Question

我想做一个看似简单的操作，也许我只是被阻止了，但是执行此计算的最快方法是什么？

mret = 0
for i in range(1, len(monthly_rets)):
    mret += monthly_rets[i:].prod()

monthly_rets是一个长度为2-540的np.array（即它的长度可以在2到540之间变化，它不一定是np.array）每月因子回报（对于题）。必须有一些聪明的技巧，我可以使用它来避免使用for-loop并加快一点速度？

Answer 1

您可以使用np.cumprod和np.sum的组合。像这样的东西应该工作（至少对于numpy数组）：

mret = monthly_rets[:0:-1].cumprod().sum()

np.cumprod计算数组的累积乘积，这意味着如果您有一个数组a，其中包含三个元素a[0]，a[1]和a[2] {{ 1}}将为您提供数组a.cumprod()。现在你想拥有类似的东西。这是通过使用切片[a[0], a[0]*a[1], a[0]*a[1]*a[2]]完成的，切片将向后遍历数组，以倒数第二个元素结束，这样[:0:-1]将为您提供a[:0:-1].cumprod()。 [a[2], a[1]*a[2]]然后将总结所有元素以便为您提供结果。（感谢@ B.M。指出正确的切片。）

顺便说一句，我使用sum()的{{1}}检查了540个随机数（对应于您最大的数组）的数组的性能优势。我加速了2.3ms /10μs= 230。即使计算ipython警告（可能不正确）的缓存效果，您最终也会有至少40的加速。

获取产品的简单矢量化，然后是类似列表的对象的总和

1 个答案: