编写股债通的蒙特卡洛模型Python代码

编写股债通的蒙特卡洛模拟（Monte Carlo Simulation）Python代码，通常用于预测投资组合的风险收益特征，尤其是在不确定市场环境下。这种方法通过随机抽样来模拟未来可能发生的各种情景，以此评估资产配置的效果。

以下是一个简单的示例，展示如何使用Python和`numpy`库创建一个基本的股票债券组合的蒙特卡洛模拟：

import numpy as np
import matplotlib.pyplot as plt

# 定义初始参数
initial_value = 1000000  # 初始资金
stock_return_std_dev = 0.15  # 股票年化收益率的标准差
bond_return_std_dev = 0.05  # 债券年化收益率的标准差
stock_weight = 0.6  # 股票权重
bond_weight = 0.4  # 债券权重
years = 10  # 模拟时间范围

# 创建随机数生成器
np.random.seed(42)  # 设置随机种子保证结果复现

def get_stock_bond_returns():
    return np.random.normal(stock_return_std_dev, years)**(1 / years), \
           np.random.normal(bond_return_std_dev, years)**(1 / years)

# 创建模拟路径
paths = [initial_value * (stock_weight * stock_ret + bond_weight * bond_ret)
         for stock_ret, bond_ret in zip(*[get_stock_bond_returns() for _ in range(years)])]

# 可视化结果
plt.plot(range(years), paths, lw=0.5, alpha=0.8)
plt.xlabel('Years')
plt.ylabel('Portfolio Value')
plt.title('Stock-Bond Portfolio Monte Carlo Simulation')
plt.show()