我正在尝试构建基于S&P500指数的趋势跟踪动量投资组合策略(今天的数据)
我用考夫曼的分形效率比来滤除whipsaw信号 (http://etfhq.com/blog/2011/02/07/kaufmans-efficiency-ratio/)
我成功地编写了代码,但它非常笨拙,所以我需要更好的代码建议。在
战略
我很难平均1比12的效率比。当然,我知道它可以简单地由for循环实现,这是一个非常简单的任务,但我失败了。在
我需要更简洁和精炼的代码,有人能帮我吗?在
在下面的代码中,['meanfractal']困扰着我。。在
谢谢
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import pandas_datareader.data as web
def price(stock, start):
price = web.DataReader(name=stock, data_source='yahoo', start=start)['Adj Close']
return price.div(price.iat[0]).resample('M').last().to_frame('price')
a = price('SPY','2000-01-01')
def fractal(a,p):
a['direction'] = np.where(a['price'].diff(p)>0,1,0)
a['abs'] = a['price'].diff(p).abs()
a['volatility'] = a.price.diff().abs().rolling(p).sum()
a['fractal'] = a['abs'].values/a['volatility'].values*a['direction'].values
return a['fractal']
def meanfractal(a):
a['meanfractal']= (fractal(a,1).values+fractal(a,2).values+fractal(a,3).values+fractal(a,4).values+fractal(a,5).values+fractal(a,6).values+fractal(a,7).values+fractal(a,8).values+fractal(a,9).values+fractal(a,10).values+fractal(a,11).values+fractal(a,12).values)/12
a['portfolio1'] = (a.price/a.price.shift(1).values*a.meanfractal.shift(1).values+(1-a.meanfractal.shift(1).values)*1.03**(1/12)).cumprod()
a['portfolio2'] = ((a.price/a.price.shift(1).values*a.meanfractal.shift(1).values+1.03**(1/12))/(1+a.meanfractal.shift(1))).cumprod()
a=a.dropna()
a=a.div(a.ix[0])
return a[['price','portfolio1','portfolio2']].plot()
print(a)
plt.show()
您可以通过将
p
对应的值存储在DF
中,而不是分别为每个序列计算,如图所示:然后,可以将重复操作分配给一个变量,从而减少重新计算的时间。在
^{pr2}$得到的结果图:
注意:如果速度不是一个主要问题,您可以通过
pandas
中的内置方法来执行这些操作,而不是将它们转换成相应的numpy
数组值。在相关问题 更多 >
编程相关推荐