应用随机分析（AppliedStochastic.PDFVIP

应用随机分析 (Applied Stochastic Calculus) 课程介绍 授课对象： 本研合上. 数学学院本科生; 概率论, 统计学, 金融数学和应用数学专业的 研究生和博士生; 其他专业具有较好数学基础的研究生. 先修课程： 概率论, 应用随机过程. （意, 并不要求先修《测度论》）. 当然如果先修 了《实变函数》或者《实变与泛函》更好. 教学目的： 培养学生具有借助随机分析 (或者称为随机微积分) 的思想和方法建立数 学模型, 并利用随机分析的理论工具分析与解决问题的初步能力. 尽可能用“初等 方法”, 借助较少的高深数学工具将随机分析的思想介绍给学生; 强调概率直观的 培养, 不刻意追求数学上的严格性; 特别强调来自物理，金融数学等学科中例子的 重要性. 课程介绍与说明: 我们在 “概率论” 和 “应用随机过程” 这两门课程中主要是学习了一些特殊的过程， 例如：随机游动、泊松过程、布朗运动等. 那么, 对于更为一般的随时间演化的随机现 象, 也就是随机过程, 我们该如何来研究呢？ 作一个简单的类比, 我们学过 “概率论” 和 “应用随机过程” 这就相当于我们在中学 时学的一些数学知识; 而我们进入大学所学的微积分, 就相当于 “应用随机分析” 或者称 为 “随机微积分”(Stochastic Calculus). 具体说, 中学数学学的函数其实主要就是几个初等函数, 线性函数、三角函数、指数 函数、对数函数、二次函数等. 虽然, 这些函数非常重要，但我们利用这些函数所能直 接描述的实际问题还是很有限的. 例如：我们在中学物理中最多只能对加速度为常数的 质点运动进行较好的研究 (其实它的位移公式本身是利用了微积分的思想得到的). 而 学习了微积分之后, 我们就可以对一般的 “好 (光滑) ” 函数进行研究了, 可以研究的问 题和领域大大地扩展了, 从天体的运动到生物物种之间竞争的模型 (常微分方程); 从热 传导到琴弦的振动 (偏微分方程), 从曲线、曲面上的微分几何到微分流形……, 这中间 最主要的是有了微分、积分的概念和牛顿-莱布尼兹公式. “应用随机过程” 这门课程何尝不是这样呢？虽然我们所学的随机游动、泊松过程和 布朗运动这些具体的过程非常有趣、重要，但利用这些过程直接描述的随机过程并不是 太多, 例如：就连 Ornstein-Unlenbeck 过程，这种极其重要的平稳、马氏、高斯过程也 只能在《应用随机过程》课本的最后几页用布朗运动的某种时-空尺度变换得到 (参见: 《应用随机过程》118 页, 高等教育出版社，钱敏平、龚光鲁、陈大岳、章复熹编著). 然 而在 “应用随机分析” 课程中, Ornstein-Unlenbeck 过程可以很容易的定义, 而且可以给 出具有很强物理意义的直观解释. 那么, “应用随机分析” 或者说 “随机微积分” 是怎样的一门课程？实际它就是告诉 我们, 在随机世界中, 我们如何类比于牛顿-莱布尼兹建立微积分的基本想法来定义 “随 机微分”、随机积分和随机版本的牛顿-莱布尼兹公式, 也就是著名的 Itô 公式 (伊藤公 1 式), 进而建立随机微分方程 (Stochastic Differential Equation). 由此我们就可以描述随 机世界的众多现象，从花粉粒子在液体中的运动 (布朗运动、Ornstein-Unlenbeck 过程 和 Langevin 方程) 到金融数学中的Black-Scholes 模型, 从工程领域的滤波理论到生物 化学的酶动力学模型等等. 具体的说, “应用随机分析” 这门课程要讲授的具体内容以及它们之间的逻辑线索应 该是什么？ 首先, 我们需要回答一个基本问题：在数学上应该如何理解 (定义) 什么是随机过程 的“随机性”? 人们总是希望通过 (过去和现在) 已知的信息或条件来预测“未来”. 因此 所谓”随机性”可以理解为 “不可预测性”. 那么, 自然要问什么是“预测”? 其实, 这很 简单, 就是 “条件数学期望”, 也就是说当我们已知某个或某些随机变量时, 另一个随机 变量在此条件下的期望是多少或者分布是什么，也可以理解为在此条件下的 “预测, 预 估” 是多少. 因此，我们首先要定义”条件数学期望”, 并学会如何计算它. 此处的这个 概念与 (初等) 概率论，应用随机过程条件期望既有区别又有联系. 而严格的定义要用