完全可以做到！针对你需要的1000条股票价格模拟路径、100个时间步的需求，我们可以基于几何布朗运动（也就是Black-Scholes模型里的股票价格过程）来生成对应的Pandas DataFrame。下面我会一步步给你讲清楚实现思路和代码。

核心思路回顾 #

你提到的股票价格过程公式是几何布朗运动的离散形式，具体来说，每个时间步的价格更新公式是：

( S_t = S_{t-1} \times \exp\left( (r - q - 0.5\sigma^2)\Delta t + \sigma \sqrt{\Delta t} \times Z \right) )
其中：

• ( S_{t-1} ) 是上一个时间步的价格
• ( r ) 无风险利率，( q ) 股息率，( \sigma ) 波动率
• ( \Delta t ) 单个时间步的时长（比如T=1年的话，100个时间步就是( \Delta t = 0.01 )）
• ( Z ) 标准正态分布的随机数

我们需要让每行的第0列（初始时间步）都等于321，然后逐列计算后续的价格。

具体实现步骤 #

1. 导入必要的库 #

首先得导入Pandas和NumPy（用NumPy做向量运算比纯Pandas循环效率高太多，适合大规模模拟）：

import pandas as pd
import numpy as np

2. 定义模拟参数 #

先把你需要的参数都明确好，示例值可以根据你的实际需求调整：

# 模拟基础参数
s0 = 321  # 初始股价
n_paths = 1000  # 模拟路径数（对应DataFrame行数）
n_steps = 100  # 时间步数（对应DataFrame列数）
T = 1  # 总时间周期（比如1年）
r = 0.05  # 无风险利率
q = 0.02  # 股息率
sigma = 0.2  # 波动率
dt = T / n_steps  # 单个时间步的时长

3. 生成随机数矩阵 #

生成所有需要的标准正态随机数，形状是(n_paths, n_steps-1)——因为初始价格已经确定，只需要从第1列到第99列（共99个时间步）的随机数：

# 生成标准正态分布的随机数矩阵
z = np.random.normal(0, 1, size=(n_paths, n_steps - 1))

4. 计算价格变化乘数 #

根据公式先算出每个时间步的价格乘数（也就是指数部分）：

# 计算漂移项（固定部分）
drift = (r - q - 0.5 * sigma ** 2) * dt
# 计算扩散项（随机部分）
diffusion = sigma * np.sqrt(dt) * z
# 得到每个时间步的价格乘数
price_multipliers = np.exp(drift + diffusion)

5. 构建价格矩阵并转为DataFrame #

初始化矩阵后，把初始价格放到第一列，再逐列计算后续价格：

# 初始化全零价格矩阵
price_matrix = np.zeros((n_paths, n_steps))
price_matrix[:, 0] = s0  # 第一列全部设为初始价格321

# 逐列计算后续价格：每一列 = 前一列 * 对应时间步的乘数
for t in range(1, n_steps):
    price_matrix[:, t] = price_matrix[:, t-1] * price_multipliers[:, t-1]

# 转为Pandas DataFrame
monte_carlo_df = pd.DataFrame(price_matrix)

6. 可选：美化DataFrame #

如果需要给列加上时间步标签（比如t0, t1...t99），可以执行下面的代码：

monte_carlo_df.columns = [f"t{i}" for i in range(n_steps)]

为什么用NumPy而不是纯Pandas循环？ #

你的模拟规模是1000×100，用NumPy的向量运算比Pandas逐行/逐列循环快得多，尤其是后续需要扩大模拟规模（比如10000条路径）时，这种方法的效率优势会更明显。

验证结果 #

你可以查看前几行数据确认效果，初始价格都是321，后续价格符合随机波动趋势：

print(monte_carlo_df.head())

输出示例大概是这样：

t0         t1         t2         t3  ...        t96        t97        t98        t99
0  321.00000  322.45678  320.12345  323.98765  ...  351.23456  349.87654  352.12345  350.98765
1  321.00000  319.87654  318.12345  319.98765  ...  305.67890  307.12345  306.87654  308.23456
2  321.00000  323.12345  325.67890  324.98765  ...  362.34567  360.87654  363.12345  361.98765
3  321.00000  320.67890  322.12345  321.87654  ...  335.45678  337.12345  336.87654  338.23456
4  321.00000  321.98765  320.45678  322.67890  ...  342.34567  340.87654  343.12345  341.98765

这样就完全满足你的需求了——1000行模拟路径、100列时间步，每行初始值321，后续列严格遵循几何布朗运动的随机方程。

内容的提问来源于stack exchange，提问作者VISQL