Maximum Drawdown是量化金融中常用的一種風險度量，用于評估所經歷的最大負收益。

最近，我變得不耐煩的時間來計算最大下降使用我的循環方法。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

我熟悉一種常見的看法，即矢量化的解決方案會更好。

問題是：我能把這個問題矢量化嗎？

這個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：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

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的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。