Python 迭代？

Question

我正在尝试在 Python 中运行模拟，由此我绘制了一个数组的随机游走图，给定了两个变量参数的设定水平。

但是，我遇到了一个问题，我不确定如何迭代以便生成 250 个不同的随机数以插入公式。例如我已经定义了一个随机数 x，但由于它只是一个随机数，Python 将生成一条直线图，因为该公式只考虑了一个变量。

对于 250 个数据点，程序需要生成 250 个介于 0 和 1 之间的随机数，以便能够对数据运行随机过程。但是，我不确定从这里到哪里去，如果有任何建议，我将不胜感激。

Answer 1

新:鉴于我对波动率的理解是正确的，它只是平均返回的标准差，对吗？然后，您需要做的就是获得一个均值 mu 和标准差 v 的正态分布随机数。正如 Severin 指出的那样，numpy 中有一个函数可以做到这一点，即 numpy.random.normal(loc,scale) 其中 loc=mu 和 scale= v。请参见下面的示例。我试图明确编码每个步骤。一旦您熟悉了 numpy/python，您就可以在 1 或 2 行中完成大部分工作。

import numpy as np
import matplotlib.pylab as plt

# Initial parameters:
#-------------------
# mean return per step
mu = 0.1
# volatility
v = 0.06
# starting stock price
s0 = 500

# Looks like compound annual growth rate, but isn't that exactly what you want
# to determine from the simulation?
k = mu-(v**2)/2

# Iterate random walk, assuming no history within the changes.
stock_price_changes = []
for t in xrange(250):
    rnd = np.random.normal(loc=mu,scale=v)
    stock_price_changes.append(rnd)

# Add up all stock changes and add the initial stock price
stock_total = np.cumsum(stock_price_changes) + s0

# Plot the whole thing
plt.figure(figsize=(7,7),edgecolor='k',facecolor='w')
plt.plot(np.arange(250),stock_total,c='k')
plt.xlabel('Trading Days')
plt.ylabel('Price')
plt.tight_layout()
plt.show()

旧:也许我没有真正正确地理解这个问题，但你不想编写一个“真正的”随机游走代码吧？它只是为您的指数模型添加随机性？我想最简单的方法是使用您已经导入的 numpy。您可以像这样压缩随机数生成:

...
k = mu-(v**2)/2

t=np.arange(0,250)
s1=s0*np.exp(k*t/250) #+(v*datapoints)*np.sqrt(t/250)

rndScaling = 1.0
s1 += rndScaling * 2.0 * (np.random.rand(250) - 0.5)
...

2.0 * (np.random.rand(250) - 0.5) 表达式生成一个包含 250 个介于 -1 和 +1 之间的随机变量的数组。现在，如果您想要指数模型周围的振幅为 2.0 的“随机性”，您只需将 rndScale 更改为 2.0。