文章目录

第六讲布朗运动
- 一、布朗运动的基本概念
- - Part 1：布朗运动的定义
  - Part 2：布朗运动的数字特征
  - Part 3：布朗运动的性质
- 二、与布朗运动相关的随机过程
- - Part 1：反射布朗运动
  - Part 2：几何布朗运动
  - Part 3：布朗桥过程
- 三、最大值与首中时的分布
- - Part 1：首中时的分布
  - Part 2：最大值的分布

第六讲布朗运动

一、布朗运动的基本概念

Part 1：布朗运动的定义

这里我们主要以课程需求为导向。布朗运动的数学模型是通过直线上的简单对称随机游动模型引入的，其正态性由中心极限定理所保证，具体内容可以参考教材。这里我们直接给出布朗运动的定义。

布朗运动也称为维纳过程，随机过程 {X(t):t≥0}\{X(t):t\geq0\}{X(t):t≥0} 称为布朗运动，如果满足以下条件：

X(0)=0X(0)=0X(0)=0 ；
{X(t):t≥0}\{X(t):t\geq0\}{X(t):t≥0} 是独立增量过程；
对任意的 0≤s<t0\leq s<t0≤s<t ，有 X(t)−X(s)∼N(0,σ2(t−s))X(t)-X(s)\sim N\left(0,\sigma^2(t-s)\right)X(t)−X(s)∼N(0,σ2(t−s)) 。

当 σ=1\sigma=1σ=1 时，将过程 {X(t):t≥0}\{X(t):t\geq0\}{X(t):t≥0} 称为标准布朗运动。对于任意的布朗运动，我们可以通过标准化变换 B(t)=X(t)/σB(t)=X(t)/\sigmaB(t)=X(t)/σ ，将其转化为标准布朗运动。在这一讲的后续内容中我们都讨论标准布朗运动，并将其记为 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 。

Part 2：布朗运动的数字特征

设 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是标准布朗运动，则有 B(t)∼N(0,t)B(t)\sim N(0,t)B(t)∼N(0,t) 。类似于泊松过程的数字特征，布朗运动的数字特征可以由正态分布的数字特征给出。

均值函数：μB(t)=E(B(t))=0\mu_B(t)={\rm E}(B(t))=0μB(t)=E(B(t))=0 ；
方差函数：σB2(t)=Var(B(t))=t\sigma^2_B(t)={\rm Var}(B(t))=tσB2(t)=Var(B(t))=t ；
自协方差函数：CB(s,t)=min⁡{s,t}=s∧tC_B(s,t)=\min\{s,t\}=s\wedge tCB(s,t)=min{s,t}=s∧t ；
自相关函数：rB(s,t)=min⁡{s,t}=s∧tr_B(s,t)=\min\{s,t\}=s\wedge trB(s,t)=min{s,t}=s∧t 。

由于布朗运动是一个零均值的随机过程，所以其自相关函数和自协方差函数相等。

我们在第一讲曾经介绍过正态过程的概念，利用正态过程我们可以给出一个布朗运动的等价性定理。

定理：设 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是一个样本轨道连续的随机过程，则 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是标准布朗运动当且仅当它是正态过程且 μB(t)=0,rB(s,t)=min⁡{s,t}\mu_B(t)=0,\,r_B(s,t)=\min\{s,t\}μB(t)=0,rB(s,t)=min{s,t} 。

必要性：只需证 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是正态过程即可。对任意的 n≥1n\geq1n≥1 和 0=t0<t1<t2<⋯<tn0=t_0<t_1<t_2<\cdots<t_n0=t0<t1<t2<⋯<tn ，由独立增量性和正态性可知
B(t1)−B(t0),B(t2)−B(t1),⋯,B(tn)−B(tn−1)B(t_1)-B(t_0),B(t_2)-B(t_1),\,\cdots,B(t_n)-B(t_{n-1}) B(t1)−B(t0),B(t2)−B(t1),⋯,B(tn)−B(tn−1)
相互独立，且都服从正态分布。由于对任意的 1≤k≤n1\leq k\leq n1≤k≤n 都有 B(tk)=∑i=1k[B(ti)−B(ti−1)]B(t_k)=\displaystyle\sum_{i=1}^k\left[B(t_i)-B(t_{i-1})\right]B(tk)=i=1∑k[B(ti)−B(ti−1)] ，换句话说，B(tk)B(t_k)B(tk) 可以表示为 B(t1)−B(t0),B(t2)−B(t1),⋯,B(tn)−B(tn−1)B(t_1)-B(t_0),B(t_2)-B(t_1),\,\cdots,B(t_n)-B(t_{n-1})B(t1)−B(t0),B(t2)−B(t1),⋯,B(tn)−B(tn−1) 的线性组合。

