三、随机过程与布朗运动：维纳过程、几何布朗运动、伊藤引理
布莱克-斯科尔斯模型的核心假设是标的资产价格遵循几何布朗运动（GBM）。要真正理解BS公式的推导，必须首先建立对随机过程、马尔可夫性质、维纳过程以及伊藤引理的系统认知。本章将从离散随机游走出发，逐步过渡到连续时间的维纳过程，再引入广义维纳过程与几何布朗运动，最后推导并应用伊藤引理——这是连接随机微分方程与偏微分方程的桥梁。
3.1 从随机游走到维纳过程
金融资产价格的时间序列具有明显的随机性。为了刻画这种随机性，我们首先从最简单的离散模型——随机游走（Random Walk）出发。假设将时间轴划分为长度为 Δt 的小区间，资产价格 S 在每个小区间内的变化 ΔS 可以表示为：
ΔS = μ·Δt + σ·ε·√Δt其中 μ 为漂移率（单位时间的期望收益），σ 为波动率（单位时间的标准差），ε 为标准正态随机变量（均值为0，方差为1）。这一离散模型包含两个关键部分：确定性趋势项 μ·Δt 和随机扰动项 σ·ε·√Δt。注意随机项中出现了 √Δt 而非 Δt，这是维纳过程的核心特征——方差与时间长度成正比，而标准差与时间长度的平方根成正比。
| 特征 | 随机游走（离散） | 维纳过程（连续极限） |
|---|---|---|
| 时间间隔 | 有限 Δt | Δt → 0 |
| 增量分布 | ε·√Δt，ε~N(0,1) | dW ~ N(0, dt) |
| 路径连续性 | 阶梯状跳跃 | 连续但处处不可微 |
| 方差性质 | Var(ΔS) = σ²Δt | Var(dW) = dt |
| 马尔可夫性 | 增量独立 | 未来增量与过去无关 |
当 Δt 趋近于零时，随机游走收敛为连续时间的随机过程，即维纳过程（Wiener Process），也称为标准布朗运动。维纳过程 W(t) 满足以下三个条件：
- 初始条件：W(0) = 0；
- 独立增量：对任意 0 ≤ t₁ < t₂，增量 W(t₂) - W(t₁) 与之前的历史路径无关；
- 正态增量：W(t₂) - W(t₁) ~ N(0, t₂ - t₁)，即增量服从均值为0、方差为时间差的法正态分布。
3.2 广义维纳过程与几何布朗运动
标准维纳过程没有漂移项，无法描述资产价格随时间上涨的趋势。为此，我们引入广义维纳过程（Generalized Wiener Process）：
dx = a·dt + b·dW其中 a 为漂移率（单位时间期望变化），b 为方差率（单位时间方差的变化率）。该过程在任意时间区间 [0, T] 内的变化服从正态分布：x(T) - x(0) ~ N(aT, b²T)。
然而，广义维纳过程仍假设漂移率和方差率为常数，这与实际金融市场不符——资产价格的波动幅度通常与其当前价格水平成正比（百分比波动）。因此，布莱克-斯科尔斯模型采用了几何布朗运动（Geometric Brownian Motion, GBM）：
dS = μ·S·dt + σ·S·dW将上式两边同时除以 S，得到：
dS/S = μ·dt + σ·dW这意味着资产价格的百分比收益率服从正态分布，而非价格本身。GBM 具有两个重要性质：
- 对数正态性：S(t) 服从对数正态分布，即 lnS(t) 服从正态分布，保证价格始终为正；
- 马尔可夫性：未来价格仅取决于当前价格，与历史路径无关，符合有效市场假说。
3.3 伊藤引理：随机函数的微分法则
在BS模型推导中，我们需要对期权价格 f(S, t) 进行微分。由于 S 本身是一个随机过程，传统的泰勒展开需要保留二阶项——因为 dW² 的阶数为 dt（而非 dt 的高阶无穷小）。伊藤引理（Itô's Lemma）给出了这一问题的精确答案。
伊藤引理（一维形式）：假设资产价格 S 满足 dS = μS·dt + σS·dW，函数 f(S, t) 二阶连续可微，则 f 满足：
df = (∂f/∂S·μS + ∂f/∂t + ½·∂²f/∂S²·σ²S²)dt + ∂f/∂S·σS·dW这一公式与普通微积分中的链式法则相比，多出了 ½·∂²f/∂S²·σ²S²·dt 这一项。它来源于二阶泰勒展开中 (dS)² 项：由于 (dS)² = σ²S²·dt（忽略高阶无穷小），这一项在随机微积分中不可忽略。
| 对比项 | 普通微积分链式法则 | 伊藤引理 |
|---|---|---|
