(完整版)布朗运动以及维纳过程学习难点总结
学习统计物理学的关键实验和理论
学习统计物理学的关键实验和理论统计物理学是物理学中的一个重要分支，研究宏观系统的统计行为以及粒子的统计性质。
通过实验和理论的相互作用，统计物理学揭示了物质行为背后的规律和原理。
本文将介绍学习统计物理学过程中的关键实验和理论。
一、关键实验1. 布朗运动实验布朗运动实验是学习统计物理学过程中的重要一步。
由物理学家罗伯特·布朗于1827年首次观测到。
布朗运动是微观粒子受到周围分子碰撞的结果，随机性较强。
通过观察布朗颗粒的运动轨迹，可以了解气体分子的运动行为和粒子的统计性质。
2. 等温过程实验等温过程实验是研究理想气体行为的重要实验之一。
在等温条件下，通过改变气体的体积、压强和温度等因素，观察气体性质的变化。
根据理想气体状态方程PV=nRT，可以得到气体分子与宏观性质之间的统计关系。
3. 吉布斯巨正则系综实验吉布斯巨正则系综实验是了解非平衡态体系的关键实验之一。
通过对复杂体系中粒子数、能量和体积的测量，可以探究系统平衡态和非平衡态之间的转化过程，进而研究体系的热力学性质。
二、关键理论1. 统计力学统计力学是学习统计物理学不可或缺的理论基础。
通过建立分子动力学方程和宏观物理量之间的统计关系，统计力学揭示了微观粒子与宏观性质之间的联系。
熵的概念在统计力学中发挥着重要作用，能够描述系统的混乱程度，进而推导出热力学定律。
2. 玻尔兹曼方程玻尔兹曼方程是处理统计物理学中粒子统计的基本方程。
它描述了粒子的运动行为和碰撞过程，通过求解玻尔兹曼方程，可以得到粒子的分布函数和宏观物理量的统计性质，如温度、压强和能量等。
3. 相变理论相变理论是研究物质相变行为的重要理论。
通过统计物理学的方法，相变理论揭示了物质在不同温度和压强下的相变规律。
临界现象和相变点是相变理论中的关键概念，通过相图和热力学性质的研究，可以深入理解物质的相变过程。
总结起来，学习统计物理学需要掌握关键的实验和理论。
布朗运动实验、等温过程实验和吉布斯巨正则系综实验是学习统计物理学时可以进行的关键实验；而统计力学、玻尔兹曼方程和相变理论是理解统计物理学的重要理论基础。
高一物理布朗运动知识点
高一物理布朗运动知识点
1.概念：悬浮在液体中的固体颗粒所做的无规则运动
2.条件：任何固体微粒，在任何温度下悬浮在液体中都可做布朗运动
3.起因：液体分子对微粒撞击的不平衡
4.特点：①只要液体不干涸，布朗运动就不停息
②微粒越小，布朗运动越显著
③液体温度越高，布朗运动越显著
5.意义：布朗运动虽不是分子的运动，但反映了分子运动的情况
6.备注：①分子的运动是无规则的，但不是无规律的，遵从统计规律
②布朗粒子的等时位置连线图不是粒子运动的轨迹
布朗运动和热运动的比较：。
维纳过程_精品文档
维纳过程什么是维纳过程？维纳过程（Wiener process），又称布朗运动（Brownian motion），是一种随机过程，常用来描述粒子在流体介质中的随机运动。
维纳过程最早由数学家尼尔斯·维纳（Norbert Wiener）于20世纪20年代提出，并广泛应用于物理、金融等领域的建模和预测。
维纳过程在数学上具有许多有趣的特性，例如连续性、无界性和马尔可夫性等。
它是一种满足齐次增量和高斯分布的过程，也就是说，在维纳过程中，任意两个时刻之间的增量是独立同分布的高斯随机变量。
维纳过程的定义维纳过程可以用数学形式进行定义。
设维纳过程{W(t), t >= 0}满足以下条件：1.初始点：W(0) = 0；2.齐次增量：对于任意的s < t，W(t) - W(s)是一个均值为0、方差为t-s的高斯随机变量；3.独立增量：对于任意的s < t < u < v，W(t) - W(s)和W(v) - W(u)是独立的。
维纳过程可以看作是一个随机游走，在任意一小段时间内，粒子的位置发生微小的随机扰动，随着时间的推移，这些微小扰动累积起来，形成了维纳过程。
维纳过程的性质维纳过程具有一些重要的性质，这些性质使得它在建模和预测中具有广泛的应用。
连续性维纳过程是连续的，即其路径是连续函数。
