3

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(每天)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
}

有什么改进和加速代码的建议吗?

4

1 回答 1

2

假设S[0] = 1,您可以按如下方式构建 U:

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 Joshua 和 Ben 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:

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:以上时间为 的第三小节system.time。每个代码的前两个度量被丢弃。我用过r <- sqrt(2)v <- sqrt(3)dt <- pi。在他的原始代码中,我还替换S[i-1]了 forifelse(i==1,1,S[i-1])和 preallocated U

于 2013-03-20T21:43:18.703 回答