随机微积分面试速查：Itô 引理、布朗运动与随机微分方程完全解析

随机微积分在 Quant 面试中的地位

随机微积分（Stochastic Calculus）是量化金融的数学基础，也是区分"初级 Quant"和"高级 Quant"的关键分水岭。在面试中，随机微积分题目主要出现在以下场景：

• 需要随机微积分的岗位：
• Goldman Sachs Strats（Quantitative Strategies）
• J.P. Morgan Quant Research
• Morgan Stanley Quantitative Strategies
• Citadel Quant Research（非 Trading 岗位）
• 任何涉及衍生品定价的 Quant 岗位

• 不需要深度随机微积分的岗位：
• Jane Street Trader（更注重概率直觉）
• Optiver Trader（更注重心算和期权直觉）
• Two Sigma Data Scientist（更注重统计学和 ML）

1. 面试中的考察深度：大多数面试不会要求你推导完整的测度论证明，但需要你：
2. 理解布朗运动的核心性质
3. 能够应用 Itô 引理求解 SDE
4. 理解 Black-Scholes 方程的推导逻辑
5. 对 Greeks 有直觉理解

布朗运动（Brownian Motion）：核心性质速查

布朗运动（也称 Wiener 过程）是随机微积分的基础构建块。以下是面试中必须掌握的核心性质。

1. 定义：标准布朗运动 {W(t), t ≥ 0} 满足：
2. W(0) = 0
3. 独立增量：对 0 ≤ s < t < u < v，W(t)-W(s) 与 W(v)-W(u) 独立
4. 正态分布增量：W(t)-W(s) ~ N(0, t-s)
5. 路径连续

关键性质（面试高频）：

性质 1：二次变差（Quadratic Variation） [W, W](t) = t（确定性的！） 这意味着：(dW)² = dt，这是 Itô 引理的核心

性质 2：期望和方差 E[W(t)] = 0 Var[W(t)] = t E[W(t)²] = t

性质 3：协方差 Cov[W(s), W(t)] = min(s, t)

性质 4：布朗运动不可微 布朗运动的路径在任何点都不可微（以概率 1），这就是为什么普通微积分不适用，需要 Itô 微积分。

性质 5：反射原理 P(max_{0≤s≤t} W(s) ≥ a) = 2P(W(t) ≥ a)，对 a > 0 这个性质在期权定价（特别是障碍期权）中非常有用。

• 面试常见问题：
• "E[W(t)³] = ?" → 0（奇数阶矩为 0，因为正态分布关于 0 对称）
• "E[W(t)⁴] = ?" → 3t²（正态分布的四阶矩 = 3σ⁴）
• "E[e^{W(t)}] = ?" → e^{t/2}（矩母函数：E[e^{θW(t)}] = e^{θ²t/2}）

Itô 引理：公式、推导与应用

Itô 引理是随机微积分中最重要的定理，相当于随机版本的链式法则。

Itô 引理（一维形式）

设 X(t) 满足 SDE：dX = μ(X,t)dt + σ(X,t)dW

对于函数 f(X, t)，有：

df = (∂f/∂t + μ∂f/∂X + ½σ²∂²f/∂X²)dt + σ∂f/∂X dW

与普通链式法则的关键区别：多出了 ½σ²∂²f/∂X² 项，这来自布朗运动的二次变差 (dW)² = dt。

推导直觉（泰勒展开）： df ≈ ∂f/∂t dt + ∂f/∂X dX + ½∂²f/∂X² (dX)² = ∂f/∂t dt + ∂f/∂X (μdt + σdW) + ½∂²f/∂X² (μdt + σdW)²

展开 (dX)²： (μdt + σdW)² = μ²(dt)² + 2μσ dt·dW + σ²(dW)² ≈ σ²dt（因为 (dt)² → 0, dt·dW → 0, (dW)² = dt）

经典应用 1：几何布朗运动（GBM）

股价模型：dS = μS dt + σS dW

• 求 ln(S) 的动态：设 f = ln(S)
• ∂f/∂t = 0
• ∂f/∂S = 1/S
• ∂²f/∂S² = -1/S²

代入 Itô 引理： d(ln S) = (μ - ½σ²)dt + σdW

积分得：ln(S(T)/S(0)) ~ N((μ - ½σ²)T, σ²T)

