Quant Sandbox
SzármaztatottPortfólió & kockázatFix hozamúVállalati pénzügySztochasztikus modellekÚtmutató
Útmutató
Derivatívák árazása
01Határidős ügyletek, call és put opciók02Pozíciók kombinálása03Arbitrázs és a határidős ár04Put–call paritás05Az egylépéses binomiális modell06Kockázatsemleges valószínűségek07Többlépéses fák és visszafelé indukció08Amerikai opciók és korai lehívás09Delta és fedezés10Geometriai Brown-mozgás11A Black–Scholes-képlet12A görögök: gamma, vega, théta és rhó13Implikált volatilitás és a volatilitás-mosoly14Sztochasztikus volatilitás és a Heston-modell15Statikus replikáció: Breeden–Litzenberger és Carr–Madan16Egzotikus opciók: korlátos, ázsiai és digitális opciók
Portfólió és kockázat
01Hozamok és volatilitás02Diverzifikáció és korreláció03Hatékony front és tőkepiaci egyenes04Kockázatkerülés és az optimális teljes portfólió05CAPM, béta és az értékpapír-piaci egyenes06Teljesítménymutatók: Sharpe, Treynor, Jensen és információs ráta07Faktormodellek és szisztematikus kockázat08Kockáztatott érték (VaR) és várható veszteség (ES)
Kötvények és kamatlábak
01Kötvényárak és hozamok02Duráció és konvexitás03Immunizáció és durációillesztés04Azonnali kamatok, forward kamatok és a hozamgörbe05Kötvényfutures és a legolcsóbban szállítható kötvény06Kamatcsereügyletek07Visszahívható kötvények és negatív konvexitás08Hitelkockázat: csődvalószínűség és hitelfelár
Vállalati pénzügyek
01Kamat, kamatozás és diszkontálás02Annuitások, örökjáradékok és hiteltörlesztés03Nettó jelenérték és belső megtérülési ráta04Súlyozott átlagos tőkeköltség05Tőkeszerkezet és a Modigliani–Miller-tételek06Diszkontált pénzáram alapú értékelés07Relatív értékelés szorzókkal08Reálopciók: a rugalmasság értéke
Sztochasztikus modellek
01Véletlen bolyongás és Brown-mozgás02Valószínűségi mezők, σ-algebrák és valószínűségi változók03Filtrációk, adaptált folyamatok és megállási idők04Feltételes várható érték és martingálok05A Brown-mozgás tulajdonságai06A tükrözési elv és az első elérési idők07A Brown-híd08Az Itô-integrál09Az Itô-lemma10Kolmogorov-egyenletek és a Feynman–Kac-formula11Mértékcsere és a Girsanov-tétel12Monte Carlo-opcióárazás13SDE-k szimulációja: az Euler–Maruyama-séma14Átlaghoz való visszahúzás: Ornstein–Uhlenbeck és Vasicek15Ugrások és a Merton-féle ugró diffúzió
Tudásgráf

© 2026 Quant Sandbox · Tanulást segítő eszköz a kvantitatív pénzügyekhez

Adatvédelem és adatokNincsenek sütik

Ez az oldal nem használ sütiket (cookie-kat), és nem kér személyes adatokat. Néhány apró beállítást a böngésződ helyi tárolójában (local storage) őriz meg — a választott témát és nyelvet, az oldalsáv elrendezését, valamint az útmutatókban elért haladást és a válaszaidat —, hogy a következő látogatáskor is emlékezzen rájuk. Ezek az adatok nem hagyják el az eszközödet; a böngésző tárhelyének törlésével eltávolíthatók. A módosított bemenetek az oldal URL-címében is rögzülhetnek, így megoszthatsz vagy könyvjelzőként elmenthetsz egy adott beállítást. Az oldal a Vercel Web Analytics szolgáltatást használja, amely adatvédelem-barát és süti nélküli: csak névtelen, összesített használati adatokat (például oldalletöltéseket) rögzít, anélkül hogy azonosítana téged vagy más oldalakon követne.

