Bichteler–Dellacherieの定理(Bichteler–Dellacherie theorem)とは、càdlàg な適合過程 $S$ について、単純な被積分過程の有限和の積分が一様収束から確率収束へ連続であること(良い積分子であること)と、$S$ が局所マルチンゲールと有限変動過程の和に書ける半マルチンゲールであることが同値であるという定理である。確率積分の連続性を保つ限り半マルチンゲールの外には出られないことを述べている。分解を参照しない条件なので、同値な測度への取り替えや小さいフィルトレーションへの制限で半マルチンゲールのままであることがただちに従う。
前提知識: 半マルチンゲール, 局所マルチンゲール, Doob–Meyerの分解, Doobの極大不等式
Bichteler–Dellacherieの定理(Bichteler–Dellacherie theorem)は、確率積分が定義できる過程の範囲を決める定理である。càdlàg な適合過程 $S$ について、有限和で書ける積分が「被積分過程の一様収束から確率収束へ連続」であること($S$ が良い積分子であること)と、$S$ が 半マルチンゲール であることは同値である。
有限和から積分を広げるには、極限をとる操作が意味をもたなければならない。良い積分子の条件は、そのための最も弱い要求の一つで、定義だけ見れば形式的である。ところがこの条件から「局所マルチンゲールと有限変動過程の和」という具体的な形が出てくる。積分の理論をどう工夫しても、この連続性を保つ限り半マルチンゲールの外には出られない、というのが定理の意味である。
2 つの向きの難しさは大きく違う。半マルチンゲールが良い積分子であることは、マルチンゲール変換の弱型の評価から従う。この記事ではこの向きを跳びのある場合も含めて完全に証明する。逆向きが定理の本体で、証明の中心の評価(離散の分解の一様な有界性)までをこの記事で証明し、極限をとる部分は所在を示す。
| 結果 | 内容 | 扱い |
|---|---|---|
| prop-bd-bounded | 連続性と確率有界性の同値 | 証明 |
| lem-bd-weak | マルチンゲール変換の弱型の評価 | 証明 |
| prop-bd-easy | 半マルチンゲールは良い積分子 | 証明 |
| prop-bd-qv | 良い積分子の 2 乗和は確率有界 | 証明 |
| prop-bd-key | 離散の分解の一様な評価 | 証明 |
| thm-bd-main | 定理の全体 | 2 から 1 は証明、1 から 2 の極限の部分は引用 |
確率空間 $(\Omega,\mathcal F,P)$ の上の増大する $\sigma$-代数の族 $(\mathcal F_t)_{0\le t\le T}$ 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。過程は càdlàg で適合しているとし、有限変動過程と局所マルチンゲールの定義は 半マルチンゲール のものを時刻 $[0,T]$ に制限して使う。$[0,\infty)$ の過程は、各 $T$ で考えればよい(BSV10 p. 5)。
停止時刻 $0=\sigma_0\le\sigma_1\le\dots\le\sigma_n=T$ と、有界な $\mathcal F_{\sigma_{j-1}}$ 可測な確率変数 $f_j$ によって
$$H=\sum_{j=1}^nf_j\mathbf 1_{(\sigma_{j-1},\sigma_j]}$$
と書ける過程を単純な被積分過程といい、その全体を $\mathcal S$ と書く。$\|H\|:=\sup_{0\le t\le T}\|H_t\|_{L^\infty(P)}$ とおく。過程 $S$ について
$$I_S(H):=\sum_{j=1}^nf_j\bigl(S_{\sigma_j}-S_{\sigma_{j-1}}\bigr)$$
と定める。
$f_j$ が区間の左端までの情報で決まることが本質である(右端の情報を許すと定理は成り立たない。ex-bd-future)。$\sigma_{j-1}=\sigma_j$ の上の $f_j$ は $I_S(H)$ に効かないので、そこで $f_j$ を $0$ に置き換えると $\lvert f_j\rvert\le\|H\|$ としてよい。$\{\sigma_{j-1}< \sigma_j\}\in\mathcal F_{\sigma_{j-1}}$ だからこの置き換えは許される。
