06.0 概述

Stochastic processes are the language of financial modeling — asset prices, interest rates, and volatility all evolve randomly over time.

随机过程是量化金融的灵魂——资产价格、利率、波动率在时间维度上的不确定性，全部由随机过程建模。

---

本章定位

前五章讨论的都是"静态"数学：导数描述瞬时变化率、积分计算累积量、概率论定义单次试验的不确定性、优化寻找一个固定最优解。但金融市场本质上是一个 动态系统——价格每分每秒都在变化，我们的策略必须在时间中展开。随机过程正是从静态到动态的跨越。

本章直接依赖 03 概率论（概率空间、期望、条件期望、中心极限定理——所有随机过程的"原子"）和 01 高等数学（微分与积分——布朗运动的连续时间框架需要微积分）。没有概率空间的概念，无法理解过滤 $\mathcal{F}_t$；没有中心极限定理，无法理解随机游走如何"坍缩"为布朗运动。

随机过程是整个量化金融大厦的基石：Black-Scholes 期权定价模型假设股票价格服从几何布朗运动；固定收益中的 Vasicek、CIR 模型用来描述利率演变；波动率建模中的 Heston 模型是随机方差过程；信用风险中的 Merton 模型将公司价值建模为扩散过程。不理解随机过程，就无法理解现代金融定价理论。

---

知识链条

本章的递进逻辑是：建立词汇 → 最简单的模型 → 连续极限 → 定价核心。

1. 6.1 基本概念：建立随机过程的语言——状态空间、时间参数、样本路径、过滤 $\mathcal{F}_t$（信息流）、适应过程。这是所有后续讨论的基础，就像学习一门外语之前先学字母和语法。
2. 6.2 随机游走：最简单的随机过程 $S_n = \sum\varepsilon_t$。离散时间、离散状态，可以枚举所有路径手算期望和概率。它不仅是直觉理解的起点，也是有效市场假说（EMH）的数学表达——价格变化如果不可预测，就类似于随机游走。
3. 6.3 布朗运动：随机游走的连续时间极限，也是现代金融数学的 核心对象。理解 $dW_t \sim \mathcal{N}(0, dt)$ 和 $(dW_t)^2 = dt$ 是学习 Itô 微积分和 Black-Scholes 方程的必经之路。二次变分不为零意味着布朗运动的路径"处处不可微"，这直接导致 Itô 公式中多出一项修正项。
4. 6.4 鞅：$\mathbb{E}[X_{t+1}\mid\mathcal{F}_t] = X_t$——未来最好的预测就是现在。鞅是 无套利定价 的数学基础：在风险中性测度下，贴现资产价格必须是鞅。资产定价第一基本定理就建立在鞅的概念之上。

---

量化应用速览

节	核心概念	量化金融应用
6.1	随机过程定义、过滤 $\mathcal{F}_t$、适应过程	信息流建模、条件期望计算、风险管理中的信息集
6.2	随机游走 $S_n = \sum\varepsilon_t$，$\mathbb{E}[S_n]=0,\ \text{Var}(S_n)=n$	有效市场假说检验、价格随机性验证
6.3	布朗运动 $W_t\sim\mathcal{N}(0,t)$，$(dW_t)^2 = dt$，二次变分 $[W]_t = t$	几何布朗运动 $dS = \mu S dt + \sigma S dW$、Black-Scholes 模型
6.4	鞅 $\mathbb{E}[X_{t+1}\mid\mathcal{F}_t] = X_t$，风险中性测度	资产定价基本定理、风险中性定价、Heston 随机波动率模型

---

学习路径

• 前置知识：03 概率论（概率空间、期望、条件期望、中心极限定理）、01 高等数学（微分、积分）。建议先复习 03.3 条件概率与贝叶斯和 03.7 中心极限定理。
• 推荐顺序：6.1 → 6.2 → 6.3 → 6.4，不可跳跃。6.2 随机游走的离散直觉是理解 6.3 布朗运动连续极限的前提，6.3 的鞅性质是 6.4 鞅概念的铺垫。

下一步：继续学习 07 信息论——熵、互信息及其在量化金融中的应用（如投资组合信息系数、因子分析）。