For循环R（特殊情况：维纳过程）

我现在正在处理我的大学论文的期权价格估值。我们需要在R.一些事情编程这是我第一次用编程软件，如R.我已经做了过去两周的工作，这是我竟还：For循环R（特殊情况：维纳过程）

s <- 120 
#Value of the stock today 
sd <- 0.1 
#standard deviation 
d <- 0.003 
#Drift 

N <- 365 
T <-1 
dt <-T/N 
t <- seq(0,T, length=N+1) 
W <- c(0, cumsum(sqrt(dt)*rnorm(N))) 
#plot(t, W, type="l", main="Wiener process", ylim=c(-1,1)) 

S <- s*exp(d+sd*W) 
S

这是一个简单的广义维纳过程，我想变成蒙特卡洛模拟。对于S，现在有366（N + 1）个库存路径的值。我需要的是一个“for循环”，它取S的最后一个值并将它分配给一个向量（列表向量），以便我可以运行循环例如10000次，收集每个S的最后一个值并获得矢量。

我不知道如何编程这样一个for循环。如果你能帮助我或给我一些好的提示，我会很感激。

来自德国基督教问候

来源

2016-11-28 Monte

第1步：把你的代码变成一个函数'my_wiener_process'。只有'return（）'S'的最后一个值。第2步：'n = 10000; results = rep（NA，n）; for（i in 1：n）results [i] < - my_wiener_process（）'。 – Gregor

非常感谢。问题是，我甚至不知道如何将我的代码转换为函数 – Monte

把'my_wiener_process < - function（）{'放在所有代码之前，并将'return（tail（S，1））}'放在所有代码的结尾。请参阅，例如，[如何在R中编写函数]中的大部分内容（https://www.google.com/search?q=how+to+write+a+function+in+R&ie=utf-8&oe=utf -8） – Gregor

我没学过Wiener过程，但我认为这将是代码的简单轮廓你想实现：

stock_prices <- s #Initialise vector of stock prices 
numIter <- 10^4  #Set number of iterations in the for loop 

for(i in 1:numIter) { 
    s <- stock_prices[i] #This is the current stock price (for ith iteration/time step) 

    #Calculate the next stock price here, call it next_price 

    #Add price of next iteration/time step to your vector: 
    stock_prices <- c(stock_prices, next_price) 
}

stock_prices将是一个向量你模拟的10,000股股票价格。

我不知道如何计算S的下一个股票价格，但是如果您从S的值中随机抽取，那么查看函数sample（请键入?sample获取帮助）可能会很有用。

希望帮助

来源

2016-11-28 20:43:21 hodgenovice

“增长”循环内的向量是非常糟糕的做法 - 不必要的低效率。参见[R地狱的圆2]（http://www.burns-stat.com/pages/Tutor/R_inferno.pdf）。 – Gregor

我同意这不是最高效的，但很容易理解。自从我开始写这篇文章以来，他只是说他不知道如何编写函数，我认为基本/简单的代码比效率更重要。我很高兴你的评论将他排除在外。 – hodgenovice

如果你只是想重复运行的代码，把它在一个功能是不错的（但不是绝对必要）。我将把你问题中的所有代码称为<your code>。

为了使运行代码的函数，

my_function = function() { 
    <your code> 
}

的功能，在默认情况下，返回它的最后一行，在这种情况下S。你只需要S，tail(S, 1)的最后一个元素。因此，我们可以修改函数只返回：

my_function = function() { 
    <your code> 
    return(tail(S, 1)) 
}

然后，我们可以把它叫做一个for循环n时间和分配结果。最好是预先分配的矢量的结果，使得存储器的适当大小的块可以预留它前面进行设置：

n = 10000 
results = rep(NA, n) 
for (i in 1:n) { 
    results[i] <- my_function() 
}

这相当于

n = 10000 
results = rep(NA, n) 
for (i in 1:n) { 
    <your code> 
    results[i] <- tail(S, 1) 
}

而且，对于这也就等于

results = replicate(n, my_function())

这是一个方便的快捷方式。

如果你想成为幻想，你可以参数化的功能：

my_nice_function = function(s = 120, sd = 0.1, d = 0.003, N = 365) { 
    T <- 1 
    dt <- T/N 
    t <- seq(0, T, length = N + 1) 
    W <- c(0, cumsum(sqrt(dt) * rnorm(N))) 
    S <- s * exp(d + sd * W) 
    return(tail(S, 1)) 
}

现在my_nice_function有默认值，在你的代码，但是你可以很容易地对其进行调整，例如，与sd = 0.2运行50个模拟你可以这样做：

replicate(50, my_nice_function(sd = 0.2))

来源

2016-11-28 21:09:33 Gregor

For循环R（特殊情况：维纳过程）

回答

相关问题