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)
![](http://upload.wikimedia.org/wikipedia/commons/thumb/9/9a/GeometricBrown1D.svg/400px-GeometricBrown1D.svg.png)
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
editarUm 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
editarPara 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
editarA 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
editarO 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
editarO 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
editarEm 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
editarReferências
editar- ↑ 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
- ↑ Oksendal, Bernt K. (2002), Stochastic Differential Equations: An Introduction with Applications, ISBN 3-540-63720-6, Springer
- ↑ a b Hull, John (2009). «12.3». Options, Futures, and other Derivatives 7 ed. [S.l.: s.n.]
Ligações externas
editar- Modelos de Movimento Browniano Geométrico para movimento do estoque, exceto em eventos raros .
- R e C# Simulação de um Movimento Browniano Geométrico
- Excel Simulação de um Movimento Browniano Geométrico para simular os Preços das Ações
- «Aplicação Web interativo: Processos estocásticos utilizados em Quantitative Finance»