Question

在财务方面，假设有一个资产权重数据框和一组每日协方差矩阵：

w = pd.DataFrame({'Date':pd.to_datetime(['2016-01-01','2016-01-02','2016-01-03']),'A1':[0.3,0.1,0.1],'A2':[0.4,0.4,0.4]}).set_index(['Date'])
covar = [[[0.000087,0.000017],[0.000087,0.000017],[0.000087,0.000017]],[[0.000017,0.00019],[0.000017,0.00019],[0.000017,0.00019]]]
covPanel = pd.Panel(covar, items=['A1', 'A2'],  major_axis=pd.to_datetime(['2016-01-01','2016-01-02','2016-01-03']), minor_axis=['A1', 'A2'])

要计算1天投资组合差异，可以使用以下函数：

def portVar(w,sigma):
    return w.dot(sigma.dot(w))

我可以每天将最后一行权重应用于协方差矩阵以获得每日差异：

out = covPanel.apply(lambda cov1: portVar(w.iloc[-1,:],cov1),axis = [2,0])

但是如何将上述函数成对地应用于数据帧和协方差矩阵，每天（没有循环）？

换句话说，比如：

pd.ApplyPairwise(portVar,w,covPanel)

并返回每日差异，就像＆＃34; out＆＃34;以上？

Answer 1

选项1
重写portVar

将整个面板传递给正在应用的函数，并使用xs获取该特定日期权重的相应横截面。日期位于name属性中。

def portVar(w, sigma):
    s = sigma.xs(w.name, axis='major')
    return w.dot(s.dot(w))

w.apply(portVar, 1, sigma=covPanel)

Date
2016-01-01    0.000042
2016-01-02    0.000033
2016-01-03    0.000033
dtype: float64

选项2
numpy广播

cv = covPanel.values
wv = w.values

pd.Series(((wv[None, :] * cv).sum(-1).T * wv).sum(1), w.index)

Date
2016-01-01    0.000042
2016-01-02    0.000033
2016-01-03    0.000033
dtype: float64

对评论的回复

成对事物的通用python方式是zip
我将使用列表推导来生成我们正在寻找的列表。请注意面板对象上的转置，以确保日期是第一个维度。

def portVar(w,sigma):
    return w.dot(sigma.dot(w))

[portVar(w_, s_) for w_, s_ in zip(w.values, covPanel.transpose(1, 0, 2).values)]

Pandas：将函数成对应用于数据框和面板

1 个答案: