用 Pandas 在 Python 中计算考夫曼的效率比？

Question

我正在尝试使用 Pandas 在 Python 中实现考夫曼效率比 (ER)。

在 Pandas DataFrame 中，我有两列：

1. 日期
2. 股票的收盘价（在本例中为德国 DAX 指数，^GDAXI）：

    日期 关闭
    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

我需要的是包含给定时期 n 的 ER 的第三列。

ER的定义：

ER = Direction / Volatility

在哪里：

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

这是 an=3 周期 ER 的示例（取自http://etfhq.com/blog/2011/02/07/kaufmans-efficiency-ratio/）：

我正在苦苦挣扎的是如何用 Pandas 在 Python 中做到这一点？最后，根据上面的计算，我的数据框应该是这样的：

日期调整关闭 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 n 行以进行 ER 所需的计算？

任何帮助是极大的赞赏！先感谢您。短剑

Answer 1

无需编写滚动函数，只需使用diffand rolling_sum：

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

我认为代码是不言自明的。如果您需要解释，请告诉我。

In [11]: df['direction'] / df['volatility']
Out[11]: 
0         NaN
1         NaN
2         NaN
3    1.000000
4    1.000000
5    0.017706
6    0.533812
7    0.087801
dtype: float64

这看起来像你要找的东西。