时间戳

首页 > 解决方案 > 在熊猫数据框中按组滚动回归

python - 在熊猫数据框中按组滚动回归

问题描述

我有一个熊猫数据框，其中包含 1963 年至 2012 年期间个别公司的每日股票收益（近 6000 万行）。我想估计 CAPM 贝塔值，因此我需要在过去 250 天内为每家公司运行滚动 OLS 回归，并将贝塔值添加到现有数据框中。

我已经尝试将 pyfinance 包中的 PandasRollingOLS 函数与 'groupby' 结合起来，它只返回了一个内存错误。我还尝试编写两个 for 循环，第一个按公司分组（'PERMNO'），第二个 for 循环进行滚动回归。但是，这也不起作用

我的数据框如下所示：

           PERMNO       RET       mkt       RF
date                                          
1986-01-08  10000 -0.024640 -0.020994  0.00025
1986-01-09  10000 -0.000250 -0.011469  0.00025
1986-01-10  10000 -0.000250 -0.000167  0.00025
1986-01-13  10000  0.049750  0.002499  0.00025
1986-01-14  10000  0.047369  0.000116  0.00025
1986-01-15  10000  0.045205  0.007956  0.00025
1986-01-16  10000  0.043228  0.004452  0.00025
1986-01-17  10000 -0.000250 -0.001991  0.00025
1986-01-20  10000 -0.000250 -0.003985  0.00025
1986-01-21  10000 -0.000250 -0.007242  0.00025


rolling = daily.groupby('PERMNO').apply(lambda x: ols.PandasRollingOLS(y=daily['RET'], x=daily['mkt'], window=250))

regression=np.zeros((len(daily.index),2))

for group_name, df_group in daily_grouped:
    for row in range(0,len(daily.index),1):
        y= daily.RET[row:row + 250]
        x= daily.mkt[row:row + 250]
        regression[row]=np.polyfit(x,y,1)

daily['beta']=regression[:,0]

我想知道如何从公司的滚动回归中获取 beta 值

标签： pythonpandas

解决方案

推荐阅读