为什么用布朗运动股票价格

㈠ 为什么用几何布朗运动描述股票价格

几何布朗运动就是物理中典型的随机运动，其特点就是不可预测，而在股市中的短期股票价格也是不可预测。

㈡ 布朗运动的金融数学

将布朗运动与股票价格行为联系在一起，进而建立起维纳过程的数学模型是本世纪的一项具有重要意义的金融创新，在现代金融数学中占有重要地位。迄今，普遍的观点仍认为，股票市场是随机波动的，随机波动是股票市场最根本的特性，是股票市场的常态。
布朗运动假设是现代资本市场理论的核心假设。现代资本市场理论认为证券期货价格具有随机性特征。这里的所谓随机性，是指数据的无记忆性，即过去数据不构成对未来数据的预测基础。同时不会出现惊人相似的反复。随机现象的数学定义是：在个别试验中其结果呈现出不确定性；在大量重复试验中其结果又具有统计规律性的现象。描述股价行为模型之一的布朗运动之维纳过程是马尔科夫随机过程的一种特殊形式；而马尔科夫过程是一种特殊类型的随机过程。随机过程是建立在概率空间上的概率模型，被认为是概率论的动力学，即它的研究对象是随时间演变的随机现象。所以随机行为是一种具有统计规律性的行为。股价行为模型通常用著名的维纳过程来表达。假定股票价格遵循一般化的维纳过程是很具诱惑力的，也就是说，它具有不变的期望漂移率和方差率。维纳过程说明只有变量的当前值与未来的预测有关，变量过去的历史和变量从过去到现在的演变方式则与未来的预测不相关。股价的马尔科夫性质与弱型市场有效性(the weak form of market efficiency)相一致，也就是说，一种股票的现价已经包含了所有信息，当然包括了所有过去的价格记录。但是当人们开始采用分形理论研究金融市场时，发现它的运行并不遵循布朗运动，而是服从更为一般的几何布朗运动（geometric browmrian motion）。

㈢ 在金融市场上，如何利用随机过程和蒙特卡罗模拟方法进行风险管理

随机过程和蒙特卡罗模拟方法在金融市场中是广泛应用的风险管理工具。下面是一些利用这些工具进行风险管理的示例：
随机过程用于建立金融市场模型，这些模型可以用来预测未来价格走势。例如，布朗运动是一种常用的随机过程，它可以用于建立股票价格模型。通过对这些模型进行仿真，可以估计不同情况下的收益分布，从而帮助投资者制定风险管理策略。
蒙特卡罗模拟方法用于模拟各种情况下的收益分布。通过模拟大量的随机变量，可以计算出不同投资组合在未来可岩滑能获得的收益，从而评估风险水平。例如，可以通过蒙特卡罗模拟来评估投资组合的价值在未来1年内可能的最大亏损额。
随机过程和蒙特卡罗模拟方法可以结合使用，帮助投资者估计不同投资策略的收益和风险水平。例如，帆枣陪可以建立一个包含多种投资组合的模型，通过蒙特卡罗模拟来估计不同组合的预期收益和风险水平，然后根据这些估计结果态蠢选择最优的投资组合。
总之，随机过程和蒙特卡罗模拟方法是重要的金融风险管理工具，它们可以帮助投资者评估投资策略的风险和收益，并制定相应的风险管理策略。

㈣ 有关布朗运动和期权定价的问题，望大神解答！

布朗运动是将看起锋粗来连成一片的液体，在高倍显微镜下看其实是由答灶许许多多分子组成的。液体分子不停地做无规则的运动，不断地随机撞击悬浮微粒。当悬浮的微粒足够小的时候，由于受到的来自各个方向的液体分子的撞击作用是不平衡的。在某一瞬间，微粒在另一个方向受到的撞击作用超强的时候，致使微粒又向其它方向运动，这样，就引起了微粒的无规则的运动就是布朗运动。
期权定价模型（OPM）----由布莱克与斯科尔斯在20世纪70年代提出。该模型认为，只有股价的当前值与未来的银举镇预测有关；变量过去的历史与演变方式与未来的预测不相关 。模型表明，期权价格的决定非常复杂，合约期限、股票现价、无风险资产的利率水平以及交割价格等都会影响期权价格。

