Loading [MathJax]/jax/element/mml/optable/GeneralPunctuation.js
  数学物理学报  2015, Vol. 35 Issue (5): 995-1003   PDF (345 KB)    
扩展功能
加入收藏夹
复制引文信息
加入引用管理器
Email Alert
RSS
本文作者相关文章
郝涛
g-期望的一种条件方差
郝涛    
山东中医药大学理工学院 济南 250355
摘要: 该文介绍一种关于g-期望的条件方差——条件g-方差,证明了它的唯一性定理,得到了条件g-方差关于参数连续性的充要条件.这种条件g-方差的比较定理不再成立.最后,将条件g-方差作为HF1(0,T; R)中的连续映射从L4(Ω,FT,P)延拓到L2(Ω,FT,μ).
关键词: 倒向随机微分方程     g-期望     条件g-期望     g-方差     条件g-方差    
A Conditional Variance for g-Expectation
Hao Tao    
School of Science and Technology, Shandong University of Traditional Chinese Medicine, Jinan 250355
Abstract: A conditional variance for g-expectation, named conditional g-variance, is introduced in this paper. The uniqueness theorem for conditional g-variance is proved and the comparison theorem does not hold any more. The sufficient and necessary condition of the property of continuity of conditional g-variance depending on parameters is obtained. At last, we extend conditional g-variance from L4(Ω,FT,P) to L2(Ω,FT) as a continuous mapping in HF1(0,T; R).
Key words: Backward stochastic differential equations     g-Expectation     Conditional g-exp-ectation     g-Variance     Conditional g-variance    
1 引言

Peng 在文献[11] 中介绍了一类非线性期望-g-期望. g-期望几乎保留了经典期望中除了线性性之外的所有性质, 而且 g-期望克服了 Choquet 期望不能定义条件期望的缺陷. 自从 g-期望被介绍以来,很多学者致力于这方面的研究. 例如,Chen,Chen 和 Davison 在文献[5] 中研究了 g-期望和 Choquet 期望之间的关系, 发现两者同时为线性期望的情况下才一致. g-期望和条件 g-期望的性质在文献[1] 中得到深入研究. 特别需要指出的是, 文献[1] 中所介绍的倒向随机微分方程生成元表示定理, 对于研究生成元和 g-期望之间的等价关系是非常有帮助的. Briand,Coquet,Hu,Mémin 和 Peng 在文献[1]中首次考虑了 g-期望的 Jensen 不等式. Chen,Kulperger 和 Jiang 在文献[4] 中弱化了文献[1] 中得假设, 在更加便于验证的假设下,证明了 g-期望的 Jensen 不等式. g-期望在经济学中的一个重要应用是用来区分厌恶和风险,这一结果由 Chen 和 Epstein 于 2002 年在文献[3] 中首先发现. Hao 在文献[7] 中考虑了 g-期望的二阶中心矩, 称为 g-方差,并且得到了 g-方差的唯一性定理和比较定理. 借助 g-方差的比较定理, 一种关于 g-期望的 Kolmogrov 不等式被付静和郝涛在文献[8] 中所研究.

本文的主要目的是介绍一类关于 g-期望的条件方差,称作条件 g-方差, 并研究它的性质. 更加精确的说,我们介绍一类形如 Eg[(ξEg[ξ])2|Ft] 的条件 g-方差. 文献[7] 在 gz 的线性函数下,证明了 g-方差的唯一性定理和比较定理. 然而,对于条件 g-方差的唯一性定理,生成元 g 仅仅需要满足基本的假设: Lipschitz,平方可积和连续性 (定理 3.1). 条件 g-方差的比较定理不再成立, 即对于 ξL4(Ω,FT,P),即使 g1g2, Dg1[ξ|Ft]Dg2[ξ|Ft] 也不再成立 (例 3.1). 条件 g-方差关于参数的连续性等价于生成元关于参数的连续性 (定理 3.2). 最后, 我们将条件 g-方差作为 H1F(0,T;R) 中的连续映射从 L4(Ω,FT,P) 延拓到 L2(Ω,FT,μ).

本文组织如下:第二节回忆 g-期望和条件 g-期望的定义和性质,以及下文中经常使用的生成元表示定理. 条件 g-方差的概念在第三节中被介绍. 在本节中我们也讨论了条件 g-方差的唯一性定理和对参数的连续依赖性. 第四节将条件 g-方差延拓到 L2(Ω,FT,μ) 空间.

