使用Pandas计算Kaufman在Python中的效率比率？

Question

我试图用Pandas在Python中实现Kaufman效率比（ER）。

在Pandas DataFrame中，我有两列：

1. 日期
2. 收盘价格（德国DAX指数，^ GDAXI，在本例中）：

    Date        Close
    2016-01-05  10310.10
    2016-01-06  10214.02
    2016-01-07   9979.85
    2016-01-08   9849.34
    2016-01-11   9825.07     
    2016-01-12   9985.43     
    2016-01-13   9960.96     
    2016-01-14   9794.20

我需要的是第三列，包括给定时期的ER。

ER的定义：

ER = Direction / Volatility

其中：

Direction = ABS (Close – Close[n])
Volatility = n * ∑ (ABS(Close – Close[1]))
n = The efficiency ratio period.

以下是n = 3期间ER（取自http://etfhq.com/blog/2011/02/07/kaufmans-efficiency-ratio/）的示例：



我和Pandas在Python中如何做到这一点？ 最后，根据上面的计算，我的数据框应如下所示：

Date        Adj Close   ER(3)
2016-01-04  10283.44    
2016-01-05  10310.10    
2016-01-06  10214.02    
2016-01-07  9979.85     0.9
2016-01-08  9849.34     1.0
2016-01-11  9825.07     1.0
2016-01-12  9985.43     0.0
2016-01-13  9960.96     0.5
2016-01-14  9794.20     0.1

如何让Pandas回顾之前的n行以进行ER所需的计算？

非常感谢任何帮助！ 先感谢您。 德克

Answer 1

无需编写滚动功能，只需使用diff和rolling_sum：

df['direction'] = df['Close'].diff(3).abs()
df['volatility'] = pd.rolling_sum(df['Close'].diff().abs(), 3)

我认为代码几乎是不言自明的。如果您想要解释，请告诉我。

In [11]: df['direction'] / df['volatility']
Out[11]: 
0         NaN
1         NaN
2         NaN
3    1.000000
4    1.000000
5    0.017706
6    0.533812
7    0.087801
dtype: float64

这看起来就像你要找的那样。