第八章金融市场中维纳过程和小概率事件

1、第七章金融市场的胜利者过程和小概率事件，第一节的随机环境的微分，第二节的两个一般模型，第三节的稀有和正常事件的说明，第四节的小概率事件模型，将资产价格设置为时间上的随机变量，第一节的随机环境的微分，在给定时期内资产价格的变化是随机的，其随机微分形式是，主页，H的n等一，随机微分的构建，主页。其中表示如果信息在间隔结束时可用，则完全未知。反映了第k个间隔期间资产价格的实际变化。表示在间隔结束时获取信息的预期条件，并反映了给定信息集时市场参与者的预期。是的一部分，称为创新项目。创新项目为1，间隔结束时未知，间隔k结束时可见。知道信息就能说出准确的值，叫做鞅微分(martingale differe

2、nce)的主页。2，给定一组有关时间的信息，其值不可预测。3，所有k的累积错误记录过程：原因是，主页，金融市场参与者关于资产价格的重要信息如下。这些不可预测的信息连续发生，可以在线观察。因此，资产价格的在线运动由控制。说明，2，增量误差的大小，创新项目表示不可预测的变化，平方是不可忽略的。(这与现有微分不同)、累积误差的方差、无关和干涉项目的期望值为零的方差。主页，假设1，默顿方法，注意，此假设假定为证券价格的可变性添加了下限。也就是说，当间隔被越来越小的子间隔分割时，累积误差的方差为正。也就是说，经常查看证券价格并不能消除资产价格具有不确定性的所有风险。2，周，此假设将上限添加到累积误差的方

3、差。当时间段划分为越来越小的间隔时，允许更频繁的事务。这种交易不会对系统造成非限制性的不稳定性。主页，假设1，2，3的前提下的方差与h有关：假设3，参考，假设表明金融市场的不确定性在某些特殊阶段不集中。无论市场什么时候开始，至少会有一些可变性。也就是说，说明金融市场中可预测的不确定性的定理1，其中，根据时间信息，不是h，而是有限整数。主页，证明在假设3，所有间隔中，两边同时聚合。也就是说，取决于假设2，即主页，假设1，获得，3，结果h的下限。因此，也就是说，根据k的整数，可以按h的比例查找表，主页上的间隔开始提供信息时不可预测，可以设置为任意随机过程，定理可以扩展，相应的期望值存在。有限区间t

4、有3，随机微分方程，估计最右边的第一个项，以建立连续时间连续的随机微分方程。换句话说，这是资产价格波动的估计，波动的大小取决于最近的信息集和考虑的时间间隔的长度。主页，可写，时间跳过，资产价格预测变化为零。也就是说，和一般微分一样，在处理随机微分方程时，可以忽略余数。也就是说，在主页上，是漂移项，方差项。所以，命令，是，随机微分方程。、主页、第二部分的两个常规模型、一个、胜利者过程、连续时间内的正常事件可以建模为胜利者过程或布朗运动。(a)讨论胜利者过程的方法，1)设置随机变量，如果存在，则在维纳过程中设置弱收敛，主页，具有有限方差的连续过程，说明胜利者过程寻找随机变量总和的极限，在概率意义上

5、独立具有相同方差，并且这些增量的可能结果越来越小。可以看出，胜利者过程遵循高斯(正则)分布。分析胜利者过程，将2的连续平方可积分的martingale视为给定信息集中不可预测的增长，即胜利者过程，主页，(2)使用鞅定义胜利者过程，(1)，定义1，(2)，胜利者过程，主页，定义2，如果满足，就称为布朗运动。假设主页，注，胜利者过程是平方可积的鞅，没有提到的分布问题；假设布朗运动遵循正态分布。但是，这两个过程没有区别。这可以用著名的利维定理来解释。定理1，信息集下的所有胜利者过程都是布朗运动过程。(c)胜利者进程特征(补充内容)，特征1，以极小的时间间隔增加胜利者进程的更改。其中表示标准正态分布的

