苏州网站建设老板网易企业邮箱免费入口

目录

离散系数 也叫变异系数

变异系数的意义：

波动率 需要pandas

最后两条数据，波动率减少，但是离散系统增大。

---

离散系数 也叫变异系数

变异系数的意义：

• 小的 CV 值：数据比较集中，变异性小，表示数据大多数值接近均值。

• 大的 CV 值：数据波动性大，表示数据离均值的偏差较大，变异性高。

import numpy as np# 第一组数据
time_series_data_1 = np.array([1, 2, 3, 4, 5, 5, 7])
mean_1 = np.mean(time_series_data_1)
std_dev_1 = np.std(time_series_data_1)# 第二组数据
time_series_data_2 = np.array([0.1, 0.2, 0.3, 0.4, 0.5, 0.6,0.7])
mean_2 = np.mean(time_series_data_2)
std_dev_2 = np.std(time_series_data_2)# 计算变异系数 (CV)
cv_1 = std_dev_1 / mean_1
cv_2 = std_dev_2 / mean_2print(f"第一组数据的变异系数 (CV): {cv_1}")
print(f"第二组数据的变异系数 (CV): {cv_2}")

波动率 需要pandas

import numpy as np
import pandas as pd# 示例数据：假设这是一个股票的价格时间序列
prices = [1, 2, 3, 4, 5, 6, 7]
prices = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6,0.7]# 将价格转换为 Pandas Series
prices_series = pd.Series(prices)# 计算对数收益率
returns = np.log(prices_series / prices_series.shift(1))# 计算日波动率：收益率的标准差
volatility = returns.std()# 输出结果
print(f"波动率: {volatility}")

最后两条数据，波动率减少，但是离散系统增大。

import numpy as np
import pandas as pddef bodonglv(prices):prices_series = pd.Series(prices)returns = np.log(prices_series / prices_series.shift(1))volatility = returns.std()return volatilitydef bianyi(prices):mean_2 = np.mean(prices)std_dev_2 = np.std(prices)cv_2 = std_dev_2 / mean_2return cv_2prices = [0.1,0.2, 0.3, 0.1, 0.4, 0.1, 0.3,0.1]volatility = bodonglv(prices)
print(f"波动率: {volatility}")cv_v=bianyi(prices)
# print(f"bianyi:{cv_2},std:{std_dev_2}")
print(f"bianyi:{cv_v}")prices = [0.1,0.2, 0.3, 0.2, 0.1, 0.2, 0.3,0.1]volatility = bodonglv(prices)
print(f"波动率: {volatility}")cv_v=bianyi(prices)
# print(f"bianyi:{cv_2},std:{std_dev_2}")
print(f"bianyi:{cv_v}")prices = [0.1,0.2, 0.3, 0.2, 0.1, 0.2, 0.3,0.4]volatility = bodonglv(prices)
print(f"波动率: {volatility}")cv_v=bianyi(prices)
# print(f"bianyi:{cv_2},std:{std_dev_2}")
print(f"bianyi:{cv_v}")

波动率: 1.1625636872586609
bianyi:0.5590169943749473
波动率: 0.7235921807490139
bianyi:0.41633319989322654
波动率: 0.5389467040537531
bianyi:0.43033148291193524