下面考虑 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 有限维分布。对于随机向量 (B(t1),B(t2),⋯,B(tn))\left(B(t_1),B(t_2),\cdots,B(t_n)\right)(B(t1),B(t2),⋯,B(tn)) 来说，其分量的任意线性组合，一定也可以表示为 B(t1)−B(t0),B(t2)−B(t1),⋯,B(tn)−B(tn−1)B(t_1)-B(t_0),B(t_2)-B(t_1),\,\cdots,B(t_n)-B(t_{n-1})B(t1)−B(t0),B(t2)−B(t1),⋯,B(tn)−B(tn−1) 的线性组合，所以这个线性组合服从正态分布。根据正态分布的性质知，随机向量 (B(t1),B(t2),⋯,B(tn))\left(B(t_1),B(t_2),\cdots,B(t_n)\right)(B(t1),B(t2),⋯,B(tn)) 服从联合正态分布，所以 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 任意有限维分布都是正态分布，即 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是正态过程。

充分性：首先由 E(B(0))=μB(0)=0,Var(B(0))=rB(0,0)=0{\rm E}(B(0))=\mu_B(0)=0,\,{\rm Var}(B(0))=r_B(0,0)=0E(B(0))=μB(0)=0,Var(B(0))=rB(0,0)=0 可知 B(0)=0B(0)=0B(0)=0 。接下来考虑独立增量性，对任意的 s1<t1≤s2<t2s_1<t_1\leq s_2<t_2s1<t1≤s2<t2 ，我们有
E[(B(t1)−B(s1))(B(t2)−B(s2))]=rB(t1,t2)−rB(s1,t2)−rB(t1,s2)+rB(s1,s2)=t1−s1−t1+s1=0.\begin{aligned} {\rm E}\left[\left(B(t_1)-B(s_1)\right)\left(B(t_2)-B(s_2)\right)\right]&=r_B(t_1,t_2)-r_B(s_1,t_2)-r_B(t_1,s_2)+r_B(s_1,s_2) \\ &=t_1-s_1-t_1+s_1 \\ &=0 \ . \end{aligned} E[(B(t1)−B(s1))(B(t2)−B(s2))]=rB(t1,t2)−rB(s1,t2)−rB(t1,s2)+rB(s1,s2)=t1−s1−t1+s1=0 .
即任意两个不重合时间段内的增量不相关，又因为 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是正态过程，所以任意两个不重合时间段内的增量独立，即 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 有独立增量性。

最后证明对任意的 0≤s<t0\leq s<t0≤s<t 有 B(t)−B(s)∼N(0,t−s)B(t)-B(s)\sim N\left(0,t-s\right)B(t)−B(s)∼N(0,t−s) 。由正态过程知有 (B(s),B(t))(B(s),B(t))(B(s),B(t)) 服从联合正态分布，所以其线性组合 B(t)−B(s)B(t)-B(s)B(t)−B(s) 服从正态分布。又因为
E(B(t)−B(s))=E(B(t))−E(B(s))=0,Var(B(t)−B(s))=Var(B(t))+Var(B(s))−2E(B(s)B(t))=t+s−2×min⁡{s,t}=t−s.\begin{aligned} {\rm E}(B(t)-B(s))&={\rm E}(B(t))-{\rm E}(B(s))=0 \ , \\ \\ {\rm Var}(B(t)-B(s))&={\rm Var}(B(t))+{\rm Var}(B(s))-2{\rm E}(B(s)B(t)) \\ &=t+s-2\times\min\{s,t\} \\ &=t-s \ . \end{aligned} E(B(t)−B(s))Var(B(t)−B(s))=E(B(t))−E(B(s))=0 ,=Var(B(t))+Var(B(s))−2E(B(s)B(t))=t+s−2×min{s,t}=t−s .
所以 B(t)−B(s)∼N(0,t−s)B(t)-B(s)\sim N\left(0,t-s\right)B(t)−B(s)∼N(0,t−s) 。

综上所述，{B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是标准布朗运动。

Part 3：布朗运动的性质

为了区别于“与布朗运动相关的随机过程”，这里我们介绍的性质，指的是通过对标准布朗运动进行衍生变换，得到新的随机过程仍然是标准布朗运动的若干性质。设 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是标准布朗运动。

马尔可夫性：对任意的 τ>0\tau>0τ>0 ，{B(t+τ)−B(τ):t≥0}\{B(t+\tau)-B(\tau):t\geq0\}{B(t+τ)−B(τ):t≥0} 也是标准布朗运动。

自相似性：对任意常数 c≠0c\neq0c=0 ，{1cB(c2t):t≥0}\left\{\dfrac1cB\left(c^2t\right):t\geq0\right\}{c1B(c2t):t≥0} 也是标准布朗运动。

000 与 ∞\infty∞ 对称性：定义 B~(t)={tB(1t),t>00,t=0\tilde{B}(t)=\left\{\begin{array}{ll}tB\left(\dfrac1t\right) \ , & t>0 \\ 0 \ , & t=0 \end{array}\right.B~(t)=⎩⎨⎧tB(t1) ,0 ,t>0t=0 ，则 {B~(t):t≥0}\left\{\tilde{B}(t):t\geq0\right\}{B~(t):t≥0} 也是标准布朗运动。