Útmutató/Sztochasztikus modellek

Átlaghoz való visszahúzás: Ornstein–Uhlenbeck és Vasicek

14. lecke / 15 · 1 perc

A „Véletlen bolyongás és Brown-mozgás” lecke Brown-mozgása és a rá épülő részvényár-modell korlátlanul elkóborolhat: a varianciájuk az időtávval nő, és semmi sem húzza vissza őket. A kamatlábak, a volatilitás és a hitelfelárak másképp viselkednek. Ingadoznak, de évek alatt jellemzően visszatérnek egy szokásos szintre. Ez a lecke felépíti az ilyen folyamatok standard modelljét, „Az Itô-lemma” eszközeivel pontosan megoldja, majd a Vasicek-modellben a rövid kamatlábra alkalmazza.

Az Ornstein–Uhlenbeck-folyamat

Legyen XtX_tXt​ a vizsgált mennyiség, például egy kamatláb. Az Ornstein–Uhlenbeck-folyamat az alábbi Itô-folyamat:

dXt=κ (θ−Xt) dt+σ dWt,dX_t = \kappa\,(\theta - X_t)\,dt + \sigma\,dW_t,dXt​=κ(θ−Xt​)dt+σdWt​,

három állandó paraméterrel:

  • θ\thetaθ a hosszú távú szint, amely felé a folyamatot húzza a drift.
  • κ>0\kappa > 0κ>0 a visszahúzási sebesség: időegységenként mennyire zárja a θ−Xt\theta - X_tθ−Xt​ rést.
  • σ>0\sigma > 0σ>0 a volatilitás: a véletlen sokkok mérete, ahogy „Az Itô-lemma” leckében.

A drift előjele a rés előjele. θ\thetaθ fölött a drift negatív és lefelé tolja a folyamatot, θ\thetaθ alatt pozitív és felfelé. Gondolj egy rugóra kötött golyóra, amelyet folyamatosan véletlen lökések érnek: minél messzebb kerül a nyugalmi helyzetétől, annál erősebben húzza vissza a rugó. A geometriai Brown-mozgással ellentétben itt a volatilitás nem függ a szinttől, a sokkok mindenhol ugyanakkorák. Ezt a viselkedést nevezzük átlaghoz való visszahúzásnak.

A determinisztikus rész

Kapcsoljuk ki a zajt, σ=0\sigma = 0σ=0. Ekkor a dx/dt=κ(θ−x)dx/dt = \kappa(\theta - x)dx/dt=κ(θ−x) közönséges differenciálegyenletet kapjuk, amelynek megoldása

x(t)=θ+(x0−θ) e−κt.x(t) = \theta + (x_0 - \theta)\,e^{-\kappa t}.x(t)=θ+(x0​−θ)e−κt.

A θ\thetaθ-tól való távolság exponenciálisan csökken. Azt az időt, amely után a rés fele marad meg, az e−κt=1/2e^{-\kappa t} = 1/2e−κt=1/2 egyenlet adja; ez a felezési idő:

t1/2=ln⁡2κ.t_{1/2} = \frac{\ln 2}{\kappa}.t1/2​=κln2​.

Nem függ a rés nagyságától. κ=0,5\kappa = 0{,}5κ=0,5 mellett a felezési idő ln⁡2/0,5≈1,39\ln 2 / 0{,}5 \approx 1{,}39ln2/0,5≈1,39 év, κ=5\kappa = 5κ=5 mellett nagyjából 35 kereskedési nap.

