2024年6月2日发(作者:)
目录
一、 随机数.................................................................................... 1
收益率函数
ret=price2ret(P(:,2));%收益率函数要记住
hist(ret,30)
对数收益率:retn=log(close(2:end))-log(close(1:end-1));
一、随机数
(一)Matlab内部函数
a. 基本随机数
Matlab中有两个最基本生成随机数的函数。
1.rand()
生成(0,1)区间上均匀分布的随机变量。基本语法:
rand([M,N,P ...])
生成排列成M* 多维向量的随机数。如果只写M,则生成M*M矩阵;如果参数为[M,N]
可以省略掉方括号。一些例子:
rand(5,1) %生成5个随机数排列的列向量,一般用这种格式
rand(5) %生成5行5列的随机数矩阵
rand([5,4]) %生成一个5行4列的随机数矩阵
生成的随机数大致的分布。
x=rand(100000,1);
hist(x,30);
由此可以看到生成的随机数很符合均匀分布。(视频教程会略提及hist()函数的作用)
2.randn()
生成服从标准正态分布(均值为0,方差为1)的随机数。基本语法和rand()类似。
randn([M,N,P ...])
生成排列成M* 多维向量的随机数。如果只写M,则生成M*M矩阵;如果参数为[M,N]
可以省略掉方括号。一些例子:
randn(5,1) %生成5个随机数排列的列向量,一般用这种格式
randn(5) %生成5行5列的随机数矩阵
randn([5,4]) %生成一个5行4列的随机数矩阵
生成的随机数大致的分布。
x=randn(100000,1);
hist(x,50);
由图可以看到生成的随机数很符合标准正态分布。
b. 连续型分布随机数
如果你安装了统计工具箱(Statistic Toolbox),除了这两种基本分布外,还可以用Matlab
内部函数生成符合下面这些分布的随机数。
3.unifrnd()
和rand()类似,这个函数生成某个区间内均匀分布的随机数。基本语法
unifrnd(a,b,[M,N,P,...])
生成的随机数区间在(a,b)内,排列成M* 多维向量。如果只写M,则生成M*M矩阵;
如果参数为[M,N]可以省略掉方括号。一些例子:
unifrnd(-2,3,5,1) %生成5个随机数排列的列向量,一般用这种格式
unifrnd(-2,3,5) %生成5行5列的随机数矩阵
unifrnd(-2,3,[5,4]) %生成一个5行4列的随机数矩阵
%注:上述语句生成的随机数都在(-2,3)区间内.
生成的随机数大致的分布。
x=unifrnd(-2,3,100000,1);
hist(x,50);
由图可以看到生成的随机数很符合区间(-2,3)上面的均匀分布。
4.normrnd()
和randn()类似,此函数生成指定均值、标准差的正态分布的随机数。基本语法
normrnd(mu,sigma,[M,N,P,...])
生成的随机数服从均值为mu,标准差为sigma(注意标准差是正数)正态分布,这些随机
数排列成M* 多维向量。如果只写M,则生成M*M矩阵;如果参数为[M,N]可以省略
掉方括号。一些例子:
normrnd(2,3,5,1) %生成5个随机数排列的列向量,一般用这种格式
normrnd(2,3,5) %生成5行5列的随机数矩阵
normrnd(2,3,[5,4]) %生成一个5行4列的随机数矩阵
%注:上述语句生成的随机数所服从的正态分布都是均值为2,标准差为3.
生成的随机数大致的分布。
x=normrnd(2,3,100000,1);
hist(x,50);
如图,上半部分是由上一行语句生成的均值为2,标准差为3的10万个随机数的大致分布,
下半部分是用小节“randn()”中最后那段语句生成10万个标准正态分布随机数的大致分布。
注意到上半个图像的对称轴向正方向偏移(准确说移动到x=2处),这是由于均值为2的
结果。
发布评论