股票價格模擬R代碼 - 慢 - 蒙特卡羅

我需要使用R代碼執行股票價格模擬。問題是代碼有點慢。基本上我需要模擬每個時間步驟（每日）的股票價格並將其存儲在矩陣中。股票價格模擬R代碼 - 慢 - 蒙特卡羅

一個例子假設股票過程是幾何布朗運動

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 
}

任何建議，以改善和加速碼？

來源

2013-03-20 PereMkB

請提供[可重現的示例]（http://stackoverflow.com/q/5963269）。你的第二個for循環會拋出一個錯誤，因爲當[i = 1]時'S [i-1]'具有零長度。 – 2013-03-20 20:58:16

用'Rcpp'重寫你的代碼，你將得到幾個數量級的加速。 – 2013-03-21 01:52:30

在進入'Rcpp'之前，我會首先嚐試擺脫double for循環，然後進行vectorisation。 – 2013-03-21 06:35:29

假設S[0] = 1，你可以建立ü爲如下：

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,])))

編輯：使用約書亞和Ben的建議：

產品版本：

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

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

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)))

編輯：通過@保羅的建議：

執行時間爲每個提案（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的原始代碼

user system elapsed 
67.38 0.00 67.52

備註：上面顯示的時間是system.time的第三項措施。每個代碼的前兩個措施都被丟棄了。我用r <- sqrt(2),v <- sqrt(3)和dt <- pi。在他的原始代碼中，我還替換了S[i-1]，代碼爲ifelse(i==1,1,S[i-1])，並預先分配了U。

來源

2013-03-20 21:43:18

你不能用'U < - apply（U，1，cumprod）'替換最後一行嗎？ – 2013-03-20 21:58:14

在適當縮放的'rnorm（）'矩陣上使用'cumsum'可能會更好，然後指數爲 – 2013-03-20 23:44:18

謝謝！ @JoshuaUlrich，我只是碰巧在'do.call'上暗戀...... Ferdinand.kraft – 2013-03-21 00:17:52

股票價格模擬R代碼 - 慢 - 蒙特卡羅

回答

相關問題