KNOWECON WIKI

ARTICLE

莱维过程

莱维过程 (Lévy Process) 莱维过程是概率论中一类重要的随机过程，以法国数学家保罗·莱维（Paul Lévy）的名字命名。它是具有独立平稳增量（independent and stationary increments）的右连左极（càdlàg）随机过程，可以理解为布朗运动和泊松过程的推广。莱维过程在金融数学、物理学、精算科学和排队论等领域有着广

浏览 3 更新 2026-07-14

莱维过程 (Lévy Process)

莱维过程是概率论中一类重要的随机过程，以法国数学家保罗·莱维（Paul Lévy）的名字命名。它是具有独立平稳增量（independent and stationary increments）的右连左极（càdlàg）随机过程，可以理解为布朗运动和泊松过程的推广。莱维过程在金融数学、物理学、精算科学和排队论等领域有着广泛的应用，为建模包含跳跃（jump）和不连续性的随机现象提供了灵活的数学框架。

定义与基本性质

设 {Xt}t≥0\{X_t\}_{t \geq 0} 是定义在概率空间 (Ω,F,P)(\Omega, \mathcal{F}, \mathbb{P}) 上的随机过程，若满足以下条件，则称其为莱维过程：

  1. X0=0X_0 = 0 几乎必然\text{几乎必然}（almost surely）；
  2. 独立增量：对任意 0≤s<t0 \leq s < t，增量 Xt−XsX_t - X_s 与 σ\sigma-代数 Fs\mathcal{F}_s 独立；
  3. 平稳增量：对任意 0≤s<t0 \leq s < t，增量 Xt−XsX_t - X_s 的分布仅依赖于时间差 t−st - s，而与起始时刻 ss 无关；
  4. 随机连续性：对任意 ε>0\varepsilon > 0，lim⁡h→0P(∣Xt+h−Xt∣>ε)=0\lim_{h \to 0} \mathbb{P}(|X_{t+h} - X_t| > \varepsilon) = 0，即过程在概率意义下连续（不要求轨道连续）；
  5. 样本轨道右连左极（càdlàg）。

其中，随机连续性（stochastic continuity）排除了在固定时刻发生跳跃的可能性，但并不排除样本轨道在随机时刻出现跳跃。正是这一性质使得莱维过程既能包含连续轨道（如布朗运动），也能包含纯跳过程（如泊松过程），以及两者的混合。

莱维-辛钦公式

莱维过程的核心结构定理是莱维-辛钦公式（Lévy-Khintchine formula），它完全刻画了莱维过程的特征函数。对任意莱维过程 {Xt}t≥0\{X_t\}_{t \geq 0}，其特征函数可表示为：

E[eiuXt]=exp⁡{t[iau−12σ2u2+∫R∖{0}(eiux−1−iux1∣x∣<1)ν(dx)]}\mathbb{E}[e^{i u X_t}] = \exp \left\{ t \left[ i a u - \frac{1}{2} \sigma^2 u^2 + \int_{\mathbb{R}\setminus\{0\}} \left( e^{i u x} - 1 - i u x \mathbf{1}_{|x| < 1} \right) \nu(dx) \right] \right\}

其中 (a,σ2,ν)(a, \sigma^2, \nu) 称为该莱维过程的莱维三元组（Lévy triplet），分别对应：

  • a∈Ra \in \mathbb{R}：漂移系数（drift coefficient），刻画过程的确定性趋势；
  • σ2≥0\sigma^2 \geq 0：高斯系数（Gaussian coefficient），对应连续布朗运动部分的方差；
  • ν\nu：莱维测度（Lévy measure），定义在 R∖{0}\mathbb{R}\setminus\{0\} 上，满足 ∫R∖{0}min⁡(1,x2)ν(dx)<∞\int_{\mathbb{R}\setminus\{0\}} \min(1, x^2) \nu(dx) < \infty，刻画跳跃的频率和幅度分布。

莱维-辛钦公式揭示了所有莱维过程均可分解为三个独立成分的叠加：一个线性漂移、一个布朗运动（连续扩散部分）和一个纯跳过程（复合泊松过程极限形式）。

莱维-伊藤分解

莱维-伊藤分解（Lévy-Itô decomposition）是莱维-辛钦公式的样本轨道版本，它将莱维过程显式构造为三个独立随机成分之和：

Xt=at+σBt+JtX_t = a t + \sigma B_t + J_t

其中 BtB_t 是标准布朗运动，JtJ_t 是纯跳部分。跳跃部分又可进一步分解为大跳跃和小跳跃的和：大跳跃（∣x∣≥1|x| \geq 1）在有限时间区间内仅有有限多次，构成一个复合泊松过程；小跳跃（∣x∣<1|x| < 1）虽然可能有无限多次，但通过适当的中心化处理后收敛为平方可积的鞅过程。这一分解过程奠定了莱维过程的数学理论基础，使得对跳跃的精细分析成为可能。

常见特例

莱维过程涵盖了一个广泛的随机过程族，以下是最重要的几个特例：

布朗运动

当 ν=0\nu = 0、σ2>0\sigma^2 > 0 时，莱维过程退化为带漂移的布朗运动 Xt=at+σBtX_t = a t + \sigma B_t，其样本轨道连续，无跳跃。

