python计算滚动方差（标准差）talib和pd.rolling函数差异

elibneh

于 2018-04-12 11:41:03 发布

阅读量1.4w

点赞数 3

分类专栏： python学习文章标签： python 滚动方差滚动标准差 pd.rolling talib

本文链接：https://blog.youkuaiyun.com/henbile/article/details/79911408

版权

本文探讨了在Python中使用talib和pd.rolling函数计算滚动方差和标准差的区别。主要差异在于分母选择（N vs N-1）以及talib基于numpy，而pd.rolling基于Series或DataFrame。通过实例展示了两者计算结果的差异，并验证了std计算的推测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-
"""
Created on Thu Apr 12 11:23:46 2018

@author: henbile
"""

#计算滚动波动率可以使用专门做技术分析的talib包里面的函数，也可以使用pandas包里面的滚动函数。
#但是两个函数对于分母的选择，就是使用N还是N-1作为分母这件事情上是有分歧的。
#另一个差异在于：talib包计算基于numpy，而pd.rolling是基于Series或者DataFrame的。

import pandas as pd
import numpy as np
import talib as tb

a = tb.VAR(closeFull[:,0], timeperiod = 12, nbdev =1)

b = tb.VAR(closeFull[:,0], timeperiod = 12, nbdev =0)

#我以为nbdev是涉及分母的数量，发现其实不是。nbdev = -1也没有改变。

c = pd.Series(closeFull[:,0]).rolling(window = 12, center = False).var()
#tb基于np数据，pd基于pd包的两个类型的数据。

d = pd.rolling_var(pd.Series(closeFull[:,0]), window= 12, min_periods=None, freq=None, center=False, how=None)
#__main__:1: FutureWarning: pd.rolling_var is deprecated for Series and will be removed in a future version, replace with 
#        Series.rolling(window=12,cente

最低0.47元/天解锁文章