局所マルチンゲール(local martingale)とは、確率 $1$ で $\infty$ に増える停止時刻の列 $(\tau_n)$ があって、初期値を引いて各 $\tau_n$ で止めた過程がマルチンゲールになる càdlàg な適合過程である。伊藤積分の被積分過程から可積分性を外したときの積分がこの類に入るが、一般にはマルチンゲールでなく、各時刻で可積分でなくてもよい。非負で初期値が可積分なら優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、各 $t$ について $t$ 以下の停止時刻での値の族が一様可積分であること(クラス DL)と同値である。$3$ 次元 Brown 運動の逆数は $L^2$ で有界だがマルチンゲールでない代表例である。
前提知識: マルチンゲール, Doobの任意抽出定理, 一様可積分性, Brown運動
局所マルチンゲール(local martingale)は、適切な停止時刻の列で止めるとマルチンゲールになる連続時間の確率過程である。伊藤積分 の被積分過程から可積分性の条件を外すと、積分はマルチンゲールとは限らなくなるが、この類には必ず入る。半マルチンゲール の分解の「公平なゆらぎ」の項もこの類である。確率解析ではマルチンゲールよりもこちらが基本の対象になる。
ただし「局所」は飾りではない。局所マルチンゲールは一般に可積分でさえなく、可積分でも期待値が保たれるとは限らない。極端な例では、$0$ から出発して時刻 $1$ に確率 $1$ で $1$ に着く連続な局所マルチンゲールがある(ex-lm-doubling)。この記事の主題は、マルチンゲールとの差を正確に測ることである。
| 結果 | 内容 | 扱い |
|---|---|---|
| prop-lm-continuous | 連続なら有界になるまで止めれば足りる | 証明 |
| thm-lm-fatou | 非負なら優マルチンゲール | 証明 |
| thm-lm-dl | マルチンゲールであることと、停止時刻での値の一様可積分性の同値 | 証明 |
| prop-lm-discrete | 離散時間では、各時刻で可積分なら自動的にマルチンゲール | 証明 |
| prop-lm-bessel | $3$ 次元 Brown 運動の $1/\lvert B\rvert$ は $L^2$ 有界だがマルチンゲールでない | 証明 |
確率空間 $(\Omega,\mathcal F,P)$ の上の増大する $\sigma$-代数の族 $(\mathcal F_t)_{t\ge0}$ 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。過程はこれに適合しているとする。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。停止時刻 $\tau$ について $X^\tau:=(X_{t\wedge\tau})_{t\ge0}$ を、$\tau$ で止めた過程とよぶ。
càdlàg な適合過程 $M$ が局所マルチンゲールであるとは、確率 $1$ で $\tau_n\uparrow\infty$ となる停止時刻の列 $(\tau_n)$ があって、各 $n$ について $(M-M_0)^{\tau_n}$ がマルチンゲールであることをいう。列 $(\tau_n)$ を局所化列という。
$M_0$ の可積分性は課さない。$M_0$ が可積分なら $M^{\tau_n}$ 自身がマルチンゲールである。$M_0=0$ のときは 半マルチンゲール の定義と同じである。
文献によっては止めた過程に一様可積分性まで要求するが(Mey76 IV.1、p. 291)、定義は変わらない。$(\tau_n)$ を $\tau_n\wedge n$ に取り替えればよいからである。実際、$N:=(M-M_0)^{\tau_n}$ がマルチンゲールなら、$N^n$ の時刻 $t$ の値は $E[N_n\mid\mathcal F_t]$ に等しく、この形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」)。止めた過程がいつ一様可積分マルチンゲールになるかは、thm-lm-dl の 2 のクラス D の条件で判定できる(Mey76 IV.4 c)、p. 292)。