6、随机抽取类型。或、主视图、特征2、特征3和胜利者过程是连续的。两个不同时间间隔内的值是徐璐无关的。(因为是martingale，martingale具有无法预测的增量)，即使在无限的间隔中，变化也是无限的。换句话说，胜利者过程遵循马尔可夫过程。周、期望值、正态分布、方差、标准差、主、周2、期望值、长时间t的胜利者过程遵循正态分布，持有、方差、标准差、示例1，假定资产的价值变化遵循胜利者过程，初始值为25，预计如果在一年结束时预测为25，标准差为1的资产价值为正态分布，则在两年结束时资产价值保持为25，但标准差为：也就是说，在未来一定时间(时间间隔t)内，资产价值的期望值等于当前价值，不确定性由

7、标准差估计。主页，表示附加在s轨道上的噪声或可变性，这些噪声或可变性值是胜利者进程的b倍，这讨论了s变量对单位时间的漂移率期望值为a，(4)一般化胜利者进程(补充内容)，基本胜利者进程是漂移率为0，方差率为1的进程。如果将胜利者过程扩展到任意变量s，则其定义可以表示为(a和b是常量)。其中，s的更改可以在较小的时间间隔时用表示。其中表示标准正态分布中的随机抽取类型。主页，有正态分布，同样，在任意时间间隔t后，s的变化有正态分布，估计，分布，标准差，估计，分布，标准差，标准差，主页，因此一般化的胜利者过程的漂移率(单位时间的平均漂移)为a也就是说，如果0小时变量的值为s，则在t小时内是平均值，标

8、准差是正态分布。示例2，假设公司的现金状况(千美元)遵循正常的胜利者过程，则年漂移率为20，年方差为900。如果初始现金状况为50，则6个月末的现金状况平均为60，方差450正态分布。第一年末有平均为70，方差为900的正态分布。如果主页、(5)ITO进程(补充内容)、一般化胜利者进程的参数a和b分别是基本变量s和时间t的函数，则这称为ITO进程。ITO过程也是随时间变化漂移速度和色散率的广义胜利者过程。在研究基础资产价格的变化时，经常使用ITO过程进行说明。研究不支付股息的股票时，可以用以下方式表示该价格的变化特性：主页，即瞬态漂移率和瞬态方差率都与股价成正比变化。这是最广泛地描述股价变化的

9、模型，也称为几何布朗运动模型。这个模型的离散时间形式是。其中，表示在非常小的时间范围内股价s的变化。表示从标准正态分布中随机抽取。参数是单位时间内股票的预期收益率，参数是股价的波动性，两个参数都是常量。主页，实例3，年漂移率为30%，预计收益率为15%(连续复利计算)，即，设定一周或0.0192年间隔长度，股价初值为100美元，即股价的增长平均为0.288美元，标准差为4.16美元，股价的过程，主页，第二，泊松过程考虑到在特定时期内一个金融市场发生的极端事件的总数与正常相当不同的随机环境，无法预测。设置在可能只出现两个值或等于0的情况下发生的事件总数。也就是说，不会发生新的重大事件。或者表示有

10、重大事件，例如1。表，主页，泊松过程，泊松过程和胜利者过程之间的比较，(1)轨迹不同：(2)第一次和第二次运动具有相同的特性。两个进程的增量分布都是小间隔h，主，主页，(3)泊松进程的轨迹比胜利者进程轨迹更规则。泊松过程在大部分时间内保持不变，尽管离散跳跃，但小间隔跳跃发生的概率倾向于0，即分散反弹。因为胜利者过程显示了无限小的变化，这些变化是无法测量的，所以方差是无限的。可见，定义胜利者过程的积分比定义泊松过程的积分更困难。通常，泊松过程点可以定义为雷曼-斯蒂尔tjes。胜利者过程积分可以用Ito积分表示。主页，第iii节稀有事件和正常事件说明，假设仅出现几个可固定值，其中，分为周，一般事件

