Maximum Drawdown是量化金融中常用的一種風(fēng)險(xiǎn)度量，用于評(píng)估所經(jīng)歷的最大負(fù)收益。

最近，我變得不耐煩的時(shí)間來(lái)計(jì)算最大下降使用我的循環(huán)方法。def max_dd_loop(returns):

"""returns is assumed to be a pandas series"""

max_so_far = None

start, end = None, None

r = returns.add(1).cumprod()

for r_start in r.index:

for r_end in r.index:

if r_start < r_end:

current = r.ix[r_end] / r.ix[r_start] - 1

if (max_so_far is None) or (current < max_so_far):

max_so_far = current

start, end = r_start, r_end

return max_so_far, start, end

我熟悉一種常見(jiàn)的看法，即矢量化的解決方案會(huì)更好。

問(wèn)題是：我能把這個(gè)問(wèn)題矢量化嗎？

這個(gè)解決方案是什么樣子的？

有多大好處？

編輯

我把Alexander的答案改為以下函數(shù)：def max_dd(returns):

"""Assumes returns is a pandas Series"""

r = returns.add(1).cumprod()

dd = r.div(r.cummax()).sub(1)

mdd = dd.min()

end = dd.argmin()

start = r.loc[:end].argmax()

return mdd, start, end

總結(jié)

以上是生活随笔為你收集整理的python数据统计 矢量图_用python中的矢量化解决方案计算max draw down的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。