右連続なマルチンゲール $M$ は局所マルチンゲールである($\tau_n=n$ とする)。局所マルチンゲールの全体はベクトル空間で、止めても局所マルチンゲールのままである。局所化列 $(\tau_n)$、$(\sigma_n)$ に対して $(\tau_n\wedge\sigma_n)$ が和の局所化列になるからである。この部分の詳細は 半マルチンゲール の命題「線形性と停止」と同じである。
連続な場合は局所化列を選ぶ必要がなくなり、1 つの標準的な列で足りる。
$M$ を連続な適合過程とし、$\tau_n:=\inf\{t\mid\lvert M_t-M_0\rvert\ge n\}$ とおく。次は同値である。
連続性から $\tau_n$ は停止時刻で $\tau_n\uparrow\infty$ なので、2 から 1 が従う。逆は、$N:=M-M_0$ に 半マルチンゲール の補題「有界になるまで止める」を当てればよい。局所化列 $(\sigma_k)$ について $N^{\sigma_k\wedge\tau_n}$ はマルチンゲールで、$k\to\infty$ で $N^{\tau_n}$ に各点で収束し、$n$ で抑えられるので、条件付き期待値の優収束定理によりマルチンゲールの等式が極限で保たれる。最後の主張も同じで、1 から 2 を $M^{\sigma_k}$ に当てると、$N^{\sigma_k\wedge\tau_n}$ は $n$ で抑えられるマルチンゲールである。$k\to\infty$ として 2 を得る。$\square$
一般の càdlàg の場合にも最後の主張は成り立つ(Mey76 IV.4 e)、pp. 292–293。この記事では証明しない)。一方、跳びのある過程は $n$ に達した瞬間に $n$ を大きく超えうるので、$\lvert M\rvert\le n$ となるように止めることは一般にはできない。
$B$ を Brown 運動、$f$ を連続関数とする。$E\int_0^tf(B_s)^2\,ds$ が無限大でも、$\tau_n:=\inf\{t\mid\int_0^tf(B_s)^2\,ds\ge n\}$ で切ると被積分過程は 伊藤積分 の範囲に入り、それらをつないだ $\int_0^tf(B_s)\,dB_s$ は局所マルチンゲールになる(Dur19 p. 383。この記事では証明しない)。したがって $C^2$ 級の $F$ について、伊藤の公式 から
$$F(B_t)-F(B_0)-\frac12\int_0^tF''(B_s)\,ds$$
はいつでも局所マルチンゲールである。とくに $d$ 次元 Brown 運動を領域 $D$ から出る時刻 $T$ で止めると、$D$ 上の調和関数 $f$ との合成は、局所化列が $T$ に増えるという弱い意味で局所マルチンゲールで(MP10 Definition 7.17、Theorem 7.18 (a)、p. 200)、$E\int_0^{t\wedge T}\lvert\nabla f(B_s)\rvert^2\,ds< \infty$ がすべての $t$ で成り立てばマルチンゲールである(同 (b))。
$M$ を連続な局所マルチンゲールで $M_0=0$ とし、$[M]$ を 2次変分 とする。$\mathcal E(M)_t:=\exp(M_t-\frac12[M]_t)$ 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)」の多次元の形により $1+\int_0^t\mathcal E(M)_s\,dM_s$ に等しく、非負の局所マルチンゲールである。Girsanovの定理 で測度を取り替えるには $E[\mathcal E(M)_t]=1$ が要る。cor-lm-expect はこれがちょうどマルチンゲール性であることを述べている。
$M$ が非負の局所マルチンゲールで $M_0$ が可積分なら、$M$ は優マルチンゲールである。とくに $E[M_t]\le E[M_0]$ である。
$(\tau_n)$ を局所化列とする。$M_0$ が可積分なので $M^{\tau_n}$ はマルチンゲールで、$s< t$ について
$$E[M_{t\wedge\tau_n}\mid\mathcal F_s]=M_{s\wedge\tau_n}$$
である。$n\to\infty$ で $M_{t\wedge\tau_n}\to M_t$、$M_{s\wedge\tau_n}\to M_s$(どちらも確率 $1$ で、$n$ が大きければ等しくなる)で、$M\ge0$ だから、条件付きの Fatouの補題 により
$$E[M_t\mid\mathcal F_s]\le\liminf_{n\to\infty}E[M_{t\wedge\tau_n}\mid\mathcal F_s]=M_s$$
である。期待値をとると、$s=0$ から $E[M_t]\le E[M_0]< \infty$ で、$M_t$ は可積分である。$\square$
$M$ が非負の局所マルチンゲールで $M_0$ が可積分のとき、$M$ がマルチンゲールであることと、すべての $t$ について $E[M_t]=E[M_0]$ であることは同値である。
マルチンゲールなら等式は成り立つ。逆に等式を仮定し、$s< t$ とする。thm-lm-fatou から $Y:=M_s-E[M_t\mid\mathcal F_s]\ge0$ で、$E[Y]=E[M_s]-E[M_t]=0$ である。よって $Y=0$ である。$\square$
下に有界であることは外せない。ex-lm-doubling の $M$ は上に有界だが下に有界でなく、$E[M_1]>E[M_0]$ である。
局所マルチンゲールがマルチンゲールであるための必要十分条件は、各時刻の値の可積分性ではなく、停止時刻での値の可積分性で述べられる。
適合過程 $X$ を考える。$t\ge0$ ごとに、$\tau\le t$ を満たす停止時刻全体を動かした族 $\{X_\tau\}$ が一様可積分であるとき、$X$ はクラス DL に属するという。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とき、$X$ はクラス D に属するという。
クラス D ならクラス DL である。これらは class D、class DL の訳である。
$M$ を局所マルチンゲールとする。
十分性は 1 の中でクラス DL から示し、必要性は任意抽出の等式から示す。
1 の十分性。 $M$ がクラス DL に属するとする。$\tau=0$ をとれば $M_0$ は可積分である。局所化列を $(\tau_n)$ とし、$s< t$、$C\in\mathcal F_s$ とする。$M^{\tau_n}$ はマルチンゲールなので
$$E[M_{t\wedge\tau_n}\mathbf 1_C]=E[M_{s\wedge\tau_n}\mathbf 1_C]$$
である。$n\to\infty$ で $M_{t\wedge\tau_n}\to M_t$(確率 $1$)で、$\{M_{t\wedge\tau_n}\}_n$ は $t$ 以下の停止時刻での値の族の部分族だから一様可積分である。よって $L^1$ でも収束する。$s$ についても同じなので、極限で $E[M_t\mathbf 1_C]=E[M_s\mathbf 1_C]$ を得る。
1 の必要性。 $M$ を右連続なマルチンゲール、$\tau\le t$ を停止時刻、$C\in\mathcal F_\tau$ とする。$C$ の上で $\tau$、$C$ の外で $t$ と定めた $\tau_C$ は有界な停止時刻で、連続時間の任意抽出の定理(Dur19 Theorem 7.5.1、p. 375)から $E[M_{\tau_C}]=E[M_0]=E[M_t]$ である。これを整理すると $E[M_\tau\mathbf 1_C]=E[M_t\mathbf 1_C]$、すなわち $M_\tau=E[M_t\mid\mathcal F_\tau]$ である。$M_\tau$ は $\mathcal F_\tau$ 可測である。可積分な $M_t$ の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」)。
2。 $M$ がクラス D に属すればクラス DL に属するので、1 からマルチンゲールで、$\{M_t\}_t$ は一様可積分である。逆に $M$ が一様可積分マルチンゲールなら、自然数の時刻に制限して Doobのマルチンゲール収束定理 の定理「一様可積分なマルチンゲールの特徴づけ」を当てると、$M_\infty:=\lim_nM_n$ が確率 $1$ かつ $L^1$ で存在する。$n\ge t$ で $M_t=E[M_n\mid\mathcal F_t]$ なので、$n\to\infty$ として $M_t=E[M_\infty\mid\mathcal F_t]$ である。