numpy 第一条规则是：永远不要自己迭代你的数组。2使用numpy函数，它可以批量完成所有的计算（当然，为了这样做，他们会迭代数组。3但是这种迭代不是python的迭代，所以它要快得多）。

否-溶液

例如，在这里，你可以这样做

np.cumprod(np.hstack([start_stock_price, annual_ret+1]))

它首先构建一个包含初始值和一些因子的数组，如果初始值是100，利率是0.1，-0.1，0.2，0.2（举例来说），那么hstack构建一个值数组。
而cumprod只是构建这些的累积乘积
100, 100×1.1=110, 100×1.1×0.9=110×0.9=99, 100×1.1×0.9×1.2=99×1.2=118.8, 100×1.1×0.9×1.2×1.2=118.8×1.2=142.56

你的更正

无论如何，要回答您最初的问题（即使我强烈建议您尝试使用像我所展示的cumprod那样的解决方案），您有两种选择：

• 或者你预先分配一个数组，就像你所做的那样（你的stock_price_array = np.empty(numYears)），然后，不要试图把新的stock_price追加到stock_price_array，你应该简单地填充其中一个已经存在的空位。
• 或者不这样做，然后将np.empty行替换为stock_price_array=[]，然后在每一步都追加结果以创建新的stock_price_array，如stock_price_array = np.append(stock_price_array, [stock_price])

我强烈反对第二种解决方案。既然你已经知道了数组的最终大小，最好一次创建它。因为np.append重新创建了一个全新的数组，然后将输入数据复制到其中。它不仅仅是扩展了现有的数组（一般来说，我们不能这样做）。
但是，无论如何，我建议不要使用这两种解决方案，因为我发现我的（使用cumprod）更可取。for是numpy中的禁忌词。当在this中创建一个新数组时，就更是如此，就像append一样。
蒙特-卡罗
既然你提到了蒙特-卡罗，然后展示了一个只计算一个结果的代码（你画了一套年回报，计算了一次未来值），我想知道这是不是你想要的，特别是我看到你有numSimulation和numYears，在代码中似乎扮演了多余的角色（因此在矿井中也是如此）。它不只是抛出索引错误的唯一原因是，是因为numSimulation只用来决定你画了多少个annual_ret，而且由于numSimulation > numYears，你有足够的annual_ret来计算结果。
你最初的意图不是要在几年的时间里重做模拟，得到numSimulation的结果吗？
在这种情况下，你可能需要numYears年利率的numSimulation集合，所以是一个2D数组，同样，你应该计算numYears结果的numSimulation系列。
如果我的猜测不是完全错误的话，我推测你真正想做的是：

annual_ret = np.random.normal(annual_mean, annual_stdev, (numSimulations, numYears)) # 2d array of interest rate. 1 simulation per row, 1 year per column

t = np.pad(annual_ret+1, ((0,0), (1,0)), constant_values=start_stock_price) # Add 1 as we did earlier. And pad with an initial 100 (`start_stock_price`) at the beginning of each simulation

res = np.cumprod(t, axis=1) # cumulative multiplication. `axis=1` means that it is done along axis 1 (along years) for each row (for each simulation)