4. 随机微分方程：SDE的定义与强/弱解、存在唯一性定理、线性SDE的求解、朗之万方程与OU过程
好，咱们今天来啃一块硬骨头——随机微分方程，也就是SDE。
说实话，我刚入行那会儿，看到SDE就头疼。满屏的dW_t、漂移项、扩散项，感觉像天书。后来做期权定价做多了，才发现这东西其实就是描述「价格怎么随机走」的数学语言。说白了，它比普通微分方程多了一个随机扰动项。
4.1 SDE长什么样？
一个标准的SDE，我习惯写成这样：
dX_t = μ(t, X_t) dt + σ(t, X_t) dW_t这里面：
- dX_t：状态变量的微小变化
- μ(t, X_t) dt：漂移项，决定趋势方向
- σ(t, X_t) dW_t：扩散项，引入随机性
- dW_t：维纳过程的增量，也就是白噪声
你想想看，如果σ=0，它就退化成一个常微分方程。但有了随机项，事情就变得有趣了。
核心理解：SDE = 确定性趋势 + 随机波动。期权定价里，标的资产价格几乎都是用SDE描述的。
4.2 强解 vs 弱解——这俩到底啥区别？
我记得第一次看到「强解」「弱解」这两个词，以为是什么高深莫测的东西。后来发现，其实没那么玄乎。
强解：给定一个具体的布朗运动路径，你能唯一确定X_t的值。也就是说，随机性来源是固定的。
弱解：我只关心X_t的分布性质，不关心具体是哪条路径。你可以换一个布朗运动，只要分布对就行。
举个例子：
- 强解：我告诉你今天股价的随机种子是12345，你就能算出明天的精确价格
- 弱解：我只知道明天价格服从对数正态分布，具体哪条路径无所谓
我的经验：做蒙特卡洛模拟时，我们通常需要强解——因为你要生成具体的路径。但做理论推导时，弱解往往够用了。
4.3 存在唯一性定理——什么时候SDE有解？
不是随便写个SDE就有解的。我曾经在项目里踩过这个坑——写了一个看起来很美的模型，结果跑模拟时数值爆炸了。
保证解存在且唯一的条件，说白了就两条：
- Lipschitz条件：μ和σ关于X的变化不能太剧烈
- 线性增长条件：μ和σ的增长速度不能太快
数学上写出来是这样的：
|μ(t,x) - μ(t,y)| + |σ(t,x) - σ(t,y)| ≤ K|x - y|
|μ(t,x)| + |σ(t,x)| ≤ K(1 + |x|)嗯，这里要注意：几何布朗运动满足这两个条件，所以BS模型有唯一解。但有些带跳跃的模型就不一定了。
避坑指南：我曾经用了一个带平方项的扩散系数，结果解在有限时间内爆炸了。后来查文献才知道，那叫「有限时间爆破」。所以写模型前，先检查一下存在唯一性条件。
4.4 线性SDE的求解——有公式就别硬算
线性SDE长这样：
dX_t = (a(t)X_t + b(t)) dt + (c(t)X_t + d(t)) dW_t这类方程有显式解。我个人习惯用「常数变易法」来推，跟解线性ODE的思路很像。
求解步骤：
- 先解齐次部分：dX_t = a(t)X_t dt + c(t)X_t dW_t
- 得到基本解：Φ_t = exp(∫a(s)ds - ½∫c²(s)ds + ∫c(s)dW_s)
- 再用常数变易法得到特解
最终解的形式：
X_t = Φ_t [ X_0 + ∫Φ_s^{-1}(b(s) - c(s)d(s)) ds + ∫Φ_s^{-1}d(s) dW_s ]看着复杂，但实际用的时候，很多情况会简化。比如d(t)=0时，后面那项就没了。
实用技巧：做量化时，线性SDE的解经常用来做控制变量法。我曾在做方差互换定价时，用线性SDE的解来构造对冲组合，效果不错。
4.5 朗之万方程与OU过程——物理到金融的跨界
朗之万方程最早是物理学家用来描述布朗粒子运动的：
dX_t = -θX_t dt + σ dW_t这个方程的解就是Ornstein-Uhlenbeck过程，简称OU过程。
OU过程有几个重要性质：
- 均值回复：当X_t偏离0时，漂移项会把它拉回来
- 平稳分布：长期来看，X_t服从N(0, σ²/(2θ))
- 显式解：X_t = X_0 e^{-θt} + σ∫e^{-θ(t-s)} dW_s
我在做利率建模时，Vasicek模型就是用的OU过程。还有做统计套利时，价差序列也经常用OU过程来建模。
实战经验：用OU过程做配对交易时，关键是要估计θ——它决定了均值回复的速度。我一般用最大似然估计，效果比最小二乘法好。
4.6 本章知识体系
下面这张图是我自己整理的SDE知识框架，帮你理清思路：
这张图把SDE的核心脉络串起来了。从定义出发，到解的类型，再到存在唯一性条件，最后落到具体求解和应用。我个人觉得，学SDE最重要的是理解「随机性怎么被数学描述」，而不是死记公式。
本章要点回顾：
- SDE = 漂移项 + 扩散项 × 白噪声
- 强解依赖具体路径，弱解只关心分布
- 存在唯一性靠Lipschitz和线性增长条件保证
- 线性SDE有显式解，用常数变易法
- OU过程是均值回复的典型代表，应用广泛
好了，这一章的内容就到这儿。下一章我们会深入伊藤引理——那是连接SDE和期权定价的桥梁，也是我当年花了最多功夫才搞明白的东西。
公众号:蓝海资料掘金营，微信deep3321