随机微分方程（SDEs）：从金融建模到生成式AI的随机引擎

随机微分方程（Stochastic Differential Equations, SDEs）是描述受随机噪声影响的动态系统的核心数学工具。它融合了微分方程与随机过程理论，为金融、物理、生物等领域的复杂系统建模提供了严格框架。本文将从基础理论、求解方法、跨领域应用及前沿进展全面解析SDEs。

基础概念与历史脉络

定义：SDEs的标准形式为： $$dX_t = a(X_t, t)dt + b(X_t, t)dW_t$$ 其中：

• $a(X_t, t)$为漂移项：描述系统的确定性演化（如股票的平均收益率）
• $b(X_t, t)$为扩散项：刻画随机扰动的强度（如资产价格的波动率）
• $W_t$为布朗运动：满足 $dW_t \sim \mathcal{N}(0, dt)$，是连续不可微的随机过程

历史发展：

1. 1827年：罗伯特·布朗发现花粉微粒在水中的无规则运动（布朗运动）
2. 1905年：爱因斯坦建立布朗运动的数