σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

تعلّم التطوير الكمّي بالممارسة: دروس قصيرة ومختبرات مُقيَّمة وبيئة تطوير حقيقية داخل متصفحك.

تعلّم
كل خرائط الطريقكل مسارات التعلممسار Pythonمسار C++قريبًامسار OxCamlقريبًامسار Market Structureمسار Calculusمسار Linear Algebraمسار Probabilityمسار Statisticsمسار Matrix Decompositionsمسار Optimizationمسار Time Seriesمسار Stochastic Calculusمسار Bayesian Inferenceمسار Hidden Markov Modelsمسار Particle filtering and non-stationary time series
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
المسارات›Stochastic Calculus
S

Stochastic Calculus المسار

متاحابدأ من هنا

يقوم تسعير الخيارات ونماذج المخاطر وكثير من المحاكيات على فكرة واحدة: السعر مجموع خطوات عشوائية صغيرة كثيرة. تشرح هذه المهارة الفكرة بخطوات بسيطة، مع اختبارات قصيرة (أرقام تحسبها وخطوات ترتبها ومفاهيم تطابقها) وأمثلة مالية: لماذا تتجمع مربعات تغيرات مسار عشوائي لتصبح زمنًا، ولماذا ربح المتحوِّط تكامل لا ينظر إلا إلى الماضي، ولماذا يختفي العائد المتوقع الحقيقي من سعر الخيار، وكيف تعطي معادلة التسعير التفاضلية ومتوسط المسارات العشوائية العدد نفسه، وماذا يضيف الارتداد إلى المتوسط والقفزات، وكيف يقايض مخطط المحاكاة السرعة بالدقة. المشروع الختامي مختبر برمجي تقدّر فيه نموذجًا من عوائد SPY وتحاكيه وتسعّر خيار شراء بالصيغة وبمونتي كارلو وتقيس خطأ التحوط المتبقي حين تعيد الموازنة كل بضعة أيام فقط.

5 وحدات12 مختبرًا مصححًا~12 ساعةمتقدم
ابدأ المسار

المتطلبات المسبقة

يُتوقع معرفة التفاضل والتكامل والاحتمالات (المشتقات والتكاملات والتوقع والتوزيع الطبيعي). لا حاجة إلى خلفية في المالية أو العمليات العشوائية.

  • CCalculus
  • PProbability

المنهج

12 موضوعًا · افتح أي موضوع بالترتيب الذي تريده
  1. 1الحركة البراونيةلم يبدأيتطلب Python50 دابدأ
  2. 2التباين التربيعيلم يبدأ50 دابدأ
  3. 3تكامل إيتولم يبدأ1 سابدأ
  1. 4مبرهنة إيتولم يبدأيتطلب Python55 دابدأ
  2. 5الحركة البراونية الهندسيةلم يبدأيتطلب Python55 دابدأ
  1. 6جيرسانوف والقياس المحايد للمخاطرلم يبدأ1 س 5 دابدأ
  2. 7فاينمان-كاك ومعادلة بلاك-شولز التفاضليةلم يبدأ1 س 5 دابدأ
  1. 8عمليات الارتداد إلى المتوسط OU وCIRلم يبدأ55 دابدأ
  2. 9القفزات: بواسون وميرتونلم يبدأ1 سابدأ
  3. 10التقلب المحلي والعشوائيلم يبدأ55 دابدأ
  1. 11مخططا أويلر-ماروياما وميلشتاينلم يبدأ55 دابدأ
  2. 12المشروع الختامي: المحاكاة والتسعير والتحوط مع إعادة موازنة متقطعةلم يبدأ1 س 40 دابدأ

الإكمال

انجح في 12 مختبرًا بدرجة 70 فأكثر لإكمال المسار والحصول على شارة حساب التفاضل العشوائي في ملفك الشخصي.

0 / 120%

المتطلبات المسبقة

يُتوقع معرفة التفاضل والتكامل والاحتمالات (المشتقات والتكاملات والتوقع والتوزيع الطبيعي). لا حاجة إلى خلفية في المالية أو العمليات العشوائية.

  • CCalculus
  • PProbability

الأدوات التي ستستخدمها

PythonNumPypandaspytest

ما الذي ستتعلمه

  • شرح لماذا يساوي التباين التربيعي لمسار عشوائي الزمن وماذا يغيّر ذلك في التفاضل والتكامل المعتاد
  • حساب تكاملات إيتو وتطبيق مبرهنة إيتو على الحركة البراونية الهندسية
  • الانتقال من الاحتمالات الحقيقية إلى المحايدة للمخاطر وتسعير الخيارات بمعادلة بلاك-شولز وصيغتها
  • نمذجة الارتداد إلى المتوسط والقفزات والتقلب العشوائي ومعرفة ما يضيفه كل منها إلى نموذج الأسعار
  • محاكاة المسارات بطريقتي أويلر-ماروياما وميلشتاين والتسعير بمونتي كارلو وقياس خطأ تحوط دلتا المتقطع على عوائد حقيقية

المسار التالي

BBayesian Inferenceمتاح
uantCraft Academy

تعلّم التطوير الكمّي بالممارسة: دروس قصيرة ومختبرات مُقيَّمة وبيئة تطوير حقيقية داخل متصفحك.

تعلّم
كل خرائط الطريقكل مسارات التعلممسار Pythonمسار C++قريبًامسار OxCamlقريبًامسار Market Structureمسار Calculusمسار Linear Algebraمسار Probabilityمسار Statisticsمسار Matrix Decompositionsمسار Optimizationمسار Time Seriesمسار Stochastic Calculusمسار Bayesian Inferenceمسار Hidden Markov Modelsمسار Particle filtering and non-stationary time series
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
تسجيل الدخولانضم ↗
تسجيل الدخول