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。