第4章 随机微分方程(SDE)入门：描述资产价格的动态

好，咱们今天来聊聊随机微分方程。说实话，这名字听着挺唬人的。但你别怕，它本质上就是个工具——用来描述资产价格怎么“随机”变动的工具。

我在做量化交易那几年，最深的体会就是：如果你不懂SDE，你根本没法真正理解期权定价和投资组合优化。那些漂亮的公式背后，全是SDE的影子。

4.1 为什么需要随机微分方程？

先问个问题：股票价格是确定的吗？

显然不是。你今天买进去，明天可能涨5%，也可能跌3%。没人能精确预测。那怎么办？

传统微分方程告诉我们：dS/dt = μS，意思是价格按固定速率增长。但现实世界哪有这么美好？

所以我们需要引入一个随机项——说白了，就是给确定性模型加点“噪音”。

4.2 从布朗运动说起

随机微分方程的基础，是布朗运动。你可能听说过这个名字——它最早用来描述花粉在水中的随机运动。

数学上，我们用 W(t) 表示标准布朗运动。它有这几个性质：

• W(0) = 0，从零点出发
• 增量独立：不同时间段的变动互不影响
• 增量服从正态分布：W(t) - W(s) ~ N(0, t-s)

嗯，这里要注意：布朗运动的路径是连续的，但几乎处处不可导。什么意思？就是它一直在动，但你没法算它的“瞬时速度”。

4.3 伊藤引理：随机微积分的核心

既然普通微积分不行，那怎么办？伊藤清（Kiyoshi Itô）给出了答案。

伊藤引理是随机微积分的“链式法则”。它告诉我们：如果一个随机过程 X(t) 满足SDE，那么它的函数 f(X(t), t) 也满足一个SDE。

公式长这样：

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

你看，多了一项 ½ σ² ∂²f/∂X²。这就是随机微积分和普通微积分的区别——多了个二阶项。

为什么会这样？因为布朗运动的二次变分不为零。嗯，这个有点深，你先记住结论就行。

4.4 几何布朗运动：股票价格的经典模型

好了，有了工具，咱们来看最常用的模型——几何布朗运动（GBM）。

它的SDE形式是：

dS = μ S dt + σ S dW

其中：

• μ 是漂移率（预期收益率）
• σ 是波动率（风险度量）
• dW 是布朗运动增量

这个模型有个好处：价格永远不会变成负数（因为 S 在乘法中）。而且，它的对数收益率服从正态分布。

用伊藤引理，我们可以解出它的显式解：

S(t) = S(0) exp((μ - ½σ²)t + σ W(t))

你看，价格是指数形式的。这就是为什么我们常说“股票价格服从对数正态分布”。

4.5 更复杂的SDE模型

当然，GBM不是万能的。实际市场中，波动率会变，价格会有跳跃。所以有了更复杂的模型：

模型名称	SDE形式	特点
均值回复模型	dX = θ(μ - X)dt + σ dW	利率、汇率常用
Heston模型	dS = μS dt + √v S dW₁ dv = κ(θ - v)dt + σ√v dW₂	波动率随机变化
跳跃扩散模型	dS = μS dt + σS dW + J dN	考虑突发事件

我个人习惯：先用GBM做初步分析，如果发现波动率有明显聚集效应，再换Heston模型。别一上来就用复杂的，容易翻车。

4.6 数值模拟：用代码跑起来

理论说完了，咱们来点实际的。下面是用Python模拟GBM路径的代码：

import numpy as np
import matplotlib.pyplot as plt

# 参数设置
S0 = 100      # 初始价格
mu = 0.05     # 年化收益率
sigma = 0.2   # 年化波动率
T = 1.0       # 时间长度（年）
N = 252       # 交易日数
dt = T/N      # 时间步长

# 生成布朗运动
np.random.seed(42)
dW = np.random.normal(0, np.sqrt(dt), N)
W = np.cumsum(dW)

# 计算价格路径
t = np.linspace(0, T, N)
S = S0 * np.exp((mu - 0.5*sigma**2)*t + sigma*W)

# 画图
plt.plot(t, S)
plt.xlabel('时间（年）')
plt.ylabel('价格')
plt.title('几何布朗运动模拟')
plt.show()

这段代码我用了无数次。你跑一次就能看到：价格路径是连续的，但上下波动很大。这就是随机性的魅力。

4.7 本章知识体系

下面这张图，帮你理清本章的核心逻辑：

这张图把本章内容串起来了。从“为什么需要SDE”出发，到布朗运动和伊藤引理这两个基础工具，再到最常用的GBM模型，最后扩展到更复杂的模型。你顺着这个逻辑走，就不会迷路。

4.8 小结

这一章我们聊了：

• 随机微分方程是描述资产价格动态的核心工具
• 布朗运动是随机性的数学基础
• 伊藤引理是随机微积分的“秘密武器”
• 几何布朗运动是最经典的股票价格模型
• 实际中还有更复杂的模型，但GBM是起点

说实话，SDE这东西刚接触时确实有点绕。但只要你多写几行代码，多跑几次模拟，慢慢就找到感觉了。我当年也是从一脸懵到逐渐上手，花了大概两周时间。

下一章，咱们会把这些工具用到投资组合优化中。到时候你就知道，今天学的这些有多重要了。

---