数学预备：随机过程基础、布朗运动、伊藤引理入门

说实话，很多人一听到「随机过程」四个字就头大。我当年刚接触这个领域时也一样，觉得这东西跟期权定价八竿子打不着。直到我在一个实盘项目中，亲眼看着用BS公式算出来的价格和实际市场差了十万八千里——嗯，那时候我才明白，不搞懂随机性，你根本没法跟市场对话。

这一节，咱们就把期权定价最核心的数学地基铺好。别怕，我会用工程师的视角，把那些看似玄乎的概念拆成你能直接用的工具。

1. 随机过程：市场不是线性系统

先问个问题：股票价格是确定的吗？当然不是。你没法像解物理方程那样，给个初始条件就能算出明天的股价。这就是随机过程要干的事——描述一个随时间演化的随机变量。

我个人习惯把随机过程理解成「带时间轴的随机变量族」。比如你盯着上证指数看一天，每一秒的价格都是一个随机变量，这些变量串起来就是一个随机过程。

核心定义： 随机过程 {X(t), t ≥ 0} 是一族随机变量，t 是时间参数。对于每个固定的 t，X(t) 是一个随机变量。

在金融工程里，我们最常用的随机过程有这些：

  • 随机游走：最简单的离散时间模型，每一步独立同分布
  • 布朗运动：随机游走的连续时间极限，是伊藤微积分的基础
  • 几何布朗运动：股票价格的标准模型，BS公式就建立在它上面
  • 均值回复过程：利率、波动率建模常用，比如Vasicek模型

你想想看，如果股价真的服从简单随机游走，那交易员早就失业了。实际市场比这复杂得多，但布朗运动是所有复杂模型的起点。

2. 布朗运动：上帝掷骰子的方式

布朗运动这个名字，来自植物学家布朗在1827年观察到的花粉颗粒运动。后来爱因斯坦在1905年给出了数学解释，再后来维纳把它严格化了。所以它也叫维纳过程，记作 W(t) 或 B(t)。

布朗运动有三个核心性质，我建议你背下来：

  1. 独立增量：不同时间段的增量相互独立。今天涨了，跟明天涨不涨没关系
  2. 正态增量：W(t) - W(s) ~ N(0, t-s)，均值为0，方差等于时间差
  3. 连续路径：样本路径几乎处处连续，但处处不可导
注意： 布朗运动虽然连续，但它的路径非常「毛糙」。你放大看，它还是毛糙的。这就是分形特征——在任何时间尺度上，它都像锯齿一样。我曾经在写蒙特卡洛模拟时，因为没处理好这个特性，导致路径生成误差累积，结果期权价格偏了3%。后来改用精确模拟才解决。

为什么布朗运动这么重要？因为它是连续时间随机过程的「原子」。任何连续路径的随机过程，都可以用布朗运动来构造。说白了，它就是随机微积分里的「dx」。

3. 伊藤引理：随机世界的链式法则

在普通微积分里，如果你有 y = f(x)，那么 dy = f'(x) dx。但在随机世界里，事情没那么简单。

假设股价 S(t) 服从几何布朗运动：

dS = μS dt + σS dW

其中 μ 是漂移率，σ 是波动率，dW 是布朗运动增量。现在你想知道期权价格 V(S,t) 的变化 dV，怎么办？

普通微积分告诉你：dV = (∂V/∂t) dt + (∂V/∂S) dS。但这是错的！因为 dS 里有个 dW 项，而 dW 的平方是 dt 量级的——这在普通微积分里根本不存在。

伊藤引理（核心公式）：
若 dS = μ dt + σ dW，则对于 V(S,t)：
dV = (∂V/∂t + μ ∂V/∂S + ½ σ² ∂²V/∂S²) dt + σ ∂V/∂S dW

看到那个 ½ σ² ∂²V/∂S² 项了吗？这就是随机微积分和普通微积分的本质区别。它来自 dW² = dt 这个神奇的关系。

我刚开始学的时候，总觉得这个 ½ 是凭空冒出来的。直到我在一个项目中用泰勒展开手动推导了一遍，才真正理解——布朗运动的二次变分不为零，所以二阶项必须保留。

记忆技巧： 伊藤引理就是在普通泰勒展开的基础上，把 dW² 替换成 dt，然后保留到一阶。你写代码时，记得检查二阶导数项，这是最容易漏掉的地方。

4. 知识体系总览

下面这张图，是我自己梳理的本章知识结构。你可以把它当作学习地图：

随机过程与伊藤微积分知识体系 随机过程基础 布朗运动 伊藤引理 离散：随机游走 连续：布朗运动、几何布朗运动 应用：均值回复过程 性质：独立增量、正态增量 性质：连续但处处不可导 关键：dW² = dt 核心：二阶泰勒展开 关键：½ σ² ∂²V/∂S² 项 应用：推导BS偏微分方程 最终目标：用伊藤引理推导期权定价的偏微分方程 随机过程 → 布朗运动 → 伊藤引理 → BS方程

5. 实战：用伊藤引理推导一个简单例子

光说不练假把式。咱们来算一个具体的：假设 S 服从几何布朗运动，求 ln(S) 的随机微分方程。

令 V = ln(S)，则 ∂V/∂t = 0，∂V/∂S = 1/S，∂²V/∂S² = -1/S²。

代入伊藤引理：

dV = (0 + μS·(1/S) + ½ σ²S²·(-1/S²)) dt + σS·(1/S) dW
    = (μ - ½ σ²) dt + σ dW

看到了吗？对数价格 ln(S) 的漂移率是 μ - ½σ²，而不是 μ。这个 ½σ² 的修正，就是伊藤引理带来的。如果你用普通微积分，就会丢掉这一项，算出来的期权价格会系统性偏差。

我的经验： 在写蒙特卡洛模拟时，一定要用 ln(S) 的精确离散化：
ln(S(t+Δt)) = ln(S(t)) + (μ - ½σ²)Δt + σ√Δt·Z，其中 Z ~ N(0,1)。
直接用 S(t+Δt) = S(t) + μSΔt + σS√Δt·Z 会引入离散化误差，尤其对于长期期权，误差会累积。

6. 避坑指南

这些年我在项目中踩过的坑，分享给你：

  • 我曾经以为布朗运动的方差是线性的就够了——直到我发现，在计算路径依赖期权时，时间步长的选择会严重影响结果。记住：方差必须严格等于时间差，不能近似。
  • 我曾经在推导伊藤引理时漏掉了二阶项——结果算出来的希腊字母全错了。后来我养成了一个习惯：每次写完推导，都检查一下二阶导数项是否出现。
  • 我曾经用普通微积分的链式法则处理随机过程——嗯，那次回测结果惨不忍睹。从那以后，我只要看到 dS 里有 dW，就条件反射地掏出伊藤引理。
重要提醒： 布朗运动的路径虽然连续，但它的变差（variation）是无限的。这意味着你不能用普通黎曼积分来处理它。伊藤积分和伊藤引理，就是专门为这种「毛糙」路径设计的工具。

好了，数学预备就到这里。这些工具是后面所有章节的基础——BS公式、希腊字母、奇异期权、随机波动率模型，全都建立在布朗运动和伊藤引理之上。你如果现在觉得有点绕，没关系，多推导几次就熟了。我当年也是推导了不下20遍，才真正把那个 ½ 刻在脑子里。

专注资料整理
← 上一章 📖 返回目录 下一章 →