小编Tom*_*Tom的帖子

我正在尝试计算股票投资组合的一阶和二阶矩（即预期回报和标准差）。

expected_returns_annual
Out[54]: 
           ticker
adj_close  CNP       0.091859
           F        -0.007358
           GE        0.095399
           TSLA      0.204873
           WMT      -0.000943
dtype: float64

type(expected_returns_annual)
Out[55]: pandas.core.series.Series



weights = np.random.random(num_assets)
weights /= np.sum(weights)
returns = np.dot(expected_returns_annual, weights)

所以通常预期回报计算为

(x1,...,xn' * (R1,...,Rn)

x1,...,xn 是具有约束的权重，所有权重必须加起来为 1，' 表示向量已转置。

现在我有点想知道 numpy dot 函数，因为

returns = np.dot(expected_returns_annual, weights)

和

returns = np.dot(expected_returns_annual, weights.T)

给出相同的结果。

我还测试了 weights.T 和 weights 的形状。

weights.shape
Out[58]: (5,)
weights.T.shape
Out[59]: (5,)

weights.T 的形状应该是 (,5) 而不是 (5,)，但 numpy 将它们显示为相等（我也尝试过 np.transpose，但结果相同）

有人知道为什么 numpy 会这样吗？在我看来， np.dot 乘积会自动塑造向量正确的原因，以便向量乘积运行良好。那是对的吗？

最好的问候汤姆

我也在进行简单的交易，并且需要一些帮助将数据帧连接在一起。直到现在，我的方法都行不通。

我的代码如下：

连接到量子API

 quandl.ApiConfig.api_key = 'xxxxxxxxxxxxxxx'

股票代号

ticker = ['FSE/ZO1_X',"FSE/WAC_X"]

创建一个带有熊猫引号的面板对象->创建一个熊猫DataFrame

 df = quandl.get(ticker, start_date='2017-01-01', end_date='2017-11-03')

从面板数据集中切出每只股票的收盘价

close1 = df['FSE/ZO1_X - Close']
close2 = df['FSE/WAC_X - Close']

将两个数据帧连接在一起-此步骤无效

 close = pd.concat(close1,close2)

close1和close 2的类型是pandas.core.series.Series。

如何将close1和close2放在一起，这样索引就是日期，并且我还有另外两个列，分别包含股票1（close1）和股票2（close2）的收盘价-类似于普通的Excel工作表。