特别指出 000 与 ∞\infty∞ 对称性可以看做一个时间逆流的过程。

我们用等价性定理证明，显然上述的三个随机过程都是零均值的正态过程，可以由线性变换的方式证明，这里我们只需验证自相关函数满足条件。

(1) 对任意的 s,t≥0s,t\geq0s,t≥0 ，有
E[(B(s+τ)−B(τ))(B(t+τ)−B(τ))]=rB(s+τ,t+τ)−rB(s+τ,τ)−rB(τ,t+τ)+rB(τ,τ)=s∧t+τ−τ−τ+τ=s∧t.\begin{aligned} \ &{\rm E}[(B(s+\tau)-B(\tau))(B(t+\tau)-B(\tau))] \\ =\ &r_B(s+\tau,t+\tau)-r_B(s+\tau,\tau)-r_B(\tau,t+\tau)+r_B(\tau,\tau) \\ =\ &s\wedge t+\tau-\tau-\tau+\tau \\ =\ &s\wedge t \ . \end{aligned} = = = E[(B(s+τ)−B(τ))(B(t+τ)−B(τ))]rB(s+τ,t+τ)−rB(s+τ,τ)−rB(τ,t+τ)+rB(τ,τ)s∧t+τ−τ−τ+τs∧t .
(2) 对任意的 s,t≥0s,t\geq0s,t≥0 ，有
E[(1cB(c2t))(1cB(c2s))]=1c2E[B(c2t)B(c2s)]=1c2⋅c2(t∧s)=t∧s.\begin{aligned} {\rm E}\left[\left(\frac1cB\left(c^2t\right)\right)\left(\frac1cB\left(c^2s\right)\right)\right]&=\frac{1}{c^2}{\rm E}\left[B(c^2t)B(c^2s)\right] \\ &=\frac1{c^2}\cdot c^2(t\wedge s) \\ &=t\wedge s \ . \end{aligned} E[(c1B(c2t))(c1B(c2s))]=c21E[B(c2t)B(c2s)]=c21⋅c2(t∧s)=t∧s .
(3) 对任意的 s,t≥0s,t\geq0s,t≥0 ，有
E[(tB(1t))(sB(1s))]=tsE[B(1t)B(1s)]=ts⋅min⁡{1t,1s}=min⁡{tst,tss}=t∧s.\begin{aligned} {\rm E}\left[\left(tB\left(\frac1t\right)\right)\left(sB\left(\frac1s\right)\right)\right]&=ts{\rm E}\left[B\left(\frac1t\right)B\left(\frac1s\right)\right] \\ &=ts\cdot\min\left\{\frac1t,\frac1s\right\} \\ &=\min\left\{\frac{ts}t,\frac{ts}s\right\} \\ &=t\wedge s \ . \end{aligned} E[(tB(t1))(sB(s1))]=tsE[B(t1)B(s1)]=ts⋅min{t1,s1}=min{tts,sts}=t∧s .
所以上述三个随机过程都是标准布朗运动。

二、与布朗运动相关的随机过程

Part 1：反射布朗运动

设 {Bt:t≥0}\{B_t:t\geq0\}{Bt:t≥0} 是标准布朗运动，令 Xt=∣Bt∣X_t=|B_t|Xt=∣Bt∣ ，过程 {Xt:t≥0}\{X_t:t\geq0\}{Xt:t≥0} 称为反射布朗运动。

