如何用numpy模拟随机回报_Numpy_Random_Dataframe_Quantitative Finance

如何用numpy模拟随机回报

numpy random dataframe

如何用numpy模拟随机回报,numpy,random,dataframe,quantitative-finance,Numpy,Random,Dataframe,Quantitative Finance,模拟随机回报的快速方法是什么。我知道numpy.random。然而，这并不能指导我如何对资产回报进行建模我试过： import numpy as np r = np.random.rand(100) 但这并不准确。其他人是如何做到这一点的？我建议采用以下两种方法之一： One:假设收益率正态分布，平均值等于0.1%，标准偏差约为1%。这看起来像： import numpy as np np.random.seed(314) r = np.random.randn(100) / 100

模拟随机回报的快速方法是什么。我知道

numpy.random

。然而，这并不能指导我如何对资产回报进行建模

我试过：

import numpy as np

r = np.random.rand(100)

但这并不准确。其他人是如何做到这一点的？

我建议采用以下两种方法之一：

One:

假设收益率正态分布，平均值等于0.1%，标准偏差约为1%。这看起来像：

import numpy as np

np.random.seed(314)
r = np.random.randn(100) / 100 + 0.001

seed（314）

在特定点设置随机数生成器，以便如果我们都使用相同的种子，我们将看到相同的结果

randn

从正态分布中提取

我还建议使用

pandas

。它是一个实现类似于

的

DataFrame

对象的库

import pandas as pd

df = pd.DataFrame(r)

然后，您可以按如下方式绘制累积回报：

df.add(1).cumprod().plot()

r = np.exp(np.random.randn(100) / 100 + 0.001) - 1

pd.DataFrame(r).add(1).cumprod().plot()

两个：

第二种方法是假设收益是对数正态分布的。这意味着日志（r）正常。在这个场景中，我们提取正态分布的随机数，然后使用这些值作为

的指数。看起来是这样的：

df.add(1).cumprod().plot()

r = np.exp(np.random.randn(100) / 100 + 0.001) - 1

pd.DataFrame(r).add(1).cumprod().plot()

如果绘制它，它看起来像这样：

df.add(1).cumprod().plot()

r = np.exp(np.random.randn(100) / 100 + 0.001) - 1

pd.DataFrame(r).add(1).cumprod().plot()

我建议两种方法中的一种：