第9讲 常微分方程（Ordinary Differential Equations）

1. 一阶常微分方程基础#

1.1 分离变量法#

适用于形如 $\frac{dy}{dx} = f(x)g(y)$ 的方程

解法步骤：

分离变量： $\frac{1}{g(y)}dy = f(x)dx$
两边积分： $\int \frac{1}{g(y)} dy = \int f(x) dx + C$

例题：

求解 $\frac{dy}{dx} = xy^2$

解：

\begin{align*} \frac{1}{y^2} dy &= x dx \\ \int y^{-2} dy &= \int x dx \\ -y^{-1} &= \frac{1}{2}x^2 + C \\ y &= -\frac{1}{\frac{1}{2}x^2 + C} \end{align*}

学习建议：

特别注意当 $g(y)=0$ 时的特解（奇异解）
积分后注意检查对数函数的定义域

1.2 齐次方程#

当方程可表示为 $\frac{dy}{dx} = F(\frac{y}{x})$ 时

解法步骤：

令 $z = \frac{y}{x}$ ，则 $y = xz$
代入方程： $x\frac{dz}{dx} + z = F(z)$
分离变量后积分

例题：

求解 $\frac{dy}{dx} = \frac{x^2 + y^2}{xy}$

解：

\begin{align*} \frac{dy}{dx} &= \frac{1 + (\frac{y}{x})^2}{\frac{y}{x}} \\ 令 z = \frac{y}{x} &\Rightarrow y = xz \\ x\frac{dz}{dx} + z &= \frac{1+z^2}{z} \\ \int \frac{z}{1-z^2} dz &= \int \frac{1}{x} dx \\ -\frac{1}{2}\ln|1-z^2| &= \ln|x| + C \end{align*}

2. 一阶线性微分方程#

标准形式： $\frac{dy}{dx} + P(x)y = Q(x)$

2.1 积分因子法#

解法步骤：

计算积分因子： $\mu(x) = e^{\int P(x)dx}$
方程两边乘以积分因子
左边转化为全微分形式： $\frac{d}{dx}[\mu(x)y] = \mu(x)Q(x)$
两边积分求解

例题（复利计算）：

连续复利模型： $\frac{dA}{dt} = rA$

解：

\begin{align*} \mu(t) &= e^{-\int r dt} = e^{-rt} \\ \frac{d}{dt}[e^{-rt}A] &= 0 \\ A(t) &= A_0 e^{rt} \end{align*}

学习建议：

注意识别方程是否线性
积分常数处理要谨慎

3. 金融应用专题#

3.1 复利模型扩展#

考虑定期存款的连续复利模型：

\frac{dA}{dt} = rA + D

解法：使用积分因子法，最终解为：

A(t) = \left(A_0 + \frac{D}{r}\right)e^{rt} - \frac{D}{r}

3.2 市场饱和模型#

类比人口模型：

\frac{dP}{dt} = rP(M - P)

金融解读：

P代表产品市场渗透率，M为市场最大容量

解：

P(t) = \frac{M}{1 + (\frac{M}{P_0} - 1)e^{-rt}}

4. 重要数学工具#

4.1 泰勒展开#

金融中的期权定价常用：

f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!}(x-a)^n

常见函数的泰勒级数展开：

函数	幂级数展开式
$\frac{1}{1-x}$	$\sum_{n=0}^{\infty} x^n（当 \\|x\\| < 1 时收敛）$
$e^x$	$\sum_{n=0}^{\infty} \frac{x^n}{n!} （对所有 x 值收敛）$
$\sin(x)$	$\sum_{n=0}^{\infty} \frac{(-1)^n x^{2n+1}}{(2n+1)!} （对所有 x 值收敛）$
$\cos(x)$	$\sum_{n=0}^{\infty} \frac{(-1)^n x^{2n}}{(2n)!} （对所有 x 值收敛）$
$\ln(1+x)$	$\sum_{n=0}^{\infty} \frac{(-1)^n x^{n+1}}{n+1} （当 \\|x\\| < 1 时收敛）$

这些幂级数展开在数学和物理中有广泛应用：

函数近似计算：通过取有限项来近似计算函数值
积分求解：将复杂函数展开后逐项积分
微分方程求解：使用幂级数法解微分方程
分析奇点和收敛性：研究函数在特定点附近的行为
物理模型：在量子力学、电磁学等领域用于描述物理现象

4.2 微分方程数值解#

欧拉方法：

y_{n+1} = y_n + hf(x_n, y_n)

应用场景：

当解析解难以求得时，用于利率路径模拟

学习建议：

熟练掌握分离变量和积分因子法
重视微分方程与经济指标的关系
数值解法需要编程实践

套利中的常微分方程#

常微分方程（ODE）在金融套利模型中可以描述套利机会随时间的动态变化。一阶常微分方程通常表示为：

\frac{dA}{dt} = f(A, t)

其中：

A(t) 表示套利机会大小
$\frac{dA}{dt}$ 表示套利机会随时间的变化率
f(A, t) 描述了影响变化的因素

套利衰减模型

最简单的套利模型假设套利机会以与其当前规模成比例的速率衰减：

\frac{dA}{dt} = -kA

其中：

k 是正常数，表示市场效率系数
解析解为： $A(t) = A_0 e^{-kt}$

这反映了一个基本市场原则：套利机会被发现后会迅速减少。

套利反馈模型

考虑交易者行为对套利机会的影响：

\frac{dA}{dt} = -kA - \alpha V(t)

其中：

V(t) 表示参与套利的交易量
$\alpha$ 表示交易对套利机会的影响系数

复杂套利动态模型

实际金融市场中，套利机会动态可能更复杂：

\frac{dA}{dt} = -kA + \sigma(t) - \beta A^2

其中：

$\sigma(t)$ 表示市场不平衡创造的新套利机会
$\beta A^2$ 项表示大型套利机会吸引更多交易者导致的非线性衰减

随机微分方程扩展

将随机性引入模型：

dA = (-kA)dt + \sigma dW_t

其中：

$dW_t$ 是维纳过程（布朗运动）
$\sigma$ 是波动率参数

策略应用

1. 最优交易时机

利用微分方程解确定最优交易时机：

V^*(t) = \arg\max_V \int_0^T e^{-rt}[A(t)V(t) - C(V(t))]dt

满足： $\frac{dA}{dt} = -kA - \alpha V(t)$

2. 套利机会半衰期计算

基于指数衰减模型，套利半衰期为：

t_{1/2} = \frac{\ln(2)}{k}

3. 均值回归套利策略

若价格差异遵循 Ornstein-Uhlenbeck 过程：

dA = \theta(\mu - A)dt + \sigma dW_t

其中：

$\theta$ 是回归速度
$\mu$ 是长期均值

实际应用案例

跨市场套利

两个市场间的价格差动态可建模为：

\frac{d\Delta P}{dt} = -k\Delta P + \eta(t)

其中 $\eta(t)$ 代表市场摩擦或信息不对称。

统计套利

配对交易中协整关系的偏离可建模为：

\frac{dZ}{dt} = -\theta Z + \sigma\varepsilon(t)

其中 Z 是标准化价差得分。

求解方法

解析解：适用于简单线性方程
数值方法：如欧拉法、龙格-库塔法，用于复杂非线性方程
相位图分析：识别系统稳定点和行为模式

常微分方程为理解和预测套利机会的时间演化提供了强大框架，帮助交易者开发更精细的策略，把握市场效率过程中的短暂机会。