这意味着在任意时刻上，维纳过程的取值都是确定的，不存在跳跃现象。
无界性维纳过程是无界的，即它可以在任意区间内无限增长或无限减小。
这是因为维纳过程的增量是高斯分布的，高斯分布的尾端是无界的。
马尔可夫性维纳过程具有马尔可夫性，即给定当前时刻的状态，未来的发展与过去的历史无关。
这意味着维纳过程的未来状态只与当前状态相关，与之前的状态无关。
维纳过程的应用维纳过程在许多领域有着重要的应用，以下是几个典型的应用案例：物理学中的应用在物理学中，维纳过程可用于描述微粒在液体或气体中的随机扩散运动。
维纳过程的连续性和无界性使得它可以模拟各种扩散现象，例如热传导、粒子的布朗运动等。
维纳过程 (2)
维纳过程1. 引言维纳过程（Wiener process）是一种连续时间随机过程，也被称为布朗运动（Brownian motion）。
维纳过程最初是由美国数学家诺伯特·维纳（Norbert Wiener）在1923年提出的，它在数学、物理、金融等领域中有着广泛的应用。
维纳过程具有一些独特的性质，例如它是无限可分的、马尔可夫性质、随机增量等，这些性质使得它成为随机过程理论中的重要对象。
2. 定义维纳过程可以用多种方式进行定义，其中一种常见的定义是通过连续时间的随机变量序列来描述。
设有一个序列X(t0),X(t1),X(t2),..., 其中t0<t1<t2<...是时间点序列，X(t i)是在时间点t i的维纳过程取到的值。
满足以下条件的序列被称为维纳过程：•X(0)=0，即在初始时间点维纳过程的取值为0。
•对于任意的 $0 \\leq t_0 < t_1 < t_2 < ...$，X(t i)−X(t i−1)是一个独立同分布（i.i.d）的正态分布随机变量，且其均值为0，方差为t i−t i−1。
3. 维纳过程的性质维纳过程具有许多重要的性质，下面我们将介绍其中的几个。
3.1. 无限可分性维纳过程是无限可分分布的典型例子。
所谓无限可分性是指任意时刻的维纳过程均可表示为无数个独立随机变量之和。
这一性质使得维纳过程在概率论和数理统计中扮演着重要的角色。
3.2. 马尔可夫性质维纳过程具有马尔可夫性质，即给定当前时刻的维纳过程取值，未来的演化与过去的演化无关，只与当前时刻的状态有关。
这一性质使得维纳过程在金融学中的应用十分广泛，例如对股票价格进行建模时可以将其看作维纳过程。
3.3. 随机增量性质维纳过程的增量是随机的，并且具有一些特殊的统计特性。
对于一个固定的时间间隔 $\\Delta t$，维纳过程在此时间间隔内的增量服从正态分布，均值为0，方差为 $\\Delta t$。
布朗运动和随机过程
布朗运动和随机过程一、布朗运动的定义和特点布朗运动是一种随机过程，也称为“维纳过程”，由英国数学家罗伯特·布朗于1827年首次描述。
它是指在空气或液体中悬浮的微小颗粒因分子的碰撞而呈现出的无规则运动。
布朗运动具有以下几个特点：1. 离散性：布朗运动是由许多离散时间间隔组成的。
2. 连续性：在任意时间段内，布朗运动都是连续的。
3. 随机性：布朗运动具有随机性，其路径不可预测。
4. 平稳性：布朗运动满足平稳性条件，即均值和方差不随时间变化而改变。
二、布朗运动的数学模型1. 布朗粒子模型假设一个微小颗粒在空气或液体中悬浮，并受到分子的碰撞。
设该颗粒在$t$时刻位置为$X_t$，则其位置变化量$dX_t$可以表示为：$$dX_t=\mu dt+\sigma dW_t$$其中，$\mu$为平均漂移速度，$\sigma$为扩散系数，$dW_t$为布朗运动的微小变化量。
2. 布朗运动的随机微分方程布朗运动可以用随机微分方程表示：$$dX_t=\mu dt+\sigma dW_t$$其中，$dW_t$为布朗运动的微小变化量，$\mu$和$\sigma$为常数。
三、随机过程的定义和分类1. 随机过程的定义随机过程是指一组随机变量序列$\{X_t\}$，其中$t$是一个时间参数。
每个随机变量$X_t$代表在时刻$t$下某个物理或经济系统的状态。
因此，随机过程可以看作是一个时间上的概率分布。
