飛來飛去落誰家：伊藤引理

致新思2026/4/18大約 18 分鐘

引言 · 爲什麼普通微積分不夠用

量化金融的幾乎每一條定價公式背後,都站着一個看起來樸素得可怕的小等式:

(dW_t)^2 = dt.

它長得像一個打字錯誤—— $dW_t$ 是一個無窮小的"隨機步長",兩個小量相乘怎麼可能等於一個有限小量 $dt$ ?但正是這條等式,把普通微積分的鏈式法則撕開一道裂縫,讓我們不得不在裂縫裏重建一整套微積分,即伊藤引理(Itô's Lemma)。

本文的目標是把這條裂縫的來龍去脈講清楚:

爲什麼 $d f = f'(x)\, dx$ 在隨機世界裏失效;
$(dW)^2 = dt$ 爲什麼成立、它是確定的事實而不是期望值;
伊藤引理的公式、爲什麼會多出一個 $\tfrac{1}{2}\sigma^2 f''\, dt$ 修正項;
從幾何布朗運動、花粉的布朗運動、Black-Scholes PDE、一直講到方差互換;
最後把多維版本、Itô vs Stratonovich、鞅性質等進階話題也收攏一次。

全文以啓發式爲主,不走嚴謹的 $L^2$ 極限證明——目標是建立可操作的物理直覺。

一、普通鏈式法則的失效

回憶一下確定世界的規則。對任意光滑函數 $f$ ,

d f(x) = f'(x)\, dx,

這條式子之所以成立,是因爲二階泰勒項 $\tfrac{1}{2} f''(x)(dx)^2$ 在 $dx \to 0$ 時是高階小量,可以安全地扔掉。

換到隨機世界,這個"高階可扔"的直覺就塌了。我們來做一個最簡單的實驗:設 $W_t$ 是標準布朗運動,問: $d(W_t^2)$ 是多少?

按普通微積分的直覺,你會寫:

d(W_t^2) \;\stackrel{?}{=}\; 2 W_t\, dW_t.

這個答案是錯的。正確答案是:

d(W_t^2) \;=\; 2 W_t\, dW_t + dt.

多出來的那個 $dt$ ,就是伊藤引理要解釋的一切。

怎麼驗證這個多出來的 $dt$ 不是筆誤?把等式兩邊從 $0$ 積到 $t$ ,並取期望:

\mathbb{E}[W_t^2] \;=\; \underbrace{\mathbb{E}\!\int_0^t 2 W_s\, dW_s}_{= 0\ \text{(鞅)}} + \int_0^t ds \;=\; t.

這恰好是布朗運動的定義—— $W_t \sim \mathcal{N}(0, t)$ ——所以方差是 $t$ 。如果我們傻乎乎按普通鏈式法則,得到的會是 $\mathbb{E}[W_t^2] = 0$ ,荒謬。那個多出的 $dt$ 就是修正項,讓等式重新合得上現實。

二、核心祕密: $(dW)^2 = dt$

那條修正項的"基因",叫做二次變差(quadratic variation)。

2.1 定義

把時間 $[0, t]$ 分成 $n$ 份,網格 $0 = t_0 < t_1 < \cdots < t_n = t$ ,步長 $\Delta t = t/n$ 。考慮布朗運動每個小區間的增量平方之和:

Q_n = \sum_{k=1}^{n} \bigl(W_{t_k} - W_{t_{k-1}}\bigr)^2.

對普通(有限變差)的光滑函數 $g(t)$ ,對應的和 $\sum (g(t_k) - g(t_{k-1}))^2 \to 0$ (因爲 $(dg)^2 = O(dt^2)$ ,求和後是 $O(dt) \to 0$ )。

但對布朗運動:

\lim_{n \to \infty} Q_n \;=\; t \quad \text{(幾乎必然成立)}.

注意這是一個確定的數 $t$ ,不是"期望等於 $t$ "。換句話說,布朗運動路徑在任何時間窗口內的累積"震動能量"是一個確定性事實,絲毫沒有隨機性。

2.2 爲什麼"二階是確定的"?

