python中的随机微积分库答案

【问题标题】：Stochastic calculus library in pythonpython中的随机微积分库
【发布时间】：2010-12-07 18:16:26
【问题描述】：

我正在寻找一个 python 库，它可以让我计算随机微积分的东西，比如我定义扩散的随机过程的（条件）期望。我查看了 simpy (simpy.sourceforge.net)，但它似乎无法满足我的需求。

这是为了快速原型设计和实验。在 java 中，我成功地使用了（现在不活动的）http://martingale.berlios.de/Martingale.html 库。

这个问题本身并不难，但是有很多不平凡的样板工作要做（有效的内存使用、变量减少技术等等）。

理想情况下，我可以写出这样的东西（只是说明性的）：

def my_diffusion(t, dt, past_values, world, **kwargs): W1, W2 = world.correlated_brownians_pair(correlation=kwargs['rho']) X = 过去值[-1] sigma_1 = kwargs['sigma1'] sigma_2 = kwargs['sigma2'] dX = kwargs['mu'] * X * dt + sigma_1 * W1 * X * math.sqrt(dt) + sigma_2 * W2 * X * X * math.sqrt(dt) 返回 X + dX X = RandomProcess(diffusion=my_diffusion, x0 = 1.0) 打印 X.expectancy(T=252, dt = 1./252., N_simul= 50000, world=World(random_generator='sobol'), sigma1 = 0.3, sigma2 = 0.01, rho=-0.1)

除了在 numpy 中重新实现它之外，还有其他人知道吗？

【问题讨论】：

注意：这是非常有趣的材料，但不幸的是它似乎不包括依赖路径/时间的进程：pymc.googlecode.com/svn/doc/index.html)
以做这样的事情为生，我可以向您保证，如果您使用准随机数（例如 Sobol 序列），您可以处理琐碎的代码（即没有方差减少技术）。跨度>
我也是以此为生（也在巴黎）！除了减少估计方差之外，在模拟底层证券时能够重用相同的图纸可能非常有用。 sobol 序列也有其缺点。但当然，问题是关于实验，而不是生产代码。
我知道 R 中有一些库对你有用

标签： python random simulation stochastic-process

【解决方案1】：

您可以使用 StochPy（Python 中的随机建模）

https://pypi.python.org/pypi/StochPy

【讨论】：

【解决方案2】：

我在 Python 中看到的最接近这一点的是 PyMC - 各种马尔可夫链蒙特卡罗算法的实现。

【讨论】：

【解决方案3】：

我正在研究一个随机过程（包括扩散过程和一些调节）python 库。查看this link 到 google-project 主页。干杯！

【讨论】：

我认为这更适合作为评论。

【解决方案4】：

你看过sage吗？

【讨论】：

我在Sage中没有找到随机模拟包。

【解决方案5】：

我知道有人使用Sundials 来解决随机 ODE/PDE 问题，但我对该库的了解还不够，无法确定它是否适合您的情况。它有 python 绑定here。

【讨论】：

这是一个 PDE 求解器，而不是 MC 工具。我希望我可以将所有问题转换为低维 PDE……现在，我只想研究一些模型的外观和感觉（例如轨迹是什么样的）