[英]How to calculate the cumulative product of a rolling window in Pandas?
我有一個數據幀, df
每日股票收益為這樣的:
Date Stock A Stock B Stock C
2018-12-26 -0.018207 0.083554 -0.006546
2018-12-27 0.004223 0.000698 0.003806
2018-12-28 0.024847 -0.008717 0.028399
2018-12-31 0.000000 0.010904 0.000000
2019-01-02 0.036554 0.002436 0.035557
2019-01-03 0.043541 -0.028462 0.006065
2019-01-04 -0.036207 0.070025 0.003025
2019-01-07 -0.005367 0.046411 -0.001546
2019-01-08 0.002878 0.014678 0.003631
2019-01-09 0.004663 0.014151 0.017179
2019-01-10 0.009282 0.026047 0.002062
2019-01-11 0.021224 -0.006649 -0.001578
2019-01-14 0.022168 -0.015211 0.008713
2019-01-15 -0.009827 0.020080 -0.004424
2019-01-16 0.021561 -0.016657 0.003583
2019-01-17 0.005025 0.011703 0.010149
2019-01-18 0.013333 0.012785 0.007824
2019-01-21 0.003289 0.000000 -0.000905
2019-01-22 -0.023934 -0.030658 -0.009447
2019-01-23 0.031911 -0.039690 0.015299
2019-01-24 0.030273 0.020665 0.011589
2019-01-25 0.000000 0.040810 0.000000
2019-01-28 0.018325 0.006991 -0.022861
2019-01-29 -0.021098 -0.044974 0.002043
2019-01-30 -0.002536 0.019595 0.014189
2019-01-31 0.000000 0.040298 0.004103
2019-02-01 0.014935 -0.011025 0.004795
2019-02-04 0.010332 0.022597 0.007439
2019-02-05 0.022002 0.012669 -0.002820
2019-02-06 -0.023651 -0.006110 -0.037381
如何計算每個股票在滾動窗口中的累積收益?
例如,如果滾動窗口為5天:
Stock A
的累積收益系列中的第一個元素應為(1 + df.loc["2018-12-26":"2019-01-02", "Stock A"]).cumprod() - 1
到(1 + -0.018207)*(1 + 0.004223)*(1 + 0.024847)*(1 + 0.000000)*(1 + 0.036554) - 1
或0.047372
。 (1 + df.loc["2018-12-27":"2019-01-03", "Stock A"]).cumprod() - 1
,其計算結果為(1 + 0.004223)*(1 + 0.024847)*(1 + 0.000000)*(1 + 0.036554)*(1 + 0.043541) - 1
或0.113245
。 Date
索引中的間隙(例如周末)無關緊要,滾動窗口應僅考慮索引中包含的日期。
由於某些原因, pandas
rolling
對象沒有prod
方法,但是您可以將NumPy
prod
應用於它們。 另外,您需要在DataFrame
加1
,然后再減去它,所以最簡單的DataFrame
方法是
import numpy as np
...
cumulative_returns_df = (df+1).rolling(5).apply(np.prod)-1
可以說,對數轉換,計算滾動總和然后反轉轉換具有更高的計算效率和數值穩定性:
cumulative_returns_df = np.exp(np.log(df+1).rolling(5).sum())-1
您的問題定義不明確,但假設參考日期為第一行索引2019-01-30
,則可以使用df.pct_change(30)
。
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.