càdlàg な適合過程 $S$ が良い積分子(good integrator)であるとは、線形写像 $I_S\colon\mathcal S\to L^0(P)$ が、$\|\cdot\|$ の位相から確率収束の位相へ連続であることをいう(BSV10 Definition 1.1、p. 2)。
条件は、$\|H_k\|\to0$ なら $I_S(H_k)\to0$(確率収束)ということである。これが成り立てば、$I_S$ は有界な適合 càglàd 過程の空間へ連続に延びる(BSV10 p. 2。この記事では証明しない)。連続性は次の形で確かめる。
$S$ が良い積分子であることと、次の確率有界性は同値である:任意の $\varepsilon>0$ に対して $C$ があり、$\|H\|\le1$ を満たすすべての $H\in\mathcal S$ について $P(\lvert I_S(H)\rvert>C)< \varepsilon$ である。
確率有界でないとする。ある $\varepsilon>0$ と $\|H_k\|\le1$ で $P(\lvert I_S(H_k)\rvert>k)\ge\varepsilon$ となるものがある。$\|H_k/k\|\to0$ だが $P(\lvert I_S(H_k/k)\rvert>1)\ge\varepsilon$ なので連続でない。
逆に確率有界とし、$\|H_k\|=:a_k\to0$($a_k>0$)、$\delta,\varepsilon>0$ とする。$\varepsilon$ に対する $C$ をとり、$a_kC\le\delta$ となる $k$ では
$$P(\lvert I_S(H_k)\rvert>\delta)\le P\bigl(\lvert I_S(H_k/a_k)\rvert>C\bigr)< \varepsilon$$
である。線形写像なので $0$ での連続性から連続性が従う。$\square$
càdlàg な適合過程 $S=(S_t)_{0\le t\le T}$ について、次は同値である。
これは BSV10 Theorem 1.2(p. 2)の主張である。Meyer らの Strasbourg 学派と Mokobodzki の仕事を受けて、Bichteler と Dellacherie が得た(同 p. 2)。$S_0$ は積分に効かないので、同定理の $M+A$ の形と同じである。2 から 1 は prop-bd-easy で証明する。1 から 2 の中心の評価は prop-bd-key で証明し、残りは rem-bd-dep に所在を示す。
有限変動の項は経路ごとに抑えられる。局所マルチンゲールの項には、2 乗可積分性を仮定しない評価が要る。$L^2$ なら増分の直交性で済むが(半マルチンゲール の命題「単純な積分の確率有界性」)、跳びのある局所マルチンゲールは止めても $L^2$ に入るとは限らない。そこで $L^1$ の仮定だけで働く次の評価を使う。
$(\mathcal G_k)_{0\le k\le n}$ を増大する $\sigma$-代数の族、$(N_k)$ をこれに関する可積分なマルチンゲール、$v_k$ を $\mathcal G_{k-1}$ 可測で $\lvert v_k\rvert\le1$ を満たす確率変数とする。$Y:=\sum_{k=1}^nv_k(N_k-N_{k-1})$ とおくと、すべての $\lambda>0$ について
$$P(\lvert Y\rvert>4\lambda)\le\frac5\lambda E\lvert N_n\rvert$$
である。
$N$ を非負のマルチンゲール 2 つの差に分け、それぞれを $\lambda$ で切る。切ったものは有界な優マルチンゲールなので、$L^2$ で抑えられる部分と増加する部分に分かれる。
第 1 段(非負への帰着)。 $f^\pm_k:=E[N_n^\pm\mid\mathcal G_k]$ は非負のマルチンゲールで、$N=f^+-f^-$、$E[f^+_0]+E[f^-_0]=E\lvert N_n\rvert$ である。よって、非負のマルチンゲール $f$ について $Y:=\sum_kv_k(f_k-f_{k-1})$ が $P(\lvert Y\rvert>2\lambda)\le5E[f_0]/\lambda$ を満たすことを示せば、$f^+$ と $f^-$ に当てて足せばよい。
