多个基准的跟踪误差答案

【问题标题】：Tracking Error on a number of benchmarks多个基准的跟踪误差
【发布时间】：2017-01-08 01:47:49
【问题描述】：

我正在尝试计算多个不同基准与我正在查看的基金的跟踪误差（跟踪误差定义为基金和基准之间百分比差异的标准偏差）。基金的时间序列和所有基准都在我从文件中的 excel 中读取的数据框中，到目前为止我所拥有的是这个（认为 arg1 代表所有基准，然后使用 applymap 应用)，但它返回一个 KeyError，有什么建议吗？

import pandas as pd
import numpy as np
data = pd.read_excel('File_Path.xlsx')

def index_analytics(arg1):
    tracking_err = np.std((data['Fund'] - data[arg1]) / data[arg1])
    return tracking_err

data.applymap(index_analytics)

【问题讨论】：

标签： python function pandas numpy apply

【解决方案1】：

有一些事情需要解决。首先，applymap 将所有列的每个单独的值传递给您的调用函数 (index_analytics)。所以arg1 是数据框中所有值的单独标量值。 data[arg1] 总是会返回一个键错误，除非你的所有值也是列名。

您也不需要使用 apply 来执行此操作。假设您的基准测试在同一个数据框中，那么您应该能够为每个基准测试执行类似的操作。下次包含您的数据框示例。

df['Benchmark1_result'] = (df['Fund'] - data['Benchmark1']) / data['Benchmark1']

如果你想计算所有基准的所有标准偏差，你可以这样做

# assume you have a dataframe with a list of all the benchmark columns
benchmark_columns = [list, of, benchmark, columns]

np.std((df['Fund'].values - df[benchmark_columns].values) / df['Fund'].values, axis=1)

【讨论】：

谢谢！我明白你关于创建列表的观点。所以现在，我创建了 benchmark_columns = data.columns.tolist()，但是当我使用结构时，((data['Fund']) - data[benchmark_columns]) / data[benchmark_columns]).std() ，我得到一个错误：
RuntimeWarning: unorderable types: str()
benchmark_columns 应该是您的列的子集。从上面的代码中，您正在获取所有毫无意义的列。仅选择基准列。减法时也要使用.values。

【解决方案2】：

假设您遵循以下跟踪错误的定义：

import pandas as pd
import numpy as np

# Example DataFrame
df = pd.DataFrame({'Portfolio_Returns': [5.00, 1.67], 'Bench_Returns': [2.89, .759]})
df['Active_Return'] = df['Portfolio_Returns'] - df['Bench_Returns']
print(df.head())

list_ = df['Active_Return']
temp_ = []
for val in list_:
    x = val**2
    temp_.append(x)
tracking_error = np.sqrt(sum(temp_))

print(f"Tracking Error is: {tracking_error}")

或者，如果您希望它更紧凑（因为显然很酷的孩子会这样做）：

df = pd.DataFrame({'Portfolio_Returns': [5.00, 1.67], 'Bench_Returns': [2.89, .759]})
tracking_error = np.sqrt(sum([val**2 for val in df['Portfolio_Returns'] - df['Bench_Returns']]))
print(f"Tracking Error is: {tracking_error}")

【讨论】：