Python:用于回归股票分析的for循环(或其他方法，如apply()、滚动)

Question

我正在尝试获得一个基于指数回归的动量指标，并对其进行反向测试。但是使用这段代码，我只能得到pandas dataframe列中的最后一个值。你知道一种只计算DF中每一天的方法吗？

import pandas as pd
import numpy as np
from scipy.stats import linregress

df = yf.Ticker("AAPL").history(start="2019-09-1", interval="1d")

def MOMENTUM_Exponential_Regression(df):
    returns = np.log(df["Close"][-252:])
    x = np.arange(len(returns))
    slope, _, rvalue, _, _ = linregress(x, returns)
    df["MOMENTUMexpRegR2"] = ((1 + slope)**252) * (rvalue**2)
    return df

df = MOMENTUM_Exponential_Regression(df)

链接到数据帧输出: imghttps://i.imgur.com/DdMLi6U.png[/img]](https://i.imgur.com/DdMLi6U.png%5B/img%5D)

我尝试了一些for循环，但没有达到预期的结果。

提前感谢

Answer 1

当尝试用272个值填充数据帧中的531行列时，会引发错误(即返回变量必须包含与数据帧相同的行数)。与线性回归相同的值是因为它输出一个值；因此，我们需要一个for循环来遍历数据集并运行线性回归。我认为你可以从下面的代码开始：

df = yf.Ticker("AAPL").history(start="2019-09-1", interval="1d")
def MOMENTUM_Exponential_Regression(df, numberOfDataPointsInSlidingWindow = None, **kwargs):
    if numberOfDataPointsInSlidingWindow is None:
      numberOfDataPointsInSlidingWindow = 10
    returns = np.log(df["Close"])
    x = np.arange(len(returns))
    tempVarWillExplodeAfterTermination = []
    for indexingThroughReturns in range(numberOfDataPointsInSlidingWindow, len(returns), 1):
      slope, _, rvalue, _, _ = linregress(x[indexingThroughReturns - numberOfDataPointsInSlidingWindow:indexingThroughReturns + 1], returns[indexingThroughReturns - numberOfDataPointsInSlidingWindow:indexingThroughReturns + 1])
      if indexingThroughReturns == numberOfDataPointsInSlidingWindow:
        for indx in range(numberOfDataPointsInSlidingWindow):
          tempVarWillExplodeAfterTermination.append(((1 + slope)**252) * (rvalue**2))
      tempVarWillExplodeAfterTermination.append(((1 + slope)**252) * (rvalue**2))
    df["MOMENTUMexpRegR2"] = tempVarWillExplodeAfterTermination
    return df["MOMENTUMexpRegR2"]

df = MOMENTUM_Exponential_Regression(df)