跳轉到

7.2 Wiener 過程的數學定義#

本章導言#

Einstein 的布朗運動需要一個嚴格的數學化身。Norbert Wiener（維納，1894–1964） 1923 年在《作為隨機過程的微分空間》中首次構造了這個隨機函數空間上的機率測度；Kolmogorov 1933 年的公理化後，它成為「Wiener 過程」——現代隨機分析的基石。本節給出定義、講述構造史、並揭露它最驚人的性質：路徑連續卻處處不可微。

定義：三條公理#

標準（一維）Wiener 過程（布朗運動） \(\{W(t)\}_{t \ge 0}\) 是滿足：

  1. \(W(0) = 0\) ；
  2. 獨立平穩增量：對 \(0 \le t_0 < t_1 < \cdots < t_n\) ，增量 \(W(t_i) - W(t_{i-1})\) 互相獨立，且 \(W(t) - W(s) \sim N(0, t - s)\) ；
  3. 路徑連續： \(t \mapsto W(t)\) 連續（幾乎必然）

的隨機過程。

由定義立得： \(W(t) \sim N(0, t)\) 、 \(\mathbb{E}[W(t)] = 0\) 、 \(\operatorname{Var}(W(t)) = t\) （方差線性——Einstein 的 \(2Dt\) 取 \(D = \frac12\) 的標準化，6.1 節隨機漫步的 \(n\) 的連續極限）。更精緻的刻畫： \((W(s), W(t))\) 的共變異數為 \(\min(s, t)\) ——協方差結構 \(\min(s,t)\) 是 Wiener 過程的身份證（4.2 節場景一的無窮維版本）。

構造的三條路#

定義假設了「存在」，但嚴格數學必須構造。三條歷史路線：

路線一：Wiener 1923——Fourier–Hermite 展開。Wiener 以多項式混沌與泛函分析在函數空間 \(C[0,1]\) 上直接構造測度（「微分空間」）。技術深奧、直觀性弱，但開創了「以泛函分析對待隨機函數」的路線，也使 Wiener 成為隨機分析之父之一。

路線二：隨機漫步的極限（Donsker 1951）。取步長 \(\Delta t = \frac{1}{n}\) 、步幅 \(\pm\frac{1}{\sqrt{n}}\) 的隨機漫步（6.1 節），線性內插後令 \(n \to \infty\) ，軌道分布收斂到 Wiener 過程（不變原理）。這條路最符合直觀：布朗運動 = 無窮細化的擲硬幣，也把 5.2 節的 CLT 升級為過程級定理。

路線三：隨機 Fourier 級數（Lévy–Ciesielski）。以 Haar 函數系的隨機係數構造：

\[ W(t) = \xi_0 t + \sum_{n=0}^{\infty} \sum_{k=0}^{2^n - 1} \xi_{n,k} \, \psi_{n,k}(t), \]

其中 \(\xi\) 為獨立 \(N(0,1)\) 、 \(\psi\) 為 Haar 小波。Ciesielski（1961）證明級數在 \(C[0,1]\) 中一致收斂——布朗路徑是「無窮多個隨機小波」的疊加，此構造今日是模擬與隨機分析（如 Karhunen–Loève 展開）的標準工具。

路徑的驚人性質#

Wiener 過程的路徑在 1930 年代被逐一解剖，每個結果都挑戰古典分析的直覺：

  • 處處連續、幾乎必然處處不可微（Paley–Wiener–Zygmund 1933）。Einstein 1910 年的直覺被證明為定理。證明思想：若在 \(t\) 可微，則 \(|W(t + h) - W(t)| \le C h\) 對小 \(h\) 成立；但 \(|W(t+h) - W(t)| \sim \sqrt{h}\) 的典型尺度遠大於 \(h\) ，事件機率為零（以 Borel–Cantelli 型論證覆蓋可數稠密格點網）。** \(\sqrt{h}\) 對 \(h\) **——平方根尺度壓倒了可微性的線性要求。
  • Hölder 指數：路徑幾乎必然對一切 \(\alpha < \frac{1}{2}\) 滿足 Hölder 條件、對 \(\alpha > \frac{1}{2}\) 不滿足——「粗糙度」恰好 \(\frac{1}{2}\) （方差線性增長的另一面）。
  • 二次變差：對分割 \(0 = t_0 < \cdots < t_n = T\) （最大段長 \(\to 0\) ）：
\[ \sum_{i} \left(W(t_i) - W(t_{i-1})\right)^2 \longrightarrow T \quad \text{（幾乎必然，Lévy 1940）}. \]

