让我们先用z+γ（z，J）的密度Γ（·；z）来表示（A.4），这是映射r的倒数→ ~γ（z，r）：=z+γ（z，r），以及微分同态Φt的逆：η→ Yt（ε，, η） ：（A.5）H（t，z，q）：=EZeΓ（r；z）’ν（z，Γγ-1（z，r））1{Yt（ε，,r） >q}dr= 简单∞Φ-1t（q）eΓ（r；z）’ν（z，~γ-1（z，r）博士！。设Yt（q）：=Φ-1t（q）并回顾[10]中引理C.1的证明，Yt（q）是SDE的解Yt（η）=η-Ztbε（Yv（η））dv+Ztσ（Yv（η））σ（Yv（η））dv+Ztσ（Yv（η））dWTv+cX0<v≤tδ（Yv）-(η), \'Z*Tv），式中δ（u，ζ）：=\'\'δ（u，-ζ) - u，其中δ（u，ζ）是映射z的倒数→ u:=z+δ（z，ζ）。在上面，{WTt}06t6Tand{Z*Tt}06t6tar是W的时间反转过程*还有勒维过程*t:=RtRru*（ds，dr）（有关时间可逆性的信息，请参见[22，第VI.4节]）。特别是，WT·是一个维纳过程，而`Z*T·是一个独立的L’evy过程，具有相同的定律-Z*（参见[22]中的定理VI.20和VI.21）。接下来，我们以H（t，z，q）=ehz的形式写出（A.5）Yt（q）i、 式中ehz（q）：=R∞qeΓ（r；z）’ν（z，Γγ-1（z，r））dr，并旨在应用Dynkin公式（3.8）来推导：（A.6）H（t，z，q）=EheHzYt（q）i=eHz（q）+t（LεeHz）（q）+tZ（1）- α） Eh（LεeHz）Yαt（q）idα，其中Lε是{Yt（η）}t>0的最小生成元。我们现在开始证明（A.6）和期望的有界条件（5.3）。为此，很容易看出以下两个条件是有效的：（A.7）（i）eHz∈ Cb（R），（ii）Lεf∈ Cb（R），代表f∈ Cb（R）。条件（A.7-i）直接来自条件（S1）和引理3.1。对于（A.7）中的另一个条件，让我们注意（见[10，等式（3.5）]）Lεf（y）：=bε（y）f（y）+σ（y）f（y）+Iεf（y），其中（A.8）Iεf（y）=Z Zf（y+δ（y，r）β）（1）- β） dβδ（y，r）εh(-r） 博士（A.9）和bε（y）：=-bε（y）+σ（y）σ（y）。显然，当f∈ Cb，假设σ，bε∈ Cb，根据条件（S1）、（S2-i）和（S3-i），它是正确的。

如果f∈ Cband（A.10）supu |δ（u，r）|≤ k | r |，r∈ (-ε、 ε），对于某些常数k，由于δ（u，0）=0，因此必须证明∈R、 R∈Dε|rδ（u，r）|<∞, 式中Dε：=(-ε, 0) ∪ (0, ε). 注意rδ（u，r）=-(δ）（u，-r）=(δ） （？（u，-r） ,，-r） 1+(δ） （？（u，-r） ,，-r） ，r∈ Dε，由命题4.1限定在R×Dε上。Iεf（y）的形式微分yIεf（y）=Zf（3）（y+δ（y，r）β）（1）- β)1+(δ）（y，r）βdβδ（y，r）εh(-r） dr（A.11）+2zzf（y+δ（y，r）β）（1）- β） dβδ（y，r）(δ）（y，r）`hε(-r） dr，很明显，要使导数得到很好的定义和有界，f∈ Cb（R）、（A.10）和（A.12）supu|(δ（u，r）|≤ k | r |，r∈ (-ε、 ε），注意(δ（u，r）=(δ）（u，-r）- 1 =(δ） （？（u，-r） ,，-r） 1+(δ） （？（u，-r） ,，-r） ，r∈ Dε，可由命题4.1在r×Dε上的k | r |限定。