1、给出足够的模拟数量，模拟本身须通过一个向量化表达式进行，离散格式使用numpy子库提供的npr.standard_normal()函数实现。并给出的静态模拟分布图。
2、尝试使用npr.lognormal()函数模拟几何布朗运动，获得的值。利用scipy.stats子库和自定义的print_statistics()与之前的静态模拟结果进行分布特征比较。
3、利用欧拉格式精准离散化BSM的随机微分方程，动态模拟到期日指数水平布朗运动的分布图。并给出静态模拟和动态模拟所得统计量的对比。
参考GPT和自己的思路：
1、关于几何布朗运动的作用，可以通过模拟来研究其分布特征。为了得到足够的模拟数量，可以使用numpy子库提供的npr.standard_normal()函数实现离散格式。向量化表达式可以使模拟效率更高。完成模拟后，可以通过绘制静态模拟的分布图来观察其分布特征。
2、另一种模拟几何布朗运动的方法是使用npr.lognormal()函数。通过与静态模拟结果的分布特征比较，可以观察到其异同之处。可以借助scipy.stats子库和自定义的print_statistics()函数对模拟结果进行分析。
3、欧拉格式是精准离散化BSM随机微分方程的一种方法，可以用于动态模拟到期日指数水平布朗运动的分布图。与静态模拟结果的对比可以帮助我们更好地理解几何布朗运动的作用及其特征。此外，对两种模拟所得统计量进行比较也有助于更深入地了解其分布特征。