这就是为什么 GBM 下股价服从对数正态分布。

经典应用 2：Black-Scholes 方程推导

设期权价格 V(S, t)，股价满足 GBM：dS = μS dt + σS dW

构造无风险对冲组合：Π = V - ΔS（做多期权，做空 Δ 份股票）

dΠ = dV - Δ dS

用 Itô 引理展开 dV： dV = (∂V/∂t + μS∂V/∂S + ½σ²S²∂²V/∂S²)dt + σS∂V/∂S dW

选择 Δ = ∂V/∂S（Delta 对冲），消去随机项： dΠ = (∂V/∂t + ½σ²S²∂²V/∂S²)dt

无套利要求 dΠ = rΠ dt = r(V - ΔS)dt，代入得：

∂V/∂t + ½σ²S²∂²V/∂S² + rS∂V/∂S - rV = 0

这就是 Black-Scholes 偏微分方程。

面试高频 SDE 题型精讲

以下是 Quant 面试中最常见的随机微分方程题型，每题都是面试真题的变体。

题型 1：求解 SDE

*题目*：求解 SDE：dX = X dt + X dW，初始条件 X(0) = 1

*解法*：这是 GBM 的特殊情况（μ = σ = 1）。

令 Y = ln(X)，由 Itô 引理： dY = (1 - ½)dt + dW = ½dt + dW

积分：Y(t) = ½t + W(t)

因此：X(t) = exp(½t + W(t))

题型 2：计算期望

*题目*：设 dX = -X dt + dW，X(0) = 0。计算 E[X(t)] 和 Var[X(t)]。

*解法*：这是 Ornstein-Uhlenbeck（OU）过程，即均值回归过程。

对期望取值：d(E[X]) = -E[X]dt，解得 E[X(t)] = 0

对方差：Var[X(t)] = ∫₀ᵗ e^{-2(t-s)} ds = (1 - e^{-2t})/2

当 t → ∞：Var[X(∞)] = 1/2（稳态方差）

题型 3：验证鞅性质

*题目*：证明 M(t) = W(t)² - t 是鞅。

• *解法*：
• 设 f(W, t) = W² - t
• ∂f/∂t = -1
• ∂f/∂W = 2W
• ∂²f/∂W² = 2

由 Itô 引理： dM = (-1 + ½×2)dt + 2W dW = 0×dt + 2W dW

因为 dM 没有 dt 项（漂移为 0），M(t) 是鞅。

题型 4：期权定价

*题目*：在 Black-Scholes 模型下，股价 S(0) = 100，波动率 σ = 20%，无风险利率 r = 5%，到期时间 T = 1 年。执行价格 K = 100 的欧式看涨期权价格是多少？

*解法*：使用 Black-Scholes 公式： C = S·N(d₁) - K·e^{-rT}·N(d₂)

d₁ = [ln(S/K) + (r + σ²/2)T] / (σ√T) = [0 + (0.05 + 0.02)×1] / (0.2×1) = 0.07/0.2 = 0.35

d₂ = d₁ - σ√T = 0.35 - 0.2 = 0.15

N(0.35) ≈ 0.637, N(0.15) ≈ 0.560

C = 100×0.637 - 100×e^{-0.05}×0.560 = 63.7 - 100×0.9512×0.560 = 63.7 - 53.3 ≈ £10.4

需要系统学习随机微积分？

AT&T Career Quant Track 提供从布朗运动到 Black-Scholes 的完整随机微积分课程，由 Oxford 数学博士主讲，结合面试实战训练。

预约免费课程体验 →

Greeks 的随机微积分解释

Greeks 是期权风险管理的核心工具，理解其随机微积分含义是 Quant 面试的高频考点。

Delta（Δ） Δ = ∂V/∂S = N(d₁)（对欧式看涨期权）

含义：股价变动 £1 时，期权价格的变动量。也是 Black-Scholes 对冲组合中持有的股票数量。

Gamma（Γ） Γ = ∂²V/∂S² = N'(d₁)/(Sσ√T)

含义：Delta 对股价的敏感度。Gamma 越大，期权价格对股价变动越非线性。做市商通常需要 Gamma 对冲来管理非线性风险。

Theta（Θ） Θ = ∂V/∂t（通常为负值）

含义：时间流逝对期权价值的影响（时间价值衰减）。对于多头期权，Theta 为负（时间流逝对你不利）。

Vega（ν） ν = ∂V/∂σ = S√T·N'(d₁)

含义：波动率变动 1% 时，期权价格的变动量。Vega 是期权做市商最关注的风险指标之一。

Gamma-Theta 关系（面试高频）

从 Black-Scholes 方程可以推导出： Θ + ½σ²S²Γ + rSΔ - rV = 0

对于 Delta 对冲的组合（rSΔ ≈ rV），这简化为： Θ ≈ -½σ²S²Γ

这个关系揭示了 Gamma 和 Theta 之间的权衡：高 Gamma（对股价变动的非线性敏感度）意味着高 Theta（时间价值衰减更快）。这就是为什么期权做市商说"你要么买 Gamma，要么卖 Theta"。