2 符号和假设

给定 T>0,令 (Ω,F,P) 是一个概率空间. (Bt)t0 是这一空间中 d-维标准布朗运动. F={Ft, 0tT} 是由这一布朗运动生成的信息流

Ft=σ{Bs, s[0,t]}N,t[0,T],

这里 N 表示所有的 P-零测子集. 我们假定 F=FT.

下面介绍两个空间: 对于 p1,

SpF(0,T;R):={(ψt)0tT  实值 F -适应右连左极过程: E[sup0tT|ψt|p]<+};

HpF(0,T;Rn):={(φt)0tT Rn-值 F -循序可测: φp=E[T0|φt|pdt]<+}.

假设 g(ω,t,y,z):Ω×[0,T]×R×RdR 满足

(B1) g 关于 (y,z) 是一致 Lipschitz 的,即存在一个常数 μ>0 使得对于 t[0,T], y1, y2R, z1, z2Rd, P-a.s.,

|g(t,y1,z1)g(t,y2,z2)|μ(|y1y2|+|z1z2|);

(B2) (g(t,0,0))t[0,T]H2F(0,T;R);

(B3) 对于 t[0,T], yR,P-a.s., g(t,y,0)=0;

(B4) 对于 (y,z)R×Rd, P-a.s., tg(t,y,z) 是连续的.

在假设 (B1) 和 (B2) 之下,对于 ξL2(Ω,FT,P), 下面的倒向随机微分方程

yt=ξ+Ttg(s,ys,zs)dsTtzsdBs,0tT (2.1)

存在唯一适应解 (yT,g,ξt,zT,g,ξt)0tTS2F(0,T;R)×H2F(0,T;Rd) (参考文献[10] 或者[6]).

Peng 于 1997 年在文献[11] 中首次介绍了 g-期望和条件 g-期望的概念. 该作者用倒向随机微分方程 (2.1) 的解在 0 时刻的值定义 g-期望.

定义 2.1 (g-期望) 称 Eg[]:L2(Ω,FT,P)Rg-期望,如果 Eg[ξ]yT,g,ξ0.

Peng 在文献[11] 中证明了对于每个 t[0,T],存在唯一的 Ft 可测的随机变量 ηL2(Ω,Ft,P) 使得 Eg[ξIA]=Eg[ηIA], AFt, 0tT, 并用 Eg[ξ|Ft] 表示这个 Ft-可测的随机变量 η. Eg[ξ|Ft] 实际上是倒向随机微分方程 (2.1) 在 t 时刻的解,即 Eg[ξ|Ft]=yT,g,ξt. 显然,当 g=0,g-期望 (相应的,条件 g-期望) 是经典意义下的期望 (相应的,条件期望),即 Eg[ξ]=E[ξ],Eg[ξ|Ft]=E[ξ|Ft]. 受文献[1, 5, 11] 的工作所激发,Hao 在文献[7] 中研究了 g-期望的二阶中心矩并给出了如下的 g-方差定义

定义 2.2 (g-方差) 对任何 ξL4(Ω,FT,P), Eg[ξEg[ξ]]2 被称为 ξ 关于 gg-方差,记为 Dg[ξ].

g-期望和条件 g-期望几乎保留了经典期望中除了线性性之外的所有性质 (参考文献[1, 11]).

引理 2.1 (1) Eg[c|Ft]=c, cR.

(2) 如果ξ1ξ2,Eg[ξ1|Ft]Eg[ξ2|Ft].

(3) Eg[Eg[ξ|Ft]]=Eg[ξ], ξL2(Ω,FT,P).

(4) ηFt-可测的并且g不依赖于 y,则 Eg[ξ+η|Ft]=Eg[ξ|Ft]+η.

(5) g(t,y,z) 是确定性的和ξ独立于Ft,Eg[ξ|Ft]=Eg[ξ].

(6) 如果g 关于(y,z) 是凸的 (相应的,凹的)并且是正齐次的,则 Eg[ξ+η|Ft] (相应的,) Eg[ξ|Ft]+Eg[η|Ft], t[0,T], ξ,ηL2(Ω,FT,P).

下面我们介绍生成元表示定理 (参考文献[1] 或者 [9]).

引理 2.2 假设 g 满足 (B1),(B3) 和 (B4),则对于 1p2 和每一个 (t,y,z)[0,T[×R×Rd,我们有

Lpg(t,y,z)=limε0+1ε[Yg,t+ε,y+z(Bt+εBt)ty].

