⑴ 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……
⑵ 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)
⑶ 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
⑷ 几何布朗运动和分数布朗运动有什么区别
几何布朗运动 (GBM) (也叫做指数布朗运动) 是连续时间情况下的随机过程，其中随机变量的对数遵循布朗运动,[1] also called aWiener process.几何布朗运动在金融数学中有所应用，用来在布莱克-舒尔斯定价模型中模仿股票价格。
分数布朗运动
世界是非线性的，宇宙万物绝大部分不是有序的、线性的、稳定的，而是混沌的、非线性的、非稳定和涨落不定的沸腾世界。有序的、线性的、稳定的只存在于我们自己构造的理论宫殿，而现实宇宙充满了分形。在股票市场的价格波动、心率及脑波的波动、电子元器件中的噪声、自然地貌等大量的自然现象和社会现象中存在着一类近乎全随机的现象，它们具有如下特性：在时域或空域上有自相似性和长时相关性和继承性；在频域上，其功率谱密度在一定频率范围内基本符合1/f的多项式衰减规律。因此被称为1/f族随机过程。Benoit Mandelbrot和Van Ness 提出的分数布朗运动(fractional Brownian motion，FBM)模型是使用最广泛的一种，它具有自相似性、非平稳性两个重要性质，是许多自然现象和社会现象的内在特性。分数布朗运动被赋予不同的名称，如分形布朗运动、有偏的随机游走(Biased Random walk)、分形时间序列(Fractional time serial)、分形维纳过程等。其定义如下：
设0<H<1，Hurst参数为H的分数布朗运动为一连续Gaussian过程，且 ，协方差为 。H=1/2时， 即为标准布朗运动 。
分数布朗运动特征是时间相关函数C(t)≠0,即有持久性或反持久性,或者说有“长程相关性”,不失一般性，可以给出一维情形的布朗运动及分数布朗运动的定义。分数布朗运动既不是马尔科夫过程，又不是半鞅，所以不能用通常的随机来分析。分数布朗运动与布朗运动之间的主要区别为：分数布朗运动中的增量是不独立的，而布朗运动中的增量是独立的；分数布朗运动的深层次上和布朗运动的层次上它们的分维值是不同的，分数布朗运动（分形噪声）的分维值alpha等于1/H，H为Hurst指数，而布朗运动（白噪声）的分维值都是2。
Hurst在一系列的实证研究中发现，自然现象都遵循“有偏随机游走”，即一个趋势加上噪声，并由此提出了重标极差分析法(Rescaled Range Analysis，R/S分析)。设R/S表示重标极差，N表示观察次数，a是固定常数，H表示赫斯特指数，在长达40多年的研究中，通过大量的实证研究，赫斯特建立了以下关系:
R/S=(aN)H
通过对上式取对数，可得：
log(R/S)=H(logN十loga)
只要找出R/S关于N的log/log图的斜率，就可以来估计H的值。 Hurst指数H用来度量序列相关性和趋势强度：当H=0.5时，标准布朗运动，时间序列服从随机漫步；当H≠0.5时,C(t)≠0，且与时间无关，正是分数布朗运动的特征。当0.5<H<1时，序列是趋势增强的，遵循有偏随机游走过程；当0<H<0.5时，序列是反持续性的。可以看出，Hurst指数能够很好地刻画证券市场的波动特征，将R/S分析应用于金融市场，可以判断收益率序列是否具有记忆性，记忆性是持续性的还是反持续性的。所以，分数布朗运动是复杂系统科学体系下的数理金融学的一个合适的工具，作为对描述金融市场价格波动行为模型的维纳过程的一般化、深刻化具有重要的理论与现实意义。
⑸ 证券价格服从漂移参数0.05，波动参数0.3的几何布朗运动，当前价格为95，利率是4% 假设有种
后答案上默认为这个概率等于P［ln(S(0.5)／
⑹ 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。
⑺ 风险中性的求证试验
期权定价模型
期权定价模型是期权理论分析的一个重要内容，它是金融工程研究的基础。1973年金融学家费雪·布莱克(FischerBlack)和迈伦·斯科尔斯（Myronscholes)在美国《政治经济学》上发表了论文《期权和公司债务的定价》，给出了欧式股票看涨期权的定价公式，即今天所称的Black2Scholes模型，该模型被称为“不仅在金融领域，而且在整个经济领域中最成功的理论”，斯科尔斯因此和美国哈佛商学院的教授罗伯特·默顿（BobertC.Merton)获得了第29届诺贝尔经济学奖。但Black2Scholes期权定价公式的推导过程是相当复杂的，需要用到随机过程、随机微分方程求解等高深的数学工具知识。Black2Scholes公式的两个新颖和简洁的推导，即在风险中性假设下来推导出Black2Scholes
基本假设和记号
借助于Black2Scholes模型的原始假设条件：
（1）期权是股票的欧式看涨期权，其执行价格是K，记当前时刻为t，期权到期时间为T，股票当前价格是S，时刻的价格是ST。
（2）股票价格遵循几何布朗运动，即logST-logS～Φ[（μ-σ22(T-t)，σT-t]其中Φ（m,n)表示均值为m，标准差为n的正态分布。
（3）允许使用全部所得卖空衍生证券。
（4）无交易费用或税收。
（5）在衍生证券的有效期内没有红利支付。
（6）不存在无风险套利机会。
（7）证券交易是连续的。
（8）无风险利率是常数且对所有到期日都相同。
再假设投资者都是风险中性的，在风险中性世界里，股票的预期收益率μ等于无风险利率r，则由假设（2），得到
logST-logS～Φr-σ2(T-t)，σT-t
由对数正态分布的特性，可知ST的期望值E(ST)表示为E(ST)=Ser(T-t)。对于不支付红利股票的欧式看涨期权，它在到期日的价值为CT=max{ST-K，0}，期权当前价格C应是E(CT)以无风险利率贴现的结果，即C=e-r(T-t)E(CT)=e-r(T-t)E(max(ST-K,0))
⑻ 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。
⑼ 怎样求解布朗运动的期望和方差
怎样求解布朗运动的期望和方差
布朗运动（Brownian motion）是一种正态分布的独立增量连续随机过程。它是随机分析中基本概念之一。其基本性质为：布朗运动W（t）是期望为0方差为t（时间）的正态随机变量。对于任意的r小于等于s，W（t）-W（s）独立于的W（r），且是期望为0方差为t-s的正态随机变量。可以证明布朗运动是马尔可夫过程、鞅过程和伊藤过程。