| 一阶项 | ∂f/∂S·dS + ∂f/∂t·dt | ∂f/∂S·dS + ∂f/∂t·dt |
| 二阶项 | 忽略（高阶无穷小） | ½·∂²f/∂S²·(dS)² = ½·∂²f/∂S²·σ²S²·dt |
| 适用条件 | S 为确定性函数 | S 为随机过程（含 dW 项） |
| 结果形式 | 确定性微分 | 仍含随机项 dW |
伊藤引理最重要的应用是计算 lnS 的随机微分。令 f(S, t) = lnS，则：
∂f/∂S = 1/S，∂²f/∂S² = -1/S²，∂f/∂t = 0
代入伊藤引理：
d(lnS) = (1/S·μS + 0 - ½·1/S²·σ²S²)dt + 1/S·σS·dW
= (μ - σ²/2)dt + σ·dW这一结果揭示了GBM的一个重要性质：对数价格 lnS 的漂移率是 μ - σ²/2，而非 μ。这意味着资产价格的连续复利收益率均值比瞬时期望收益率低 σ²/2，这一修正项被称为“波动率税”或“伊藤修正项”。
3.4 案例拆解：GBM路径模拟与伊藤修正项验证
为了直观理解GBM和伊藤引理，我们通过一个蒙特卡洛模拟案例来验证。假设某股票当前价格 S₀ = 100 元，年化漂移率 μ = 10%，年化波动率 σ = 30%，模拟期限 T = 1 年，离散化步数 N = 252（对应252个交易日）。
模拟步骤：
- 将时间区间 [0, T] 划分为 N 个小区间，每步 Δt = T/N ≈ 0.004 年；
- 生成 N 个独立标准正态随机数 ε₁, ε₂, ..., εₙ；
- 按离散化公式迭代：S(t+Δt) = S(t)·[1 + μ·Δt + σ·ε·√Δt]；
- 同时记录对数价格路径：lnS(t+Δt) = lnS(t) + (μ - σ²/2)·Δt + σ·ε·√Δt；
- 重复 M = 10000 次模拟，统计期末价格分布。
| 统计指标 | 理论值（连续时间） | 模拟值（M=10000） |
|---|---|---|
| E[lnS(T)] | ln100 + (0.10 - 0.09/2)×1 = 4.605 + 0.055 = 4.660 | 4.658（接近） |
| Var[lnS(T)] | σ²T = 0.09 | 0.0895（接近） |
| E[S(T)] | 100·e^{μT} = 100·e^{0.10} ≈ 110.52 | 110.47（接近） |
| Med[S(T)] | 100·e^{(μ-σ²/2)T} = 100·e^{0.055} ≈ 105.65 | 105.61（接近） |
结果分析：模拟结果验证了两个关键结论：
- 期末价格的期望值由 μ 决定（约110.5元），但中位数由 μ - σ²/2 决定（约105.7元）。由于对数正态分布的右偏特性，均值大于中位数；
- 若错误地使用 lnS(T) = lnS(0) + μT + σW(T) 进行模拟，得到的期末对数价格均值将偏高约 σ²T/2 = 0.045，导致期权价格被系统性高估。
3.5 常见误区与总结
在学习和应用随机过程与布朗运动时，以下几个误区需要特别警惕：
| 误区 | 错误认知 | 正确理解 |
|---|---|---|
| 误区一 | dW/dt 是普通导数 | 维纳过程处处不可微，dW 是随机微分，不能按普通微积分处理 |
| 误区二 | dS/S = μdt + σdW 可直接积分 | 需先取对数再积分，得到 lnS 的漂移率为 μ - σ²/2 |
| 误区三 | 伊藤引理与普通链式法则等价 | 伊藤引理多出二阶修正项 ½·∂²f/∂S²·σ²S²·dt |
| 误区四 | GBM 中价格服从正态分布 | 价格服从对数正态分布，收益率服从正态分布 |
| 误区五 | σ²/2 修正项在长期可忽略 | 时间越长，σ²T/2 的影响越大，长期期权定价中不可忽略 |
本章核心总结：
- 维纳过程是连续时间随机过程的基础，具有独立增量、正态增量和连续但不可微的路径特征；
- 几何布朗运动通过引入与价格成比例的漂移和波动项，成为BS模型对标的资产价格的标准假设；
- 伊藤引理是随机微积分的基本工具，它告诉我们如何对随机过程的函数进行微分，其中二阶修正项是随机性的本质体现；
- d(lnS) = (μ - σ²/2)dt + σdW 是BS推导中最关键的中间结果，它将资产价格的对数转化为一个漂移率修正后的算术布朗运动，从而简化了后续的期权定价分析。