Question

我正在尝试使用rolling_*的{{1}}函数提取滚动标准偏差和交易数据的含义。

我的数据如下：

pandas

基本上，我想根据（ - 3，+ 3）交易日计算每只股票的平均价格和标准差。

请注意，这里有两个棘手的事情：

每个交易日有多种交易（流动日交易频繁）。
这些是交易日（不是日历日），因此它们不是按顺序排列的。

我理想的输出是

Tick   Trading_day  Trade_price  

VOD     2013-1-2     30.23
VOD     2013-1-2     30.33
VOD     2013-1-2     30.24
VOD     2013-1-5     31.23
VOD     2013-1-5     30.23
VOD     2013-1-6     30.23
VOD     2013-1-7     30.23
VOD     2013-1-8     30.23
VOD     2013-1-9     30.23

...     .......      .....

RBS     2013-1-2     15.23
...     .......      .....

有人有想法吗？提前谢谢！

Answer 1

以下是我在此示例中使用的数据：

df = pd.DataFrame({'Tick': ['VOD'] * 7 + ['RBS'] * 2,
                   'Trade_price': [30.23, 30.24, 31.23, 30.23, 30.23, 30.23, 30.23, 14.11, 15.23],
                   'Trading_day': ['1/2/13', '1/2/13', '1/5/13', '1/5/13', '1/6/13', '1/7/13', '1/8/13', '1/2/13', '1/5/13']})

首先，让我们使用.to_datetime()并将你的日期列Pandas时间戳（如果它们还没有）。

df['Trading_day'] = pd.to_datetime(df.Trading_day)

接下来，对数据进行分组和转换，以便我们在任何给定日期获取每个股票代码的平均价格，并且该日期在索引中是唯一的：

df = df.groupby(['Trading_day', 'Tick']).Trade_price.mean().unstack()
>>> df 
Tick           RBS     VOD
Trading_day               
2013-01-02   14.11  30.235
2013-01-05   15.23  30.730
2013-01-06     NaN  30.230
2013-01-07     NaN  30.230
2013-01-08     NaN  30.230

现在，您希望根据（-3，+ 3）交易日计算出每只股票的平均价格和标准差价值。＆＃34;。一种方法是使用pd.rolling_mean()并将结果居中。鉴于有限的数据集，我使用3天的中心窗口（即前一天，当天和次日）。您将需要使用7天的窗口来获得+/- 3个交易日。

>>> pd.rolling_mean(df, 3, center=True) 
Tick         RBS        VOD
Trading_day                
2013-01-02   NaN        NaN
2013-01-05   NaN  30.398333
2013-01-06   NaN  30.396667
2013-01-07   NaN  30.230000
2013-01-08   NaN        NaN

要获得滚动的标准偏差，只需使用pd.rolling_std()。

熊猫：按交易日滚动std偏差/均值

1 个答案: