⑴ 布朗運動的金融數學
將布朗運動與股票價格行為聯系在一起，進而建立起維納過程的數學模型是本世紀的一項具有重要意義的金融創新，在現代金融數學中佔有重要地位。迄今，普遍的觀點仍認為，股票市場是隨機波動的，隨機波動是股票市場最根本的特性，是股票市場的常態。
布朗運動假設是現代資本市場理論的核心假設。現代資本市場理論認為證券期貨價格具有隨機性特徵。這里的所謂隨機性，是指數據的無記憶性，即過去數據不構成對未來數據的預測基礎。同時不會出現驚人相似的反復。隨機現象的數學定義是：在個別試驗中其結果呈現出不確定性；在大量重復試驗中其結果又具有統計規律性的現象。描述股價行為模型之一的布朗運動之維納過程是馬爾科夫隨機過程的一種特殊形式；而馬爾科夫過程是一種特殊類型的隨機過程。隨機過程是建立在概率空間上的概率模型，被認為是概率論的動力學，即它的研究對象是隨時間演變的隨機現象。所以隨機行為是一種具有統計規律性的行為。股價行為模型通常用著名的維納過程來表達。假定股票價格遵循一般化的維納過程是很具誘惑力的，也就是說，它具有不變的期望漂移率和方差率。維納過程說明只有變數的當前值與未來的預測有關，變數過去的歷史和變數從過去到現在的演變方式則與未來的預測不相關。股價的馬爾科夫性質與弱型市場有效性(the weak form of market efficiency)相一致，也就是說，一種股票的現價已經包含了所有信息，當然包括了所有過去的價格記錄。但是當人們開始採用分形理論研究金融市場時，發現它的運行並不遵循布朗運動，而是服從更為一般的幾何布朗運動（geometric browmrian motion）。
⑵ 證券價格服從漂移參數0.05，波動參數0.3的幾何布朗運動，當前價格為95，利率是4% 假設有種
後答案上默認為這個概率等於P［ln(S(0.5)／
⑶ 風險中性的求證試驗
期權定價模型
期權定價模型是期權理論分析的一個重要內容，它是金融工程研究的基礎。1973年金融學家費雪·布萊克(FischerBlack)和邁倫·斯科爾斯（Myronscholes)在美國《政治經濟學》上發表了論文《期權和公司債務的定價》，給出了歐式股票看漲期權的定價公式，即今天所稱的Black2Scholes模型，該模型被稱為「不僅在金融領域，而且在整個經濟領域中最成功的理論」，斯科爾斯因此和美國哈佛商學院的教授羅伯特·默頓（BobertC.Merton)獲得了第29屆諾貝爾經濟學獎。但Black2Scholes期權定價公式的推導過程是相當復雜的，需要用到隨機過程、隨機微分方程求解等高深的數學工具知識。Black2Scholes公式的兩個新穎和簡潔的推導，即在風險中性假設下來推導出Black2Scholes
基本假設和記號
藉助於Black2Scholes模型的原始假設條件：
（1）期權是股票的歐式看漲期權，其執行價格是K，記當前時刻為t，期權到期時間為T，股票當前價格是S，時刻的價格是ST。
（2）股票價格遵循幾何布朗運動，即logST-logS～Φ[（μ-σ22(T-t)，σT-t]其中Φ（m,n)表示均值為m，標准差為n的正態分布。
（3）允許使用全部所得賣空衍生證券。
（4）無交易費用或稅收。
（5）在衍生證券的有效期內沒有紅利支付。
（6）不存在無風險套利機會。
（7）證券交易是連續的。
（8）無風險利率是常數且對所有到期日都相同。
再假設投資者都是風險中性的，在風險中性世界裡，股票的預期收益率μ等於無風險利率r，則由假設（2），得到
logST-logS～Φr-σ2(T-t)，σT-t
由對數正態分布的特性，可知ST的期望值E(ST)表示為E(ST)=Ser(T-t)。對於不支付紅利股票的歐式看漲期權，它在到期日的價值為CT=max{ST-K，0}，期權當前價格C應是E(CT)以無風險利率貼現的結果，即C=e-r(T-t)E(CT)=e-r(T-t)E(max(ST-K,0))
⑷ 幾何布朗運動的在金融中的應用
主條目：布萊克-舒爾斯模型
幾何布朗運動在布萊克-舒爾斯定價模型被用來定性股票價格，因而也是最常用的描述股票價格的模型 。
使用幾何布朗運動來描述股票價格的理由: 幾何布朗運動的期望與隨機過程的價格（股票價格）是獨立的, 這與我們對現實市場的期望是相符的 。 幾何布朗運動過程只考慮為正值的價格, 就像真實的股票價格。 幾何布朗運動過程與我們在股票市場觀察到的價格軌跡呈現了同樣的「roughness」 。 幾何布朗運動過程計算相對簡單。. 然而，幾何布朗運動並不完全現實，尤其存在一下缺陷: 在真實股票價格中波動隨時間變化 (possiblystochastically), 但是在幾何布朗運動中, 波動是不隨時間變化的。 在真實股票價格中, 收益通常不服從正態分布 (真實股票收益有更高的峰度('fatter tails'), 代表了有可能形成更大的價格波動).
