一、随机过程基础：什么是随机过程？为什么交易模型需要随机过程？布朗运动与维纳过程
1.1 从确定性到随机性——我为什么开始研究随机过程
刚入行做量化那会儿，我满脑子都是线性回归和ARIMA模型。
觉得市场走势总能被几个技术指标解释清楚。
直到有一次，我用一个看似完美的均值回归策略跑回测——
夏普比率2.3，最大回撤不到5%。
实盘第一天，直接亏了3%。
我盯着屏幕发呆，脑子里只有一个念头：
“这市场，根本就不是确定性的。”
说白了，价格走势里藏着太多“随机性”。
你无法精确预测下一秒是涨是跌。
但你能描述它“可能怎么走”。
这就是随机过程要做的事。
核心认知：随机过程不是用来“预测未来”的，而是用来“描述不确定性如何演化”的。
1.2 什么是随机过程？——一个很直观的理解
我习惯这样跟团队新人解释：
随机过程，就是一串随时间变化的随机变量。
你想想看，每个时间点上的价格，都是一个随机变量。
把这些变量按时间串起来，就是一个随机过程。
举个例子：
- t=0：价格100元（已知）
- t=1：价格可能是101或99（随机）
- t=2：价格取决于t=1的结果（条件随机）
嗯，这里要注意：
随机过程不是“乱猜”。
它有一套严格的数学框架，用来描述“随机性如何随时间累积”。
| 概念 | 确定性过程 | 随机过程 |
|---|---|---|
| 未来状态 | 唯一确定 | 概率分布描述 |
| 建模工具 | 微分方程 | 随机微分方程 |
| 交易应用 | 趋势跟踪（有限） | 期权定价、风险管理 |
1.3 为什么交易模型需要随机过程？——我踩过的坑
我曾经犯过一个经典错误：
用普通线性回归去拟合股价走势，然后根据拟合值做交易。
结果呢？
拟合得越好，实盘亏得越惨。
为什么？
因为线性回归假设误差独立同分布——
但金融数据里的误差，是序列相关的，是异方差的。
随机过程能解决三个核心问题：
- 描述不确定性：价格不是确定值，而是概率分布
- 捕捉路径依赖：今天的价格影响明天的分布
- 量化风险：VaR、回撤概率都需要随机过程建模
我的建议：别一上来就搞复杂模型。先理解最简单的随机过程——布朗运动。它能解释很多市场现象。
1.4 布朗运动与维纳过程——随机过程的“Hello World”
布朗运动，最早是植物学家布朗观察花粉颗粒在水中的运动。
后来被数学家维纳严格定义，所以也叫维纳过程。
在量化里，我们通常用 W(t) 表示。
它有三个核心性质：
- 独立增量：不同时间段的增量互不相关
- 正态增量：增量服从正态分布，均值为0，方差等于时间间隔
- 连续路径：路径连续，但处处不可导（这点很关键）
我刚开始学的时候，觉得“处处不可导”很抽象。
后来做高频交易回测时发现——
如果你用普通微积分去处理价格路径，会算出无穷大的波动率。
这就是因为价格路径本质上不可导。
维纳过程的数学定义：
W(0) = 0
W(t) - W(s) ~ N(0, t-s) for t > s
W(t) 连续，且增量独立嗯，这里要注意：
维纳过程是理想化模型。
真实市场有跳跃、有自相关、有波动率聚集。
但它是一切复杂模型的基石。
1.5 知识体系总览
下面这张图，是我自己梳理的本章知识结构：
1.6 一个简单的模拟——用代码感受随机过程
光说不练假把式。
我习惯让学员先跑一段代码，亲眼看看随机过程长什么样。
import numpy as np
import matplotlib.pyplot as plt
# 模拟一条维纳过程路径
np.random.seed(42)
T = 1.0 # 总时间
n = 1000 # 步数
dt = T / n # 步长
t = np.linspace(0, T, n)
W = np.zeros(n)
# 核心：增量累加
for i in range(1, n):
dW = np.random.normal(0, np.sqrt(dt))
W[i] = W[i-1] + dW
plt.plot(t, W)
plt.title('一条维纳过程路径')
plt.xlabel('时间')
plt.ylabel('W(t)')
plt.grid(True)
plt.show()运行这段代码，你会看到一条上下波动的曲线。
它没有固定趋势，但每一步的波动幅度是可控的。
这就是随机过程的核心思想：用概率描述路径。
注意：真实股价不是纯维纳过程。它有漂移项（长期趋势），有波动率聚集（大波动后跟大波动）。但维纳过程是所有复杂模型的起点。
1.7 避坑指南——我曾经犯过的错
最后分享几个我踩过的坑：
- 坑1：以为随机过程就是随机游走——其实随机游走是离散时间版本，维纳过程是连续时间极限。两者有本质区别。
- 坑2：直接用维纳过程拟合股价——股价有漂移，有跳跃，需要几何布朗运动或跳扩散模型。
- 坑3：忽略“不可导”的影响——做对冲时，如果用普通导数计算Delta，会得到无穷大。要用伊藤引理。
嗯，这些坑我当年都踩过。
现在回头看，其实都是对随机过程理解不够深。
从下一章开始，我们会一步步深入。
公众号:蓝海资料掘金营，微信deep3321