[论文解读] When a Stochastic Exponential is a True Martingale. Extension of a Method of Bene^s

Fima C. Klebaner, R. Liptser|arXiv (Cornell University)|Dec 2, 2011

Stochastic processes and financial applications参考文献 22被引用 5

一句话总结

本文将Beneš的方法扩展至建立随机指数为真正鞅的充分条件，通过漂移和扩散系数的线性增长条件。该方法避免了分段逼近，并推广至超越Novikov与Kazamaki条件的范围，对带跳过程、爆炸性马氏过程及非马氏半鞅均有效。

ABSTRACT

Let $\mathfrak{z}$ be a stochastic exponential, i.e., $\mathfrak{z}_t=1+\int_0^t\mathfrak{z}_{s-}dM_s$, of a local martingale $M$ with jumps $ riangle M_t>-1$. Then $\mathfrak{z}$ is a nonnegative local martingale with $\E\mathfrak{z}_t\le 1$. If $\E\mathfrak{z}_T= 1$, then $\mathfrak{z}$ is a martingale on the time interval $[0,T]$. Martingale property plays an important role in many applications. It is therefore of interest to give natural and easy verifiable conditions for the martingale property. In this paper, the property $\E\mathfrak{z}_{_T}=1$ is verified with the so-called linear growth conditions involved in the definition of parameters of $M$, proposed by Girsanov \cite{Girs}. These conditions generalize the Beneŝ idea, \cite{Benes}, and avoid the technology of piece-wise approximation. These conditions are applicable even if Novikov, \cite{Novikov}, and Kazamaki, \cite{Kaz}, conditions fail. They are effective for Markov processes that explode, Markov processes with jumps and also non Markov processes. Our approach is different to recently published papers \cite{CFY} and \cite{MiUr}.

研究动机与目标

• 提供可验证的、非渐近的条件，确保局部鞅的随机指数为真正鞅。
• 将Beneš原始方法推广至连续局部鞅之外的范围，涵盖带跳过程与爆炸性行为。
• 避免依赖复杂逼近或先前方法中常见的分段构造技术。
• 在经典准则（如Novikov或Kazamaki）失效时，建立适用条件，尤其在非马氏或跳跃扩散设定下。
• 统一并扩展现有鞅验证技术，应用于滤波、测度变换及随机分析。

提出的方法

• 在底层半鞅的漂移与扩散系数上提出线性增长条件，受Girsanov框架启发。
• 应用Doleans-Dade指数公式，将随机指数表示为连续指数局部鞅与跳跃修正项的乘积。
• 通过停时 $\tau_n$ 的局部化技术处理局部鞅，并确保平方可积性。
• 利用附录A中的广义Girsanov定理，推导在新测度 $\mathsf{Q}^n$ 下的Radon-Nikodym导数，将原半鞅转化为 $\mathsf{Q}^n$ 下的局部鞅。
• 通过验证一致可积性并结合Beneš型线性增长界，证明 $\mathsf{E}[\mathfrak{z}_T] = 1$。
• 证明所得过程 $\widetilde{\mathcal{M}}^{c,n}$ 与 $\widetilde{\mathcal{M}}^{d,n}$ 是 $\mathsf{Q}^n$-鞅，且其预测性二次变差可显式计算。

实验结果

研究问题

• RQ1 在何种条件下，随机指数 $\mathfrak{z}_t = \mathcal{E}(M)_t$ 在 $[0,T]$ 上为真正鞅？
• RQ2 Beneš方法能否扩展至带跳与爆炸性行为的过程，而不仅限于连续局部鞅？
• RQ3 当Novikov与Kazamaki条件失效时，如何验证 $\mathsf{E}[\mathfrak{z}_T] = 1$？
• RQ4 能否通过半鞅分解系数的线性增长条件，在不使用分段逼近的情况下确保鞅性质？
• RQ5 广义Girsanov定理在测度变换中起何作用，以验证鞅性质？

主要发现

• 本文证明：若漂移与扩散系数满足线性增长条件，则 $\mathsf{E}[\mathfrak{z}_T] = 1$，从而确保 $\mathfrak{z}$ 为真正鞅。
• 该方法适用于经典条件（如Novikov或Kazamaki）失效的非马氏、跳跃扩散及爆炸性马氏过程。
• 该方法避免分段逼近，依赖于通过局部化与广义Girsanov定理的直接验证。
• 对于示例 $M^c_t = 2\int_0^t B_s dB_s$，尽管Kazamaki与Novikov条件不成立，线性增长条件仍能确保 $\mathsf{E}[\mathfrak{z}_T] = 1$。
• 附录A中的广义Girsanov定理确认：变换后的过程 $\widetilde{\mathcal{M}}^{c,n}$ 与 $\widetilde{\mathcal{M}}^{d,n}$ 是 $\mathsf{Q}^n$-鞅，且其二次变差可显式计算。
• 该方法具有鲁棒性，适用于一大类半鞅，包括具有不连续路径及非一致有界二次变差的过程。