金融市场的布朗运动和分数布朗运动(马金龙)
[转帖2005.08.27 00:49:37]
1 布朗运动及其在金融市场的应用
1.1 布朗运动
布朗运动指的是一种无相关性的随机行走，满足统计自相似性,即具有随机分形的特征，但其时间函数(运动轨迹)却是自仿射的。具有以下主要特性：粒子的运动由平移及其转移所构成，显得非常没规则而且其轨迹几乎是处处没有切线；粒子之移动显然互不相关，甚至于当粒子互相接近至比其直径小的距离时也是如此；粒子越小或液体粘性越低或温度越高时，粒子的运动越活泼；粒子的成分及密度对其运动没有影响；粒子的运动永不停止。
原始意义的布朗运动(Brownian motion，BM)是Robert Brown于1827年提出，系指液体中悬浮微粒的无规则运动, 直至1877年才由J. 德耳索作出了正确的定性分析：布朗粒子的运动，实际上是由于受到周围液体分子的不平衡碰撞所引起的。1905年，A. 爱因斯坦对这种“无规则运动”作了物理分析，成为布朗运动的动力论的先驱，并首次提出了布朗运动的数学模型。1908年，P. 朗之万在研究布朗运动的涨落现象时, 给出了物理学中第一个随机微分方程。1923年，诺伯特‧维纳(Norbert Wiener)提出了在布朗运动空间上定义测度与积分，从而形成了Wiener空间的概念，并对布朗运动作出了严格的数学定义，根据这一定义，布朗运动是一种独立增量过程，是一个具有连续时间参数和连续状态空间的随机过程(Stochastic Process)。它是这样的随机过程中最简单，最重要的特例。因而维纳过程是马尔科夫过程(Markov process)的一种特殊形式，而马尔科夫过程又是一种特殊类型的随机过程。数学界也常把布朗运动称为维纳过程(Wiener Process)。不久，Paul Levy及后来的研究者将布朗运动发展成目前的巨构，如稳定的Levy分布。20世纪40年代，日本数学家伊藤清(Ito Kiyosi)发展了维纳的研究成果，建立了带有布朗运动干扰项B(t)的随机微分方程。1990年,彭实戈－E. 巴赫杜(Pardoux)进一步提出了一大类可解的倒向随机微分方程，并给出方程解的一般形式，它可看成是Black-Scholes公式的一般化。总之，如今布朗运动在理论上与应用上已与帕松过程(Poisson process) 构成了两种最基本的随机过程。
1.2 布朗运动在金融市场的应用
将布朗运动与股票价格行为联系在一起，进而建立起维纳过程的数学模型是本世纪的一项具有重要意义的金融创新，在现代金融数学中占有重要地位。迄今，普遍的观点仍认为，股票市场是随机波动的，随机波动是股票市场最根本的特性，是股票市场的常态。
1900年法国的巴施利叶（Louis Bachelier）在博士论文《投机理论》中将股票价格的涨跌也看作是一种随机运动，所得到的方程与描述布朗粒子运动的方程非常相似。第一次给予布朗运动以严格的数学描述。但由此得到的股票价格可能取负值，显然与实际不符。遗憾的是，他的工作在当时并未引起重视，直到半个世纪后人们才发现其工作的重要性，从而开创了理论金融经济学新时代。Markowiz(1952)发表投资组合选择理论；Arrow和Denreu(1954)提出一般经济均衡存在定理；Roberts和Osborne(1959)把随机数游走和布朗运动的概念带入股市研究；以及稍后的Sharpe(1964)和Linther(1965)、Mossin(1966)等的资本资产定价模型(CAPM)；Samuelson和Fama(1970)的有效市场理论(EMH)；Fischer Black和Scholes(1973)
和Merton(1973,1992)的期权定价理论（Black-Scholes模型）；Ross (1976)的套利定价理论(APT)。至此，源于布朗运动的理论金融经济学（数理金融学）的大厦（体系）就完全成形。布朗运动假设是现代资本市场理论的核心假设。现代资本市场理论认为证券期货价格具有随机性特征。这里的所谓随机性，是指数据的无记忆性，即过去数据不构成对未来数据的预测基础。同时不会出现惊人相似的反复。随机现象的数学定义是：在个别试验中其结果呈现出不确定性；在大量重复试验中其结果又具有统计规律性的现象。描述股价行为模型之一的布朗运动之维纳过程是马尔科夫随机过程的一种特殊形式；而马尔科夫过程是一种特殊类型的随机过程。随机过程是建立在概率空间上的概率模型，被认为是概率论的动力学，即它的研究对象是随时间演变的随机现象。所以随机行为是一种具有统计规律性的行为。股价行为模型通常用著名的维纳过程来表达。假定股票价格遵循一般化的维纳过程是很具诱惑力的，也就是说，它具有不变的期望漂移率和方差率。维纳过程说明只有变量的当前值与未来的预测有关，变量过去的历史和变量从过去到现在的演变方式则与未来的预测不相关。股价的马尔科夫性质与弱型市场有效性(the weak form of market efficiency)相一致，也就是说，一种股票的现价已经包含了所有信息，当然包括了所有过去的价格记录。但是当人们开始采用分形理论研究金融市场时，发现它的运行并不遵循布朗运动，而是服从更为一般的分数布朗运动[1]。
2 分数布朗运动与分形资本市场
2.1 分数布朗运动
世界是非线性的，宇宙万物绝大部分不是有序的、线性的、稳定的和平衡的，而是混沌的、非线性的、非稳定和涨落不定的沸腾世界。也就是说，宇宙充满了分形。在股票市场的价格波动、心率及脑波的波动、电子元器件中的噪声、自然地貌等大量的自然现象和社会现象中存在着一类随机过程，它们具有如下特性：在时域或空域上有自相似性和长时相关性；在频域上，其功率谱密度在一定频率范围内基本符合1/fγ的多项式衰减规律。因此被称为1/f族随机过程。在为此类过程建模时，由于通常采用的ARMA方法只适合于相关结构按指数规律衰减的过程，其效果不好[2]，因此人们不断地寻找各种模型来模拟此类随机过程。其中由Benoit Mandelbrot和Van Ness[3]提出的分数布朗运动(fractional Brownian motion，FBM)模型是使用最广泛的一种，它具有自相似性、非平稳性两个重要性质，是许多自然现象和社会现象的内在特性。在不同的文献中，分数布朗运动被赋予不同的名称，如分形布朗运动、有偏的随机游走(Biased Random walk)、分形时间序列(Fractional time serial)、分形维纳过程等。其定义如下：
设0 分数布朗运动特征是时间相关函数C(t)≠0,即有持久性或反持久性,或者说有“长程相关性”,不失一般性，可以给出一维情形的布朗运动及分数布朗运动的定义。分数布朗运动既不是马尔科夫过程，又不是半鞅，所以不能用通常的随机来分析。分数布朗运动与布朗运动之间的主要区别为：分数布朗运动中的增量是不独立的，而布朗运动中的增量是独立的；分数布朗运动的深层次上和布朗运动的层次上它们的分维值是不同的[4]，分数布朗运动（分形噪声）的分维值等于，H为Hurst指数，而布朗运动（白噪声）的分维值都是2。 Hurst在一系列的实证研究中发现，自然现象都遵循“有偏随机游走”，即一个趋势加上噪声，并由此提出了重标极差分析法(Rescaled Range Analysis，R/S分析)[5]。设R/S表示重标极差，N表示观察次数，a是固定常数，H表示赫斯特指数，在长达40多年的研究中，通过大量的实证研究，赫斯特建立了以下关系:
