---
title: "几何布朗运动：测度、精确模拟与模型风险"
description: "从物理测度与风险中性测度、对数正态矩、精确模拟与 Euler 模拟、蒙特卡洛误差、路径监测和模型局限等方面审查 GBM。"
image: "https://wiki.fcontext.com/og.png"
---
> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.
# 几何布朗运动：测度、精确模拟与模型风险
> 仅供教育参考，不构成投资建议；投资可能产生损失。
## 直接答案
在物理测度 `P` 下，参数恒定的几何布朗运动为 `dS_t / S_t = mu dt + sigma dW_t^P`。其精确解是 `S_t = S_0 exp[(mu - 0.5 sigma^2)t + sigma W_t^P]`，因此 `ln(S_t / S_0) ~ N((mu - 0.5 sigma^2)t, sigma^2 t)`，有限期限的价格严格为正。
这里的 `mu` 是价格瞬时期望增长参数，并非平均对数收益增长率。在风险中性测度 `Q` 下，连续收益率为 `q` 的除息资产遵循 `dS_t / S_t = (r - q)dt + sigma dW_t^Q`。两种测度回答不同问题，并使用不同的布朗运动；风险中性概率不是收益预测。
## 分七步建立并验证 GBM
1. 说明任务是物理测度预测、风险中性估值、压力测试、数值测试还是教学；不得混用 `P` 与 `Q` 的输出。
2. 锁定 `S_0`、币种、价格或总收益口径、`mu` 或 `r - q`、波动率、利率、股息、期限、时间戳、日数惯例、复利方式以及公司行动处理方法。
3. 写明特定测度下的随机微分方程、精确解与单位。在 `P` 下，`E[S_t] = S_0 e^(mu t)`、`Var[S_t] = S_0^2 e^(2 mu t)(e^(sigma^2 t) - 1)`，且 `E[S_t / S_0 - 1] = e^(mu t) - 1`。
4. 在使用路径或损益函数前，验证对数收益的均值与方差、价格的均值、方差、中位数、众数和分位数，并区分简单收益与对数收益。
5. 对分段常数 GBM，使用 `S_(i+1) = S_i exp[(mu - 0.5 sigma^2) Delta t + sigma sqrt(Delta t) Z_i]` 模拟，其中独立的 `Z_i ~ N(0,1)`，并记录随机数生成器及可复现的种子。Euler 方法只用于离散化对比研究。
6. 报告路径数、估计量、标准误、置信区间与收敛情况。对于障碍、极值、首次穿越或离散监测，应使用布朗桥或明确的监测近似处理步长之间的穿越。
7. 分开参数误差、抽样误差、离散化误差与结构性模型误差；对跳跃、随机波动率、厚尾、杠杆效应、违约、流动性、停牌、交易成本、结算和状态转换进行压力测试。
## 四个完整示例
- **物理分布的矩。** 设 `S_0 = $100`、`mu = 8%`、`sigma = 20%`、`T = 1`。对数收益均值为 `0.06`，方差为 `0.04`。中位数为 `$106.1836546545`，均值为 `$108.3287067675`，众数为 `$102.0201340027`，方差为 `$478.9188716836`，标准差为 `$21.8842151261`。冲击 `Z = -1` 与 `Z = +1` 分别得到 `$86.9358235399` 和 `$129.6930086666`；这些是情景，不是边界。
- **精确路径与 Euler 路径。** 设 `S_0 = $100`、`mu = 6%`、`sigma = 30%`、`Delta t = 0.25`，且 `Z = [0.5, -1, 0.25, 1.25]`，精确价格依次为 `$108.1933804806`、`$93.4727720616`、`$97.4091536282` 和 `$117.9393118711`。Euler 终值为 `$119.3300424062`。对这些常数系数，精确指数转移保持价格为正；Euler 存在离散化偏差，且可能产生负值。
- **风险中性期权价值。** 设 `S_0 = $100`、`K = $105`、`r = 4%`、`q = 1.5%`、`sigma = 25%`、`T = 0.75`。远期价格为 `$101.8926885052`，`d_1 = -0.0304963995`，`d_2 = -0.2470027504`；欧式看涨期权价值为 `$7.2291486749`。物理漂移 `mu` 不进入这一受控的无套利价格。
