4. 常见随机过程类型：独立增量过程、马尔可夫过程、鞅、高斯过程、泊松过程、维纳过程（布朗运动）的初步介绍

在金融价格建模中，随机过程是描述资产价格随时间演化的核心数学工具。本章将系统介绍六类基础随机过程：独立增量过程、马尔可夫过程、鞅、高斯过程、泊松过程与维纳过程。理解这些过程的定义、性质与相互关系，是后续学习伊藤引理、Black-Scholes 模型及蒙特卡洛模拟的基石。我们将从数学定义出发，结合金融场景说明其直观含义，并指出常见误区。

4.1 核心原理：六类过程的数学定义与直观含义

随机过程是定义在概率空间上的函数族，其参数通常为时间。在金融建模中，我们关注的是资产价格、收益率、波动率等随时间变化的随机变量。以下六类过程构成了金融随机分析的基础框架。

过程类型	数学定义	金融直观含义	典型应用
独立增量过程	对任意 0≤t₁<t₂<...<tₙ，增量 X(t₂)-X(t₁), ..., X(tₙ)-X(tₙ₋₁) 相互独立	不同时间段的价格变动互不影响，市场无记忆性	收益率序列建模、风险度量
马尔可夫过程	P(X(t+s)≤y | X(u), 0≤u≤t) = P(X(t+s)≤y | X(t))	当前价格已包含所有历史信息，未来只与现在有关	期权定价、技术分析有效性检验
鞅	E[X(t+s) | F_t] = X(t)，其中 F_t 为 t 时刻信息集	公平博弈：条件期望收益为零，无套利机会	风险中性定价、对冲策略设计
高斯过程	任意有限维分布均为多元正态分布	价格变动服从正态分布，可用均值和协方差完全刻画	Black-Scholes 模型、风险价值(VaR)计算
泊松过程	计数过程 N(t)，增量 N(t+s)-N(t) ~ Poisson(λs)，且独立	跳跃事件（如违约、政策冲击）的到达次数	信用风险模型、跳跃扩散模型
维纳过程	W(0)=0，增量独立且 W(t+s)-W(t) ~ N(0, s)，路径连续	标准布朗运动：连续时间随机游走的极限	几何布朗运动、伊藤积分基础

4.2 判断方法与操作流程：如何识别和验证过程类型

在实际建模中，我们需要根据数据特征和模型假设来判断应使用哪类过程。以下是系统的判断流程：

1. 检验增量独立性：计算不同时间段收益率的相关性，若自相关系数显著不为零，则拒绝独立增量假设。
2. 检验马尔可夫性：使用状态转移矩阵或条件概率检验，判断历史信息是否对预测未来有额外贡献。
3. 检验鞅性质：对价格序列进行单位根检验（如ADF检验），若价格服从随机游走，则其差分序列可能为鞅。
4. 检验正态性：使用Jarque-Bera检验或Q-Q图判断收益率是否服从正态分布。若尾部较厚，需考虑t分布或跳跃过程。
5. 检验跳跃性：观察价格路径是否存在不连续跳跃。若存在，需引入泊松过程或跳跃扩散模型。
6. 综合判断：根据上述检验结果，选择最合适的过程类型或组合。

4.3 案例拆解：从随机游走到几何布朗运动

我们以某股票价格建模为例，展示如何从基础过程构建实际模型。假设某股票当前价格 S₀=100 元，年化波动率 σ=20%，无风险利率 r=5%。

步骤1：基础过程选择。首先检验日收益率序列，发现自相关系数接近零（独立增量），且ADF检验显示价格序列含单位根（鞅性质）。但Jarque-Bera检验拒绝正态性（p<0.01），说明存在跳跃或厚尾。

步骤2：模型构建。采用几何布朗运动（GBM）作为基准模型：

dS(t) = μS(t)dt + σS(t)dW(t)

其中 μ 为漂移率，σ 为波动率，W(t) 为标准维纳过程。该模型假设收益率服从正态分布，但实际数据拒绝该假设。

步骤3：引入跳跃。在GBM基础上加入泊松跳跃项：

dS(t) = μS(t)dt + σS(t)dW(t) + S(t-)dJ(t)

其中 J(t) 为复合泊松过程，跳跃强度 λ=2次/年，跳跃幅度服从 N(-0.01, 0.05²)。

步骤4：参数估计与验证。使用MLE估计参数，并通过蒙特卡洛模拟生成价格路径。对比两种模型的VaR（95%置信水平）：

模型	日VaR（95%）	年化波动率	偏度	峰度
GBM（纯维纳）	2.08元	20%	0.00	3.00
跳跃扩散（维纳+泊松）	2.45元	22.3%	-0.15	4.20

结果分析：跳跃扩散模型更准确地捕捉了尾部风险，VaR 高出约18%。这说明忽略跳跃会低估极端损失。但跳跃模型参数估计更复杂，且需要更多数据支持。

4.4 常见误区与总结复盘

在学习随机过程时，初学者常犯以下错误：

• 混淆马尔可夫性与独立增量：马尔可夫性不要求增量独立，只要求条件概率仅依赖当前状态。例如，AR(1)过程是马尔可夫的，但增量不独立。
• 误以为所有鞅都是马尔可夫过程：鞅的定义基于条件期望，不要求状态空间结构。某些鞅可能不满足马尔可夫性。
• 忽视维纳过程的路径性质：维纳过程路径连续但处处不可微，其二次变差非零。这导致传统微积分不适用，需使用伊藤引理。
• 将泊松过程视为连续过程：泊松过程是纯跳跃过程，路径不连续。在金融中，它用于建模离散事件，而非连续价格变动。
• 忽略补偿泊松过程：原始泊松过程不是鞅（因为 E[N(t)]=λt），但补偿泊松过程 N(t)-λt 是鞅。在风险中性定价中必须使用补偿版本。