3 条件g-方差

本节介绍一种关于 g-期望的条件方差,称为条件 g-方差, 证明了条件 g-方差的唯一性定理,比较定理不再成立. 这种条件 g-方差关于参数连续依赖性也得到研究.

下面首先介绍条件 g-方差的定义.

定义 3.1 对于 ξL4(Ω,FT,P),t[0,T], Eg[(ξEg[ξ])2|Ft] 被称为 ξ 关于 g 的条件 g-方差,记为 Dg[ξ|Ft].

注 3.1 (i) 当 t=0,Dg[ξ|Ft]g-方差 Dg[ξ].

(ii) 一般来说,Dg[ξ|Ft] 不再具有引理 2.1 中 g-期望的性质. 主要原因是 (ξEg[ξ])2, ξL4(Ω,FT,P) 表示所有平方可积随机变量的一部分,不是全部.

(iii) 如果 g 关于 z 是线性的,即 g(s,z)=bsz, 则存在一个概率测度 QbPT 使得条件 g-方差 Dg[ξ|Ft] 表示为

Dg[ξ|Ft]=EQb[(ξEQb[ξ])2|Ft],

这里

PT={Qb:E[dQbd|FT]=exp{12T0b2sds+T0bsdBs}, |bs|μ}. (3.1)

在这种情况下,我们可以按照下面的方式计算 Dg[ξ|Ft]

Dg[ξ|Ft]=EQb[(T0zg,ξsd˜Bs)2|Ft]=(t0zg,ξsd˜Bs)2+Tt(zg,ξs)2ds,

这里 (yg,ξ,zg,ξ) 是具有标准参数 (g,ξ) 的倒向随机微分方程的解, ˜Bs 是概率测度 Qb 下的一个布朗运动.

下面介绍条件 g-方差的性质.

命题 3.1 假设 g 满足 (B1),(B3) 和 (B4),t[0,T],下面两个条件等价

(i) Dg[ξ+c|Ft]=Dg[ξ|Ft], ξL4(Ω,FT,P), cR;

(ii) g 不依赖于 y.

我们仅仅证明 (i)(ii), 因为 (ii)(i) 显然. 证明被分成两步.

步骤一 如果 Dg[ξ+c|Ft]=Dg[ξ|Ft], t[0,T], cR, 则当 t=T,对于 ξL4(Ω,FT,P), (ξ+cEg[ξ+c])2=(ξEg[ξ])2. 这意味着 Eg[ξ]+c=Eg[ξ+c], ξL4(Ω,FT,P). 根据 g-期望的连续性,上面的等式对于所有的平方可积 FT-可测随机变量成立.

步骤二 对于 ξL2(Ω,FT,P), 令 (Yt,Zt)t[0,T] 是下面倒向随机微分方程的解

Yt=ξ+Ttg(s,Ys,Zs)dsTtZsdBs. (3.2)

在方程 (3.2) 两边加上常数 c,则有

Yt+c=ξ+c+Ttg(s,Ys,Zs)dsTtZsdBs.

¯Yt=Yt+c, gc(t,y,z)=g(t,yc,z). 容易证明 (¯Yt,Zt)t[0,T] 是带有标准参数 (ξ+c,gc) 的倒向随机微分方程的解. 因此,Egc[ξ+c|Ft]=Eg[ξ|Ft]+c. 根据步骤一和引理 2.2,我们得到 P-a.s., g(t,y,z)=g(t,yc,z), (t,y,z)[0,T]×R×Rd. 这意味着 g 不依赖于 y.

注 3.2 即使 g 不再依赖于 y,对于 ηL4(Ω,Ft,P), ξL4(Ω,FT,P), Dg[ξ+η|Ft]Dg[ξ|Ft]. 事实上, 条件 g-方差是一种特殊类型的条件 g-期望. 这种条件 g-期望仅仅作用在形如 (ξEg[ξ])2, ξL4(Ω,FT,P) 的随机变量上, 而不是所有平方可积的随机变量上. 因此, Eg[ξ+η]Eg[ξ]+η, ξL4(Ω,FT,P)(ξEg[ξ])2(ξ+ηEg[ξ+η])2. 这说明对于 ηL4(Ω,Ft,P), ξL4(Ω,FT,P), Dg[ξ+η|Ft]Dg[ξ|Ft].

Chen 在文献[2] 中证明了如果对于所有平方可积的随机变量, 两个 g-期望一致,则两个生成元一致. 这里我们提出一个类似的问题: 如果Dg1[ξ|Ft]=Dg2[ξ|Ft], ξL4(Ω,FT,P),是否会有 g1=g2? 答案是肯定的.