Egzakt megoldás

A fogás az, hogy változócserével eltüntetjük a θ\thetaθ felé húzó tagot. Alkalmazzuk az Itô-lemmát az Yt=f(t,Xt)=eκtXtY_t = f(t, X_t) = e^{\kappa t} X_tYt​=f(t,Xt​)=eκtXt​ folyamatra, ahol ∂f/∂t=κeκtx\partial f/\partial t = \kappa e^{\kappa t} x∂f/∂t=κeκtx, ∂f/∂x=eκt\partial f/\partial x = e^{\kappa t}∂f/∂x=eκt és ∂2f/∂x2=0\partial^2 f/\partial x^2 = 0∂2f/∂x2=0. Mivel a második derivált nulla, Itô-korrekció nincs:

dYt=κeκtXt dt+eκt(κ(θ−Xt) dt+σ dWt)=κθ eκt dt+σeκt dWt.dY_t = \kappa e^{\kappa t} X_t\,dt + e^{\kappa t}\big(\kappa(\theta - X_t)\,dt + \sigma\,dW_t\big) = \kappa\theta\,e^{\kappa t}\,dt + \sigma e^{\kappa t}\,dW_t.dYt​=κeκtXt​dt+eκt(κ(θ−Xt​)dt+σdWt​)=κθeκtdt+σeκtdWt​.

Az XtX_tXt​-t tartalmazó tagok kiesnek, a jobb oldal már nem függ YYY-tól. Összegezzük a növekményeket a [0,t][0, t][0,t] intervallumon:

eκtXt=X0+θ (eκt−1)+σ∫0teκs dWs.e^{\kappa t} X_t = X_0 + \theta\,\big(e^{\kappa t} - 1\big) + \sigma \int_0^t e^{\kappa s}\,dW_s.eκtXt​=X0​+θ(eκt−1)+σ∫0t​eκsdWs​.

e−κte^{-\kappa t}e−κt-vel szorozva kapjuk a megoldást:

Xt=θ+(X0−θ) e−κt+σ∫0te−κ(t−s) dWs.X_t = \theta + (X_0 - \theta)\,e^{-\kappa t} + \sigma \int_0^t e^{-\kappa (t-s)}\,dW_s.Xt​=θ+(X0​−θ)e−κt+σ∫0t​e−κ(t−s)dWs​.

Az első két tag a fenti determinisztikus pálya. Az integrál összegzi a sokkokat, mindegyiket e−κ(t−s)e^{-\kappa(t-s)}e−κ(t−s) súllyal: a régen történt sokkot a folyamat már nagyrészt visszahúzta, ezért alig számít.

Várható érték, variancia és stacionárius eloszlás

Egy determinisztikus függvény dWdWdW szerinti integrálja nulla várható értékű normális változó, és az Itô-izometria szerint a varianciája a súly négyzetének integrálja: Var⁡(∫0tg(s) dWs)=∫0tg(s)2 ds\operatorname{Var}\big(\int_0^t g(s)\,dW_s\big) = \int_0^t g(s)^2\,dsVar(∫0t​g(s)dWs​)=∫0t​g(s)2ds. A g(s)=σe−κ(t−s)g(s) = \sigma e^{-\kappa(t-s)}g(s)=σe−κ(t−s) választással

E[Xt]=θ+(X0−θ) e−κt,Var⁡(Xt)=σ22κ(1−e−2κt).\mathbb{E}[X_t] = \theta + (X_0 - \theta)\,e^{-\kappa t}, \qquad \operatorname{Var}(X_t) = \frac{\sigma^2}{2\kappa}\big(1 - e^{-2\kappa t}\big).E[Xt​]=θ+(X0​−θ)e−κt,Var(Xt​)=2κσ2​(1−e−2κt).

XtX_tXt​ tehát minden ttt-re normális eloszlású. Ha t→∞t \to \inftyt→∞, a várható érték θ\thetaθ-hoz tart, a variancia pedig megáll. A Brown-mozgás σ2t\sigma^2 tσ2t varianciája ezzel szemben a végtelenségig nő.

