Question

我需要使用R代码执行股票价格模拟。问题是代码有点慢。基本上我需要模拟每个时间步（每日）的股票价格并将其存储在矩阵中。

假设库存过程是几何布朗运动的示例

for(j in 1:100000){
    for(i in 1:252){
        S[i] <- S[i-1]*exp((r-v^2/2)*dt+v*sqrt(dt)*rnorm(1))
    }
    U[j,] <- S
}

有任何改进和加快代码的建议吗？

Answer 1

假设S[0] = 1，您可以将U构建为以下内容：

Ncols <- 252

Nrows <- 100000

U <- matrix(exp((r-v^2/2)*dt+v*sqrt(dt)*rnorm(Ncols*Nrows)), ncol=Ncols, nrow=Nrows)

U <- do.call(rbind, lapply(1:Nrows, function(j)cumprod(U[j,])))

编辑：使用约书亚和本的建议：

产品版本：

U <- matrix(exp((r-v^2/2)*dt+v*sqrt(dt)*rnorm(Ncols*Nrows)), ncol=Ncols, nrow=Nrows)

U <- t(apply(U, 1, cumprod))

总和版本：

V <- matrix((r-v^2/2)*dt+v*sqrt(dt)*rnorm(Ncols*Nrows), ncol=Ncols, nrow=Nrows)

V <- exp( t(apply(V, 1, cumsum)) )

编辑：正如@Paul所建议的那样：

每个提案的执行时间（使用10000行而不是10 ^ 5）：

使用apply + cumprod

 user  system elapsed 
0.61    0.01    0.62

使用apply + cumsum

 user  system elapsed 
0.61    0.02    0.63

使用OP的原始代码

 user  system elapsed 
67.38    0.00   67.52

注意：上面显示的时间是system.time的第三个度量。每个代码的前两个度量被丢弃。我使用了r <- sqrt(2)，v <- sqrt(3)和dt <- pi。在他的原始代码中，我还为S[i-1]替换了ifelse(i==1,1,S[i-1])，并预先分配了U。

股票价格模拟R代码 - 慢 - 蒙特卡罗

1 个答案: