问赫斯特指数转向nan - Python 3
EN

Stack Overflow用户

提问于 2020-05-08 03:10:41

回答 2查看 268关注 0票数 1

我想确定一个时间序列是否是均值回归的，但在计算赫斯特指数时遇到了一些问题。它应该打印0.5左右，但我得到了一个"nan“。所有的帮助都将不胜感激。

我得到以下错误/警告：

RuntimeWarning: divide by zero encountered in log
  poly = polyfit(log(lags), log(tau), 1)

下面是我正在编写的代码。

import statsmodels.tsa.stattools as ts
from datetime import datetime

from pandas_datareader import DataReader
security = DataReader("GOOG", "yahoo", datetime(2000,1,1), datetime(2013,1,1))
ts.adfuller(security['Adj Close'], 1)



from numpy import cumsum, log, polyfit, sqrt, std, subtract
from numpy.random import randn

def hurst(ts):
    """Returns the Hurst Exponent of the time series vector ts"""

    lags = range(2, 100)

    tau = [sqrt(std(subtract(ts[lag:], ts[:-lag]))) for lag in lags]

    poly = polyfit(log(lags), log(tau), 1)


    return poly[0]*2.0


gbm = log(cumsum(randn(100000))+1000)
mr = log(randn(100000)+1000)
tr = log(cumsum(randn(100000)+1)+1000)

print ("Hurst(GBM):   %s" % hurst(gbm))
print ("Hurst(MR):    %s" % hurst(mr))
print ("Hurst(TR):    %s" % hurst(tr))
print ("Hurst(SECURITY):  %s" % hurst(security['Adj Close']))



print ("Hurst(GBM):   %s" % hurst(gbm))
print ("Hurst(MR):    %s" % hurst(mr))
print ("Hurst(TR):    %s" % hurst(tr))
print ("Hurst(SECURITY):  %s" % hurst(security['Adj Close']))
Hurst(GBM):   0.5039604262314196
Hurst(MR):    -2.3832407841923795e-05
Hurst(TR):    0.962521148986032
Hurst(SECURITY):  nan
__main__:11: RuntimeWarning: divide by zero encountered in log

quantitative-finance

python

finance

回答 2

Stack Overflow用户

回答已采纳

发布于 2020-08-01 22:05:58

我在发送Series时遇到了与ts参数相同的问题。你所要做的就是发送一个列表，而不是一个系列或者：

def hurst(ts):
    """Returns the Hurst Exponent of the time series vector ts"""
    ts = ts if not isinstance(ts, pd.Series) else ts.to_list()
    lags = range(2, 100)
    tau = [sqrt(std(subtract(ts[lag:], ts[:-lag]))) for lag in lags]
    poly = polyfit(log(lags), log(tau), 1)
    return poly[0]*2.0

dropna的值也可能是一个问题，我会在to_list()之前检查NaN ()是否可以。

票数 0

Stack Overflow用户

发布于 2021-05-31 15:25:54

根本原因是Series[<slice>]语法为每个片返回相应的索引，而-操作符处理每个索引相等(而不是实际位置)。

示例：

s = pd.Series(range(5))
s[2:] - s[:-2]
=>
0    NaN
1    NaN
2    0.0
3    NaN
4    NaN
dtype: float64

显然，这不是我们所期望的。了解为什么我们可以使用concat分别创建s[2:], s[:-2]的逐行数据帧。

pd.concat([s[2:], s[:-2]], axis=1)
=>
    0   1
0   NaN 0.0
1   NaN 1.0
2   2.0 2.0
3   3.0 NaN
4   4.0 NaN

给定这一输入，赫斯特函数中的tau =方程的结果是一个(主要)NaN值的列表。

本机使用Series的解决方案是使用Series.shift()而不是数组切片：

def hurst(ts):
  ... 

  # Calculate the array of the variances of the lagged differences
  tau = [sqrt((ts - ts.shift(-lag)).std()) for lag in lags]

  ...