正式区分（A.11）产生以下术语：yIεf（y）=Zf（4）（y+δ（y，r）β）（1）- β)1 + (δ）（y，r）βdβδ（y，r）εh(-r） dr（A.13）+Zf（3）（y+δ（y，r）β）（1）- β)(δ）（y，r）βdβδ（y，r）εh(-r） dr+4zf（3）（y+δ（y，r）β）（1）- β)1 + (δ）（y，r）βdβδ（y，r）(δ）（y，r）`hε(-r） dr+2Z-Zf（y+δ（y，r）β）（1）- β） dβ(δ）（y，r）εh(-r） dr，+2zf（y+δ（y，r）β）（1）- β） dβδ（y，r）(δ）（y，r）`hε(-r） dr.前面的表达式表明，为了使二阶导数得到很好的定义和有界，必须满足条件（A.10）和（A.12）以及（A.14）supu|(δ（u，r）|≤ k | r |，r∈ (-ε, ε).后一个条件同样来自命题4.1，因为∈ Dε(δ（u，r）=-(δ） （？（u，-r） ,，-r）1 + (δ） （？（u，-r） ,，-r）.进一步的代数表明，（A.6）中的术语sehz（q）和（LεeHz）（q）与（5.2）中给出的表达式H（z；q）和H（z，q）一致。根据（A.7）和导数seh（i）z（q），i=0。

，4，在z和q上都有界，很明显，supz，q |（LεeHz）（q）|<∞ 和supz，q|（LεeHz）（q）|<∞, 这意味着等式（5.3）中的条件。A.3引理5.2证明：在整个证明过程中，我们写出Yxt:=Yt（ε，, z） 。首先，让我们注意到SDE（4.2）满足了[3]中的假设5-9，其中E=(-ε、 ε），G（dr）=φε（r）h（r）dr，η（r）=r，因为明显的ε-ε|η（r）| ph（r）dr<∞, 对于任何p>2，并且，根据定理4.1，两者δ（z，r）r和zδ（z，r）r是有界的。然后，文献[3]中的定理5-10保证了（4.2）的唯一解的存在性。反过来，后者表明SDE（3.3）存在唯一的弱解。使用类似于[1]定理6.2.9中使用的交错技术，可以继续证明（3.1）的唯一弱解的存在，这反过来意味着SDE（2.1）的唯一弱解的存在。得出结论x→ YXT是一个微分同态，让我们来构造解{Yzt}z的族∈Rof SDE（4.2），其形式为[3]中的（5-22），由x的有界邻域U中的初始状态z索引∈ R、 其中HZ=z，Az=bε，Bz=σ，Cz=δ。首先，请注意，SDE（4.2）满足[3，假设5-23]的条件（i）、（ii）和（iv），因为系数bε（y）、σ（y）和δ（y，r）/r是两次可微分的，并且根据假设（S1）-（S3）和命题4.1，它们各自对y的偏导数是有界的。[3，假设5-23]中的假设（iii）和[3，定理5-24]中的（i）-（ii）是微不足道的，因为Az=bε，Bz=σ，Cz=δ是独立于z的确定函数。

因此，根据理论5。24在[3]中，映射Φ：x 7→ 不同的Yxtis及其衍生物，XYX是通过（4.2）的形式微分得到的DE的唯一解：xYxt=1+Zsbε（Yxv）xYxvdv+Ztσ（Yxv）xYxvdW*v+ZsZδ（Yxv）-, r）xYxv-u*（dv，dr），（A.15）注意，（4.2）的系数是确定性函数，而不是随机过程，因此A.B和[3]的（5-25）中的C在上文（A.15）中缺失。特别地，xYxtis由xYxt=exp及物动词-Ztσ（Yxv）dv-ZtZln（1+δ（Yxv）-, r） ）u*（dv，dr）,式中Vt:=Rtbε（Yxv）dv+Rtσ（Yxv）dW*v+RtRδYxv-, Ru*（dv，dr）。根据（4.8），很明显，a.s。，xYxt6=0，对于所有t。因此，映射Φ允许隐函数定理的可微分逆，并且Φ最终是R上的一个微分同构。A.4定理6.1证明：在整个证明过程中，我们只假设ν（x，r）6 h（r）和函数ν（x，r）：=ν（x，r）/h（r）允许对r×r进行扩展，即Cbin x，这比第2节中的技术假设（S1）弱。情况Nεt=0。回想一下，我们用过程定律V（分别是给定事件B的条件定律V）来表示过程定律V（分别是L（V | B）），我们有nXθs（ε，x）o06s6tNεt=0= LnXθs（ε，, x） o06s6t.因此，不等式（3.4）意味着phxθt（ε，x）>x+yNεt=0i6 CtN，对于任何y>0，其中N>0可以通过将ε>0取得足够小而任意大。情况Nεt=1。在跳跃时间的条件下，我们有phxθt（ε，x）>x+yNεt=1i=tZtPhXθt（ε，{s}，x）>x+yids。设J和U分别表示密度函数为hε（r）=hε（r）/λε的随机变量和（0,1）上标准均匀分布的独立随机变量。

