Quant Sandbox
SzármaztatottPortfólió & kockázatFix hozamúVállalati pénzügySztochasztikus modellekÚtmutató
Sztochasztikus modellek
Sztochasztikus tanulóstúdióBéta
1.1Szimmetrikus véletlen séta1.2Átskálázott véletlen séta1.3Szórás1.4Centrális határeloszlás-tétel2.1A Wiener-folyamat definíciója2.2Növekmény-felfedező2.3Együttes eloszlás és kovariancia3.1Futó maximum és minimum3.2Tükrözési elv3.3Első elérési idők3.4Elérési valószínűségek
Brown-mozgásBéta
Geometriai Brown-mozgásBéta
Itô-folyamatBéta
Monte CarloBéta
Kapcsolódó útmutatók
  • Valószínűségi mezők, σ-algebrák és valószínűségi változók
  • Filtrációk, adaptált folyamatok és megállási idők
  • A Brown-mozgás tulajdonságai
  • A tükrözési elv és az első elérési idők
  • A Brown-híd

© 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.

Tananyag/3. Fejezet · Brown-pályák geometriája/3.1
3.1

Futó maximum és minimum

Milyen magasra jut el egy Brown-pálya egy adott időpontig, és milyen eloszlású ez a csúcs?

Cél: kövesd a futó maximumot és minimumot az időben, és vesd össze M(t) eloszlását |W(t)|-vel és a 2φ(m/√t)/√t sűrűséggel.

Szimulációs beállítások

Megfigyelési időHúzd vagy játszd le: a maximum csak nőhet, a minimum csak csökkenhet
1.00
0.001.00
1,000
1003000
7
19999
Tippelj először

Mennyi a pálya futó maximumának átlaga t = 1-ig?

Empirikus vs elméleti

E[M(t)] empirikus
?
√(2t/π)
?
E[M(t) − m(t)] empirikus
?
2√(2t/π)
?

A rácson mért maximum mindig kicsit alábecsüli a valódit: a pálya két rácspont között is feljebb juthat. Az eltérés √Δt nagyságrendű.

Próbáld ki

  1. Tipp előre: t = 1-nél mekkora a futó maximum átlaga? Ellenőrizd az E[M(t)] kártyán.
  2. Játszd le az időt: ugrik-e valaha lefelé a zöld futó maximum? Miért nem?
  3. Négyszerezd t-t (0,25 → 1): hányszorosára nő E[M(t)]? Ugyanaz a √t törvény, mint az 1.3. leckében.
Brown-pálya futó maximummal és minimummal
t = 1.00
  • Kiemelt pálya
  • Futó maximum M(t)
  • Futó minimum m(t)

A futó maximum lépcsőzetesen emelkedik: csak akkor nő, amikor a pálya új csúcsot ér el. A halvány felhő a többi szimulált pálya ugyanaddig az időpontig.

M(t) eloszlása
M(t) empirikus|W(t)| empirikus2φ(m/√t)/√t

M(t) és |W(t)| empirikus sűrűsége egybeesik a 2φ(m/√t)/√t elméleti görbével — két különböző valószínűségi változó azonos eloszlással.

← ElőzőEgyüttes eloszlás és kovarianciaKövetkező →Tükrözési elv