2012 年度「ファイナンス保険数理特論」 補足4 — Girsanov–丸山の定理について — 2012 年 7 月 23 日, 高岡浩一郎∗ 【このファイルは4頁分です. 】 1 はじめに 講義でも説明するように,Brown 運動では,確率を変えることは「ドリフトを変える」という 操作に対応します.もう少し具体的に言うと,{ Wt }t∈[0,T ] が(元の確率 P の下で)Brown 運動 であり,また γ が定数であるとするとき,確率過程 Xt := Wt + γ t (1) は元の確率 P の下ではドリフト付き Brown 運動ですが,うまく確率 Q を選ぶとドリフト無し Brown 運動になるというのが,Girsanov–丸山の定理 の骨子です.逆に,W 自身は W t = Xt − γ t と書けるので,新しい確率 Q の下ではドリフト付き Brown 運動になります. それでは,新しい確率 Q の具体形は何でしょうか? それを説明するのが本稿の目的です.ま た,末尾には上級者向けの注も記しておきました. 2 Radon-Nikodym density とは? 感覚をつかむために,離散時間のランダムウォークの話をしましょう. ∗ 一橋大学大学院商学研究科.E-mail: [email protected] 1 現在 t = 0 t=1 * © ©© © © HH HH j H 0 1 −1 t=2 * © ©© © © HH HH j H * © © © © © HH H H j H 2 0 −2 元の確率 P の下では,各 node における上昇確率は 3 4, 下落確率は 1 4 とします.この設定での計 4つのシナリオ ω1 : 最初に上昇,次も上昇 ω2 : 最初に上昇,次に下落 ω3 : 最初に下落,次に上昇 ω4 : 最初に下落,次も下落 のそれぞれに対して 9 3 3 1 , , , 16 16 16 16 という確率を与えるのが,確率 P ということになります. 一方,この確率過程をマルチンゲールにするような確率 Q は,各 node における上昇確率が 21 , 下落確率も 1 2 です.上記のシナリオ ω1 ∼ ω4 のそれぞれに対して 1 1 1 1 , , , 4 4 4 4 という確率を与えるのが,確率 Q ということになります. 確率 Q の P についての Radon-Nikodym density dQ dP とは,各シナリオに対して,Q の重みを P の重みで割ったものです.つまり dQ 4 (ω1 ) = , dP 9 dQ 4 (ω2 ) = , dP 3 dQ 4 (ω3 ) = , dP 3 と定義される確率変数が,Radon-Nikodym density dQ dP dQ (ω4 ) = 4 dP です. 元の確率 P が与えられている時, 「新しい確率 Q の具体形を与えること」と「Radon-Nikodym density dQ dP の具体形を与えること」とは完全に1対1に対応しています.この事実は任意の確率 空間について成立するので,今回,Girsanov–丸山の定理における新しい確率の具体形を考える時 も,対応する Radon-Nikodym density の具体形を考えましょう. 3 本論 本稿第1節で考えている設定において,Radon-Nikodym density dQ dP の具体形は何でしょうか? 以下において,§3.1 では,確率 P と Q の下での W の密度を比較し,一方 §3.2 では X の密度を 2 比較します.両者の方法で最終的に得られる Radon-Nikodym density は同じです. 3.1 確率 P と Q の下での W の密度を比較する方法 時刻の区間 [0, T ] を n 個に分割する ∆ : 0 = t 0 < t 1 < t 2 < · · · < tn = T を考え,シナリオ ω を固定して i = 1, · · · , n wi := Wti (ω), を定義します.確率 P の下で,時刻 ti で Wti = wi (ただし i = 1, · · · , n )となる同時密度関 数は n { ∏ ( ) 1 (wi − wi−1 )2 } P √ fW exp − w1 , w2 , · · · , wn = 2 (ti − ti−1 ) 2π(ti − ti−1 ) i=1 となり,一方,確率 Q の下での同時密度関数は Q( fW w1 , w2 , · · · , wn ) = n ∏ √ i=1 { 1 2π(ti − ti−1 ) exp ( wi − wi−1 + γ (ti − ti−1 ) − 2 (ti − ti−1 ) )2 } となります.ゆえに,両者の比を取ると ) n Q( { } ∏ fW w1 , w2 , · · · , wn γ2 ( ) = exp − γ (w − w ) − (t − t ) i i−1 i i−1 P w , w , ··· , w 2 fW 1 2 n i=1 { = exp = exp { − γ wn − γ2 } tn 2 − γ WT (ω) − γ2 } T 2 となります.右辺は分割 ∆ に依らない値になっているので,左辺で ||∆|| → 0 【分割幅をゼロに収 束させる】時を考えても右辺は同じです.これが,シナリオ ω に対する Radon-Nikodym density の値 dQ dP (ω) ということになります.よって { dQ γ2 } = exp − γ WT − t dP 2 3.2 確率 P と Q の下での X の密度を比較する方法 先程と同様に時刻の区間 [0, T ] を n 個に分割し,シナリオ ω を固定して i = 1, · · · , n xi := Xti (ω), を定義します.確率 P の下で,時刻 ti で Xti = xi (ただし i = 1, · · · , n )となる同時密度関数は ( )2 n { ∏ ( ) xi − xi−1 − γ (ti − ti−1 ) } 1 P √ exp − fX x1 , x2 , · · · , xn = 2 (ti − ti−1 ) 2π(ti − ti−1 ) i=1 3 となり,一方,確率 Q の下での同時密度関数は n ∏ ) Q( √ fX x1 , x2 , · · · , xn = i=1 { 1 2π(ti − ti−1 ) exp − (xi − xi−1 )2 } 2 (ti − ti−1 ) となります.ゆえに,両者の比を取ると ) n Q( { } ∏ fX x1 , x2 , · · · , xn γ2 ( ) = exp − γ (xi − xi−1 ) + (ti − ti−1 ) P 2 fX x1 , x2 , · · · , xn i=1 { = exp = exp { − γ xn + γ2 } tn 2 − γ XT (ω) + γ2 } T 2 となり, { dQ γ2 } = exp − γ XT + t dP 2 です.これは,本稿冒頭の式 (1) から,§3.1 の結果と一致します. 注 4 1. 本稿は,講義要綱にも載せた Baxter and Rennie の本の該当箇所を基に作成しました.よ り厳密な議論は,Lamberton and Lapeyre(第4章や演習 19)等を参照して下さい. 2. 本稿のように Brown 運動に定数ドリフトを付けた確率過程に対しては,Radon-Nikodym density つまり Q と P の確率の重みの比が { dQ γ2 } = exp − γ WT − t dP 2 となり,WT の値のみに依存します.ゆえに,ドリフト無し Brown 運動とドリフト付き Brown 運動は,最終時刻 T でどこの位置にいるかの確率だけが異なり,各実数 a に対して, { • WT = a で条件付けたときの確率過程 • WT + γT = a で条件付けたときの確率過程 Wt } t∈[0,T ] { Wt + γt } t∈[0,T ] の両者は(定数 γ の値に関わらず)確率過程としての法則 (law) が等しくなる,という知見 を得ることができます.一例としては,各実数 c に対して ¯ ¯ [ ] [ ] ( ) ¯ ¯ P max Wt ≤ c ¯ WT = a = P max Wt + γt ≤ c ¯ WT + γT = a t∈[0,T ] t∈[0,T ] が成り立ちます.この性質を知っていると,Brown 運動に関する様々な確率変数の分布を計 算するときに,便利です. 4
© Copyright 2024 Paperzz