Python数据帧: Standard deviation of last one year of data

Question

我有 10 年每日股市数据框 df，其中包含 Date、Open、Close 列。

我想计算收盘价的每日标准差。为此，数学公式为:

第一步:计算收盘价每日日间变化

步骤2:接下来，计算最近1年数据的每日日间变化(从步骤1计算)的每日标准差

目前，我已经按照下面的代码弄清楚了Step1。 Interday_Close_change 列计算每行与一天前的值之间的差异。

df = pd.DataFrame(data, columns=columns)
df['Close_float'] = df['Close'].astype(float)
df['Interday_Close_change'] = df['Close_float'].diff()
df.fillna('', inplace=True)

问题:

(a)。如何获取 Daily_SD 列来查找过去 252 天(即 1 年的交易日)的标准差？在 Excel 上，我们使用公式 STDEV.S() 来执行此操作。

(b)。 Daily_SD 应从数据的第 252 行开始，因为此时数据将有 252 个数据点可供计算。我如何认识到这一点？

Answer 1

您似乎正在尝试计算滚动标准差，滚动窗口由之前的 252 行组成。

Pandas 有很多 .rolling() methods ，包括标准差:

df['Daily_SD'] = df['Interday_Close_change'].rolling(252).std().shift()

如果可用于计算标准差的行数少于 252 行，则该行的结果将为空值 (NaN)。考虑一下您是否真的想应用 .fillna('') 方法来填充 null 值，就像您正在做的那样。这会将整个列从数字 (float) 数据类型转换为 object 数据类型。

如果没有.shift()方法，当前行的值将包含在计算中。 .shift() 方法会将所有滚动标准差值下移 1 行，因此当前行的结果将是前 252 行的标准差，如您所愿。

对于 pandas 版本 >= 1.2，您可以使用它:

df['Daily_SD'] = df['Interday_Close_change'].rolling(252, closed='left').std()

close=left 参数将从计算中排除窗口中的最后一个点。