模块 A：电子表格上的布朗运动教程（Brownian Motion on a Spreadsheet, a Tutorial）

导读：本模块要解决的问题

这是 Part IV"模块"的第一篇，性质是教程：在 Excel 上一步步搭出几何布朗运动，再扩到二资产、三资产，把相关性的几何直觉建立起来。对一个已经能写出随机微分方程、推过 Itô 引理、做过 Cholesky 分解的读者，逐格敲公式的部分是复习，本模块真正值得停下来想的，是 Taleb 在教程里顺手埋下的四个理论锚点：

把"等步长的醉汉"过渡到"非等步长的 $W_{t}$ "，靠的是中心极限定理（最简形式 DeMoivre-Laplace）。 $+ 1/ - 1$ 的二项游走在步数增大时收敛到钟形。
标准差为什么是时间的平方根。因为每步方差相加、增量独立，方差线性可加而标准差走 $t$ 。
扩散过程为什么处处连续却处处不可导。这背后是 $Δ S^{2} \to σ^{2} Δ t$ 这条随机微积分的核心规则，它直接决定了 BSM 框架下"再频繁对冲也降不掉期权成本"。
二资产、三资产游走如何用协方差矩阵的 Cholesky 分解一次生成相关收益。同心圆、椭球、退化到直线，都是相关性矩阵秩与形状的几何显示。

布朗运动被拆成两块：

Brownian = Random + Drift

本模块只管随机部分，drift 留给 Module B。笔记沿原文顺序展开：经典单资产游走、两个问题（CLT 与 $t$ ）、扩散的本质、二资产与相关性、三资产扩展。

一、经典单资产随机游走

随机游走（random walk）说的是：证券价格在某段时间内的价格变动中，有一部分是随机的；不预期为随机的那部分叫漂移（drift）。为效率起见，假设金融工具遵循一个随机过程。

Taleb 用麦迪逊大道上的醉汉打比方。烂醉的人对自己刚才在哪毫无记忆（无记忆性），只能向前走、步速恒定，每一步要么"前进 + 左"、要么"前进 + 右"（图 A.1）。走 10 步后，从"10 前 + 10 左"到"10 前 + 10 右"，中间所有组合都可能。

图 A.1 随机游走

证券市场被假设遵循类似的游走，只有一处不同：步长随资产价格大小而增大。这正是几何布朗运动相对算术布朗运动的关键，价格变动按比例而非按绝对量发生。

在 Excel 上搭出来

教程的操作（作为复习记录）：生成 248 个均值 0、标准差 1 的正态随机数放进 B4 起的列；A3 放初始价 100，A2 放波动率 0.157。这里 248 天的年化标准差是 $248 \times 1% = 15.7%$ ，即 248 个交易日、日波动率约 1%。A4 填入

S_{t} = S_{t - 1} \times exp (- \frac{1}{2} σ^{2} t + σ t W_{t})

对应到单元格： $S_{t} =$ A4， $S_{t - 1} =$ A3， $t = 1/248$ ， $t = SQRT (1/248)$ ， $W_{t}$ 是均值 0 的随机数。向下复制到 A251，得到一条日收益路径。选 A3:A251 作图，就得到图 A.2 的几何布朗运动。重新生成一批"白噪声"会画出新路径；加大波动率会放大波动幅度。

图 A.2 几何布朗运动

理论映射：那个 $- \frac{1}{2} σ^{2} t$ 项是 Itô 修正

对这位读者，公式里唯一需要点一句的是漂移里的 $- \frac{1}{2} σ^{2} t$ 。它是 Itô 引理作用在 $ln S$ 上的产物，并非随手加的一个折扣项。若 $d S / S = σ d W$ （无真实 drift），则

d ln S = (- \frac{1}{2} σ^{2}) d t + σ d W

那个 $- \frac{1}{2} σ^{2}$ 正是凸函数 $ln$ 与 Jensen 不等式带来的凸性修正，保证 $E [S_{t}] = S_{0}$ （鞅性）。电子表格里把它写进指数，就是为了让模拟出来的几何布朗运动期望不漂移、方差由 $σ$ 单独控制。

二、两个问题：CLT 与平方根时间

问题 1：等步长的醉汉如何变成非等步长的 $W_{t}$

读者必问的问题：醉汉每步等长， $W_{t}$ 却能取 0.56、1.03 这种 $(- \infty, \infty)$ 间的任意值，二者怎么衔接？

答案在概率定律的核心：把时间切成无穷小的片段（比如 $\frac{1}{20}$ 秒），每片只发生数字化的 $+ 1$ 或 $- 1$ 。1 秒由 10 步组成，这些移动之和均值为 0、散布在 $- 10$ 到 $+ 10$ 之间。若 $+ 1/ - 1$ 来自"公平"的随机数发生器，1 秒移动的直方图会呈现清晰的钟形。在表格里建一棵树，上枝 $+ 1$ 、下枝 $- 1$ ，会有 1024 条样本路径通向 11 个可能结果（10 步后结果只能是偶数）。最终比例见表 A.1，画出来是图 A.3：