泊松过程

当 a=0a = 0、σ2=0\sigma^2 = 0、ν(dx)=λδ1(dx)\nu(dx) = \lambda \delta_1(dx)（即跳跃幅度固定为1的复合泊松过程）时，得到强度为 λ\lambda 的泊松过程。其样本轨道为分段常数，在随机时刻以单位幅度向上跳跃。

复合泊松过程

当 a=0a = 0、σ2=0\sigma^2 = 0、ν\nu 为有限测度（即 λ=ν(R)<∞\lambda = \nu(\mathbb{R}) < \infty）时，莱维过程简化为复合泊松过程 Xt=∑i=1NtYiX_t = \sum_{i=1}^{N_t} Y_i，其中 NtN_t 为强度 λ\lambda 的泊松过程，YiY_i 为独立同分布的跳跃幅度。

方差伽马过程

方差伽马过程（Variance Gamma process）是一种纯跳莱维过程，通过将布朗运动中的时间进行伽马随机变换得到。其莱维测度具有形式：

ν(dx)=C∣x∣exp⁡(−∣x∣M)1x>0dx+C∣x∣exp⁡(−∣x∣G)1x<0dx\nu(dx) = \frac{C}{|x|} \exp\left( -\frac{|x|}{M} \right) \mathbf{1}_{x>0} dx + \frac{C}{|x|} \exp\left( -\frac{|x|}{G} \right) \mathbf{1}_{x<0} dx

方差伽马过程能够捕捉金融收益率中的尖峰厚尾特征，在期权定价中广泛用于替代布朗运动。

正态逆高斯过程

正态逆高斯过程（Normal Inverse Gaussian process）同样是一类纯跳莱维过程，由正态方差混合分布导出，能够灵活地刻画偏度和峰度，在金融建模中表现优异。

金融数学中的应用

莱维过程在金融数学中具有重要地位，主要原因是金融资产价格的收益率分布普遍表现出与正态分布显著偏离的尖峰厚尾特征——即极端收益发生的频率远高于布朗运动-布莱克-斯科尔斯模型的预测。将莱维过程引入金融建模的主要优势在于：

  1. 跳跃风险的刻画：莱维过程允许资产价格在瞬间发生跳跃，从而捕捉重大新闻事件、政策变动或市场崩盘等情景；
  2. 厚尾分布拟合：通过选择合适的莱维测度，莱维过程能够产生具有肥尾（fat tails）特征的收益率分布，与实证数据更好地吻合；
  3. 完备市场与不完备市场：在莱维过程驱动的市场模型中，由于跳跃的存在，市场通常是不完备的（incomplete market），这为期权定价带来了新的挑战——等价鞅测度不唯一，需要引入额外的经济准则（如最小熵鞅测度、Esscher变换等）来选择合适的定价测度；
  4. 期权定价的解析方法：得益于莱维-辛钦公式的闭式特征函数表达，许多莱维过程模型下的欧式期权定价可通过快速傅里叶变换（FFT）高效实现，这极大地推动了莱维过程在量化金融中的实际应用。

经典的布莱克-斯科尔斯模型（Black-Scholes model）假设资产价格服从几何布朗运动，其收益率服从正态分布。然而，大量实证研究表明，金融收益率在日度及更高频数据中呈现显著的尖峰厚尾性，且波动率存在集聚效应。莱维过程通过引入跳跃成分，能够在保留马尔可夫性的同时捕捉这些特征。默顿跳跃扩散模型（Merton jump-diffusion model）首次将复合泊松跳跃引入布朗运动框架，是莱维过程在金融中应用的奠基性工作。

模拟与统计推断

莱维过程的模拟通常依赖于莱维-伊藤分解：布朗运动部分用标准方法模拟，大跳跃部分用复合泊松过程模拟，小跳跃部分则用布朗运动近似（或通过欧拉离散化）。在实际应用中，广义双曲线分布族（包括正态逆高斯分布和方差伽马分布作为特例）因其良好的解析性质和参数灵活性而受到青睐。

统计推断方面，基于离散观测数据估计莱维过程的参数是一个活跃的研究领域。主要方法包括：极大似然估计（当转移密度有闭式表达式时）、广义矩方法（GMM，利用特征函数条件）、经验特征函数法以及MCMC贝叶斯方法。在高频观测条件下，还可以利用实现变差（realized variance）和实现跳跃变差（realized jump variation）等非参数方法分离连续部分和跳跃部分。

总结

莱维过程是概率论中一类优雅而深刻的随机过程，它以独立平稳增量和允许跳跃为标志性特征，将布朗运动、泊松过程和更一般的跳跃过程统一在一个数学框架之下。莱维-辛钦公式和莱维-伊藤分解分别从分布和轨道两个层面揭示了其内部结构，表明所有莱维过程均可分解为漂移、连续扩散和纯跳三个独立成分。在金融数学领域，莱维过程为超越布莱克-斯科尔斯的正态性假设、更真实地建模资产价格行为提供了强有力的工具，使得对跳跃风险、厚尾性和波动率微笑的刻画成为可能。随着计算方法的不断进步和金融数据的日益丰富，莱维过程在量化金融、风险管理和精算科学中的应用将持续深化。