Gerak Brown Geometrik: Ukuran, Simulasi Eksak, dan Risiko Model

Audit GBM melalui ukuran fisik dan netral risiko, momen lognormal, simulasi eksak versus Euler, galat Monte Carlo, pemantauan lintasan, dan keterbatasan model.

Hanya untuk tujuan edukasi; bukan merupakan nasihat investasi atau rekomendasi investasi. Investasi dapat mengakibatkan kerugian.

Jawaban langsung

Di bawah ukuran fisik P, gerak Brown geometrik berparameter konstan adalah dS_t / S_t = mu dt + sigma dW_t^P. Solusi eksaknya ialah S_t = S_0 exp[(mu - 0.5 sigma^2)t + sigma W_t^P], sehingga ln(S_t / S_0) ~ N((mu - 0.5 sigma^2)t, sigma^2 t) dan harga pada horizon berhingga selalu positif.

Di sini mu adalah parameter sesaat untuk pertumbuhan harga yang diharapkan, bukan pertumbuhan rata-rata imbal hasil log. Di bawah ukuran netral risiko Q, aset ex-dividen dengan imbal hasil kontinu q mengikuti dS_t / S_t = (r - q)dt + sigma dW_t^Q. Kedua ukuran ini menjawab pertanyaan berbeda dan memakai gerak Brown berbeda; probabilitas netral risiko bukan prakiraan imbal hasil.

Bangun dan validasi GBM dalam tujuh langkah

Nyatakan apakah tugasnya adalah peramalan fisik, valuasi netral risiko, uji stres, uji numerik, atau pengajaran; jangan mencampur keluaran P dan Q.
Kunci S_0, mata uang, konvensi harga atau imbal hasil total, mu atau r - q, volatilitas, suku bunga, dividen, horizon, cap waktu, hitungan hari, pemajemukan, dan perlakuan aksi korporasi.
Tuliskan SDE spesifik ukuran, solusi eksak, dan satuannya. Di bawah P, E[S_t] = S_0 e^(mu t), Var[S_t] = S_0^2 e^(2 mu t)(e^(sigma^2 t) - 1), dan E[S_t / S_0 - 1] = e^(mu t) - 1.
Validasi rata-rata dan varians imbal hasil log, rata-rata harga, varians, median, modus, kuantil, serta perbedaan imbal hasil sederhana dan log sebelum memakai lintasan atau payoff.
Untuk GBM konstan per bagian, simulasikan dengan S_(i+1) = S_i exp[(mu - 0.5 sigma^2) Delta t + sigma sqrt(Delta t) Z_i], Z_i ~ N(0,1) yang independen, generator yang dicatat, dan seed yang dapat direproduksi. Bandingkan Euler hanya sebagai kajian diskretisasi.
Laporkan jumlah lintasan, estimator, galat standar, interval keyakinan, dan konvergensi. Untuk barrier, ekstrem, waktu lintasan pertama, atau pemantauan diskret, tangani penembusan di antara langkah dengan jembatan Brown atau aproksimasi pemantauan yang dinyatakan jelas.
Pisahkan galat parameter, sampling, diskretisasi, dan struktur model; uji stres terhadap lompatan, volatilitas stokastik, ekor tebal, leverage, gagal bayar, likuiditas, penghentian perdagangan, biaya transaksi, penyelesaian, dan perubahan rezim.

