[英]EWMA Volatility in Python - Avoiding loops
我有一個看起來像這樣的時間序列(切片):
Date 3 7 10
2015-02-13 0.00021 -0.00078927 0.00407473
2015-02-16 0.0 -0.00343163 0.0
2015-02-17 0.0 0.0049406 0.00159753
2015-02-18 0.00117 -0.00123565 -0.00031423
2015-02-19 0.00091 -0.00253578 -0.00106207
2015-02-20 0.00086 0.00113476 0.00612649
2015-02-23 -0.0011 -0.00403307 -0.00030327
2015-02-24 -0.00179 0.00043229 0.00275874
2015-02-25 0.00035 0.00186069 -0.00076578
2015-02-26 -0.00032 -0.01435613 -0.00147597
2015-02-27 -0.00288 -0.0001786 -0.00295631
為了計算 EWMA 波動率,我實現了以下功能:
def CalculateEWMAVol (ReturnSeries, Lambda):
SampleSize = len(ReturnSeries)
Average = ReturnSeries.mean()
e = np.arange(SampleSize-1,-1,-1)
r = np.repeat(Lambda,SampleSize)
vecLambda = np.power(r,e)
sxxewm = (np.power(ReturnSeries-Average,2)*vecLambda).sum()
Vart = sxxewm/vecLambda.sum()
EWMAVol = math.sqrt(Vart)
return (EWMAVol)
def CalculateVol (R, Lambda):
Vol = pd.Series(index=R.columns)
for facId in R.columns:
Vol[facId] = CalculateEWMAVol(R[facId], Lambda)
return (Vol)
該函數可以正常工作,但是對於大的時間序列,由於 for 循環,該過程會變慢。
是否有另一種方法可以通過系列調用此函數?
我認為您的功能是技術上最正確的方法。 我只是想建議使用“申請”,而不是“為”自己。
是否有另一種方法可以通過系列調用此函數?
Vol[facId] = R.apply(CalculateEWMAVol(R[facId], Lambda)
我希望它有用。
我想您真正要求的是避免使用循環,但是 pandas apply() 並沒有解決這個問題,因為您仍然在數據框中的每一列周圍循環。 不久前我探索了這個主題,在用盡我的選擇之后,我最終將 MatLab 矩陣計算轉換為 Python 代碼,它以矩陣形式完美地完成了衰減計算的 vol。 下面的代碼,假設 df_tmp 是每個價格指數有多個列的時間序列。
decay_factor = 0.94
decay_f = np.arange(df_tmp.shape[0], 0, -1)
decay_f = decay_factor ** decay_f
decay_sum = sum(decay_f)
w = decay_f / decay_sum
avg_weight = np.ones(df_tmp.shape[0]) / df_tmp.shape[0]
T, N = df_tmp.shape
temp = df_tmp - df_tmp * np.tile(avg_weight, (4422, 1)).T
temp = np.dot(temp.T, temp * np.tile(w, (4422, 1)).T)
temp = 0.5 * (temp + temp.T)
R = np.diag(temp)
sigma = np.sqrt(R)
R = temp / np.sqrt(np.dot(R, R.T))
sigma 是波動率,R 是 corr 矩陣,temp 是協方差矩陣。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.