上涨	下跌	净移动	出现次数
10	0	10	1
9	1	8	10
8	2	6	45
7	3	4	120
6	4	2	210
5	5	0	252
4	6	-2	210
3	7	-4	120
2	8	-6	45
1	9	-8	10
0	10	-10	1
		合计	1024

图 A.3 （近似）钟形

这是中心极限定理的一个启发式推导（最简形式即 DeMoivre-Laplace）。 $+ 1/ - 1$ 随机步之和，随观测数增加趋向图 A.3 的钟形分布。一个表面上的约束是步长必须始终相同。Taleb 点了一句很值得玩味的话：这条定律在这个语境下最好懂，却也许是数学史上被误解最多的定律。

理论映射：CLT 的适用边界正是 Taleb 全书的靶子

为什么说它被误解最多？因为 DeMoivre-Laplace 收敛依赖步长有限方差、增量独立同分布。一旦真实市场的步长本身是随机的、带厚尾、带跳跃（方差无穷或时变），高斯极限就不再成立，收敛会极慢甚至失效。这恰是 Taleb 后来在第 15 章、以及整个职业生涯反复敲打的主题。教程在这里只是埋了个伏笔：钟形是"等步长、独立、有限方差"三个假设的产物，三者任一破裂，正态近似就要打折。

问题 2：标准差为什么是时间的平方根

前面假设 $+ 1/ - 1$ 分布每步是一个时间单位。标准差是各步移动平方和的平方根。这里每步平方都是 $(- 1)^{2} = (1)^{2} = 1$ ，且均值 $E (W) = 0$ ，于是

σ = i = 1 \sum n \frac{( W _{i} - W ) ^{2}}{n} = i = 1 \sum n \frac{W _{i}^{2}}{n}

由于所有 $W^{2} = 1$ ，而时间 $t$ 等于步数 $n$ ，得 $σ = t$ 。所以二元 $+ 1/ - 1$ 游走的标准差等于步数的平方根。本例标准差为 $10 = 3.16$ ，约三分之二的路径落在 $+ 3.16$ 与 $- 3.16$ 之间。

理论映射： $t$ 来自方差可加，而方差可加来自独立增量

把推导抽象一层：独立增量下方差线性可加， $Var (\sum_{i = 1}^{n} X_{i}) = \sum_{i} Var (X_{i}) = n σ_{step}^{2}$ ，所以标准差走 $n \propto t$ 。"约三分之二落在 $\pm 1$ 标准差内"就是正态的 68% 法则。这条 $t$ 法则是波动率年化、期权定价里 $σ T$ 的根。但它的成立前提同样是增量独立，第 22、23 章讨论的 variance ratio、均值回复、异方差，本质都是在检验"方差是否真的与时间线性成比例"。一旦不成立，用日波动率乘 $T$ 去推长期波动率就会系统性出错。

三、Option Wizard：扩散过程

电子表格上的随机游走演示的是一个扩散过程（diffusion）。

扩散的主要性质是：无论时间切得多细，函数始终是锯齿状的。它在几何上永远像下面这条样本路径：

扩散样本路径（粗粒度）

同一条样本路径用更频繁的观测看，是这样：

扩散样本路径（细粒度）

把时间切成更小的增量，也不会让任何一段变得更"圆滑"。它虽然连续，却处处不可导，且任何时候都不会变得可导。描述这种锯齿性的时髦词是"分形（fractal）"结构。

大学微积分通过泰勒方法教过：任何函数在很窄的一段里都能展开成含各阶导数的多项式：

f (x + Δ x) = f (x) + f^{'} (x) Δ x + \frac{1}{2} f^{''} (x) (Δ x)^{2} + \dots + \frac{1}{n !} f^{(n)} (x) (Δ x)^{n}

微积分也教过，对时间 $t$ 的函数 $S$ ，当分割变得很小， $(Δ S)^{2} \to 0$ 。但随机微积分的一条基本规则是：无论时间切得多小， $Δ S^{2}$ 因其中的随机元素而不消失。事实上

Δ S^{2} \to σ^{2} Δ t

理论映射：二次变差不为零，这就是 Itô 微积分与"对冲降不了成本"的根

这一节是整个模块对期权交易员最要紧的一句。普通（光滑）函数的二次变差为零，所以泰勒展开里二阶项 $(Δ x)^{2}$ 可丢。布朗运动不同，它的二次变差 $\sum (Δ W)^{2} \to t$ 不为零，写成微分记号就是 $(d W)^{2} = d t$ 。这正是 Itô 引理多出那个二阶项的来源，也是 $- \frac{1}{2} σ^{2}$ 修正、乃至整个 BSM 定价的数学地基。

