第2章：伊藤积分入门
好，咱们开始聊伊藤积分。
说实话，我第一次接触伊藤积分时，心里是有点发怵的。毕竟普通微积分里那个∫f(x)dx，我们早就习惯了。但到了随机世界，一切都变了——布朗运动那条路径，处处不可导，你根本没法用传统的黎曼积分去处理它。
那怎么办？
伊藤清给了我们一套新规则。这套规则，就是量化金融的基石。今天咱们就把这块基石打牢。
2.1 从简单过程说起
先别急着跳进复杂的公式。我们从一个最朴素的想法开始：
如果我想对布朗运动做积分，比如∫g(t) dW(t)，但W(t)太“野”了，怎么办？
一个自然的想法是：把时间轴切成小段，在每个小段上，用常数来近似被积函数。这就是简单过程的核心思想。
定义：简单过程
一个随机过程 φ(t) 称为简单过程，如果存在一个划分 0 = t₀ < t₁ < ... < tₙ = T，以及随机变量 ξₖ，使得：
φ(t) = ξₖ，当 t ∈ [tₖ, tₖ₊₁)
其中 ξₖ 是 F(tₖ)-可测的，且平方可积。
嗯，这里要注意：ξₖ 只依赖于到 tₖ 时刻的信息，不能“偷看”未来。这在金融里就是“非预期性”条件——你不能用明天的股价来决定今天的交易。
我在项目中遇到过一个问题：有人用简单过程做回测时，不小心用了未来数据，结果策略表现好得离谱。一查，原来是 ξₖ 的定义里混进了 tₖ₊₁ 时刻的信息。这种坑，踩一次就记住了。
对于简单过程，伊藤积分可以很自然地定义为：
∫₀ᵀ φ(t) dW(t) = Σₖ ξₖ · (W(tₖ₊₁) - W(tₖ))说白了，就是每个小区间上，用常数乘以布朗运动的增量，然后求和。这个定义很直观，对吧？
2.2 伊藤等距——核心工具
有了定义，我们怎么计算这个积分的方差？
你想想看，伊藤积分是个随机变量，它的期望是0（因为布朗运动增量的期望是0）。但方差呢？
伊藤等距（Itô Isometry）
对于简单过程 φ(t)，有：
E[(∫₀ᵀ φ(t) dW(t))²] = E[∫₀ᵀ φ²(t) dt]
这个公式太重要了。它把随机积分的二阶矩，转化成了一个普通黎曼积分的期望。我个人习惯把这个公式叫做“随机世界里的勾股定理”——它告诉我们，伊藤积分在L²空间里是保范的。
为什么会这样？我们来拆解一下：
- 左边是随机变量的方差，右边是路径积分后的期望
- 证明的关键：布朗运动的增量是独立的，且方差等于时间差
- 交叉项期望为0，只剩下对角项
我曾经在给一个衍生品定价模型做校验时，发现蒙特卡洛模拟的方差总对不上。折腾了两天，最后发现是伊藤等距用错了——我把被积函数里的时间依赖项搞混了。从那以后，我每次用伊藤等距都会手算一遍小例子确认。
2.3 伊藤积分的性质
伊藤积分有一些漂亮的性质，我挑几个最常用的说说：
| 性质 | 数学表达 | 直观理解 |
|---|---|---|
| 线性性 | ∫(aφ+bψ)dW = a∫φdW + b∫ψdW | 积分是线性的，和普通积分一样 |
| 鞅性 | E[∫₀ᵗ φ dW | Fₛ] = ∫₀ˢ φ dW | 积分过程是鞅，未来不可预测 |
| 等距性 | 上面刚讲过 | 方差等于被积函数的L²范数 |
| 连续性 | 积分路径几乎处处连续 | 没有跳跃，但处处不可导 |
这里我想特别强调鞅性。你想想看，伊藤积分之所以在金融里这么有用，很大程度上就是因为这个性质——它刻画了“公平游戏”的数学本质。在风险中性定价下，折现后的资产价格就是鞅，而伊藤积分正好能生成鞅。
个人经验： 我在做高频交易策略回测时，经常用伊藤积分的鞅性来检验模型是否合理。如果某个策略的累积收益明显偏离鞅性质，那要么是模型错了，要么是市场存在套利机会——后者可遇不可求，前者才是常态。
2.4 伊藤过程与扩散过程
有了伊藤积分这个工具，我们可以定义更一般的随机过程了。
伊藤过程的形式是：
dX(t) = μ(t) dt + σ(t) dW(t)或者写成积分形式：
X(t) = X(0) + ∫₀ᵗ μ(s) ds + ∫₀ᵗ σ(s) dW(s)这里：
- μ(t) 是漂移项，决定趋势
- σ(t) 是扩散项，决定波动
- dW(t) 是布朗运动增量
如果 μ 和 σ 只依赖于当前状态 X(t) 和时间 t，那就是扩散过程：
dX(t) = μ(X(t), t) dt + σ(X(t), t) dW(t)扩散过程是金融建模的主力军。几何布朗运动、CIR过程、Heston模型……这些你耳熟能详的模型，都属于扩散过程。
避坑指南： 我曾经在实现一个利率模型时，把扩散系数 σ 写成了常数，结果模拟出来的利率路径经常变成负数。后来才发现，CIR模型要求 σ 乘以 √X 才能保证非负性。这种细节，写代码时很容易忽略，但后果很严重。
2.5 知识体系总览
下面这张图，把本章的核心逻辑串起来了：
这张图把本章的逻辑链条理清楚了：从布朗运动出发，通过简单过程逼近，定义伊藤积分，再结合伊藤等距和性质，最终构建出伊藤过程和扩散过程——这就是我们后续给期权定价的数学基础。
2.6 小结
这一章我们干了三件事：
- 理解了简单过程如何逼近一般随机过程
- 掌握了伊藤等距这个核心计算工具
- 认识了伊藤过程和扩散过程的基本结构
说实话，这些概念刚接触时可能会觉得抽象。但别急，下一章我们会用伊藤引理把这些工具串起来，到时候你就能看到它们是怎么在期权定价中发挥作用的了。
我的建议： 学伊藤积分，别光看公式。拿笔在纸上画一画布朗运动的路径，手动算几个简单过程的积分，感受一下“分段常数逼近”到底是怎么回事。我当年就是这么过来的——纸上推一遍，比看十遍书都管用。
公众号:蓝海资料掘金营，微信deep3321