然后，对Fs进行条件反射-, 上述积分可以写成：PhXθt（ε，{s}，x）>x+yi=EPhXθt-s（ε，, v） >x+yiv=^Xs-(ε,,x） +γ（^Xs）-(ε,,x） ，J）θ（^Xs）-(ε,,x） ，J，U）= EU> ν（^Xs）-(ε,,x） ，J）PhXθt-s（ε，, v） >x+yiv=^Xs-(ε,,十）+ EU<ν（^Xs）-(ε,,x） ，J）PhXθt-s（ε，, v） >x+yiv=^Xs-(ε,,x） +γ（^Xs）-(ε,,x） ，J）,= E1.- ν^Xs-(ε, , x） ，JPhXθt-s（ε，, v） >x+yiv=^Xs-(ε,,十）+ Eν^Xs-(ε, , x） ，JPhXθt-s（ε，, v） >x+yiv=^Xs-(ε,,x） +γ（^Xs）-(ε,,x） ，J）.式中{^Xs（ε），, x） }06s6t是{xθs（ε，, x） }06s6t。我们分别用T（x，y）和T（x，y）表示上面的最后两项。根据ν6h的事实，根据马尔可夫性质，T（T）6ePXθt-s（ε，, z） >x+yz=^Xs-(ε,,十）= P[Xθt（ε，, x） >x+y]，根据（3.4），对于任何y>0和任意大的N>0，可以将其设为O（tN）。另一方面，T（x，y）=EhHT- s、 ^Xs-(ε, , x） ，x+yi、 其中h（t，z，q）=Eν（z，J）PhXθt（ε，, v） >qiv=z+γ（z，J）.利用定理5.1，T（x，y）可以写成（A.16）T（x，y）=EhH^Xs-(ε, , x） )；x+y+ （t）- s） H^Xs-(ε, , x） )；x+yi+O（t），其中H（z；q）和H（z；q）在（5.2）中给出。将H（z；q）写成λ-1εR∞γ-1（z，q）-z） 由引理3.1可知γ-根据（S1）的规律性，H（z；q）是。

然后我们可以将二阶Dynkin公式（3.8）应用于E[H（^Xs）（ε，, x） )；[x+y]得到（A.17）EhH^Xs（ε，, x） )；x+yi=H0,0（x；y）+sH0,1（x；y）+O（s），其中H0,0（x；y）：=H（x；x+y）=λεZ∞γ-1（x，y）νε（x，r）dr，（A.18）H0,1（x；y）：=LεH（x；x+y）=bε（x）H（x；x+y）+σ（x）H（x；x+y）+^H0,1（x；y），（A.19）与^H0,1（x；y）=Z[H（x+γ（x，r）；x+y）- H（x；x+y）- H（x；x+y）γ（x，r）〕νε（x，r）dr.根据H（z；q）的定义：=λ-1εR∞γ-1（z，q）-z） νε（z，r）dr，可以很容易地检查λεH（x；x+y）=-νεx、 γ-1（x，y）γ-1（x，y）- γ-1（x，y）+Z∞γ-1（x，y）νε（x，r）dr，（A.20）λεH（x；x+y）=-νεx、 γ-1（x，y）γ-1（x，y）- γ-1（x，y）+Z∞γ-1（x，y）νε（x，r）dr（A.21）- νεx、 γ-1（x，y）γ-1（x，y）- 2.γ-1（x，y）+γ-1（x，y）λε^H0,1（x；y）=ZZ∞γ-1（x+γ（x，r），y-γ（x，r））νε（x+γ（x，r），r）dr（A.22）-Z∞γ-1（x，y）νε（x，r）dr- λεH（x；x+y）γ（x，r）接下来，为了将一阶Dynkin公式（3.7）应用于E[H（^Xs）（ε，, x） )；x+y）]，我们需要证明映射z 7→ H（z；x+y）属于Cb。