Maximum Drawdown是量化金融中常用的一种风险度量,用于评估所经历的最大负收益。
最近,我变得不耐烦的时间来计算最大下降使用我的循环方法。
def max_dd_loop(returns):
"""returns is assumed to be a pandas series"""
max_so_far = None
start, end = None, None
r = returns.add(1).cumprod()
for r_start in r.index:
for r_end in r.index:
if r_start < r_end:
current = r.ix[r_end] / r.ix[r_start] - 1
if (max_so_far is None) or (current < max_so_far):
max_so_far = current
start, end = r_start, r_end
return max_so_far, start, end
我熟悉一种常见的看法,即矢量化的解决方案会更好。
问题是:
我把Alexander的答案改为以下函数:
def max_dd(returns):
"""Assumes returns is a pandas Series"""
r = returns.add(1).cumprod()
dd = r.div(r.cummax()).sub(1)
mdd = dd.min()
end = dd.argmin()
start = r.loc[:end].argmax()
return mdd, start, end
目前没有回答
相关问题 更多 >
编程相关推荐