定理 3.1 (唯一性定理) 假设 gi, i=1,2, 满足 (B1), (B3)(B4),则下面两个条件等价

(i) Dg1[ξ|Ft]=Dg2[ξ|Ft], P-a.s.,ξL4(Ω,FT,P), t[0,T];

(ii) g1(t,y,z)=g2(t,y,z), P-a.s., (t,y,z)[0,T]×R×Rd.

(i)(ii) 根据 (i),当 t=T 时我们有 (ξEg1[ξ])2=(ξEg2[ξ])2, ξL4(Ω,FT,P). 这意味着对于 ξL4(Ω,FT,P), Eg1[ξ]=Eg2[ξ]. 根据 g-期望的连续性,可以得到对于所有平方可积的 FT-可测的随机变量, Eg1[ξ]=Eg2[ξ]. 因此,对于 AFt,

Eg1[IAEg1[ξ|Ft]]=Eg1[IAξ]=Eg2[IAξ]=Eg2[IAEg2[ξ|Ft]]=Eg1[IAEg2[ξ|Ft]].

由此可得

Eg1[ξ|Ft]=Eg2[ξ|Ft], ξL2(Ω,FT,P).

根据引理 2.2, 可以得到对于 (t,y,z)[0,T]×R×Rd, P-a.s.,g1(t,y,z)=g2(t,y,z).

注 3.3 (i) Hao 在文献[7] 中假设 gz 的线性函数下,得到 g-方差的唯一性定理. 但是从定理 3.1,我们看到只要 g 满足基本假设和函数 tg(t,y,z) 关于 (y,z) 是一致连续的,条件 g-方差的唯一性定理就成立. 主要原因在于对于条件 g-方差 (或者称作关于随机变量 (ξEg[ξ])2 的条件 g-期望) 我们能够知道时刻 t[0,T] 之前的所有信息, 而对于 g-方差,我们仅仅知道在 t=0 时刻的信息.

(ii) 事实上,(B4) 中 g 关于 t 的连续性可以减弱为 g 关于 t 是右连续的 (参见文献[1]) 或者当 g 为确定性函数且满足 (B1) 和 (B3) 时,g 关于 t 甚至可以不连续 (参见文献[9]).

一般来说,条件 g-方差的比较定理不再成立. 因为即使 g1g2, 对于所有的 ξL4(Ω,FT,P), (ξEg1[ξ])2) 不一定比 (ξEg2[ξ])2) 大. 正如下面的例题所示,

例 3.1g1(t,y,z)=0g2(t,y,z)=|z|, (t,y,z)[0,T]×R×Rξ=BT. 显然, Eg1[BT]=0Eg2[BT]=T. 因此,

Dg1[BT|Ft]=E[B2T|Ft]=B2t+(Tt).

根据 Girsanov 定理,

Dg2[BT|Ft]=(Bt+TtbrdrT)2+(Tt),

这里 |br|1. 然而,对于 t[0,T],我们无法得到

Dg1[BT|Ft]Dg2[BT|Ft].

下面我们研究条件 g-方差关于参数的连续性质. 在介绍结果之前,需要做进一步的假设:

(A1) 生成元序列 {g(α,), αR} 是拟 Lipschitz 的, 即存在一个正常数 Lg 使得,对于 t[0,T], y1,y2R, z1,z2Rd,αR,

|g(α,t,y1,z1)g(α,t,y2,z2)|Lg(|y1y2|+|z1z2|);

(A2) 对于 αR, yR, t[0,T], g(α,t,y,0)=0.

定理 3.2 在假设 (A1) 和 (A2) 下, 对任何的 α0R, 下面两个条件等价

(i) 对于 ξL4(Ω,FT,P),

H2Flimαα0Dgα[ξ|F]=Dgα0[ξ|F];

(ii) 对于 (y,z)R×Rd, 函数 αg(α,,y,z)α0 处连续, 即

H2Flimαα0g(α,,y,z)=g(α0,,y,z).

为了叙述简单, 将 g(α,t,y,z), t[0,T], yR, zRd 简记为 gα.

(ii)(i) 对于 α, α0RξL4(Ω,FT,P),令 (Yα,ξ,Zα,ξ) (相应的,(Yα0,ξ,Zα0,ξ)) 是具有参数 (gα,ξ) (相应的,(gα0,ξ)) 的倒向随机微分方程的解. 记 δY=Yα,ξYα0,ξ, δZ=Zα,ξZα0,ξ. 在区间 [t,T] 上对 eβs|δYs|2, β>0 应用 Itô 公式,然后取期望, 得到

E[eβt|δYt|2]+E[Tteβs(β|δYs|2+|δZs|2)ds]E[eβT|δYT|2]+ETteβs2|δYs||g(α,s,Yα,ξs,Zα,ξs)g(α0,s,Yα0,ξs,Zα0,ξs)|ds.