因为H（z；q）=D（z；q）+I（z；q）和D（·；q）∈ 通过z中v（z，r）的正则性和引理3.1-1，我们只需要证明I（·q）∈ Cb。为此，让我们写出（A.23）I（z；q）=zC（z，βr；q）（1）- β） dβh（r）φε（r）rdr，其中c（z，r；q）：=Zq′γ（q，r）νεz、 γ-1（z，η）~γ-1（z，η）／（η，r）dη- νεz、 γ-1（z，q）~γ-1（z，q）γ（q，r）／（q，r）表示法（A.23）遵循泰勒定理和C（z，0；q）=C（z，0；q）=0。接下来，观察C（z，r；q）是Cbin（z，r），因为所有涉及的函数都是Cb。

因此，支配收敛定理的标准应用意味着I（z；q）是Cbin z，而且，iI（z；q）=z我(C（z，βr；q））（1- β） dβh（r）¨φε（r）rdr，i=1,2。然后，我们将一阶Dynkin公式（3.7）应用于E[H（^Xs）（ε，, x） )；x+y）]：EhH^Xs-(ε, , x） )；x+yi=H1,0（x；y）+O（s），（A.24），其中，使用通过隐式函数定理∧γ获得的以下关系-1（x，x+y）=γ-1（x，y），~γ-1（x，x+y）=γ-1（x，y），~γ-1（x，x+y）=γ-1（x，y），我们有（A.25）H1,0（x；y）：=H（x；x+y）=D1,0（x；y）+I1,0（x；y），其中D1,0（x；y）：=λεbε（x+y）- v（x+y）νεx、 γ-1（x，y）γ-1（x，y）- v（x+y）νεx、 γ-1（x，y）γ-1（x，y）+ νεx、 γ-1（x，y）γ-1（x，y）,I1,0（x；y）：=λεZZx+y′γ（x+y，r）νεx、 γ-1（x，η）~γ-1（x，η）／νε（η，r）dη- νεx、 γ-1（x，y）γ-1（x，y）γ（x+y，r）′νε（x+y，r）最后，将（A.17）和（A.24）代入（A.16），我们有phxθt（ε，{s}，x）>x+yi=H0,0（x；y）+sH0,1（x；y）+（t- s） H1,0（x；y）+O（t），（A.26），其中H0,0，H0,1和H1,0分别在（A.18），（A.19）和（A.25）中给出。因此，PhXθt（ε，x）>x+yNεt=1i=H0,0（x；y）+t[H0,1（x；y）+H1,0（x；y）]+O（t）。（A.27）在Nεt=2的情况下，在跳跃次数的条件下，我们有phxθt（ε，x）>x+yNεt=2i=tzphxθt（ε，{s，s}，x）>x+yidsds。（A.28）用At（s，s，x，y）表示上述积分中的概率。下面，让Jand Ui（i=1，2）分别成为J和U的独立副本。

用{Xs（ε，{s}，X）}06s6表示{Xθs（ε，{s}，X）}06s6的一个独立副本，并对Fs进行条件处理-, 我们有（s，s，x，y）=E“PhXθt-s（ε，, v） >x+yiv=^Xs-（ε，{s}，x）+γ^Xs-（ε，{s}，x），Jθ^Xs-（ε，{s}，x），J，U#= Ehψs，t^Xs（ε，{s}，x）i+Eh′ψs，t^Xs（ε，{s}，x）i、 （A.29）式中ψs，t（x）：=E[1- ν（x，J）]PhXθt-s（ε，, x） >x+yi=E1.- ν（x，J）Xθt-s（ε，,x） >x+y,ψs，t（x）：=Eν（x，J）PhXθt-s（ε，, v） >x+yiv=x+γ（x，J）,我们用T（x，y）和T（x，y）分别表示（A.29）右侧的最后两项。Fs上的条件反射-, 我们可以写TasT=EEhψs，t^Xs-s（ε，, 十）我x=~Xs（ε，,x） +γ（~Xs（ε），,x） ，J）θ（~Xs（ε），,x） ，J，U）= E1.