用于投资组合 beta 的 groupby rolling agg 自定义函数

Question

Beta 是衡量投资组合系统性风险的指标。它的计算方法是将投资组合回报率与基准/市场的协方差除以市场方差。我想根据许多投资组合滚动计算。我有一个 df 如下PERIOD,PORT1,PORT2,BM201504,-0.004,-0.001,-0.013201505,0.017,0.019,0.022201506,-0.027,-0.037,-0.039201507,0.026,0.033,0.017201508,-0.045,-0.054,-0.081201509,-0.033,-0.026,-0.032201510,0.053,0.07,0.09201511,0.03,0.032,0.038201512,-0.05,-0.034,-0.044201601,-0.016,-0.043,-0.057201602,-0.007,-0.007,-0.011201603,0.014,0.014,0.026201604,0.003,0.001,0.01201605,0.046,0.038,0.031除了更多列，如 port1 和 port2。我想创建一个与 BM 列相比具有滚动 beta 的数据集。我创建了一个类似的滚动相关数据集df.rolling(3).corr(df['BM'])...它获取了我的大集合中的每一列，并计算了与我的 BM 列的相关性。我试图为 Beta 制作一个自定义函数，但因为它需要两个参数，所以我很挣扎。下面是我的自定义函数，以及我是如何通过向它提供两列返回值来让它工作的。    def beta(arr1,arr2):    #ddof = 0 gives population covar. the 0 and 1 coordinates take the arr1 vs arr2 covar from the matrix    return (np.cov(arr1,arr2,ddof=0)[0][1])/np.var(arr2)    beta_test = beta(df['PORT1'],df['BM'])所以这有助于我找到我输入的两列之间的 beta...问题是如何对我上面的数据和包含许多列/投资组合的数据执行此操作？然后如何在滚动的基础上做到这一点？从我上面看到的相关性来看，下面应该是可能的，在每一列与一个指定列中运行每个滚动的 3 个月数据集。beta_data = df.rolling(3).agg(beta(df['BM']))任何指向正确方向的指针将不胜感激

Answer 1

IIUC，你可以set_index使用 PERIOD 和 BMfilter列，其中包含 PORT 的列（如果你有其他列你不想应用该beta功能），然后rolling.apply像这样使用：

print (df.set_index(['PERIOD','BM']).filter(like='PORT')

         .rolling(3).apply(lambda x: beta(x, x.index.get_level_values(1)))

         .reset_index())

    PERIOD     BM     PORT1     PORT2

0   201504 -0.013       NaN       NaN

1   201505  0.022       NaN       NaN

2   201506 -0.039  0.714514  0.898613

3   201507  0.017  0.814734  1.055798

4   201508 -0.081  0.736486  0.907336

5   201509 -0.032  0.724490  0.887755

6   201510  0.090  0.598332  0.736964

7   201511  0.038  0.715848  0.789221

8   201512 -0.044  0.787248  0.778703

9   201601 -0.057  0.658877  0.794949

10  201602 -0.011  0.412270  0.789567

11  201603  0.026  0.354829  0.690573

12  201604  0.010  0.562924  0.558083

13  201605  0.031  1.716066  1.530471

Answer 2

def getbetas(df, market, window = 45):

    """ given an unstacked pandas dataframe (columns instruments, rows

    dates), compute the rolling betas vs the market.

    """

    nmarket = market/market.rolling(window).var()

    thebetas = df.rolling(window).cov(other=nmarket)

    return thebetas