在python中找到价格动量的有效方法:平均列的最后n个条目

Question

我定义的价格动量是过去n天给定股票动量的平均值.

反过来,动量是一种分类:如果当天的收盘价高于前一天,则每天标记为1;如果价格低于前一天,则标记为-1.

我的库存变化百分比如下:

df['close in percent'] = np.array([0.27772152, 1.05468772, 
                                   0.124156 , -0.39298394, 
                                   0.56415267,  1.67812005])

momentum = df['close in percent'].apply(lambda x: 1 if x > 0 else -1).values

Momentum应该是:[1,1,1,-1,1,1].

因此,如果我发现过去n = 3天的平均动量,我希望我的价格势头为:

Price_momentum = [Nan, Nan, 1, 1/3, 1/3, 1/3]

我设法使用以下代码使其工作,但这非常慢(数据集是5000多行,执行需要10分钟).

for i in range(3,len(df)+1,1):
    data = np.array(momentum[i-3:i])
    df['3_day_momentum'].iloc[i-1]=data.mean()

Answer 1

您可以创建一个rolling对象:

df = pd.DataFrame()
df['close_in_percent'] = np.array([0.27772152, 1.05468772, 
                                   0.124156 , -0.39298394, 
                                   0.56415267,  1.67812005])
df['momentum'] = np.where(df['close_in_percent'] > 0, 1, -1)
df['3_day_momentum'] = df.momentum.rolling(3).mean()

在这里,它np.where是一种替代方案apply(),通常很慢,应该作为最后的手段.

   close_in_percent  momentum  3_day_momentum
0            0.2777         1             NaN
1            1.0547         1             NaN
2            0.1242         1          1.0000
3           -0.3930        -1          0.3333
4            0.5642         1          0.3333
5            1.6781         1          0.3333

Answer 2

你可以用np.where+ pd.Rolling.mean-

s = df['close in percent']
pd.Series(np.where(s > 0, 1, -1)).rolling(3).mean()

0         NaN
1         NaN
2    1.000000
3    0.333333
4    0.333333
5    0.333333
dtype: float64

对于v0.17或更低版​​本,还rolling_mean可以直接使用数组.

pd.rolling_mean(np.where(s > 0, 1, -1), window=3)
array([        nan,         nan,  1.        ,  0.33333333,  0.33333333,
        0.33333333])