乘积超过递减幅度之和
乘积超过递减幅度之和
提问于 2018-08-01 19:05:03
我正在实现一个小型Python应用程序来衡量交易策略的回报。计算返回的函数接受以下输入：
- 一只熊猫的数据，里面有收盘价
- 潘达斯系列的布尔人代表购买信号
- 潘达斯的一系列代表出售信号的布尔人
- 浮动资金，代表交易费用占初始资本的百分比。
这就是数据的样子：
>>> df.head()
open high low close volume
date
2015-01-02 5.34 5.37 5.11 5.21 108469
2015-01-05 5.21 5.26 4.85 4.87 160089
2015-01-06 4.87 4.87 4.55 4.57 316501
2015-01-07 4.63 4.75 4.60 4.67 151117
2015-01-08 4.69 4.89 4.69 4.81 159294
>>>
>>> buy.head()
2015-01-02 True
2015-01-05 False
2015-01-06 False
2015-01-07 False
2015-01-08 False
dtype: bool
>>>在不考虑费用的情况下，这是计算比率的公式：
其中C是初始资本，ri是一笔买卖交易的回报。
这可以很容易地使用向量化的实现来实现：
buy_sell = df[(buy==True)|(sell==True)]
prices = buy_sell.close
diffs = prices - prices.shift()
ratios = diffs / prices.shift()
return ((ratios + 1).product(axis=0))当需要考虑费用时，我得出以下公式：
其中f是交易费用。
这可以很容易地使用循环来实现，但是有什么方法可以用向量化的实现来实现呢？
我不是一个数学专家，但也许这个产品依赖于求和指数来阻止这一点？我试着在网上查看这处房产，但似乎什么也找不到。也许我没有正确地表述这个问题，因为我缺乏技术术语。
如对此有任何意见，将不胜感激:)
编辑
从DSM的回答，解决方案是执行一个“累积产品”对反向系列的比率。这给了我以下解决方案：
def compute_return(df, buy, sell, fees=0.):
# Bunch of verifications operation performed on data
buy_sell = df[(buy==True)|(sell==True)]
prices = buy_sell.close
diffs = prices - prices.shift()
ratios = diffs / prices.shift()
cum_prod = (ratios + 1)[1:][::-1].cumprod()
return ((1 - fees) * (ratios + 1).product(axis=0) - fees * cum_prod.sum())回答 1
Stack Overflow用户
回答已采纳
发布于 2018-08-01 19:51:24
这个没那么糟，我不认为。从像ratios这样的
In [95]: ratios
Out[95]:
date
2015-01-02 NaN
2015-01-05 -0.065259
2015-01-06 -0.061602
2015-01-07 0.021882
2015-01-08 0.029979
Name: close, dtype: float64我们(在这里我们只专注于“新”第二任期)：
def manual(rs):
return sum(np.prod([1+rs.iloc[j] for j in range(i, len(rs))])
for i in range(2, len(rs)))和
def vectorized(rs):
rev = 1 + rs.iloc[2:].iloc[::-1]
return rev.cumprod().sum()也就是说，我们所要做的就是从头到尾，把累积积的总和反方向取下来。
这给了我：
In [109]: manual(ratios)
Out[109]: 3.07017466956023
In [110]: vectorized(ratios)
Out[110]: 3.07017466956023(我不太担心我们应该使用2还是1作为补偿，还是加入f因子--这些都是很容易改变的。)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51640628
复制相关文章
相似问题
腾讯云开发者
