大Pandas动量组合（趋势跟踪）定量模拟

Question

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

1. 从雅虎财经获取标准普尔500指数数据
2. 计算Kaufmann在回溯周期X上的效率比（1，如果close>；close（n），0）
3. 平均计算值2，从1到12个时间段--->；月度资产配置比率，1-资产配置比率=现金（每年3%）

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()

Answer 1

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：

def fractal(a, p):
    df = pd.DataFrame()
    for count in range(1,p+1):
        a['direction'] = np.where(a['price'].diff(count)>0,1,0)
        a['abs'] = a['price'].diff(count).abs()
        a['volatility'] = a.price.diff().abs().rolling(count).sum()
        a['fractal'] = a['abs']/a['volatility']*a['direction']
        df = pd.concat([df, a['fractal']], axis=1)
    return df

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：

meanfractal(a)

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