⑸ 幾何布朗運動
問題一：幾何布朗運動的均值函數怎麼求 設布朗運動為B(t),布朗運動本身是正態分布,而且滿足分布~N（0,t）.幾何布朗運動是W（t）=exp（B（t））；這是一個很好的線性對應關系.所以均值就是（如圖）
解這個簡單的積分,就得到均值：exp（t/2） 順便方差也求了吧：exp（2t）-exp(t)
問題二：請問如何用R語言做大量次數的幾何布朗運動的模擬（參數μ，σ已知） 10分 這上網搜應該搜的到吧，比如這篇文章
股票價格行為關於幾何布朗運動的模擬--基於中國上證綜指的實證研究
,照著幾何布朗運動的公式直接寫代碼應該就行了吧，代碼邏輯都很清晰。
下面是照著這片文章模擬一次的代碼，模擬多次的話，外面再套個循環應該就行了。然後再根據均方誤差(一般用這個做准則的多)來挑最好的。
話說你的數據最好別是分鍾或者3s切片數據，不然R這速度和內存夠嗆。
N 問題三：研究衍生品的時候為什麼用幾何布朗運動來模擬股票價格的運行軌跡 其實很簡單，GBM（至少在一定程度上）符合人們對市場的觀察。例如，直觀的說，股票的價格看起來很像隨機遊走，再例如，股票價格不會為負，這樣起碼GBM比普通的布朗運動合適，因為後者是可以為負的。
再稍微復雜一點，對收益率做測試（ S(t)/S(t-1) - 1）做測試，發現，哎居然還基本是個正態分布。收益率是正態的，股價就是GBM模型
總之，就是大家做了很多統計測試，發現假設成GBM還能很好的逼近真實數值，比較接近事實。所以就用這個。
其實將精確的數學模型應用到金融的時間非常短。最早是1952年的Markowitz portfolio selection. 那個其實就是一個簡單的優化問題。後來的CAPM APT等諸多模型，也僅僅研究的是一系列證券，他們之間回報、收益率以及其他影響因素關系，沒有涉及到對股價運動的描述。
第一次提出將股價是GBM應用在嚴格模型的是black-scholes model 。在這個模型中提出了若干個假設，其中一個就是股價是GBM的。
問題四：如何確定幾何布朗運動模型中的參數 幾何布朗運動只是模型，是 exp{Bt }這樣的形式。你用模型什麼事是關鍵，確定參數，在英文中叫calibration.
如果你是用 geometric brownian motion 去模型options, 這樣的東西，是關系你的模型本身，比如black-scholes模型，關於它的參數calibration，這樣的技術其實已經很完備，經典的金融數學教科書上都有的，其主要是根據市場上option的價格反推出模型的參數的。
⑹ 布朗運動是什麼
布朗運動的特點是布朗粒子的位移分布和粒子數密度分布都滿足擴散現象的規律。這說明在粒子濃度不均勻時發生的擴散現象，其本質是粒子的布朗運動產生了位移。在實際的技術應用中，擴散技術相當引人重視。 在半導體集成電路製造過程中，常用擴散方法將特定雜質引入半導體的預定部位，以形成器件或組件，使其具有設計的電路功能。擴散過程是在較高溫度下進行的，雜質原子通過晶體中的缺陷(空位或填隙原子)而遷移。所以，作布朗運動的粒子不只有尺度在微米級的顆粒，也可能是原子或分子。布朗粒子的運動特點是具有隨機性和偶然性。 在離子晶體中有正、負兩種離子，同時存在正、負離子空位，正、負離子就是通過這些空位來擴散的。由於這種運動是隨機的和無規則的，各個方向遷移的概率相同，因此，帶電粒子的布朗運動不會產生電流。但是如果加上恆定電場，離子運動就會在隨機的無規則的遷移之上加一項定向運動，從而能傳導電流。 由於作熱運動的大量介質分子(原子)對宏觀小物體的無規碰撞導致隨機運動引起的漲落，這種漲落以布朗運動為代表，所以布朗運動的實質是漲落。 電路中也有漲落現象，譬如電流、電壓的漲落，經過線路放大，產生雜訊。在導體中電子的熱運動是無規則的，有外電場時，在平均電流的背景上，還有一部分漲落電流，它使電信號產生雜訊。 在愛因斯坦關於布朗運動的論文發表之前，1900年法國數學家巴施里葉發表了論述股票的論文《投機理論》，認為根據當前的股價並不能確切知道下一時刻的股價，而只知道下一時刻股價的概率分布。他對股票價格的不規則波動構造了一個數學模型，這個模型與1905年愛因斯坦為布朗運動所建立的模型一致。後來，「股票價格比例變化是一種布朗運動」成為金融研究中的一個普遍假設。