① 股票价格可以预测吗
股票价格预测
理论上股票价格是可以预测的，实际上都是只是听说，而从未被证实（比如江恩理论中说道可以预测到具体的价格）但实际也是听说，如果要说亲眼看见的话，我只看到过用易经预测真可以看见涨到具体价格。但不是每次。
价格在支撑位、压力位这都是人为附加理论。认同者则有用，没有这个概念的人那管他支撑压力只要经过分析加和经验认为它要涨就进。当然同时也要根据大盘行情，结合指标，经验一起下结论。盲目进仓那是韭菜送肉行为。
虽然价格不可测，但是涨或者跌却是绝对的可以预测的，只是掌握它的人不说，闷头收割，那有时间闲扯。
② 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。
③ 几何布朗运动 时间间隔
一年，把价格差改为价格的涨跌幅：可以避免直接使用布朗运动描述价格的缺陷，即为几何布朗运动。
是一个正态随机变量，分布的平均期望值μt，标准差为。（T>0，t>0)
******************
几何布朗运动
几何布朗运动的作用是用来模拟股价的变动。它的好处在于，一般形式布朗运动中取值可能为负数，而几何布朗运动取值永远不小于0，这一点符合股价永远不为负的特征。
几何布朗运动微分形式的表述。或者称SDE（随机微分方程）形式：
其中的S(t)可以理解为股价。
几何布朗运动函数形式表述：
上述式子告诉我们，可以先生成一服从的一般形式布朗运动，然后求其指数函数，最后乘以S(0)，即期初的股价，就可以得到几何布朗运动。
补充：为何这里t的系数多出一项？具体可以参考伊藤公式。
④ 求教：如果标的股票价格不服从几何布朗运动，那么该权证怎么定价
你新手吧 看你研究的东西就是新手……
⑤ 假设股票价格服从几何布朗运动，若买一份股票，需要如何对冲
布朗运动没法对冲滴
⑥ 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）
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 <- 2000 #模拟的样本数
S0 <- 2000 #初始值
mu <- 0.051686/100
sigma <- 1.2077/100
St <- rep(0,N)
epsion <- rnorm(N,0,1) #正态分布随机数
for(i in 1:N) {
if(i == 1) {
delta_St <- mu * S0 + sigma * S0 * epsion[i]
St[i] <- S0 + delta_St
}else {
delta_St <- mu * St[i-1] + sigma * St[i-1] * epsion[i]
St[i] <- St[i-1] + delta_St
}
}
Final_St <- c(S0,St) #最终结果
plot(Final_St,type = "l")
⑦ 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
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)
⑧ 有关布朗运动和期权定价的问题，望大神解答！
布朗运动是将看起来连成一片的液体，在高倍显微镜下看其实是由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。
⑨ 用布朗运动模拟股票价格的论文背景怎么写
股票市场是一个自组织的复杂系统，所有个体在没有人组织的情况下会呈现出一种自组织性，这和布朗运动很类似。
⑩ 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。