Ampliando funções de janela com pandas

Manipulando dados de séries temporais em Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Janelas expansivas no pandas

  • De janelas móveis para expansivas
  • Calcule métricas até a data atual
  • Nova série reflete todo o histórico
  • Útil para retorno acumulado, min/máx correntes
  • Duas opções no pandas:
    • .expanding() — igual ao .rolling()
    • .cumsum(), .cumprod(), cummin()/max()
Manipulando dados de séries temporais em Python

A ideia básica

df = pd.DataFrame({'data': range(5)})

df['expanding sum'] = df.data.expanding().sum()

df['cumulative sum'] = df.data.cumsum()

df

   data  expanding sum  cumulative sum
0     0            0.0               0
1     1            1.0               1
2     2            3.0               3
3     3            6.0               6
4     4           10.0              10
Manipulando dados de séries temporais em Python

Obtenha dados do S&P 500

data = pd.read_csv('sp500.csv', parse_dates=['date'], index_col='date')

DatetimeIndex: 2519 entries, 2007-05-24 to 2017-05-24
Data columns (total 1 columns):
SP500    2519 non-null float64

ch3_2_v2 - Expanding Window Functions with Pandas.013.png

Manipulando dados de séries temporais em Python

Como calcular retorno acumulado

  • Retorno de um período r_t: preço atual sobre o anterior menos 1:

    $$r_t = \frac{P_t}{P_{t-1}} - 1$$

    • Retorno multi-período: produto de (1 + r_t) em todos os períodos, menos 1:

    $$R_T = (1 + r_1)(1 + r_2)...(1 + r_T) - 1$$

    • Para retorno do período: .pct_change()
    • Para operações básicas: .add(), .sub(), .mul(), .div()
    • Para produto acumulado: .cumprod()
Manipulando dados de séries temporais em Python

Retorno acumulado na prática

pr = data.SP500.pct_change() # period return

pr_plus_one = pr.add(1)

cumulative_return = pr_plus_one.cumprod().sub(1)

cumulative_return.mul(100).plot()

ch3_2_v2 - Expanding Window Functions with Pandas.021.png

Manipulando dados de séries temporais em Python

Obtendo o min e max correntes

data['running_min'] = data.SP500.expanding().min()

data['running_max'] = data.SP500.expanding().max()

data.plot()

ch3_2_v2 - Expanding Window Functions with Pandas.023.png

Manipulando dados de séries temporais em Python

Retorno anual móvel

def multi_period_return(period_returns):
    return np.prod(period_returns + 1) - 1

pr = data.SP500.pct_change() # retorno do período

r = pr.rolling('360D').apply(multi_period_return)

data['Rolling 1yr Return'] = r.mul(100)

data.plot(subplots=True)
Manipulando dados de séries temporais em Python

Retorno anual móvel

data['Rolling 1yr Return'] = r.mul(100)

data.plot(subplots=True)

ch3_2_v2 - Expanding Window Functions with Pandas.027.png

Manipulando dados de séries temporais em Python

Vamos praticar!

Manipulando dados de séries temporais em Python

Preparing Video For Download...