Python迭代？

Question

我想在Python中運行一個模擬，從而我繪製了一個給定兩個變量參數的集合級別的數組隨機遊走。

但是，我有一個問題，我不知道如何迭代，以便生成250個不同的隨機數插入公式。例如我已經定義了一個隨機數x，但由於它只是一個隨機數，所以Python會生成一條直線圖，因爲該公式只考慮了一個變量。

對於250個數據點，程序需要在0到1之間生成250個隨機數，以便能夠對數據運行隨機過程。但是，我不確定該從哪裏出發，並希望得到任何建議。

Answer 1

該答案根據您希望應用隨機數的方式而變化。

但你可以做這樣的事情：

tt=np.arange(0,250) 
s1=[(s0+random())*np.exp(k*t/250) for t in tt] 

Answer 2

新： 鑑於我波動的理解是正確的，它只是平均收益率的標準差，是否正確？然後你需要做的是得到一個正態分佈的隨機數，平均值爲mu，標準差爲v。正如Severin指出的那樣，在numpy中有這樣的功能，即numpy.random.normal（loc，scale）其中loc = mu和scale = v。見下面的例子。我試圖明確地編碼每一步。一旦你對numpy/python感到滿意，你可以在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() 

老： 也許我真的不明白這個問題的正確，但你不想正確的代碼一個「真正的」隨機行走？這只是給你的指數模型增加隨機性？我想最簡單的方法是使用你已經導入的numpy。可以在這樣的擠壓隨機數生成：

... 
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）的表達產生了具有在-1和+1之間250個的隨機變量的陣列。現在，如果你想在你的指數模型周圍存在一個幅度爲2.0的「隨機性」，那麼你只需將rndScale改爲2.0即可。

Answer 3

布朗運動模擬需要的是獲得正態分佈（又名高斯）隨機數的向量。您不需要任何像Excel一樣的正常反轉，但撥打

v = np.random.normal(0.0, 1.0, 250) 

您將得到N（0,1）分佈式數字的向量。在http://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.random.normal.html

UPDATE

B.肖爾茨代碼看起來不錯，我...