파이썬을 활용한 금융 분석(2판) : 파이썬의 기초부터 금융공학, 머신러닝, 퀀트 분석, 매매 시스템 구현까지

373

10

장

파이썬 성능 개선

S[0] = S0

rn = np.random.standard_normal(S.shape)

for t in range(1, M + 1):

➊

S[t] = S[t-1] * np.exp((r - sigma ** 2 / 2) * dt +

sigma * math.sqrt(dt) * rn[t])

➋

return S

In [128]: %time S = mcs_simulation_np((M, I))

CPU times: user 252 ms, sys: 32.9 ms, total: 285 ms

Wall time: 252 ms

In [129]: S[-1].mean()

Out[129]: 38.235136032258595

In [130]: %timeit S = mcs_simulation_np((M, I))

202 ms ± 27.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

➊

시간 구간에 대한 루프

➋

오일러 방식으로 모든 경로를 한 번에 처리하는 벡터화된

NumPy

코드

10.4.3

Numba

이제는

Numba

를 이런 알고리즘에 쉽게 적용하여 속도를 개선할 수 있다는 점이 더 이상 놀랍지

않다.

Numba

버전인

mcs

_

simulation

_

nb

( )

함수는

NumPy

버전보다 조금 빠르다.

In ...