擅长:python、mysql、java
<p>您可以从<code>for-loop</code>中挤出更多的工作,但是同时生成所有路径(假设您有足够的内存):</p>
<pre><code>import numpy as np
def generate_orig(T=1., nt=100000, lbd=500., mu=0, sigma=1., S0=0):
dt = T/nt
St = [S0] * nt
sqrtdt = np.sqrt(dt)
dBt = np.random.normal(0, sqrtdt, nt)
for k in xrange(1, nt):
dSt = lbd * (mu - St[k-1]) * dt + sigma * dBt[k]
St[k] = St[k-1] + dSt
return St
def generate(T=1., nt=100000, lbd=500., mu=0, sigma=1., S0=0, npaths=1):
dt = T/nt
St = np.full((nt, npaths), S0)
sqrtdt = np.sqrt(dt)
dBt = np.random.normal(0, sqrtdt, size=(nt, npaths))
for k in xrange(1, nt):
dSt = lbd * (mu - St[k-1]) * dt + sigma * dBt[k]
St[k] = St[k-1] + dSt
return St
</code></pre>
<p>下面是100条路径上的timeit基准测试。你知道吗</p>
<pre><code>In [55]: %timeit [generate_orig() for i in xrange(100)]
1 loops, best of 3: 23.6 s per loop
In [56]: %timeit generate(npaths=100)
1 loops, best of 3: 1.97 s per loop
</code></pre>
<p>您还可以通过使用Cython来改进<code>for-loop</code>的性能。你知道吗</p>