金融分析与风险管理——Python中常用的统计函数
1 Numpy 中统计函数的使用
在金融产品定价、风险管理建模领域,带领运用到模拟,而模拟的核心就是生产随机数。通常情况下,计算机产生的随机数并非是真正的随机数,而是按照某设定的分布生成的,Python中的Numpy模块提供了基于各种统计分布函数的随机数,例如:二项分布、几何分布、泊松分布等离散型分布;正态分布、t分布、均匀分布、F分布、贝塔分布、卡方分布、对数分布等连续性分布,可以根据需要比较方便的生产随机数。
1.1 random 模块的随机抽样
Numpy 中的 random 子模块提供了上述常用的分布抽样方法,各分布函数详细的用法可以参照官网介绍,其常用的分布函数用法如下:
简单随机抽样
'''
random.Generator.random(size=None, dtype=np.float64, out=None)
size:抽样的规模
抽样范围[0.0,1.0)
'''
import numpy.random as npr
rand_sample = npr.random(5)
print('size = ',len(rand_sample))
print('抽样结果:',rand_sample )
正态分布随机抽样
'''
random.Generator.normal(loc=0.0, scale=1.0, size=None)
loc:均值
scale:标准方差
size:抽样规模
'''
x_norm = npr.normal(loc=0,scale=1,size=10000)
print('正态分布的均值',round(x_norm.mean(),2))
print('正态分布的标准差',round(x_norm.std(),2))
对数正态分布随机抽样
'''
random.Generator.lognormal(mean=0.0, sigma=1.0, size=None)
mean:均值
sigma:标准方差
size:抽样规模
'''
x_log =