Fonctions à fenêtre « expanding » avec pandas

Manipuler des séries temporelles en Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Fenêtres « expanding » dans pandas

Des fenêtres glissantes aux fenêtres « expanding »
Calculer des métriques jusqu’à la date courante
La nouvelle série inclut tout l’historique
Utile pour rendements, min/max cumulés
Deux options avec pandas :
- .expanding() — comme .rolling()
- .cumsum(), .cumprod(), cummin()/max()

L’idée de base

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

Obtenir les données du 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 - Obtenir les données du S&P 500.013.png

Calculer un rendement cumulé

Rendement d’une période r_t : prix courant sur prix précédent moins 1 :

$$r_t = \frac{P_t}{P_{t-1}} - 1$$
- Rendement multi-périodes : produit de (1 + r_t) pour chaque période, moins 1 :
$$R_T = (1 + r_1)(1 + r_2)...(1 + r_T) - 1$$
- Rendement par période : .pct_change()
- Opérations de base : .add(), .sub(), .mul(), .div()
- Produit cumulé : .cumprod()

Rendement cumulé en pratique

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 - Rendement cumulé en pratique.021.png

Obtenir les min et max cumulés

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

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

data.plot()

ch3_2_v2 - Fonctions à fenêtre « expanding » avec pandas.023.png

Rendement annuel glissant

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

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

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

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

data.plot(subplots=True)

Rendement annuel glissant

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

data.plot(subplots=True)

ch3_2_v2 - Fonctions à fenêtre « expanding » avec pandas.027.png

Passons à la pratique !

Manipuler des séries temporelles en Python