从循环python创建monte模拟

Question

我试图计算一个for循环的可能性，该循环返回的值低于初始值输入的10%，使用蒙特卡罗模拟。

for i in range(0, period):
    if i < 1:
        r=(rtn_daily[i]+sig_daily[i]*D[i])
        stock = stock_initial * (1+r)
    elif i >=1:
        r=(rtn_daily[i]+sig_daily[i]*D[i])
        stock = stock * (1+r)
print(stock)

这是我希望运行大量次数(200000作为粗略数字)并计算以下概率的for-循环：

stock < stock_initial * .9

我已经找到了一些示例，这些示例将它们的初始循环定义为函数，然后在循环中使用该函数，因此我尝试从循环中定义一个函数：

def stock_value(period):
    for i in range(0, period):
        if i < 1:
            r=(rtn_daily[i]+sig_daily[i]*D[i])
            stock = stock_initial * (1+r)
        elif i >=1:
            r=(rtn_daily[i]+sig_daily[i]*D[i])
            stock = stock * (1+r)
    return(stock)

这会产生“股票”的值，这些值似乎不符合定义为函数之前相同的范围。

使用这段代码，我试图运行蒙特卡罗模拟：

# code to implement monte-carlo simulation
number_of_loops = 200 # lower number to run quicker 

for stock_calc in range(1,period+1):
    moneyneeded = 0
    for i in range(number_of_loops):
        stock=stock_value(stock_calc)
        if stock < stock_initial * 0.90:
            moneyneeded += 1
    #print(stock) this is to check the value of stock being produced.
stock_percentage = float(moneyneeded) / number_of_loops
print(stock_percentage)

但这不会返回10%范围以外的结果，即使循环200000次，结果的范围/扩展似乎在我定义的函数中得到了极大的减少。

有人能在我定义的函数'stock_value‘中看到问题吗?或者能看到以我从未遇到过的方式实现蒙特卡罗模拟的方法？

我的完整代码供参考：

#import all modules required
import numpy as np # using different notation for easier writting
import scipy as sp 
import matplotlib.pyplot as plt

#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~


#collect variables provided by the user
stock_initial = float(12000) # can be input for variable price of stock initially.
period = int(63) # can be edited to an input() command for variable periods.
mrgn_dec = .10 # decimal value of 10%, can be manipulated to produce a 10% increase/decrease
addmoremoney = stock_initial*(1-mrgn_dec)

rtn_annual = np.repeat(np.arange(0.00,0.15,0.05), 31) 
sig_annual = np.repeat(np.arange(0.01,0.31,0.01), 3) #use .31 as python doesn't include the upper range value.

#functions for variables of daily return and risk.
rtn_daily = float((1/252))*rtn_annual
sig_daily = float((1/(np.sqrt(252))))*sig_annual
D=np.random.normal(size=period) # unsure of range to use for standard distribution


#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
# returns the final value of stock after 63rd day(possibly?)
def stock_value(period):
    for i in range(0, period):
        if i < 1:
            r=(rtn_daily[i]+sig_daily[i]*D[i])
            stock = stock_initial * (1+r)
        elif i >=1:
            r=(rtn_daily[i]+sig_daily[i]*D[i])
            stock = stock * (1+r)
        return(stock)
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

# code to implement monte-carlo simulation
number_of_loops = 20000

for stock_calc in range(1,period+1):
    moneyneeded = 0
    for i in range(number_of_loops):
        stock=stock_value(stock_calc)
        if stock < stock_initial * 0.90:
            moneyneeded += 1
    print(stock)
stock_percentage = float(moneyneeded) / number_of_loops
print(stock_percentage)

#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Answer 1

贴出一个答案，因为我没有问题要评论。一些关于您的代码的查询--浏览这些代码--可能会帮助您找到一个答案：

1. 为什么要将rtn_annual定义为数组，np.repeat(np.arange(0.00,0.15,0.05), 31)？既然它只是重复值[0.0, 0.05, 0.1]，为什么不将它定义为一个函数呢？ def rtn_annual(i)：vals = 0.0，0.05，0.1返回valsi %3 同样，对于sig_annual、rtn_daily和sig_daily，它们的内容都是索引的直接函数，所以我不知道使它们成为数组有什么好处。
2. D实际上代表什么？正如您所定义的，它是一个具有0.0均值和标准差1.0的随机变量。因此，D中大约95%的值将在(-2.0，+2.0)范围内--这就是您所期望的吗？
3. 您是否测试过您的stock_value()函数，即使在很小的时间内(例如，从0到几天)，以确保它正在做您认为应该做的事情？从你的问题中还不清楚你是否已经证实它是否做过正确的事情，对于任何输入来说，而且你的评论"...(possibly?)“听起来不太自信。
4. 扰流板警报-几乎可以肯定不是。在函数stock_value中，返回语句在for循环中。它将在第一次循环(即i = 0时)被执行，而循环将永远不会得到更多的结果。这将是函数给循环提供不同结果的主要原因。
5. 另外，当你说“返回一个值低于.的10%”时，我假设你的意思是“返回一个值至少比.低10%”，因为这是你的概率stock < stock_initial * .9计算的。

我希望这能帮到你。您可能希望使用首选IDE中的调试器(idle、thonny或eclipse，不管它是什么)逐步遍历您的代码，以查看您的代码实际上在做什么。