关于反射布朗运动，显然 XtX_tXt 是一个非负随机变量，所以我们首先要知道它不是一个正态过程。在这里我们主要讨论其均值函数、方差函数和一维概率分布，当然这需要一些简单的计算：
E(Xt)=E∣Bt∣=∫−∞+∞∣x∣12πte−x22tdx=2∫0+∞x2πte−x22tdx=2tπ.E(Xt2)=E(Bt2)=Var(Bt)=t.Var(Xt)=E(Xt2)−[E(Xt)]2=π−2πt.\begin{aligned} &{\rm E}(X_t)={\rm E}|B_t|=\int_{-\infty}^{+\infty}|x|\frac{1}{\sqrt{2\pi t}}e^{-\frac{x^2}{2t}}{\rm d}x=2\int_0^{+\infty}\frac{x}{\sqrt{2\pi t}}e^{-\frac{x^2}{2t}}{\rm d}x=\sqrt{\frac{2t}{\pi}} \ . \\ \\ &{\rm E}(X_t^2)={\rm E}(B_t^2)={\rm Var}(B_t)=t \ . \\ \\ &{\rm Var}(X_t)={\rm E}(X_t^2)-\left[{\rm E}(X_t)\right]^2=\frac{\pi-2}{\pi}t \ . \end{aligned} E(Xt)=E∣Bt∣=∫−∞+∞∣x∣2πt1e−2tx2dx=2∫0+∞2πtxe−2tx2dx=π2t .E(Xt2)=E(Bt2)=Var(Bt)=t .Var(Xt)=E(Xt2)−[E(Xt)]2=ππ−2t .
接着我们来计算 XtX_tXt 的分布函数，由 XtX_tXt 的非负性可知，当 x<0x<0x<0 时，P(Xt<x)=0P(X_t<x)=0P(Xt<x)=0 。所以我们只需要考虑 x≥0x\geq0x≥0 的情况，给定 t>0t>0t>0 我们有
P(Xt≤x)=P(∣Bt∣≤x)=P(−x≤Bt≤x)=2P(Bt≤x)−1=2P(Btt≤xt)−1=2Φ(xt)−1.\begin{aligned} P(X_t\leq x)&=P(|B_t|\leq x) =P(-x\leq B_t\leq x) =2P(B_t\leq x)-1\\ \\ &=2P\left(\frac{B_t}{\sqrt{t}}\leq\frac{x}{\sqrt{t}}\right)-1 =2\Phi\left(\frac{x}{\sqrt{t}}\right)-1 \ . \end{aligned} P(Xt≤x)=P(∣Bt∣≤x)=P(−x≤Bt≤x)=2P(Bt≤x)−1=2P(tBt≤tx)−1=2Φ(tx)−1 .
进一步我们可以计算得到 XtX_tXt 的密度函数为
fXt(x)=2ϕ(xt)1t=2πte−x22t,x≥0.f_{X_t}(x)=2\phi\left(\frac{x}{\sqrt{t}}\right)\frac{1}{\sqrt{t}}=\sqrt{\frac{2}{\pi t}}e^{-\frac{x^2}{2t}} \ , \quad x\geq0 \ . fXt(x)=2ϕ(tx)t1=πt2e−2tx2 ,x≥0 .
反射布朗运动我们在后面讨论最大值和首中时的分布时会被再次提及，需要注意区别。

Part 2：几何布朗运动

设 {Bt:t≥0}\{B_t:t\geq0\}{Bt:t≥0} 是标准布朗运动，给定 α∈R\alpha\in\mathbb{R}α∈R 为非零常数，定义
Xt=eαBt,t≥0,X_t=e^{\alpha B_t} \ , \quad t\geq0 \ , Xt=eαBt ,t≥0 ,
称随机过程 {Xt:t≥0}\{X_t:t\geq0\}{Xt:t≥0} 为几何布朗运动。

同样由于 XtX_tXt 是一个非负随机变量，所以几何布朗运动也不是一个正态过程。它的数字特征为：
E(Xt)=E(eαBt)=∫−∞∞eαx12πte−x22tdx=eα2t2.E(Xt2)=E(e2αBt)=∫−∞∞e2αx12πte−x22tdx=e2α2t.Var(Xt)=E(Xt2)−[E(Xt)]2=e2α2t−eα2t.\begin{aligned} &{\rm E}(X_t)={\rm E}\left(e^{\alpha B_t}\right)=\int_{-\infty}^\infty e^{\alpha x}\frac{1}{\sqrt{2\pi t}}e^{-\frac{x^2}{2t}}{\rm d}x=e^{\frac{\alpha^2t}{2}} \ . \\ \\ &{\rm E}(X_t^2)={\rm E}\left(e^{2\alpha B_t}\right)=\int_{-\infty}^\infty e^{2\alpha x}\frac{1}{\sqrt{2\pi t}}e^{-\frac{x^2}{2t}}{\rm d}x=e^{2\alpha^2t} \ . \\ \\ &{\rm Var}(X_t)= {\rm E}(X_t^2)-\left[{\rm E}(X_t)\right]^2=e^{2\alpha^2t}-e^{\alpha^2t} \ . \end{aligned} E(Xt)=E(eαBt)=∫−∞∞eαx2πt1e−2tx2dx=e2α2t .E(Xt2)=E(e2αBt)=∫−∞∞e2αx2πt1e−2tx2dx=e2α2t .Var(Xt)=E(Xt2)−[E(Xt)]2=e2α2t−eα2t .
下面我们考虑 XtX_tXt 的分布函数。注意到 ln⁡Xt=αBt\ln X_t=\alpha B_tlnXt=αBt 服从正态分布，所以 XtX_tXt 服从对数正态分布。由于 αBt\alpha B_tαBt 与 −αBt-\alpha B_t−αBt 同分布，所以我们只需要考虑 α>0\alpha>0α>0 的情况。当 x>0x>0x>0 时，我们有
P(Xt≤x)=P(eαBt≤x)=P(αBt≤ln⁡x)=P(Bt≤ln⁡xα)=Φ(ln⁡xαt).\begin{aligned} P(X_t\leq x)&=P\left(e^{\alpha B_t}\leq x\right) =P(\alpha B_t\leq\ln x) =P\left(B_t\leq\frac{\ln x}{\alpha}\right)=\Phi\left(\frac{\ln x}{\alpha\sqrt{t}}\right) \ . \end{aligned} P(Xt≤x)=P(eαBt≤x)=P(αBt≤lnx)=P(Bt≤αlnx)=Φ(αtlnx) .
进一步我们可以计算得到 XtX_tXt 的密度函数为
fXt(x)=ϕ(ln⁡xαt)1αtx=1α2πtxe−(ln⁡x)22α2t,x≥0.f_{X_t}(x)=\phi\left(\frac{\ln x}{\alpha\sqrt{t}}\right)\frac{1}{\alpha\sqrt{t}x}=\frac{1}{\alpha\sqrt{2\pi t}x}e^{-\frac{(\ln x)^2}{2\alpha^2t}} \ , \quad x\geq0 \ . fXt(x)=ϕ(αtlnx)αtx1=α2πtx1e−2α2t(lnx)2 ,x≥0 .
几何布朗运动常常应用于金融市场的研究，可以用来拟合股票的价格走势。

