Local EPUB Text
附录14A 伊藤引理的推导
在这个附录中我们将说明如何将伊藤引理看成一些简单结论的推广。考虑一个连续可微的x的函数G。如果x很小的变化为Δx,相应G的变化为ΔG,微积分里的一个著名结论是
换句话讲,ΔG大约等于G对x的导数乘以Δx。误差项包括高阶项Δx2。如果需要更精确的表达式,我们可以运用ΔG的泰勒展开式
如果连续可导函数G有两个变量x和y,那么与式(14A-1)类似的结果为
相应的泰勒展开式为
当Δx和Δy趋于0时,式(14A-3)变为
我们现在将式(14A-4)推广到适用于伊藤过程的情形。假定变量x满足伊藤过程
G是x和t的函数。与式(14A-3)类似,我们可以得出
将式(14A-5)离散化,得
省略函数的变量时,以上方程可以写成
这一方程显示了式(14A-6)与式(14A-3)之间所存在的一个重要差别。当对式(14A-3)取极限而将其转换为式(14A-4)时,由于Δx2项是2阶项,我们可以忽略这一项。由式(14A-7)出发,我们得出
以上方程说明式(14A-6)中的Δx2项包含Δt项,因此这一项是不能忽略的。
标准正态分布的方差为1.0。这意味着
其中E表示期望值。由于E(ε)=0,所以E(ε2)=1。因此ε2Δt的期望值为Δt。由标准正态分布的性质可知ε2Δt的方差为2Δt2。我们知道随机变量在时间Δt内的方差与Δt(而不是Δt2)成正比。因此,当Δt趋于0时,我们可以将ε2Δt视为非随机项,并等于其期望值,因此式(14A-8)中的Δx2在当Δt趋于0时为非随机项,并等于b2dt。对式(14A-6)中取极限,并应用以上结果,我们得出
以上方程就是伊藤引理。将式(14A-5)中的dx代入式(14A-9),我们得出
在网页www.rotman.utoronto.ca/~hull/TechnicalNotes里的Technical Note 29给出了有关伊藤引理推广的证明。当G是变量x1,x2,…,xn的函数,而且
我们有
当G是一个具有多项不确定来源的变量x的函数时
我们有
在这些式子里,ρij是与之间的相关系数(见14.5节)。