每個小步 $\Delta W_k = W_{t_k} - W_{t_{k-1}} \sim \mathcal{N}(0, \Delta t)$ 。所以:

$\mathbb{E}[(\Delta W_k)^2] = \Delta t$ ;
$\text{Var}[(\Delta W_k)^2] = 2(\Delta t)^2$ 。

把 $n = t/\Delta t$ 個獨立的小項加起來:

\mathbb{E}[Q_n] = n \cdot \Delta t = t, \qquad \text{Var}[Q_n] = n \cdot 2(\Delta t)^2 = 2 t\, \Delta t \to 0.

方差隨 $\Delta t \to 0$ 直接趨於 0,所以極限值不僅在期望意義下等於 $t$ ,而且幾乎必然等於 $t$ ——它是路徑自身的屬性,不是統計平均。

這就是 $(dW_t)^2 = dt$ 的精確數學含義:布朗運動在二階的貢獻是確定性的,等於時間本身。

比喻 · 二階的確定能量

物理裏有個非常相似的故事:熱力學中的能量均分定理說,每個自由度的二次型動能平均下來正好是 $\tfrac{1}{2} k_B T$ ——看起來是統計結果,實則在熱力學極限下幾乎完全沒有起伏(漲落是 $O(1/\sqrt{N})$ )。

布朗運動的 $(dW)^2 = dt$ 是同一個物種的數學事實:每個自由度的"震動能量"在極限下是確定性的。你不用祈求期望好運氣,它就這麼多、不多不少。

2.3 相關式的擴展

同樣的論證可以得到:

乘積	值
$(dW_t)^2$	$dt$
$dW_t \cdot dt$	$0$
$(dt)^2$	$0$
$(dW_t)^3,\ (dW_t)^4,\ \ldots$	$0$ (高階小量)

這張表就是伊藤微積分的"乘法口訣"。記住這張表,後面所有推導都只是機械套用。

三、伊藤引理的公式

3.1 標準形式

設 $X_t$ 是一個 Itô 過程,即滿足:

dX_t = \mu_t\, dt + \sigma_t\, dW_t,

其中漂移 $\mu_t$ 和擴散 $\sigma_t$ 都是適應過程(可以依賴 $t$ 和 $X_t$ )。

令 $f(t, x)$ 是一個對 $t$ 一次可微、對 $x$ 二次可微的光滑函數。則:

\boxed{\; df(t, X_t) \;=\; \partial_t f\, dt + \partial_x f\, dX_t + \tfrac{1}{2}\, \partial_{xx} f\, (dX_t)^2 \;}

把 $(dX_t)^2$ 按第二節的乘法口訣展開:

(dX_t)^2 = (\mu_t\, dt + \sigma_t\, dW_t)^2 = \sigma_t^2\, dt \quad \text{(其它項都是 0)}.

所以伊藤引理的展開形式是:

df(t, X_t) \;=\; \Bigl[\,\partial_t f + \mu_t\, \partial_x f + \tfrac{1}{2}\sigma_t^2\, \partial_{xx} f\,\Bigr] dt \;+\; \sigma_t\, \partial_x f\; dW_t.

3.2 三項解讀

項	物理/金融含義
$\partial_t f\, dt$	時間顯式項:函數對時間的直接依賴(如期權的 theta 衰減)
$\mu_t\, \partial_x f\, dt$	漂移項:來自 $X$ 本身的趨勢
$\tfrac{1}{2}\sigma_t^2\, \partial_{xx} f\, dt$	Itô 修正項:來自隨機震盪 + 函數曲率的耦合
$\sigma_t\, \partial_x f\, dW_t$	隨機項:殘留的布朗部分,均值爲 0

和普通鏈式法則的區別,只在那一項 $\tfrac{1}{2}\sigma_t^2\, \partial_{xx} f$ ——這就是整座隨機微積分大廈多出來的那塊磚。

