2. 随机游走的数学基础

要真正理解随机游走，不能只停留在“每一步随机走一格”的直观描述上。随机游走之所以在金融、物理、生物、机器学习等领域被反复使用，是因为它背后有一套清晰的概率结构：随机变量刻画单步的不确定性，独立同分布增量保证各步之间互不干扰且统计规律一致，而中心极限定理则解释了为什么大量步数累加后，整体位移会呈现出近似正态的形态。本节把这三块拼图依次搭起来，建立随机游走的概率视角。

一、随机变量：把“随机一步”变成可计算的量

随机变量是随机试验结果的数值化映射。在随机游走中，最基础的随机变量就是单步增量。设第 t 步的增量为 X_t，在一维对称随机游走中，X_t 只取两个值：

P(X_t = +1) = 0.5
P(X_t = -1) = 0.5

由此可以立刻算出单步的期望与方差：E[X_t] = 0.5×(+1) + 0.5×(−1) = 0，Var(X_t) = E[X_t²] − (E[X_t])² = 1 − 0 = 1。这两个数字非常关键：期望为 0 说明游走没有系统性漂移，方差为 1 说明每一步的“波动强度”是固定的。若把步长改为 a、概率改为 p 与 1−p，则 E[X_t] = a(2p−1)，Var(X_t) = 4a²p(1−p)，漂移与波动就被参数化了。

位置本身也是随机变量。设 S₀ = 0，第 n 步后的位置为 S_n = X₁ + X₂ + … + X_n。也就是说，随机游走的位置是增量随机变量的累加和，这是整节内容的主线。

二、独立同分布增量：让累加变得可分析

“独立”指各步增量互不影响：知道前 10 步走了什么，不会改变第 11 步取 +1 或 −1 的概率。“同分布”指每一步都服从同一个分布，参数不随步数变化。两者合起来（i.i.d.）带来两个直接好处。

第一，期望和方差可以线性叠加。对独立增量，有 E[S_n] = n·E[X]，Var(S_n) = n·Var(X)。对称游走中即 E[S_n] = 0，Var(S_n) = n，标准差为 √n。这解释了一个常被误解的现象：随机游走的典型偏离尺度随步数按 √n 增长，而不是按 n 增长。走 100 步，典型波动约 10 格；走 10000 步，典型波动约 100 格。

第二，累加和的分布可以被推导。以 n = 4 为例，S₄ 可能取 −4、−2、0、2、4，对应组合数分别为 1、4、6、4、1，概率为 1/16、4/16、6/16、4/16、1/16。这正是二项分布经过线性变换后的形态。步数越多，这个离散分布越接近一条钟形曲线。

三、中心极限定理：从离散跳步到正态轮廓

中心极限定理（CLT）指出：若 X₁, …, X_n 独立同分布，且期望 μ、方差 σ² 有限，则当 n 增大时，标准化后的和 (S_n − nμ) / (σ√n) 依分布收敛于标准正态分布 N(0,1)。等价地，S_n 近似服从 N(nμ, nσ²)。

把它套到对称随机游走上：μ = 0、σ² = 1，于是 S_n / √n 近似 N(0,1)，即 S_n 近似 N(0, n)。这给出一个可直接使用的估算工具：走 400 步后，位置落在 ±20 格（即 ±1 个标准差）内的概率约为 68%，落在 ±40 格内的概率约为 95%。注意 CLT 描述的是终点位置的边缘分布，而不是整条路径的形状；路径本身依然是锯齿状的，不能把“终点近似正态”误读为“轨迹平滑”。

下面这张图把本节的核心逻辑串起来：单步随机变量经过独立同分布假设进入累加器，累加和再用中心极限定理刻画其分布形态，最终落到可计算的区间概率上。

四、把概率视角落到计算与判断上

有了上面的结构，就可以做具体的量化判断。假设某资产日收益率近似服从均值为 0、日标准差为 1% 的独立同分布，用随机游走建模其对数价格。问：持有 100 个交易日后，价格偏离起点超过 20% 的概率大约是多少？

按公式，100 日累计收益的标准差为 1% × √100 = 10%。20% 对应 2 个标准差，正态近似下双侧超出概率约为 5%。这个结果可以直接用于风险沟通：在“无漂移、独立同分布”的假设下，约每 20 次这样的百日持有期，就有 1 次偏离超过 ±20%。若实际观测到的偏离频率显著高于此，就提示假设可能不成立——可能存在漂移项、波动率聚集或收益自相关，需要回到模型层面修正，而不是简单归因于“运气不好”。

再看一个离散情形的精确对照。对称游走走 10 步，终点为 0 的概率是 C(10,5)/2¹⁰ = 252/1024 ≈ 24.6%；而用 N(0,10) 在 0 附近做连续近似，会得到约 12.6% 的密度峰值，两者不能直接比较，因为一个是离散点概率、一个是连续密度。正确做法是用连续性修正：把“S₁₀ = 0”近似为区间 [−0.5, 0.5]，再算正态概率，结果约为 12.5%×1 ≈ 12.5% 的密度积分，仍与离散值有差距，说明 n = 10 时 CLT 近似还比较粗糙。通常 n 达到数十以上、且分布不过分偏斜时，近似才比较可靠。这个对照提醒我们：CLT 是渐近结论，小样本下要谨慎使用。

五、常见误区与使用边界

• 把 √n 当成 n。 步数翻 4 倍，典型波动只翻 2 倍。用线性外推估计风险会严重高估。
• 把终点正态当成路径正态。 路径在任意时刻的分布可以近似正态，但轨迹本身处处不可微、频繁穿越均值，不能画成平滑曲线。
• 忽略独立同分布的前提。 真实数据常有波动率聚集和厚尾，此时方差可能不存在或有限性存疑，CLT 的标准形式不再直接适用，需要用更一般的稳定分布或数值仿真来评估。
• 混淆期望与实现值。 期望为 0 不代表“走很多步会回到原点”，一维对称游走虽以概率 1 返回原点，但返回时间的期望是无穷大。