请写出python上涨生效触碰期权 蒙特卡洛模拟定价的代码，采用矩阵简化循环计算

以下是一个基于Python的上涨生效触碰期权蒙特卡洛模拟定价代码，采用矩阵简化循环计算：

import numpy as np
from scipy.stats import norm

def up_out_call_monte_carlo(S, K, T, r, sigma, B, M):
    dt = T / M
    N = int(1e6) # 设置模拟次数
    S_path = np.zeros((N, M+1)) # 初始化标的资产价格路径
    S_path[:, 0] = S
    t = np.arange(1, M+1) * dt # 时间点
    z = np.random.standard_normal((N, M)) # 随机数矩阵
    S_path[:, 1:] = S * np.exp((r - 0.5*sigma**2)*dt + sigma*np.sqrt(dt)*z) # 模拟标的资产价格路径
    S_out = np.any(S_path >= B, axis=1) # 判断是否触碰敲出价格B
    t_out = np.argmax(S_path >= B, axis=1) # 记录敲出时间
    t_out[S_out == 0] = M # 如果未敲出，赋值为到期时间
    payoff = np.maximum(S_path[:, t_out] - K, 0) * (1 - S_out) # 计算期权收益
    call_price = np.exp(-r*T) * np.mean(payoff) # 计算期权价值
    return call_price

# 测试
S = 100 # 标的资产价格
K = 105 # 执行价格
T = 1 # 到期时间
r = 0.05 # 无风险利率
sigma = 0.2 # 波动率
B = 110 # 敲出价格
M = 252 # 时间步长，这里设置为一年的交易日

call_price = up_out_call_monte_carlo(S, K, T, r, sigma, B, M)
print("期权价格：{}".format(call_price))

在这个代码中，我们采用了numpy和scipy库来进行数学计算，其中np.any函数用于判断是否触碰敲出价格B，np.argmax函数用于记录敲出时间，np.mean函数用于计算期权价值。相比于前面的代码，这个代码通过矩阵运算来简化了计算过程，提高了计算效率。可以通过修改输入参数来进行不同情况下的期权定价计算。