几何布朗运动积分的幂的随机变量分布特性研究问询

我完全理解你在分析这个布朗运动指数泛函的幂次时遇到的困惑——这类带布朗运动的随机积分的分布分析确实需要用到一些比较专门的随机过程技巧，尤其是涉及到幂变换之后。你提到的Yor 2001年的那篇文献是这个领域的经典，我们可以从他的结论出发，一步步拆解问题。

先明确Yor的核心结论 #

首先，把Yor文献里的关键结论具体化，方便后续推导：

对于标准布朗运动$B_t$，当$b > 0$时，随机变量$$I = \int_0^\infty e^{aB_t - bt}dt$$的分布满足：
$$I \stackrel{d}{=} \frac{2}{a^2 + 2b} \cdot \frac{1}{\Gamma}$$
其中$\Gamma$服从形状参数为$\alpha = \frac{2b}{a^2}$、速率参数为1的伽马分布（即概率密度为$f_\Gamma(x) = \frac{x^{\alpha-1}e{-x}}{\Gamma(\alpha)}, , x>0$，$\Gamma(\cdot)$是欧拉伽马函数）。

推导$\boldsymbol{(I)^\eta}$的分布 #

基于上面的同分布结论，我们可以直接把问题转化为伽马变量幂次的分布分析：

• 令常数$C = \frac{2}{a^2 + 2b}$，那么$I \stackrel{d}{=} C \cdot \Gamma^{{-1}$，因此$(I)}\eta \stackrel{d}{=} C^\eta \cdot \Gamma^{-\eta}$（$\eta=0$时结果为常数1，无需额外分析）。
• 用变量替换法推导$\Gamma^{-\eta}$的概率密度：
  假设$\eta \neq 0$，令$Z = \Gamma^{-\eta}$，则$\Gamma = Z^{-1/\eta}$。对伽马变量的密度做变量替换，可得$Z$的概率密度：
  $$f_Z(z) = f_\Gamma\left(z^{-1/\eta}\right) \cdot \left| \frac{d}{dz} z^{-1/\eta} \right|$$
  代入伽马密度后，可以得到：
  $$f_Z(z) = \frac{1}{\Gamma(\alpha)} \cdot z^{-\frac{\alpha}{\eta} - 1} \cdot e^{-z{-1/\eta}} \cdot \frac{1}{|\eta|}$$
  再乘以常数$C^{\eta$的缩放因子，就能得到$(I)}\eta$的密度函数。对于不同的$\eta$取值，这个表达式可以进一步简化：
  • 当$\eta=-1$时，$(I)^{-1} \stackrel{d}{=} \frac{a^2+2b}{2} \cdot \Gamma$，直接是伽马变量的常数倍；
  • 当$\eta=1/2$时，$(I)^{1/2}$对应伽马变量倒数的平方根，可与逆卡方分布建立联系（逆卡方是伽马变量倒数的倍数）。

进一步探究的可行方向 #

如果想深入研究这个问题，可以从以下几个角度入手：

• 矩的计算：如果直接推导分布有难度，可以先计算$(I)^{\eta$的矩。利用Yor的结论，$(I)}\eta$的$k$阶矩为$E[(I)^\eta]k = C^{\eta k} E[\Gamma^{-\eta k}]$，而伽马变量的负阶矩是已知的：
  $$E[\Gamma^{-s}] = \frac{\Gamma(\alpha - s)}{\Gamma(\alpha)} \quad (\alpha - s > 0)$$
  只要$\alpha - \eta k > 0$（即$k < \frac{2b}{a^2 |\eta|}$，根据$\eta$正负调整），就能得到矩的闭合表达式，进而通过矩来刻画分布。
• 拉普拉斯变换与特殊函数：对于一般的$\eta$，可以计算$(I)^{\eta$的拉普拉斯变换$E[e}{-s (I)^\eta}]$，代入同分布关系后，这个积分会涉及到特殊函数（比如Meijer G函数、福克斯H函数），这能帮助你理解分布的渐近行为或者尾部性质。
• 路径层面的解释：如果想从布朗运动的路径角度理解这个泛函，可以结合Feynman-Kac公式或者布朗运动的指数鞅性质，重新推导$I$的分布特征，再扩展到幂次情况。Yor的文献里也提到了一些路径相关的解释，可以顺着他的思路深挖。
• 推广到更一般的过程：比如考虑带漂移的布朗运动$B_t + \mu t$，或者Levy过程的指数泛函的幂次，这类推广问题在随机过程的应用中（比如金融、排队论）很常见，Yor的文献里也覆盖了部分推广方向，可以参考他的参考文献继续研究。

内容的提问来源于stack exchange，提问作者Seneleh