Quant Sandbox
DerivatívákPortfólió és kockázatKötvényekVállalati pénzügyekValószínűség és mértékSztochasztikus modellekPiaci mikrostruktúraÚtmutató
Sztochasztikus modellek
Véletlen bolyongás
Bolyongás-laborSzimmetrikus véletlen sétaÁtskálázott véletlen sétaSzórásCentrális határeloszlás-tétel
Brown-mozgás
Brown-laborA Wiener-folyamat definíciójaNövekmény-felfedezőEgyüttes eloszlás és kovarianciaBrown-transzformációk és invarianciaKvadratikus variációBrown-hídFutó maximum és minimumTükrözési elvElső elérési időkElérési valószínűségek
Geometriai Brown-mozgás
LaborDefiníció: ABM és GBMEuler–MaruyamaMean reversionUgrásokKorrelált mozgások
Itô-folyamat
LaborItô-integrálItô-lemmaMartingálokGirsanov
Monte Carlo
LaborVarianciacsökkentésFeynman–Kac
Kapcsolódó útmutatók
  • Véletlen bolyongás és Brown-mozgás
  • Az Itô-lemma
  • Filtrációk, adaptált folyamatok és megállási idők
  • Feltételes várható érték és martingálok
  • A Brown-mozgás tulajdonságai
  • A tükrözési elv és az első elérési idők
  • A Brown-híd
  • Az Itô-integrál

© 2026 Quant Sandbox · Tanulást segítő eszköz a kvantitatív pénzügyekhez

Adatvédelem és adatokNincsenek sütik

Ez az oldal nem használ sütiket (cookie-kat), és nem kér személyes adatokat. Néhány apró beállítást a böngésződ helyi tárolójában (local storage) őriz meg — a választott témát és nyelvet, az oldalsáv elrendezését, valamint az útmutatókban elért haladást és a válaszaidat —, hogy a következő látogatáskor is emlékezzen rájuk. Ezek az adatok nem hagyják el az eszközödet; a böngésző tárhelyének törlésével eltávolíthatók. A módosított bemenetek az oldal URL-címében is rögzülhetnek, így megoszthatsz vagy könyvjelzőként elmenthetsz egy adott beállítást. Az oldal a Vercel Web Analytics szolgáltatást használja, amely adatvédelem-barát és süti nélküli: csak névtelen, összesített használati adatokat (például oldalletöltéseket) rögzít, anélkül hogy azonosítana téged vagy más oldalakon követne.

Együttes eloszlás és kovariancia

Mennyire függ össze a Brown-mozgás két különböző időpontbeli értéke?

Cél: mérd meg, hogy Cov(W(s), W(t)) = min(s, t), és lásd, hogy a W(s)-től független rész éppen a növekmény.

Szimulációs beállítások

Időablak [s, t]A diagramon is állítható: húzd az árnyékolt ablakot vagy a széleit
0.30
0.050.95
0.70
0.11
1,500
503000
7
19999
Tippelj először

Az aktuális ablakra mennyi Cov(W(0.30), W(0.70))?

Kovarianciamátrix

0.300elmélet 0.300
?elmélet ?
?elmélet ?
0.701elmélet 0.700
Empirikus korreláció
?
Elméleti korreláció
?

Előbb tippeld meg a kovarianciát, majd fedd fel, hogy összevesd az empirikus és az elméleti értékkel.

Próbáld ki

  1. Húzd t-t s felé: mi történik az ellipszissel, és miért?
  2. Váltsd át az y tengelyt W(t) − W(s)-re: hova lesz a dőlés?
  3. Húzd a szeletet (a rózsaszín fogantyút): hogyan függ W(t) feltételes eloszlása W(s) értékétől — és hogyan nem?
Két időpont: s és t

Húzd az árnyékolt ablakot az eltoláshoz, a széleit az átméretezéshez. A színes pályák pontjai a jobb oldali diagramon ugyanilyen színnel jelennek meg.

(W(s), W(t)) együttes eloszlása

W(s) = 0.80 ⇒ W(t) ~ N(0.80, 0.40). A szaggatott vonal E[W(t) | W(s)] = W(s): a legjobb tipp a jelenlegi érték. Bárhova húzod a szeletet, a feltételes szórás √(t − s) marad.