Python 金融数据分析基础：随机数（一）

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文



主要内容包括：


用 Numpy 生成不同分布的伪随机数，主要包括均匀分布、正太分布、直方分布和泊松分布。
用生成的随机数模拟随机变量、随机过程和进行方差缩减，主要包括几何布朗运动、平方根扩散、随机波动模型和跳跃扩散模型。
用生成的随机数对欧式期权和美式期权进行估值，主要使用蒙特卡洛估计方法。
用随机数建立模型进行风险测度，主要是测度风险价值和进行信用价值调整。

一、随机数

1. import numpy as np
   
2. import numpy.random as npr
   
3. import matplotlib.pyplot as plt
   
4. %matplotlib inline

复制代码

1. npr.rand(10)

复制代码

array([ 0.38149781,  0.67472245,  0.52930643,  0.82789491,  0.32402136,        0.91759317,  0.70999488,  0.91402186,  0.38792711,  0.14082676])

1. npr.rand(5, 5)

复制代码

array([[ 0.54056252,  0.34555326,  0.89572902,  0.26026525,  0.43574886],       [ 0.60084973,  0.20991542,  0.86092347,  0.26358636,  0.89639337],       [ 0.1549069 ,  0.45802605,  0.91081355,  0.08183648,  0.94818369],       [ 0.64659773,  0.44279118,  0.24208235,  0.91540828,  0.92345946],       [ 0.70147286,  0.14103389,  0.87856977,  0.57875223,  0.17051678]])

1. a = 5.
   
2. b = 10.
   
3. npr.rand(10) * (b - a) + a

复制代码

array([ 6.91294755,  6.17425098,  7.04935596,  7.58279497,  8.91989095,        6.53815176,  8.52897859,  7.66654959,  8.37488787,  7.26440555])

1. npr.rand(5, 5) * (b - a) + a

复制代码

array([[ 6.16321316,  9.32303829,  9.97670443,  8.60697599,  7.71428921],       [ 7.50955004,  5.74440407,  5.83774446,  7.50908669,  8.96393653],       [ 8.80295133,  6.53463824,  8.77144642,  5.92119901,  6.40813   ],       [ 6.10818935,  8.39621717,  7.15254198,  9.1797606 ,  7.80898567],       [ 8.9060506 ,  9.08388979,  9.78395034,  7.7338426 ,  8.73691598]])

1. sample_size = 500
   
2. rn1 = npr.rand(sample_size, 3)
   
3. rn2 = npr.randint(0, 10, sample_size)
   
4. rn3 = npr.sample(size=sample_size)
   
5. a = [0, 25, 50, 75, 100]
   
6. rn4 = npr.choice(a, size=sample_size)

复制代码

1. # 简单伪随机数
   
2. # 标签: rand_samples
   
3. # 大小: 70
   
4. fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2,
   
5.                                              figsize=(7, 7))
   
6. ax1.hist(rn1, bins=25, stacked=True)
   
7. ax1.set_title('rand')
   
8. ax1.set_ylabel('frequency')
   
9. ax1.grid(True)
   
10. ax2.hist(rn2, bins=25)
    
11. ax2.set_title('randint')
    
12. ax2.grid(True)
    
13. ax3.hist(rn3, bins=25)
    
14. ax3.set_title('sample')
    
15. ax3.set_ylabel('frequency')
    
16. ax3.grid(True)
    
17. ax4.hist(rn4, bins=25)
    
18. ax4.set_title('choice')
    
19. ax4.grid(True)

复制代码

1. sample_size = 500
   
2. rn1 = npr.standard_normal(sample_size)
   
3. rn2 = npr.normal(100, 20, sample_size)
   
4. rn3 = npr.chisquare(df=0.5, size=sample_size)
   
5. rn4 = npr.poisson(lam=1.0, size=sample_size)

复制代码

1. # 不同分布的伪随机数
   
2. # 标签: rand_distris
   
3. # 大小: 70
   
4. fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, figsize=(7, 7))
   
5. ax1.hist(rn1, bins=25)
   
6. ax1.set_title('standard normal')
   
7. ax1.set_ylabel('frequency')
   
8. ax1.grid(True)
   
9. ax2.hist(rn2, bins=25)
   
10. ax2.set_title('normal(100, 20)')
    
11. ax2.grid(True)
    
12. ax3.hist(rn3, bins=25)
    
13. ax3.set_title('chi square')
    
14. ax3.set_ylabel('frequency')
    
15. ax3.grid(True)
    
16. ax4.hist(rn4, bins=25)
    
17. ax4.set_title('Poisson')
    
18. ax4.grid(True)

复制代码

以上内容转自 数析学院，如需完整内容可以直接查看原文

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖

谢谢楼主分享