2. 随机过程的分类根据时间参数$t$是否连续、是否离散以及状态空间是否连续、是否离散等因素，可以将随机过程分为以下几类：（1）离散时间离散状态空间（DTMC）在离散时间离散状态空间中，时间参数$t\in T=\{0,1,2,\cdots\}$，状态空间为有限或可数集合。
例如，在赌场掷骰子游戏中，每次掷骰子的结果只能是1、2、3、4、5或6中之一。
（2）连续时间连续状态空间（CTMC）在连续时间连续状态空间中，时间参数$t\in T=[0,\infty)$，状态空间为连续的实数集合。
(完整版)布朗运动以及维纳过程学习难点总结
1、引言布朗运动的数学模型就是维纳过程。
布朗运动就是指悬浮粒子受到碰撞一直在做着不规则的运动。
我们现在用)(t W 来表示运动中一个微小粒子从时刻0=t 到时刻0>t 的位移的横坐标，并令0)0(=W 。
根据Einstein 的理论，我们可以知道微粒之所以做这种运动，是因为在每一瞬间，粒子都会受到其他粒子对它的冲撞，而每次冲撞时粒子所受到的瞬时冲力的大小和方向都不同，又粒子的冲撞是永不停息的，所以粒子一直在做着无规则的运动。
故粒子在时间段],(t s 上的位移，我们可把它看成是多个小位移的总和。
我们根据中心极限定理，假设位移)()(s W t W -服从正态分布，那么在不相重叠的时间段内，粒子碰撞时受到的冲力的方向和大小都可认为是互不影响的，这就说明位移)(t W 具有独立的增量。
此时微粒在某一个时段上位移的概率分布，我们便能认为其仅仅与这一时间段的区间长度有关，而与初始时刻没有关系，也就是说)(t W 具有平稳增量。
2.维纳过程2.1独立增量过程维纳过程是典型的随机过程，属于所谓的独立增量过程，在随机过程的理论和应用中起着很重要的作用。
现在我们就来介绍独立增量过程。
定义：}0),({≥t t X 是二阶矩过程， 那么我们就称t s s X t X <≤-0),()(为随机过程在区间],(t s 上的增量。
若对任意的n )(+∈N n 和任意的n t t t <<<≤Λ100，n 个增量)()(,),()(),()(11201----n n t X t X t X t X t X t X Λ是相互独立的，那么我们就称}0),({≥t t X 为独立增量过程。
我们可以证明出在0)0(=X 的条件下，独立增量过程的有限维分布函数族可由增量)0(),()(t s s X t X <≤-的分布所确定。
如果对R h ∈和)()(,0h s X h t X h t h s +-++<+≤与)()(s X t X -的分布是相同的，我们就称增量具有平稳性。
第三章布朗运动(维纳过程)-Xidian
¾ 布朗运动{Wt,t≥0} 的轨道是连续的 事实上，利用布朗运动定义中 的（2）（3）两条 件，可以验证布朗运动满足随机过程的柯尔莫哥洛 夫（轨道）连续性判断准则。
随机过程——西安电子科技大学数学系 冯海林
布朗运动的仿真样本轨道
随机过程——西安电子科技大学数学系 冯海林
布朗运动定义 称实随机过程{Wt,t≥0}是参数为σ2的布朗运动,如果
(1) W0 = 0
(2) {Wt ,t ≥ 0} 是平稳的独立增量过程．
(3) ∀0 ≤ s < t,Wt −Ws ~ N (0,σ 2 (t − s))
σ2 =1时，称为标准布朗运动
随机过程——西安电子科技大学数学系 冯海林
随机过程——西安电子科技大学数学系 冯海林
2. ( µ,σ 2 ) −布朗运动
设µ ∈ R, σ > 0, 定义
Bµ ,σ 2 t
=
µt
+ σWt ,
t ≥0
则称随机过程Bµ,σ 2 ={Btµ,σ 2 ,t ≥ 0}为(µ,σ 2 )-布朗运动
随机过程——西安电子科技大学数学系 冯海林
例1 计算(µ,σ 2 )-布朗运动的均值函数和相关函数
¾ 布朗运动{W(t),t≥0} 的轨道是不可微的
事实上，有
P ( lim ∆t →0
∆Wt ∆t
> x) = 1
随机过程——西安电子科技大学数学系 冯海林
与布朗运动的相关的随机过程 设W= {Wt,t≥0}是标准布朗运动， 1. d-维标准布朗运动
如果W1,…,Wd,是d个相互独立的标准布朗运动， 则称(W1,…,Wd)是d-维标准布朗运动.
