Memperluas fungsi window dengan pandas

Memanipulasi Data Deret Waktu di Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Expanding windows di pandas

Dari rolling ke expanding windows
Hitung metrik hingga tanggal saat ini
Deret waktu baru mencerminkan seluruh riwayat
Berguna untuk return berjalan, min/maks berjalan
Dua opsi di pandas:
- .expanding() - mirip .rolling()
- .cumsum(), .cumprod(), cummin()/max()

Gagasan dasar

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

Ambil data 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 - Fungsi Window Expanding dengan Pandas.013.png

Cara menghitung return berjalan

Return satu periode $r_t$: harga saat ini dibagi harga sebelumnya dikurangi 1:

$$r_t = \frac{P_t}{P_{t-1}} - 1$$
- Return multi-periode: hasil kali $(1 + r_t)$ untuk semua periode, lalu kurangi 1:
$$R_T = (1 + r_1)(1 + r_2)...(1 + r_T) - 1$$
- Return periode: .pct_change()
- Operasi dasar: .add(), .sub(), .mul(), .div()
- Hasil kali kumulatif: .cumprod()

Tingkat pengembalian berjalan dalam praktik

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 - Fungsi Window Expanding dengan Pandas.021.png

Mendapatkan min & max berjalan

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

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

data.plot()

ch3_2_v2 - Fungsi Window Expanding dengan Pandas.023.png

Tingkat pengembalian tahunan bergulir

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

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

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

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

data.plot(subplots=True)

Tingkat pengembalian tahunan bergulir

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

data.plot(subplots=True)

ch3_2_v2 - Fungsi Window Expanding dengan Pandas.027.png

Ayo berlatih!

Memanipulasi Data Deret Waktu di Python