1827年,英国植物学家布朗观察了水中悬浮花粉的运动轨迹,他发现,尽管每一时刻花粉的运动杂乱无章,但是却遵循如下的统计规律:在时间T内,花粉运动的平均位移正比于sqrt(T)( sqrt(T)表示T的算术平方根,下同)。这就是布朗运动的来历。爱因斯坦在1905年发表的关于布朗运动的论文中,利用分子动力学分析布朗运动,提出花粉的运动是水分子无规律撞击的结果。这是第一次对布朗运动的数学解释。但布朗运动的故事并未就此结束。1923年,美国数学家维纳第一次给出布朗运动作为随机过程的数学构造,从此布朗运动成为了概率论中严格化的数学对象。因此,布朗运动在概率论中也称为“维纳过程”。

那究竟什么是布朗运动呢?我们还是想像着花粉的运动。首先,既然花粉的运动是水分子撞击的结果,那么任一时刻之前和之后,花粉的运动应该遵循相同的规律,而且彼此是独立的。其次,花粉运动的规律应该具有尺度不变性。花粉在时间T内平均位移正比于sqrt(T),无论T是1秒钟、1分钟还是1小时,都是一样的,而且sqrt(T)前面的常数也应该与T无关。更进一步,当我们通过正确的时间空间尺度去看观察布朗运动时,观察到的物理规律应该完全一样。例如在10倍的放大镜下,视野中花粉移动1厘米用了1秒钟;那当我们去掉放大镜后(相当于把长度缩小了10倍),同样观察到1厘米的移动就需要100秒钟(相当于钟拨慢了100倍)。这个100:10符合T:sqrt(T)的关系,因而是正确的尺度变换。另一个例子是我们把(1维)的布朗运动轨道画在坐标系中,横轴是时间,纵轴是空间。假设我们把时间轴放大4倍,而把空间轴放大2倍时,看到的轨道应该是一样的(符合相同的规律)。聪明的读者可能看出来了,和雪花、海岸线一样,布朗运动的轨道也是分形。

接下来我们要谈谈随机微积分了。随机微积分的最重要的对象就是布朗运动。记得在高等数学的第二型曲线积分中,我们会遇到形如F(t)ds(t)的积分微元,这里s(t)可以是空间中一个粒子运动的轨迹,F(t)是t时刻施加在粒子上的力,那么整个积分就是某段时间内粒子被做的功。高等数学里面我们学习了如何把微元F(t)ds(t)写成F(t)*s'(t)dt的形式,从而问题转化成为了第一型曲线积分。如果我们的粒子像花粉一样做布朗运动,那么微元就应该写作F(t)dB(t)(注:B(t)表示布朗运动——B是布朗的首字母)。我们能不能定义布朗运动的微分B'(t)呢?最短的答案是:不能。因为我们知道,布朗运动在时间T内的位移是sqrt(T),在微元的情况下就是dt的时间微元里面运动了sqrt(dt)。但是微分(我们这里是速度)的定义是空间微元除以时间微元,我们得到了1/sqrt(dt),这是一个无穷大量!所以高等数学中通过微分来转化问题的方法在这里失败了。

值得注意的是,伊藤积分和普通微分满足不同的运算规则。像我们熟知的莱布尼茨法则、牛顿-莱布尼茨公式都需要做额外的修改才能在伊藤积分中成立,这些规则可以泛称为“伊藤公式”。伊藤积分还满足概率论中的鞅性质,而鞅又是概率论中一个很好的研究对象。另一方面,注意到我们定义黎曼和时取左端点F(t(k))而非任意点吗?这可是很有讲究的。取左端点、右端点抑或是中点对应3种不同的随机积分,它们满足的运算法则也不相同,其中也只有伊藤积分满足鞅性质。例如,取中点对应的Stratonovich积分是通过光滑化布朗运动再作逼近得到的,它不满足鞅性质,却与普通微积分满足相同的牛顿-莱布尼茨公式,因此深受物理学家们的喜爱。

看到最后,有的读者可能要问,为什么要费那么大力气去定义关于布朗运动的随机积分呢?其实随机微积分的运用十分广泛。例如股票市场中一支股票的升降可以看作某种布朗运动,而持股人的决策--什么时候卖出或买入多少--就和前面例子中的力F充当着相当的作用。随机积分的结果恰好就是一段时间能持股人在给定决策下的收益!知道了这一点,对金融数学中频繁用到随机积分也就不会奇怪了。

来源:哆嗒数学网        

拓展阅读:

1.如何设计量化交易策略?