布朗运动和随机过程分析
布朗运动和随机过程分析布朗运动是一种重要的随机过程，它在许多领域都有广泛的应用。
本文将对布朗运动和随机过程进行分析，并介绍其在金融、自然科学等领域的应用。
随机过程是一种随机变量随时间变化的数学模型。
布朗运动是最为经典的连续时间随机过程，由数学家布朗首次提出。
它的特点是在微观层面上，粒子的运动轨迹是不规则的，但在宏观层面上，平均运动趋势是可以描述的。
布朗运动的数学表达式可以用随机微分方程描述，即随机微分方程dx(t) = μ dt + σ dw(t)，其中μ是布朗运动的平均增长率，σ是扩散系数，dw(t)是布朗运动的微小随机增量。
这个方程表示了布朗运动在微小时间内的变化情况。
布朗运动具有许多特性，例如无记忆性、连续性和高斯性。
其中无记忆性是指布朗运动的未来取决于当前状态，与过去的状态无关。
连续性是指布朗运动的轨迹是连续的，不存在跳跃。
高斯性是指布朗运动的增量服从正态分布。
布朗运动在金融领域有着广泛的应用。
在金融市场中，股票的价格波动可以被视为布朗运动。
通过对布朗运动的建模和预测，可以帮助投资者制定投资策略。
例如，可以利用布朗运动模型来计算期权的价格，从而进行期权交易。
此外，布朗运动还在物理学和生物学等自然科学领域中有着重要的应用。
在物理学中，布朗运动可以用来描述颗粒在液体中的扩散现象。
通过对布朗运动的分析，可以研究颗粒在不同条件下的扩散行为，从而推断物质的性质。
在生物学中，布朗运动可以用来描述细胞内分子的扩散过程。
通过对布朗运动的研究，可以揭示细胞内分子的运动规律和细胞功能。
总的来说，布朗运动是一种重要的随机过程，它在金融、自然科学等领域具有广泛的应用。
通过对布朗运动的分析，我们可以了解随机变量的随机性质，并应用于实际问题的建模和预测中。
布朗运动的研究不仅有助于推动科学的发展，也对人们的生活产生积极的影响。
希望未来能有更多的研究者投入到布朗运动和随机过程的研究中，推动科学的发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1、引言布朗运动的数学模型就是维纳过程。
布朗运动就是指悬浮粒子受到碰撞一直在做着不规则的运动。
我们现在用)(t W 来表示运动中一个微小粒子从时刻0=t 到时刻0>t 的位移的横坐标，并令0)0(=W 。
根据Einstein 的理论，我们可以知道微粒之所以做这种运动，是因为在每一瞬间，粒子都会受到其他粒子对它的冲撞，而每次冲撞时粒子所受到的瞬时冲力的大小和方向都不同，又粒子的冲撞是永不停息的，所以粒子一直在做着无规则的运动。
故粒子在时间段],(t s 上的位移，我们可把它看成是多个小位移的总和。
我们根据中心极限定理，假设位移)()(s W t W -服从正态分布，那么在不相重叠的时间段内，粒子碰撞时受到的冲力的方向和大小都可认为是互不影响的，这就说明位移)(t W 具有独立的增量。
此时微粒在某一个时段上位移的概率分布，我们便能认为其仅仅与这一时间段的区间长度有关，而与初始时刻没有关系，也就是说)(t W 具有平稳增量。
2.维纳过程2.1独立增量过程维纳过程是典型的随机过程，属于所谓的独立增量过程，在随机过程的理论和应用中起着很重要的作用。
现在我们就来介绍独立增量过程。
定义：}0),({≥t t X 是二阶矩过程， 那么我们就称t s s X t X <≤-0),()(为随机过程在区间],(t s 上的增量。
若对任意的n )(+∈N n 和任意的n t t t <<<≤Λ100，n 个增量)()(,),()(),()(11201----n n t X t X t X t X t X t X Λ是相互独立的，那么我们就称}0),({≥t t X 为独立增量过程。
我们可以证明出在0)0(=X 的条件下，独立增量过程的有限维分布函数族可由增量)0(),()(t s s X t X <≤-的分布所确定。