因为 {g(α,), αR} 是拟 Lipschitz 的. 根据不等式

2y(Lgz+t)Lgz2λ2+t2μ2+y2(μ2+Lgλ2), (λ, μ>0),

我们有

E[eβt|δYt|2]+E[Tteβs(β|δYs|2+|δZs|2)ds]E[eβT|δYT|2]+[Lg(2+λ2)+μ2]ETteβs|δYs|2ds+Lgλ2ETteβs|δZs|2ds+1μ2ETteβs|g(α,s,Yα0,ξs,Zα0,ξs)g(α0,s,Yα0,ξs,Zα0,ξs)|2ds. (3.3)

β>Lg(2+λ2)+μ2Lgλ2<1,则

E[|δYt|2]1μ2ETteβs|g(α,s,Yα0,ξs,Zα0,ξs)g(α0,s,Yα0,ξs,Zα0,ξs)|2ds. (3.4)

特别的,当 t=0,

|δY0|21μ2ET0eβs|g(α,s,Yα0,ξs,Zα0,ξs)g(α0,s,Yα0,ξs,Zα0,ξs)|2ds1μ2eβTET0|g(α,s,Yα0,ξs,Zα0,ξs)g(α0,s,Yα0,ξs,Zα0,ξs)|2ds.

根据 g-期望的定义和 gαα0 处的连续性, 得到当 αα0, |Egα[ξ]Egα0[ξ]|20. 因此,对于 ξL4(Ω,FT,P), 当 αα0 时,

E[|(ξEgα[ξ])2(ξEgα0[ξ])2|2]=(Egα0[ξ]Egα[ξ])2E[(2ξEgα[ξ]Egα0[ξ])2]0. (3.5)

另一方面,令 (Yα,(ξEgα[ξ])2,Zα,(ξEgα[ξ])2) (相应的, (Yα0,(ξEgα0[ξ])2,Zα0,(ξEgα0[ξ])2)) 是具有参数 (gα,(ξEgα[ξ])2) (相应的, (gα0,(ξEgα0[ξ])2)) 的倒向随机微分方程的解. 类似于上述论述用 ΔYYα,(ξEgα[ξ])2Yα0,(ξEgα0[ξ])2, ΔZZα,(ξEgα[ξ])2Zα0,(ξEgα0[ξ])2 替换 δY, δZ, 我们得到

E[|ΔYt|2]eβTE[|ΔYT|2]+1μ2ETteβs|g(α,s,Yα0,(ξEgα0[ξ])2s,Zα0,(ξEgα0[ξ])2s)g(α0,s,Yα0,(ξEgα0[ξ])2s,Zα0,(ξEgα0[ξ])2s)|2dseβT(Egα0[ξ]Egα[ξ])2E[(2ξEgα[ξ]Egα0[ξ])2]+1μ2eβTETt|g(α,s,Yα0,(ξEgα0[ξ])2s,Zα0,(ξEgα0[ξ])2s)g(α0,s,Yα0,(ξEgα0[ξ])2s,Zα0,(ξEgα0[ξ])2s)|2ds. (3.6)

根据 (3.5)式和 gαα0 处的连续性,对于 0tT,当 αα0,

E[|Yα,(ξEgα[ξ])2tYα0,(ξEgα0[ξ])2t|2]0.

注意到 Dgα[ξ|Ft]=Yα,(ξEgα[ξ])2tDgα0[ξ|Ft]=Yα0,(ξEgα0[ξ])2t, 容易得到对于 ξL4(Ω, FT,P),

H2Flimαα0Dgα[ξ|F]=Dgα0[ξ|F].

(i)(ii)t=T,对于 ξL4(Ω,FT,P),

limαα0(ξEgα[ξ])2=(ξEgα0[ξ])2.

因此,对于 ξL4(Ω,FT,P),

limαα0Egα[ξ]=Egα0[ξ]. (3.7)

根据 g-期望连续性,(3.7)式 对于所有平方可积的 FT-可测的随机变量成立, 而且对于任意的 AFt,

Egα0[IAEgα0[ξ|Ft]]=Egα0[Egα0[IAξ|Ft]]=Egα0[IAξ]=limαα0Egα[IAξ]=limαα0Egα[Egα[IAξ|Ft]]=limαα0Egα[IAEgα[ξ|Ft]]=Egα0[IAlimαα0Egα[ξ|Ft]].

