爱吃折耳根的Ace (@_zheergen) “量化必备：几何布朗运动从理论到向量化实现 之前分享过从零到一的 Python 量化回测、” — TopicDigg
爱吃折耳根的Ace
@_zheergen
加入 January 2024
0 正在关注 0 粉丝
量化必备：几何布朗运动从理论到向量化实现
之前分享过从零到一的 Python 量化回测、真实数据清洗避坑，以及 Fama-French 多因子模型实操。
今天粉丝问我：Ace 还有没有把几何布朗运动（GBM）从数学公式一路讲到可交互模拟仪表盘的完整视频？
我去找了这支来自 Daniel Boctor 的优质实战教学。
视频真正的价值在于：它把量化金融中最基础也最重要的随机模型——几何布朗运动，讲得既有理论深度，又有工程落地感。
核心内容包括：
1️⃣ 清晰拆解 GBM 公式 dStSt=μdt+σdWt \frac{dS_t}{S_t} = \mu dt + \sigma dW_t StdSt=μdt+σdWt，把漂移项、扩散项和随机项讲透
2️⃣ 特别纠正离散模拟时必须使用几何复利收益、而不是简单算术收益的常见错误
3️⃣ 用 NumPy 向量化彻底摆脱 for 循环，瞬间生成成百上千条随机路径
4️⃣ 用 ipywidgets 搭建可实时调节参数的交互仪表盘，直观观察资产增长曲线和终端财富分布
5️⃣ 末尾额外演示了 Fama-French 因子滚动回归分析
这是一支从理论到可视化都做得很扎实的量化随机过程教学，适合想系统学习蒙特卡洛模拟和向量化编程的朋友。强烈建议跟着敲一遍代码收获会很大。
显示更多