㈤ 求经济B-S期权定价模型的原理还有计算方法

假定股票价格服从几何布朗运动，即dSt/St=μdt+σdWt. St为t时点股票价格，μ为漂移量，σ为波动率，Wt为标准布朗运动。使用伊藤公式。然后用无套利原理求得BSPDE。

㈥ 几何布朗运动

问题一：几何布朗运动的均值函数怎么求 设布朗运动为B(t),布朗运动本身是正态分布,而且满足分布~N（0,t）.几何布朗运动是W（t）=exp（B（t））；这是一个很好的线性对应关系.所以均值就是（如图）
解这个简单的积分,就得到均值：exp（t/2） 顺便方差也求了吧：exp（2t）-exp(t)

问题二：请问如何用R语言做大量次数的几何布朗运动的模拟（参数μ，σ已知） 10分 这上网搜应该搜的到吧，比如这篇文章
股票价格行为关于几何布朗运动的模拟--基于中国上证综指的实证研究
,照着几何布朗运动的公式直接写代码应该就行了吧，代码逻辑都很清晰。
下面是照着这片文章模拟一次的代码，模拟多次的话，外面再套个循环应该就行了。然后再根据均方误差(一般用这个做准则的多)来挑最好的。
话说你的数据最好别是分钟或者3s切片数据，不然R这速度和内存够呛。
N 问题三：研究衍生品的时候为什么用几何布朗运动来模拟股票价格的运行轨迹 其实很简单，GBM（至少在一定程度上）符合人们对市场的观察。例如，直观的说，股票的价格看起来很像随机游走，再例如，股票价格不会为负，这样起码GBM比普通的布朗运动合适，因为后者是可以为负的。
再稍微复杂一点，对收益率做测试（ S(t)/S(t-1) - 1）做测试，发现，哎居然还基本是个正态分布。收益率是正态的，股价就是GBM模型
总之，就是大家做了很多统计测试，发现假设成GBM还能很好的逼近真实数值，比较接近事实。所以就用这个。
其实将精确的数学模型应用到金融的时间非常短。最早是1952年的Markowitz portfolio selection. 那个其实就是一个简单的优化问题。后来的CAPM APT等诸多模型，也仅仅研究的是一系列证券，他们之间回报、收益率以及其他影响因素关系，没有涉及到对股价运动的描述。
第一次提出将股价是GBM应用在严格模型的是black-scholes model 。在这个模型中提出了若干个假设，其中一个就是股价是GBM的。

问题四：如何确定几何布朗运动模型中的参数 几何布朗运动只是模型，是 exp{Bt }这样的形式。你用模型什么事是关键，确定参数，在英文中叫calibration.
如果你是用 geometric brownian motion 去模型options, 这样的东西，是关系你的模型本身，比如black-scholes模型，关于它的参数calibration，这样的技术其实已经很完备，经典的金融数学教科书上都有的，其主要是根据市场上option的价格反推出模型的参数的。

㈦ 期权风险中性定价

很多小伙伴在学金融工程时，必然会遇到这样一个问题是 为什么在期权定价中可以使用风险中性定价 ？

但追根究底地说，

风险中性不是假设，而是推论。
风险中性不是假设，而是推论。
风险中性不是假设，而是推论。

而这篇文章，就带着你将这个推论一步一步地推导出来。

所谓的期权风险中性定价法，即在风险中性测度 下，推导得到期权的价值为 ，即

其中， 为 时刻的无风险利率， 为 时刻的 代数， 则为期权在 时刻到期时支付的现金流。(例如，对于常见的欧式看涨期权， )

