金融工程自學筆記(1):維納過程
最近想自學一些金工的基礎,但可惜隨機過程的課中並沒有涵蓋Ito Calculus,在自學的過程中又發現了更大的坑(日常)。於是決定自(瞎)學(搞)。
本人水平極低,在學習和碼字過程中難免有誤,望指正,暢所欲言。
先修課程:數學分析,實變函數(實分析),概率論(推薦測度論版),隨機過程(了解最基礎的定義即可)。
1. Wiener Process
1.1 Definition
個人認為隨機過程的一大難點是定義很多,很複雜。很多基礎的隨機過程都有至少兩個等價的定義,維納過程也不例外。下面給出第一個定義:
維納過程是一個連續時間的隨機過程 , , ,滿足:(我中文和英文都不太行,就不翻譯了)
(a) a.s.;
(b) the sample paths are continuous a.s.;
(c) for any finite sequence of times , and Borel sets
,
,where
defined for any and is called the transition density.
這是一個非常嚴格,同時也是一個不怎麼看得懂的定義。咱們先研究一些簡單情況,比如說令條件(c)中 ,注意 就是正態分布的密度函數,可以得到 。所以單看維納過程的一個點,其實就是服從正態分布而已,沒有別的信息了。這個結論看上去就親切了很多,關於 的各階矩的信息也就都能算了。
再看看 的情況,注意到 ,我們有以下非常實用的命題成立:
任給 。
這個命題告訴我們維納過程增量的分布,同時暗含維納過程的平穩獨立增量性。於是我們便引出維納過程的第二個定義:
A stochastic process , is a Wiener process if and only if the following conditions hold:
(a) a.s.;
(b) the sample paths are continuous a.s.;
(c) has stationary independent increments;
(d) the increment has the normal distribution with mean 0 and variance for any .
這是一個看上去友善得多的定義。注意我們之前的論述只是證明了充分性,必要性通過獨立正態分布的密度函數做累乘即可,應該是比較直接的結果。
還有一個用鞅描述的等價定義,但書上沒有給證明。我水平有限,目前也沒看到有什麼背後的含義在裡面,感興趣的可以搜Levys martingale characterization。
1.2 Sample Paths
這一部分主要討論維納過程的路徑問題,也就是它與普通的函數有所區別的地方。
首先先來討論一種比較簡單的情形:設 ,且 ,也就是把 區間n等分。我們記
.
下面給出一條引理:
.
即
這個的證明也是比較直接的,注意到 是獨立的,把求和號拆到外面去就好算了,畢竟只是一種簡單情形。
這個極限在性質比較好的函數(可導且導函數在 間有界)下,應該是0而不是T,目測一下就知道是很顯然的,用拉格朗日中值定理也可以很快得證。所以從直觀感覺上Wiener Process會比一般的函數要更「好動」一點。
運用一些概率論的知識: 收斂是可以推出convergence in probability的(Chebychevs inequality),所以會存在一個a.s.收斂的子列(實變函數/實分析中的定理),後面會用到。
如果還不太好理解的話,咱們可以編個程序:(為了節省空間,就只放運行結果了)