Стохастическое исчисление: анализ для того, что никогда не стоит на месте

Цена акции никогда не движется по гладкой кривой. Увеличивайте масштаб сколько угодно — минута, секунда, миллисекунда — и она остаётся резкой, непредсказуемой на этом масштабе. Обычный математический анализ был создан для гладких вещей: кривых с чётко определённым наклоном в каждой точке. Стохастическое исчисление существует потому, что огромное количество реальных величин — цены акций, положения частиц, зашумлённые показания датчиков — просто не гладкие, и тем не менее нам всё равно нужно выполнять над ними анализ: интегрировать их, дифференцировать, строить на их основе модели.

Углублённый уровень магистратуры

Базовый строительный блок: броуновское движение

Фундаментальный случайный процесс, стоящий за стохастическим исчислением, называется броуновским движением, обычно обозначается W(t). У него есть три определяющих свойства: он начинается с нуля, его приращения на непересекающихся временных интервалах независимы друг от друга, и каждое приращение подчиняется нормальному распределению с дисперсией, равной прошедшему времени. Вместе эти три простых правила создают траекторию, непрерывную везде, но нигде не дифференцируемую — независимо от масштаба увеличения, она никогда не выглядит как прямая линия.

Это последнее свойство и составляет всю проблему. Обычный анализ опирается на идею, что df/dt существует — что функция имеет реальную, чётко определённую скорость изменения. Для броуновского движения dW/dt просто не существует в этом смысле. Его нельзя дифференцировать обычным образом. Поэтому для функций, зависящих от него, нужен новый набор инструментов.

Лемма Ито: стохастическое правило цепочки

В обычном математическом анализе правило цепочки для функции f(W(t)) было бы просто f'(W) dW. Лемма Ито утверждает, что это не совсем верно, когда W — броуновское движение — появляется дополнительный член:

df = f'(W) dW + ½f''(W) dt

Этот второй член — странная и определяющая особенность стохастического исчисления, и он вытекает из по-настоящему необычного факта: для обычных гладких функций (dt)² настолько мало, что им можно пренебречь, но для броуновского движения (dW)² ведёт себя как само dt, а не как ноль. Оно не обнуляется в пределе, как это было бы для гладкой траектории. Как только этот странный факт принят, остальная часть леммы Ито следует из обычного разложения Тейлора — это не другой вид математики, просто обычные рассуждения, тщательно применённые к процессу, ведущему себя необычно на малых масштабах.

Интуиция, которую стоит запомнить: броуновское движение настолько резкое, что его колебание в квадрате накапливается с постоянной скоростью во времени — это и есть факт (dW)² ≈ dt — и именно это постоянное накопление проявляется как дополнительный член в лемме Ито.

Разобранный пример: дифференцирование W²

Простейший по-настоящему разобранный пример — f(W) = W². Применим формулу напрямую:

• f'(W) = 2W и f''(W) = 2
• Подставим в лемму Итô: d(W²) = f'(W) dW + ½f''(W) dt = 2W dW + ½(2) dt
• d(W²) = 2W dW + dt

Сравните это с обычным анализом, где вы ожидали бы d(W²) = 2W dW и остановились бы на этом. Дополнительное слагаемое «+ dt» — не ошибка и не приближение, а прямое и точное следствие того, что (dW)² ведёт себя как dt. У него также есть по-настоящему полезный смысл: в среднем (поскольку математическое ожидание слагаемого dW равно нулю) E[d(W²)] = dt, а это в точности утверждение о том, что дисперсия броуновского движения растёт с постоянной скоростью 1 в единицу времени — именно так изначально и было определено W(t).

Практический пример: моделирование цены акции

Стандартной моделью для цены акции S(t) является геометрическое броуновское движение, записываемое как стохастическое дифференциальное уравнение:

dS = μS dt + σS dW

Другими словами: акция в среднем дрейфует вверх со скоростью μ (член dt), одновременно подвергаясь случайным колебаниям, масштабируемым её собственной стоимостью и волатильностью σ (член dW) — более высокая цена означает бо́льшие абсолютные колебания, что соответствует реальному поведению цен. Применение леммы Ито к ln(S) — а не обычного анализа, который дал бы здесь неверный ответ, — приводит к знаменитому результату о том, что S(t) подчиняется логнормальному распределению. Именно это уравнение и механика, необходимая для его правильного решения, являются прямым предшественником модели ценообразования опционов Блэка — Шоулза.

Почему это важно за пределами финансов

Тот же набор инструментов — член дрейфа плюс член шума, корректно выведенный с помощью леммы Ито — описывает частицу, диффундирующую в жидкости в физике, электрический шум в цепи и численность популяций, колеблющуюся под влиянием случайных событий рождения и смерти в биологии. В последнее время это также математика, заставляющая работать диффузионные модели генеративного ИИ: они обучают сеть обращать вспять стохастическое дифференциальное уравнение, которое постепенно превращает реальное изображение в чистый шум, а затем выполняют этот обратный процесс, чтобы сгенерировать новое изображение с нуля.

Стохастическое исчисление имеет репутацию одного из самых сложных разделов математического диплома, в основном потому, что его обычно преподают как стену определений теории меры, прежде чем реальная интуиция — случайный процесс, слишком резкий для обычного анализа, и дополнительный член, который это учитывает, — успевает хоть немного укрепиться. Как только эта интуиция закреплена изначально, формальная механика перестаёт казаться произвольной. Если высшее образование или прикладная математика последнего курса — цель вашего ребёнка или ваша собственная, именно в таком порядке мы это преподаём — смотрите наше репетиторство для аспирантов или полный путь обучения здесь.