形式陈述
固定实数 a < b 。对路径 X 0 , … , X N ,从首次满足 X s ≤ a 的时刻开始等待,直到首次满足 X t ≥ b 的较晚时刻,记一次完成的上穿;随后从 t 之后重新寻找下一个 X s ≤ a ,如此继续。记完成次数为 U N [ a , b ] 。触及端点就算到达,停在两端之间的最后一段不计数。
若 ( X n , F n ) 是实值可积下鞅 理路 鞅 Martingale · Submartingale · Supermartingale 在当前全部信息下,下一步条件均值等于当前值的可积适应过程。 ,则
( b − a ) E U N [ a , b ] ≤ E ( X N − a ) + − E ( X 0 − a ) + , x + = max ( x , 0 ) . 右边是两个正部期望的差,而不是 E ( X N − X 0 ) 。对鞅也可以使用此式,但不应把证明中下鞅的持仓收益误认为均值为零。
直觉
每完成一次从 a 以下到 b 以上的上穿,“低处买入、高处卖出”的策略至少赚取 b − a 。不过,最后一次买入可能尚未卖出,直接计算原过程的收益会留下浮动亏损。把过程先截成 Y n = ( X n − a ) + 后,每次买入时 Y = 0 ,未完成持仓也只能贡献非负值。这一步使路径振荡转为可积的账面收益。
图片加载失败 图中路径为 ( 0 , 1 , 2 , 0 , − 1 , 2 , 0 , 1 ) ,区间为 [ 0 , 2 ] 。绿色区段对应两次完整持仓,最后一段用蓝色标出。U 7 [ 0 , 2 ] = 2 ;最后到达 1 不能算作第三次。折线只是连接离散观测值,计数使用标出的整数时刻。
用互补持仓控制期望
这里 Y n ≤ | X n | + | a | ,所以各 Y n 可积。函数 ϕ ( x ) = ( x − a ) + 既凸又递增;条件 Jensen 与保序性 理路 条件期望 Conditional expectation 以信息分组的加权平均建立条件期望直觉,再连接测度定义、最小均方预测、塔式性质和可计算反例。 分别给出
E [ Y k ∣ F k − 1 ] ≥ ( E [ X k ∣ F k − 1 ] − a ) + ≥ ( X k − 1 − a ) + = Y k − 1 . 因此 Y 确为下鞅,而非仅凭“凸变换”四字忽略递增条件。令 H k ∈ { 0 , 1 } 表示在第 k − 1 次观测后是否持有,从而 H k 对 F k − 1 可测。总收益为
G N = ∑ k = 1 N H k ( Y k − Y k − 1 ) . 每段完整持仓贡献至少 b − a ,未完成持仓贡献非负,所以逐路径有 G N ≥ ( b − a ) U N [ a , b ] 。另一策略恰在空仓时持有,即持仓量为 1 − H k 。每个收益项可积;持仓量有界且过去可测,可以作为条件期望的有界测试函数。下鞅的条件漂移非负,故
E ∑ k = 1 N ( 1 − H k ) ( Y k − Y k − 1 ) ≥ 0. 两种策略收益之和恰为 Y N − Y 0 ,因此 E G N ≤ E Y N − E Y 0 ,得到不等式。这里真正提供收益上界的是互补持仓;仅说“持仓不偷看未来”还不足以让下鞅收益的期望等于零。
例子与边界
四步公平游走
令 S 0 = 0 ,每一步独立 理路 独立性 Statistical independence 从概率表理解独立性,区分两两、相互和条件独立,并用可计算反例澄清零协方差与条件均值的限度。 且等概率取 ± 1 ,考虑区间 [ 0 , 2 ] 。四步内最多完成一次上穿,因为从 0 到 2 至少需要两步,完成以后若要再回到 0 并重新到达 2 ,还需至少四步。
十六条等概率增量路径中,前两步为 + + 的四条路径都在时刻 2 完成上穿。余下路径中只有 + − + + 和 − + + + 在时刻 4 首次到达 2 。所以
E U 4 [ 0 , 2 ] = 6 16 = 3 8 . 另一方面,S 4 取正值时,要么为 4 (一条路径),要么为 2 (四条路径),于是 E ( S 4 ) + = ( 4 + 4 ⋅ 2 ) / 16 = 3 / 4 。不等式给出
2 ⋅ 3 8 ≤ 3 4 − 0 , 本例恰好取等号。比如路径 ( 0 , − 1 , 0 , 1 , 0 ) 始终没有到达 2 ,即使多次回到买入区域,也没有完成任何上穿。
一般适应过程没有这个保证
确定性路径 0 , 2 , 0 , 2 , 0 完成两次上穿 [ 0 , 2 ] ,却在终点回到零。若把它代入定理左边得到 4 ,右边得到 0 。矛盾只说明这不是下鞅:从 2 确定地跌至 0 违反条件漂移要求。可积与适应本身不能替代下鞅条件。
推论与应用
如果 sup n E | X n | < ∞ ,那么对每个固定 a < b ,上穿次数的期望有统一上界。随着 N 增加,U N [ a , b ] 单调增长;单调收敛定理 理路 单调收敛定理 Monotone convergence theorem 非负可测函数单调递增时,积分极限等于极限函数积分。 把统一期望界传到总次数,故其期望有限,无限次上穿的概率为零。再对所有有理数端点同时处理,就能排除任何持续振荡,得到鞅收敛定理 理路 鞅收敛定理 Martingale convergence theorem · Almost sure martingale convergence 绝对一阶矩统一有界的离散下鞅具有有限的几乎必然极限,但未必在一阶均值中收敛。 的核心机制。
它与Doob 最大不等式 理路 Doob 最大不等式 Doob maximal inequality · Doob Lp inequality 用非负下鞅的终点尾部期望或鞅的终点 p 阶矩控制整个有限时间区间的最大值。 回答不同问题:最大不等式控制一次很大的偏离,上穿不等式控制在两个固定水平之间反复来回。得到路径极限之后,是否还能交换期望与极限,则需要一致可积性 理路 一致可积性 Uniform integrability · Uniformly integrable family 一族可积随机变量在统一截断水平之外的绝对期望可以一致地趋于零。 。
自测。 图中删去时刻 5 的值 2 ,改为 1 ,其余观测不变,U 7 [ 0 , 2 ] 是多少?答案是 1 。第二次在时刻 3 买入后始终未到达 2 ,时刻 6 再次触及 0 也不会凭空完成一次上穿。
参考资料
Rick Durrett, Probability: Theory and Examples , 5th ed., Cambridge University Press, 2019,2019-01-11 作者稿,§4.2,印页219–222,Theorems 4.2.7–10及互补持仓证明;本页正部过程减去了不影响收益的常数a。