Skip to main content
QUICK REVIEW

[论文解读] Limit theorems under the Maxwell-Woodroofe condition in Banach spaces

Christophe Cuny|arXiv (Cornell University)|Mar 4, 2014
Stochastic processes and financial applications参考文献 40被引用 5
一句话总结

本文证明了在巴拿赫空间中,包括 $L^p$-取值过程($1 \leq p < \infty$)的情形,麦克斯韦-伍德鲁夫条件对迭代对数律(LIL)和弱不变原理(WIP)是充分且最优的。论文引入了一种新的最大不等式和鞅逼近技术,将标量值过程的结果推广至巴拿赫空间取值过程,在2-光滑或余类型-2巴拿赫空间中,证明了该条件下几乎必然和弱不变原理成立。

ABSTRACT

We prove that, for (adapted) stationary processes, the so-called Maxwell-Wood-roofe condition is sufficient for the law of the iterated logarithm and that it is optimal in some sense. We obtain a similar conclusion concerning the Marcinkiewicz-zygmund strong law of large numbers. Those results actually hold in the context of Banach valued stationary processes, including the case of $L^r$-valued random variables, with $1\le r

研究动机与目标

  • 建立麦克斯韦-伍德鲁夫条件对巴拿赫空间取值平稳过程的迭代对数律(LIL)的充分性和最优性。
  • 在麦克斯韦-伍德鲁夫条件下,将弱不变原理(WIP)推广至巴拿赫空间,特别是 $L^p$-取值过程($1 \leq p < \infty$)。
  • 为非鞅、依赖的巴拿赫空间取值过程,发展一种新的最大不等式并改进鞅逼近技术。
  • 将标量值过程的结果推广至更广泛的2-光滑或余类型-2巴拿赫空间(包括 $L^p$ 空间)设置。

提出的方法

  • 针对在麦克斯韦-伍德鲁夫条件下巴拿赫空间取值过程,提出一种新颖的最大不等式,以控制部分和过程。
  • 应用鞅逼近方法将过程分解为鞅部分和余项,利用该条件控制余项。
  • 使用巴拿赫原理(引理 E.1)建立逼近序列的几乎必然相对紧致性和依概率收敛性。
  • 采用弱 $L^r$-空间嵌入(引理 E.2)处理 $L^p$-取值随机变量,并在乘积空间间传递可积性性质。
  • 应用斯特拉斯恩对 LIL 的逆定理,通过一个重尾返回时间的反例,证明该条件的最优性。
  • 改编并扩展了佩利格拉德与乌特夫(2005)以及默列韦德与佩利格拉德(2021)的先前最大不等式至巴拿赫空间设置。

实验结果

研究问题

  • RQ1麦克斯韦-伍德鲁夫条件是否足以保证巴拿赫空间取值平稳过程的迭代对数律?
  • RQ2在2-光滑或余类型-2巴拿赫空间中,麦克斯韦-伍德鲁夫条件是否足以建立弱不变原理?
  • RQ3在该一般设置下,麦克斯韦-伍德鲁夫条件对 LIL 和 WIP 是否最优?
  • RQ4如何将鞅逼近和最大不等式方法推广至满足麦克斯韦-伍德鲁夫条件的 $L^p$-取值过程?
  • RQ5 $L^p$-空间结构在将不变原理从标量情形推广至更广范围中起到何种作用?

主要发现

  • 麦克斯韦-伍德鲁夫条件在2-光滑巴拿赫空间及 $L^p$ 空间($1 \leq p < 2$)中,对几乎必然不变原理(ASIP)是充分的。
  • 在麦克斯韦-伍德鲁夫条件下,弱不变原理(WIP)在2-光滑或余类型-2巴拿赫空间中的巴拿赫空间取值过程中成立。
  • 该条件在最优性意义上是成立的:存在一个反例,当条件被违反时,即使在较弱的 $L^2$-型条件下,LIL 仍会失效。
  • 推导出一种新的最大不等式,这对于控制部分和的上确界并实现不变原理结果至关重要。
  • 本文证明了在类似条件(2)的假设下,$L^p$-取值过程($1 \leq p < \infty$)的 ASIP 成立,从而将此前针对 $p=2$ 的结果推广。
  • 嵌入结果(引理 E.2)表明,当 $1 \leq p < r < \infty$ 时,$L^p(S, L^r(\Omega))$ 连续嵌入 $L^r(\Omega, L^p(S))$,这支持了对 $L^p$-取值过程的分析。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。