Az Ornstein–Uhlenbeck-folyamat stacionárius eloszlása: X∞∼N(θ, σ2/(2κ))X_\infty \sim N\big(\theta,\ \sigma^2/(2\kappa)\big)X∞​∼N(θ, σ2/(2κ)). Gyorsabb visszahúzás (nagyobb κ\kappaκ) szűkebb hosszú távú szóródást jelent θ\thetaθ körül.

Egzakt szimuláció és az AR(1) alak

Ugyanez a számolás egyetlen Δt\Delta tΔt hosszú lépésre, az aktuális értékből indulva, diszkretizációs hiba nélküli, egzakt szimulációs sémát ad. Minden lépésben egy független Z∼N(0,1)Z \sim N(0,1)Z∼N(0,1) húzással:

Xt+Δt=θ+(Xt−θ) e−κΔt+σ1−e−2κΔt2κ  Z.X_{t+\Delta t} = \theta + (X_t - \theta)\,e^{-\kappa\Delta t} + \sigma\sqrt{\frac{1 - e^{-2\kappa\Delta t}}{2\kappa}}\;Z.Xt+Δt​=θ+(Xt​−θ)e−κΔt+σ2κ1−e−2κΔt​​Z.

Rögzített lépésközzel mintavételezve a folyamat elsőrendű autoregresszió, AR(1): Xn+1=a+ϕXn+εn+1X_{n+1} = a + \phi X_n + \varepsilon_{n+1}Xn+1​=a+ϕXn​+εn+1​, ahol ϕ=e−κΔt\phi = e^{-\kappa\Delta t}ϕ=e−κΔt és a=θ(1−ϕ)a = \theta(1 - \phi)a=θ(1−ϕ). A megfigyelt értékeket az előző értékükre regresszálva így megbecsülhetők a paraméterek: κ=−ln⁡ϕ/Δt\kappa = -\ln\phi / \Delta tκ=−lnϕ/Δt és θ=a/(1−ϕ)\theta = a/(1-\phi)θ=a/(1−ϕ).

Számpélda

Legyen κ=0,5\kappa = 0{,}5κ=0,5, θ=4%\theta = 4\%θ=4%, σ=1%\sigma = 1\%σ=1%, a kezdőszint X0=8%X_0 = 8\%X0​=8%, az idő években mérve.

  • Felezési idő: ln⁡2/0,5≈1,39\ln 2 / 0{,}5 \approx 1{,}39ln2/0,5≈1,39 év.
  • 1 év után: várható érték 4%+4%⋅e−0,5≈6,43%4\% + 4\% \cdot e^{-0{,}5} \approx 6{,}43\%4%+4%⋅e−0,5≈6,43%, szórás 0,01(1−e−1)/1≈0,80%0{,}01\sqrt{(1 - e^{-1})/1} \approx 0{,}80\%0,01(1−e−1)/1​≈0,80%.
  • 5 év után: várható érték 4%+4%⋅e−2,5≈4,33%4\% + 4\% \cdot e^{-2{,}5} \approx 4{,}33\%4%+4%⋅e−2,5≈4,33%, szórás ≈0,997%\approx 0{,}997\%≈0,997%.
  • Stacionárius szórás: σ/2κ=0,01/1=1%\sigma/\sqrt{2\kappa} = 0{,}01/\sqrt{1} = 1\%σ/2κ​=0,01/1​=1%.

Öt év után a kezdőszint szinte teljesen feledésbe merül: a várható érték közel van θ\thetaθ-hoz, a szórás pedig már a hosszú távú értékének 99,7%-a.

