如何用Python循环实现累积求和及金融领域标准差计算？

没问题，我来帮你用Python循环实现这个标准差计算！先确认你的手动计算完全正确，接下来咱们一步步用循环复现整个过程：

1. 定义输入数据 #

首先把题目里的概率和收益率数组用Python列表定义好：

probabilities = [0.3, 0.4, 0.3]
returns = [0.10, 0.05, 0.30]

2. 循环计算期望收益率E(r) #

期望收益率是每个收益率与对应概率的乘积之和，用循环累加每一项的贡献：

expected_return = 0.0
# 用zip把概率和收益率配对遍历
for p, r in zip(probabilities, returns):
    expected_return += p * r

print(f"计算得到的期望收益率E(r): {expected_return}")
# 输出应该是0.14，和你的手动结果一致

3. 循环计算方差Var #

方差是每个(收益率-期望收益率)的平方，再乘以对应概率的总和，同样用循环实现：

variance = 0.0
for p, r in zip(probabilities, returns):
    # 计算单个项的方差贡献
    variance_contribution = p * (r - expected_return) ** 2
    variance += variance_contribution

print(f"计算得到的方差Var: {variance}")
# 输出应该是0.0114，和手动计算结果一致

4. 计算标准差 #

标准差是方差的平方根，我们可以用Python标准库math里的sqrt函数来计算，再按需四舍五入：

import math

std_dev = math.sqrt(variance)
# 四舍五入到5位小数
rounded_std_dev = round(std_dev, 5)

print(f"原始标准差: {std_dev}")
print(f"四舍五入后标准差: {rounded_std_dev}")
# 输出分别是0.10677078252031311和0.10677

完整运行代码 #

把所有步骤整合到一起，直接运行就能得到结果：

import math

probabilities = [0.3, 0.4, 0.3]
returns = [0.10, 0.05, 0.30]

# 计算期望收益率
expected_return = 0.0
for p, r in zip(probabilities, returns):
    expected_return += p * r

# 计算方差
variance = 0.0
for p, r in zip(probabilities, returns):
    variance += p * (r - expected_return) ** 2

# 计算标准差
std_dev = math.sqrt(variance)
rounded_std_dev = round(std_dev, 5)

# 打印结果
print(f"期望收益率E(r): {expected_return}")
print(f"方差Var: {variance}")
print(f"标准差: {std_dev}")
print(f"四舍五入后标准差: {rounded_std_dev}")

这样用循环就完整复现了你手动计算的所有步骤，而且结果完全一致～

内容的提问来源于stack exchange，提问作者César Chávez