测度变换

测度变换 (Change of Measure)

测度变换（Change of Measure）是概率论与随机分析中的核心技巧，指在同一可测空间上将概率测度 $P$ 替换为与之等价的测度 $Q$，从而系统性地改变随机过程的分布性质。在金融数学中，测度变换是实现风险中性定价（Risk-Neutral Pricing）的关键桥梁——将真实世界概率测度下的资产价格过程，转变为等价鞅测度（Equivalent Martingale Measure, EMM）下的鞅过程，使衍生品定价退化为条件期望的简单计算。这一技术贯穿期权定价、利率建模、信用风险分析乃至保险精算，是现代数量金融的数学支柱。

等价测度与 Radon-Nikodym 定理

设 $(\Omega, \mathcal{F})$ 为可测空间，$P$ 和 $Q$ 为其上的两个概率测度。$Q$ 称为关于 $P$ 绝对连续（记作 $Q \ll P$），如果对任意 $A \in \mathcal{F}$，只要 $P(A) = 0$ 就有 $Q(A) = 0$。若同时有 $P \ll Q$ 与 $Q \ll P$，则称 $P$ 与 $Q$ 相互等价（记作 $P \sim Q$）。等价性意味着两个测度共享完全相同的零测集——它们"看见同一个可能世界"，只是对各个场景的概率权重分配方式不同。

Radon-Nikodym 定理是测度变换的存在性保证：若 $Q \ll P$，则存在唯一的（$P$-几乎处处）非负 $\mathcal{F}$-可测随机变量 $Z$，使得对任意可测集 $A$ 有：

$Z$ 称为 Radon-Nikodym 导数（或称密度函数）。当 $P \sim Q$ 时，$Z > 0$（$P$-a.s.）且满足归一化条件 $\mathbb{E}^P[Z] = 1$。对于任意可积随机变量 $X$，两个测度下的期望通过下式相互转换：

直观上，$Z(\omega)$ 衡量了状态 $\omega$ 在测度 $Q$ 下的相对重要性：若 $Z(\omega) > 1$，则该场景在 $Q$ 下被赋予了比 $P$ 下更高的概率权重。注意 Radon-Nikodym 导数并非通常意义下的"导数"——它是两个测度之间的密度比，其名称源于它与积分变换中 Jacobian 行列式的类比角色。

离散状态下的直观理解

在有限状态空间 $\Omega = \{\omega_1, \ldots, \omega_n\}$ 中，概率测度由概率质量函数完全刻画：$p_i := P(\{\omega_i\})$，$q_i := Q(\{\omega_i\})$。此时 Radon-Nikodym 导数退化为简单的权重比：

测度变换的本质即"重新加权"——将原本的概率向量 $(p_1, \ldots, p_n)$ 调整为 $(q_1, \ldots, q_n) = (p_1 Z(\omega_1), \ldots, p_n Z(\omega_n))$。这一操作在统计学中被称为重要性抽样（Importance Sampling）：当需要在 $P$ 下计算期望但 $P$ 不便于抽样时，可以从辅助分布 $Q$ 中抽样，并以 Radon-Nikodym 导数 $dP/dQ$ 为权重进行校正。重要性抽样在贝叶斯推断、稀有事件模拟和蒙特卡洛方法中被广泛使用。

Girsanov 定理：布朗运动漂移的测度变换

Girsanov 定理是连续时间设定下最重要的测度变换定理。其早期形式由 Cameron 和 Martin 于 1940 年代建立（针对 Wiener 测度的平移），后由 Girsanov 于 1960 年推广至一般 Itô 过程，成为随机分析的支柱性结果之一。

设 $W_t$ 是概率空间 $(\Omega, \mathcal{F}, \{\mathcal{F}_t\}, P)$ 上的标准布朗运动，$\theta_t$ 是一个 $\mathcal{F}_t$-适应过程且满足 Novikov 条件：

在 $P$ 下定义新过程 $\tilde{W}_t = W_t + \int_0^t \theta_s \, ds$。显然 $\tilde{W}_t$ 在 $P$ 下是一个带有时变漂移 $\theta_t$ 的布朗运动，而非鞅。Girsanov 定理的核心结论是：存在等价测度 $Q$，使得 $\tilde{W}_t$ 在 $Q$ 下成为标准布朗运动。该测度 $Q$ 通过指数鞅 Radon-Nikodym 导数过程定义：

