Python 计算最大回撤, 使用pandas库中的.cummax()函数计算
最大回撤: ( 累计最大回报-当前回报 )最大值为最大回撤的位置
MDD = max(data['Ret'].cumsum().cummax()- data['Ret'].cumsum())
如果按周期计算(月最大回撤):
生成时间序列和随机回报:
import pandas as pd
import numpy as np
data = pd.DataFrame()
data.index = pd.date_range(start = '20100101',end = '20191231',freq = 'B',closed = 'right')
a = np.random.standard_normal(len(data))
b = a/(a.max()-a.min())*0.02
data['Ret'] = b
打标签:
freq = 'M'
data = pd.DataFrame(data['Ret'])
data_s = pd.DataFrame()
data_s['group'] = data.resample('{}'.format(freq)).sum()
data_s['group'] = data_s.index
data = data.join(data_s['group'], how='outer')
data['group'] = data['group'].bfill()
data = data.dropna()
根据标签进行聚合计算最大回撤( 如果没有回撤返回NaN ):
MDD = data.groupby('group').agg(lambda x: max(x.cumsum().cummax() - x.cumsum())
if max(x.cumsum().cummax() - x.cumsum()) > 0 else np.nan)
根据标签进行聚合计算最大回撤开始时间:
在最大回撤处做切片, 向前找回报累计最高点的时间
MDD_T0 = data.groupby('group').agg(lambda x:
x.index[(x.cumsum() ==(x[(x.index < x.index[(
(x.cumsum().cummax() - x.cumsum())== max(x.cumsum().cummax() - x.cumsum()))][0])].cumsum().max()))][0]
if max(x.cumsum().cummax() - x.cumsum()) > 0 else np.nan)
根据标签进行聚合计算最大回撤结束时间:
查找最大回撤处的时间
MDD_T1 = data.groupby('group').agg(lambda x: x.index[(x.cumsum().cummax() - x.cumsum()
==max(x.cumsum().cummax() - x.cumsum()))][0])
回撤持续时间:
MDD_N = MDD_T1 - MDD_T0
整理输出:
MDD.columns = ['MDD']
MDD_N.columns = ['MDD_N']
MDD_T0.columns = ['MDD_T0']
MDD_T1.columns = ['MDD_T1']
data_output = MDD.join(MDD_N, how='left')
data_output = data_output.join(MDD_T0, how='left')
data_output = data_output.join(MDD_T1, how='left')
data_output