因此,根据引理 2.2,对于任意选取的但是给定的 αα0,我们得到对于 t[0,T],yR,zRd,

L2limαα0g(α,t,y,z)=g(α0,t,y,z).

这意味着对于 yR,zRd,

H2Flimαα0g(α,,y,z)=g(α0,,y,z).

证毕.

4 定义在L2(Ω,FT,μ) 上的条件 g-方差

在本节中,我们将条件 g-方差作为 H1F(0,T;R) 中的连续映射从 L4(Ω,FT,P) 延拓到 L2(Ω,FT,μ).

对于 p1,定义

这里 {\cal P}_T 由 (3.1) 式给出.

显然,L^p(\Omega,{\cal F}_T,\mu)\ (p\geq1)\| \cdot\| _{_{L^p(\mu)}} 下是一个 Banach空间. 当 p=1,我们使用 \| \cdot\| _{\mu} 表示 \| \cdot\| _{_{L^1(\mu)}}. 空间 L^p(\Omega,{\cal F}_T,\mu) 和空间 L^p(\Omega,{\cal F}_T,P) 具有如下关系

引理 4.1 对任何的 p\geq1, L^{p+1}(\Omega,{\cal F}_T,P)\subset L^p(\Omega,{\cal F}_T,\mu)\subset L^p(\Omega,{\cal F}_T,P).

对每一个 \xi\in L^p(\Omega,{\cal F}_T,\mu)Q^b\in{\cal P}_T,

\| \xi\| _{{L^p(P)}}=(E[|\xi|^p])^{\frac{1}{p}} \leq {\sup\limits_{Q^b\in{\cal P}_{_T}}}(E_{_{Q^b}}[|\xi|^p])^{\frac{1}{p}},

(E_{Q^b}[|\xi|^p])^{\frac{1}{p}}\leq {\rm e}^{\frac{1}{2}\mu^2T}\| \xi\| _{L^{p+1}(P)}.

证毕.

注 4.1 在引理 4.1 中,我们假设 \xi=1_A, 则对于 \eta\in L^p(\Omega,{\cal F}_T,\mu),\ p\geq1A\in{\cal F}_T,

\lim\limits_{{P(A)\rightarrow0}}\| \eta1_A\| _{L^p(\mu)}=0.

定理 4.1 假设 g 满足 \mathrm{(B1)},\ \mathrm{(B3)}\mathrm{(B4)}. 定义在 L^4(\Omega,{\cal F}_T,P) 上的条件 g-方差 {\cal D}_g[\cdot|{\cal F}_{\cdot}] 作为 {\cal H}^1_{{\Bbb F}}(0,T;{\Bbb R}) 中的连续映射可以延拓到 L^2(\Omega,{\cal F}_T,\mu).

对于任何的 \xi\in L^2(\Omega,{\cal F}_T,\mu), 我们定义 \xi_k=\xi1_{\{|\xi|\leq k\}}. 显然,\xi_k\in L^4(\Omega,{\cal F}_T,P). 对于每一个 k\geq1\forall t\in[0,T], {\cal D}_g[\xi_k|{\cal F}_t]L^4(\Omega,{\cal F}_T,P) 中具有良定义. 进一步,当 k\rightarrow +\infty, \| \xi_k-\xi\| _{L^2(\mu)}\rightarrow0. 根据 g-期望的连续性,我们得到当 k\rightarrow\infty, |{\cal E}_g[\xi_k]-{\cal E}_g[\xi]|\rightarrow0.

为书写方便,我们记 \eta_k=(\xi_k-{\cal E}_g[\xi_k])^2,\eta=(\xi-{\cal E}_g[\xi])^2). 因此,

\begin{eqnarray*} \| \eta_k-\eta\| _{\mu} &=&\| (\xi_k-{\cal E}_g[\xi_k])^2-(\xi-{\cal E}_g[\xi])^2)\| _{\mu}\\ &\leq&\| \xi_k^2-\xi^2\| _{\mu} +({\cal E}_g^2[\xi_k]-{\cal E}_g^2[\xi]) +\| 2\xi{\cal E}_g[\xi]-2\xi_k{\cal E}_g[\xi_k]\| _{\mu}. \end{eqnarray*}

根据注 4.1 和 \xi\in L^2(\Omega,{\cal F}_T,\mu), 我们得到当 k\rightarrow\infty, \| \xi_k^2-\xi^2\| _{\mu}\rightarrow0.

