找到最大回撤的结束时间？

Question

我查看了this answer，他们有一个非常聪明的解决方案来找到最大回撤开始的点，以及最大回撤的最低点。但是，根据Wikipedia，这不是期间的结束（如答案中所述）。周期结束是当您达到回撤期开始之前的相同峰值时。

这意味着我链接到的答案中给出的图表的回撤期没有结束。我正在尝试编写一个可以解决此问题的代码，对于这两种情况{1) 它有一个结束期，2) 它没有结束期}。

如果句点永远不会结束，我只希望它返回数组的最后一个索引（基本上就是数组的长度），如果句点确实结束了，我想要正确的索引。这是一个简化的示例，我试图解决第一种情况 - 当它有一个结束期时：

import numpy as np

an_array = [21, 22, 23, 40, 19, 35, 37, 45, 42, 39, 28]
running_maximum = np.maximum.accumulate(an_array)
# running_maximum = [21, 22, 23, 40, 40, 40, 40, 45, 45, 45, 45]

bottom_index = np.argmax(running_maximum - an_array)
start_index = np.argmax(an_array[:bottom_of_period])
# bottom_index = 4, start_index = 3

difference = running_maximum - an_array
# difference = [0, 0, 0, 0, 21, 5, 3, 0, 3, 6, 17]

我计算difference 的原因是因为它可以很容易地看到end_index=7。这是因为在索引 4 处的最大回撤是 21，并且由于 difference=0 再次在索引 7 处，这意味着我已经超过（或刚刚达到）我的峰值。我尝试写 np.argmin(difference[bottom_index:]) 来获取索引，但当然这不会给我 7，因为我切片向量 difference，它给了我 3，这是不正确的。

关于我如何解决这个问题的任何提示，并使其在没有结束期的情况下返回最后一个索引，这将是惊人的。

Answer 1

我认为这可以解决它；

import numpy as np

an_array = [21, 22, 23, 40, 19, 35, 37, 45, 42, 39, 28]
running_maximum = np.maximum.accumulate(an_array)
difference = running_maximum - an_array

bottom_index = np.argmax(difference)
start_index = np.argmax(an_array[:bottom_index])

if difference[bottom_index:].__contains__(0):
    end_index = len(difference[:bottom_index]) + np.argmin(difference[bottom_index:])
else:
    end_index = len(difference)

使用给定的示例数组，我得到end_index = 7。如果我更改an_array[4]=39，最大的缺点不再有结束，我得到end_index = 11。不过不确定__contains__(0) 是否有效。