Part 3：布朗桥过程

设 {Bt:t≥0}\{B_t:t\geq0\}{Bt:t≥0} 是标准布朗运动，令 Xt=Bt−tB1X_t=B_t-tB_1Xt=Bt−tB1 ，过程 {Xt:0≤t≤1}\{X_t:0\leq t\leq1\}{Xt:0≤t≤1} 称为布朗桥过程。

关于布朗桥运动，我们主要关注其数字特征和等价定义。

均值函数：E(Xt)=0{\rm E}(X_t)=0E(Xt)=0 。
方差函数：Var(Xt)=t(1−t){\rm Var}(X_t)=t(1-t)Var(Xt)=t(1−t) 。
自协方差函数：对任意的 0≤s≤t≤10\leq s\leq t\leq10≤s≤t≤1 ，有

E(XsXt)=E[(Bs−sB1)(Bt−tB1)]=E(BsBt)−sE(B1Bt)−tE(BsB1)+stE(B12)=s−st−st+st=s(1−t),0≤s≤t≤1.\begin{aligned} {\rm E}(X_sX_t)&={\rm E}\left[(B_s-sB_1)(B_t-tB_1)\right] \\ &={\rm E}(B_sB_t)-s{\rm E}(B_1B_t)-t{\rm E}(B_sB_1)+st{\rm E}(B_1^2) \\ &=s-st-st+st \\ &=s(1-t) \ , \quad 0\leq s\leq t\leq1 \ . \end{aligned} E(XsXt)=E[(Bs−sB1)(Bt−tB1)]=E(BsBt)−sE(B1Bt)−tE(BsB1)+stE(B12)=s−st−st+st=s(1−t) ,0≤s≤t≤1 .

由布朗桥过程的定义可知 X0=0,X1=0X_0=0,\,X_1=0X0=0,X1=0 ，这是在随机过程起点和终点状态给定的条件下，讨论其中间过程的一类问题。可以证明布朗桥过程是一个正态过程，通过均值函数和方差函数可以确定 XtX_tXt 的概率分布为：Xt∼N(0,t(1−t))X_t\sim N(0,t(1-t))Xt∼N(0,t(1−t)) 。

布朗桥过程的等价定义：对于标准布朗运动 {Bt:t≥0}\{B_t:t\geq0\}{Bt:t≥0} ，有条件随机过程 {Bt:0≤t≤1∣B1=0}\{B_t:0\leq t\leq1|B_1=0\}{Bt:0≤t≤1∣B1=0} 是一个布朗桥过程。

证明这两个随机过程等价，只需证 Xt=d(Bt∣B1=0)X_t\xlongequal{d}(B_t|B_1=0)Xtd(Bt∣B1=0) 。这里我们需要计算在 B1=0B_1=0B1=0 的条件下 BtB_tBt 的条件分布函数，注意这里 0≤t≤10\leq t\leq10≤t≤1 ，于是
P(Bt≤x∣B1=0)=P(tB~1/t≤x∣B~1=0)=P(B~1/t−B~1≤xt)=P(t(B~1/t−B~1)≤x).\begin{aligned} P\left(B_t\leq x|B_1=0\right)&=P(t\tilde{B}_{1/t}\leq x|\tilde{B}_1=0)=P\left(\tilde{B}_{1/t}-\tilde{B}_1\leq\frac{x}{t}\right) =P\left(t\left(\tilde{B}_{1/t}-\tilde{B}_1\right)\leq x\right) \ . \\ \end{aligned} P(Bt≤x∣B1=0)=P(tB~1/t≤x∣B~1=0)=P(B~1/t−B~1≤tx)=P(t(B~1/t−B~1)≤x) .
所以 (Bt∣B1=0)=dt(B~1/t−B~1)(B_t|B_1=0)\xlongequal{d}t\left(\tilde{B}_{1/t}-\tilde{B}_1\right)(Bt∣B1=0)dt(B~1/t−B~1) 。

