 $0$、分散 $1$ の独立同分布の和を縮めた折れ線の分布は、連続関数の空間の上で Brown 運動の分布に弱収束する | Donskerの定理 |
| Brown 運動の汎関数を微分できるか | Gauss の方向の微分 $D$ とその共役 $\delta$ が定まり、$\delta$ は適合した被積分過程では伊藤積分に一致する。$D$ の定義域 $\mathbb{D}^{1,2}$ に入る $F$ について $F=E[F]+\int_0^TE[D_tF\mid\mathcal{F}_t]\,dB_t$(Clark–Ocone の公式)、確率 $1$ で $DF\ne0$ なら $F$ の法則は密度をもつ(Bouleau–Hirsch の判定法) | Malliavin解析 |
| 空間の変数をもつ方程式は | 雑音で駆動する確率偏微分方程式の例に、成長する界面の高さの方程式がある | KPZ方程式 |
| 調和解析とのつながりは | 平面 Brown 運動の正則関数による像は、時間変更した Brown 運動である(MP10 Theorem 7.20)。この記事では証明しない | 正則関数 |
| 対称な Markov 過程の一般論は | 2 次形式から過程を構成する | Dirichlet形式(確率論) |
確率解析の応用の中心は、確率過程の期待値が偏微分方程式の解を与えることである。証明の基本の形は、解の候補に伊藤の公式を当てて、マルチンゲールを作ることである。
| 方程式 | 解の確率的な表示 | 所在 |
|---|---|---|
| 熱方程式 $\partial_tv=\frac12\partial_x^2v$、$v(x,0)=f(x)$ | $v(x,t)=E[f(x+B_t)]$($f$ は $C^2$ 級で $f''$ は有界) | 伊藤の公式 の系「期待値と熱方程式」, 熱方程式 |
| Dirichlet 問題 $\Delta u=0$($U$ の中)、$u=\varphi$($\partial U$ の上) | $u(x)=E_x[\varphi(B_\tau)]$($\tau$ は $\partial U$ への到達時刻。$U$ は有界な領域で境界の各点が Poincaré の錐条件を満たし、$\varphi$ は連続) | MP10 Theorem 3.12 |
| 減衰・増幅の項つきの熱方程式 $\partial_tu=\frac12\Delta u+Vu$、$u(\cdot,0)=1$ | $u(t,x)=E_x\bigl[\exp\int_0^tV(B_r)\,dr\bigr]$($V$ は連続で上に有界、$u$ は $C^{1,2}$ の解で増大条件 $\lvert u\rvert\le C(1+\lvert x\rvert^2)$ を満たす。Feynman–Kacの公式) | Feynman–Kacの公式 の定理「Feynman–Kac の公式」 |
Dirichlet 問題の行の定理はこの記事では証明しない。最後の行の証明は Feynman–Kacの公式 にある。
熱方程式の行で仕組みを見る。$v$ を滑らかな解とし、$0\le s\le t$ について $M_s=v(x+B_s,t-s)$ とおく。時刻も含めた形の伊藤の公式により
$$
dM_s=\partial_xv\,dB_s+\Bigl(\frac12\partial_x^2v-\partial_tv\Bigr)ds=\partial_xv\,dB_s
$$
となり、$ds$ の項は方程式によって消える。$M$ がマルチンゲールなら、$v(x,t)=E[M_0]=E[M_t]=E[f(x+B_t)]$ である。方程式の解であることと、ドリフトが消えることが、同じ条件の 2 つの見方になっている。$ds$ の項が消えただけでは $M$ は局所マルチンゲールであり、真のマルチンゲールであることは別に確かめる(節「反例」の 4 行目)。Feynman–Kacの公式 の証明では、停止時刻で止めて解の増大条件を使っている。
$\Pi$ を $[0,T]$ の分割 $0=t_0< \dots< t_k=T$ とし、$\Delta_i=B_{t_{i+1}}-B_{t_i}$、$Q_\Pi=\sum_i\Delta_i^2$ とおく。恒等式 $a(b-a)=\frac12(b^2-a^2)-\frac12(b-a)^2$ を足し合わせると
$$
\sum_iB_{t_i}\Delta_i=\frac12B_T^2-\frac12Q_\Pi
$$
である。一方、右端の和は左端の和に $\sum_i\Delta_i\cdot\Delta_i=Q_\Pi$ を足したものなので
$$
\sum_iB_{t_{i+1}}\Delta_i=\frac12B_T^2+\frac12Q_\Pi
$$
である。Brown運動 の 2 次変分の定理により、分割の幅を $0$ にすると $Q_\Pi\to T$($L^2$ 収束)なので
$$
\int_0^TB_t\,dB_t=\frac12(B_T^2-T)
