在For循环中向Numpy数组追加元素的蒙特卡洛股票模拟问题

核心问题 #

你的代码里np.append()没有生效，是因为**np.append()不会原地修改原数组，而是返回一个新数组**，你没有将返回值重新赋值给stock_price_array，所以原数组始终保持初始的空状态。另外，预分配数组的方式也可以优化，直接通过索引赋值更符合Numpy的高效使用习惯。

修正方案 #

方案1：直接索引赋值（推荐，高效） #

预分配数组后，通过索引直接修改数组元素，避免append的低效问题：

import numpy as np

annual_mean = .06
annual_stdev = .15
start_stock_price = 100

numYears = 3
# 单条路径模拟时，年化收益率数量应与年份数匹配
annual_ret = np.random.normal(annual_mean, annual_stdev, numYears)

# 预分配数组存储每年股价
stock_price_array = np.zeros(numYears)
stock_price_array[0] = start_stock_price  # 存入初始股价

# 从第2年开始计算后续股价
for i in range(1, numYears):
    stock_price_array[i] = stock_price_array[i-1] * (1 + annual_ret[i-1])

print(stock_price_array)

方案2：正确使用np.append（不推荐，低效） #

如果一定要用append，必须将返回值重新赋值给原数组，且初始数组应为空：

import numpy as np

annual_mean = .06
annual_stdev = .15
start_stock_price = 100

numYears = 3
numSimulations = 4
stock_price_array = np.array([])  # 初始化为空数组
annual_ret = np.random.normal(annual_mean, annual_stdev, numSimulations)

current_price = start_stock_price
stock_price_array = np.append(stock_price_array, current_price)  # 先存入初始股价

for i in range(numYears):
    current_price = current_price * (1 + annual_ret[i])
    stock_price_array = np.append(stock_price_array, current_price)

print(stock_price_array)

扩展：多模拟路径的蒙特卡洛（更实用） #

如果要做多次独立模拟（比如4次3年股价预测），推荐用二维数组+向量化操作，效率远高于循环：

import numpy as np

annual_mean = .06
annual_stdev = .15
start_stock_price = 100

numYears = 3
numSimulations = 4

# 二维数组：行=模拟次数，列=年份
stock_price_array = np.zeros((numSimulations, numYears))
stock_price_array[:, 0] = start_stock_price  # 所有模拟的初始股价

# 生成所有模拟的年化收益率（每行对应一次模拟的历年收益率）
annual_ret = np.random.normal(annual_mean, annual_stdev, (numSimulations, numYears-1))

# 向量化计算所有年份的股价
for i in range(1, numYears):
    stock_price_array[:, i] = stock_price_array[:, i-1] * (1 + annual_ret[:, i-1])

print(stock_price_array)

内容的提问来源于stack exchange，提问作者Angelica White