对于上面不等式右边第三部分,根据 g-期望的连续性和注 4.1, 当 k\rightarrow\infty,

\begin{array}{ll}[c] \| 2\xi{\cal E}_g[\xi]-2\xi_k{\cal E}_g[\xi_k]\| _{\mu} \leq2\| \xi\| _{L^2(\mu)}|{\cal E}_g[\xi]-{\cal E}_g[\xi_k]| +2\| \xi-\xi_k\| _{L^2(\mu)}|{\cal E}_g[\xi_k]|\rightarrow0. \end{array}

因此,当 k\rightarrow\infty, \| \eta_k-\eta\| _{\mu}\rightarrow0. 对于任何的 m\geq1,\ n\geq1,

\| {\cal D}_g[\xi_m|{\cal F}_{\cdot}]- {\cal D}_g[\xi_n|{\cal F}_{\cdot}]\| _{{\cal H}^1_{{{\Bbb F}}}(0,T;{\Bbb R})} =E\int^T_0|{\cal D}_g[\xi_m|{\cal F}_t]- {\cal D}_g[\xi_n|{\cal F}_t]|{\rm d}t.

根据 Girsanov 定理,存在一个随机过程 |a_s|\leq \muQ^b\in{\cal P}_T 使得

{\cal D}_g[\xi_m|{\cal F}_t]- {\cal D}_g[\xi_n|{\cal F}_t] =E_{Q^b}[((\xi_m-{\cal E}_g[\xi_m])^2 -(\xi_n-{\cal E}_g[\xi_n])^2){\rm e}^{\int_0^Ta_s{\rm d}s}|{\cal F}_t].

因此,当 m\rightarrow\infty,\ n\rightarrow\infty,

\begin{eqnarray*} \| {\cal D}_g[\xi_m|{\cal F}_t]- {\cal D}_g[\xi_n|{\cal F}_t]\| _{{\cal H}^1_{{\Bbb F}}(0,T;{\Bbb R})} &\leq &T{\rm e}^{\mu T}\| \eta_m-\eta_n\| _{\mu}\\ &\leq &T{\rm e}^{\mu T}(\| \eta_m-\eta\| _{\mu} +\| \eta_n-\eta\| _{\mu}) \rightarrow0, \end{eqnarray*}

这里 \eta_m=(\xi_m-{\cal E}_g[\xi_m])^2\eta_n=(\xi_n-{\cal E}_g[\xi_n])^2. 因此,对于每个 k\geq1t\in[0,T], \lim\limits_{k\rightarrow \infty}{\cal D}_g[\xi_k|{\cal F}_t] 存在,记为 {\cal D}_g[\xi|{\cal F}_t].

现在证明 {\cal D}_g[\xi|{\cal F}_t] 不依赖于 \xi_k. 假设存在 \xi_m\xi_n 使得 {\cal D}_g[\xi_n|{\cal F}_{\cdot}]{\cal D}_g[\xi_m|{\cal F}_{\cdot}]{\cal H}^1_{{\Bbb {\Bbb F}}}(0,T;{\Bbb R}) 中分别趋于 {\cal D}_g[\xi|{\cal F}_{\cdot}]. 因此,当 m\rightarrow\infty,\ n\rightarrow\infty,

\begin{eqnarray*} &&\| {\cal D}_g[\xi_m|{\cal F}_{\cdot}] -{\cal D}_g[\xi_n|{\cal F}_{\cdot}]\| _{{\cal H}^1_{{{\Bbb F}}}(0,T;{\Bbb R})}\\ &\leq& \| {\cal D}_g[\xi_m|{\cal F}_{\cdot}] -{\cal D}_g[\xi|{\cal F}_{\cdot}]\| _{{\cal H}^1_{{{\Bbb F}}}(0,T;{\Bbb R})} +\| {\cal D}_g[\xi_n|{\cal F}_{\cdot}] -{\cal D}_g[\xi|{\cal F}_{\cdot}]\| _{{\cal H}^1_{{{\Bbb F}}}(0,T;{\Bbb R})} \rightarrow0. \end{eqnarray*}

最后,证明该极限对于 g 是唯一的.

