基于百万蒙特卡洛模拟数据外推随机游走置信区间的技术咨询

场景 #

• 程序每步生成600个随机数
• 输入复杂算法后输出单值Value-X（可正可负）
• Value-X累加到Global-Value-Y，形成每步的累计和
• 已完成100万次蒙特卡洛模拟，记录各步Global-Value-Y
• 通过排序Global-Value-Y的绝对值，计算90%、99%等置信区间

需求 #

无需延长模拟，基于现有数据外推未来多步的置信区间，作为可视化参考。

已尝试方案 #

使用Python的scipy.optimize.curve_fit，尝试线性、二次、三次、四次函数拟合置信区间数据，但拟合精度不足，尤其在初期及外推时误差明显。

疑问解答 #

1. 是否正确使用了scipy的curve_fit函数？ #

curve_fit的基础调用逻辑通常没问题，但核心问题出在拟合模型的选择而非工具本身。如果直接用多项式函数拟合原始分位数数据，没有匹配随机游走置信区间的固有增长规律，也未对数据做预处理（比如用步数的平方根作为自变量），就会导致拟合偏差。另外，若未设置合理的初始参数或权重（比如给早期数据更高权重），也会影响拟合精度。

2. curve_fit是否不适用于此类随机游走数据的置信区间外推？ #

curve_fit本身是通用曲线拟合工具，并非不适用于该场景，而是你选择的多项式模型不匹配随机游走置信区间的增长特性。随机游走的累计和属于扩散过程，其置信区间（分位数）的增长规律通常与步数的平方根（√n）成正比，而非多项式（线性、二次等）。用多项式拟合会强制数据适配固定阶数的曲线，初期和外推时自然会出现明显误差。

3. 有无更适合的随机游走置信区间外推方法？ #

推荐两种更适配的方法：

• 理论模型推导：
  若Value-X是零均值、方差为σ²的独立同分布变量，Global-Value-Y的分布服从正态分布N(0, nσ²)，对应的置信区间分位数为±z * σ * √n，其中z是标准正态分布的分位数（如90%置信区间对应z≈1.645，99%对应z≈2.576）。从现有100万次模拟的Value-X数据中估计σ，再代入公式外推未来步数的置信区间，这是最精准高效的方法。
• 非参数拟合：
  若Value-X不满足独立同分布假设，可使用核回归（Kernel Regression）对现有分位数与步数的关系进行拟合。这种方法无需预设模型形式，能更好捕捉数据的非线性趋势，外推时的稳定性也优于多项式拟合。

内容的提问来源于stack exchange，提问作者Venryx