【发布时间】:2020-05-16 19:34:39
【问题描述】:
我想从头开始构建一个数据框,并根据命名屏障选项之前的值进行计算。我知道我可以使用蒙特卡罗模拟来解决它,但它不会按照我想要的方式工作。
公式为:
Value in row before * np.exp((r-sigma**2/2)*T/TradingDays+sigma*np.sqrt(T/TradingDays)*z)
我写的第一个代码只是计算第一列。我知道我需要第二个循环,但无法真正管理它。
结果应该是,对于每次模拟,它将使用之前的值计算一个新值,对于 500 天意味着 S_1 应该是 S_500,总共 1000 次模拟。 (在使用公式之前,我需要根据值生成新列。) 与此类似: 所以对于 1. 模拟 500 天,2. 模拟 500 天等等......
import numpy as np
import pandas as pd
from scipy.stats import norm
import random as rd
import math
simulation = 0
S_0 = 42
T = 2
r = 0.02
sigma = 0.20
TradingDays = 500
df = pd.DataFrame()
for i in range (0,TradingDays):
z = norm.ppf(rd.random())
simulation = simulation + 1
S_1 = S_0*np.exp((r-sigma**2/2)*T/TradingDays+sigma*np.sqrt(T/TradingDays)*z)
df = df.append ({
'S_1':S_1,
'S_0':S_0
}, ignore_index=True)
df = df.round ({'Z':6,
'S_T':2
})
df.index += 1
df.index.name = 'Simulation'
print(df)
我在这里找到了另一个可能的代码,它确实解决了问题,但对于一行,下一行是相同的计算。 Generate a Dataframe that follow a mathematical function for each column / row
如果我只是用我的公式替换它,我会遇到同样的问题。
替换:
exp(r - q * sqrt(sigma))*T+ (np.random.randn(nrows) * sqrt(deltaT)))
与:
exp((r-sigma**2/2)*T/nrows+sigma*np.sqrt(T/nrows)*z))
import numpy as np
import pandas as pd
from scipy.stats import norm
import random as rd
import math
S_0 = 42
T = 2
r = 0.02
sigma = 0.20
TradingDays = 50
Simulation = 100
df = pd.DataFrame({'s0': [S_0] * Simulation})
for i in range(1, TradingDays):
z = norm.ppf(rd.random())
df[f's{i}'] = df.iloc[:, -1] * np.exp((r-sigma**2/2)*T/TradingDays+sigma*np.sqrt(T/TradingDays)*z)
print(df)
我更有可能使用最后一个代码并用它解决问题。
【问题讨论】:
-
我有一些不清楚的地方:在您的示例表中,第 2 列第 2 行的值是仅取决于第 2 列第 1 行的值,还是也取决于第 1 列第 2 行的值?换句话说:列是否相互独立?行是否相互独立?还是每个值都取决于行和列中的前一个值?
-
Column 2 row 2 = 42,是每个模拟的起始值,c[3] r[2] = 41.63 基于 [2:2]*formular。下一个值 c[4] r[2] 基于值 c[3] r[2]* 公式等。但是我已经有了解决问题的方法,我会在这里发布作为答案。
标签: python pandas dataframe montecarlo