我正在实现一个小型的python应用程序来衡量交易策略的回报。计算返回的函数接受以下输入:

• 包含收盘价的熊猫数据框架
• 代表购买信号的大熊猫的一系列胸部
• 代表出售信号的大熊猫的一系列胸部
• 代表交易费用占初始资本百分比的浮动

数据如下所示:

>>>df.head())
开-高-低-关音量
日期
2015年1月2日5.34 5.37 5.11 5.21 108469
2015-01-05 5.21 5.26 4.85 4.87 160089
2015年1月6日4.87 4.87 4.55 4.57 316501
2015年1月7日4.63 4.75 4.60 4.67 15117
2015年1月8日4.69 4.89 4.69 4.81 159294
>>>


购买.head())
2015-01-02正确
2015-01-05错误
2015-01-06错误
2015-01-07错误
2015-01-08错误
数据类型:bool
>>>


不考虑费用,这是计算比率的公式:



其中,cis the initial capital andriis the return of one buy/sell trade.


这可以使用矢量化实现轻松实现:


buy_sell=df[(buy==true)(sell==true)]
价格=买入卖出收盘价
diffs=价格-价格.shift()
比率=差价/价格.shift()
返回((比率+1).product(轴=0)


当考虑到费用的时候,我得出了以下公式:



其中,fis the trading fee.


这可以很容易地使用循环来实现,但是有没有一种方法可以通过矢量化实现来实现呢?


我不是一个数学专家,但可能是产品依赖于总和指数阻止了这一点?我在网上找过这个房子,但好像什么也找不到。也许我没有正确地阐述问题,因为我缺乏技术术语。


对此有任何想法都将不胜感激:)



编辑

根据DSM的答案,解决方案是对反向比率序列执行“累积积”。这给了我以下解决方案:

def compute_return(df,buy,sell,fees=0.):

#对数据执行的一系列验证操作

买入卖出=df[(买入=true)(卖出=true)]
价格=买入卖出收盘价
diffs=价格-价格.shift()
比率=差价/价格.shift()

cum_prod=(比率+1)[1:][:-1].cumprod())

返回((1-费用)*(比率+1).product(axis=0)-费用*cum_prod.sum())
包含收盘价的熊猫数据框架
代表购买信号的大熊猫的一系列胸部
代表出售信号的大熊猫的一系列胸部
代表交易费用占初始资本百分比的浮动


数据如下:

>>> df.head()
            open  high   low  close  volume
date                                       
2015-01-02  5.34  5.37  5.11   5.21  108469
2015-01-05  5.21  5.26  4.85   4.87  160089
2015-01-06  4.87  4.87  4.55   4.57  316501
2015-01-07  4.63  4.75  4.60   4.67  151117
2015-01-08  4.69  4.89  4.69   4.81  159294
>>> 




>>> buy.head()
2015-01-02     True
2015-01-05    False
2015-01-06    False
2015-01-07    False
2015-01-08    False
dtype: bool
>>>




在不考虑费用的情况下,这是计算比率的公式:



在哪里?C是初始资本和ri是一次买卖交易的回报。

这可以使用矢量化实现轻松实现:

buy_sell = df[(buy==True)|(sell==True)]
prices = buy_sell.close
diffs = prices - prices.shift()
ratios = diffs / prices.shift()
return ((ratios + 1).product(axis=0))




当考虑到费用时,我得出以下公式:



在哪里?f是交易费。

这可以很容易地使用循环来实现,但是有没有一种方法可以通过矢量化实现来实现呢?

我不是一个数学专家,但可能是产品依赖于总和指数阻止了这一点?我在网上找过这个房子,但好像什么也找不到。也许我没有正确地阐述这个问题,因为我缺乏技术术语。

对此有任何想法都将不胜感激:)



编辑

根据DSM的答案,解决方案是对反向比率序列执行“累积积”。这给了我以下解决方案:

def compute_return(df, buy, sell, fees=0.):

    # Bunch of verifications operation performed on data

    buy_sell = df[(buy==True)|(sell==True)]
    prices = buy_sell.close
    diffs = prices - prices.shift()
    ratios = diffs / prices.shift()

    cum_prod = (ratios + 1)[1:][::-1].cumprod()

    return ((1 - fees) * (ratios + 1).product(axis=0) - fees * cum_prod.sum())