Python量化交易基础讲堂-可视化随机漫步轨迹

在《 Python实战-构建基于股票的量化交易系统 》小册子的《前置基础：由例程快速入门常用数据分析工具》小节我们用到了一副插图：

这里我们结合小册中Numpy、Matplotlib库的使用，用Python的方式来介绍下如何绘制随机漫步轨迹，以及如何从统计学的角度去预测随机漫步的股价。

早在1990年，巴黎一位博士生路易斯·巴舍利耶（1887—1946）跟踪当时巴黎股市起伏，期望用数学工具来描述股价变动过程。在他的论文《投机理论》中指出，股票价格的日常变动从根本上说是不可预知的，类似于”布朗运动”那样属于随机游走，没有任何规律可循。就好比一个人购买一只股票后立即将其卖掉，那么他输赢的概率是相等的。

数学的奇妙之处就在于，我们可以把股票的不可预知性变为可预知。最经典的例子即是模拟醉汉的随机漫步：假设一名醉汉喝醉了酒，从一个路灯下开始漫无目的地行走。每一步即可能前进也可能后退也可能拐弯。那么经过一定时间之后，这名醉汉的位置在哪里呢？

我们使用 numpy.random.randint(low, high=None, size=None, dtype=’l’) 函数产生随机数。

• 返回随机整数，范围区间为[low,high），包含low，不包含high
• 参数：low为最小值，high为最大值，siz