四、啓發式推導

4.1 泰勒展開到二階

對 $f(t, X_t)$ 做二元泰勒展開:

\begin{aligned} df \;=\;& f(t + dt, X_t + dX) - f(t, X_t) \\ \;=\;& \partial_t f\, dt + \partial_x f\, dX + \tfrac{1}{2}\partial_{xx} f\, (dX)^2 \\ & + \partial_{tx} f\, dt\, dX + \tfrac{1}{2}\partial_{tt} f\, (dt)^2 + \text{三階及更高}. \end{aligned}

現在按第二節的乘法口訣逐項約化:

$(dX)^2 = \sigma^2\, dt$ ← 保留, $O(dt)$
$dt\, dX = \mu\, (dt)^2 + \sigma\, dt\, dW = 0$ ← 全扔, $O(dt^{3/2})$
$(dt)^2 = 0$ ← 扔
三階項 $(dX)^3$ :展開後含 $(dW)^3 = O(dt^{3/2})$ ,也扔

剩下的正是伊藤引理的三項。合理嗎?合理——因爲 $(dW)^2 = dt$ 把本來以爲是"二階小量"的東西偷偷拉到了"一階量級"。

4.2 爲什麼丟高階"合法"

嚴謹性附註

上面的"相等"都是均方意義下的極限(mean-square limit)。嚴格做法是把區間切成 $n$ 份、證明離散 Riemann-Stieltjes 和在 $L^2$ 意義下收斂到右邊,並證明高階項的 $L^2$ 範數趨於 $0$ 。

本文不展開這部分證明。核心事實只有一條: $(dW)^k$ 在 $k \geq 3$ 時的 $L^2$ 範數都是 $o(dt)$ ,求和後在極限下爲 $0$ 。凡是遇到這種項,按普通微積分的"高階可扔"直覺處理就好。

4.3 與普通鏈式法則的並置

情景	規則
確定世界 $dx$	$df = f'(x)\, dx$ ,因爲 $(dx)^2 = O(dt^2)$ 可扔
隨機世界 $dW$	$df = f'(x)\, dW + \tfrac{1}{2}f''(x)\, dt$ ,因爲 $(dW)^2 = dt$ 不可扔

一句話:伊藤引理是鏈式法則在 $(dW)^2 = dt$ 規則下的必然改寫。

五、經典應用一 · 幾何布朗運動 → 對數正態

Black-Scholes 框架的起點是假設股價服從幾何布朗運動:

dS_t = \mu\, S_t\, dt + \sigma\, S_t\, dW_t.

5.1 對 $\ln S$ 用伊藤

令 $f(S) = \ln S$ 。則 $f' = 1/S$ 、 $f'' = -1/S^2$ 。套伊藤引理:

\begin{aligned} d(\ln S_t) &= \frac{1}{S_t}\, dS_t + \frac{1}{2}\!\left(-\frac{1}{S_t^2}\right)(dS_t)^2 \\ &= \frac{1}{S_t}(\mu S_t\, dt + \sigma S_t\, dW_t) - \frac{1}{2 S_t^2}\, \sigma^2 S_t^2\, dt \\ &= \Bigl(\mu - \tfrac{1}{2}\sigma^2\Bigr)\, dt + \sigma\, dW_t. \end{aligned}

這條看起來不起眼的等式藏着一件大事: $\ln S$ 是一個漂移爲 $\mu - \tfrac{1}{2}\sigma^2$ 的算術布朗運動,不是 $\mu$ 。那個 $-\tfrac{1}{2}\sigma^2$ 就是波動率損耗(variance drag)——前一篇〈Carr-Madan 公式與 VIX 指數〉裏反覆提到的那個"減震器",從數學上第一次在這裏冒出頭。

5.2 閉式解

對上式兩邊從 $0$ 積到 $t$ :

\ln\frac{S_t}{S_0} = \Bigl(\mu - \tfrac{1}{2}\sigma^2\Bigr) t + \sigma W_t.

