Usuário(a):MGromov/Testes64



Página inicial: Testes

Edições completas: Mecânica estatística  • Modelo Hodgkin-Huxley  • Neurociência computacional  • Modelo probabilístico para redes neurais  • Teoria de campo médio  • Modelo FitzHugh–Nagumo  • Processo Lévy  • Cadeias de Markov  • Processo de Poisson  • Galves–Löcherbach model  • Stochastic chains with memory of variable length  • Lesão do plexo braquial  • Somatotopia  • Função densidade  • Modelos de grafos aleatórios exponenciais • Processo de Gram-Schmidt  • Equação de Chapman–Kolmogorov  • Predefinição:Processos estocásticos  • Algoritmo de autovalores  • Transição de fase  • Hipótese do cérebro crítico  • Critical brain hypothesis  • Passeio aleatório  • Plasticidade sináptica  • Potencial pós-sináptico excitatório  • Potencial pós-sináptico inibitório  • Modelo de Morris-Lecar  • Plexo braquial  • Processo gaussiano  • Campo aleatório de Markov  • Eletroencefalografia  • Modelo de Hindmarsh-Rose  • Sistemas de partícula em interação  • Medida de Gibbs  • Nervo escapular dorsal  • Nervo radial  • Nervo peitoral lateral  • Nervo musculocutâneo  • Medida de Dirac  • Nervo torácico longo  • Sigma-álgebra  • Nervo peitoral medial  • Nervo ulnar  • Potencial evocado  • Estimulação magnética transcraniana repetitiva  • Teorema de Donsker  • Desigualdade de Boole  • Codificação neural  • Aprendizado de máquina  • Independência condicional  • Inferência estatística  • Nervo subclávio  • Nervo supraescapular  • Nervo mediano  • Nervo axilar  • Movimento browniano geométrico  • Caminho autoevitante  • Tempo local  • Nervo subescapular superior  • Nervo toracodorsal  • Nervo subscapular inferior  • Caminho (teoria dos grafos)  • Campo aleatório  • Lei do logaritmo iterado

Edições em andamento: Nervo cutâneo medial do braço (N)  • Nervo cutâneo medial do antebraço (N)  • Cérebro estatístico (N)  • Statistician brain  • Distribuição de probabilidade condicional (N)  • Esperança condicional (N)  • Integral de Itō (N)  • Martingale  • Variação quadrática (N)  • Processo Ornstein–Uhlenbeck  • Ruído branco  • Teoria ergódica  • Avalanche neuronal (N)  • Teoria da percolação (N)  • Função totiente de Euler  • Ruído neuronal (N)  • Distribuição de Poisson  • Córtex cerebral  • Estímulo (fisiologia)




Referência: Geometric Brownian motion
Dois caminhos de exemplo do movimento Browniano geométrico, com parâmetros diferentes. A linha azul tem maior deriva, a linha verde tem maior variância.

Um movimento browniano geométrico (MBG) (também conhecido como movimento geométrico browniano e movimento browniano exponencial) é um processo estocástico de tempo contínuo no qual o logaritmo da quantidade aleatoriamente variável segue um movimento Browniano (também chamado de processo de Wiener), com deriva estocástica.[1] É um exemplo importante de processos estocásticos que satisfazem uma equação diferencial estocástica (EDE); em particular, é usado em matemática financeira para o modelar os preços das ações no modelo Black–Scholes.

Definição formal

editar

Um processo estocástico St é dito seguir um MBG se ele satisfaz a seguinte equação diferencial estocástica (EDE):

 

onde   é um processo de Wiener ou movimento Browniano, e   ("percentage drift" ou "percentagem de deriva") e   ("percentage volatility" ou "percentagem de volatilidade") são constantes.

O primeiro é utilizado para modelar tendências determinísticas, enquanto o último termo é muitas vezes usado para modelar um conjunto de eventos imprevisíveis que ocorrem durante este movimento.

Solução da EDE

editar

Para um valor arbitrário inicial S0 a EDE possui uma solução analítica (sob o cálculo de Itō):

 .

