我正在嘗試運(yùn)行一個(gè)模擬，其中我執(zhí)行以下操作：從 0 到 1 之間的均勻分布中隨機(jī)抽取 2000 個(gè)樣本計(jì)算任何樣本與其之前選擇的樣本之間的差異 du使用該差異來(lái)計(jì)算 r=EXP(-a*du)將另一個(gè)隨機(jī)樣本 z 與 r 的計(jì)算值進(jìn)行比較創(chuàng)建一個(gè) r>z 的隨機(jī)樣本列表，并丟棄所有其他樣本重復(fù)這個(gè)過(guò)程，直到 2000 個(gè)樣本被“接受”這是我迄今為止所擁有的。當(dāng)我運(yùn)行此代碼時(shí)，我收到錯(cuò)誤消息“'numpy.float64' object has no attribute 'append'”。有關(guān)如何解決此問(wèn)題的任何想法？import numpy as np import matplotlib.pyplot as plt import math NP=np.random.uniform(0,1,size=(2000,)) a=np.linspace(0.1,2,num=20) for i in range(len(a)): dr = [] du = [] for j in range(1999): du=N[j+1]-N[j] r=math.exp(-a[i]*du) z=np.random.uniform(0,1) if r>z: du.append(N[j+1]) dr.append(r)
2 回答
慕容森
TA貢獻(xiàn)1853條經(jīng)驗(yàn) 獲得超18個(gè)贊
您du對(duì)兩個(gè)不同的概念（所有有效值的容器du以及每次du迭代的每個(gè)單獨(dú)值）使用相同的變量名稱。
將您的代碼更改為du_values = []和du_values.append(N[j + 1])，它應(yīng)該可以工作。
順便說(shuō)一句，您的代碼中似乎有一個(gè)錯(cuò)字 - 您將原始數(shù)組定義為NP，但后來(lái)將其稱為N。
慕村225694
TA貢獻(xiàn)1880條經(jīng)驗(yàn) 獲得超4個(gè)贊
請(qǐng)注意，因?yàn)槟銢](méi)有提供任何代碼，我要告訴你的代碼是不是FOR你，但代碼我已經(jīng)使用和天籟一樣，你可以很容易地采取以您的需求。
# this will simulate 1000 different combinations of my portfolio
for x in range(1000):
weights = np.random.random(len(tickers))
weights /= np.sum(weights)
portfolio_returns.append(np.sum(weights * log_returns.mean()) * 250)
portfolio_volatilities.append(np.sqrt(np.dot(weights.T, np.dot(log_returns.cov() * 250, weights))))
這段代碼所做的很短是 1000 倍，它為我的數(shù)據(jù)點(diǎn)創(chuàng)建隨機(jī)數(shù)和權(quán)重，然后附加結(jié)果。代碼不會(huì)統(tǒng)一，因?yàn)樗请S機(jī)的，但如果你真的想要統(tǒng)一，你可以簡(jiǎn)單地單步執(zhí)行增量。但是，我認(rèn)為您不需要統(tǒng)一，而是需要足夠大的樣本量，以免被異常值拋棄。
比較結(jié)果的一種方法是這樣的。
simple_return = (mydata / mydata.shift(1)) - 1
比較隨機(jī)樣本應(yīng)該非常簡(jiǎn)單，因此如果您確實(shí)需要幫助，請(qǐng)跟進(jìn)。使用 numpy 數(shù)組，您還可以根據(jù)條件過(guò)濾/刪除項(xiàng)目。
抱歉，如果這些不能完全回答您想要的，但它應(yīng)該讓您朝著正確的方向前進(jìn)。
添加回答
舉報(bào)
0/150
提交
取消