有限變差函數的二次變差為零、光滑函數亦然；Wiener 路徑的二次變差為正且確定——它是「無窮變差」的精確刻畫，也是 Itô 微積分（隨機分析的鏈鎖律多出一項！）的根源。 - 圖形的分形維數： \(W\) 的圖像 Hausdorff 維數 \(\frac{3}{2}\) （Taylor 1953）——一條「介於線（維數 1）與面（維數 2）之間」的曲線，布朗運動是最早被嚴格研究的隨機分形。

Wiener：從神童到控制論#

Wiener 是史上著名的神童（14 歲入哈佛、18 歲獲數理邏輯博士），研究橫跨邏輯、泛函分析、機率、工程。1923 年的布朗運動構造之外，他在 1930 年代與 Paley 合作建立調和分析的 Paley–Wiener 理論；二戰期間為防空炮火研製預測濾波（Wiener 濾波, 1942，4.3 節場景二），戰後總結為《控制論》（Cybernetics, 1948）——開創了回饋控制與資訊與機率的統一視野。「Wiener 過程」「Wiener 濾波」「Paley–Wiener 定理」「Wiener 空間」——一人之名貫穿隨機分析與工程數學。他晚年以《控制論》的哲學與社會論述聞名大眾。

一個具體例題#

例題 7.2.1：設 \(W\) 為標準 Wiener 過程。(a) 求 \(P(W(1) > 1)\) ；(b) 求過程 \(X(t) = W(4t)\) 的分布特性（自相似性）；(c) 計算 \(\operatorname{Cov}(W(1), W(3))\) 並解釋；(d) 以隨機漫步構造路線說明 \(W(1)\) 的典型大小。

解：

(a) \(W(1) \sim N(0, 1)\) ：

\[ P(W(1) > 1) = 1 - \Phi(1) \approx 0.1587. \]

(b) 縮放性質（self-similarity）：對 \(c > 0\) ， \(\{W(ct)\} \stackrel{d}{=} \{\sqrt{c}\, W(t)\}\) （作為過程）。取 \(c = 4\) ： \(\{W(4t)\} \stackrel{d}{=} \{2 W(t)\}\) 。檢驗： \(W(4t)\) 增量 \(W(4t_2) - W(4t_1) \sim N(0, 4(t_2 - t_1))\) ，正是 \(2 \times N(0, t_2 - t_1)\) ；獨立性照搬。時間放大 4 倍等價於振幅放大 2 倍——平方根縮放（6.1 節平方根定律的連續化身），也是 7.1 節中「100 秒位移是 1 秒的 10 倍」的理論根據。布朗運動沒有內在的時間尺度，這種標度不變性是分形本質的動力學表達。

(c)

\[ \operatorname{Cov}(W(1), W(3)) = \min(1, 3) = 1 = \operatorname{Var}(W(1)). \]

直觀： \(W(3) = W(1) + (\text{增量})\) ，增量獨立於 \(W(1)\) ，故協方差完全來自共用段 \([0, 1]\) 。「過去的貢獻永不衰減」——Wiener 過程有完美長記憶（相關係數 \(\rho = \sqrt{1/3} \approx 0.577\) ），這與其增量無記憶並不矛盾：增量無記憶、累積值有記憶。

(d) 以 \(\Delta t = \frac{1}{256}\) 的二項漫步逼近 \(W(1)\) ：步幅 \(\pm\frac{1}{16}\) ，累積 \(S_{256}\) 。 \(\operatorname{Var}(S_{256}) = 256 \times \frac{1}{256} = 1\) ，故 \(S_{256} \approx N(0, 1)\) ，與 \(W(1)\) 同分布（誤差由 Donsker/Berry–Esseen 控制）。模擬一次的軌道將呈現 6.1 節的「鋸齒」、放大後（ \(\Delta t = \frac{1}{1024}\) ）呈現更細的鋸齒——永不光滑。這個「放大後仍然粗糙」的經驗，就是分形維數 \(\frac{3}{2}\) 的直觀面。

歷史啟示#

  • 定義的經濟性：三條公理（起點、增量、連續）生成一整門隨機分析——好的定義如同好的基因，簡短而信息巨大。
  • 構造先於性質：Wiener 1923 年先構造、1930s 再解剖性質——數學上「存在性證明」與「性質研究」的分工。
  • 平方根尺度是主角：從方差線性、路徑粗糙度 \(\frac12\) 、二次變差到縮放性質，一切奇特性質都源自 \(\operatorname{Var} \propto t\) ——一條簡單的方差律生出整座隨機分析的奇觀。
  • 物理直覺 × 數學嚴格：Einstein 說「不可微」、Wiener 與 Paley 證明「不可微」——跨領域接力是概念成熟的標準流程。

