有偏随机数源
我不确定合适的术语是什么，但在尝试运行模拟时，我总是发现创建好的假数据很棘手。
我没有一个特别的应用程序，但是假设我想玩一些愚蠢的股市预测算法-如果我只是使用一个标准的随机数生成器来获得我的测试数据，它将全部在.5附近徘徊，甚至在很短的时间间隔内，这不会真正产生股票市场通常在一天中产生的那种数据(将其与股票图表进行比较)。即使市场收盘时没有涨跌，你可能仍然会发现中间的波动--简单的随机游走不会产生同样的效果。
我猜你可以将rngs堆叠在另一个之上，一个较大的数值表示全天值，一个较小的数值每小时，以及一个数值仍然是每秒，将它们加在一起得到一个更像步长的模式，但这真的太可预测了-作为开发人员，你知道这些步骤将在哪里，或者如果你随机化持续时间，很可能会是这样。
我想，你可以从字面上模拟单个买家和卖家的个性，但这需要大量的工作和计算。(据我所知，真实的股市数据不能以原始形式免费获得)
那么，我们可以去寻找免费的，容易访问的，快速流动的，“有趣的”数据吗？
回答 3
Stack Overflow用户
发布于 2009-09-09 00:23:25
实现股票价格变动的天真方法是使用normal (高斯)分布，但这不会生成真实的数据。高斯分布低估了价格大幅下跌的风险(称为“厚尾”现象)。
早在20世纪60年代，曼德尔布洛特(是的，分形专家)就证明了cotton price movements适合Levy distribution。
看一下：
- Monte Carlo simulated stock price time series and random number generator;
- The Generation of Random Variables Having a Levy-Stable Distribution;
- The GNU数学库提供了一种创建Levy alpha stable distribution;
的方法
另一件需要考虑的事情是，随着时间的推移，调整后的股票价格(针对拆分等因素)往往会上升。在统计学术语中，这称为异方差，从建模的角度来看，这往往是不可取的。这通常通过两种方式进行分解：
- 不是生成一个随机的价格序列，而是生成一个随机的价格变化序列(增量)；
- 您对序列的对数而不是实际的序列进行建模。
希望这能有所帮助。
Stack Overflow用户
发布于 2009-09-09 00:16:57
为什么要使用假数据？为什么不从几年前收集一些随机的股票数据，并使用这些数据来测试您的算法？
Stack Overflow用户
发布于 2009-09-09 00:20:54
您可以使用Google Finance API从一组100个符号中获取去年某一天的随机符号的实际股票数据。这应该提供真实的数据，希望这些数据足够随机，以满足您的目的。
https://stackoverflow.com/questions/1396978
复制相似问题
腾讯云开发者