如果对R h ∈和)()(,0h s X h t X h t h s +-++<+≤与)()(s X t X -的分布是相同的，我们就称增量具有平稳性。
那么这个时候，增量)()(s X t X -的分布函数只与时间差)0(t s s t <≤-有关，而与t 和s 无关(令s h -=便可得出)。
值得注意的是，我们称独立增量过程是齐次的，此时的增量具有平稳性。
给定二阶矩过程{0),(≥t t W }，若满足(i) 具有独立增量；(ii) 对∀t>0≥s ,有增量0)),(,0(~)()(2>--σσ且s t N s W t W ；(iii) 0)0(=W ，则称此过程是维纳过程。
由（ii ）我们可得出维纳过程增量的分布只依赖于时间差，故维纳过程是齐次的独立增量过程，并且也服从正态过程。
事实上对任意)1(≥n n 个时刻n t t t <<<<...021（记00=t ），把)(k t W 写成)],()([)(11-=-=∑i ki i k t W t W t W ,,,2,1n k ⋅⋅⋅=我们由（i ）—（iii ）知，它们都是独立的正态随机变量的和，由n 维正态变量的性质可得出))(,),(),((21n t W t W t W ⋅⋅⋅是n 维正态变量，即}0),({≥t t W 是正态过程。
所以其分布依赖于它的期望函数和自协方差函数。
由（ii ），（iii ）可知，),0(~)(2t N t W σ,故维纳过程的期望与方差函数为0)]([=t W E ，t t D w 2)(σ=，上式中2σ叫做维纳过程的参数，我们通过做实验得出数据值可估计出其大小。
得自协方差函数为},min{),(),(2t s t s R t s C W W σ== 0,≥t s2.3维纳过程的特点（i ）它是一个Markov (马尔科夫)过程。
故未来推测所需的数据信息就是该过程的当前数据值；（ii ）维纳过程具有独立增量。
即该过程在任意一个时间区间上变化的概率分布，与其在其他的时间区间上变化的概率无关；（iii ）在任何有限时间上，维纳过程的变化服从正态分布，其方差随时间区间长度的增长而呈线性增加。
（1）基本性质对+∈∀R t , 一维维纳过程在t 时刻是一个随机变量，其概率密度函数是： t x w e t x f t 2/221)(-=π这是因为根据维纳过程的定义得出当0=s 时，能推出)(t W 的分布：),0(~0t N W W W t t -=它的数学期望是零：0)(=t W E 它的方差是t ：t W E W E W E W E W Var t t t t t ==-=-=)(0)()()()(2222在维纳过程的独立增量的定义中，令t t =2，t s t s <==12，01=s ，那么),0(~11s N W W W s t s -=和),0(~22s t N W W W W s t s t --=-都是相互独立的随机变量，并且s W E W W E W E W W t t s s t s =-⋅-=))](())([(),cov(故在两不同时刻的协方差和相关系数是与s t W W t s ,,0≤：∆∆∆),,min(),cov(t s W W t s = ),max(),min(),min(),cov(),(t s t s stt s W W W W corr t s w w t s t s ===σσ 3.维纳过程的应用3.1股票价格的行为模式➢ 我们经常应用的假设是股价服从扩散过程，且大部分情况下都是几何布朗运动。
➢ 在此条件下，任一时期的复合收益率是服从正态分布的。
➢ 由于正态分布满足加法的封闭性，所以不管股票的套利组合是什么样的，它都依然服从正态分布。
➢ 如果我们假设风险行为减到零，那么股票收益率的分布同样也是服从正态分布的。
