Das von IPython erstellte Diagramm ist nicht korrekt

Question

Ich habe 2 Dateien GBM_simulation.py und test_GBM.py.

GBM_simulation.py

import numpy as np 

# Return path as numpy array of length and step predefined 

# simulate exact GBM 

def GBM(n, dt, s0, r, sigma): 
    path = np.zeros(n) 
    s_old = s0 
    for i in range(n): 
     s_new = s_old*np.exp((r-sigma**2/2)*dt + sigma*(dt)**(1/2)*np.random.normal()) 
     path[i] = s_new 
     s_old = s_new 
     return path 

# simulate Euler scheme GBM: 

def Euler_GBM(n, dt, s0, r, sigma): 
    path = np.zeros(n) 
    s_old = s0 
    for i in range(n): 
     s_new = s_old*(1 + r*dt + sigma*(dt)**(1/2)*np.random.normal()) 
     path[i] = s_new 
     s_old = s_new 
     return path 

test_GBM.py

import matplotlib.pyplot as plt 
import GBM_simulation as sim 

s0 = 2 
n = 500 
r = 1 
sigma = 1 
dt = 0.001 

exact = sim.GBM(n, dt, s0, r, sigma) 
euler = sim.Euler_GBM(n, dt, s0, r, sigma) 

# Now plot 
plt.plot(exact, label = 'Exact') 
plt.plot(euler, label = 'Euler') 
plt.legend(loc = 'best') 
plt.show() 

Allerdings, wenn ich test_GBM.py auf IPython Konsole ausführen, der Graph ich nicht bekommen überhaupt richtig aussehen. Ich habe auf Jupyter Notebook getestet (mit ein paar kleinen Änderungen) und es hat richtig funktioniert. Warum passiert das?

Edit: das ist die grafische Darstellung I auf Jupyter Notebook bekam

Answer 1

Ich kann nicht glauben, dass ich das nicht sofort bemerkt haben. Einrückung zählt - Ihre Rückmeldung war in der Schleife. Die korrekte Funktion Definition ist natürlich:

import numpy as np 

# Return path as numpy array of length and step predefined 

# simulate exact GBM 

def GBM(n, dt, s0, r, sigma): 
    path = np.zeros(n) 
    s_old = s0 
    for i in range(n): 
     s_new = s_old*np.exp((r-sigma**2/2)*dt + sigma*(dt)**(1/2)*np.random.normal()) 
     path[i] = s_new 
     s_old = s_new 
    return path 

# simulate Euler scheme GBM: 

def Euler_GBM(n, dt, s0, r, sigma): 
    path = np.zeros(n) 
    s_old = s0 
    for i in range(n): 
     s_new = s_old*(1 + r*dt + sigma*(dt)**(1/2)*np.random.normal()) 
     path[i] = s_new 
     s_old = s_new 
    return path 

Für die Zukunft meiner Fehlerbeseitigungsverfahren - ich die Werte in der Funktion Schleife für jeden einzelnen Datenpunkt zu sehen ausgedruckt, warum die Werte fallen sofort auf Null. Et voilà - es wurde nur ein Datenpunkt berechnet, also muss etwas mit Ihrer Loop-Definition falsch gewesen sein.