有限な停止時刻 $\tau$ について、$M_{\tau\wedge t}=E[M_t\mid\mathcal F_{\tau\wedge t}]=E[M_\infty\mid\mathcal F_{\tau\wedge t}]$ である。これは 1 つの可積分な変数の条件付き期待値の形なので、$\{M_{\tau\wedge t}\}$ は一様可積分で、ノルムは $E\lvert M_\infty\rvert$ 以下である。$t\to\infty$ で $M_{\tau\wedge t}\to M_\tau$(確率 $1$ かつ $L^1$)である。$C\in\mathcal F_\tau$ について $C\cap\{\tau\le t\}\in\mathcal F_{\tau\wedge t}$ だから $E[M_\tau\mathbf 1_{C\cap\{\tau\le t\}}]=E[M_\infty\mathbf 1_{C\cap\{\tau\le t\}}]$ で、$t\to\infty$ として $M_\tau=E[M_\infty\mid\mathcal F_\tau]$ を得る。よって $\{M_\tau\}$ は条件付き期待値の族の部分族で、一様可積分である。$\square$
局所マルチンゲール $M$ がすべての $t$ について $E[\sup_{s\le t}\lvert M_s\rvert]< \infty$ を満たせば、$M$ はマルチンゲールである。とくに有界な局所マルチンゲールはマルチンゲールである。
$\tau\le t$ なら $\lvert M_\tau\rvert\le\sup_{s\le t}\lvert M_s\rvert$ で、$1$ つの可積分な変数で抑えられる族は一様可積分である。thm-lm-dl の 1 から従う。$\square$
$M_0=0$ の連続な局所マルチンゲールでは、上限の可積分性は 2 次変分の平方根の可積分性と同値である。したがって、すべての $t$ で $E\bigl[\,[M]_t^{1/2}\bigr]< \infty$ なら $M$ はマルチンゲールになる(Burkholder–Davis–Gundyの不等式 の系「平方関数による真のマルチンゲールの判定」)。
各時刻の可積分性では足りない。これは連続時間に固有のことである。
時刻が $\mathbb N$ のとき、適合した可積分な列 $(M_n)$ について、停止時刻 $\tau_k\uparrow\infty$ があって各 $M^{\tau_k}-M_0$ がマルチンゲールなら、$(M_n)$ はマルチンゲールである。
$n\in\mathbb N$、$C\in\mathcal F_n$ とする。$D:=M_{n+1}-M_n$ とおく。$\{\tau_k>n\}\in\mathcal F_n$ で、この事象の上で $M^{\tau_k}_{n+1}-M^{\tau_k}_n=D$、外では左辺が $0$ だから
$$E\bigl[D\,\mathbf 1_{C\cap\{\tau_k>n\}}\bigr]=E\bigl[(M^{\tau_k}_{n+1}-M^{\tau_k}_n)\mathbf 1_{C\cap\{\tau_k>n\}}\bigr]=0$$
である。$D$ は可積分で $\mathbf 1_{\{\tau_k>n\}}\to1$(確率 $1$)なので、優収束定理により $E[D\mathbf 1_C]=0$ である。$\square$
この証明の核は、1 ステップ先の増分が「止められる前」の情報で見えることである。連続時間にはこの 1 ステップがなく、次の節の例が生じる。
可積分性が失われる例、可積分でも期待値が減る例、確率 $1$ で得をする例の順に見る。
$B$ を Brown 運動、$\xi$ を $B$ と独立で可積分でない確率変数とする。$\mathcal F_0$ が $\xi$ を含むフィルトレーションで $M_t:=\xi B_t$ とおく。$M_0=0$ で、$\Omega_k:=\{\lvert\xi\rvert\le k\}\in\mathcal F_0$ の上の $\xi\mathbf 1_{\Omega_k}B$ はマルチンゲールである。$\tau_n:=\inf\{t\mid\lvert M_t\rvert\ge n\}$ で止めた $(\xi\mathbf 1_{\Omega_k}B)^{\tau_n}$ は $n$ で抑えられるマルチンゲールで、$k\to\infty$ の優収束により $M^{\tau_n}$ はマルチンゲールである。よって $M$ は局所マルチンゲールだが、$t>0$ で $E\lvert M_t\rvert=E\lvert\xi\rvert\,E\lvert B_t\rvert=\infty$ である。