11、和小概率事件两种类型，假设，主页，正常事件，小概率事件，目标资产是串行礼物的衍生品，由于这些罕见事件，价格变动大于一点。否则，价格变化是由正常事件引起的。在主页，假设4中扩展了这个结论：根据假设4，假设13中一个非常重要的结论：这是，主页，总和与h成比例，每个数字都不是负数，所以总和中的每个项目都与h成比例，或者说0，也就是说，有可能，但与观察间隔长度h无关。主页、事件大小和概率与间隔长度h .相关。随着h的增大，观察到的价格波动尺度(绝对值)和概率也越来越大，除非等于0。说明1，当观察间隔逐渐变小时，确定事件向零的速度，说明2，两者都可以消失，但不能同时消失。因此，这意味着确定事件的概率为零

12、的速度。主页，因此只能出现两种情况。(1)，(2)，由第一种情况引起的正常事件，第二种情况下的小概率事件，第一周，第二周，发生的也是正常事件，主页，第一正常事件，在某些情况下确定结果的大小和概率函数分别是，时间间隔h越小，事件大小越小。事件的概率与h无关。因此，观察间隔越来越小，结果大小就越小，具有一定的概率是正常的。主页，示例路径的特征，(1)连续性，即，一方面，因此，另一方面，正常事件可以生成连续时间路径。，主页，(2)不光滑，任何时候t都不能引导。也就是说轨道不平顺。也就是说，可以看出资产价格变化是连续的，但不规则的，主页，2，小概率事件，确定发生结果的大小和概率函数，分别是时间间隔h越

13、小，事件发生的概率就越小，因此事件大小与h无关。也就是说，小概率事件，采样路径特征，不连续性，与h无关，也就是说，轨道不连续性，主页，因此，跳跃发生的概率取决于h。h越小，发生跳跃的概率也越小。也就是说，这种跳跃不经常发生。跳跃，3，正常事件(续)，采样路径连续但不平滑，也与正常事件的胜利者过程相同，因此不是小概率事件，而是注意，但只要它们的大小逐渐变小，就不能称为小概率事件，后退，主页，第四节小概率事件的模型，胜利者过程描述的随机微分方程，正态分布有无限扩展的尾部，时间间隔越小，尾部就不会完全消失，胜利者过程中描述的价格变化也几乎没有变化。小概率事件表示在很短的时间间隔内价格运动可以发生很大

14、的变化。在胜利者程序中重新叙述是不适当的。因此，需要添加会在非常短的时间间隔内引起重大变化的事件的碰撞项目。也就是说，需要跳跃生成过程，该过程的结果与h无关，因此该过程的路径与较小的概率事件匹配。主页，第一，资产价格的小概率事件模型，离散区间概率微分方程，价格波动分为两部分，第一部分根据给定的信息可预测，第二部分不可预测。连续时间随机微分形式，一般事件胜利者过程，主页，说明小概率事件也是胜利者过程的唯一区别：示例路径的连续性。小概率事件的发生也无法预测，其方差也与时间间隔h成正比。也就是说，第一部分是相同的。因此，对第二部分稍加修改就会产生新模型的随机不可预测的错误项，如果小概率事件导致时间间

15、隔为零，概率可以忽略，但事件发生的大小不是无限小的。因此，追加必须能够表示资产价格变化中很少出现的跳跃，另外，该模型必须能够充分捕捉跳跃发生概率的所有潜在变化。主页，首先将错误项分为两部分发生的一般事件，表示发生的跳跃事件所发生的变化的第二个准确说明，总是，因此设置资产价格变化的跳跃大小1，主页，显然是泊松过程特性，(1)在小间隔h中最多发生一个事件的概率接近1，(2)时间t，(3)在固定概率下发生。因为只有泊松过程可以同时满足这些条件，所以用于建模非连续跳转事件是很好的，但还需要进行两次修改。1，特定资产价格的跳跃发生速度会因时间而异，在泊松过程中不能以一定的发生率说明这种行为，需要进行一些调整。home，2，的增量为非零平均值，随机微分方程的新项只有零平均值，所以需要进行一些修改来消除平均值。考虑变量，进一步，跳跃大小独立于时间。因此，最好用于表示资产价格中不可预测的跳跃。也就是说，如果金融商品市场受到零星发生的小概率事件的影响，那么概率微分方程可以同时处理，主页，离散间隔概率微分方程，注1，这个概率方程可以同时处理正常和小概率事件。连续时间随机微分形式，跳跃部分