随机微分方程与 Ito Lemma 的关系

一、随机微分方程的由来

随机微分方程是我们研究随机现象的重要数学工具，我们可以通过一个简单的例子来进行说明。

例1（The Vasicek interest rate model）

VIR 模型是借贷利率的标准模型，它描述的是瞬时利率（instantaneous interest rate，$r_t$）在均值( $\mu$ )附近上下波动的现象，该模型的数学描述是：
$$d{r}_t=c[\mu -r_t]dt+\sigma d{B}_t,t\in [0,T]\text{\hspace{1em}(1)}$$
其中 $[\mu -r_t]$ 表示 $r_t$ 偏离 $\mu$ 的程度，c 是反映回归速度的一个参数，而 $B_t$ 表示标准布朗运动，$\sigma$ 反映的是随机波动的波动性，该数学模型很好地反映了：$r_t$ reverts to the mean $\mu$. （1）也可以表示为积分形式：
$$r_t=r_0+c{\int }_0^t[\mu -r_s]ds+\sigma {\int }_0^{t}d{B}_s\text{\hspace{1em}(2)}$$
这是一个典型的线性随机微分方程的求解过程，其目的是要找到满足（1）或（2）的随机过程。

二、随机微分方程的求解

随机微分方程的求解，总体上有两种方法：

1、公式法

2、数值求解方法

本文主要叙述的是“公式法”，我们通过该方法可以得到微分方程的显示解，即一个描述微分方程解的函数表达式。在求解的过程中，我们主要要利用的工具就是 Ito Lemma，它可以将随机微分方程转化为非随机微分方程，让求解过程绕开 Ito 积分难题。那什么是 Ito 积分呢？如下就是它的表达式：
$$\begin{gathered} I(t)={\int }_0^t{C}_{s}d{B}_s \\ \text{若 Cs 是布朗过程 Bs，则有：} \\ {S}_n=\sum _{i=1}^n{B}_{t_{i-1}}{\Delta }_{i}B \\ I(t)=\underset{n\to \infty }{\lim }{S}_n=\frac{1}{2}(B_t^2-t)\text{\hspace{1em}(3)} \end{gathered}$$
Ito 积分的结果实质上是一个随机过程，该积分有四个性质：

1、The Ito stochastic integral has expectation zero.

2、The Ito stochastic integral satisfies the isometry property:
$$E{\left({\int }_0^t{C}_{s}d{B}_s\right)}^2={\int }_0^{t}E{C}_s^{2}ds,t\in [0,T]\text{\hspace{1em}(4)}$$
3、The Ito stochastic integral is linear, and it is linear on adjacent intervals

4、The process $I(C)$ has continuous sample paths.

若积分的对象 $C_s$ 不是布朗过程，则该积分并不容易求出来，要解决随机微分方程求Ito积分的困难，就需要求助于 Ito Lemma，即 Ito 引理，该引理有4个形式：

1、简单版本
$$f(B_t)-f(B_s)={\int }_s^t{f}^{\prime }(B_x)d{B}_x+\frac{1}{2}{\int }_s^t{f}^{\prime \prime }(B_x)d{B}_x\text{\hspace{1em}(5)}$$
2、扩展1
$$f(t,B_t)-f(s,B_s)={\int }_s^t[f^{}$$