$B$ を $x\ne0$ から出発する $3$ 次元 Brown 運動、$Z$ を $3$ 次元の標準正規変数とする。
1 は円環で止めて到達確率を計算する。2 は Newton の球面定理で $\lvert B_t\rvert$ の分布に帰着する。3 は $0$ の近くを密度で評価する。
1。 $u(y):=1/\lvert y\rvert$ は $\mathbb R^3\setminus\{0\}$ で調和である。$0< \varepsilon< \lvert x\rvert< R$ とし、$\sigma$ を $B$ が $\{\varepsilon< \lvert y\rvert< R\}$ から出る時刻とする。$\sigma< \infty$ で、円環の上で $\nabla u$ は有界だから、ex-lm-ito の末尾により $u(B)^\sigma$ は有界なマルチンゲールである。$p$ を $\lvert B\rvert$ が $R$ より先に $\varepsilon$ に着く確率とすると、$1/\lvert x\rvert=p/\varepsilon+(1-p)/R$ なので
$$p=\frac{1/\lvert x\rvert-1/R}{1/\varepsilon-1/R}.$$
$\varepsilon\to0$ とすると、$R$ に着く前に $0$ に着く確率は $0$ である。$R\to\infty$ とすると、経路は有界区間で有界なので、$B$ が $0$ を通る確率は $0$ である。よって $\tau_n:=\inf\{t\mid\lvert B_t\rvert\le1/n\}$($n>1/\lvert x\rvert$)は確率 $1$ で $\infty$ に増加する。領域 $\{\lvert y\rvert>1/n\}$ の上で $\lvert\nabla u\rvert\le n^2$ なので、ex-lm-ito の末尾により $M^{\tau_n}$ は $n$ で抑えられるマルチンゲールである。
2。 $S^2$ の一様分布に従う $\omega$ と $r>0$ について、$E[1/\lvert x+r\omega\rvert]=1/\max(\lvert x\rvert,r)$ である。実際 $r< \lvert x\rvert$ なら、$u$ は中心 $x$、半径 $r$ の閉球の近くで調和なので、平均値の性質から $u(x)$ に等しい。$r>\lvert x\rvert$ なら、$\lvert x+r\omega\rvert^2=\lvert x\rvert^2+r^2+2r\lvert x\rvert\cos\theta$($\theta$ は $x$ と $\omega$ のなす角)が $\lvert x\rvert$ と $r$ について対称で、$\cos\theta$ の分布は $x$ の向きによらないから、$\lvert x\rvert$ と $r$ を入れ替えた場合に帰着する。$r=\lvert x\rvert$ は連続性による。$B_t=x+\sqrt tZ$ で $\lvert Z\rvert$ と $Z/\lvert Z\rvert$ は独立、後者は一様分布なので 2 の等式を得る。$P(\sqrt t\lvert Z\rvert>\lvert x\rvert)>0$ なので $1/\lvert x\rvert$ より真に小さい。優収束定理で $t\to\infty$ の極限は $0$ である。
3。 $t>0$ とする。$\lvert B_t\rvert\ge\lvert x\rvert/2$ の上で $M_t^2\le4/\lvert x\rvert^2$ である。$\lvert y\rvert< \lvert x\rvert/2$ では $\lvert y-x\rvert\ge\lvert x\rvert/2$ なので、$B_t$ の密度は $C:=\sup_{t>0}(2\pi t)^{-3/2}\exp(-\lvert x\rvert^2/(8t))< \infty$ 以下である。よって