Az ábrán θ=4%\theta = 4\%θ=4% és σ=1%\sigma = 1\%σ=1% rögzített, az időtáv 5 év. Csúszkákkal a κ\kappaκ visszahúzási sebesség (0,1 és 5 között) és az X0X_0X0​ kezdőszint (0% és 10% között) állítható, az „Új pályák” gomb új pályákat sorsol. A grafikon több szimulált pályát, a θ+(X0−θ)e−κt\theta + (X_0 - \theta)e^{-\kappa t}θ+(X0​−θ)e−κt várható pályát és a ±2\pm 2±2 szórásnyi sávokat mutatja. A kijelzők a felezési időt, a σ/2κ\sigma/\sqrt{2\kappa}σ/2κ​ stacionárius szórást, az 5 év utáni várható szintet és a Vasicek-modell 5 éves zérókupon-hozamát adják r0=X0r_0 = X_0r0​=X0​ mellett. Növeld κ\kappaκ-t: a pályák θ\thetaθ-hoz tapadnak, a sáv szűkül; vidd 0,1 felé, és a pályák szinte Brown-mozgásnak látszanak. Aztán indítsd a folyamatot θ\thetaθ-tól messze, 0%-ról vagy 10%-ról, és figyeld a várható pálya lecsengését.

Átlaghoz visszahúzó pályák (Ornstein–Uhlenbeck)Megnyitás: Itô-folyamat →
0.5
0.15
8.00%
010
±2 szórásVárható pálya
Felezési idő (év)
1.39
Stacionárius szórás
1.00%
Várható szint 5 év múlva
4.33%
5 éves zérókupon-hozam (Vasicek)
5.46%

A Vasicek-modell

A rövid kamatláb rtr_trt​ egy pillanatnyi időtartamra szóló hitel folytonos kamatlába. A Vasicek-modell feltevése, hogy a Q\mathbb{Q}Q kockázatsemleges mérték alatt Ornstein–Uhlenbeck-folyamatot követ: drt=κ(θ−rt) dt+σ dWtdr_t = \kappa(\theta - r_t)\,dt + \sigma\,dW_tdrt​=κ(θ−rt​)dt+σdWt​. Egy zérókupon-kötvény a TTT időpontban 1-et fizet, ára pedig a rövid kamat véletlen pályája menti diszkontfaktor várható értéke, P(0,T)=EQ[e−∫0Trs ds]P(0,T) = \mathbb{E}^{\mathbb{Q}}\big[e^{-\int_0^T r_s\,ds}\big]P(0,T)=EQ[e−∫0T​rs​ds]. Mivel egy normális folyamat integrálja is normális, ez a várható érték zárt alakban felírható:

P(0,T)=A(T) e−B(T) r0,B(T)=1−e−κTκ,P(0,T) = A(T)\,e^{-B(T)\,r_0}, \qquad B(T) = \frac{1 - e^{-\kappa T}}{\kappa},P(0,T)=A(T)e−B(T)r0​,B(T)=κ1−e−κT​,
ln⁡A(T)=(θ−σ22κ2)(B(T)−T)−σ2B(T)24κ.\ln A(T) = \left(\theta - \frac{\sigma^2}{2\kappa^2}\right)\big(B(T) - T\big) - \frac{\sigma^2 B(T)^2}{4\kappa}.lnA(T)=(θ−2κ2σ2​)(B(T)−T)−4κσ2B(T)2​.

B(T)B(T)B(T) azt méri, mennyit számít a mai rövid kamat: rövid lejáratra közel van TTT-hez, hosszú lejáratra 1/κ1/\kappa1/κ-nál megáll, mert r0r_0r0​ hatása elhalványul. A folytonos zérókupon-hozam y(T)=−ln⁡P(0,T)/Ty(T) = -\ln P(0,T)/Ty(T)=−lnP(0,T)/T.

