傅里叶展开

傅里叶展开 (Fourier Expansion)

傅里叶展开（Fourier Expansion），又称傅里叶级数（Fourier Series），是数学分析中将任意周期函数表示为一组正弦和余弦函数（或等价地，复指数函数）的无穷级数的理论方法。该理论由法国数学家Joseph Fourier于 1807 年在研究热传导方程时首次系统提出，后经 Dirichlet、Riemann 和 Lebesgue 等人的严格化，成为调和分析、信号处理以及现代时间序列分析的数学基石。

在经济学中，傅里叶展开为分析周期性经济波动、消除季节性成分、谱分析（Spectral Analysis）以及求解线性动态系统提供了核心数学工具。

基本定义

设函数 $f(x)$ 在区间 $[-L, L]$ 上分段连续且周期为 $2L$ ，则其傅里叶级数展开为：

f(x) = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[ a_n \cos\left(\frac{n\pi x}{L}\right) + b_n \sin\left(\frac{n\pi x}{L}\right) \right]

其中傅里叶系数由以下积分给出：

a_0 = \frac{1}{L} \int_{-L}^{L} f(x)\, dx

a_n = \frac{1}{L} \int_{-L}^{L} f(x) \cos\left(\frac{n\pi x}{L}\right) dx, \quad n = 1, 2, \dots

b_n = \frac{1}{L} \int_{-L}^{L} f(x) \sin\left(\frac{n\pi x}{L}\right) dx, \quad n = 1, 2, \dots

常数项 $a_0/2$ 表示函数在一个周期内的平均值；系数 $a_n$ 和 $b_n$ 分别度量了函数在第 $n$ 次谐波上余弦和正弦分量的强度。随着谐波次数 $n$ 的升高，相应的三角函数频率递增、周期递减，用于捕捉函数中更精细的波动结构。

正交性与系数推导

傅里叶级数的理论根基在于三角函数系在区间 $[-L, L]$ 上的正交性：对于任意非负整数 $m, n$ ，有

\int_{-L}^{L} \cos\left(\frac{m\pi x}{L}\right) \cos\left(\frac{n\pi x}{L}\right) dx = \begin{cases} L, & m = n \neq 0 \\ 0, & m \neq n \end{cases}

\int_{-L}^{L} \sin\left(\frac{m\pi x}{L}\right) \sin\left(\frac{n\pi x}{L}\right) dx = \begin{cases} L, & m = n \neq 0 \\ 0, & m \neq n \end{cases}

\int_{-L}^{L} \cos\left(\frac{m\pi x}{L}\right) \sin\left(\frac{n\pi x}{L}\right) dx = 0

利用正交性，将级数表达式两端同乘 $\cos(n\pi x/L)$ 或 $\sin(n\pi x/L)$ 并在 $[-L, L]$ 上积分，所有交叉项消失，仅保留对角项，从而直接解出上述系数公式。从函数空间的角度看，三角函数系构成平方可积函数空间 $L^2[-L, L]$ 的一组完备正交基，傅里叶展开本质上是函数在该基下的正交投影。

收敛性与 Dirichlet 条件

傅里叶级数的收敛是一个深刻且具有历史重要性的问题。Dirichlet 定理给出了一组充分条件：若 $f(x)$ 在 $[-L, L]$ 上（1）分段连续（至多有限个第一类间断点）；（2）分段单调（至多有限个严格极值点），则其傅里叶级数在每一点 $x$ 处收敛到：

\frac{f(x^+) + f(x^-)}{2}

即在连续点收敛到 $f(x)$ ，在跳跃间断点收敛到左右极限的算术平均。在间断点附近出现的振荡过冲现象——Gibbs 现象——表明即使增加项数至无穷，过冲幅度也不会消失，约为间断跳跃幅度的约 9\%。这揭示了傅里叶级数在非连续点附近的非一致收敛本质。

复指数形式

利用欧拉公式 $e^{i\theta} = \cos\theta + i\sin\theta$ ，傅里叶级数可紧凑地表示为复指数形式：

f(x) = \sum_{n=-\infty}^{\infty} c_n \, e^{i n \omega_0 x}, \quad \omega_0 = \frac{\pi}{L}

c_n = \frac{1}{2L} \int_{-L}^{L} f(x) \, e^{-i n \omega_0 x}\, dx

复系数 $c_n$ 与前文的实系数满足关系： $c_0 = a_0/2$ ， $c_n = (a_n - i b_n)/2$ ， $c_{-n} = (a_n + i b_n)/2 = \overline{c_n}$ （ $n \geq 1$ ）。复指数形式在理论推导中更为简洁，且直接通向傅里叶变换——当周期趋于无穷大时，离散的频谱 $\{c_n\}$ 过渡为连续的频谱密度函数。

在经济学中的应用

傅里叶展开在经济学中有多方面的应用：

时间序列的谱分析：经济时间序列（如 GDP 季度数据、月度通胀率）常包含不同频率的周期成分。通过离散傅里叶变换（DFT），可将时域序列分解为频域中各频率分量的振幅和相位，识别经济周期中的基钦周期（3--5 年）、朱格拉周期（7--11 年）等不同层级波动。周期图（Periodogram）和谱密度估计正是基于傅里叶展开构建的统计推断工具。

季节性调整：月度或季度经济数据中的季节成分可被建模为若干低频傅里叶谐波的叠加。Census X-13 等季节调整程序中，傅里叶展开被用于灵活地捕捉和剔除周期性季节效应。

动态随机一般均衡（DSGE）模型的频域求解：在宏观经济学的 DSGE 框架中，频域方法利用傅里叶展开将时域中的线性理性预期方程转化为频域中的代数方程，从而简化求解和估计。Band-Pass 滤波——如 Baxter-King 滤波和 Christiano-Fitzgerald 滤波——也是基于傅里叶分析的理想带通滤波器的有限样本近似。

期权定价与金融工程：在Black-Scholes-Merton框架的扩展中，特征函数方法（傅里叶变换的推广）被广泛用于欧式期权定价——通过傅里叶反演公式从特征函数直接计算期权价格，避免了偏微分方程的数值求解。Carr-Madan 方法和 Fang-Oosterlee 的 COS 方法均以傅里叶展开为数学核心。

从更为根本的角度看，傅里叶展开体现了经济学中分解与合成的方法论：将复杂的经济波动视为多重频率成分的线性叠加，通过频谱分析识别主导频率及其相对重要性，进而追溯各频率成分背后的经济驱动力。这一思想贯穿于从真实经济周期理论（RBC）到新凯恩斯主义DSGE 模型的宏观经济学研究全谱系。

返回百科索引