$$E[M_t^2]\le\frac4{\lvert x\rvert^2}+C\int_{\lvert y\rvert< \lvert x\rvert/2}\frac{dy}{\lvert y\rvert^2}=\frac4{\lvert x\rvert^2}+2\pi C\lvert x\rvert.$$
最後に、$E[M_t]$ が定数でないので $M$ はマルチンゲールでない。$L^2$ で有界な族は一様可積分である(一様可積分性 の例「Lp で有界な族」)。thm-lm-dl の 1 により $M$ はクラス DL に属さない。$\square$
2 の極限が $0$ なので、thm-lm-fatou の不等式の両辺の差は極限で $1/\lvert x\rvert$ になり、期待値がすべて失われる。$M$ が局所マルチンゲールでマルチンゲールでないことは MP10 Example 7.19(p. 201)にある。
$B$ を Brown 運動とし、$0\le t< 1$ について $Y_t:=\int_0^t(1-s)^{-1/2}\,dB_s$ とおく。確定した被積分関数の伊藤積分なので、$Y$ は連続で、独立な正規増分をもち、$\operatorname{Var}Y_t=-\log(1-t)$ である。したがって $W_u:=Y_{1-e^{-u}}$($u\ge0$)は Brown 運動である。Brown運動 の定理「鏡像原理」から $P(\max_{v\le u}W_v\ge1)=2P(W_u\ge1)\to1$ なので、確率 $1$ で $\tau:=\inf\{t< 1\mid Y_t=1\}< 1$ である。
$$M_t:=Y_{t\wedge\tau}\quad(t< 1),\qquad M_t:=1\quad(t\ge1)$$
とおくと、$M$ は連続で $M_0=0$、$M\le1$、$M_1=1$ である。$\tau_n:=\inf\{t\mid M_t\le-n\}$ で止めると $\lvert M^{\tau_n}\rvert\le\max(n,1)$ である。$Y^{\tau\wedge\tau_n}$ は $[0,t_0]$($t_0< 1$)の上で伊藤積分を止めたマルチンゲールであり、$t_0\to1$ の優収束によって $M^{\tau_n}$ は全時刻でマルチンゲールである。経路の最小値は確率 $1$ で有限なので $\tau_n\uparrow\infty$ である。
$E[M_1]=1\ne0=E[M_0]$ なので、$M$ はマルチンゲールでも優マルチンゲールでもない。賭け金を増やしながら負けを取り返す戦略が、時刻 $1$ までに確率 $1$ で成功する例である。その代わり途中の損失に下限はない。下限があれば thm-lm-fatou により $E[M_1]\le0$ となるからである。
| 期待する主張 | 反例 | 満たすもの | 成り立たないこと |
|---|---|---|---|
| 局所マルチンゲールは各時刻で可積分 | ex-lm-nonintegrable の $\xi B$ | 連続、$M_0=0$ | $E\lvert M_t\rvert< \infty$ |
| 各時刻で可積分ならマルチンゲール | prop-lm-bessel の $1/\lvert B\rvert$ | 正、連続、各時刻で可積分 | 期待値の保存 |
| $\{M_t\}_t$ が一様可積分ならマルチンゲール | prop-lm-bessel の $1/\lvert B\rvert$ | $L^2$ 有界 | クラス DL |
| 非負の仮定なしで優マルチンゲール | ex-lm-doubling の $M$ | 連続、上に有界 | 下に有界、$E[M_1]\le E[M_0]$ |
| 期待値が一定なら非負でなくてもマルチンゲール(cor-lm-expect の非負を外す) | ex-lm-doubling の $M$ と、それと独立で同じ法則の $M'$ の差 $M-M'$ | 連続、各時刻で可積分、期待値はつねに $0$ | マルチンゲール性(時刻 $1$ 以降は $0$ だが、それより前は $0$ でない) |
| 連続でなくても有限変動なら定数 | Poisson過程 $N$ から作る $N_t-\lambda t$ | マルチンゲール、有限変動 | 定数であること(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」の連続性) |
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