4、伊藤积分与鞅：鞅的性质，伊藤积分作为鞅的构造
4.1 鞅到底是什么？
说实话，我刚入行时对鞅的理解很肤浅。就觉得它是个「公平游戏」——未来期望等于现在。但真正做利率衍生品定价后，我才发现鞅是量化金融的基石。
鞅的数学定义很简单：
E[X_t | F_s] = X_s, 对所有 s ≤ t翻译成人话就是：给定当前所有信息，未来价值的期望就是当前价值。没有趋势，没有漂移，完全随机游走。
嗯，这里要注意：鞅不是「没有波动」，而是「没有可预测的方向」。波动再大，只要期望不变，它就是鞅。
4.2 鞅的三个核心性质
我在项目中总结过，鞅有三个性质最常用：
- 常数期望：E[X_t] = E[X_0]，期望值不随时间变化
- 无后效性：未来增量与过去信息无关
- 平方可积性：E[X_t²] < ∞，保证方差有限
你想想看，这三个性质对定价有多重要？
比如利率互换定价，我们经常要把远期利率转换成即期利率。如果远期利率是鞅，那它的期望就是当前值，定价就简单了。
关键洞察：在风险中性测度下，所有折现后的资产价格都是鞅。这是整个衍生品定价的出发点。
4.3 伊藤积分为什么是鞅？
这个问题我当年想了很久。伊藤积分 ∫G dW 看起来挺复杂的，凭什么说它是鞅？
核心原因有两点：
- 布朗运动增量独立：dW_t 与过去信息无关
- 被积函数可预测：G_t 只依赖 t 之前的信息
说白了，伊藤积分就是「用过去的信息，对未来的随机冲击做加权求和」。因为未来的冲击不可预测，所以整个积分过程没有漂移。
我曾经在构建利率模型时踩过坑——以为只要用了伊藤积分就自动是鞅。后来发现，如果被积函数不是可预测的，积分结果可能不是鞅。
避坑指南：我曾经在HJM模型框架下，不小心把远期利率的波动率设成了未来利率的函数。结果模型跑出来定价偏差很大。后来才意识到，波动率必须只依赖当前信息，否则伊藤积分就不是鞅。
4.4 伊藤积分作为鞅的构造条件
要让伊藤积分 M_t = ∫₀ᵗ G_s dW_s 成为鞅，需要满足：
| 条件 | 数学表达 | 实际含义 |
|---|---|---|
| 可预测性 | G_t 是 F_t-可测 | 只能用过去信息决定权重 |
| 平方可积 | E[∫₀ᵗ G_s² ds] < ∞ | 波动不能无限大 |
| 适应过程 | M_t 是 F_t-适应 | 积分值随时间更新 |
这三个条件缺一不可。我在做利率上限期权定价时，就严格检查过这三个条件。
4.5 实战：用伊藤积分构造利率鞅
举个具体例子。假设短期利率 r_t 服从：
dr_t = θ(t) dt + σ dW_t我想构造一个鞅过程用于定价。怎么做？
第一步，找到折现因子：
D_t = exp(-∫₀ᵗ r_s ds)第二步，验证 D_t * P(t,T) 是不是鞅。其中 P(t,T) 是零息债券价格。
我记得有一次，我在做利率模型校准，发现折现后的债券价格不是鞅。排查了半天，原来是漂移项没调整对。
个人经验：我建议你在写代码时，先验证一下折现后的价格序列是否满足鞅性质。用蒙特卡洛模拟跑1000条路径，算一下E[D_T P(T,T)]是否等于D_0 P(0,T)。如果偏差超过1%，模型可能有问题。
4.6 知识体系图
下面这张图展示了本章的核心逻辑：
4.7 小结
鞅是伊藤积分的灵魂。没有鞅性质，伊藤积分在金融中就失去了定价意义。
我个人习惯在每次建模前，先问自己三个问题：
- 这个过程的期望是否随时间变化？
- 被积函数是否只依赖过去信息？
- 方差是否有限？
如果答案都是肯定的，那大概率可以放心用伊藤积分构造鞅。
嗯，最后提醒一句：鞅性质不是自动成立的。每次写完代码，记得用蒙特卡洛验证一下。我曾经吃过这个亏，希望你不用再踩。
公众号:蓝海资料掘金营，微信deep3321