2

S&P500指数（月次データ）をもとにトレンドフォローモメンタムポートフォリオ戦略を構築しようとしています。

カウフマンのフラクタル効率比を使用して、ホイップソー信号を除外しました ( http://etfhq.com/blog/2011/02/07/kaufmans-efficiency-ratio/ )

コーディングには成功しましたが、非常に不器用なので、より良いコードのアドバイスが必要です。

ストラテジー

  1. S&P 500 指数のデータをヤフー ファイナンスから取得する
  2. ルックバック期間 X でカウフマンの効率比を計算します (1 、close > close(n) の場合、0)
  3. 1～12期間の計算値2の平均 --->月間資産配分率、1-資産配分率=現金(年3%)

1対12の効率比を平均化するのに苦労しています。もちろん、for ループで簡単に実装でき、非常に簡単な作業であることは知っていますが、失敗しました。

もっと簡潔で洗練されたコードが必要です。誰か助けてくれませんか?

a['meanfractal']以下のコードで気になります..

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import pandas_datareader.data as web

def price(stock, start):
    price = web.DataReader(name=stock, data_source='yahoo', start=start)['Adj Close']
    return price.div(price.iat[0]).resample('M').last().to_frame('price')

a = price('SPY','2000-01-01')

def fractal(a,p):
    a['direction'] = np.where(a['price'].diff(p)>0,1,0)
    a['abs'] = a['price'].diff(p).abs()
    a['volatility'] = a.price.diff().abs().rolling(p).sum()
    a['fractal'] = a['abs'].values/a['volatility'].values*a['direction'].values
    return a['fractal']

def meanfractal(a):
    a['meanfractal']= (fractal(a,1).values+fractal(a,2).values+fractal(a,3).values+fractal(a,4).values+fractal(a,5).values+fractal(a,6).values+fractal(a,7).values+fractal(a,8).values+fractal(a,9).values+fractal(a,10).values+fractal(a,11).values+fractal(a,12).values)/12
    a['portfolio1'] = (a.price/a.price.shift(1).values*a.meanfractal.shift(1).values+(1-a.meanfractal.shift(1).values)*1.03**(1/12)).cumprod()
    a['portfolio2'] = ((a.price/a.price.shift(1).values*a.meanfractal.shift(1).values+1.03**(1/12))/(1+a.meanfractal.shift(1))).cumprod()
    a=a.dropna()
    a=a.div(a.ix[0])
    return a[['price','portfolio1','portfolio2']].plot()        

print(a)
plt.show()
4

1 に答える 1

2

p次のように各シリーズを個別に計算するのではDFなく、に対応する値を格納することで、さらに単純化できます。

def fractal(a, p):
    df = pd.DataFrame()
    for count in range(1,p+1):
        a['direction'] = np.where(a['price'].diff(count)>0,1,0)
        a['abs'] = a['price'].diff(count).abs()
        a['volatility'] = a.price.diff().abs().rolling(count).sum()
        a['fractal'] = a['abs']/a['volatility']*a['direction']
        df = pd.concat([df, a['fractal']], axis=1)
    return df

次に、繰り返し操作を変数に割り当てて、再計算時間を短縮できます。

def meanfractal(a, l=12):
    a['meanfractal']= pd.DataFrame(fractal(a, l)).sum(1,skipna=False)/l
    mean_shift = a['meanfractal'].shift(1)
    price_shift = a['price'].shift(1)
    factor = 1.03**(1/l)
    a['portfolio1'] = (a['price']/price_shift*mean_shift+(1-mean_shift)*factor).cumprod()
    a['portfolio2'] = ((a['price']/price_shift*mean_shift+factor)/(1+mean_shift)).cumprod()
    a.dropna(inplace=True)
    a = a.div(a.ix[0])
    return a[['price','portfolio1','portfolio2']].plot()

得られた結果のプロット:

meanfractal(a)

画像

注: 速度が大きな問題ではない場合は、対応する配列値pandasに変換する代わりに、組み込みメソッドを使用して操作を実行できます。numpy

于 2016-10-13T09:17:55.203 に答える