PythonPandas市场日历日计数（交易日与日历日）

Question

我正在进行一些市场研究，我正在调查的变量之一是事件发生的时间分布（对数分布），并创建一个累积概率密度函数（时间函数）。（我只是将我的日期转换为：

A=datetime.strptime(UDate1[0],date_format) 
B=datetime.strptime(UDate2[0],date_format)

我可以这样减去：

C=(A-B).days

我得到了一个天数的整数（5，6，10，11，不管是什么）

然而，我的数据应该符合日志分布，因为我目前使用日历日，我的事件只发生在市场日。。。这是一个不可接受的错误源，它在我的分布中创建了空直方图（第6天和第7天总是零（周末），假日效应）

我无法用这种方法计算准确的累积分布函数，因此我最近下载了熊猫市场日历。有没有人有计算交易日和市场日的经验。例如，如果我看的是从2020年7月19日到2020年7月13日的时间。这将是12个日历日，但只有8个交易日

Answer 1

熊猫市场日历信息如下： https://pypi.org/project/pandas-market-calendars/

首先，创建一个市场数据对象，如链接中所述：

import pandas_market_calendars as mcal

# Create a calendar
nyse = mcal.get_calendar('NYSE')

early = nyse.schedule(start_date='2012-07-01', end_date='2012-07-10')

print(mcal.date_range(early, frequency='1D'))

DatetimeIndex(['2012-07-02 20:00:00+00:00', '2012-07-03 17:00:00+00:00',
               '2012-07-05 20:00:00+00:00', '2012-07-06 20:00:00+00:00',
               '2012-07-09 20:00:00+00:00', '2012-07-10 20:00:00+00:00'],
              dtype='datetime64[ns, UTC]', freq=None)

现在，创建一个值为1的系列，并按市场天数进行索引。然后在日历天上重新编制索引，并用零填充缺少的值。计算累计金额，两个日期之间的交易天数是不同日期累计金额的差值：

import pandas as pd

bus_day_index = pd.DatetimeIndex(
    ['2012-07-02 20:00:00+00:00', '2012-07-03 17:00:00+00:00',
     '2012-07-05 20:00:00+00:00', '2012-07-06 20:00:00+00:00',
     '2012-07-09 20:00:00+00:00', '2012-07-10 20:00:00+00:00'],
    dtype='datetime64[ns, UTC]', freq=None)

bus_day_index = bus_day_index.normalize()

s = pd.Series(data=1, index=bus_day_index)

cal_day_index = pd.date_range(start=bus_day_index.min(), end=bus_day_index.max())

s = s.reindex(index=cal_day_index).fillna(0).astype(int)

s = s.cumsum()

s['2012-07-09'] - s['2012-07-03']

优点：这种（不雅观的）方法包含了工作日的非交易日（美国的阵亡将士纪念日、劳动节等）

Answer 2

从你的问题看来，你似乎想要计算交易日的数量。如果是，请尝试以下方法：

from datetime import datetime, date, timedelta

start_date = A
end_date = B
delta = timedelta(days=1)
count = 0
while start_date <= end_date:
    print (start_date.strftime("%Y-%m-%d"))
    if start_date.weekday() <=5:
       count +=1
    start_date += delta
print(count)