第 2 段(切り捨て)。 $g_k:=\min(f_k,\lambda)$ とおくと、$0\le g_k\le\lambda$ の優マルチンゲールである。$\{\max_kf_k\le\lambda\}$ の上では $g=f$ で、Doobの極大不等式 により、この事象の余事象の確率は $E[f_0]/\lambda$ 以下である。$c_k:=E[g_k\mid\mathcal G_{k-1}]$、$\Delta a_k:=g_{k-1}-c_k\ge0$、$a_k:=\sum_{i\le k}\Delta a_i$、$\Delta m_k:=g_k-c_k$ とおくと、$g_k-g_{k-1}=\Delta m_k-\Delta a_k$ である。$E[a_n]=E[g_0]-E[g_n]\le E[f_0]$ だから、$P(a_n>\lambda)\le E[f_0]/\lambda$ である。
第 3 段($L^2$ の評価)。 $\Delta m_k$ はマルチンゲールの差分である。$0\le c_k\le g_{k-1}\le\lambda$ から $g_{k-1}^2-c_k^2=\Delta a_k(g_{k-1}+c_k)\le2\lambda\Delta a_k$ なので
$$E[\Delta m_k^2]=E[g_k^2]-E[c_k^2]\le E[g_k^2]-E[g_{k-1}^2]+2\lambda E[\Delta a_k]$$
である。足し合わせると、$g_n^2\le\lambda g_n$ と $E[g_n]\le E[f_0]$ から $\sum_{k=1}^nE[\Delta m_k^2]\le E[g_n^2]+2\lambda E[a_n]\le3\lambda E[f_0]$ である。$v_k$ は予測可能で $\lvert v_k\rvert\le1$ だから、$\sum_kv_k\Delta m_k$ の 2 乗の期待値も $3\lambda E[f_0]$ 以下で、Chebyshev の不等式から $P(\lvert\sum_kv_k\Delta m_k\rvert>\lambda)\le3E[f_0]/\lambda$ である。
第 4 段。 $\{\max_kf_k\le\lambda\}$ の上で $Y=\sum_kv_k\Delta m_k-\sum_kv_k\Delta a_k$ で、第 2 項の絶対値は $a_n$ 以下である。以上の 3 つの確率を足して結論を得る。$\square$
$S=S_0+M+A$ が半マルチンゲールなら、$S$ は確率有界である。とくに良い積分子である。
$\varepsilon>0$ とする。$(\tau_m)$ を $M$ の局所化列とし、$P(\tau_m< T)< \varepsilon/3$ となる $m$ を固定する。$N:=M^{\tau_m}$ は $[0,T]$ の右連続なマルチンゲールである。$\|H\|\le1$ の $H=\sum_jf_j\mathbf 1_{(\sigma_{j-1},\sigma_j]}$ をとり、$\lvert f_j\rvert\le1$ とする。
任意抽出定理により、$N_{\sigma_j}$ は可積分で $N_{\sigma_j}=E[N_T\mid\mathcal F_{\sigma_j}]$ である。実際、有界な停止時刻 $\rho$ について $E[N_\rho]=E[N_0]$ であり(Dur19 Theorem 7.5.1、p. 375)、$C\in\mathcal F_{\sigma_j}$ について $\rho$ を $C$ の上で $\sigma_j$、$C$ の外で $T$ とすれば、$E[N_{\sigma_j}\mathbf 1_C]=E[N_T\mathbf 1_C]$ となる。したがって $(N_{\sigma_j})_j$ は $\mathcal G_j:=\mathcal F_{\sigma_j}$ に関するマルチンゲールで、$v_j:=f_j$ について lem-bd-weak が使える:$Y:=I_N(H)$ は
$$P(\lvert Y\rvert>4\lambda)\le\frac5\lambda E\lvert N_T\rvert$$