由于 B~1/t−B~1∼N(0,1−tt)\tilde{B}_{1/t}-\tilde{B}_1\sim N\left(0,\dfrac{1-t}{t}\right)B~1/t−B~1∼N(0,t1−t) ，所以 t(B~1/t−B~1)∼N(0,t(1−t))t\left(\tilde{B}_{1/t}-\tilde{B}_1\right)\sim N(0,t(1-t))t(B~1/t−B~1)∼N(0,t(1−t)) ，即 Xt=dt(B~1/t−B~1)X_t\xlongequal{d}t\left(\tilde{B}_{1/t}-\tilde{B}_1\right)Xtdt(B~1/t−B~1) 。

所以 (Bt∣B1=0)=dt(B~1/t−B~1)=dXt(B_t|B_1=0)\xlongequal{d}t\left(\tilde{B}_{1/t}-\tilde{B}_1\right)\xlongequal{d} X_t(Bt∣B1=0)dt(B~1/t−B~1)dXt ，即 {Bt:0≤t≤1∣B1=0}\{B_t:0\leq t\leq1|B_1=0\}{Bt:0≤t≤1∣B1=0} 是一个布朗桥过程。

三、最大值与首中时的分布

Part 1：首中时的分布

设 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是标准布朗运动，常数 a≠0a\neq0a=0 ，令 Ta=inf⁡{t>0:B(t)=a}T_a=\inf\{t>0:B(t)=a\}Ta=inf{t>0:B(t)=a} ，表示布朗运动首次击中 aaa 的时刻，称为 aaa 的首中时。

定理：对于 t>0t>0t>0 ，有 TaT_aTa 的分布函数和密度函数
FTa(t)=2(1−Φ(∣a∣t)),fTa=∣a∣2πt3e−a22t,t>0.\begin{aligned} &F_{T_a}(t)=2\left(1-\Phi\left(\frac{|a|}{\sqrt{t}}\right)\right) \ , \quad f_{T_a}=\frac{|a|}{\sqrt{2\pi t^3}}e^{-\frac{a^2}{2t}} \ , \quad t>0 \ . \end{aligned} FTa(t)=2(1−Φ(t∣a∣)) ,fTa=2πt3∣a∣e−2ta2 ,t>0 .

下面我们来求 TaT_aTa 的分布函数和密度函数，由于布朗运动具有对称性，所以我们只考虑 a>0a>0a>0 的情况。对于 t>0t>0t>0 ，由全概率公式知
P(B(t)≥a)=P(B(t)≥a∣Ta≤t)P(Ta≤t)+P(B(t)≥a∣Ta>t)P(Ta>t).P(B(t)\geq a)=P(B(t)\geq a|T_a\leq t)P(T_a\leq t)+P(B(t)\geq a|T_a>t)P(T_a>t) \ . P(B(t)≥a)=P(B(t)≥a∣Ta≤t)P(Ta≤t)+P(B(t)≥a∣Ta>t)P(Ta>t) .
注意到在 Ta>tT_a>tTa>t 的条件下，说明在 ttt 时刻之前不曾击中 aaa ，所以 P(B(t)≥a∣Ta>t)=0P(B(t)\geq a|T_a>t)=0P(B(t)≥a∣Ta>t)=0 。另一方面在 Ta≤tT_a\leq tTa≤t 的条件下，说明在 ttt 时刻之前曾出现过 B(Ta)=aB(T_a)=aB(Ta)=a ，此时由于布朗运动的对称性以及样本曲线的连续性，所以事件 {B(t)≥a}\{B(t)\geq a\}{B(t)≥a} 和 {B(t)<a}\{B(t)<a\}{B(t)<a} 发生的概率相等，即
P(B(t)≥a∣Ta≤t)=P(B(t)<a∣Ta≤t)=12.P(B(t)\geq a|T_a\leq t)=P(B(t)< a|T_a\leq t)=\frac12 \ . P(B(t)≥a∣Ta≤t)=P(B(t)<a∣Ta≤t)=21 .
将以上结果代入全概率公式可得 P(Ta≤t)=2P(B(t)≥a)P(T_a\leq t)=2P(B(t)\geq a)P(Ta≤t)=2P(B(t)≥a) ，所以有 TaT_aTa 的分布函数
FTa(t)=P(Ta≤t)=2P(B(t)≥a)=2(1−Φ(at)),t≥0.F_{T_a}(t)=P(T_a\leq t)=2P(B(t)\geq a)=2\left(1-\Phi\left(\frac{a}{\sqrt{t}}\right)\right) \ , \quad t\geq0 \ . FTa(t)=P(Ta≤t)=2P(B(t)≥a)=2(1−Φ(ta)) ,t≥0 .
对 ttt 求导可得 TaT_aTa 的密度函数
fTa(t)=2ϕ(at)⋅a2t3=a2πt3e−a22t,t>0.f_{T_a}(t)=2\phi\left(\frac{a}{\sqrt{t}}\right)\cdot \frac{a}{2\sqrt{t^3}}=\frac{a}{\sqrt{2\pi t^3}}e^{-\frac{a^2}{2t}} \ , \quad t>0 \ . fTa(t)=2ϕ(ta)⋅2t3a=2πt3ae−2ta2 ,t>0 .

