【发布时间】:2020-02-08 18:12:31
【问题描述】:
我当前的代码如下:
stock_values = np.zeros([path, steps+1])
stock_values[:, 0] = s
for y in range(0, steps):
stock_values[:, y+1] = stock_values[:, y] * (
np.exp(change[:,y]))
与:
change = (r_d - 0.5*(sigma_d ** 2)) * deltat + sigma_d * np.sqrt(deltat) * np.random.normal(0, 1, size=(path, steps)) + np.random.poisson(lambda_j*deltat,size=(path, steps))* np.random.normal(r_j,sigma_j, size=(path, steps))
Stock_values 和 change 都是包含 1 000 000 x 1015 个元素的数组 因此,我使用 GBM 和 Jump Diffusion、1 000 000 条路径和 1045 步运行蒙特卡罗模拟。 像这样,计算时间很慢,尤其是。因为我宁愿为此使用 100 000 000 条路径。不幸的是,python 只使用一个内核进行循环,并让其他 7 个内核未使用。对于“更改”矩阵,它可以使用所有内核...(对不起,没有良好的技术/硬件技能和知识...)
我正在寻找一个函数来交换“for”循环,该循环根据 col y 中的值计算列 y+1,根据 y+1 等计算列 y+2,直到 y+1044。
有什么想法吗? 非常感谢!
【问题讨论】:
标签: python performance kernel montecarlo cpu-speed