El movimiento browniano geométrico (GBM) (también conocido como movimiento browniano exponencial) es un modelo de amplio uso en finanzas y sirve para representar el precio de algunos bienes que fluctúan siguiendo los vaivenes de los mercados financieros, en particular, es utilizado en matemáticas financieras para modelar precios en el modelo de Black-Scholes.

Sean ${\displaystyle \mu \in \mathbb {R} }$, ${\displaystyle \sigma >0}$ y ${\displaystyle S_{0}>0}$, se define el movimiento browniano geométrico como el proceso estocástico a tiempo continuo ${\displaystyle \{S_{t}:t\geq 0\}}$ que satisface la ecuación diferencial estocástica

${\displaystyle dS_{t}=\mu S_{t}\,dt+\sigma S_{t}\,dW_{t}}$

y puede ser escrito como

${\displaystyle S_{t}=S_{0}\exp \left(\left(\mu -{\frac {\sigma ^{2}}{2}}\right)t+\sigma W_{t}\right),\quad t\geq 0}$

donde ${\displaystyle W_{t}}$ es el movimiento Browniano estándar. Para obtener la solución de la ecuación diferencial estocástica se requiere el uso del cálculo de Itô.

El movimiento Browniano geométrico dado por

${\displaystyle S_{t}=S_{0}\exp \left(\left(\mu -{\frac {\sigma ^{2}}{2}}\right)t+\sigma W_{t}\right),\quad t\geq 0}$

tiene una distribución log-normal con función de densidad dada por:

${\displaystyle f_{S_{t}}(s)={\frac {1}{s\sigma {\sqrt {2t\pi }}}}\exp \left(-{\frac {\left(\ln s-\ln S_{0}-\left(\mu -{\frac {1}{2}}\sigma ^{2}\right)t\right)^{2}}{2\sigma ^{2}t}}\right).}$

para ${\displaystyle s\in (0,\infty )}$.

La función de distribución acumulada está dada por

${\displaystyle F_{S_{t}}(s)=\Phi \left({\frac {\ln s-\ln S_{0}-\left(\mu -{\frac {\sigma ^{2}}{2}}\right)t}{\sigma {\sqrt {t}}}}\right)}$

para ${\displaystyle s\in (0,\infty )}$.

Para hallar la media, varianza y covarianza del movimiento browniano geométrico, usaremos el hecho de que

${\displaystyle M_{S}(s)=\exp \left(\mu s+{\frac {1}{2}}\sigma ^{2}s^{2}\right)}$

es la función generadora de momentos de una distribución normal con parámetros ${\displaystyle \mu }$ y ${\displaystyle \sigma ^{2}}$.

La media del movimiento Browniano geométrico es

${\displaystyle \operatorname {E} [S_{t}]=S_{0}e^{\mu t}}$

pues

${\displaystyle {\begin{aligned}\operatorname {E} [S_{t}]&=\operatorname {E} \left[S_{0}\exp \left[\left(\mu -{\frac {1}{2}}\sigma ^{2}\right)t+\sigma W_{t}\right]\right]\\&=S_{0}\exp \left[\left(\mu -{\frac {1}{2}}\sigma ^{2}\right)t\right]\operatorname {E} \left[e^{\sigma W_{t}}\right]\\&=S_{0}\exp \left[\left(\mu -{\frac {1}{2}}\sigma ^{2}\right)t\right]e^{\frac {t\sigma ^{2}}{2}}\\&=S_{0}e^{\mu t}\end{aligned}}}$

La varianza del movimiento Browniano geométrico es

${\displaystyle \operatorname {Var} (S_{t})=S_{0}^{2}e^{2\mu t}\left(e^{\sigma ^{2}t}-1\right)}$

pues

${\displaystyle {\begin{aligned}\operatorname {Var} [S_{t}]&=\operatorname {Var} \left[S_{0}\exp \left[\left(\mu -{\frac {1}{2}}\sigma ^{2}\right)t+\sigma W_{t}\right]\right]\\&=S_{0}^{2}\exp \left[2\left(\mu -{\frac {1}{2}}\sigma ^{2}\right)t\right]\operatorname {Var} \left[e^{\sigma W_{t}}\right]\\&=S_{0}^{2}\exp \left[2\left(\mu -{\frac {1}{2}}\sigma ^{2}\right)t\right]\left(\operatorname {E} [\exp(2\sigma W_{t})]-\operatorname {E} [\exp(\sigma W_{t})]^{2}\right)\\&=S_{0}^{2}\exp \left[2\left(\mu -{\frac {1}{2}}\sigma ^{2}\right)t\right]\left[\exp \left({\frac {t(2\sigma )^{2}}{2}}\right)-\exp \left({\frac {2t\sigma ^{2}}{2}}\right)\right]\\&=S_{0}^{2}e^{2\mu t}\left(e^{\sigma ^{2}t}-1\right)\end{aligned}}}$

La covarianza del movimiento Browniano geométrico es

${\displaystyle \operatorname {Cov} (S_{t},S_{s})=S_{0}^{2}e^{2\mu (s+t)}\left(e^{\sigma ^{2}s}-1\right)}$

Para ${\displaystyle n\in \mathbb {N} }$ y ${\displaystyle t\in [0,\infty )}$, el ${\displaystyle n}$-ésimo momento del proceso está dado por

${\displaystyle \operatorname {E} [S_{t}^{n}]=S_{0}\exp \left(\left[n\mu +{\frac {\sigma ^{2}}{2}}(n^{2}-n)\right]t\right)}$

• Proceso estocástico
• Movimiento Browniano
• Proceso de Wiener
• Cadena de Márkov
• Proceso de Poisson
• Ecuación diferencial estocástica