Taleb 把它翻译成交易语言：如果标的曲线在局部存在某种光滑性，那么只要对冲频率匹配那个增量，gamma 再平衡的"制造成本"就能降低。但 BSM 不允许这种事，即便交易员每十亿分之一秒再平衡一次，期权成本也不会下降。理由就在 $Δ S^{2} \to σ^{2} Δ t$ ：再平衡赚的 gamma 收益与付的 theta，在每个时间尺度上都按 $σ^{2} Δ t$ 等比例出现，缩短间隔只是把同一笔租金切得更碎，总量不变。这是"持有凸性必须付租金、且租金不因勤快而减少"的最底层证明。

四、二资产随机游走：相关性的引入

单资产游走对应醉汉，二资产对应空间里的一只醉鸟。它的位置由高度和地图上的位置（南北、东西）决定，需要三条信息，所以在三维里考虑。二资产游走在电脑上很容易模拟，不需要很复杂的矩阵代数，难处在于要估三个参数：资产 A 的波动率、资产 B 的波动率、两者相关性。

用协方差矩阵 + Cholesky 生成相关收益

教程的做法（作为复习记录）：生成两列独立正态随机数。第一列资产 A 独立，第二列要通过相关性"桥接"到第一列。先命名单元格 Vol1、Vol2、Correl，再建 2×2 协方差矩阵：

Σ = [Vol1^{2} Correl \cdot Vol2 \cdot Vol1 Correl \cdot Vol1 \cdot Vol2 Vol2^{2}]

然后用 Cholesky 分解这个矩阵：

a_{11} = C 2, a_{12} = \frac{C 3}{a _{11}}, a_{22} = D 3 - a_{12}^{2}

再生成符合相关性矩阵的对数收益：

RET A = a_{11} \cdot A, RET B = a_{12} \cdot A + a_{22} \cdot B

单元格	A	B	C	D	E	F
1	Vol1	1	Cov	Matrix	Cholesky
2	Vol2	1	1	0	1
3	Correl	0	0	1	0	1

当 $a_{22} = 0$ 时收益 B 完全独立于收益 A（此例 Correl=0）。

图 A.4 二资产随机游走的日移动（相关性 = 0）

图 A.4 把成对收益画出来，呈现一个圆：中心点密度很高，向外递减。交易员看单资产分布是钟形曲线，看一对资产就要看成同心圆。

图 A.5 两资产收益的标准差

图 A.6 三维视角

图 A.5、A.6 把这个二维钟形（联合正态密度）从俯视的同心圆翻成三维的钟形曲面。

理论映射：Cholesky 就是给独立噪声"染上"相关性的线性变换

这套表格操作的数学身份是：要生成协方差为 $Σ$ 的相关高斯向量，取独立标准正态向量 $Z$ ，做线性变换 $X = L Z$ ，其中 $L$ 是 $Σ = L L^{T}$ 的 Cholesky 下三角因子。验证一行就够： $Cov (X) = L Cov (Z) L^{T} = L I L^{T} = L L^{T} = Σ$ 。表格里的 $a_{11}, a_{12}, a_{22}$ 正是 $L$ 的三个非零元， $RET B = a_{12} A + a_{22} B$ 就是把一份 A 的噪声按相关性"掺"进 B。这与第 22 章墨西哥票据定价里 $ρ x + 1 - ρ^{2} y$ 是同一个东西，那其实就是 2×2 单位波动率情形下 Cholesky 的第二行。

改变相关性：圆如何坍缩成线

图 A.7 二资产布朗运动：90% 相关性

图 A.7 显示，相关性趋向 1 时，散点云向中心压缩、形成一条线；相关性趋向 $- 1$ 时也形成一条线，只是收益大小相等、符号相反。

图 A.8 高相关实例：5 年与 10 年美债价格变动百分比（1994/3–1995/5）

图 A.8 用 5 年和 10 年美债的真实数据，让读者把模拟和现实世界的高相关对照，散点确实挤成一条斜带。

图 A.9 相关性 = 1

图 A.9 是相关性为 1 的结果，散点完全落在一条直线上。

理论映射：相关性是协方差椭圆的离心率，±1 时矩阵降秩

同心圆/椭圆坍缩成线，几何上就是联合正态等高线（椭圆）随 $∣ ρ ∣ \to 1$ 离心率趋于 1、短轴趋于 0。代数上， $ρ = \pm 1$ 时协方差矩阵行列式 $det Σ = σ_{A}^{2} σ_{B}^{2} (1 - ρ^{2}) \to 0$ ，矩阵降秩、退化，Cholesky 的 $a_{22} = σ_{B}^{2} - a_{12}^{2} \to 0$ ，B 不再有独立于 A 的自由度。这就是第 22 章那句"相关性矩阵必须保持半正定、否则相当于负波动率"的几何对应： $∣ ρ ∣ > 1$ 会让短轴方差变负，椭圆翻转，不存在这样的分布。

