24

我有一个包含每月财务数据的数据框：

In [89]: vfiax_monthly.head()
Out[89]: 
            year  month  day       d   open  close   high    low  volume  aclose
2003-01-31  2003      1   31  731246  64.95  64.95  64.95  64.95       0   64.95
2003-02-28  2003      2   28  731274  63.98  63.98  63.98  63.98       0   63.98
2003-03-31  2003      3   31  731305  64.59  64.59  64.59  64.59       0   64.59
2003-04-30  2003      4   30  731335  69.93  69.93  69.93  69.93       0   69.93
2003-05-30  2003      5   30  731365  73.61  73.61  73.61  73.61       0   73.61

我正在尝试计算这样的回报：

In [90]: returns = (vfiax_monthly.open[1:] - vfiax_monthly.open[:-1])/vfiax_monthly.open[1:]

但我只得到零：

In [91]: returns.head()
Out[91]: 
2003-01-31   NaN
2003-02-28     0
2003-03-31     0
2003-04-30     0
2003-05-30     0
Freq: BM, Name: open

我认为这是因为算术运算在索引上对齐，这使得[1:]and[:-1]无用。

我的解决方法是：

In [103]: returns = (vfiax_monthly.open[1:].values - vfiax_monthly.open[:-1].values)/vfiax_monthly.open[1:].values

In [104]: returns = pd.Series(returns, index=vfiax_monthly.index[1:])

In [105]: returns.head()
Out[105]: 
2003-02-28   -0.015161
2003-03-31    0.009444
2003-04-30    0.076362
2003-05-30    0.049993
2003-06-30    0.012477
Freq: BM

有没有更好的方法来计算回报？我不喜欢先转换为数组，然后再转换为 Series。

4

4 回答 4

39

代替切片，用于.shift移动 DataFrame/Series 中值的索引位置。例如：

returns = (vfiax_monthly.open - vfiax_monthly.open.shift(1))/vfiax_monthly.open.shift(1)

这就是pct_change在引擎盖下所做的事情。您还可以将其用于其他功能，例如：

(3*vfiax_monthly.open + 2*vfiax_monthly.open.shift(1))/5

您可能还想研究其他类型的财务数据分析的滚动和窗口函数。

于 2012-11-15T00:32:51.760 回答
23

最简单的方法是使用 DataFrame.pct_change() 方法。

这是一个简单的例子

In[1]: aapl = get_data_yahoo('aapl', start='11/1/2012', end='11/13/2012')

In[2]: appl
Out[2]: 
          Open    High     Low   Close    Volume  Adj Close
Date                                                           
2012-11-01  598.22  603.00  594.17  596.54  12903500     593.83
2012-11-02  595.89  596.95  574.75  576.80  21406200     574.18
2012-11-05  583.52  587.77  577.60  584.62  18897700     581.96
2012-11-06  590.23  590.74  580.09  582.85  13389900     580.20
2012-11-07  573.84  574.54  555.75  558.00  28344600     558.00
2012-11-08  560.63  562.23  535.29  537.75  37719500     537.75
2012-11-09  540.42  554.88  533.72  547.06  33211200     547.06
2012-11-12  554.15  554.50  538.65  542.83  18421500     542.83
2012-11-13  538.91  550.48  536.36  542.90  19033900     542.90

In[3]: aapl.pct_change()
Out[3]:
                Open      High       Low     Close    Volume  Adj Close
Date                                                                   
2012-11-01       NaN       NaN       NaN       NaN       NaN        NaN
2012-11-02 -0.003895 -0.010033 -0.032684 -0.033091  0.658945  -0.033090
2012-11-05 -0.020759 -0.015378  0.004959  0.013558 -0.117186   0.013550
2012-11-06  0.011499  0.005053  0.004311 -0.003028 -0.291453  -0.003024
2012-11-07 -0.027769 -0.027423 -0.041959 -0.042635  1.116864  -0.038263
2012-11-08 -0.023020 -0.021426 -0.036815 -0.036290  0.330747  -0.036290
2012-11-09 -0.036049 -0.013073 -0.002933  0.017313 -0.119522   0.017313
2012-11-12  0.025406 -0.000685  0.009237 -0.007732 -0.445323  -0.007732
2012-11-13 -0.027502 -0.007250 -0.004251  0.000129  0.033244   0.000129
于 2012-11-14T20:21:10.100 回答
8

在没有任何偏差的情况下计算前瞻性回报的最佳方法是使用内置函数pd.DataFrame.pct_change()。在您的情况下，您只需要使用此功能，因为您有月度数据，并且您正在寻找月度回报。

例如，如果您想查看 6 个月的回报，您只需设置参数 df.pct_change(periods = 6)，这将为您提供 6 个月的回报。

因为您有一个相对较小的数据集，最简单的方法是重新采样您需要计算数据的参数，然后pct_change()再次使用该函数。

然而，由于log它的良好特性，通常使用计算回报的公式（如果您计划计算回报系列的统计数据）：

在此处输入图像描述

您将这样实现：

log_return = np.log(vfiax_monthly.open / vfiax_monthly.open.shift())

于 2015-07-21T19:46:56.117 回答
1

也可以使用pandas 系列的混合diff和方法：shift

retrun = vfiax_monthly.open.diff()/vfiax_monthly.open.shift(1)
于 2018-09-05T07:34:44.707 回答