零碎的知识点（十一）：随机微分方程（SDE）是什么？

随机微分方程（Stochastic Differential Equation, SDE）

随机微分方程（SDE）是一类用来描述包含随机性或不确定性的动态系统的方程。与传统的确定性微分方程不同，SDE 在描述系统演化时，除了确定性变化（由函数表示）外，还引入了随机变化（由随机过程表示）。这使得 SDE 成为描述随机现象（如金融市场、物理噪声、流体力学等）的强有力工具。

---

1. SDE 的基本形式

一个一维随机微分方程的标准形式为：

$$d{X}_t=a(X_t,t)dt+b(X_t,t)d{W}_t,$$
其中：

• $X_t$：是随机过程（未知的目标函数）。
• $a(X_t,t)$：漂移项（Drift Term），表示系统的确定性变化趋势。
• $b(X_t,t)$：扩散项（Diffusion Term），表示随机波动的强度。
• $W_t$：布朗运动（Wiener 过程），表示随机扰动，满足 $d{W}_t\sim \mathcal{N}(0,dt)$，即它的增量是服从正态分布的随机变量，均值为 0，方差为 $dt$。

---

2. 直观理解

2.1 漂移项 $a(X_t,t)$

• 漂移项 $a(X_t,t)$ 描述了系统在时间演化过程中的“平均趋势”。
• 如果没有随机性 ($b(X_t,t)=0$)，则 SDE 简化为确定性常微分方程：
  $$d{X}_t=a(X_t,t)dt.$$

2.2 扩散项 $b(X_t,t)$

• 扩散项 $b(X_t,t)$ 是系统中随机波动的来源。
• $b(X_t,t)d{W}_t$ 表示随机扰动的强度（依赖于 $X_t$ 和 $t$），$d{W}_t$ 是随机波动的增量。

2.3 布朗运动 $W_t$

• 布朗运动（Wiener 过程）是 SDE 中随机性的来源。
• 它的关键性质包括：
  1. $W_0=0$；
  2. $W_t$ 的增量是独立且服从正态分布，即 $W_{t+s}-W_t\sim N(0,s)$；
  3. $W_t$ 是连续但不可微的。

---

3. SDE 的求解

3.1 解的概念

随机微分方程的解是一个随机过程 $X_t$，满足方程的漂移和扩散特性。SDE 通常没有解析解，需要通过以下方法求解：

1. 数值模拟：如欧拉-马里尤雅方法（Euler-Maruyama Method）。
2. 伊藤积分：基于随机积分计算，使用伊藤引理（Itô’s Lemma）。

3.2 伊藤引理

伊藤引理是随机微分方程的重要工具，用于计算随机过程的导数。假设 $X_t$ 满足：
$$d{X}_t=a(X_t,t)dt+b(X_t,t)d{W}_t,$$
如果 $Y=f(X_t,t)$，则：
$$dY=\frac{\partial f}{\partial t}dt+\frac{\partial f}{\partial X}d{X}_t+\frac{1}{2}\frac{{\partial }^{2}f}{\partial X^2}{b}^2(X_t,t)dt.$$

---

4. SDE 的应用场景

1. 金融数学

   • 布莱克-舒尔斯方程（Black-Scholes Equation）：描述期权价格随时间的动态演化。
     $$d{S}_t=\mu S_{t}dt+\sigma S_{t}d{W}_t,$$
     其中 $S_t$ 是资产价格，$\mu$ 是收益率，$\sigma$ 是波动率。

2. 物理系统

   • 朗之万方程（Langevin Equation）：描述粒子在随机力场中的运动。
     $$m\frac{d^2{X}_t}{d{t}^2}=-\gamma \frac{d{X}_t}{dt}+F+\xi (t),$$
     其中 $\xi (t)$ 是随机力。

3. 生物与生态系统

   • 用于描述种群动态（如扩散-漂移模型）。

---

5. 示例：几何布朗运动（GBM）

5.1 问题描述

几何布朗运动是金融中常用的随机模型，用于描述资产价格 $S_t$ 的变化：
$$d{S}_t=\mu S_{t}dt+\sigma S_{t}d{W}_t,$$
其中：

• $\mu$ 是资产的平均收益率；
• $\sigma$ 是资产的波动率；
• $d{W}_t$ 是布朗运动的增量。

5.2 模型解释

• 漂移项 $\mu S_{t}dt$：表示价格的确定性增长趋势。
• 扩散项 $\sigma S_{t}d{W}_t$：表示价格的随机波动。

5.3 数值模拟

通过欧拉-马里尤雅方法对几何布朗运动进行模拟：

1. 时间步长为 $\Delta t$；
2. $S_{t+\Delta t}=S_t+\mu S_t\Delta t+\sigma S_t\sqrt{\Delta t}{Z}_t$，其中 $Z_t\sim N(0,1)$。

---

6. 示例计算：朗之万方程

问题描述

描述一个颗粒在液体中的运动，随机扰动和粘性力的作用可以用朗之万方程表示：
$$d{X}_t=-\gamma X_{t}dt+\sigma d{W}_t,$$
其中：

• $-\gamma X_t$ 表示粘性阻力；
• $\sigma d{W}_t$ 表示随机扰动。

求解过程

通过伊藤积分公式，得到解析解：
$$X_t=X_0{e}^{-\gamma t}+{\int }_0^t\sigma e^{-\gamma (t-s)}d{W}_s.$$

数值模拟：

• 初始化 $X_0$；
• 使用离散时间步长 $\Delta t$：
  $$X_{t+\Delta t}=X_t-\gamma X_t\Delta t+\sigma \sqrt{\Delta t}{Z}_t,$$
  其中 $Z_t\sim N(0,1)$。

---

总结

1. 随机微分方程（SDE） 是一种描述随机动态系统的方程，结合了确定性（漂移）和随机性（扩散）。
2. 求解方法：SDE 通常没有解析解，需要通过伊藤引理或数值模拟求解。
3. 应用场景：SDE 广泛应用于金融（资产价格建模）、物理（粒子运动）、生物（种群动态）等领域。
4. 实例：
   • 几何布朗运动：资产价格建模；
   • 朗之万方程：粒子运动的随机模型。