Zum Namen: Stammt von dem US-amerikanischen Mathematiker Norbert Wiener ab.
Ein Wiener-Prozess ist ein stochastischer Prozess mit folgenden Eigenschaften:
| Eigenschaft | Erklärung |
|---|---|
| Startpunkt | Beginnt bei 0 (z. B. bei Zeit t=0) |
| Zufällige Schritte | Jeder Schritt ist unabhängig und normalverteilt |
| Kontinuierlich | Der Prozess ist stetig – kein Sprung (keine "Sprünge") |
| Gleichmäßige Verteilung | Die Änderung zwischen zwei Zeitpunkten ist normalverteilt mit Mittelwert 0 und Standardabweichung √dt |
Formel (für einen Schritt von t zu t+dt):
W(t+dt) − W(t) ∼ N(0, √dt)
Das bedeutet:
√dt (je kleiner dt, desto kleiner die Schwankung)Der Ölpreis oder Aktienkurs wird oft als geometrische Brownian-Motion modelliert, die einen Wiener-Prozess verwendet:
dS(t) = μS(t)dt + σS(t)dW(t)
dW(t) ist ein kleiner Schritt des Wiener-Prozessesμ: durchschnittliche Wachstumsrateσ: Volatilität (wie "StÖrung" oder "Risiko")Das bedeutet:
Der Kurs wächst mit einer durchschnittlichen Rate, aber mit zufälligen Schwankungen, die durch den Wiener-Prozess beschrieben werden.
import numpy as np
import matplotlib.pyplot as plt
# Parameter
n_steps = 1000 # Anzahl der Schritte
dt = 0.01 # Zeitintervall (z. B. 1 Tag)
t = np.arange(0, n_steps * dt, dt)
# Generiere einen Wiener-Prozess (zufällige Bewegung)
np.random.seed(42)
W = np.cumsum(np.random.normal(0, np.sqrt(dt), n_steps)) # W(t) = Summe von normalverteilten Schritten
# Visualisierung
plt.figure(figsize=(12, 6))
plt.plot(t, W, marker='o', linestyle='-', color='blue', linewidth=2, markersize=4)
plt.title("Wiener-Prozess (Brownian-Motion) – Zufällige Bewegung ü;ber die Zeit")
plt.xlabel("Zeit (in Einheiten)")
plt.ylabel("Wert (z. B. Kurs, Temperatur, Position)")
plt.grid(True, alpha=0.3)
plt.axhline(y=0, color='gray', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()
# Zusätzliche Info
print("Wiener-Prozess-Eigenschaften:")
print("Startpunkt: 0")
print("Jeder Schritt ist normalverteilt (Mittelwert 0, Streuung √dt)")
print("Der Prozess ist stetig und zufällig")
print("In der Finanzmathematik: dW(t) ist die Basis für die Modellierung von Kursen")
| Anwendung | Erklärung |
|---|---|
| Finanzmärkte | Modelliert zufällige Preisbewegungen (z. B. Aktien, Öl) |
| Physik | Beschreibt zufällige Bewegung von Teilchen (Brownian-Motion) |
| Finanzmathematik | Grundlage für Black-Scholes, GBM, Optionen |
| Stochastische Prozesse | Der Wiener-Prozess ist das Grundmuster für zufällige Entwicklung |