python - pandas 中的条件滚动计算

Question

我想计算一个称为“下行贝塔”的量。假设我有一个数据框 df:

df = pd.DataFrame({'A': [-0.1,0.3,-0.4, 0.8,-0.5],'B': [-0.2,0.5,0.3,-0.5,0.1]},index=[0, 1, 2, 3,4])

我想添加一列“C”来计算这个下行 beta，定义为 A 列和 B 列之间的协方差，仅考虑 A 列的负值与 B 列的相应值。然后应除以该协方差通过仅考虑负值的 A 列的方差。

在上面的例子中，它应该相当于计算两个序列之间的协方差:[-0.1,-0.4,-0.5]和[-0.2,0.3,0.1]。除以系列的方差 [-0.1,-0.4,-0.5]。

下一步是将此指标滚动到初始大型数据帧 df 的索引上。

有没有一种有效的方法可以做到这一点？以矢量化的方式。我想结合 pd.rolling_cov 和 np.where？

谢谢!

Answer 1

这是您要找的吗？您可以过滤掉正值，然后相应地调用 pandas cov 和 var 函数:

v = df[df.A.lt(0)]
v.cov() / v.A.var()

          A         B
A  1.000000 -0.961538
B -0.961538  1.461538

如果您只想要对角线处的值，

np.diag(v.cov() / v.A.var(), k=-1)
array([-0.96153846])

<小时/>

对于滚动窗口，您可能需要跳过一些麻烦，但这应该是可行的；

v = df[df.A.lt(0)]  
i = v.rolling(3).cov().A.groupby(level=0).last()
j = v.rolling(3).A.var()

i / j

0         NaN
2         NaN
4   -0.961538
Name: A, dtype: float64