標籤:

山田的金融日記(3)-Quadratic Variation

經常能看到再BLACK-SCHOLES或者隨機過程的推導中用到一個等式就是 (dW_t)^2=dt ,經常也就把這個等式當做已知來用了,忽然就對它怎麼來的比較感興趣,就各種搜集了一下其他大神和網上的答案。

Quadratic Variation不知道中文正經翻譯,查了查是 二次/二階,變差/變分 的排列組合

先定義一下二次(階)變差(分)

函數f : [0,T] 
ightarrow mathbb{R}在區間[0,T]上的quadratic variation:

[f,f](T) = lim_{|Pi|
ightarrow 0}sum_{i=0}^{n-1}(f(t_{i+1})-f(t_i))^2

f 代入 W_t sim N(0,t_i-t_{i-1})

<W>_t = Q_{pi} = lim_{||pi||
ightarrow 0}sum_i(W_{t_{i+1}}-W_{t_i})^2

其中

Pie是一系列t的集合,||Pie||代表的是分割里所有區間長度的最大值。

mathop{mathbb{E}}[(W_{t_{i+1}}-W_{t_i})^2] = Var(W_{t_{i+1}}-W_{t_i})=t_{j+1}-t_j

也就是說 (W_{t_{i+1}}-W_{t_i})^2 雖然隨機但是有很高的概率接近其均值 t_{j+1}-t_j

所以如果 dt 都趨於0的時候我們就可以形象的記為 (dW_t)(dW_t) = dt

如果求和那麼中間項就抵消變為

mathop{mathbb{E}}Q_{pi} = sum_{j=0}^{n-1}mathop{mathbb{E}}(W_{t_{i+1}}-W_{t_i})^2=sum_{j=0}^{n-1}(t_{j+1}-t_j) = T

而連續平滑的函數的二次變分就是0(不證明了)。

題外話:

mathrm{Var}Q_Pi
ightarrow 0的證明:來自 @葉寒溪

mathrm{Var}(W_{t_{i+1}}-W_{t_i})^2 = mathbb{E}(W_{t_{i+1}}-W_{t_i})^4 - (t_{i+1}-t_i)^2 = 3(t_{i+1}-t_i)^2-(t_{i+1}-t_i)^2

(四階矩是因為W_{t_{i+1}}-W_{t_i}sim N(0,t_{i+1}-t_i), 正態隨機變數的四階矩是3sigma^4),所以有

mathrm{Var}Q_Pi = 2sum_{i=0}^{n-1}(t_{i+1}-t_i)^2le 2|Pi|sum_{i=0}^{n-1}(t_{i+1}-t_i) = 2|Pi|T
ightarrow 0.

得出了 @王小北 的肥腸好記的回答

樓上都回答得很好了,我就再提供一個方便記憶的式子:

dz~N(0, dt)

(dz)^2~N(dt, 0)

參考文獻:

金融隨機分析-shreve

MIT-OpenCourseWare

Quant Job Interview Questions and Answers --Mark S.Joshi


推薦閱讀:

TAG:金融數學 |