- ν~Xs（ε，, x） ，JEhψs，t^Xs-s（ε，, 十）我x=~Xs（ε，,十）+ Eν~Xs（ε，, x） ，JEhψs，t^Xs-s（ε，, 十）我x=~Xs（ε，,x） +γ（~Xs（ε），,x） ，J）=: T3,1+T3,2，（A.30），其中{Xs（ε），, x） }06s6t和{^Xs（ε，, x） }06s6是{xθs（ε，, x） }06s6t。利用这0 6′ν6 1和马尔可夫性质，很明显| T3,1 | 6 E嗯ψs，t^Xs-s（ε，, 十）我x=~Xs（ε，,十）= 嗯Ψ^Xs（ε，, 十）i6 EPhXθt-s（ε，, x） >x+yix=^Xs（ε，,十）= PhXθt（ε，, x） >x+yi=O（t），（A.31）作为t→ 0，取足够小的ε>0。为了处理（A.30）中的第二项，让我们定义ψs，t（x）：=Eh1.- νXθt-s（ε，, x） ，J{Xθt-s（ε，,x） >x+y}i，注意eψs，t（x）- ψs，t（x）=嗯ν（x，J）- νXθt-s（ε，, x） ，J{Xθt-s（ε，,x） >x+y}i6呃ν（x，J）- νXθt-s（ε，, x） ，Ji6 supx，r|ν（x，r）|EhXθt-s（ε，, 十）- 十、i、 利用Xθt-s（ε，, 十）- xD=Xθt-s（ε，, 0）和supx，r|ν（x，r）|<∞, 当s<t时，上述最后一项收敛到0→ 0

因此，有必要研究表达式3,2:=E的渐近行为ν~Xs（ε，, x） ，JEheψs，t^Xs-s（ε，, 十）我x=~Xs（ε，,x） +γ（~Xs（ε），,x） ，J）= Eν~Xs（ε，, x） ，J×呃1.- νXθt-s（ε，, x） ，J{Xθt-s（ε，,x） >x+y}ix=~Xs（ε，,x） +γ（~Xs（ε），,x） ，J）.再次使用supx，r |ν（x，r）|<∞, 好的，r|ν（x，r）|<∞ 还有EXθs（ε，, 十）- 十、= EXθs（ε，, 0)→0，在x中一致为s→ 0，eT3,2=EheH~Xs（ε，, x） ，t- s、 x+yi+o（1），（A.32），其中eh（z，t，q）：=Eν（z，J）n（1）- ν（x，J））PhXθt（ε，, x） >秋x=z+γ（z，J）.使用与引理5.1（a.33）eH（z，t，q）=E的证明中类似的论点ν（z，J）（1）- ν（z+γ（z，J），J））1z+γ（z，J）>q+ teRt（z；q），其中supz，q | eRt（z；q）|<∞ 因为它不够小。此外，（A.33）右侧的第一项可以用Z表示∞q′ν（z，～γ）-1（z，r））（1- η（r，r））eΓ（r；z）drhε（r）dr，即Cbin z。之前的事实连同Dynkin公式以及（A.32）-（A.33）都意味着ET3,2=e“z”∞x+y′ν（z，~γ）-1（z，r））（1- ν（r，r））eΓ（r；z）drhε（r）drz=~Xs（ε，,x） #+o（1）=Z∞x+y′ν（x，~γ）-1（x，r））（1- ν（r，r））eΓ（r；x）drhε（r）dr+o（1）。使用变量r=~γ的变化-1（x，r）和表示式eΓ（y；z）=yZz+γ（z，r）<yhε（r）dr=hε~γ-1（z，y）λε~γ-1（z，y），（A.34）加上（A.30）-（A.31），我们有t=λεz∞~γ-1（x，x+y）′ν（x，r）（1）- ν（γ（x，r，r））hε（r）drhε（r）dr+o（1）=λεZ∞γ-1（x，y）νε（x，r）dr-λεZ∞γ-1（x，y）νε（x，r）Zνε（～γ（x，r），r）drdrdr+o（1）。（A.35）接下来我们考虑（A.29）中的第二项T（x，y）。

