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
  • Geometriai Brown-mozgás
  • Hozamok és volatilitás
  • Mértékcsere és a Girsanov-tétel
  • Monte Carlo-opcióárazás
  • SDE-k szimulációja: az Euler–Maruyama-séma

© 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.

A geometriai Brown-mozgás, az aritmetikaival összevetve

Az alábbi két modell S₀ = 100-ról indul, és pontosan ugyanazok a véletlen sokkok hajtják. Egyetlen különbség, hogyan hat a sokk: az ABM egy fix összeget ad hozzá, a GBM egy százalékkal szoroz.

Paraméterek

8%
-0.30.3
35%
0.050.8
3.0
0.510
Véletlenmag: 7
Mutatók
ABM: P(S_T < 0)
2.0%
0 alatt végző ABM-pályák
2.3%
ABM szórása T-ben
60.6
GBM szórása T-ben
84.7
GBM medián és várható érték
105.8 / 127.1
A két definíció egymás mellett
Aritmetikai BMGeometriai BM
DinamikadSt=μS0 dt+σS0 dWtdS_t = \mu S_0\,dt + \sigma S_0\,dW_tdSt​=μS0​dt+σS0​dWt​dSt=μSt dt+σSt dWtdS_t = \mu S_t\,dt + \sigma S_t\,dW_tdSt​=μSt​dt+σSt​dWt​
MegoldásSt=S0+μS0t+σS0WtS_t = S_0 + \mu S_0 t + \sigma S_0 W_tSt​=S0​+μS0​t+σS0​Wt​St=S0 e(μ−12σ2)t+σWtS_t = S_0\, e^{(\mu - \frac{1}{2}\sigma^2)t + \sigma W_t}St​=S0​e(μ−21​σ2)t+σWt​
Egy sokk ennyivel mozdítja az áratfix összeggel, σS₀√dt·Z, minden árszinten ugyanannyivalaz aktuális ár σ√dt·Z százalékával, így a mozgás az árral nő
S_T eloszlásanormális: szimmetrikus a várható értéke körül, mindkét irányban korlátlanlognormális: jobbra ferde, S_T logaritmusa normális
Mehet 0 alá?Igen, pozitív valószínűséggelSoha: e^x > 0
σ mértékegységeárban mért (itt σS₀ √év-enként)hozamban mért: százalék √év-enként
Tipikus használatspreadek, P&L, Bachelier-modell, negatívba is forduló kamatokrészvényárak és indexek, Black–Scholes-modell
Ugyanazok a sokkok, két modell (400 pálya)
Aritmetikai BM
Geometriai BM

A kiemelt pálya mindkét ábrán ugyanaz a sokksorozat. Az ABM-pályák egyenletesen szóródnak és átléphetik a nullát (piros vonal); a GBM-pályák felfelé jobban szétnyílnak, a nulla közelében összesűrűsödnek, de soha nem érik el.

S_T eloszlása T = 3-ben
Aritmetikai BM
Geometriai BM

Oszlopok: szimulált végértékek. Görbék: pontos eloszlások, ABM-nél normális, GBM-nél lognormális. Mindkettő ugyanazon a tengelyen.

Lépésméret az árszint függvényében
Aritmetikai BM
Aritmetikai BM
Geometriai BM
Geometriai BM

Minden pont egy lépés: az előtte lévő ár (x) és az elmozdulás (y). Az ABM lépései vízszintes sávot adnak, minden árszinten ugyanakkorák. A GBM lépései az árral táguló legyezőt rajzolnak, mert a sokk százalékos.