2.如何构建一个属于自己的择时体系

3.海龟交易法则策略,多读几遍少走10年路

4.如何让回测更贴近实盘结果?

5.一个量化策略师的自白(好文强烈推荐)

从布朗运动、随机微积分到股票买卖相关推荐

  1. 第21章 随机波动率模型:无相关性时的微笑曲线

    这学期会时不时更新一下伊曼纽尔·德曼(Emanuel Derman) 教授与迈克尔B.米勒(Michael B. Miller)的<The Volatility Smile>这本书,本意是 ...

  2. 金融工程中的蒙特卡罗方法

    <金融工程中的蒙特卡罗方法> 基本信息 原书名:Monte Carlo Methods in Financial Engineering 作者: Paul Glasserman 译者: 范 ...

  3. 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 ...

  4. 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 ...

  5. 数学主题分类 - 中文(下)

    * 43-XX 抽象谐波分析, {关于拓扑和李群的其他分析, 见22Exx}. 43-00 一般性参考文献(手册.字典.书目等). 43-01 教学论述(教科书.辅导论文等). 43-02 研究性论述 ...

  6. 干货整理|成为量化分析师的入门书单

    交易知识就在 -- ALPHA ZONE-HOME ,由自营交易室机构交易员主导,理论结合实践,助力金融知识变现! 我们已经探讨过通过自学以成为一名量化开发人员的相关知识,而本文将研究如何制定一个成为 ...

  7. 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 ...

  8. 随机过程2 平稳过程与二阶矩

    文章目录 1. 相关函数 2. 功率谱 2.1 定义 2.2 功率谱与时域平均 3. 线性系统 4. 随机连续性与随机微积分 4.1 随机连续性 4.2 随机微分(均方意义) 4.3 Taylor 级 ...

  9. [转]无处不在的线性分解

    转自:Dahua的博客http://dahuasky.wordpress.com/2008/10/02/%e6%97%a0%e5%a4%84%e4%b8%8d%e5%9c%a8%e7%9a%84%e7 ...

  10. 无处不在的线性分解,转自林达华

    深刻的思想往往蕴含在简单的数学形式之中.从小至今,对数学的学习一直不断,所学愈多,愈深感现代数学之博大,自己根基之薄弱.在自己所接触的数学 之中,各种定理公式纷繁复杂,然细思之下,其核心思想却是非常简 ...

最新文章

  1. 3月16日云栖精选夜读:显著超越流行长短时记忆网络,阿里提出DFSMN语音识别声学模型...
  2. Git 、CVS、SVN比较
  3. Excel电子表格的使用技巧!很实用
  4. html 价格列表组件,评价列表ratings组件
  5. C#使用ICSharpCode.SharpZipLib压缩后进行web批量下载文件
  6. 【收藏】vuejs学习笔记github地址
  7. 【原創】WinMo之移動今日插件
  8. 【STM32 .Net MF开发板学习-18】GPRS遥控智能小车
  9. 基于or1200最小sopc系统搭建(一)--搭建及仿真(DE2,DE2-70)
  10. c++99乘法表_nine-nine table 不是“99张桌子”,理解错了数学老师会打你!
  11. WinForm数据绑定--BindingContext
  12. CCF201712-1 最小差值(100分)【序列处理】
  13. SQLServer2008设置开启INTERNET远程连接
  14. 火爆全球的区块链到底是怎么一回事?一文带你看懂
  15. 用JFreeChart 来分析Cassandra/Oracle插入海量数据的性能
  16. Linux系统为docker配置镜像加速器
  17. python playsound 报UnicodeDecodeError
  18. 终极单词index 排序 M-N
  19. Qt文档阅读笔记-Ping Pong States Example解析
  20. 关于语音提醒app的设计思考

热门文章

  1. GPRS核心网-GTP-C协议解析
  2. DDS文档数据库服务
  3. 计算机win764位相机驱动,Win7万能驱动64位
  4. web网页保存为PDF文件
  5. 图像处理4:最大类间方差法(大津法)
  6. matlab 伽马校正曲线,【图像处理知识复习】02伽马校正matlab,C++实现
  7. 多媒体信息发布系统源码
  8. IT项目需求调查问卷(模板)
  9. studio 3T破解
  10. 浅谈信息学奥赛NOIP