如何根据Python中的先前数字生成伪随机数

Question

我正在尝试使用 numpy 运行蒙特卡罗模拟，如下所示：

from numpy import random

btcpremiummean = -2.61
btcpremiumsd = 1.63
trialsize = 1000000

for x in range(trialsize):
    btcpremium = random.normal(btcpremiummean, btcpremiumsd)
    ...

我从回测中得出了平均值和标准差，并使用它们来生成随机数字。

然而，尽管数据符合这个正态分布，但现实生活中的 btcpremium 并不是真正随机的；而是通常等于或接近之前的 btcpremium。

我想不出如何更改我的代码，以使 btcpremium 值符合当前使用的正态分布，同时受到先前数据的影响。

提前致谢。

Answer 1

您的问题是，当您需要捕捉“接近以前”的行为时，您正在生成独立的观察结果。您似乎在描述一个autoregressive model，特别是一个 AR(1) 过程。如果您的下一个值与 k 个先前值相关/依赖于 k 个先前值，则它将是一个 AR(k) 过程。