2. 金融数学基础
在进入 Monte Carlo 与 PDE 的工程实现之前，必须先建立一套统一的金融数学语言。期权定价不是“拟合历史价格”，而是在无套利约束下，对不确定现金流进行可复制的定价。本节把随机过程、布朗运动、伊藤引理、风险中性定价与无套利原理串成一条主线，为后续的路径模拟、有限差分和蒙特卡洛误差分析打地基。
一、核心原理：从随机游走到连续时间
随机过程描述的是随时间演化的随机变量族。金融资产价格最常用的建模对象是几何布朗运动（GBM），其随机微分方程（SDE）为：
dS_t = μ S_t dt + σ S_t dW_t其中 μ 是漂移率，σ 是波动率，W_t 是标准布朗运动。布朗运动有三个关键性质：增量独立、增量服从正态分布、路径连续但几乎处处不可微。正是“不可微”导致普通微积分失效，必须引入伊藤积分与伊藤引理。
伊藤引理是随机微积分的“链式法则”。若 f(S,t) 二阶连续可微，则：
df = (∂f/∂t + μS ∂f/∂S + ½σ²S² ∂²f/∂S²) dt + σS ∂f/∂S dW_t与普通泰勒展开相比，多出的 ½σ²S²∂²f/∂S² 项来自布朗运动的二次变差 (dW_t)² = dt。这一项是 Black-Scholes 方程能够出现“扩散项”的根本原因，也是 PDE 定价与 Monte Carlo 定价共享同一数学源头的证据。
二、方法流程：风险中性定价与无套利
无套利原理是定价的“宪法”：若两个资产未来现金流完全相同，则当前价格必须相同，否则存在套利。由此推出风险中性定价：存在一个等价鞅测度 Q，使得贴现后的资产价格是鞅。欧式期权价格可写为：
V_0 = e^{-rT} E^Q[ payoff(S_T) ]在 Q 测度下，GBM 的漂移率从 μ 变为无风险利率 r：
dS_t = r S_t dt + σ S_t dW_t^Q工程实现时，Monte Carlo 模拟必须使用 r 而非历史收益率 μ，否则会系统性偏离无套利价格。PDE 方法则通过 Feynman-Kac 定理与上述期望对应，求解 Black-Scholes 方程。
三、案例/场景：欧式看涨期权的两条实现路径
假设 S_0=100，K=100，r=3%，σ=20%，T=1 年。风险中性定价给出理论值约 9.41 元。工程上可用两种方式验证：
- Monte Carlo：模拟 10 万条路径，计算 max(S_T−K,0) 的贴现均值，得到约 9.38～9.45 的置信区间。
- PDE：在 S 方向 200 格、时间方向 1000 步的 Crank-Nicolson 网格上求解，得到约 9.41。
两者结果一致并非巧合，而是无套利与伊藤引理共同保证的数学等价性。工程中若两者出现显著差异，通常意味着模拟漂移用错、边界条件设置不当或网格不稳定。
| 要素 | Monte Carlo | PDE |
|---|---|---|
| 数学基础 | 风险中性期望 | Black-Scholes 方程 |
| 核心参数 | r, σ, 路径数 N | r, σ, 网格 ΔS, Δt |
| 主要误差 | 统计误差 O(1/√N) | 离散误差 O(Δt, ΔS²) |
| 适用场景 | 路径依赖、高维 | 低维、边界清晰 |
四、误区与复盘
常见误区二：忽略伊藤引理中的 ½σ²S² 项，直接套用普通微积分，导致 PDE 系数错误。
常见误区三：认为无套利只适用于理论推导。实际上，它决定了 Monte Carlo 与 PDE 必须收敛到同一价格，是工程校验的基准。
掌握本节内容后，后续的路径模拟、方差缩减、有限差分格式和 Greeks 计算都将围绕“无套利约束下的风险中性期望”展开。理解伊藤引理如何把随机性转化为确定性系数，是连接概率方法与偏微分方程方法的关键桥梁。