所以:

\boxed{\;S_t = S_0 \exp\!\Bigl(\bigl(\mu - \tfrac{1}{2}\sigma^2\bigr) t + \sigma W_t\Bigr)\;}

這就是幾何布朗運動的閉式解。注意它不可能變成負的,這正是股價的必要性質——而這個性質是免費從伊藤引理推出來的,不需要任何額外假設。

5.3 均值 vs 中位數:偏度的來源

取 $W_t \sim \mathcal{N}(0, t)$ ,利用對數正態分佈的矩:

\mathbb{E}[S_t] = S_0\, e^{\mu t}, \qquad \text{Median}(S_t) = S_0\, e^{(\mu - \sigma^2/2) t}.

兩者差了一個 $e^{\sigma^2 t / 2}$ 的因子。直覺上:

均值由對數正態的右尾(大幅上漲)拉高;
中位數反映"典型路徑"的結局,被那個 $-\tfrac{1}{2}\sigma^2$ 的漂移壓低。

長期持有被動指數的投資者最終結局會更接近中位數而不是均值——這就是爲什麼"市場年均收益 $7\%$ "和"你自己賬戶年化"經常對不上的數學根源。

六、經典應用二 · 花粉的布朗運動(物理原型)

6.1 歷史線索

1827:蘇格蘭植物學家 Robert Brown 在顯微鏡下觀察花粉粒懸浮在水面的隨機抖動,發現即便花粉本身是死的(非活體),抖動依然存在。起初他不清楚這是什麼機制,只是記下了現象。
1905:Einstein 在"奇蹟年"四篇論文之一里,用分子運動論定量推導出:花粉粒每秒被水分子撞擊約 $10^{21}$ 次,宏觀看到的就是一個擴散過程,均方位移隨時間線性增長 $\mathbb{E}[X_t^2] \propto t$ 。這一推導成爲分子真實存在的強證據。
1923:Norbert Wiener 給出布朗運動的嚴格數學構造——如今所說的 Wiener 過程。
1944–1951:伊藤清(Kiyoshi Itô)建立隨機微積分體系,給出本文討論的伊藤引理。

歷史小注 · 從 Brown 到 Itô

物理觀察(Brown 1827)→ 物理解釋(Einstein 1905)→ 數學定義(Wiener 1923)→ 隨機微積分(Itô 1944)→ 期權定價(Black-Scholes 1973)→ 模型無關的 VIX(Demeterfi-Derman-Kamal-Zou 1999, Carr-Madan 1998)。

整整 150 年跨度,一個顯微鏡下的現象最終驅動了現代金融工程的地基。伊藤引理是這條線的關鍵一環——沒有它,Einstein 的擴散公式和 Black-Scholes 的期權定價之間就沒有數學語言可以溝通。

6.2 用伊藤引理重推 Einstein 均方位移

設花粉粒的位置 $X_t$ 滿足無漂移的隨機微分方程:

dX_t = \sigma\, dW_t.

這裏 $\sigma^2$ 對應物理的擴散係數 $D$ 乘 $2$ (慣例 $\sigma^2 = 2D$ )。

令 $f(X) = X^2$ (直觀上對應某種"與原點的距離平方",跟動能相關)。套伊藤:

\begin{aligned} d(X_t^2) &= 2 X_t\, dX_t + \tfrac{1}{2}\cdot 2\cdot (dX_t)^2 \\ &= 2 X_t \sigma\, dW_t + \sigma^2\, dt. \end{aligned}

兩邊取期望(隨機項消失,因爲 Itô 積分是鞅):

\frac{d}{dt}\mathbb{E}[X_t^2] = \sigma^2 \;=\; 2 D.