$Z_t$ 满足随机微分方程 $dZ_t = -Z_t \theta_t \, dW_t$（$Z_0 = 1$），且在 Novikov 条件下为 $P$-鞅。Girsanov 定理的精髓在于：它提供了一种系统性的方式，通过改变概率测度，将漂移项"吸收"掉，从而将有漂移的随机过程转化为鞅。在具体应用中，通常选择 $\theta_t$ 来抵消目标过程中不需要的漂移项。

金融核心应用：风险中性定价

测度变换是资产定价理论数学化的基石。考虑标的资产价格 $S_t$ 在真实世界概率测度 $P$ 下服从几何布朗运动：

其中 $\mu$ 为真实预期收益率（不可直接观测），$\sigma$ 为波动率。由资产定价基本定理，市场无套利等价于存在等价鞅测度 $Q$，使得以无风险利率 $r$ 折现的资产价格 $e^{-rt} S_t$ 在 $Q$ 下为鞅。令 $\theta := (\mu - r)/\sigma$（即资产的夏普比率，亦称风险的市场价格），Girsanov 变换给出：

在新测度 $Q$ 下，资产价格过程变为：

注意漂移项从不可知的 $\mu$ 被替换为确定性的无风险利率 $r$——定价不再需要预测资产未来的期望收益。这正是 Black-Scholes 期权定价公式的推导核心：欧式看涨期权价格为 $C_0 = e^{-rT} \, \mathbb{E}^Q[\max(S_T - K, 0)]$，只需在 $Q$ 下计算到期收益的条件期望再折现。投资者仅需知晓波动率 $\sigma$ 和无风险利率 $r$，而不需要知晓 $\mu$——这一结论是金融经济学中最深远、最反直觉的洞见之一。

多维推广与计价单位变换

多资产、多风险源框架下，$d$ 维 Girsanov 定理允许多个布朗运动同时经历测度变换。更一般地，测度变换与计价单位（Numéraire）的选择构成对偶关系：设 $N_t$ 为任一正的价格过程，则存在等价测度 $Q^N$（称为以 $N$ 为计价单位的测度），使得市场上所有资产以 $N_t$ 为单位的相对价格在 $Q^N$ 下为鞅。改变计价单位等价于改变概率测度，二者通过 Radon-Nikodym 导数建立一一对应。

这一技术框架在利率衍生品定价中尤为关键。远期测度（Forward Measure）以到期日为 $T$ 的零息债券价格 $P(t,T)$ 作为计价单位，使得远期 LIBOR 利率在远期测度下为鞅——这正是LIBOR 市场模型（LMM，亦称 BGM 模型）的数学基础。互换测度（Swap Measure）以一系列零息债券的线性组合（年金因子）为计价单位，极大简化了百慕大互换期权等复杂利率衍生品的定价公式。

与计量经济学及统计推断的关联

测度变换的思想在计量经济学和统计学中以不同面貌出现，但其数学本质一脉相承。倾向得分匹配中的逆概率加权（IPW）可视作通过估计的 Radon-Nikodym 导数来调整样本选择偏差，使处理组与控制组在重新加权后达到协变量平衡。在假设检验中，Neyman-Pearson 引理所构造的最优势检验统计量正是两个密度之比，即似然比，本质上是在两个竞争测度之间比较证据强度。贝叶斯统计中的后验分布更新——从先验测度乘以似然函数得到后验测度——也可理解为以似然比为 Radon-Nikodym 导数的测度变换。

总结

测度变换实现了概率视角的根本转换：从"描述世界是什么样的"（$P$ 测度下的统计规律）转向"世界在无套利条件下应如何被定价"（$Q$ 测度下的鞅性质）。Radon-Nikodym 导数提供了两个测度之间的转换权重，Girsanov 定理则在连续时间框架下给出了漂移项吸收的具体公式。这一套数学语言不仅统一了衍生品定价、利率建模和信用风险分析中的大量技术，也揭示了看似不相关的领域——如重要性抽样、倾向得分加权和贝叶斯推断——共享着同一概率测度变换的底层逻辑。