引理5.1，T（x，y）=EhH^Xs（ε，{s}，x）；x+yi+O（t）。Fs上的条件反射-,T（x，y）=E“E呃^Xs-s（ε，, v） )；x+yiv=z+γ（z，J）θ（z，J，U）z=~Xs（ε，,x） #+O（t）=E呃(1)- ν（z，J））EhH^Xs-s（ε，, z） )；x+y二、z=~Xs（ε，,十）+ E“E”ν（z，J）EhH^Xs-s（ε，, v） )；x+yiv=z+γ（z，J）z=~Xs（ε，,x） #+O（t）=EE[（1）- ν（z，J））]EhH^Xs-s（ε，, z） )；x+y我z=~Xs（ε，,十）（A.36）+E“Z′ν（Z，~γ）-1（z，r））EhH^Xs-s（ε，, r） )；x+yieΓ（r；z）博士z=~Xs（ε，,x） #+O（t）（A.37）让我们分别用T4,1和T4,2来表示（A.36）和（A.37）中的表达式。其次，因为H（z；q）是Cb，呃^Xs-s（ε，, z） )；Q我- H（z；q）6 supz，q|zH（z；q）|呃^Xs-s（ε，, z）- Zi、 （A.38）使用supz，q|zH（z；q）|∞ 和^Xs-s（ε，, z）- zD=^Xs-s（ε，, 0），上面的最后一项在z中作为s一致收敛到0- s<t→ 0.因此，回顾H（z；q）=R的定义∞γ-1（z，q）-z） νε（z，r）dr/λε，我们有4,1=EhE[（1- ν（z，J）]|z=~Xs（ε，,x） H~Xs（ε，, x） )；x+yi+o（1）=λεEZ∞γ-1（z，x+y）-z） νε（z，r）drZ（1）- ν（z，r））hε（r）drz=~Xs（ε，,十）+ o（1）。（A.39）由于上述期望中的表达式对z有偏导数，一致地限定在z中，再次使用~Xs（ε，, 十）- 十、i=呃~Xs（ε，, 0)我→ 当s<t时，x中的0是均匀的→ 0，T4,1=λεZγ-1（x，y）νε（x，r）drZ（1）- ν（x，r））hε（r）dr+o（1）=λεZγ-1（x，y）νε（x，r）dr-λεZγ-1（x，y）νε（x，r）drZνε（x，r）dr+o（1）。（A.40）我们接下来考虑（A.37）中的T4,2（t）一词。再次使用（A.38）和类似于（A.39）到（A.40）的论点，我们推断如下。T4,2=E“Z′ν（Z，~γ-1（z，r）H（r；x+y）eΓ（r；z）drz=~Xs（ε，,x） #+o（1）=λεZ′ν（x，~γ-1（x，r））Z∞γ-1（r，x+y）-r） νε（x，r）dreΓ（r；x）dr+o（1）=λεZνε（x，r）Z∞γ-1（x+γ（x，r），y-γ（x，r））νε（x，r）drdrdr+o（1），（A.41），其中，在最后一个等式中，我们使用变量r=~γ的变化-1（x，r）和eΓ（y；z）的表示（A.34）。

将（A.40）和（A.41）相加，我们得到（A.42）T（x，y）=λεZ∞γ-1（x，y）νε（x，r）dr-λεZ∞γ-1（x，y）νε（x，r）drZνε（x，r）dr+λεZνε（x，r）Z∞γ-1（x+γ（x，r），y-γ（x，r））νε（x，r）drdrdr+o（1）。因此，将（A.35）和（A.42）中的T（x，y）和T（x，y）相加Xθt（ε，{s，s}，X）>X+y= H2,0（x；y）+o（1）与（A.43）H2,0（x；y）=λεZ∞γ-1（x，y）νε（x，r）dr-λεZ∞γ-1（x，y）νε（x，r）Zνε（～γ（x，r），r）drdrdr-λεZ∞γ-1（x，y）νε（x，r）drZνε（x，r）dr+λεZνε（x，r）Z∞γ-1（x+γ（x，r），y-γ（x，r））νε（x，r）drdrdr，由于（A.28），PhXθt（ε，x）>x+yNεt=2i=H2,0（x；y）+o（1）。（A.44）将（A.27）及（A.44）代以（6.1），并使用以下事实—-λεt=1- λεt+（λεt）+O（t）as t↓ 我们得到p[Xt>x+y]=tP（x，y）+tP（x，y）+O（t），其中p（x，y）=λεH0,0（x；y）=Z∞γ-1（x，y）νε（x，r）dr，P（x，y）=-2λεH0,0（x；y）+λε[H0,1（x；y）+H1,0（x；y）]+λεH2,0（x；y）。