关于布朗运动的首中时还有两个重要的结论。

定理：给定 a∈Ra\in\mathbb{R}a∈R ，则有
P(Ta<∞)=1,E(Ta)=∞.P(T_a<\infty)=1 \ , \quad {\rm E}(T_a)=\infty \ . P(Ta<∞)=1 ,E(Ta)=∞ .

仍然不妨设 a>0a>0a>0 ，证明这个结论只需要计算即可
P(Ta<∞)=lim⁡t→∞P(Ta<t)=lim⁡t→∞2(1−Φ(at))=1.E(Ta)=∫0∞t12πt3e−a22tdt=∫0∞12πte−a22tdt=∞.\begin{aligned} &P(T_a<\infty)=\lim_{t\to\infty}P(T_a<t)=\lim_{t\to\infty}2\left(1-\Phi\left(\frac{a}{\sqrt{t}}\right)\right)=1 \ . \\ \\ &{\rm E}(T_a)=\int_0^\infty t\frac{1}{\sqrt{2\pi t^3}}e^{-\frac{a^2}{2t}}{\rm d}t=\int_0^\infty \frac{1}{\sqrt{2\pi t}}e^{-\frac{a^2}{2t}}{\rm d}t=\infty \ . \end{aligned} P(Ta<∞)=t→∞limP(Ta<t)=t→∞lim2(1−Φ(ta))=1 .E(Ta)=∫0∞t2πt31e−2ta2dt=∫0∞2πt1e−2ta2dt=∞ .

上述结论可以解释为：无论 ∣a∣|a|∣a∣ 多大，从 000 点出发的布朗运动总会在有限时间内到达；另一方面，无论 ∣a∣|a|∣a∣ 多么接近 000 ，该布朗运动到达 aaa 所需要的平均时间都是 ∞\infty∞ 。

Part 2：最大值的分布

设 {B(t):t≥0}\{B(t):t\geq0\}{B(t):t≥0} 是标准布朗运动，令 Mt=max⁡{B(s):0≤s≤t}M_t=\max\{B(s):0\leq s\leq t\}Mt=max{B(s):0≤s≤t} ，表示布朗运动在 [0,t][0,t][0,t] 的时间段内所达到的最大值。

定理：给定 t>0t>0t>0 ，有 Mt=d∣B(t)∣M_t\xlongequal{d}|B(t)|Mtd∣B(t)∣ 。

由 MtM_tMt 的定义知其样本曲线从 000 出发且单调不减，故 MtM_tMt 是一个非负随机变量。对任意的 x≥0x\geq0x≥0 ，这里我们先计算 P(Mt>x)P(M_t>x)P(Mt>x) 。

考虑这样一个等价事件：
Mt≥x⟺Tx≤t.M_t \geq x \quad \iff \quad T_x \leq t \ . Mt≥x⟺Tx≤t .
其解释为：如果布朗运动在 [0,t][0,t][0,t] 的时间段内所达到的最大值大于 xxx ，由于布朗运动具有连续的样本曲线，所以至少存在某个时刻 0<s<t0<s<t0<s<t ，使得 B(s)=xB(s)=xB(s)=x ，所以 Tx<tT_x<tTx<t 。反之，如果布朗运动在 ttt 时刻之前便首次击中 xxx ，那么到 ttt 时刻为止，布朗运动所达到的最大值一定不小于 xxx ，即 Mt≥xM_t\geq xMt≥x 。

由于 MtM_tMt 和 TxT_xTx 都是连续型随机变量，所以是否保留等号不影响结果，故
P(Mt>x)=P(Tx<t)=2P(B(t)>x)=2(1−Φ(xt)),x>0.P(M_t>x)=P(T_x<t)=2P(B(t)>x)=2\left(1-\Phi\left(\frac{x}{\sqrt{t}}\right)\right) \ , \quad x>0 \ . P(Mt>x)=P(Tx<t)=2P(B(t)>x)=2(1−Φ(tx)) ,x>0 .
所以 MtM_tMt 的分布函数为
P(Mt≤x)=1−P(Mt>x)=2P(B(t)≤x)−1=2Φ(xt)−1,x>0.P(M_t\leq x)=1-P(M_t>x)=2P(B(t)\leq x)-1=2\Phi\left(\frac{x}{\sqrt{t}}\right)-1 \ , \quad x>0 \ . P(Mt≤x)=1−P(Mt>x)=2P(B(t)≤x)−1=2Φ(tx)−1 ,x>0 .
通过分布函数就可以说明 Mt=d∣B(t)∣M_t\xlongequal{d}|B(t)|Mtd∣B(t)∣ 成立。

