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 Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

実践で学ぶクオンツ開発。短いレッスン、採点付きラボ、本格的なIDEをブラウザで。

学ぶ
すべてのロードマップすべてのスキルPython スキルC++ スキル近日公開OxCaml スキル近日公開Market Structure スキルCalculus スキルLinear Algebra スキルProbability スキルStatistics スキルMatrix Decompositions スキルOptimization スキルTime Series スキルStochastic Calculus スキルBayesian Inference スキルHidden Markov Models スキルParticle filtering and non-stationary time series スキル
サポート
フィードバックを送るコーヒーをおごる
法務
プライバシーポリシー利用規約
© 2026 QuantCraft Solutions. All rights reserved.
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 Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
スキル›Stochastic Calculus
S

Stochastic Calculus スキル

公開中ここから開始

オプションの価格付けやリスクモデル、多くのシミュレータは、価格は小さなランダムな歩みの積み重ねだという1つの考えに支えられています。このスキルはその考えを平易な手順で説明し、短いチェック(計算する数、並べ替える手順、結び付ける概念)と金融の例で学びます。ランダムな経路の変化の二乗が時間に積み上がる理由、ヘッジする人の損益が過去だけを見る積分である理由、実際の期待リターンがオプション価格から消える理由、価格付けの偏微分方程式とランダムな経路の平均が同じ数になる理由、平均回帰とジャンプが加えるもの、シミュレーション手法が速度と精度を交換する仕組みです。総仕上げは、SPYのリターンからモデルを推定してシミュレートし、コールを公式とモンテカルロで価格付けし、数日おきにしかリバランスしないときに残るヘッジ誤差を測るコードラボです。

5モジュール採点付きラボ12本~12 時間上級
スキルを始める

前提知識

微積分と確率(微分、積分、期待値、正規分布)を前提とします。金融や確率過程の予備知識は不要です。

  • CCalculus
  • PProbability

カリキュラム

12トピック · どのトピックも好きな順に開けます
  1. 1ブラウン運動未開始Pythonが必要50 分開始
  2. 2二次変動未開始50 分開始
  3. 3伊藤積分未開始1 時間開始
  1. 4伊藤の補題未開始Pythonが必要55 分開始
  2. 5幾何ブラウン運動未開始Pythonが必要55 分開始
  1. 6ギルサノフとリスク中立測度未開始1 時間 5 分開始
  2. 7ファインマン-カッツとブラック-ショールズ偏微分方程式未開始1 時間 5 分開始
  1. 8平均回帰過程 OUとCIR未開始55 分開始
  2. 9ジャンプ:ポアソンとマートン未開始1 時間開始
  3. 10ローカル・ボラティリティと確率ボラティリティ未開始55 分開始
  1. 11オイラー・丸山法とミルシュタイン法未開始55 分開始
  2. 12総仕上げ:離散リバランスでのシミュレーション・価格付け・ヘッジ未開始1 時間 40 分開始

修了条件

12本のラボすべてで70点以上を取るとスキルを修了し、プロフィールに確率解析バッジが付きます。

0 / 120%

前提知識

微積分と確率(微分、積分、期待値、正規分布)を前提とします。金融や確率過程の予備知識は不要です。

  • CCalculus
  • PProbability

使用するツール

PythonNumPypandaspytest

学べること

  • ランダムな経路の二次変動が時間に等しい理由と、それが通常の微積分をどう変えるかを説明する
  • 伊藤積分を計算し、幾何ブラウン運動に伊藤の補題を適用する
  • 実世界の確率からリスク中立の確率へ移り、ブラック-ショールズの偏微分方程式と公式でオプションを価格付けする
  • 平均回帰、ジャンプ、確率ボラティリティをモデル化し、それぞれが価格モデルに何を加えるかを理解する
  • オイラー・丸山法とミルシュタイン法で経路をシミュレートし、モンテカルロで価格付けし、実際のリターンで離散デルタヘッジの誤差を測る

次のスキル

BBayesian Inference公開中
uantCraft Academy

実践で学ぶクオンツ開発。短いレッスン、採点付きラボ、本格的なIDEをブラウザで。

学ぶ
すべてのロードマップすべてのスキルPython スキルC++ スキル近日公開OxCaml スキル近日公開Market Structure スキルCalculus スキルLinear Algebra スキルProbability スキルStatistics スキルMatrix Decompositions スキルOptimization スキルTime Series スキルStochastic Calculus スキルBayesian Inference スキルHidden Markov Models スキルParticle filtering and non-stationary time series スキル
サポート
フィードバックを送るコーヒーをおごる
法務
プライバシーポリシー利用規約
© 2026 QuantCraft Solutions. All rights reserved.
QuantCraft
ログイン参加する ↗
ログイン