與其他章節及領域的關聯#

  • 6.1、5.2 節：隨機漫步經 Donsker 不變原理收斂為 Wiener 過程。
  • 7.1 節：物理源頭與 \(2Dt\) 定律。
  • 7.3 節：Wiener 過程的密度演化的偏微分方程（熱方程）。
  • 4.2 節：協方差 \(\min(s,t)\) 是相關矩陣的無窮維推廣。
  • 9.1 節：t 檢定的小樣本理論與布朗運動無直接關係，但「樣本方差的不確定性」在隨機分析中對應隨機波動率。
  • 金融：Bachelier（1900）→ Samuelson（1965 幾何布朗）→ Black–Scholes（1973，以 \(W(t)\) 定價選擇權）——Wiener 過程是現代金融數學的原子。
  • 隨機分析：Itô（1942–44）以 Wiener 過程為積分元建立 Itô 積分與 SDE，隨機分析成為 20 世紀後半機率論的中心。

練習#

  1. 求 \(P(W(2) - W(1) > 1)\) 與 \(P(W(1) > 1)\) ，比較異同（提示：增量平穩）。
  2. 證明縮放性質： \(\{W(ct)\} \stackrel{d}{=} \{\sqrt{c}\,W(t)\}\) （檢驗有限維分布）。
  3. 計算 \(X(t) = W(t^2)\) 的協方差函數 \(\operatorname{Cov}(X(s), X(t))\) ，並判斷 \(X\) 是否為 Wiener 過程。
  4. 以 \(\Delta t = \frac{1}{4}\) 的隨機漫步（步幅 \(\pm\frac12\) ）列出 \(W(1)\) 的離散近似分布，驗證均值 0、方差 1。
  5. 思考題：Wiener 路徑「處處連續處處不可微」曾被當作病態。請從「物理量測必在有限解析度下進行」的角度討論：工程師為什麼可以安全地把 Wiener 過程當「可微的鋸齒」使用？數學家的不可微警告何時才真正咬人（提示：Itô 鏈鎖律的二階項）。

進階研讀：Wiener 過程的五個深化場景#

場景一：多維布朗與平面軌跡。二維布朗 \(\{(W_1(t), W_2(t))\}\) 的軌跡在平面中稠密（Lévy 1940）：幾乎必然訪問每個開集——喝醉的鳥（6.1 節 Pólya 的連續版，二維仍常返）；三維則非常返。Perrin 1909 年的實驗影像重放時，軌跡填滿視野——「稠密性」是可實測的分形性質。

場景一之二（補）：反射原理與首達。連續版的反射原理： \(P\left(\sup_{s \le t} W(s) \ge a\right) = 2P(W(t) \ge a) = 2(1 - \Phi(a/\sqrt{t}))\) 。首達時間 \(T_a\) 服從 Lévy 分布：密度 \(\frac{a}{\sqrt{2\pi t^3}} e^{-a^2/2t}\) （重尾、期望無窮——「布朗運動必然碰到水平線 \(a\) ，但平均要等無窮久」，6.1 篝零常返的連續版）。這條公式是障礙選擇權定價（金融）與 Kramers 逃逸（化學）的基礎。

場景二：Karhunen–Loève 展開。以協方差算子 \(\min(s,t)\) 的特徵函數（ \(\sin\) 系）展開：

\[ W(t) = \sum_{k=1}^{\infty} \xi_k \, \frac{\sqrt{2}\sin\left(\left(k - \frac12\right)\pi t\right)}{\left(k - \frac12\right)\pi}, \]

\(\xi_k\) iid \(N(0,1)\) 。這是 Wiener 過程的「本徵模態分解」，用於隨機有限元、可靠度分析與期權定價的高效模擬——無窮維高斯對象的線性代數。

場景三：Wiener 空間與 Malliavin 微積分。以 Wiener 路徑為樣本點的機率空間（抽象 Wiener 空間）上，可發展「對隨機變數求導」的無窮維微積分（Malliavin 1970s），用於 SDE 解的敏感性分析與希臘字母（金融風險參數）的無差分估計——隨機分析的「高級微積分」。