需要强调一点，这里的同分布指的是给定 t>0t>0t>0 之后的随机变量 MtM_tMt 和随机变量 ∣B(t)∣|B(t)|∣B(t)∣ 是同分布的，并非随机过程 {Mt:t≥0}\{M_t:t\geq0\}{Mt:t≥0} 和随机过程 {∣B(t)∣:t≥0}\{|B(t)|:t\geq0\}{∣B(t)∣:t≥0} 是同分布的随机过程。显然 {Mt:t≥0}\{M_t:t\geq0\}{Mt:t≥0} 是单调不减的随机过程，与 {∣B(t)∣:t≥0}\{|B(t)|:t\geq0\}{∣B(t)∣:t≥0} 并不是一回事。事实上，两者只是一维分布相同，而其他的有限维分布是不同的。

【应用随机过程】06. 布朗运动相关推荐

《随机过程》布朗运动理论中的两个反常问题
全世界只有3.14 % 的人关注了爆炸吧知识 1827 年,英国植物学家布朗(Brown)用显微镜观察悬浮在液体中的花粉微粒时,发现花粉微粒总是在做无规则运动.后来人们发现,这是一种广泛存在于自然界 ...
机器学习时代，随机过程的数学知识还重要吗？
量化投资与机器学习微信公众号,是业内垂直于量化投资.对冲基金.Fintech.人工智能.大数据等领域的主流自媒体.公众号拥有来自公募.私募.券商.期货.银行.保险.高校等行业30W+关注者,连续2年被 ...
【随机过程】 5 - 非平稳过程
非平稳过程文章目录非平稳过程 1. 问题引入 2. 循环平稳过程 2.1 循环平稳过程的定义 2.2 循环平稳过程与宽平稳随机过程的关系 2.3 条件期望 2.3.1 定义 2.3.2 条件期望的 ...
分形在山地生成中的应用[1]---中点位移法
分形在山地生成中的应用[1]---中点位移法 EmilMatthew (EmilMatthew@126.com) 06/07/18 [ 类别 ]算法实现 ...
计算机软件及应用stata,蒙特卡洛模拟及其Stata应用实现
蒙特卡洛模拟及其Stata应用实现出版时间:2015年版丛编项:海南大学经济管理系列丛书内容简介 <蒙特卡洛模拟及其Stata应用实现>的第1章是Stata软件基础,主要介绍了Sta ...
量化投资界的“Q Quant”和“P Quant
在名为"金融工程"的世界里,存在着两个需要不同高阶量化技术的独立分支:对衍生品定价的"Q Quant",其目标是"推断现在(extrapolate t ...
P quant与Q quant
一.Q Quant--衍生品定价量化衍生品定价由Bachelier于1900年提出,他在其学位论文中首次将最基本同时也是极具影响力的随机过程--布朗运动,应用于期权的定价.但这一理论一直没有引起关注 ...
matlab 期权函数,Matlab分析期权定价
胡良玉摘要:由泰勒公式分析股票价格公式,用Matlab软件模拟出股票价格变化轨迹,对模型进行解释分析:随时间长短线性变化,随布朗运动随机波动变化,分别模拟出图像进行验证.把股票价格公式应用到欧式看 ...
1.1 鞅、停时和域流-随机过程的可测性（布朗运动与随机计算【习题解答】）
1.1 鞅.停时和域流-随机过程的可测性(布朗运动与随机计算[习题解答]) 1.5 Problem. Let Y be a modification of X, and suppose that bo ...
随机过程学习笔记04 布朗运动
终于要到这一章了!在很多随机的分析当中都需要用到它. 文章目录布朗运动性质布朗运动设{Bt,t≥0}\{B_t,t\ge 0\}{Bt,t≥0}是一个随机过程,如果它满足以下三条 Bt+s− ...

【应用随机过程】06. 布朗运动

文章目录

第六讲布朗运动

一、布朗运动的基本概念

Part 1：布朗运动的定义

Part 2：布朗运动的数字特征

Part 3：布朗运动的性质

二、与布朗运动相关的随机过程

Part 1：反射布朗运动

Part 2：几何布朗运动

Part 3：布朗桥过程

三、最大值与首中时的分布

Part 1：首中时的分布

Part 2：最大值的分布

【应用随机过程】06. 布朗运动相关推荐

最新文章

热门文章

【应用随机过程】06. 布朗运动

文章目录

第六讲 布朗运动

一、布朗运动的基本概念

Part 1：布朗运动的定义

Part 2：布朗运动的数字特征

Part 3：布朗运动的性质

二、与布朗运动相关的随机过程

Part 1：反射布朗运动

Part 2：几何布朗运动

Part 3：布朗桥过程

三、最大值与首中时的分布

Part 1：首中时的分布

Part 2：最大值的分布

【应用随机过程】06. 布朗运动相关推荐

最新文章

热门文章

第六讲布朗运动