用Pandas计算考夫曼在Python中的效率比？

Question

我尝试用Python和Pandas实现Kaufman效率比（ER）。在

在Pandas数据帧中，我有两列：

1. 日期
2. 股票的收盘价（本例中为德国DAX指数，GDAXI）：

    Date        Close
    2016-01-05  10310.10
    2016-01-06  10214.02
    2016-01-07   9979.85
    2016-01-08   9849.34
    2016-01-11   9825.07     
    2016-01-12   9985.43     
    2016-01-13   9960.96     
    2016-01-14   9794.20

我需要的是第三列，其中包括给定周期n的ER

ER的定义：

^{pr2}$

其中：

Direction = ABS (Close – Close[n])
Volatility = n * ∑ (ABS(Close – Close[1]))
n = The efficiency ratio period.

下面是一个n=3句点ER的示例（取自http://etfhq.com/blog/2011/02/07/kaufmans-efficiency-ratio/）：

我在纠结的是如何用Python和熊猫来做这个？ 最后，根据上面的计算，我的数据帧应该是这样的：

Date        Adj Close   ER(3)
2016-01-04  10283.44    
2016-01-05  10310.10    
2016-01-06  10214.02    
2016-01-07  9979.85     0.9
2016-01-08  9849.34     1.0
2016-01-11  9825.07     1.0
2016-01-12  9985.43     0.0
2016-01-13  9960.96     0.5
2016-01-14  9794.20     0.1

如何让Pandas回顾前面n行的ER所需的计算？在

非常感谢任何帮助！ 提前谢谢你。 德克

Answer 1

无需编写滚动函数，只需使用diff和rolling_sum：

df['direction'] = df['Close'].diff(3).abs()
df['volatility'] = pd.rolling_sum(df['Close'].diff().abs(), 3)

我认为代码很容易解释。如果你需要解释，请告诉我。在

^{pr2}$

这看起来像你要找的。在