# -*- coding: utf-8 -*-
"""
Created on Thu Apr 12 11:23:46 2018
@author: henbile
"""
 
#計(jì)算滾動波動率可以使用專門做技術(shù)分析的talib包里面的函數(shù)，也可以使用pandas包里面的滾動函數(shù)。
#但是兩個函數(shù)對于分母的選擇，就是使用N還是N-1作為分母這件事情上是有分歧的。
#另一個差異在于：talib包計(jì)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)
 
#我以為nbdev是涉及分母的數(shù)量，發(fā)現(xiàn)其實(shí)不是。nbdev = -1也沒有改變。
 
c = pd.Series(closeFull[:,0]).rolling(window = 12, center = False).var()
#tb基于np數(shù)據(jù)，pd基于pd包的兩個類型的數(shù)據(jù)。
 
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,center=False).var()
 
#以前的公式是d，現(xiàn)在運(yùn)行d會報錯，所以改正成c的形式。
 
closeFull[0:12,0].var(ddof =1)
#Out[28]: 0.30576590909090895
 
#ddof參數(shù)的意義：分母是N-ddof
 
closeFull[0:12,0].var(ddof =0)
#Out[29]: 0.28028541666666656
 
#因?yàn)閣indow是12，所以選第11個print
print(a[11],b[11],c[11],d[11])
#0.28028541666667195 0.28028541666667195 0.3057659090909086 0.3057659090909086
 
#計(jì)算都是var的計(jì)算，大膽的推測std的計(jì)算也是適用的。
#talib包的std運(yùn)算的公式是tb.STDDEV
#pd.rolling就是var換成std
#謹(jǐn)慎起見，還是計(jì)算一下，看一看。
#最后發(fā)現(xiàn)大膽的推測是正確的。
 
e = tb.STDDEV(closeFull[:,0], timeperiod = fastPeriod, nbdev = 1)
f = pd.Series(closeFull[:,0]).rolling(window = fastPeriod, center = False).std()
 
closeFull[0:12,0].std(ddof =1)
#Out[45]: 0.5529610375884624
 
closeFull[0:12,0].std(ddof =0)
#Out[46]: 0.5294198869202653
 
print(e[11], f[11])
#0.5294198869202704 0.5529610375884622