# -*- coding: utf-8 -*- """ Created on Thu Apr 12 11:23:46 2018 @author:
henbile """ #计算滚动波动率可以使用专门做技术分析的talib包里面的函数,也可以使用pandas包里面的滚动函数。
#但是两个函数对于分母的选择,就是使用N还是N-1作为分母这件事情上是有分歧的。
#另一个差异在于:talib包计算基于numpy,而pd.rolling是基于Series或者DataFrame的。 import pandas as pd
import numpy as np import talib as tb a = tb.VAR(closeFull[:,0], timeperiod =
12, nbdev =1) b = tb.VAR(closeFull[:,0], timeperiod = 12, nbdev =0)
#我以为nbdev是涉及分母的数量,发现其实不是。nbdev = -1也没有改变。 c =
pd.Series(closeFull[:,0]).rolling(window = 12, center = False).var()
#tb基于np数据,pd基于pd包的两个类型的数据。 d = pd.rolling_var(pd.Series(closeFull[:,0]),
window= 12, min_periods=None, freq=None, center=False, how=None) #__main__:1:
FutureWarning: pd.rolling_var is deprecated for Series and will be removed in a
future version, replace with # Series.rolling(window=12,center=False).var()
#以前的公式是d,现在运行d会报错,所以改正成c的形式。 closeFull[0:12,0].var(ddof =1) #Out[28]:
0.30576590909090895 #ddof参数的意义:分母是N-ddof closeFull[0:12,0].var(ddof =0)
#Out[29]: 0.28028541666666656 #因为window是12,所以选第11个print
print(a[11],b[11],c[11],d[11]) #0.28028541666667195 0.28028541666667195
0.3057659090909086 0.3057659090909086 #计算都是var的计算,大胆的推测std的计算也是适用的。
#talib包的std运算的公式是tb.STDDEV #pd.rolling就是var换成std #谨慎起见,还是计算一下,看一看。
#最后发现大胆的推测是正确的。 e = tb.STDDEV(closeFull[:,0], timeperiod = fastPeriod, nbdev =
1) f = pd.Series(closeFull[:,0]).rolling(window = fastPeriod, center =
False).std() closeFull[0:12,0].std(ddof =1) #Out[45]: 0.5529610375884624
closeFull[0:12,0].std(ddof =0) #Out[46]: 0.5294198869202653 print(e[11], f[11])
#0.5294198869202704 0.5529610375884622