一些进一步的简化导致了Theorem声明中P（x，y）和P（x，y）的表达式。A.5推论7.1预防：让我们首先注意，由于条件（S3-i），|γ（x，r）| 6 cr，对于所有x和r，其中c定义为条件（S5）。接下来，定义g#（r）：=g（r），并注意，鉴于条件（S5），h#（r）：=g#（r）|r|-α-1是一个有效的列维密度。此外，g#明显满足条件（S4）的其他要求，而#（x，r）：=ν#（x，r）h#（r）=eγ（x，r）ν（x，r）ecrg（r）|r|-α-1=eγ（x，r）-cr′ν（x，r）可以很容易地看出满足条件（S1）的所有要求。结果就是6.1的结果。A.6引理8.1屋顶。从{Xt}t>0和{eXεt}t>0的半鞅特征（B，C，θ）和（Bε，Cε，θε），分别相对于截断函数r1{r|61}：Bt=Zt^B（Xs）ds，Ct=Ztσ（Xs）ds，θ（dt，dr）K（Xt）-, dr）dt，（A.45）Bεt=Zt^BeXεsds，Cεt=Zt^σεeXεsds，ε（dt，dr）=eKεeXεt-, 博士dt。其中K（x，A）：=RA（γ（x，r））ν（x，r）dr，\'bε（x）。

我们还把bε（x）和（x）作为bε（x）的bε（x）的bε（x）的b（x）的b（x）的b（x）的b（x）的x（x）和（x）的b（x）和（x）的ε（x）的x（x）和（x）的x）作为我们也定义为bε（x）的b（x）的b（x）的b（x）x）的x，dr，dr（x，dr（x，dr）的）的1 \\\\\\124124124124124| | | 124; | | | 124 | 124 \\124 | | | | | 124 | \\显然，对于ε∈ （0,1），\'bε=^b（x）+RK（x，dr）r1{r|r>1}和‘∑ε（x）=σ（x）+RK（x，dr）r，根据^σε的定义。此外，ZeKε（x，dr）g（r）=Zg（γ（x，r））ν（x，r）1{|γ（x，r）|>ε}drε→0-→Zg（γ（x，r））ν（x，r）dr=ZK（x，dr）g（r），对于在原点附近消失的任何有界连续函数g。因此，根据[15，定理IX.4.15]，{eXεt}t>0D-→ {Xt}t>0前提是唯一性假设[15，IX.4.3]成立。根据[15，定理III.2.26]，在[15，IX.4.3]中陈述的唯一性要求相当于SDE定义X的解的弱唯一性。这一事实在引理5.2中建立。因此，我们得出[15，定理IX.4.15]在引理中声称的收敛结果。参考文献[1]D.Applebaum。列维过程和随机微积分。第二版。剑桥高等数学研究，116。剑桥大学出版社，剑桥，2009年。ISBN:978-0-521-73865-1。[2] I.G.贝切里、F.C.德罗斯特和B.J.M.沃克。具有状态依赖强度的跳跃微分的渐近推断。工作文件，可在http://ssrn.com/abstract=2292486[3] K.比切特勒、J.格雷沃和J.贾科德。《带跳跃过程的Malliavin演算》，Gordon and Break科学出版社，纽约，1987年。x+161页ISBN:2-88124-185-9。[4] P.布勒马德。点过程和队列：鞅动力学，统计学中的斯普林格级数。斯普林伯格，纽约柏林，1981年。十八+354页ISBN:0-387-90536-7。[5] P·卡尔和D·马丹。期权定价的鞍点方法。《计算金融杂志》，第13卷（2009年），第1期，第49-61页。[6] R.康特和P.坦科夫。具有跳跃过程的金融建模，Chapman&Hall/CRC金融数学系列。