特别的，在 的情况下

细心的同学可以发现， 是定义在 上的变量，而 则是一个常量。而这个常量的值，正是我们希望得到的期权在 时刻的价值。

所以我们的问题就进一步转化为了对上述公式的证明。

如果不用数学公式来回答的话，那么答案可以概述为：

现在我们开始一步步展开，并配合数学公式来解释回答这个问题。

假设目前有两个资产，分别是 股票 和 现金账户 ，

其中 是现实测度 下的标准布朗运动

如果变换测度到 下，则上述公式转化为

其中 是风险中性测度 下的标准布朗运动。

看到这里你可能会有疑惑，怎么突然就用到了测度转换了。别着急，这在文章后半部分 “为什么要用风险中性” 中就会给出解释。

所谓的风险中性测度，只是众多可变换的测度中的一种，例如，我们亦可以将测度转化为远期测度(Forward measure)进行定价，当然这是后话。

而提到测度，就不得不提及计价单位(Numeraire)这个概念，引用吴立新教授《Interest Rate Modeling Theory and Practice》一书的原话来说，即

把它翻译到我们这个案例里：

理解了何为风险中性测度后(what)，剩下的问题就是 why 和 how

直接的回答就是前文提及到的风险中性定价法在金融上的解释：

该组合需要具备有两个非常重要的性质

而利用风险中性测度，就能找到这样的一个资产组合。

假设我们已经利用了风险中性测度完成了对股票价格运动过程的转换，即

那么股票以无风险资产(现金账户)作为计价单位的价格运动可以记为

根据伊藤公式可以展开为

因为 是风险中性测度 下的标准布朗运动，故而 在测度 下是一个鞅，记为 。而 是 才能引出后文的 Martingale Representation Theorem .

因为 是定义在 上的变量，同样的， 和 也是。

故而，我们可以定义一个新的变量 ,

可以视为 投影到 空间上的变量，且很容易地可以看出 也是一个 ，证明如下：

根据 Martingale Representation Theorem ，因为 和 都是定义在同一测度空间上的变量，故而必然存在这么一个 ，使得

于是我们得以确定了这个 ，而这也是整个定理逻辑的核心。因为我们可以根据这个 开始构建我们的投资组合：

其中 ，故而这个组合的折现价值为

进一步观察可以发现

由以上公式可以得到这个组合拥有我们要找的两个特质

当一个资产组合具备这两个特质的时候，我们便可以推出，该资产组合和期权拥有一样的价值，否则就回存在套利机会。

这就引出了最重要的结论：

是的，重复一遍

将 展开成指数形式，可以得到我们的最终结论

至此，推导结束，情理之中、意料之外地得到了风险中性定价公式。 :)

这部分知识在大部分随机过程的书本上都有提及，维基网络 Girsanov theorem 也有较为详细的说明，所以此处就不赘述了。

特别地，在学习测度转换的过程中，给我启发最大的是这样一个方程

启发在于，测度的转化，类似于将其每个事件元素的概率进行了一定的调整。

所以，如果说 是一个 ，那么 就是 。

而找到了这个 ，就等于找到了测度转换的答案。

至此，整个证明过程结束了。不知小伙伴有没有消化了呢，欢迎Email或留言交流。

Ps. 近期我会开始更新这个博客，求关注哦 :P

㈧ 几何布朗运动的在金融中的应用

主条目：布莱克-舒尔斯模型
几何布朗运动在布莱克-舒尔斯定价模型被用来定性股票价格，因而也是最常用的描述股票价格的模型 。
使用几何布朗运动来描述股票价格的理由: 几何布朗运动的期望与随机过程的价格（股票价格）是独立的, 这与我们对现实市场的期望是相符的 。 几何布朗运动过程只考虑为正值的价格, 就像真实的股票价格。 几何布朗运动过程与我们在股票市场观察到的价格轨迹呈现了同样的“roughness” 。 几何布朗运动过程计算相对简单。. 然而，几何布朗运动并不完全现实，尤其存在一下缺陷: 在真实股票价格中波动随时间变化 (possiblystochastically), 但是在几何布朗运动中, 波动是不随时间变化的。 在真实股票价格中, 收益通常不服从正态分布 (真实股票收益有更高的峰度('fatter tails'), 代表了有可能形成更大的价格波动).