Para chegar a essa fórmula, dividiremos a EDE, por   a fim de que nossa variável aleatória escolhida tenha apenas um lado. A partir daí podemos escrever a equação anterior na forma da integral de Itō:

 .

Claro,   aparenta ser relacionado à derivada de  . No entanto,   é um processo de Itō que requer o uso do cálculo de Itō. A aplicação da fórmula de Itō leva a:

 

onde   é a variação quadrática da EDE. Isso também pode ser escrito como   ou  . Neste caso, temos:

 .

Substituindo o valor de   na equação acima e simplificando obtemosː

 .

Tomando a exponencial e multiplicando ambos os lados por   dá a solução reivindicada acima.

Propriedades

editar

A solução acima   (para qualquer valor de t) é uma variável aleatória com distribuição log-normal com valor esperado e variância dada porː[2]

 ,
 ,

isto é a função de densidade de probabilidade de uma St é:

 .

Quando se derivam outras propriedades do MBG, pode-se fazer uso da EDE de que o MBG é a solução, ou a solução explícita dada acima pode ser utilizada. Por exemplo, considere o processo estocástico de log(St). Este é um interessante processo, porque no modelo de Black–Scholes ela está relacionada com o log-retorno do preço das ações. Usando o cálculo de Itō com f(S) = log(S) dáː

 

Segue-se que  .

Este resultado também pode ser obtido aplicando-se o logaritmo para a solução explícita do MBG:

 

Tomando a expectativa produz o mesmo resultado acima:  .

Versão multivariada 

editar

O MBG pode ser estendido para o caso em que há múltiplos caminhos de preços correlacionados.

Cada trajetória de preço segue o processo subjacente

 ,

Onde os processos de Wiener estão correlacionados de modo que   onde  .

Para o caso multivariado, isso implica que

 .

Uso em finanças

editar
 Ver artigo principal: Black-Scholes

O movimento geométrico browniano é usado para modelar os preços das ações no modelo Black-Scholes e é o modelo mais utilizado no comportamento do preço das ações.[3]

Alguns dos argumentos para usar o MBG para modelar os preços das ações são:

  • Os retornos esperados do MBG são independentes do valor do processo (preço das ações), o que está de acordo com o que seria esperado na realidade.[3]
  • O MBG só assume valores positivos, assim como os preços das ações reais.
  • O MBG mostra o mesmo tipo de "rugosidade" em seus caminhos como vemos nos preços das ações reais.
  • Cálculos com MBG são relativamente fáceis.

No entanto, MBG não é um modelo completamente realista, em particular, fica aquém da realidade nos seguintes pontos:

  • Nos preços das ações reais, a volatilidade muda ao longo do tempo (possivelmente estocasticamente), mas no MBG, a volatilidade é assumida constante.
  • Na vida real, os preços das ações geralmente mostram saltos causados ​​por eventos ou notícias imprevisíveis, mas no MBG, o caminho é contínuo (sem descontinuidade).

Extensões

editar

Em uma tentativa de fazer o MBG mais realista, como um modelo para os preços das ações, pode-se descartar a suposição de que a volatilidade ( ) é constante. Se partirmos do princípio de que a volatilidade é uma função determinística do preço das ações e do tempo, isso é chamado de modelo de volatilidade local. Se, em vez disso, assumimos que a volatilidade tem uma aleatoriedade própria — muitas vezes descrita por uma equação diferente, impulsionado por um Movimento Browniano diferente — o modelo é chamado de  modelo de volatilidade estocástica.

Veja também

editar

Referências

editar
  1. Ross, Sheldon M. (2014). «Variations on Brownian Motion». Introduction to Probability Models 11th ed. Amsterdam: Elsevier. pp. 612–14. ISBN 978-0-12-407948-9 
  2. Oksendal, Bernt K. (2002), Stochastic Differential Equations: An Introduction with Applications, ISBN 3-540-63720-6, Springer 
  3. a b Hull, John (2009). «12.3». Options, Futures, and other Derivatives 7 ed. [S.l.: s.n.] 

Ligações externas

editar