要加第三个证券，过程相同：第三个收益对前两个的关系，类似第二个收益对第一个的关系（即 Cholesky 多加一行）。

五、扩展：三资产随机游走

二资产收益能表示后，三个不相关资产组合的终点到达可以看成一个球（图 A.10）。1 个标准差是小球、2 个标准差是更大的球，以此类推，取代了二维的同心圆。

图 A.10 三个不相关资产收益的一个标准差

当其中一个资产没有波动率（称为"退化 degenerate"）时，问题退回二资产世界（图 A.11）。

图 A.11 三资产中一个退化时的一个标准差

当其中两个资产完全相关（100%）时，结果也是一个二资产环境（图 A.12）。当三个资产都完全相关时，结果是一条线。

图 A.12 三资产中另两个 100% 相关时的一个标准差

理论映射：椭球的形状就是协方差矩阵的谱

三资产的"1 标准差曲面"是联合正态的等高面，几何上是一个椭球 $x^{T} Σ^{- 1} x = 1$ ，它的三条主轴方向是 $Σ$ 的特征向量、轴长正比于特征值的平方根。这把前面所有图统一起来：球（ $Σ$ 各特征值相等、各资产独立同波动率）、椭球（特征值不等）、退化成圆盘或直线（某个特征值为零，即矩阵降秩）。一个资产"退化"对应一个零特征值，把椭球压扁成二维圆盘；两资产 100% 相关同样制造一个零特征值，效果一样；三资产全相关则只剩一个非零特征值，椭球压成一维线段。维数即矩阵的秩，相关性把高维椭球沿某些方向压平的程度，就是组合真实自由度的度量。这正是 bucketing 与组合风险管理里"有效风险维数"的几何来源。

六、本模块综述：理论与实务的对照

Taleb 的教程命题	对应的理论命题
醉汉等步长 → 非等步长 $W_{t}$	中心极限定理（DeMoivre-Laplace），二项收敛到正态
钟形依赖"等步长"约束	CLT 需独立、同分布、有限方差；厚尾/跳跃下失效
标准差是时间的平方根	独立增量下方差线性可加， $σ \propto t$
公式里的 $- \frac{1}{2} σ^{2} t$	Itô 引理作用于 $ln S$ 的凸性修正，保鞅性
扩散处处连续却处处不可导	二次变差不为零， $(d W)^{2} = d t$
再频繁对冲也降不了期权成本	gamma 收益与 theta 按 $σ^{2} Δ t$ 等比出现
用协方差矩阵 + Cholesky 生成相关收益	$X = L Z$ ， $Σ = L L^{T}$ ， $Cov (X) = Σ$
相关性趋 ±1 时圆坍缩成线	$det Σ = σ_{A}^{2} σ_{B}^{2} (1 - ρ^{2}) \to 0$ ，矩阵降秩
三资产终点是球/椭球，退化为圆盘/线	等高面 $x^{T} Σ^{- 1} x = 1$ ，主轴即特征向量，维数即秩
$ρ x + 1 - ρ^{2} y$ （第22章）	单位波动率下 Cholesky 的第二行

核心观点

第一，几何布朗运动是"对数收益独立同分布、方差按时间线性累积"这一组假设的产物。电子表格把这组假设变成可见的路径，钟形、 $t$ 、 $- \frac{1}{2} σ^{2}$ 都从这里长出来。

第二，扩散的不可导性是期权定价的地基，远非一个技术细节。 $Δ S^{2} \to σ^{2} Δ t$ 决定了二次变差不灭，决定了 Itô 修正，也决定了对冲租金不会因勤奋而消失。

第三，相关性的全部几何都装在协方差矩阵里。Cholesky 把独立噪声染上相关性，特征值/秩决定椭球的形状和组合的有效维数， $∣ ρ ∣ \to 1$ 就是矩阵降秩、自由度坍缩。

第四，所有这些钟形与正态近似都带着前提。等步长、独立、有限方差三者支撑着 CLT 和 $t$ ，而 Taleb 全书的警觉正落在这三个前提何时破裂。

一句话收束

本模块最该记住的一句：电子表格上的布朗运动把三件事画给你看——钟形来自中心极限定理、 $t$ 来自独立增量下的方差可加、相关性来自协方差矩阵的 Cholesky 分解；而扩散二次变差不灭这一条，才是期权制造成本无法靠勤快对冲压低的根本原因。