所以:

\boxed{\;\mathbb{E}[X_t^2] = 2 D t\;}

這正是 Einstein 均方位移公式。在本文的框架下,它只是" $f(x) = x^2$ 代入伊藤引理"的三行推導。

6.3 金融與物理的同根性

同一個 $(dW)^2 = dt$ ,跨過學科邊界:

領域	隨機過程	施加的 $f$	伊藤引理給出的結果
物理(花粉)	$dX = \sigma\, dW$	$f(X) = X^2$	$\mathbb{E}[X_t^2] = \sigma^2 t$ — 擴散定律
金融(股價)	$dS = \mu S\, dt + \sigma S\, dW$	$f(S) = \ln S$	$\text{Var}[\ln(S_t/S_0)] = \sigma^2 t$ — 方差線性增長

兩個表面上毫無關聯的領域,方差都隨 $t$ 線性增長——而這個"線性"的係數正是二次變差規則 $(dW)^2 = dt$ 。這也是爲什麼物理學裏關於擴散、朗之萬方程的直覺可以幾乎一字不改地搬到金融——因爲它們共享同一個數學骨架。

七、經典應用三 · Black-Scholes PDE

伊藤引理最著名的果實,是 Black-Scholes 偏微分方程。

7.1 構造對沖組合

設期權價值是 $V(t, S)$ 。股價 $S$ 滿足 $dS = \mu S\, dt + \sigma S\, dW$ 。對 $V$ 用伊藤:

dV = \Bigl[\partial_t V + \mu S\, \partial_S V + \tfrac{1}{2}\sigma^2 S^2\, \partial_{SS} V\Bigr] dt + \sigma S\, \partial_S V\; dW.

構造 Delta 中性組合:持有 $1$ 份期權,賣空 $\Delta \equiv \partial_S V$ 份股票。

\Pi = V - \Delta\, S.

它的瞬時變化:

d\Pi = dV - \Delta\, dS = \Bigl[\partial_t V + \tfrac{1}{2}\sigma^2 S^2\, \partial_{SS} V\Bigr] dt.

所有 $dW$ 項都消掉了—— $\mu$ 也消掉了。組合瞬間變成完全無風險的。

7.2 無套利約束

無風險組合在無套利市場裏必須按無風險利率成長:

d\Pi = r \Pi\, dt = r (V - S\, \partial_S V)\, dt.

把 7.1 和 7.2 兩邊等起來:

\partial_t V + \tfrac{1}{2}\sigma^2 S^2\, \partial_{SS} V = r V - r S\, \partial_S V.

整理得到 Black-Scholes PDE:

\boxed{\; \partial_t V + r S\, \partial_S V + \tfrac{1}{2}\sigma^2 S^2\, \partial_{SS} V - r V = 0. \;}

B-S 方程 = 伊藤引理 + 無套利條件的碰撞產物。一句話。

注意這條方程裏沒有 $\mu$ ——股票真實的漂移率被連續對沖消掉了。這就是 Black-Scholes 革命性的洞察:期權定價不需要預測市場走向,只需要預測波動率。

八、經典應用四 · Variance Swap 與 VIX 的根

本節專門回扣前一篇〈從 Carr-Madan 公式到 VIX 指數〉中反覆使用的那條"靈魂等式":

\tfrac{1}{2}\sigma^2\, dt = \frac{dS}{S} - d(\ln S).

8.1 它從哪兒來

這條等式就是 5.1 節伊藤引理給 $d(\ln S)$ 的結果的簡單移項:

d(\ln S) = \frac{dS}{S} - \tfrac{1}{2}\sigma^2\, dt \;\Longleftrightarrow\; \tfrac{1}{2}\sigma^2\, dt = \frac{dS}{S} - d(\ln S).

沒有任何新東西,就是把伊藤引理視爲一條可以兩邊移來移去的代數等式來用。但這個簡單移項的威力非常大。

8.2 從微分到可交易的對沖

把等式兩邊從 $0$ 積到 $T$ :

\tfrac{1}{2}\int_0^T \sigma_t^2\, dt \;=\; \int_0^T \frac{dS_t}{S_t} \;-\; \ln\!\frac{S_T}{S_0}.

