如何解决手动计算波动率与内置函数不一样
有人可以帮助我了解我错了吗?我不知道为什么每一栏的波动率都不同...
这是我的代码的示例:
from math import sqrt
from numpy import around
from numpy.random import uniform
from pandas import DataFrame
from statistics import stdev
data = around(a=uniform(low=1.0,high=50.0,size=(500,1)),decimals=3)
df = DataFrame(data=data,columns=['close'],dtype='float64')
df.loc[:,'delta'] = df.loc[:,'close'].pct_change().fillna(0).round(3)
volatility = []
for index in range(df.shape[0]):
if index < 90:
volatility.append(0)
else:
start = index - 90
stop = index + 1
volatility.append(stdev(df.loc[start:stop,'delta']) * sqrt(252))
df.loc[:,'volatility1'] = volatility
df.loc[:,'volatility2'] = df.loc[:,'delta'].rolling(window=90).std(ddof=0) * sqrt(252)
print(df)
close delta volatility1 volatility2
0 10.099 0.000 0.000000 NaN
1 26.331 1.607 0.000000 NaN
2 32.361 0.229 0.000000 NaN
3 2.068 -0.936 0.000000 NaN
4 36.241 16.525 0.000000 NaN
.. ... ... ... ...
495 48.015 -0.029 46.078037 46.132943
496 6.988 -0.854 46.036210 46.178820
497 23.331 2.339 46.003184 45.837245
498 25.551 0.095 45.608260 45.792188
499 46.248 0.810 45.793012 45.769787
[500 rows x 4 columns]
非常感谢您!
解决方法
需要进行三个小更改。内联添加评论。由于包含端点,因此需要89(与许多其他python东西不同)。需要ddof=1
,因为stdev默认使用它。 This article讨论的是numpy std而不是stdev,但是ddof在做什么的理论仍然相同。
此外,将来尝试将大小更改为95。调试时不需要其他405行,很高兴看到从0 / NaN转换为实际波动率,看到需要89而不是90
0与NaN的差异仍然存在。这是因为您附加了0并滚动了默认行为。我不确定这是否是故意的,所以我离开了。
from math import sqrt
from numpy import around
from numpy.random import uniform
from pandas import DataFrame
from statistics import stdev
data = around(a=uniform(low=1.0,high=50.0,size=(500,1)),decimals=3)
df = DataFrame(data=data,columns=['close'],dtype='float64')
df['delta'] = df['close'].pct_change().fillna(0).round(3)
volatility = []
for index in range(df.shape[0]):
if index < 89: #change to 89
volatility.append(0)
else:
start = index - 89 #change to 89
stop = index
volatility.append(stdev(df.loc[start:stop,'delta']) * sqrt(252))
df['volatility1'] = volatility
df['volatility2'] = df.loc[:,'delta'].rolling(window=90).std(ddof=1) * sqrt(252) #change to ddof=1
print(df)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。