第2章：数学基础：随机过程与伊藤引理

各位同学，欢迎来到第二章。

说实话，很多做量化的人一听到「随机过程」四个字就开始头疼。我当年刚入行时也一样，觉得这东西太抽象，跟实际交易八竿子打不着。直到有一次，我在实盘里用了一个自以为完美的均值回归策略，结果连续三天被打脸——后来才发现，我压根没搞懂价格序列的随机性本质。

这一章，我们就来啃下这块硬骨头。我会尽量用我踩过的坑，帮你把抽象的东西讲明白。

2.1 为什么高频交易离不开随机过程？

高频交易的核心，说白了就是预测未来极短时间内的价格走势。但价格不是上帝扔骰子——它是有规律的随机。

你想想看，如果价格完全随机，那任何策略都是扯淡。但现实是，价格运动存在某种「结构」，比如趋势、均值回复、波动率聚集。这些结构，就是随机过程要描述的东西。

我个人习惯把随机过程理解成「带时间轴的随机变量」。你盯着一个股票的价格看，每一秒的价格都是一个随机变量，但这一秒和下一秒之间不是独立的——它们有相关性。这就是随机过程的价值。

2.2 布朗运动：一切的基础

布朗运动，也叫维纳过程，是随机过程的基石。我刚开始学的时候，觉得这玩意儿就是物理里的花粉粒子乱跑。后来做交易才发现，价格在微观层面上的运动，跟布朗运动极其相似。

布朗运动 W(t) 有三个关键性质：

• 独立增量：不同时间段的增量是独立的。比如今天上午10:00到10:01的价格变化，跟10:01到10:02的变化，理论上不相关。
• 正态增量：增量服从正态分布，均值为0，方差等于时间间隔。
• 连续路径：路径是连续的，但处处不可导。嗯，这一点很关键——价格走势看起来平滑，但你没法求导，因为下一秒的方向完全随机。

我记得第一次用Python模拟布朗运动时，看到那条上下乱窜的曲线，心里直犯嘀咕：「这玩意儿能描述真实价格？」后来把真实的高频Tick数据叠上去对比，发现形状还真像——只是真实数据有更厚的尾部。

import numpy as np
import matplotlib.pyplot as plt

# 模拟布朗运动
def brownian_motion(n_steps, dt=0.01):
    dW = np.random.normal(0, np.sqrt(dt), n_steps)
    W = np.cumsum(dW)
    return W

# 生成1000步的布朗运动路径
path = brownian_motion(1000)
plt.plot(path)
plt.title('布朗运动模拟路径')
plt.show()

2.3 伊藤过程与随机微分方程

布朗运动本身太「纯」了，没法直接描述带漂移的价格。比如一只股票长期看是上涨的，布朗运动的均值为0，显然不对。所以我们需要一个更一般的框架——伊藤过程。

伊藤过程的形式是：

dX(t) = μ(X(t), t) dt + σ(X(t), t) dW(t)

这里：

• μ dt：漂移项，描述确定性趋势。比如你预期股票年化收益10%，这就是漂移。
• σ dW：扩散项，描述随机波动。σ越大，价格越「跳」。

说白了，伊藤过程就是把价格运动拆成「可预测的部分」和「不可预测的部分」。我在做高频策略时，最常干的事就是估计μ和σ——μ决定了你的策略方向，σ决定了你的仓位大小。

2.4 伊藤引理：随机微积分的核心工具

如果你学过普通微积分，知道链式法则。但在随机世界里，链式法则不灵了——因为dW的平方项不是0，而是dt。这就是伊藤引理要解决的问题。

伊藤引理说：如果 X(t) 是伊藤过程，f(X, t) 是二阶可微函数，那么 f 的微分是：

df = (∂f/∂t + μ ∂f/∂X + ½ σ² ∂²f/∂X²) dt + σ ∂f/∂X dW

注意那个 ½ σ² ∂²f/∂X² 项——这就是随机微积分和普通微积分的区别。普通微积分里没有这一项，因为(dX)²被认为是高阶小量。但在随机世界里，(dW)² = dt，不能忽略。

我刚开始学的时候，觉得这个公式就是数学游戏。直到有一次，我需要给一个期权策略做Delta对冲——如果不用伊藤引理，你算出来的对冲比率全是错的。那次之后，我再也不敢小看这个公式了。

2.5 本章知识体系

下面这张图，是我自己总结的本章知识结构。你可以把它当成一张地图，随时回来查阅。

2.6 小结与个人体会

这一章的内容，说实话，是整门课里最「数学」的部分。但请相信我，这些工具你一旦用熟了，会发现它们就像你的左右手——做策略时自然而然就会想到。

我个人有个习惯：每学一个新模型，先用模拟数据跑一遍，看看它长什么样。比如布朗运动，你模拟100条路径，每条路径都不同，但统计性质完全一样。这种「随机中的确定性」，就是随机过程最美的地方。

下一章我们会进入更实战的内容——如何用这些工具构建一个完整的高频交易策略。但前提是，你得把这一章的数学基础打牢。别急，慢慢来。

---