Empat contoh terhitung

Momen distribusi fisik. Misalkan S_0 = $100, mu = 8%, sigma = 20%, dan T = 1. Rata-rata imbal hasil log adalah 0.06 dan variansnya 0.04. Mediannya $106.1836546545, rata-ratanya $108.3287067675, modusnya $102.0201340027, variansnya $478.9188716836, dan simpangan bakunya $21.8842151261. Guncangan Z = -1 dan Z = +1 menghasilkan $86.9358235399 dan $129.6930086666; keduanya adalah skenario, bukan batas.
Lintasan eksak versus Euler. Dengan S_0 = $100, mu = 6%, sigma = 30%, Delta t = 0.25, dan Z = [0.5, -1, 0.25, 1.25], harga eksaknya adalah $108.1933804806, $93.4727720616, $97.4091536282, dan $117.9393118711. Euler berakhir pada $119.3300424062. Transisi eksponensial eksak mempertahankan kepositifan untuk koefisien konstan ini; Euler memiliki bias diskretisasi dan dapat menjadi negatif.
Nilai opsi netral risiko. Misalkan S_0 = $100, K = $105, r = 4%, q = 1.5%, sigma = 25%, dan T = 0.75. Harga forward adalah $101.8926885052, d_1 = -0.0304963995, dan d_2 = -0.2470027504; nilai call Eropa adalah $7.2291486749. Drift fisik mu tidak masuk ke harga tanpa arbitrase yang terkontrol ini.
Galat sampling Monte Carlo. Di bawah P, ambil S_0 = $100, mu = 7%, sigma = 25%, dan T = 0.5. Untuk S_T > $120, ambangnya adalah z_star = 0.9217649222 dan probabilitas eksaknya 0.1783256040. Dengan N = 100,000 lintasan independen, galat standar Bernoulli teoretis adalah 0.0012104775; setengah lebar 95% adalah 0.0023725358, sehingga interval acuan yang berpusat pada nilai sebenarnya ialah [0.1759530681, 0.1806981400]. Lebih banyak lintasan mengurangi galat sampling, bukan galat model.

Risiko input, numerik, dan model

Mencampur ukuran fisik dan netral risiko atau gerak Brown yang berbeda.
Memperlakukan mu sebagai pertumbuhan rata-rata imbal hasil log atau sebagai imbal hasil sederhana berhingga.
Merancukan harga ex-dividen, imbal hasil total, dan distribusi yang diinvestasikan kembali.
Mencampur r, r - q, dividen diskret, pemajemukan, dan konvensi forward.
Mencampur satuan waktu kalender, hari perdagangan, intrahari, dan tahunan.
Menggunakan volatilitas dalam persen alih-alih desimal atau dengan annualisasi yang keliru.
Menggunakan parameter usang, data revisi, informasi melihat ke depan, atau cap waktu yang tidak konsisten.
Mengandalkan estimasi drift yang pendek dan berisik untuk menentukan arah.
Mengasumsikan inkremen log Gaussian yang independen dan stasioner pada setiap rezim.
Menganggap volatilitas konstan konsisten dengan skew, struktur jangka waktu, pengelompokan volatilitas, dan efek leverage.
Mengabaikan lompatan, gap semalam, gagal bayar ke nol, dan penghentian perdagangan.
Menganggap model lognormal menangkap ekor tebal dan ketergantungan saat krisis.
Mengabaikan suku bunga, dividen, biaya pinjam, atau struktur korelasi multi-aset yang stokastik.
Menggunakan Euler ketika transisi GBM eksak tersedia atau mengabaikan kemungkinan harga negatifnya.
Tidak mencatat generator, seed, metode antitetik atau pengurangan varians, dan data reproduksibilitas.
Melaporkan lintasan tanpa galat standar estimator, interval keyakinan, dan konvergensi.
Melewatkan penembusan barrier di antara langkah, ekstrem, dan peristiwa lintasan pertama.
Merancukan lebih banyak langkah waktu dengan galat struktur model yang lebih rendah.
Menganggap kalibrasi pada satu harga atau satu momen distribusi sebagai validasi model.
Mengabaikan harga yang dapat dieksekusi, likuiditas, biaya, penutupan pasar, penyelesaian produk, tata kelola, dan rekonsiliasi.

Kesalahpahaman umum

“GBM memprediksi harga saham.” GBM menetapkan distribusi bersyarat berdasarkan parameter yang dipilih.
“Drift imbal hasil log adalah mu.” Dalam notasi fisik yang digunakan di sini, drift tersebut adalah mu - 0.5 sigma^2.
“Probabilitas netral risiko adalah prakiraan dunia nyata.” Itu adalah ukuran valuasi di bawah asumsi pasar yang dinyatakan.
“Lebih banyak langkah atau lintasan membuat model pasar realistis.” Keduanya menangani galat diskretisasi atau sampling, bukan ekonomi yang hilang.
“Harga lognormal positif membatasi risiko penurunan.” Harga dapat mendekati nol tanpa batas, dan GBM mengabaikan gagal bayar mendadak.