を満たす。右辺は $H$ によらない。$\lambda$ を右辺が $\varepsilon/3$ 未満になるようにとる。
$\{\tau_m\ge T\}$ の上では $I_M(H)=Y$ である。また $\lvert I_A(H)\rvert\le\sum_j\lvert A_{\sigma_j}-A_{\sigma_{j-1}}\rvert\le V_T(A)$ で、$V_T(A)$ は有限な確率変数だから、$P(V_T(A)>K)< \varepsilon/3$ となる $K$ がある。$I_S(H)=I_M(H)+I_A(H)$ なので、$C:=4\lambda+K$ について $P(\lvert I_S(H)\rvert>C)< \varepsilon$ である。$\square$
結論は確率の評価であって、期待値の評価ではない。値の位相を強めると成り立たない(ex-bd-nonint)。
$f\colon[0,T]\to\mathbb R$ を càdlàg な関数とし、$S_t:=f(t)$ とする。$S$ が良い積分子であることと、$f$ が 有界変動関数 であることは同値である。
有界変動なら prop-bd-easy($M=0$)である。逆に、分割 $t_0< \dots< t_n$ について $f_j:=\operatorname{sgn}(f(t_j)-f(t_{j-1}))$(定数)とおくと $I_S(H)=\sum_j\lvert f(t_j)-f(t_{j-1})\rvert$ は確定した値なので、確率有界なら全変動は $\varepsilon=1/2$ の定数 $C$ 以下である。この例では定理の難しい向きを使っていない。
càdlàg な劣マルチンゲール $Z$ は Doob–Meyerの分解 の定理「クラス D を外した分解」により $Z=M+A$($M$ は局所マルチンゲール、$A$ は増加過程)と書ける。よって prop-bd-easy により良い積分子である。
Hurst 指数が $1/2$ でない 非整数Brown運動 は良い積分子でない。その記事の定理「半マルチンゲールでないこと」は、直前の増分の符号を被積分過程に選ぶと積分が発散することを示す。この証明は prop-bd-bounded と prop-bd-easy だけを使い、定理の難しい向きを使わない。
次の命題は、難しい向きの最初の段である。良い積分子の条件を使うのは、$S$ 自身を被積分過程にとるところである。
$S$ が良い積分子なら、$[0,T]$ のすべての分割 $\pi\colon0=t_0< \dots< t_n=T$ にわたって、$S_\pi(S):=\sum_i(S_{t_i}-S_{t_{i-1}})^2$ の族は確率有界である。
$K>0$ に対し $\tau:=\inf\{t\mid\lvert S_t\rvert>K\}\wedge T$、$\tau_i:=t_i\wedge\tau$ とおく。$f_i:=S_{\tau_{i-1}}\mathbf 1_{\{\tau_{i-1}< \tau\}}$ は $\mathcal F_{\tau_{i-1}}$ 可測で $\lvert f_i\rvert\le K$ である($\tau_{i-1}< \tau$ なら $\tau_{i-1}=t_{i-1}< \tau$ で $\lvert S_{t_{i-1}}\rvert\le K$)。$H:=\sum_if_i\mathbf 1_{(\tau_{i-1},\tau_i]}$ とおく($\tau$ から $T$ までは $0$ を補う)。$b^2-a^2=(b-a)^2+2a(b-a)$ を足し合わせると
$$S_\tau^2-S_0^2=\sum_i(S_{\tau_i}-S_{\tau_{i-1}})^2+2I_S(H)$$
である。$\{\sup_{t\le T}\lvert S_t\rvert\le K\}$ の上では $\tau=T$ なので、$S_\pi(S)\le K^2+2\lvert I_S(H)\rvert$ である。したがって、$\|H/K\|\le1$ から
$$P\bigl(S_\pi(S)>K^2+2KC\bigr)\le P\Bigl(\sup_{t\le T}\lvert S_t\rvert>K\Bigr)+P\bigl(\lvert I_S(H/K)\rvert>C\bigr)$$
である。càdlàg な経路は有界なので、$K$ を大きくすると第 1 項は小さく、$K$ を固定して $C$ を大きくすると第 2 項は分割によらず小さい。$\square$
この条件は必要条件であって十分条件ではない。Hurst 指数が $1/2$ より大きい非整数Brown運動は、等分割の 2 乗和が $0$ に近づくが、良い積分子でない。Hurst 指数が $1/2$ より小さいと等分割の 2 乗和が発散するので、すでにこの命題に反する。
$T=1$ とし、$S$ を良い積分子とする。筋は 3 段である。
第 1 段(有界な場合への帰着)。 $S_0=0$ としてよい。大きさ $1$ 以上の跳びは有限個なので、$J_t:=\sum_{s\le t}\Delta S_s\mathbf 1_{\{\lvert\Delta S_s\rvert\ge1\}}$ は有限変動である。prop-bd-easy と線形性により $X:=S-J$ も良い積分子である。$\tau_k:=\inf\{t\mid\lvert X_t\rvert>k\}$ で止めると、$I_{X^{\tau_k}}(H)=I_X(H\mathbf 1_{(0,\tau_k]})$ から止めた過程も良い積分子で、跳びが $1$ 未満なので $\lvert X^{\tau_k}\rvert\le k+1$ である。半マルチンゲール であることは局所的な性質なので、定数倍して $\lvert S\rvert\le1$ としてよい。
第 2 段(離散の分解の評価)。 $t_j:=j2^{-n}$ とし、マルチンゲール の定理「Doobの分解」で 2 進の時刻の $S$ を分ける:
$$\Delta A^n_j:=E\bigl[S_{t_j}-S_{t_{j-1}}\bigm|\mathcal F_{t_{j-1}}\bigr],\qquad\Delta M^n_j:=(S_{t_j}-S_{t_{j-1}})-\Delta A^n_j.$$
これは Doob–Meyerの分解 の証明と同じ出発点である。ただし $S$ は劣マルチンゲールではないので、$\Delta A^n_j$ の符号は定まらず、全変動の有界性が新たに問題になる。次の命題がその答えで、良い積分子の条件はここで効く。
$S$ を良い積分子、$S_0=0$、$\lvert S\rvert\le1$ とする。任意の $\varepsilon>0$ に対して、定数 $C$ と、値を $\{t_0,\dots,t_{2^n}\}\cup\{\infty\}$ にとる停止時刻 $\rho_n$($n\ge1$)があり、すべての $n$ について $P(\rho_n< \infty)< \varepsilon$ で
$$\sum_{t_j\le\rho_n}\lvert\Delta A^n_j\rvert\le C,\qquad E\Bigl[\Bigl(\sum_{t_j\le\rho_n}\Delta M^n_j\Bigr)^2\Bigr]\le C$$
である。
$\Delta S_j:=S_{t_j}-S_{t_{j-1}}$ とおく。$\lvert\Delta S_j\rvert\le2$、$\lvert\Delta A^n_j\rvert\le2$ である。
2 乗和で止める。 prop-bd-qv により $c>4$ があって、$\alpha_n:=\min\{t_k\mid\sum_{j\le k}\Delta S_j^2\ge c-4\}$(なければ $\infty$)について $P(\alpha_n< \infty)< \varepsilon/2$ が $n$ によらず成り立つ。$\alpha_n$ の時刻までの和は $c$ 以下である。
$M^n$ の評価。 $e_j:=\mathbf 1_{\{t_j\le\alpha_n\}}$ は $\mathcal F_{t_{j-1}}$ 可測である。$e_j\Delta A^n_j$ は $\mathcal F_{t_{j-1}}$ 可測で、$\Delta M^n_j$ は条件付き平均 $0$ なので、2 つは直交する。よって $E[e_j(\Delta M^n_j)^2]\le E[e_j\Delta S_j^2]$ である。増分の直交性から
$$E\Bigl[\Bigl(\sum_je_j\Delta M^n_j\Bigr)^2\Bigr]=\sum_jE[e_j(\Delta M^n_j)^2]\le E\Bigl[\sum_je_j\Delta S_j^2\Bigr]\le c$$
