請問將一個鞅停止於停時,得到的過程還是鞅嗎?如果是,如何證明呢?謝謝!?


今天期末複習剛推導這個,故來回答一發。是的,將一個鞅停止於停時即是stopped martingale(又稱stopped process)。設X_n是關於mathcal{F}_n的鞅,T是停時,我們證明X_{min{n,T}}是關於mathcal{F}_n的鞅:欲證明X_{min{n,T}}是關於mathcal{F}_n的鞅,即驗證mathbb{E}(X_{min{n+1,T}} | mathcal{F}_n) = X_{min{n,T}}。首先拆項:X_{min{n+1,T}} = X_1I_{{T =1 }} +dots+X_nI_{{T =n }} + X_{n+1}I_{{T ge n+1}};其次由停時的定義X_1I_{{T =1 }} , dots, X_nI_{{T =n }},I_{{T ge n+1}}關於mathcal{F}_n可測(完全由前n個觀測量決定),故可以從條件期望中提出:左式=X_1I_{{T =1 }} +dots+X_nI_{{T =n }} + mathbb{E}(X_{n+1}|mathcal{F}_n)I_{{T ge n+1}};最後用鞅的定義mathbb{E}(X_{n+1}|mathcal{F}_n) = X_n,左式=X_1I_{{T =1 }} +dots+X_nI_{{T =n }} + X_{n}I_{{T ge n+1}} = X_1I_{{T =1 }} +dots+X_nI_{{T ge n }}=右式。

————————————————————————————————————————————

補充一發。我證明的結論是:{(X_n, mathcal{F}_n)}_{n=1}^infty是鞅,則{(X_{min_{{n,T}}}, mathcal{F}_n)}_{n=1}^infty是鞅。這個結論不依賴於停時定理,只要T是停時即可,對連續時間鞅也成立類似的結論。

看了其他幾位朋友的回答,發覺題主描述的「將鞅停止於停時」,或許和我理解的不同。事實上,從停時定理能推出另外一種結論:{(X_n, mathcal{F}_n)}_{n=1}^infty是鞅,T_1 le T_2 dots le T_k 是一串遞增的停時,且滿足某種有界性條件,則{(X_{T_k}, mathcal{F}_{T_k})}_{k=1}^infty是鞅。這裡的有界性條件在技術上保證了期望和無窮求和的可交換性,從強到弱有很多版本:簡單粗暴的版本是T_k le M_k ;稍弱的版本有mathbb{E}(T_k) < M_k, mathbb{E}(|X_k - X_{k-1}| | mathcal{F}_{k-1}) < B,這個條件源自控制收斂定理(dominated convergence theorem) ,可用在賭徒輸光問題等;最弱的版本是P(T_k < infty) = 1, mathbb{E}(|X_{T_k}|) < infty, lim_{n	oinfty}mathbb{E}(|X_n|I_{{T_k > n}}) = 0,這個條件源自一致可積性(uniform integrability),一致可積性是期望(積分)和極限可交換的一個充要條件。


滿足一定條件,是

這個定理叫optional sampling theorem, 請移步維基百科,我就不逼逼了

Optional stopping theorem

鬼俠的證明是離散情況下,而且不是一般意義上的stopping time(可連續)。

黑貓舉個例子說那個不是鞅, 原因是這個停時過程沒有下界啊。。。。一直向下啪啪啪,向上啪不了,自然不是鞅。

如果將他的例子改成, 財富到達1或者-3時就停止,那麼這個過程就是個鞅了。


剛考過,梳理下連續版本的。

第一步:如果(X_t)_{tgeq0}是u.i.鞅。ST是停時且Sleq T,則X_SX_T都是L^1,而且X_S=mathbb{E}[X_Tmidmathcal{F_S}]。(特別的,由於X_t u.i, 則存在X_{infty}(同時為X的a.s.和L^1極限)

X_S=mathbb{E}[X_{infty}midmathcal{F_S}]。)

第二步:繼續假定(X_t)_{tgeq0}是u.i.鞅。由於twedge T也是停時且leq T,由第一步則有X_{twedge T}=mathbb{E}[X_Tmidmathcal{F}_{twedge T}],技術活就是證明mathbb{E}[X_Tmidmathcal{F}_{twedge T}]=mathbb{E}[X_Tmidmathcal{F}_{t}]。當然了,X_{twedge T}sim mathcal{F}_{twedge T}subset mathcal{F}_t

第三步:回到一般的鞅(X_t)_{tgeq0}。對於任何sgeq 0(M_t)_{tgeq 0}:=(X_{twedge s})_{tgeq 0}是u.i.(很明顯M_{infty}=X_s)。應用第二步到M,對於任何tleq s,則X_{twedge T}=M_{twedge T}=mathbb{E}[M_Tmidmathcal{F}_t]=mathbb{E}[X_{swedge T}midmathcal{F}_t]。由st任意,可得(X_{twedge T})_{tgeq 0}是鞅。

L^1和可測性均由第一二步保證。


Doob的optional sampling theorem,對於有界停時是對的,當然更廣義的情形,只要是個右閉鞅(exist last elements)也是對的。離散情形的證明有人給出了,連續的證明基於離散的結論,再要利用倒鞅(backward martingale)的收斂性。一般嚴格的教材都會有,比如gtm113。

手機打的有點亂,見笑了。


推薦閱讀:

關於二元Logistics回歸的損失函數的推導?
矩母函數屬於數學中哪個部分?
請教一道無限情況的貝葉斯公式問題?
概率論中「矩」(moment)的實際含義是什麼,高階矩表示數據的哪些狀態?
如何推導指數分布的概率密度曲線?

TAG:數學 | 金融數學 | 隨機數學 | 隨機過程 | 鞅測度 |