Skip to main content
 首页 » 编程设计

python之所有组的滚动返回

2025年02月15日7jiqing9006

我有以下数据集,其中的值代表返回。

date        SP500       MEUR         
1/3/1973     0.0049      0.003078     
1/4/1973    -0.001194    0.003365     
1/5/1973     0.004882    0.004439    
1/8/1973    -0.000198    0.000196    
1/9/1973     0          -0.000295    
1/10/1973   -0.001983    0.000884        
1/11/1973    0.007949   -0.000785        
1/12/1973   -0.007394    0.003634    

我想计算上面每一列的 3 天、10 天、15 天远期返回(此处仅显示 2 列),然后应将这些列中的每一列作为 SP500.3day SP5500 添加到上表中。 10天

有没有办法不做两个嵌套循环?输出应如下所示:

date        SP500       MEUR        SP500_3day    MEUR_3day 
1/3/1973     0.0049      0.003078    0.003483442     0.00801647 
1/4/1973    -0.001194    0.003365    0.004683033     0.004339502 
1/5/1973     0.004882    0.004439   -0.002180607     0.000784855 
1/8/1973    -0.000198    0.000196    0.005950237    -0.000196723 
1/9/1973     0          -0.000295   -0.001487759     0.003732663 
1/10/1973   -0.001983    0.000884        
1/11/1973    0.007949   -0.000785        
1/12/1973   -0.007394    0.003634        

例如, 1/3/1973:SP500.3day = ((1+ -0.001194)(1+0.004882)(1+-0.000198))-1

请您参考如下方法:

这里的循环确实没有什么不好(或慢)的。它主要遍历您想要避免的行。所以下面的代码利用了 pandas 向量化操作,应该很快。请注意,所有值都假定为返回,而不是价格。

np.random.seed(123) 
df = pd.DataFrame({ 'sp500':(abs(np.random.randn(12)/10)),  
                    'meur' :(abs(np.random.randn(12)/10)), },  
                    index=pd.date_range('1-3-1973', periods=12, freq='B') ) 
for i in [3,10]:   
    for c in ['meur','sp500']: 
        df[c+'_'+str(i)] = df[c].rolling(i).apply( lambda x: (x+1).prod() - 1 ).shift(-i) 
 
                meur     sp500    meur_3   sp500_3   meur_10  sp500_10 
1973-01-03  0.149139  0.108563  0.159387  0.301195  1.659468  1.717294 
1973-01-04  0.063890  0.099735  0.330156  0.251649  1.793686  1.494265 
1973-01-05  0.044398  0.028298  0.552121  0.418219       NaN       NaN 
1973-01-08  0.043435  0.150629  0.636865  0.531661       NaN       NaN 
1973-01-09  0.220593  0.057860  0.392830  0.509988       NaN       NaN 
1973-01-10  0.218679  0.165144  0.227176  0.460029       NaN       NaN 
1973-01-11  0.100405  0.242668  0.281450  0.276749       NaN       NaN 
1973-01-12  0.038619  0.042891  0.349266  0.307352       NaN       NaN 
1973-01-15  0.073737  0.126594  0.404363  0.171437       NaN       NaN 
1973-01-16  0.149073  0.086674       NaN       NaN       NaN       NaN 
1973-01-17  0.093583  0.067889       NaN       NaN       NaN       NaN 
1973-01-18  0.117583  0.009471       NaN       NaN       NaN       NaN