この問題では、マルチンゲール理論の核心概念と判定手法について理解を深めます。マルチンゲールは1939年にヴィルによって導入され、確率論の中でも大事な概念の一つで、金融数学、統計学、物理学において「公正性」の数学的表現として機能します。
マルチンゲール：確率的公正性の数学的定式化
マルチンゲールは「公正なゲーム」の数学的モデルで、過去の情報を知っていても将来の期待値は現在の値と等しいという性質を持ちます。この概念は確率解析の基礎理論となっています。
Step 1: マルチンゲールの厳密な定義
確率過程$\{X_n, \mathcal{F}_n\}_{n \geq 0}$がマルチンゲールであるための3つの条件：
マルチンゲールの公理
- 可積分性：$E[|X_n|] < \infty$ for all $n \geq 0$（期待値が有限）
- 適合性：$X_n$は$\mathcal{F}_n$-可測（観測可能性）
- 条件付き期待値条件：$E[X_{n+1} | \mathcal{F}_n] = X_n$（公正性条件）
各条件の数学的意味：
- 可積分性：確率変数が数学的に扱える範囲にある
- 適合性：時刻$n$で観測可能な情報に基づく
- マルチンゲール条件：過去の情報では将来の期待値は現在値以上でも以下でもない
Step 2: ブラウン運動に基づく2次マルチンゲールの分析
与えられた過程：$X_n = B_n^2 - n$
この過程は補償された2次変分（compensated quadratic variation）と呼ばれる重要なマルチンゲールです。
条件付き期待値の計算：
$E[X_{n+1} | \mathcal{F}_n] = E[B_{n+1}^2 - (n+1) | \mathcal{F}_n]$
$= E[B_{n+1}^2 | \mathcal{F}_n] - (n+1)$
Step 3: ブラウン運動の二乗過程の条件付き期待値
ブラウン運動の増分分解：
$B_{n+1} = B_n + (B_{n+1} - B_n)$
二乗を展開：
$B_{n+1}^2 = B_n^2 + 2B_n(B_{n+1} - B_n) + (B_{n+1} - B_n)^2$
条件付き期待値の項別計算：
\begin{align}E[B_{n+1}^2 | \mathcal{F}_n] &= E[B_n^2 | \mathcal{F}_n] + 2B_n E[B_{n+1} - B_n | \mathcal{F}_n] + E[(B_{n+1} - B_n)^2 | \mathcal{F}_n] \\&= B_n^2 + 2B_n \cdot 0 + 1 \\&= B_n^2 + 1\end{align}
計算の詳細説明：
- 第1項：$B_n^2$は$\mathcal{F}_n$-可測なので$E[B_n^2 | \mathcal{F}_n] = B_n^2$
- 第2項：ブラウン運動の独立増分性により$E[B_{n+1} - B_n | \mathcal{F}_n] = 0$
- 第3項：増分$(B_{n+1} - B_n) \sim N(0, 1)$なので$E[(B_{n+1} - B_n)^2] = 1$
Step 4: マルチンゲール条件の確認
\begin{align}E[X_{n+1} | \mathcal{F}_n] &= E[B_{n+1}^2 - (n+1) | \mathcal{F}_n] \\&= (B_n^2 + 1) - (n+1) \\&= B_n^2 - n \\&= X_n\end{align}
よって、$\{X_n = B_n^2 - n\}$はマルチンゲールです。
重要なマルチンゲール例
| マルチンゲール | 定義 | 応用分野 |
|---|
| ブラウン運動 | $B_t$ | 金融モデル、物理学 |
| 2次変分補償 | $B_t^2 - t$ | ボラティリティ推定 |
| 指数マルチンゲール | $\exp(\theta B_t - \frac{\theta^2 t}{2})$ | 測度変換理論 |
| 株価モデル | $S_t/B_t$ (割引株価) | リスク中立測度 |
マルチンゲール理論の性質
Step 5: 任意抽出定理（Optional Stopping Theorem）
マルチンゲールの最も重要な性質の一つが任意抽出定理です：
$E[X_\tau] = E[X_0]$
ここで$\tau$は停止時刻（stopping time）で、適切な条件下では「いつ止めても期待値は初期値と同じ」ことを示します。