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.

Növekmény-felfedező

Mit tudunk a Brown-mozgás egy tetszőleges időablakbeli megváltozásáról?

Cél: igazold kísérletileg, hogy W(t) − W(s) ~ N(0, t − s), és hogy csak az ablak hossza számít, nem a helye.

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
400
503000
7
19999

A W(t) − W(s) növekmény

Empirikus átlag
-0.014
Elméleti átlag
0.000
Empirikus variancia
0.434
Elméleti variancia t − s
0.400

Próbáld ki

  1. Indítsd el az ablak csúsztatását: változik-e a legyező, miközben az ablak vándorol? (Stacionárius növekmények.)
  2. Felezd meg az ablakot. Tippeld meg előre: a szórás a felére vagy 1/√2-szeresére csökken?
  3. Kövesd a színes pályákat: egy pálya korábbi helyzete elárulja-e, merre megy az ablakban?
Pályák és a kiválasztott ablak

Húzd az árnyékolt ablakot az eltoláshoz, a széleit az átméretezéshez. A színes pályák ablakbeli szakasza kiemelve; a t-nél lévő vastag szakasz maga a növekmény W(t) − W(s).

Minden ablak nulláról újraindítva
t − s = 0.40 · szórás √(t − s) = 0.632
  • ±√u
  • Empirikus sűrűség
  • N(0, t − s)

Minden pálya ablakbeli szakaszát s-nél nullára toltuk. A legyező szélessége csak az eltelt u időtől függ (±√u), a végén a növekmények hisztogramja az N(0, t − s) sűrűség mellett.