場景四：分數布朗運動。把協方差 \(\min(s,t)\) 換成 \(\frac12\left(s^{2H} + t^{2H} - |t - s|^{2H}\right)\) （ \(H \in (0,1)\) ），得 Mandelbrot–Van Ness（1968）的分數布朗運動： \(H = \frac12\) 為標準、 \(H > \frac12\) 有長程相依（水文學的 Hurst 現象, 1951 尼羅河水位）、 \(H < \frac12\) 粗糙化。網路流量（Leland 等人 1994 的自我相似流量）與地形建模以 \(H \neq \frac12\) 描述——「方差律的指數」成為建模旋鈕。

場景五：從 Wiener 到 Itô。 \(dW\) 不是傳統微分（二次變差非零！），Itô 積分以「左端點取樣」定義 \(\int f\, dW\) ，鏈鎖律多出 \(\frac{1}{2} f''\, dt\) 項（Itô 公式, 1944–51）。熱方程（7.3 節）因此有隨機版本：Feynman–Kac 公式把 PDE 的解表為 Wiener 過程泛函的期望——隨機分析與偏微分方程（《微積分》教材第 3 章的極限思想在此的隨機化身）的最終合流。

名詞速查表（本節出現的核心術語）#

  • Wiener 過程：起點 0、獨立平穩常態增量、連續路徑的隨機過程。
  • 獨立平穩增量：不相交時段的增量獨立、分布只依時長。
  • **協方差 \(\min(s,t)\) **：Wiener 過程的協方差結構，完美長記憶。
  • 縮放性（self-similarity）： \(W(ct) \stackrel{d}{=} \sqrt{c}\, W(t)\) ，平方根標度。
  • 二次變差：平方和極限 = \(T\) ，路徑無窮變差的刻畫。
  • 處處不可微：Paley–Wiener–Zygmund 定理， \(\sqrt{h}\) 對抗 \(h\) 。
  • **Hölder 指數 \(\frac{1}{2}\) **：路徑粗糙度的精確刻畫。
  • Lévy 分布：首達時間的厚尾分布（期望無窮）。
  • Karhunen–Loève 展開：協方差本徵模態的隨機展開。
  • 分數布朗運動：Hurst 參數控制的長記憶推廣。

年表速查（本節涉及的關鍵年份）#

  • 1900：Bachelier 以隨機漫步建模股價（數學先聲）。
  • 1905：Einstein 物理理論。
  • 1923：Wiener《作為隨機過程的微分空間》，嚴格構造。
  • 1933：Paley–Wiener–Zygmund 路徑不可微定理。
  • 1940：Lévy 反射原理與二維稠密性。
  • 1942–1951：Itô 積分與隨機微積分。
  • 1951：Donsker 不變原理（漫步極限）。
  • 1953：Taylor 圖形分形維數 \(\frac{3}{2}\) 。
  • 1961：Ciesielski Haar 構造。
  • 1968：Mandelbrot–Van Ness 分數布朗運動。
  • 1973：Black–Scholes 以 Wiener 過程定價。

深化問答三則#

問：為什麼「連續 + 常態增量」就足以完全決定過程？ 答：獨立平穩增量規定了所有有限維分布（由增量分布捲積而成，4.1 節聯合分布由增量重組），連續性則排除「在同分布下藏著跳躍」的病態版本。合起來， \(W\) 的全部法則由一個參數（方差斜率）生成。這種「少數公理生成無窮結構」的現象，與 Kolmogorov 公理（5.3 節）一脈相承——好的數學結構的標誌。

問：二次變差不為零在實務上意味著什麼？ 答：意味著對 \(W\) 的「微積分」必須重造： \(\int (W\,dW) \ne \frac{W^2}{2}\) ，差額恰為 \(\frac{T}{2}\) （Itô 公式的二階項）。金融上的直接後果：Black–Scholes 偏微分方程比古典的資本資產定價多出「gamma 項」 \(\frac12\sigma^2 S^2 V_{SS}\) ——忽略它會系統性錯估衍生品價值。路徑的粗糙度不是理論潔癖，而是真金白銀的差額。

問：Wiener 過程「協方差 \(\min(s,t)\) 」與「增量獨立」是否矛盾？ 答：不矛盾，而是兩個層次的敘述：增量（差）獨立，累積值（和）相依——因為兩個累積值共用歷史段。這與 4.1 節「獨立增量 ≠ 獨立變數」同一精神：相依可以完全來自「共享原料」。實務上這解釋了為何「每日報酬近獨立」與「長期水準有趨勢相關」可以並存——建模時必須先問清楚：你在為增量還是水準建模。

（本節完）