其中S0、r、T、vol、steps这几个变量都不是固定的，每天都会不一样，我已经把每个变量都做成了一个数组，请重新写上面的代码

好的，如果您已经将每个变量都做成了一个数组，那么您可以使用以下代码来回测期权去年每一天的估值：

# 导入所需的库
import datetime

# 定义一些必要的变量
times = 10000  # 蒙特卡洛模拟次数
start_date = datetime.date(2020, 1, 1)  # 回测起始日期
end_date = datetime.date(2020, 12, 31)  # 回测结束日期

# 遍历回测日期范围内的每一天，并计算期权估值
for i in range((end_date - start_date).days + 1):
    # 计算当前日期的参数值
    current_date = start_date + datetime.timedelta(days=i)
    # 假设您已经将每个变量都做成了一个名为 data 的字典，其中日期作为键，参数数组作为值，您可以根据实际情况进行修改
    current_S0 = data[current_date]['S0']
    current_r = data[current_date]['r']
    current_T = data[current_date]['T']
    current_vol = data[current_date]['vol']
    current_steps = data[current_date]['steps']
    # 使用 MonteCarlo_Simulation 计算当前日期的期权估值
    current_option_value = MonteCarlo_Simulation(current_S0, current_r, current_T, current_vol, times, current_steps)
    # 输出当前日期和期权估值
    print(f"{current_date}: {current_option_value}")

在这个代码中，我们首先定义了一些必要的变量，包括蒙特卡洛模拟次数、回测起始日期和结束日期。然后，我们使用一个 `for` 循环遍历回测日期范围内的每一天，并计算当前日期的期权估值。

在每次迭代中，我们首先计算当前日期的参数值，这里假设您已经将每个变量都做成了一个名为 `data` 的字典，其中日期作为键，参数数组作为值。然后，我们使用 `MonteCarlo_Simulation` 函数计算当前日期的期权估值。最后，我们输出当前日期和期权估值。

请注意，在这个代码中，我们假设每个变量的数组都与日期对应，即 `data[current_date]['S0']` 是当前日期的股票价格，`data[current_date]['r']` 是当前日期的无风险利率，以此类推。如果您的数据结构不同，请根据实际情况进行修改。