KNOWECON WIKI

ARTICLE

傅里叶-斯蒂尔杰斯变换

傅里叶-斯蒂尔杰斯变换 (Fourier–Stieltjes Transform) 傅里叶-斯蒂尔杰斯变换（Fourier–Stieltjes Transform）是经典傅里叶变换的推广，将积分测度从勒贝格测度替换为任意有限博雷尔测度（或等价地, 由有界变差函数诱导的斯蒂尔杰斯测度）。给定实数轴 R 上的复值有界变差函数 F，其傅里叶-斯蒂尔杰斯变换定义为：

浏览 0 更新 2025-12-04

傅里叶-斯蒂尔杰斯变换 (Fourier–Stieltjes Transform)

傅里叶-斯蒂尔杰斯变换（Fourier–Stieltjes Transform）是经典傅里叶变换的推广，将积分测度从勒贝格测度替换为任意有限博雷尔测度（或等价地, 由有界变差函数诱导的斯蒂尔杰斯测度）。给定实数轴 R\mathbb{R} 上的复值有界变差函数 FF，其傅里叶-斯蒂尔杰斯变换定义为：

μ^(ξ)=∫Re−iξx dF(x),ξ∈R\widehat{\mu}(\xi) = \int_{\mathbb{R}} e^{-i\xi x} \, dF(x), \qquad \xi \in \mathbb{R}

若 FF 绝对连续且密度为 ff，则 dF(x)=f(x)dxdF(x) = f(x)dx，退化为标准傅里叶变换。傅里叶-斯蒂尔杰斯变换的核心价值在于统一处理连续与离散（乃至奇异）谱结构，因此在概率论、调和分析和谱理论中占据基础地位。

概率论中的特征函数

当 FF 为随机变量的累积分布函数（CDF）时，傅里叶-斯蒂尔杰斯变换即为该分布的特征函数（Characteristic Function）：

ϕX(t)=E[eitX]=∫Reitx dFX(x)\phi_X(t) = \mathbb{E}[e^{itX}] = \int_{\mathbb{R}} e^{itx} \, dF_X(x)

特征函数与分布一一对应，且总存在、总一致连续。三条核心定理构成其理论支柱：

博赫纳定理（Bochner's Theorem）：函数 ϕ:R→C\phi: \mathbb{R} \to \mathbb{C} 为某概率测度的特征函数，当且仅当 ϕ\phi 连续、ϕ(0)=1\phi(0)=1 且正定（即对任意有限点集 {tj}\{t_j\} 与复系数 {cj}\{c_j\}，有 ∑j,kcjck‾ϕ(tj−tk)≥0\sum_{j,k} c_j \overline{c_k} \phi(t_j - t_k) \ge 0）。这一定理将概率测度与正定函数之间的对偶性精确刻画。

莱维连续定理（Lévy Continuity Theorem）：一列概率分布 FnF_n 依分布收敛于 FF，当且仅当对应的特征函数序列 ϕn\phi_n 逐点收敛于 ϕ\phi，且极限函数 ϕ\phi 在 t=0t=0 处连续。该定理为中心极限定理的标准证明工具：对独立同分布随机变量之和标准化后，特征函数展开至二阶可得极限为标准正态分布的特征函数 e−t2/2e^{-t^2/2}。

反演公式（Inversion Formula）：若 ϕ\phi 绝对可积，则 FF 有密度 ff 且：

f(x)=12π∫Re−itxϕ(t) dtf(x) = \frac{1}{2\pi} \int_{\mathbb{R}} e^{-itx} \phi(t) \, dt

此公式表明概率分布可完全由其傅里叶-斯蒂尔杰斯变换重建。

与经典傅里叶变换的对比

标准傅里叶变换作用于 L1(R)L^1(\mathbb{R}) 或 L2(R)L^2(\mathbb{R}) 函数空间，要求函数关于勒贝格测度可积。傅里叶-斯蒂尔杰斯变换放宽这一限制：分布函数 FF 可以包含狄拉克δ测度的离散跳跃（对应概率质量），也可以包含康托尔函数式奇异连续成分。这一普适性使得诸如泊松分布、伯努利分布等离散分布的"傅里叶变换"得以严谨定义。在调和分析中，博赫纳定理与里斯表示定理联立，将正定函数空间与有限正博雷尔测度空间等距同构，这一对偶是局部紧阿贝尔群上庞特里亚金对偶的特例。

