如何根据Python中的先前数字生成伪随机数

Question

我试图像numpy那样运行monte carlo模拟：

from numpy import random

btcpremiummean = -2.61
btcpremiumsd = 1.63
trialsize = 1000000

for x in range(trialsize):
    btcpremium = random.normal(btcpremiummean, btcpremiumsd)
    ...

我从反向测试中得出了平均值和标准差，并使用它们生成随机数字。

然而，尽管数据符合这种正态分布，但现实生活中的btcpremium并非真正随机;相反，它通常等于或接近之前的btcpremium。

我无法想到如何更改我的代码，以便btcpremium值符合当前使用的正常分布，同时受到先前数据的影响。

提前致谢。

Answer 1

当你需要捕捉＆＃34;接近前一个＆＃34;你的问题是你正在产生独立的观察。行为。您似乎在描述autoregressive model，特别是AR（1）过程。如果您的下一个值与/取决于k个先前值有关，则它将是AR（k）过程。