POMM-week5

Lecture1
Black-Scholes-Merton模型
连续时间复利，无风险资产：$B(t) = e^{rt}$
股票服从对数正态分布，即股票$S(t)$取对数后的值服从正态分布：
$\ln S(t) = \ln S(0) + \left( \mu - \frac{1}{2} \sigma^2\right)t + \sigma \sqrt{t}z(t)$
这里的$z(t)$服从标准正态分布。
即$S(t) = S(0) e^{\left( \mu - \frac{1}{2}\sigma^2\right)t + \sigma \sqrt{t}z(t)}$
$\mathsf{E}[S(t)] = S(0)e^{\mu t}$，表明股票在$t$时刻的期望值即为股票在0时刻的价格进行连续复利得到。
$\frac{1}{t} Var[\ln \frac{S(t)}{S(0)}]=\sigma^2$

---

Lecture2
Brownian Motion $W(t)$
$W(0) =0$，$W(t_{k+1}) = W(t_k) + \sqrt{\Delta t} z(t_k)$
两个布朗运动的差：$W(t_{k}) - W(t_{l}) = \sqrt{\Delta t} \sum\limits_{i=k}^{l-1}z(t_i)$
其均值为0，方差为$(l-k)\Delta t$
布朗运动的定义：
1.$W(t) - W(s)$是正态分布，均值为0，方差为$t-s$，其中$s<t$
2.独立增量过程。即互不重叠的时间段的增量独立。即当$0 \le t_1 < t_2< \cdots < t_n$时，有$W(t_2) - W(t_1), W(t_3)-W(t_2), \cdots , W(t_n)-W(t_{n-1})$互相独立。即明天的股票价格相对于今天的变化，和今天的股票价格相对于昨天的变化是独立的。note that这在实际中并不完全准确。
3.$W(0)=0$
4.样本轨迹sample path$\{W(t); t \ge 0)\}$是$t$的连续函数。即意味着没有跳变。

布朗运动的性质：
1.不可微。$\frac{W(t) - W(s)}{t-s}=\frac{\sqrt{t-s} z(s)}{t-s}$，当$t \to s$时，原式$\to \infty$
2.Markov process. 对于$s<t$，$W(t)$仅依赖当前值$W(s)$而与之前的值无关。
3.Martingale property. $\mathsf{E}_s[W(t)]=W(s), t>s$。
即$E_s[W(t)]=E[W(t)|W(s)] = E[W(t)-W(s)+W(s)|W(s)]= E[W(t)-W(s)|W(s)]+E[W(s)|W(s)] = E[W(t)-W(s)|W(s)-W(0)]+E[W(s)|W(s)]=E[W(t)-W(s)]+W(s)= 0+W(s) = W(s)$
倒数第三个等号成立是由于布朗运动的独立增量性质，倒数第二个等号成立是因为布朗运动的差的期望为0。

---

Lecture3
Stochastic Differential Equations (SDE)
$dX(t) = \mu (t,X(t))dt + \sigma(t,X(t))dW(t)$，对等式两边从$0$到$t$取积分，有：
$X(t) - X(0) = \displaystyle\int_0^t \mu(s,X(s))ds + \displaystyle\int_0^t \sigma(s,X(s))dW(s)$