26、Python 时间序列分析与建模库入门

Python 时间序列分析与建模库入门

1. 二元移动窗口函数

在统计分析中，有些统计运算符（如相关性和协方差）需要对两个时间序列进行操作。以金融分析为例，分析师常常关注某只股票与标准普尔 500 等基准指数的相关性。

1.1 计算百分比变化

首先，我们需要计算感兴趣的时间序列的百分比变化：

spx_px = close_px_all["SPX"]
spx_rets = spx_px.pct_change()
returns = close_px.pct_change()

1.2 计算滚动相关性

调用 rolling 方法后， corr 聚合函数可以计算与 spx_rets 的滚动相关性：

corr = returns["AAPL"].rolling(125, min_periods=100).corr(spx_rets)
corr.plot()

1.3 批量计算滚动相关性

若要同时计算标准普尔 500 指数与多只股票的滚动相关性，当每只股票是单个 DataFrame 中的一列时，可直接对 DataFrame 调用 rolling 方法并传入 spx_rets 序列：