既然我调用了这段代码超过1000次,有没有办法优化这段耗时1.73s的代码?
def generate():
S0 = 0
T = 1.
nt = 100000
lbd = 500.
mu = 0
sigma = 1.
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
最佳答案
您可以从 for 循环
中挤出更多工作,但同时生成所有路径(假设您有足够的内存):
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
这是 100 条路径上的 timeit 基准。
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
您还可以通过使用 Cython 提高 for-loop
的性能。
关于python - 随机过程的循环优化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23411853/