左邊是半倍的已實現方差(realized variance),正是方差互換(variance swap)要定價的東西。

右邊兩項的金融解讀:

$\int_0^T \frac{dS_t}{S_t}$ 是 Itô 積分 — 等於"每一瞬間持有 $1/S_t$ 份標的"的動態對沖累積盈虧;
$\ln(S_T/S_0)$ 是對數合約的到期 payoff — 由 Carr-Madan 公式用一攬子按 $1/K^2$ 加權的 Put + Call 靜態複製。

這兩條腿加起來精確等於已實現方差——所以做市商真的可以把"波動率本身"從混沌的價格路徑裏提純出來當作商品報價。

本文只是說明:這整套對沖的起點,就是伊藤引理施加到 $\ln S$ 上的那一步。沒有伊藤引理,方差互換、VIX 指數、Gamma Scalping 都沒有數學語言可以表達。

九、進階議題

9.1 多維伊藤引理

在實際建模裏,常見的情形是多個相關的隨機過程一起演化,例如:

Heston 隨機波動率模型(股價 + 波動率兩個 SDE);
多資產籃子期權(多隻股票各自的 SDE);
利率模型裏的多因子曲線。

設:

dX_{i, t} = \mu_{i, t}\, dt + \sum_{j=1}^{m} \sigma_{ij, t}\, dW_{j, t}, \qquad i = 1, \ldots, n,

其中 $W_1, \ldots, W_m$ 是相關的布朗運動,滿足:

dW_{i, t}\, dW_{j, t} = \rho_{ij}\, dt.

對光滑函數 $f(t, X_1, \ldots, X_n)$ ,多維伊藤引理說:

\boxed{\; df = \partial_t f\, dt + \sum_i \partial_i f\, dX_i + \tfrac{1}{2}\sum_{i, j} \partial_{ij} f\; dX_i\, dX_j \;}

其中 $dX_i\, dX_j$ 按"乘法口訣"展開:

dX_i\, dX_j = \Bigl(\sum_k \sigma_{ik} \sigma_{jk}\Bigr) dt \quad \text{(相關矩陣 $\Sigma$ 的 $(i,j)$ 元 $\cdot dt$)}.

一個典型應用:兩隻相關資產的價差 $S_1 - S_2$ 的波動率怎麼算。直接上多維伊藤,交叉項 $dS_1\, dS_2 = \rho\, \sigma_1 \sigma_2 S_1 S_2\, dt$ 就把相關性編進去了。

9.2 Itô vs Stratonovich

同一個 SDE,可以有兩種積分約定,給出不同的微積分。差別藏在" $f(X_t)\, dW_t$ 裏的 $f(X)$ 取的是左端點還是中點"。

約定	取樣點	記號	鏈式法則
Itô	區間左端點 $X_{t_k}$	$f(X)\, dW$	有修正項 $\tfrac{1}{2}f' \sigma\, dt$ (即本文)
Stratonovich	區間中點 $X_{(t_k + t_{k+1})/2}$	$f(X) \circ dW$	無修正項,形式上和普通鏈式法則一樣

兩者可以互換,差一個已知的修正:

f(X) \circ dW = f(X)\, dW + \tfrac{1}{2} f'(X)\, \sigma\, dt.

金融爲什麼選 Itô:Itô 積分裏的被積函數只依賴當前及之前的信息(非預測性 / adapted),這對應現實中"下一秒才能觀測到的股價是下一秒的事"。這個約定讓 $\int f\, dW$ 自動成爲鞅,而鞅結構是風險中性定價的地基。

物理爲什麼常用 Stratonovich:物理定律(如朗之萬方程)要尊重時間對稱性、以及從確定性方程取極限時的一致性。Stratonovich 微積分像普通鏈式法則一樣,對變量替換不加修正,更接近經典物理的習慣。

在金融做研究或讀物理文獻時,先看對方用的是哪種約定,否則係數會差一倍。

9.3 Itô 積分的鞅性質

設 $f_t$ 是一個適應過程、滿足 $\mathbb{E}\!\int_0^T f_t^2\, dt < \infty$ 。定義:

M_t = \int_0^t f_s\, dW_s.