である。
$A^n$ の評価。 $b_j:=e_j\operatorname{sgn}(\Delta A^n_j)$ は $\mathcal F_{t_{j-1}}$ 可測で $\lvert b_j\rvert\le1$ である。$H^n:=\sum_jb_j\mathbf 1_{(t_{j-1},t_j]}$ について
$$I_S(H^n)=\sum_je_j\lvert\Delta A^n_j\rvert+\sum_jb_j\Delta M^n_j$$
である。左辺は良い積分子の条件から $n$ によらず確率有界で、右辺の第 2 項は上と同じく $L^2$ ノルムの 2 乗が $c$ 以下である。よって $V^n:=\sum_je_j\lvert\Delta A^n_j\rvert$ も確率有界で、$c'$ があって $P(V^n>c')< \varepsilon/2$ である。
止める。 $\Delta A^n_{k+1}$ は $\mathcal F_{t_k}$ 可測なので、$\beta_n:=\min\{t_k\mid\sum_{j\le k+1}e_j\lvert\Delta A^n_j\rvert>c'\}$ は停止時刻で、超える前に止まる。$\rho_n:=\alpha_n\wedge\beta_n$、$C:=\max(c,c')$ とおけばよい。$\{\rho_n< \infty\}$ の確率は $\varepsilon$ 未満で、$\rho_n$ までの全変動は $c'$ 以下である。$\rho_n\le\alpha_n$ なので、$M^n$ の評価も保たれる。$\square$
第 3 段(極限)。 $\rho_n$ は $n$ ごとに異なるので、$M^n$ と $A^n$ の極限はそのままではとれない。Beiglböck–Schachermayer–Veliyev は過程 $\mathbf 1_{(0,\rho_n]}$ の凸結合を使って、$n$ によらない停止時刻 $\tau$ で $P(\tau< \infty)$ が小さいものを作る。$M^n$、$A^n$ を $\rho_n$ で止めたものの凸結合に、$\mathbf 1_{(0,\rho_n]}$ の凸結合の逆数を掛けて列を作り直す。こうして $S$ を止めた過程の分解の列が得られ、その凸結合をとると、マルチンゲールの部分は $L^2$ で、有限変動の部分は 2 進の時刻の各点で収束する。極限について $S^\tau=M+A$ で、$M$ は $L^2$ 有界なマルチンゲール、$A$ の全変動は $C$ だけで決まる定数で抑えられる。凸結合で収束する部分をとる補題は Doob–Meyerの分解 の補題「凸結合で収束する部分をとる」と同じ種類のものである。
第 3 段はこの記事では証明しない。所在は BSV10 の Proposition 3.6(pp. 9–12)と Theorem 1.6 の証明(p. 12)である。第 1 段の大きな跳びの扱いは同 Theorem 1.7 の証明(pp. 12–13)にある。同論文は「少ない投資で消える危険の無料の昼食がない」という条件から出発する(rem-bd-lunch)。良い積分子はこの条件を満たす。同論文の Proposition 3.1(p. 7)にあたる評価は、良い積分子を仮定すると、Lemma 3.4(pp. 8–9)の下からの評価が要らなくなり、prop-bd-key の形になる。
連続時間の Doob–Meyer の分解も測度の取り替えも使わずに分解が直接作られることが、この証明の特徴である(BSV10 p. 3)。
$(H\cdot S)_t:=\sum_jf_j(S_{\sigma_j\wedge t}-S_{\sigma_{j-1}\wedge t})$ とおく。局所有界な càdlàg 適合過程 $S$ について、次は同値である(BSV10 Theorem 1.6、p. 5。この記事では証明しない)。
定理の価値は、難しい向きを使うと、分解を見ていては分からない安定性がただちに従うことにある。良い積分子の条件は $M$ と $A$ を参照しないからである。
$Q$ を $P$ と同値な確率測度とする。$S$ が $P$ のもとで半マルチンゲールなら、$Q$ のもとでも半マルチンゲールである。