- **蒙特卡洛抽样误差。** 在 `P` 下，设 `S_0 = $100`、`mu = 7%`、`sigma = 25%`、`T = 0.5`。对于 `S_T > $120`，阈值为 `z_star = 0.9217649222`，精确概率为 `0.1783256040`。若有 `N = 100,000` 条独立路径，Bernoulli 理论标准误为 `0.0012104775`；`95%` 区间的半宽为 `0.0023725358`，以真值为中心的参考区间是 `[0.1759530681, 0.1806981400]`。增加路径只能降低抽样误差，不能降低模型误差。
## 输入、数值与模型风险
- 混用物理测度与风险中性测度，或混用相应的布朗运动。
- 把 `mu` 当作平均对数收益增长率或有限期简单收益。
- 混淆除息价格、总收益和再投资分配。
- 混用 `r`、`r - q`、离散股息、复利方式和远期口径。
- 混用自然日、交易日、日内和年化时间单位。
- 把百分数波动率当作小数输入，或采用错误的年化方法。
- 使用过时参数、修订后数据、前视信息或不一致的时间戳。
- 依赖短样本且噪声很大的漂移估计来判断方向。
- 假定所有市场状态下的高斯对数增量均独立同分布。
- 认为恒定波动率可兼容偏斜、期限结构、波动聚集和杠杆效应。
- 遗漏跳跃、隔夜缺口、归零违约事件和停牌。
- 认为对数正态模型能够捕捉厚尾和危机相关性。
- 忽略随机利率、股息、借券或多资产相关结构。
- 有精确 GBM 转移时仍使用 Euler，或忽略其产生负价格的可能性。
- 未记录生成器、种子、对偶变量或方差缩减方法及复现资料。
- 只报告路径数，不报告估计量标准误、置信区间和收敛情况。
- 漏掉步长之间的障碍穿越、极值和首次穿越事件。
- 混淆增加时间步数与降低结构性模型误差。
- 把对单一价格或分布矩的校准视为模型验证。
- 遗漏可成交价格、流动性、成本、休市、产品结算、治理与勾稽。
## 常见误区
- **“GBM 能预测一只股票的价格。”** 它只在选定参数下定义条件分布。
- **“对数收益漂移是 mu。”** 在本文物理测度符号下，它是 `mu - 0.5 sigma^2`。
- **“风险中性概率是真实世界预测。”** 它是在明确市场假设下使用的估值测度。
- **“增加步数或路径数能让市场模型变得真实。”** 它们处理离散化或抽样误差，而非缺失的经济机制。
- **“对数正态价格为正，所以限制了下行风险。”** 价格可以任意接近零，而且 GBM 遗漏突然违约。
## 相关主题
- [Black-Scholes 模型](/zh-cn/options/black-scholes-model/)
- [蒙特卡洛期权定价](/zh-cn/options/monte-carlo-option-pricing/)
- [跳跃扩散期权模型](/zh-cn/options/jump-diffusion-option-model/)
## 一手与学术来源
- [On stochastic differential equations](https://doi.org/10.1090/memo/0004)
- [Mathematics of Speculative Price](https://doi.org/10.1137/1015001)
- [The Pricing of Options and Corporate Liabilities](https://doi.org/10.1086/260062)
- [Theory of Rational Option Pricing](https://doi.org/10.2307/3003143)
- [An Algorithmic Introduction to Numerical Simulation of Stochastic Differential Equations](https://doi.org/10.1137/S0036144500378302)
- [1.3.6.6.9. Lognormal Distribution](https://itl.nist.gov/div898/handbook/eda/section3/eda3669.htm)
- [Option pricing when underlying stock returns are discontinuous](https://doi.org/10.1016/0304-405X(76)90022-2)
- [The Variation of Certain Speculative Prices](https://doi.org/10.1086/294632)
Source: https://wiki.fcontext.com/zh-cn/options/geometric-brownian-motion/index.mdx