我正在寻找一个Python库，它可以让我计算随机微积分相关的东西，例如我定义扩散过程的（条件）期望值。我查看了simpy (simpy.sourceforge.net)，但似乎它并不满足我的需求。
这是为了快速原型设计和实验。 在java中，我成功地使用了http://martingale.berlios.de/Martingale.html库。
问题本身并不困难，但有很多不平凡的模板事情要做（高效的内存使用、变量缩减技术等等）。
理想情况下，我应该能够编写像这样的代码（仅仅是举例）：
def my_diffusion(t, dt, past_values, world, **kwargs): W1, W2 = world.correlated_brownians_pair(correlation=kwargs['rho']) X = past_values[-1] sigma_1 = kwargs['sigma1'] sigma_2 = kwargs['sigma2'] dX = kwargs['mu'] * X * dt + sigma_1 * W1 * X * math.sqrt(dt) + sigma_2 * W2 * X * X * math.sqrt(dt) return X + dX
X = RandomProcess(diffusion=my_diffusion, x0 = 1.0) print X.expectancy(T=252, dt = 1./252., N_simul= 50000, world=World(random_generator='sobol'), sigma1 = 0.3, sigma2 = 0.01, rho=-0.1)
这是为了快速原型设计和实验。 在java中，我成功地使用了http://martingale.berlios.de/Martingale.html库。
问题本身并不困难，但有很多不平凡的模板事情要做（高效的内存使用、变量缩减技术等等）。
理想情况下，我应该能够编写像这样的代码（仅仅是举例）：
def my_diffusion(t, dt, past_values, world, **kwargs): W1, W2 = world.correlated_brownians_pair(correlation=kwargs['rho']) X = past_values[-1] sigma_1 = kwargs['sigma1'] sigma_2 = kwargs['sigma2'] dX = kwargs['mu'] * X * dt + sigma_1 * W1 * X * math.sqrt(dt) + sigma_2 * W2 * X * X * math.sqrt(dt) return X + dX
X = RandomProcess(diffusion=my_diffusion, x0 = 1.0) print X.expectancy(T=252, dt = 1./252., N_simul= 50000, world=World(random_generator='sobol'), sigma1 = 0.3, sigma2 = 0.01, rho=-0.1)
有没有其他方法，而不是例如在numpy中重新实现它？