如果存在另一个 g' 满足假设 (B1),(B3),(B4) 使得 {\cal H}^1_{{\Bbb {\Bbb F}}} -\lim\limits_{m\rightarrow\infty}{\cal D}_g[\xi_m|{\cal F}_{\cdot}] ={\cal D}_{g'}[\xi|{\cal F}_{\cdot}]. 那么,对于 \forall\xi\in L^4(\Omega,{\cal F}_T,P),t\in[0,T], {\cal D}_g[\xi|{\cal F}_t] ={\cal D}_{g'}[\xi|{\cal F}_t]. 根据定理 3.1, 对于 t\in[0,T],(y,z)\in{\Bbb R}\times {\Bbb R}^d, P-a.s., g(t,y,z)=g'(t,y,z). 证毕.

利用定理 4.1,易将第三节中的结论从 L^4(\Omega,{\cal F}_T,P) 延拓到 L^2(\Omega,{\cal F}_T,\mu).

推论 4.1 假设 g 满足 \mathrm{(B1)},\ \mathrm{(B3)}\mathrm{(B4)}, t\in[0,T],下面两个陈述等价

(i) {\cal D}_g[\xi+c|{\cal F}_t]={\cal D}_g[\xi|{\cal F}_t],\ \xi\in L^2(\Omega,{\cal F}_T,\mu),\ c\in {\Bbb R};

(ii) g 不依赖于 y.

推论 4.2 假设 g_i, i=1,2,满足 \mathrm{(B1)},\ \mathrm{(B3)}\mathrm{(B4)}, 则下面两个条件等价

(i) {\cal D}_{g_1}[\xi|{\cal F}_t] ={\cal D}_{g_2}[\xi|{\cal F}_t],\ \forall\xi\in L^2(\Omega,{\cal F}_T,\mu),\ t\in[0,T];

(ii) g_1(t,y,z)=g_2(t,y,z), P-a.s., (t,y,z)\in[0,T]\times {\Bbb R}\times {\Bbb R}^d.

推论 4.3 在假设 \mathrm{(B1)},\ \mathrm{(B3)}\mathrm{(B4)} 下, 对任何的 \alpha_0\in{\Bbb R}, 下面两个陈述等价

(i) 对于 \xi\in L^2(\Omega,{\cal F}_T,\mu),

{\cal H}^2_{{\Bbb F}} -\lim\limits_{\alpha\rightarrow\alpha_0} {\cal D}_{g_\alpha}[\xi|{\cal F}_{\cdot}] ={\cal D}_{g_{\alpha_0}}[\xi|{\cal F}_{\cdot}];

(ii) 对于 (y,z)\in{\Bbb R}\times{\Bbb R}^d, 函数 \alpha\mapsto g(\alpha,\cdot,y,z)\alpha_0 连续,即

{\cal H}^2_{{\Bbb F}}- \lim\limits_{\alpha\rightarrow\alpha_0} g(\alpha,\cdot,y,z) =g(\alpha_0,\cdot,y,z).

参考文献
[1] Briand P, Coquet F, Hu Y, Mémin J, Peng S. A converse comparison theorem for BSDEs and related properties of g-expectation. Elect Comm Probab, 2000, 5:101-117
[2] Chen Z. A property of backward stochastic differential equations. C R Acad Sci Paris Sér I, 1998, 326:483-488
[3] Chen Z, Epstein L. Ambiguity, risk, and asset returns in continuous time. Econometrica, 2002, 70(4):1403-1443
[4] Chen Z, Kulperger R, Jiang L. Jensen's inequality for g-expectation, Part II. C R Acad Sci Paris Sér I, 2003, 337:797-800
[5] Chen Z, Chen T, Davison M. Choquet expectation and Peng's g-expectation. Ann Probab, 2005, 33(3):1179-1199
[6] Karoui N El, Peng S, Quenez M C. Backward stochastic differential equations in finance. Math Finance, 1997, 7(1):1-71
[7] Hao T. g-Variance. Acta Math Sin, 2010, 26(7):1345-1354
[8] 付静, 郝涛. g-期望的一种 Kolmogrov 不等式. 山东大学学报(自然科学版), 2009, 44(2):79-83
[9] Jiang L. Representation theorems for generators of backward stochastic differential equations. C R Acad Sci Paris Sér I, 2005, 340:161-166
[10] Pardoux E, Peng S. Adapted solution of a backward stochastic differential equation. System Control Lett, 1990, 14:55-61
[11] Peng S. Backward stochastic differential equations and related g-expectation//Karoui N El, Mazliak L. Backward Stochastic Differential Equations, in Pitman Res Notes Math Ser. Harlow:Longman, 1997, 364:141-159
g-期望的一种条件方差
郝涛