A fenti példában r0=8%r_0 = 8\%r0​=8% és T=5T = 5T=5 mellett: B(5)=(1−e−2,5)/0,5≈1,836B(5) = (1 - e^{-2{,}5})/0{,}5 \approx 1{,}836B(5)=(1−e−2,5)/0,5≈1,836, A(5)≈0,8815A(5) \approx 0{,}8815A(5)≈0,8815, így P(0,5)≈0,8815 e−1,836⋅0,08≈0,7611P(0,5) \approx 0{,}8815\,e^{-1{,}836 \cdot 0{,}08} \approx 0{,}7611P(0,5)≈0,8815e−1,836⋅0,08≈0,7611, az 5 éves hozam pedig −ln⁡(0,7611)/5≈5,46%-\ln(0{,}7611)/5 \approx 5{,}46\%−ln(0,7611)/5≈5,46%. A hozam r0r_0r0​ és θ\thetaθ közé esik, mert a piac a kamat 4% felé való visszatérésére számít.

TTT növelésével a hozam θ−σ2/(2κ2)\theta - \sigma^2/(2\kappa^2)θ−σ2/(2κ2)-hez tart, itt 3,98%3{,}98\%3,98%-hoz. Ha r0r_0r0​ ez alatt van, a modell emelkedő görbét ad, ha fölötte, akkor fordított (csökkenő) görbét, közvetlenül fölötte pedig enyhén púpos, előbb kissé emelkedő, majd csökkenő görbét. Az „Azonnali kamatok, forward kamatok és a hozamgörbe” lecke ezeket az alakokat a piacon megfigyelhető formában mutatja be; a Vasicek-modell csak ezt a néhány alakot tudja előállítani, ezért a gyakorlatban a görbét gyakran közvetlenül, rugalmasabb függvénnyel illesztik. Ilyen piaci görbéket a Hozamgörbe labor mutat.

A modell fő hátránya, hogy a normális eloszlású rövid kamat pozitív valószínűséggel negatívvá válhat. A Cox–Ingersoll–Ross- (CIR-) modell ezt úgy kerüli el, hogy a volatilitást rt\sqrt{r_t}rt​​-vel arányosnak veszi.

Összefoglalás

  • A dX=κ(θ−X) dt+σ dWdX = \kappa(\theta - X)\,dt + \sigma\,dWdX=κ(θ−X)dt+σdW Ornstein–Uhlenbeck-folyamatot κ\kappaκ sebességgel húzza a θ\thetaθ hosszú távú szint; a várható rés ln⁡2/κ\ln 2/\kappaln2/κ időnként feleződik.
  • Az Itô-lemmát eκtXte^{\kappa t}X_teκtXt​-re alkalmazva kapjuk az egzakt megoldást; XtX_tXt​ normális, várható értéke θ+(X0−θ)e−κt\theta + (X_0 - \theta)e^{-\kappa t}θ+(X0​−θ)e−κt, varianciája σ22κ(1−e−2κt)\tfrac{\sigma^2}{2\kappa}(1 - e^{-2\kappa t})2κσ2​(1−e−2κt).
  • A variancia korlátos marad, a stacionárius eloszlás N(θ,σ2/(2κ))N(\theta, \sigma^2/(2\kappa))N(θ,σ2/(2κ)); rögzített lépésközzel mintavételezve a folyamat AR(1).
  • A Vasicek-modellben a rövid kamat OU-folyamat, és P(0,T)=A(T)e−B(T)r0P(0,T) = A(T)e^{-B(T)r_0}P(0,T)=A(T)e−B(T)r0​, ahol B(T)=(1−e−κT)/κB(T) = (1 - e^{-\kappa T})/\kappaB(T)=(1−e−κT)/κ; a kamat negatívvá válhat.
Próbáld kiSzimulálj Itô-folyamatokat, és hasonlítsd össze a driftjüket és szóródásukat az Itô-folyamat laborban →
2 kérdés ehhez a leckéhez a sorozat végén →
← ElőzőSDE-k szimulációja: az Euler–Maruyama-sémaKövetkező →Ugrások és a Merton-féle ugró diffúzió
Kapcsolatok
Átlaghoz való visszahúzás: Ornstein–Uhle…
Teljes gráf megnyitása →
Laborok ehhez a leckéhez
Itô-folyamatHozamgörbe