則:

零均值: $\mathbb{E}[M_t] = 0$ ,一切 $t \geq 0$ ;
鞅性: $\mathbb{E}[M_t \mid \mathcal{F}_s] = M_s$ ,當 $s \leq t$ ;
Itô 等距: $\mathbb{E}[M_t^2] = \mathbb{E}\!\int_0^t f_s^2\, ds$ 。

第二條是量化金融裏最重要的一條——在風險中性測度下,貼現價格過程是鞅,這是期權定價所有公式的起點。具體地,把股票貼現後的價格 $\tilde S_t = e^{-rt} S_t$ 用伊藤 + 測度變換(Girsanov)一處理,就是一個鞅,然後期權價值就是 $V_0 = \mathbb{E}^Q[e^{-rT} V_T]$ ——一條簡潔到不可思議的公式。

Itô 等距(第三條)在計算 SDE 解的方差時幾乎每次都要用,它是"Itô 積分相當於 $L^2$ 空間裏的一個等距嵌入"的直接表達。

十、容易踩的坑

$\int f\, dW$ 不是 Riemann-Stieltjes 積分。用普通積分的手法(分部積分、變量替換)時,必須額外帶上 Itô 修正項。例如:
$\int_0^T W_t\, dW_t = \tfrac{1}{2}W_T^2 - \tfrac{1}{2}T, \qquad \text{注意多出的 $-T/2$!}$
不能自由交換極限與積分順序。這是 $L^2$ 收斂 vs 逐點收斂的常見陷阱,嚴格做法需要驗證可積性條件。
$(dW)^2 = dt$ 是均方意義的等式,但在實務中可以"像等號一樣用"。只要你心裏清楚自己是在形式化推導,代入展開合併同類項,結果幾乎都是對的。
對非光滑函數直接套伊藤會出錯。例如 $f(x) = |x|$ 在 $x = 0$ 處不可微,對應的"伊藤引理"要用 Tanaka 公式、涉及局部時間(local time)——這是研究屏障期權(barrier options)的常見工具。

結語

回到開頭那條讓人困惑的等式 $(dW)^2 = dt$ 。它不是打字錯誤,而是隨機性在二階尺度上的確定性事實——是整座隨機微積分大廈的地基。

伊藤引理 = 隨機世界裏 $\frac{d}{dx}$ 的鏈式法則版本。它的全部新意,只是在普通泰勒展開裏多保留了一項 $\tfrac{1}{2} f''\, \sigma^2\, dt$ ——因爲 $(dW)^2$ 偷偷把自己從"二階小量"升格成了"一階量級"。

這一項的影響滲透到所有地方:

幾何布朗運動裏那個 $-\tfrac{1}{2}\sigma^2$ 的波動率損耗;
花粉顆粒的均方位移 $\propto t$ 的擴散律;
Black-Scholes PDE 裏那個 $\tfrac{1}{2}\sigma^2 S^2\, \partial_{SS} V$ 的二階導項;
Variance Swap 和 VIX 的 $1/S$ 動態 + $-\ln$ 靜態雙軌對沖;
風險中性定價的鞅結構。

它們都是同一條規則在不同場景的折射。

伊藤清於 2008 年去世,布朗從 1827 年顯微鏡下看到花粉抖動算起,到今天已是兩個世紀。這兩百年裏,一條關於"看似無意義的微小抖動"的觀察,被數學家、物理學家、金融工程師接力打磨,最終變成了一套可以用來給任何"不確定性"標價的通用語言。

這就是伊藤引理的位置——不起眼、卻絕對無可替代。

延伸閱讀:從 Carr-Madan 公式到 VIX 指數:構造、產品與做市商對沖 — 本文第八節那條"靈魂等式"的完整金融工程版本。