经济学与金融中的应用

谱分析与经济周期：时间序列 {Xt}\{X_t\} 的自协方差函数 γ(h)\gamma(h) 为傅里叶-斯蒂尔杰斯变换：

γ(h)=∫(−π,π]eihω dF(ω)\gamma(h) = \int_{(-\pi, \pi]} e^{i h \omega} \, dF(\omega)

其中 F(ω)F(\omega) 为谱分布函数。其导数 f(ω)f(\omega)（若存在）即为谱密度，描述了序列功率在频域的分布。经济学中的格兰杰因果检验、协整分析和实际经济周期（RBC）理论的频域版本均依赖这一框架。

期权定价：赫斯顿模型（Heston Model）等随机波动率模型中，欧式期权定价公式涉及形如 ∫0∞e−iuln⁡Kϕ(u−i)iudu\int_0^\infty \frac{e^{-iu \ln K} \phi(u - i)}{iu} du 的积分，其中 ϕ\phi 为对数价格的特征函数。通过快速傅里叶变换数值求解傅里叶-斯蒂尔杰斯积分，成为现代计算金融的标准技术（Carr–Madan 方法）。

稳定分布与厚尾建模：莱维过程的特征函数由莱维-辛钦公式给出，属于傅里叶-斯蒂尔杰斯变换的直接推广。α-稳定分布（其特例包括正态分布和柯西分布）除少数参数外没有闭式密度，但其特征函数形式简洁：ϕ(t)=exp⁡{iμt−∣ct∣α(1−iβsgn⁡(t)Φ)}\phi(t) = \exp\{i\mu t - |c t|^\alpha (1 - i\beta \operatorname{sgn}(t)\Phi)\}。金融资产收益率的厚尾与偏态特征常用稳定分布建模，其估计与推断完全依赖特征函数方法。

泛函分析中的角色与推广

在巴拿赫代数框架下，傅里叶-斯蒂尔杰斯变换可视为测度代数上的盖尔范德变换（Gelfand Transform）。令 M(R)M(\mathbb{R}) 为 R\mathbb{R} 上有限复博雷尔测度全体，在卷积运算下构成交换巴拿赫代数。其极大理想空间同胚于 R\mathbb{R} 的波尔紧化（Bohr Compactification），傅里叶-斯蒂尔杰斯变换恰为将测度映射到其盖尔范德表示的代数同态。这一视角将变换的自然定义域拓展至任意局部紧阿贝尔群（LCA Group），在 Rn\mathbb{R}^n、Tn\mathbb{T}^n（环面）乃至 Zp\mathbb{Z}_p（p进数）上均有对应形式。庞特里亚金对偶定理保证任何 LCA 群 GG 与其对偶群 G^\widehat{G} 之间的傅里叶-斯蒂尔杰斯变换构成等距同构，这是现代调和分析的基石。

维纳-辛钦定理：对于弱平稳随机过程，自协方差函数 γ(h)\gamma(h) 与谱分布函数 F(ω)F(\omega) 通过傅里叶-斯蒂尔杰斯变换一一对应，该定理为计量经济学中周期图（Periodogram）和谱窗口估计提供了理论基础。此外，陶伯型定理（Tauberian Theorems）利用傅里叶-斯蒂尔杰斯变换在无穷远处的渐近行为反推测度的边界性质，在极值理论和长记忆时间序列分析（如分数阶整合模型 ARFIMA）中具有实质性应用。

总之，傅里叶-斯蒂尔杰斯变换以测度论视角统一了连续与离散信号的频域分析，不仅在概率统计的极限理论中扮演不可替代的角色，也为计量经济学、金融工程和宏观波动研究提供了深远的方法论基础。