求助，时间序列数据计算的问题

idleriver

大家好，我是刚开始学习python的新手。目前手上有这样一堆基金产品的净值数据，产品数量大概几百只，共三列，第一列是基金代码，第二列是数据日期，第三列是该产品当日的净值数据，大概如下表。由于每个产品成立的时间不一样，所以有的产品的成立时间长数据就多，有的产品成立时间段，数据就少，而且每个产品的净值披露周期也不一样，有的每周公布一次净值，比如下表的AAAAAA产品，有的每天公布一次净值，比如BBBBBB产品。

产品代码	日期	adj_nav
AAAAAA	2019/12/16	1.0001
AAAAAA	2019/12/23	1.0007
AAAAAA	2019/12/30	1.0014
AAAAAA	2020/1/6	1.0022
AAAAAA	2020/1/13	1.0026
AAAAAA	2020/1/20	1.0035
AAAAAA	2020/2/3	1.0054
AAAAAA	2020/2/10	1.0061
AAAAAA	2020/2/17	1.0071
AAAAAA	2020/2/24	1.0079
	……
AAAAAA	2022/12/12	1.0897
AAAAAA	2022/12/19	1.0897
AAAAAA	2022/12/26	1.0897
AAAAAA	2023/1/3	1.0897
AAAAAA	2023/1/9	1.0897
BBBBBB	2020/1/8	1.0014
BBBBBB	2020/1/15	1.002
BBBBBB	2020/1/21	1.0027
BBBBBB	2020/1/22	1.0029
BBBBBB	2020/1/23	1.0029
BBBBBB	2020/2/3	1.0049
BBBBBB	2020/2/4	1.005
BBBBBB	2020/2/5	1.005
	……
BBBBBB	2022/10/25	1.0916
BBBBBB	2022/10/26	1.0916
BBBBBB	2022/10/27	1.0917
BBBBBB	2022/10/28	1.0918
BBBBBB	2022/10/31	1.092

我想算产品的回撤情况（产品当前净值较近一段期间的最高净值的下跌幅度，计算公式=当前净值/近期最大净值-1），并且通过下列式子算出了产品成立以来的动态回撤，（动态即每天都求一下成立那天到当前日期期间的最大净值，再计算回撤，从而得到一个回撤的时间序列）。并且计算成功了。

df['pre_max']=df.groupby(['产品代码'])['adj_nav'].cummax()
df['动态回撤']=(df['adj_nav']-chrems['pre_max'])/chrems['pre_max']


但是，现在我想求一下产品近1年的最大回撤，即每天都计算一下当前那天到1年前这段区间内的最大净值，然后再跟现在的净值比较，求一个下跌幅度。我以为要用rolling去算，写了以下式子，结果系统报错了。请问这种情况该怎么写呢？

chrems['近1年最高净值']=chrems.groupby(['理财代码'])['adj_nav'].rolling(365, min_periods=1).max()
chrems['动态回撤（近1年）']=(chrems['adj_nav']-chrems['pre_max_1yr'])/chrems['pre_max_1yr']

idleriver

有大佬能解答一下吗

阿奇_o

是用rolling，只是你不太会用而已。
如果躺在被窝里的我没记错的话，rolling方法可以针对“时间序列类型”的数据进行处理，参数写法支持  如'7d'，代表“近7天”，典型如求七天移动平均 rolling('7d', ...).mean()
而像你那样直接写数字的，是代表“近365行的数据”，而非你以为的“近一年”（问题是 你的数据总共可能都没365多行吧？）

所以，你可以再查查相关资料和例子

idleriver

阿奇_o 发表于 2023-1-15 22:31
是用rolling，只是你不太会用而已。
如果躺在被窝里的我没记错的话，rolling方法可以针对“时间序列类型” ...

后来试过7D等写法了，还是报错，目前已上stackoverflow询问后通过其它方法解决，感谢。