$$
である。通常の微分積分なら $\frac12B_T^2$ になるところに、$-\frac12T$ がつく。これは伊藤の公式で $f(x)=x^2$ とした場合の第 2 項にあたる。右端の和の極限は $\frac12(B_T^2+T)$ で、左端の場合と $T$ だけ違う。$E[\frac12(B_T^2-T)]=0$ で、確率積分の平均が $0$ であることと合う。
$\sigma\in\mathbb{R}$ について $Y_t=\exp(\sigma B_t-\frac12\sigma^2t)$ とおく。$N(0,s)$ の積率母関数は $E[e^{\sigma N}]=e^{\sigma^2s/2}$ である。$s< t$ のとき $B_t-B_s$ は $\mathcal{F}_s$ と独立で $N(0,t-s)$ に従うので
$$
E[Y_t\mid\mathcal{F}_s]=Y_s\,e^{-\sigma^2(t-s)/2}\,E\bigl[e^{\sigma(B_t-B_s)}\bigr]=Y_s
$$
である。よって $Y$ はマルチンゲールで、$E[Y_t]=1$ である。$\exp(\sigma B_t)$ そのものでなく $-\frac12\sigma^2t$ を付けたものがマルチンゲールになる点に、伊藤の公式の第 2 項が現れている。$Y$ は確率微分方程式 $dY_t=\sigma Y_t\,dB_t$、$Y_0=1$ の解で、$\sigma>0$ のとき 確率微分方程式 の例「幾何 Brown 運動」で $\mu=0$ とした場合である。Girsanovの定理 の密度はこの形を一般にしたものである。
通常の微分積分の感覚のままでは成り立たないことを、表にまとめる。
| 外す条件・誤った期待 | 反例 | 成り立たなくなること |
|---|---|---|
| 和の評価点によらない | ex-sa-bdb | 左端と右端で極限が $T$ だけ違う。Riemann–Stieltjes 積分としては定義できない |
| 被積分過程が適合していること | $H_t=B_T$($0\le t\le T$) | 左端の和はどの分割でも $B_T\sum_i\Delta_i=B_T^2$ で、期待値は $T\ne0$ である。適合した被積分過程の積分の平均 $0$ が成り立たない |
| $f$ が $C^2$ 級であること | $f(x)=\lvert x\rvert$ | 伊藤の公式の形の分解はそのままでは書けない。第 2 項が局所時間に代わる(田中の公式、MP10 Theorem 7.33) |
| $E\int_0^T\sigma_t^2\,dt< \infty$ | $M_t=1/\lvert B_t\rvert$($B$ は $0$ でない点から出発する 3 次元 Brown 運動。局所マルチンゲール の命題「3 次元 Brown 運動の逆数」) | $dM_t=\sigma_t\cdot dB_t$、$\lvert\sigma_t\rvert^2=\lvert B_t\rvert^{-4}$ で $ds$ の項をもたず、$E\int_0^T\lvert\sigma_t\rvert^2\,dt=\infty$ である。$M$ は局所マルチンゲールだが、$t>0$ で $E[M_t]< M_0$ なのでマルチンゲールでない |
| 道が連続であること | 強度 $\lambda$ の Poisson過程 $N$ から作る $M_t=N_t-\lambda t$(2次変分 の例「補正した Poisson 過程」) | 分割の 2 乗和の極限と、$M^2$ から引いてマルチンゲールにする連続な増加過程が別のものになる。前者は $N$、後者は $\lambda t$ である |
| 段階 | 読むもの | 得られること |
|---|---|---|
| 1. 確率論の基礎 | 条件付き期待値, マルチンゲール | 情報の増え方、公平な賭け |
| 2. 基礎の過程 | Brown運動 | 2 次変分、道の性質 |
| 3. 積分 | 伊藤積分 | 等長性、マルチンゲール性 |
| 4. 計算の規則 | 伊藤の公式, 2次変分, 田中の公式 | 連鎖律の変更、時計としての 2 次変分、局所時間 |
| 5. 方程式と測度変換 | 確率微分方程式, Girsanovの定理, 山田–渡辺の定理 | 解の存在と一意性、弱い解 |
| 6. 偏微分方程式との対応 | Feynman–Kacの公式, Fokker–Planck方程式, Ornstein–Uhlenbeck過程 | 解の確率表示、分布の時間発展、不変分布 |
| 7. 一般化 | 局所マルチンゲール, 半マルチンゲール, Lévy過程, Dirichlet形式(確率論) | 一般の積分子、跳びのある過程、Markov 過程の一般論 |
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