查普曼和霍尔/CRC，佛罗里达州博卡拉顿，2004年。xvi+535页ISBN:1-5848-8413-4。[7] 戴利和琼斯。点过程理论导论，第一卷，基本理论和方法，第二版，概率及其应用（纽约）。斯普林格·维拉格，纽约，2003年。xxii+469页ISBN:0-387-95541-0。[8] D.杜菲和R.简。利率的收益率模型。[重印《数学金融》第6卷（1996年），第4期，379C406]。金融风险度量与管理，736C763，国际互联网。Lib。暴击。令状经济。，爱德华·埃尔加，切尔滕纳姆，2012年。[9] D.杜菲和J.潘。风险价值概述。[再版《衍生工具杂志》，第4卷（1997年），第3期]。金融风险度量与管理，328C370，国际互联网。Lib。暴击。令状经济。，爱德华·埃尔加，切尔滕纳姆，2012年。内政部：10.3905/jod。1997.407971.[10] J.E.Figueroa-L\'opez、Y.Luo和C.Ouyang。具有有限跳跃活动的局部跳跃差异模型的小时间扩展。伯努利，第20卷（2014），第3期，第1165-1209页。[11] J.E.菲格罗亚-欧佩兹和M.福特。指数L’evy模型的小成熟微笑。《暹罗金融数学杂志》，第3卷（2012年），第1期，第33-65页。内政部：10.1137/110820658。[12] P.格拉斯曼和S.G.寇。具有跳跃风险的简单远期利率的期限结构。《数学金融》，第13卷（2003年），第3期，第383-410页。[13] 格拉斯曼和梅雷纳。具有状态依赖强度的跳跃扩散过程离散格式的收敛性。随机分析及其在数学金融中的应用。伦敦皇家学会学报A辑。数学、物理、工程、科学。第460卷（2004年），第2041号，第111-127页。[14] 格拉斯曼和梅雷纳。跳跃扩散LIBOR市场模型的数值解。《金融与随机》，第7卷（2003年），第1期，第1-27页。[15] J.贾科德和A.N.希里亚耶夫。随机过程的极限定理。

第二版。Grundlehrender Mathematischen Wissenschaften[数学科学的基本原理]，288。柏林斯普林伯格，2003年。xx+661页ISBN:3-540-43932-3。[16] M·约翰、R·库马尔和N·G·波尔森。依赖于州的跳跃模型：美国股票指数如何跳跃？1997年上市。http://faculty.chicagobooth.edu/nicholas.polson/research/papers/statedep.pdf[17] O.卡伦伯格。现代概率论的基础。概率及其应用（纽约）。斯普林格·维拉格，纽约，1997年。xii+523页ISBN:0-387-94957-7。[18] 莱恩德。加热过程中的温度。（法语）[小时间跳跃过程的密度]。S’eminaire de Probabilit’es，XXI，81C99，《数学课堂讲稿》，1247年，柏林斯普林格，1987年。[19] J·P·勒佩蒂埃和R·马尔查尔。联合鞅问题是一个不可操作的积分问题。《国际卫生规划年鉴》，B节，第12卷（1976年），第1期，第43-103页。[20] M.Lorig、S.Pagliarani和A.Pascucci。L’evy型过程的一系列密度展开式。出现在《应用概率年鉴》，2013年[arXiv1312.7328][21]E.Mordecki，A.Szepessy，R.Tempone，G.E.Zouraris。跳跃差分的自适应弱近似。《暹罗数值分析杂志》，第46卷（2008年），第4期，第1732-1768页。[22]普罗特。随机积分和微分方程。第二版。随机建模和应用概率，21。施普林格·维拉格，柏林，2005年。xiv+419页ISBN:3-540-00313-4。[23]佐藤。列维过程和不完全可分分布。剑桥高等数学研究，68岁。剑桥大学出版社，剑桥，2013年。xiv+521页ISBN:978-1-107-65649-9 60G51（60E07 60G18 60G52 60J45）。[24]余俊杰。闭式似然逼近和跳跃差估计，并应用于人民币汇率调整风险。计量经济学杂志，第卷。

141（2007），第2号，第1245C1280页。