基於python計算滾動方差(標準差)talib和pd.rolling函式差異詳解
阿新 • • 發佈:2020-06-09
我就廢話不多說了,大家還是直接看程式碼吧!
# -*- coding: utf-8 -*- """ Created on Thu Apr 12 11:23:46 2018 @author: henbile """ #計算滾動波動率可以使用專門做技術分析的talib包裡面的函式,也可以使用pandas包裡面的滾動函式。 #但是兩個函式對於分母的選擇,就是使用N還是N-1作為分母這件事情上是有分歧的。 #另一個差異在於:talib包計算基於numpy,而pd.rolling是基於Series或者DataFrame的。 import pandas as pd import numpy as np import talib as tb a = tb.VAR(closeFull[:,0],timeperiod = 12,nbdev =1) b = tb.VAR(closeFull[:,nbdev =0) #我以為nbdev是涉及分母的數量,發現其實不是。nbdev = -1也沒有改變。 c = pd.Series(closeFull[:,0]).rolling(window = 12,center = False).var() #tb基於np資料,pd基於pd包的兩個型別的資料。 d = pd.rolling_var(pd.Series(closeFull[:,0]),window= 12,min_periods=None,freq=None,center=False,how=None) #__main__:1: FutureWarning: pd.rolling_var is deprecated for Series and will be removed in a future version,replace with # Series.rolling(window=12,center=False).var() #以前的公式是d,現在執行d會報錯,所以改正成c的形式。 closeFull[0:12,0].var(ddof =1) #Out[28]: 0.30576590909090895 #ddof引數的意義:分母是N-ddof closeFull[0:12,0].var(ddof =0) #Out[29]: 0.28028541666666656 #因為window是12,所以選第11個print print(a[11],b[11],c[11],d[11]) #0.28028541666667195 0.28028541666667195 0.3057659090909086 0.3057659090909086 #計算都是var的計算,大膽的推測std的計算也是適用的。 #talib包的std運算的公式是tb.STDDEV #pd.rolling就是var換成std #謹慎起見,還是計算一下,看一看。 #最後發現大膽的推測是正確的。 e = tb.STDDEV(closeFull[:,timeperiod = fastPeriod,nbdev = 1) f = pd.Series(closeFull[:,0]).rolling(window = fastPeriod,center = False).std() closeFull[0:12,0].std(ddof =1) #Out[45]: 0.5529610375884624 closeFull[0:12,0].std(ddof =0) #Out[46]: 0.5294198869202653 print(e[11],f[11]) #0.5294198869202704 0.5529610375884622
補充知識:python —— .rolling(20).std()
#在這裡我們取20天內的標準差
以上這篇基於python計算滾動方差(標準差)talib和pd.rolling函式差異詳解就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。