logo

이토 적분 📂확률미분방정식

이토 적분

빌드업

확률적 적분을 생각하기 이전에 아주 중요한 확률 프로세스인 초등 프로세스elementary process을 정의하려고 한다. 초등 프로세스란 측도론에서 르벡 적분을 정의하기 위해 필요했던 단순 함수와 비슷한 역할을 한다.

a=t0<t1<<tk=b a = t_{0} < t_{1} < \cdots < t_{k} = b 네츄럴 도메인 [a,b][a,b] 에서 위와 같은 분할을 생각해보자. 지시함수 χ\chiFtj\mathcal{F}_{t_{j}}-가측 함수(확률 변수)인 eje_{j} 에 대해 다음과 같이 나타나는 ϕm2[a,b]\phi \in m^{2}[a,b]초등 프로세스라 한다. ϕ(t,ω):=j=0k1ej(ω)χ[tj,tj+1](t) \phi (t,\omega) := \sum_{j=0}^{k-1} e_{j} (\omega) \chi_{ \left[ t_{j} , t_{j+1} \right] } (t) 이 함수를 위너 프로세스 W(t)W(t) 로 적분한다는 것은 구분구적법의 아이디어 그대로 다음과 같이 생각해볼 수 있다. abϕ(t,ω)dWt(ω)=j=0k1ej(ω)[Wtj+1Wtj](ω) \int_{a}^{b} \phi (t,\omega) d W_{t} (\omega) = \sum_{j=0}^{k-1} e_{j} (\omega) \left[ W_{t_{j+1}} - W_{t_{j}} \right] ( \omega ) 이에 따라 다음과 같은 확률적 적분stochastic Integral을 정의한다.

정의 1

fm2[a,b]f \in m^{2} [a,b]이토 적분Itô Integral을 다음과 같이 정의한다. abf(t,ω)dWt(ω):=limnabϕn(t,ω)dWt(ω) \int_{a}^{b} f (t,\omega) d W_{t} (\omega) := \lim_{n \to \infty} \int_{a}^{b} \phi_{n} (t,\omega) d W_{t} (\omega) 여기서 시퀀스 {ϕn}nN\left\{ \phi_{n} \right\}_{n \in \mathbb{N}} 는 다음을 만족시키는 초등 프로세스의 시퀀스다. limnE[ab(f(t,ω)ϕn(t,ω))2dt]=0 \lim_{n \to \infty} E \left[ \int_{a}^{b} \left( f (t,\omega) - \phi_{n} (t,\omega) \right)^{2} dt \right] = 0

설명

정의에서 {ϕn}nN\left\{ \phi_{n} \right\}_{n \in \mathbb{N}} 는 조건 E[fϕn]2dt0E \int [f-\phi_{n}]^{2} dt \to 0 를 만족하는 한 구체적으로 어떻게 선택되든 상관 없다.

기초 성질 2

f,gm2[a,b]f, g \in m^{2} [a,b] 이고 필트레이션 {Ft}t0\left\{ \mathcal{F}_{t} \right\}_{t \ge 0} 이 주어져 있다고 하자.

  • [1] 가측성: abfdWt=(abfdWt)(ω)\displaystyle \int_{a}^{b} f d W_{t} = \left( \int_{a}^{b} f d W_{t} \right) (\omega)Fb\mathcal{F}_{b}-가측이다.
  • [2] 선형성: 상수 cc 에 대해 ab(cf+g)dWt=abcfdWt+abgdWt \int_{a}^{b} \left( c f + g \right) d W_{t} = \int_{a}^{b} c f d W_{t} + \int_{a}^{b} g d W_{t}
  • [3] 가법성: a<c<ba < c < b 에 대해 abfdWt=acfdWt+cbfdWt \int_{a}^{b} f d W_{t} = \int_{a}^{c} f d W_{t} + \int_{c}^{b} f d W_{t}
  • [4] 정규성: ffωΩ\omega \in \Omega 와 독립independent이면, 다시 말해 ff 가 결정론적deterministic이면 abfdWtN(0,ab(f)2dt) \int_{a}^{b} f d W_{t} \sim N \left( 0, \int_{a}^{b} \left( f \right)^{2} dt \right)
  • [5]: 유계 확률변수 ZZFb\mathcal{F}_{b}-가측이면 Zfm2[a,b]Z f \in m^{2}[a,b] 고 다음이 성립한다. abZf(t)dWt=Zabf(t)dWt \int_{a}^{b} Z f (t) d W_{t} = Z \int_{a}^{b} f (t) d W_{t}
  • [6] 기대값: 서브 시그마 필드 Fa\mathcal{F}_{a} 에 대해 E[abfdWt]=E[abfdWtFa]=0 E \left[ \int_{a}^{b} f d W_{t} \right] = E \left[ \int_{a}^{b} f d W_{t} | \mathcal{F}_{a} \right] = 0 이고, f,gf,g 에 대해 다음이 성립한다. E(abf(t)dWtabg(t)dWt)=E(abf(t)g(t)dWt) E \left( \int_{a}^{b} f(t) d W_{t} \int_{a}^{b} g(t) d W_{t} \right) = E \left( \int_{a}^{b} f(t) g(t) d W_{t} \right)
  • [7] 이토 등거리 등식: E(abfWt2)=E(abf2Wt) E \left( \left| \int_{a}^{b} f W_{t} \right|^{2} \right) = E \left( \int_{a}^{b} \left| f \right|^{2} W_{t} \right) 이는 조건부 기대값에도 마찬가지로 적용되어 다음이 성립한다. E(abfdWt2Fa)=E(abf2dWtFa)=abE(f2Fa)dWt E \left( \left| \int_{a}^{b} f d W_{t} \right|^{2} | \mathcal{F}_{a} \right) = E \left( \int_{a}^{b} \left| f \right|^{2} d W_{t} | \mathcal{F}_{a} \right) = \int_{a}^{b} E \left( \left| f \right|^{2} | \mathcal{F}_{a} \right) d W_{t}
  • [8]: fm2f \in m^2 이고 {fn}nNm2\left\{ f_{n} \right\}_{n \in \mathbb{N}} \subset m^{2} 이라 하자. 만약 nn \to \infty 일 때 E[ab(fnf)2dt]0 E \left[ \int_{a}^{b} \left( f_{n} - f \right)^{2} dt \right] \to 0 면 다음과 같이 nn \to \infty 일 때 L2\mathcal{L}_{2} 수렴한다. abfnWtabfWt \int_{a}^{b} f_{n} W_{t} \to \int_{a}^{b} f W_{t}

  • Ft\mathcal{F}_{t}F\mathcal{F} 의 서브 시그마 필드라는 것은 둘 다 Ω\Omega시그마 필드이되, FtF\mathcal{F}_{t} \subset \mathcal{F} 임을 의미한다.
  • ffFt\mathcal{F}_{t}-가측 함수라는 것은 모든 보렐 셋 BB([0,))B \in \mathcal{B}([0,\infty)) 에 대해 f1(B)Ftf^{-1} (B) \in \mathcal{F}_{t} 라는 의미다.

  1. Øksendal. (2003). Stochastic Differential Equations: An Introduction with Applications: p29. ↩︎

  2. Panik. (2017). Stochastic Differential Equations: An Introduction with Applications in Population Dynamics Modeling: p118. ↩︎