Rozszerzające funkcje okna w pandas

Manipulowanie danymi szeregów czasowych w Pythonie

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Okna rozszerzające w pandas

Od okien krocznych do rozszerzających
Obliczanie metryk dla okresów do bieżącej daty
Nowe szeregi czasowe odzwierciedlają wszystkie wartości historyczne
Przydatne do bieżącej stopy zwrotu, min/max
Dwie opcje w pandas:
- .expanding() – analogicznie do .rolling()
- .cumsum(), .cumprod(), cummin()/max()

Podstawowa idea

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

Dane dla indeksu 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

Obliczanie bieżącej stopy zwrotu

Zwrot za jeden okres $r_t$: bieżąca cena podzielona przez poprzednią minus 1:

$$r_t = \frac{P_t}{P_{t-1}} - 1$$
- Zwrot wielookresowy: iloczyn $(1 + r_t)$ dla wszystkich okresów minus 1:
$$R_T = (1 + r_1)(1 + r_2)...(1 + r_T) - 1$$
- Zwrot za okres: .pct_change()
- Podstawowe operacje: .add(), .sub(), .mul(), .div()
- Iloczyn skumulowany: .cumprod()

Bieżąca stopa zwrotu w praktyce

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

Bieżące minimum i maksimum

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

Kroczna roczna stopa zwrotu

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)

Kroczna roczna stopa zwrotu

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

data.plot(subplots=True)

ch3_2_v2 - Expanding Window Functions with Pandas.027.png

Czas na ćwiczenia!

Manipulowanie danymi szeregów czasowych w Pythonie