熊貓：交易日滾動標准差/均值

Question

我試圖提取滾動標准方差，並通過使用交易數據意味着rolling_*的功能pandas 。

我的數據如下：

Tick   Trading_day  Trade_price  

VOD     2013-1-2     30.23
VOD     2013-1-2     30.33
VOD     2013-1-2     30.24
VOD     2013-1-5     31.23
VOD     2013-1-5     30.23
VOD     2013-1-6     30.23
VOD     2013-1-7     30.23
VOD     2013-1-8     30.23
VOD     2013-1-9     30.23

...     .......      .....

RBS     2013-1-2     15.23
...     .......      .....

基本上，我想根據（-3，+3）交易日計算出每只股票的平均價格和價格的標准偏差。

請注意，這里有兩個棘手的事情 ：

1. 每個交易日（交易日為頻繁交易）中有多種交易 。

2. 那些是交易日（ 不是日歷日 ），因此它們沒有順序。

我理想的輸出是

Tick   Trading_day  mean_price   std_price  

VOD     2013-1-2     30.23         0.13
VOD     2013-1-5     30.11         0.09
VOD     2013-1-6     30.24         0.15
...     .....        .......      .....
RBS     2013-1-2     15.23         0.19

有人知道嗎？ 提前致謝 ！

Answer 1

這是我在此示例中使用的數據：

df = pd.DataFrame({'Tick': ['VOD'] * 7 + ['RBS'] * 2,
                   'Trade_price': [30.23, 30.24, 31.23, 30.23, 30.23, 30.23, 30.23, 14.11, 15.23],
                   'Trading_day': ['1/2/13', '1/2/13', '1/5/13', '1/5/13', '1/6/13', '1/7/13', '1/8/13', '1/2/13', '1/5/13']})

首先，讓我們使用.to_datetime()並將日期列設置為熊貓的時間戳（如果尚未添加）。

df['Trading_day'] = pd.to_datetime(df.Trading_day)

接下來，對數據進行分組和轉換，以便我們獲取任何給定日期每一報價的平均價格，並且該日期在索引中是唯一的：

df = df.groupby(['Trading_day', 'Tick']).Trade_price.mean().unstack()
>>> df 
Tick           RBS     VOD
Trading_day               
2013-01-02   14.11  30.235
2013-01-05   15.23  30.730
2013-01-06     NaN  30.230
2013-01-07     NaN  30.230
2013-01-08     NaN  30.230

現在，您要“根據（-3，+3）個交易日計算出每只股票的平均價格和價格的標准差”。 一種方法是使用pd.rolling_mean()並將結果居中。 給定有限的數據集，我正在使用3天居中窗口（即前一天，當前日期和第二天）。 您將需要使用7天的時間來獲得+/- 3個交易日。

>>> pd.rolling_mean(df, 3, center=True) 
Tick         RBS        VOD
Trading_day                
2013-01-02   NaN        NaN
2013-01-05   NaN  30.398333
2013-01-06   NaN  30.396667
2013-01-07   NaN  30.230000
2013-01-08   NaN        NaN

要獲得滾動標准偏差，只需使用pd.rolling_std() 。