(i)经典的假设理论我们先来介绍随机游走模型，其表达式为：t t t S S ε+=-1 （1）其中：t S ，1-t S 表示t 时刻和1-t 时刻的股票价格，),0(~2σεN t 表示均值为0，方差为2σ的独立正态分布。
股票价格模型我们一般情况下用维纳过程来表达，而随机游走模型所解释的股价波动走势，从本质上来说，其实就是一个漂移率为0的扩散过程。
如果我们令S 是股价关于时间的函数，那么得随机游走模型：)()(t dZ t dS σ= （2） 上式中)(t Z 表示标准维纳过程。
然而，事实上它仅解释了股价的波动率，仅仅是我们理想情形下的模型。
漂移率为0也就是说，在未来任何一个时刻，股价的均值等于其当前值。
如果我们设时间区间长度为1年，在前一年的股价条件不发生变化的情形下，那么该年度的股价就等于前一年度的股价均值，在此种情况下，持股人就很难做到持股时间大于1年，这显然与现实生活中的情况不相符。
况且我们有充分理由认为，由于上市公司在不断的经营扩大，所赚取的利润也在不断的增长，所以从长远来看，公司的股价应该呈现出逐渐增长的走势，故漂移率是不可能为零的。
那么我们通过一个一般化的维纳过程就能来解释股票的价格行为（当然该一般化的维纳过程的期望漂移率和方差率是定值），然而由于持股人想要来自股票的期望百分比收益不依赖于股票价格，因此假设期望漂移率为一个常数也是不合乎常理的。
现在我们假设期望漂移率为股票价格的比例，并且其为一个定值，也就是说股价的期望漂移率为S α，α恒等于一个自然数，在几何条件下，它的解释就是股票的期望收益率。
在此假设下，经过t ∆时间后，S 的增长均值为t S ∆α，即t S S E ∆=∆α)(，其中)(⋅E 表示期望算子。
当方差率为0时，则微分形式的模型：Sdt dS α=可得t e S S α0=，式中的0S 表示股票的最初价格，由此可看出，当方差率为0时，股价的利率为α，以连续复利的方式增长。
然而现实生活中，股价的方差率一般是不可能为零的，因此合乎常理的假设应该是股票的百分比收益率的方差不发生变化。
若我们令股价比例变化的方差率为2σ，经过t∆后，股价比例变化的方差为t ∆2σ，那么事实上股价真正变化的方差为t S ∆22σ，所以得到股价波动走势的模型：SdZ Sdt dS σα+= （3） 上式中Z 表示标准维纳过程。
我们用随机分析的理论来说，这就是ΛO IT 过程。
其中，S α称作漂移系数，S σ称作扩散系数。
方程)3(能够在一定程度上描述股票价格行为。
我们常把σ称为股价波动率，把α称为股价的预期收益率。
下面我们先来介绍一下随机分析理论中的ΛO IT 引理：设),(t S F 是关于S 两次连续可导，关于t 一次可导的函数，S 为满足随机微分方程)3(的扩散过程，故可得到随机变量函数的ΛO IT 微分形式（4） 如果我们定义S t S F ln ),(=，由21,,0SFF F SS S t -===则有 （5） 上式说明S ln 服从一般化的维纳过程，当变量表示股价时，我们可看出股价服从对数正态分布。
现在我们将式)5(写成增量形式，则有股票收益过程为t t t t Z S S R σσα+-=⎪⎪⎭⎫ ⎝⎛=-)21(ln 21 (6) 并且令221σαμ-=，t R 表示股票的t 期收益率，)1,0(~N Z t 为独立的维纳过程，在此条件下），（2~σμN R t 是独立的。
若0S 表示股票的初始价格，则有 t t Z t S S σμ+=⎪⎪⎭⎫ ⎝⎛0ln （7） 那么这时候),0(~t N Z t ，于是有),(ln ~ln 20t t S N S t σμ+。
综上所述，股价的分布和收益率的分布是同步的，因此我们想到利用收益率的分布形式来描述股价的波动过程。
我们通过研究发现股市上高频数据的分布，发现它们要么是波动聚集的,要么是有偏的，要么是尖峰肥尾的。
正态分布模型由资本市场假设理论得到证券价格是遵循维纳扩散过程的，其收益率满足正态分布。