零集合が同じなので、通常の条件と $\mathcal S$、$\|\cdot\|$ は変わらない。確率収束の位相も同じである。よって良い積分子の条件は $P$ と $Q$ で同じで、thm-bd-main から結論を得る。$\square$
分解そのものは測度で変わる。その変わり方を述べるのが Girsanovの定理 である。半マルチンゲール は同じ事実の直接の所在を挙げている。
$\mathcal F_t\subset\mathcal G_t$ を、ともに右連続で零集合を含む 2 つのフィルトレーションとする。$S$ が $(\mathcal G_t)$ に関する半マルチンゲールで $(\mathcal F_t)$ に適合しているなら、$S$ は $(\mathcal F_t)$ に関しても半マルチンゲールである。
$(\mathcal F_t)$ の停止時刻は $(\mathcal G_t)$ の停止時刻で、$\mathcal F_\sigma\subset\mathcal G_\sigma$ である。したがって $(\mathcal F_t)$ の単純な被積分過程は $(\mathcal G_t)$ の単純な被積分過程で、$\|\cdot\|$ も同じである。$I_S$ の連続性は小さい部分空間に制限しても保たれる。thm-bd-main から結論を得る。$\square$
$(\mathcal G_t)$ での分解の項 $M$、$A$ は $(\mathcal F_t)$ に適合するとは限らないので、分解を直接制限することはできない。
| 外す条件 | 反例 | 成り立たなくなること |
|---|---|---|
| $f_j$ が左端の情報で決まること | ex-bd-future | Brown 運動でも積分が確率有界でない |
| 値の位相が確率収束であること | ex-bd-nonint | 局所マルチンゲールでも $I_M$ は $L^1$ に値をとらない |
| $S$ が càdlàg であること | $S_t=\mathbf 1_{\{t=T/2\}}$ | 積分は連続だが $S_0+M+A$(càdlàg)の形に書けない |
| $I_S$ の連続性 | ex-bd-deterministic で $f$ が有界変動でないとき | 有限和の積分は定まるが、半マルチンゲールでない |
Brown 運動 $B$ の $[0,T]$ の $n$ 等分で $f_j:=\operatorname{sgn}(B_{t_j}-B_{t_{j-1}})$ とする。これは $\mathcal F_{t_j}$ 可測で、$\mathcal F_{t_{j-1}}$ 可測でない。和は $\sum_j\lvert B_{t_j}-B_{t_{j-1}}\rvert$ で、平均は $\sqrt{2nT/\pi}\to\infty$ である。分散は $(1-2/\pi)T$ で一定なので、和は確率 $1$ に近く発散する。$\lvert f_j\rvert\le1$ のままである。
$T=2$ とする。$Y\ge0$ を $\mathcal F_0$ 可測で可積分でない確率変数、$\epsilon$ を $\mathcal F_0$ と独立に $\pm1$ を確率 $\frac12$ ずつとる確率変数とし、$t< 1$ で $\mathcal F_t=\mathcal F_0$、$t\ge1$ で $\mathcal F_t=\mathcal F_0\vee\sigma(\epsilon)$ とする。$M_t:=\epsilon Y\mathbf 1_{\{t\ge1\}}$ は、$\{Y\le k\}$ の上で $\infty$、その外で $0$ となる停止時刻 $\tau_k$ を局所化列とする局所マルチンゲールである。$\|H\|\le1$ なら $\lvert I_M(H)\rvert\le Y$ なので確率有界だが、$H\equiv1$ で $E\lvert I_M(H)\rvert=E[Y]=\infty$ である。
表の $S_t=\mathbf 1_{\{t=T/2\}}$ は確定した関数で、全変動が $2$ なので $\lvert I_S(H)\rvert\le2\|H\|$ である。$M$ と $A$ が càdlàg なら $S_0+M+A$ も càdlàg だから、この形には書けない。
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