分数布朗运动非半鞅的详细证明

首先，我们需要定义分数布朗运动（Fractional Brownian Motion，简称FBM）。FBM是一种随机过程，它被定义为具有平稳自回归性质（self-similarity）的随机过程，其中每个时刻的值与之前的值之间存在一定的相关性。具体来说，FBM的自协方差函数为：

$$\gamma(h) = \frac{1}{2}(H^{2}-H)\left(|h|^{2H-2} - 2|h|^{H-1} + 1\right)$$

其中，$H\in(0,1)$是Hurst指数，$h$是时间差。FBM是一种非马尔可夫过程，它的路径连续但不可微分。

接下来，我们需要定义半鞅（Martingale）。半鞅是一种随机过程，满足以下三个条件：

对于任意时刻$t$，其期望值为已知值$E[X_t]=m$；
对于任意时刻$t$和$t+\Delta t$，给定$X_t$的情况下，$X_{t+\Delta t}$的条件期望等于$X_t$，即$E[X_{t+\Delta t}|X_t]=X_t$；
$X_t$的值是逐步可测的（逐步可测性）。

现在，我们来证明FBM不是半鞅。为此，我们假设FBM是半鞅，并尝试推导出一个矛盾。首先，我们可以证明FBM的期望值为0，即$m=0$。

$$\E[X_t] = 0$$

这是因为FBM是一个零均值过程，即它的均值为0。

接下来，我们来证明FBM不满足条件2，即它的条件期望不等于当前值。我们考虑两个时刻$t_1$和$t_2$，其中$t_1<t_2$。我们令$\Delta t=t_2-t_1$，$X_1=X_{t_1}$，$X_2=X_{t_2}$。根据FBM的定义，$X_2$的条件期望可以表示为：

$$\E[X_2|X_1] = X_1 + c$$

其中，$c$是一个常数。我们需要证明$c$不等于0。

根据条件期望的定义，我们可以将$E[X_2|X_1]$表示为：

$$\E[X_2|X_1] = \frac{\int_{-\infty}^{\infty}x_2p(x_2|x_1)dx_2}{\int_{-\infty}^{\infty}p(x_2|x_1)dx_2}$$

其中，$p(x_2|x_1)$是$X_2$在给定$X_1$的情况下的条件概率密度函数。我们可以使用FBM的自协方差函数来计算$p(x_2|x_1)$：

$$p(x_2|x_1) = \frac{1}{\sqrt{2\pi\sigma^2}}\exp\left(-\frac{(x_2-x_1)^2}{2\sigma^2}\right)$$

其中，$\sigma^2=\gamma(0)-\gamma(\Delta t)$是$X_2-X_1$的方差。将$p(x_2|x_1)$代入$E[X_2|X_1]$的公式中，我们可以得到：

$$\E[X_2|X_1] = X_1 + \frac{\int_{-\infty}^{\infty}(x_2-X_1)\exp\left(-\frac{(x_2-X_1)^2}{2\sigma^2}\right)dx_2}{\int_{-\infty}^{\infty}\exp\left(-\frac{(x_2-X_1)^2}{2\sigma^2}\right)dx_2}$$

我们可以通过换元法将分子中的$x_2-X_1$替换为$y$，并进行一些简单的代数计算，得到：

$$\E[X_2|X_1] = X_1 + \frac{\sigma}{\sqrt{2\pi}}\frac{\int_{-\infty}^{\infty}y\exp\left(-\frac{y^2}{2}\right)dy}{\int_{-\infty}^{\infty}\exp\left(-\frac{y^2}{2}\right)dy}$$

由于分子的积分是一个奇函数，而分母的积分是一个偶函数，因此$E[X_2|X_1]$是一个奇函数，即它关于$X_1$的对称轴是原点。因此，$c$必须是一个奇函数，即$c=c(X_1)$。

我们现在需要证明$c$不等于0。我们可以使用Hölder不等式来证明：

$$\begin{aligned}\E[(X_2-X_1)^2] &= \E[(X_2-X_1)(X_2-X_1)] &= \E[(X_2-X_1)X_2] - \E[(X_2-X_1)X_1] &= \E[X_2^2] - \E[X_1X_2] - \E[X_1X_2] + \E[X_1^2] &= 2\gamma(\Delta t) &= 2\sigma^2\end{aligned}$$

其中，我们使用了FBM的自协方差函数计算了$E[X_1X_2]$的值。根据Hölder不等式，我们可以得到：

$$|\E[X_1c(X_1)]| \leq \sqrt{\E[X_1^2]\E[c^2(X_1)]} = \sqrt{\gamma(0)\int_{-\infty}^{\infty}c^2(x)p(x)dx}$$

其中，$p(x)$是$X_1$的概率密度函数。由于$\gamma(0)$是一个已知的常数，我们只需要证明$\int_{-\infty}^{\infty}c^2(x)p(x)dx$不等于0即可。假设$c(x)$是一个恒等于0的函数，那么我们可以得到：

$$\begin{aligned}\E[(X_2-X_1)^2] &= \E[(X_2-X_1)(X_2-X_1)] &= \E[(X_2-X_1)^2] &= \sigma^2 &= 0\end{aligned}$$

这与我们之前计算出的$E[(X_2-X_1)^2]=2\sigma^2$的结果相矛盾，因此$c(x)$不能恒等于0。因此，我们证明了$c(x)$不等于0，即$E[X_2|X_1]\neq X_1$，因此FBM不是半鞅。