伊藤乗算表
📂確率微分方程式伊藤乗算表
ビルドアップ
s<t<t+u と言うとき、次の条件を満たす確率過程 {Wt} をウィーナー過程と呼ぶ。
- (i): W0=0
- (ii): (Wt+u−Wt)⊥Ws
- (iii): (Wt+u−Wt)∼N(0,u)
- (iv): Wt のサンプルパスはほぼ全ての場所で連続である。
ウィーナー過程は次のような性質を持つ。
- [1]: Wt∼N(0,t)
- [2]: E(Wt)=0
- [3]: Var(Wt)=t
- [4]: cov(Wt,Ws)=21(∣t∣+∣s∣−∣t−s∣)=min{t,s}
ウィーナー過程 {Wt}t≥0 の非常に短い微小区間 [t,t+dt] を考えてみる。解析的に厳密な仮定ではないが、dt>0 は (dt)1/2>0 であり、全てのk=2,3,⋯に対して (dt)k=0 と扱えるほど小さいとしよう。代数的な用語を借りれば、これらの仮定の下で、我々は α+βdt を二項係数として扱うのだ。
さて、dWt:=Wt+dt−Wt と定義したとき dt と dWt の間の積を考えてみよう。
Part 1. (dt)2=0
もちろん dt>0 だが、dt が非常に小さいため (dt)2=0 としよう。
Part 2. dtdWt=0
Wt はウィーナー過程と仮定したため、正規分布に従い dWt∼N(0,dt2) となる。
平均と分散の性質:
- [2]: E(aX+b)=aE(X)+b
- [5]: Var(aX+b)=a2Var(X)
dtdWt の期待値は定数 dt が外に出る
E(dtdWt)=dtE(dWt)=dt⋅0=0
dtdWt の分散も dt が二乗を取って外に出るため
Var(dtdWt)=(dt)2Var(dWt)=0⋅Var(dWt)=0
これによれば dtdWt は分散が 0 なので定数であり、期待値が 0 なので正確に
dtdWt=dWtdt=0
でなければならない。
Part 3. (dWt)2=dt
Var(dWt)=dt から dWt⋅dWt の期待値を求めると
dt===Var(dWt)E((dWt)2)−[E(dWt)]2E((dWt)2)−02
となるので E((dWt)2)=dt だ。
平均が0の正規分布に従う確率変数の累乗の期待値: 確率変数 X が 正規分布 N(0,σ2) に従うとき、その累乗 Xn の期待値は次のように再帰的な公式で表される。
E(Xn)=(n−1)σ2E(Xn−2)
E(Xn) は n が奇数のとき 0 であり、偶数のとき次のようになる。
E(X2n)=(2n−1)!!σ2n
ここでびっくりマークが二つ入っている k!!=k⋅(k−2)⋯ はダブル階乗を表す。
dWt∼N(0,dt2) と仮定したので dWt は平均が 0 の正規分布に従い、(dWt)2 の分散は確率変数累乗の期待値公式 E(X2n)=(2n−1)!!σ2n によって
Var((dWt)2)======E([(dWt)2]2)−[E((dWt)2)]2E((dWt)2⋅2)−[dt]2(2⋅2−1)dt2⋅2−dt23dt2−dt22dt20
となる。これによれば (dWt)2 は分散が 0 なのでただの定数であり、期待値が dt なので正確に
(dWt)2=dt
でなければならない。
要約
α+βdt を二項係数と仮定しよう。 dt と dWt の積は次のようになる。
(dt)2=dtdWt=dWtdt=(dWt)2=000dt