从布朗运动到Black–Scholes

我们先看Shreve给出的布朗运动的定义

简单来说布朗运动就是一个“无记忆”的随机过程。每次的增量服从正态分布，这个增量与之前的路径无关，增量的variance等于这个增量对应时间差（$Var[W(t+\Delta t)-W(t)]=\Delta t$).

现在我们考虑更为复杂的随机过程。在微积分中，我们会有微分的概念$dx=f^{\prime }(t)dt(x=f(t),dt=t+dt-t)$. 如果我们简单的有$dx=\mu dt,x(0)=0$, 我们就可以推出$x(t)=\mu t$. 我们现在运用刚学的布朗运动，在原有的微分的基础上加入随机扰动 $dW=W(t+dt)-W(t)$. 用我们刚学得关于布朗运动的性质，这个随机绕动 $dW$ 就是一个均值为0，variance为 $dt$ 的正态随机量。在微分中加入随机扰动 $\sigma dW$, 这样我们得到 $dx=\mu dt+\sigma dW$. 此时 $x(t)$ 就不在是一个确定的函数而变成了一个随机变量。我们可以类似的求得$x(t)=\mu t+\sigma W(t)$.

现在我们来看一个略微复杂的随机过程，$dS=\mu Sdt+\sigma SdW$. 这是Black–Scholes模型中假设股票$S$服从的随机过程。为了理解这个过程，我们来看一下Ito公式。假设函数$C(t,x)$有连续的二阶导数，那么我们有
d   C ( t , S ) = C t   d t + C S   d S + 1 2 C S S   ( d S ) 2 = C t   d t + C S ( μ S   d t + σ S   d W ) + 1 2 C S S   ( μ S   d t + σ S   d W ) 2 = C t   d t + C S ( μ S   d t + σ S   d W ) + 1 2