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 AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

Desarrollo cuantitativo aprendiendo haciendo: lecciones cortas, laboratorios calificados y un IDE real, en tu navegador.

Aprender
Todas las hojas de rutaTodas las rutasRuta de PythonRuta de C++ProntoRuta de OxCamlProntoRuta de Market StructureRuta de CalculusRuta de Linear AlgebraRuta de ProbabilityRuta de StatisticsRuta de Matrix DecompositionsRuta de OptimizationRuta de Time SeriesRuta de Stochastic CalculusRuta de Bayesian InferenceRuta de Hidden Markov ModelsRuta de Particle filtering and non-stationary time series
Soporte
Danos tu opiniónInvítanos a un café
Legal
Política de privacidadTérminos del servicio
© 2026 QuantCraft Solutions. Todos los derechos reservados.
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 AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Rutas›Stochastic Calculus
S

Stochastic Calculus Ruta

ActivaEmpieza aquí

La valoración de opciones, los modelos de riesgo y muchos simuladores descansan en una idea: un precio es la suma de muchos pasos aleatorios diminutos. Esta habilidad la explica en pasos sencillos, con comprobaciones breves (números que calcula, pasos que ordena, conceptos que empareja) y ejemplos financieros: por qué los cambios al cuadrado de una trayectoria aleatoria suman tiempo, por qué la ganancia de quien cubre es una integral que solo mira el pasado, por qué el rendimiento esperado real desaparece del precio de una opción, cómo una EDP de valoración y un promedio sobre trayectorias dan el mismo número, qué aportan la reversión a la media y los saltos, y cómo un esquema de simulación cambia velocidad por precisión. El proyecto final es un laboratorio de código donde estima un modelo con rendimientos de SPY, lo simula, valora un call con fórmula y con Monte Carlo, y mide el error de cobertura que queda al reequilibrar solo cada pocos días.

5 módulos12 labs evaluados~12 horasAvanzado
Empezar la ruta

Requisitos previos

Se esperan cálculo y probabilidad (derivadas, integrales, esperanza, distribución normal). No hace falta conocer finanzas ni procesos estocásticos.

  • CCalculus
  • PProbability

Temario

12 temas · abre cualquier tema, en el orden que quieras
  1. 1Movimiento brownianoSin empezarRequiere Python50 minEmpezar
  2. 2Variación cuadráticaSin empezar50 minEmpezar
  3. 3La integral de ItôSin empezar1 hEmpezar
  1. 4El lema de ItôSin empezarRequiere Python55 minEmpezar
  2. 5Movimiento browniano geométricoSin empezarRequiere Python55 minEmpezar
  1. 6Girsanov y la medida neutral al riesgoSin empezar1 h 5 minEmpezar
  2. 7Feynman-Kac y la EDP de Black-ScholesSin empezar1 h 5 minEmpezar
  1. 8Procesos con reversión a la media OU y CIRSin empezar55 minEmpezar
  2. 9Saltos: Poisson y MertonSin empezar1 hEmpezar
  3. 10Volatilidad local y estocásticaSin empezar55 minEmpezar
  1. 11Esquemas de Euler-Maruyama y MilsteinSin empezar55 minEmpezar
  2. 12Proyecto final: simular valorar y cubrir con reequilibrio discretoSin empezar1 h 40 minEmpezar

Finalización

Supera los 12 labs con una nota de 70 o más para completar la ruta y conseguir la insignia Cálculo estocástico en tu perfil.

0 / 120%

Requisitos previos

Se esperan cálculo y probabilidad (derivadas, integrales, esperanza, distribución normal). No hace falta conocer finanzas ni procesos estocásticos.

  • CCalculus
  • PProbability

Herramientas que usarás

PythonNumPypandaspytest

Qué aprenderás

  • Explicar por qué una trayectoria aleatoria tiene variación cuadrática igual al tiempo y qué cambia eso en el cálculo ordinario
  • Calcular integrales de Itô y aplicar el lema de Itô al movimiento browniano geométrico
  • Pasar de las probabilidades reales a las neutrales al riesgo y valorar opciones con la EDP y la fórmula de Black-Scholes
  • Modelar la reversión a la media, los saltos y la volatilidad estocástica y saber qué aporta cada uno a un modelo de precios
  • Simular trayectorias con Euler-Maruyama y Milstein, valorar por Monte Carlo y medir el error de una cobertura delta discreta con rendimientos reales

Siguiente ruta

BBayesian InferenceActiva
uantCraft Academy

Desarrollo cuantitativo aprendiendo haciendo: lecciones cortas, laboratorios calificados y un IDE real, en tu navegador.

Aprender
Todas las hojas de rutaTodas las rutasRuta de PythonRuta de C++ProntoRuta de OxCamlProntoRuta de Market StructureRuta de CalculusRuta de Linear AlgebraRuta de ProbabilityRuta de StatisticsRuta de Matrix DecompositionsRuta de OptimizationRuta de Time SeriesRuta de Stochastic CalculusRuta de Bayesian InferenceRuta de Hidden Markov ModelsRuta de Particle filtering and non-stationary time series
Soporte
Danos tu opiniónInvítanos a un café
Legal
Política de privacidadTérminos del servicio
© 2026 QuantCraft Solutions. Todos los derechos reservados.
QuantCraft
Iniciar sesiónUnirse ↗
Iniciar sesión