fn_registry/python/functions/finance/generate_gbm_prices.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path
generate_gbm_prices	function	py	finance	1.0.0	pure	generate_gbm_prices(initial_price: float, n_ticks: int, sigma: float, mu: float, jump_intensity: float, jump_size_std: float, seed: int) -> list[float]	Genera serie de precios fundamentales con Geometric Brownian Motion + jump-diffusion. S(t+1) = S(t) * exp((mu - sigma^2/2)*dt + sigma*sqrt(dt)*Z + J*N).	simulation gbm price montecarlo finance stochastic				false		numpy	name desc initial_price precio inicial S(0) del activo subyacente (ej: 100.0) name desc n_ticks numero de ticks/pasos en la simulacion (ej: 1000). Determina len(resultado). name desc sigma volatilidad anualizada (ej: 0.02 para 2% por tick). Controlador clave del ruido. name desc mu drift anualizado (ej: 0.0 para random walk, 0.05 para uptrend). Retorno esperado por tick. name desc jump_intensity probabilidad de salto por tick en rango [0, 1] (ej: 0.01 para 1% por tick). 0.0 = GBM puro. name desc jump_size_std desviacion estandar del tamanio de los saltos (ej: 0.05 para jumps de ~5%). Normal(0, jump_size_std). name desc seed semilla para reproducibilidad deterministica (ej: 42)	lista de precios con len(resultado) == n_ticks. resultado[0] == initial_price.	false			python/functions/finance/finance.py

Ejemplo

prices = generate_gbm_prices(
    initial_price=100.0,
    n_ticks=1000,
    sigma=0.02,
    mu=0.0,
    jump_intensity=0.01,
    jump_size_std=0.05,
    seed=42,
)
# prices[0] == 100.0
# len(prices) == 1000

Notas

Funcion pura — el seed fija el resultado deterministicamente. jump_intensity=0.0 desactiva los saltos (GBM puro). dt=1.0 por tick (tiempo discreto). Para tiempo continuo, ajustar sigma y mu en consecuencia. Requiere numpy para la generacion de numeros aleatorios y el calculo de exp.