Python金融应用-随机变量模拟

最新推荐文章于 2022-06-14 20:41:26 发布

司马看山

最新推荐文章于 2022-06-14 20:41:26 发布

阅读量413

点赞数 1

文章标签： python 数据挖掘机器学习数据可视化

本文链接：https://blog.csdn.net/qq_15189171/article/details/109212886

版权

本文介绍了Python在金融领域的应用，通过代码演示如何进行随机变量模拟。使用numpy库生成不同类型的随机数，包括均匀分布的`rand`，整数分布的`randint`，无放回抽样的`sample`，以及从给定序列中随机选择的`choice`。并通过matplotlib进行数据可视化，展示各随机变量的分布情况。

摘要由CSDN通过智能技术生成

随机变量模拟

考虑期权定价的Black-Scholes-Merton设置。在这样的设置中，给定今天的标的价格水平

随机变量模拟代码实现

// 导入程序所需包
import numpy as np
import numpy.random as npr
import matplotlib.pyplot as plt
%matplotlib inline
//生成随机数，并将随机数分配到不同的变量中
sample_size=500
rn1=npr.rand(sample_size,3)
rn2=npr.randint(0,10,sample_size)
rn3=npr.sample(size=sample_size)
a=[0,25,50,75,100]
rn4=npr.choice(a,size=sample_size)
//生成可视化试图
fig,((ax1,ax2),(ax3,ax4))=plt.subplots(nrows=2,ncols=2,figsize=(7,7))
ax1.hist(rn1,bins=25,stacked=True)
ax1.set_title(‘rand’)
ax1.set_ylabel(‘frequency’)
ax2.hist(rn2,bins=25)
ax2.set_title(‘randint’)
ax2.grid(True)
ax3.hist(rn3,bins=25)
ax3.set_title(‘sample’)
ax3.set_ylabel(‘frequency’)
ax3.grid(True)
ax4.hist(rn4,bins=25)
ax4.set_title(‘choice’)
ax4.grid(True)