python - Python while 循环中的上一个值

Question

我尝试对股票投资进行简单的蒙特卡罗模拟，您从一些投资值(value)、投资期限(以年为单位)以及股票共同基金的平均值和标准开始。我还想实现一种简单的方法来应对股市崩盘 - 我这样做是为了每当新的计算值比之前的值高 40％ 时，新值就会下跌 90％ - 就像某种崩盘一样。我设法让它工作，这是代码，但我认为它工作不正常。问题可能隐藏在我称之为先前值的地方。你能尝试让它工作吗？

import matplotlib
import matplotlib.pyplot as plt
import random
import numpy as np

mean = 7.0 #mean for stock mutual fund
std = 19.0 #std for stock mutual fund

def investment_return(): #random normal distribution of returns
    investment_return = (np.random.normal(mean,std))/100
    return investment_return

def investor(A, B):
    investment_value = A
    investment_period = B

    wX = []
    vY = []

    x = 1

    while x <= investment_period:
        value = A + A*investment_return()
        if value > value * 1.4: #if new value is 1.4x bigger than previous
            A = value * 0.1 #than make -90 percent adjustment
        else:
            A = value #else use new value
        wX.append(x)
        vY.append(value)
        x += 1
    #print(value)

    plt.plot(wX,vY)

i = 0
while i < 10: #number of investors
    investor(100,20) #starting value and investment period
    i += 1

plt.ylabel('Investment_value')
plt.xlabel('Investment_period')
plt.show()

Answer 1

好吧，我尽力解释你所追求的。它为您提供了坚实的合作基础，这对您很有帮助:)。

好吧，我们开始吧:显然，Kevin 所说的 value > value * 1.4 永远不会计算为 True 是可靠的。我确实重命名了一些变量(例如，通常我们将股票作为指数进行比较，所以我将A重命名为index)。时间通常被称为t，而不是x。 while 循环有点奇怪，所以我去掉了它们。

import matplotlib.pyplot as plt
import numpy as np


mean = 7.0
std = 19.0


def investment_return():
    return (np.random.normal(mean, std)) / 100


def investor(index, period):
    wT = []
    vY = []

    for t in range(1, period + 1):
        new_index = index + index * investment_return()
        if new_index > index * 1.4:
            index = new_index * 0.1
        else:
            index = new_index
        wT.append(t)
        vY.append(index)
    return wT, vY


for i in range(0, 10):
    wT, vY = investor(100, 20)

    # do something with your data

    plt.plot(wT, vY)

plt.ylabel('Investment_value')
plt.xlabel('Investment_period')
plt.show()

这偶尔会导致股票崩盘，正如可以清楚地看到的那样(请记住，这需要您从 N(7,19) 中采样 >40 > 分布:在所有情况下，95% 不应该发生这种情况)。