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
  • Monte Carlo-opcióárazás
  • Geometriai Brown-mozgás
  • Projektkockázat: érzékenység, forgatókönyvek és Monte Carlo NPV
  • Véletlen bolyongás és Brown-mozgás
  • A nagy számok törvénye és a centrális határeloszlás-tétel
  • Kolmogorov-egyenletek és a Feynman–Kac-formula
  • SDE-k szimulációja: az Euler–Maruyama-séma
  • Korrelált Brown-mozgások és többeszközös modellek
  • Ugrások és a Merton-féle ugró diffúzió
  • Egzotikus opciók: korlátos, ázsiai és digitális opciók

© 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.

Feynman–Kac: PDE és várható érték

A Black–Scholes PDE u(t, x) értéke megegyezik a t időpontban x-ből induló kockázatsemleges pályák diszkontált átlagos kifizetésével. Húzd az x-et és a t-t, és nézd, ahogy a kettő egyezik.

Paraméterek

100
20300
0.00
00.95
100
10300
1.00
0.253
3.0%
00.1
20.0%
0.050.6
5000
20020000
7
1100
Mutatók
PDE-megoldás u(t, x)
9.4134
Monte Carlo átlag
9.2020 ± 0.3932
MC − PDE
-0.2113
u(t, x) a kiindulási érték függvényében

A görbe a PDE megoldása a t időpontban; a kék vonal ugyanazokat a húzásokat átlagolja minden x-ből indulva. A függőleges vonal a kiválasztott x.

Lejárati kifizetés u(T, x)PDE-megoldás u(t, x)Monte Carlo átlag
Az x-ből induló pályák diszkontált kifizetései

A pályák 50.3%-a végez pénzben; a többi nullát fizet. A Monte Carlo átlag e hisztogram átlaga.