如何在Pandas DataFrame中用滚动窗口计算每日VaR与CVaR

你已经完成了数据获取、组合构建以及全局VaR/CVaR的计算，要实现窗口大小为7的滚动窗口每日VaR/CVaR计算，可以利用Pandas的rolling方法结合你已有的VaR/CVaR函数来实现，以下是完整解决方案：

完整代码实现 #

import pandas as pd
import numpy as np
import datetime as dt
from pandas_datareader import data as pdr

# 获取数据函数
def getData(stocks, start, end):
    stockData = pdr.get_data_yahoo(stocks, start=start, end=end)
    stockData = stockData['Close']
    returns_pctchange = stockData.pct_change()
    return returns_pctchange

# VaR计算函数
def historicalVaR(returns, alpha=5):
    """
    输入收益率的Series/DataFrame，输出指定置信水平的历史VaR
    """
    if isinstance(returns, pd.Series):
        return np.percentile(returns, alpha)
    elif isinstance(returns, pd.DataFrame):
        return returns.aggregate(historicalVaR, alpha=alpha)
    else:
        raise TypeError("Expected returns to be dataframe or series")

# CVaR计算函数
def historicalCVaR(returns, alpha=5):
    """
    输入收益率的Series/DataFrame，输出指定置信水平的历史CVaR
    """
    if isinstance(returns, pd.Series):
        var_val = historicalVaR(returns, alpha=alpha)
        belowVaR = returns <= var_val
        return returns[belowVaR].mean()
    elif isinstance(returns, pd.DataFrame):
        return returns.aggregate(historicalCVaR, alpha=alpha)
    else:
        raise TypeError("Expected returns to be dataframe or series")

# 数据获取与处理
stockList = ['IOC', 'RELIANCE', 'BPCL', 'HINDPETRO', 'EXIDEIND']
stocks = [stock+'.NS' for stock in stockList]
endDate = dt.datetime.now()
startDate = endDate - dt.timedelta(days=800)
returns = getData(stocks, start=startDate, end=endDate)
returns = returns.dropna()

# 构建等权重投资组合
weights = np.array([1/len(stocks) for _ in stocks])
returns['portfolio'] = returns.dot(weights)

# -------------------------- 滚动窗口计算核心代码 --------------------------
window_size = 7  # 滚动窗口大小
alpha_level = 5  # 置信水平（5%分位数）

# 计算每日滚动VaR：每个窗口取前7天数据计算当日VaR
rolling_var = returns.rolling(window=window_size).apply(
    lambda window_returns: historicalVaR(window_returns, alpha=alpha_level)
)

# 计算每日滚动CVaR：逻辑同滚动VaR
rolling_cvar = returns.rolling(window=window_size).apply(
    lambda window_returns: historicalCVaR(window_returns, alpha=alpha_level)
)

# 查看结果示例（可选）
print("滚动VaR结果（前10行）：")
print(rolling_var.head(10))
print("\n滚动CVaR结果（前10行）：")
print(rolling_cvar.head(10))

关键说明 #

1. 滚动窗口实现：使用returns.rolling(window=7)创建滚动窗口对象，每个窗口包含当前日期及之前的6个交易日数据（共7天）；
2. 函数适配：通过apply方法将你已实现的historicalVaR和historicalCVaR函数应用到每个窗口的收益率数据上，lambda函数用于传递置信水平参数；
3. 结果特点：前6条数据会显示为NaN，因为需要至少7天的数据才能计算第一个窗口的VaR/CVaR，这是正常现象；
4. 结果解读：rolling_var和rolling_cvar的每一行对应当日基于过去7天数据计算出的VaR/CVaR值，包含单只股票和投资组合的结果。

内容的提问来源于stack exchange，提问作者Baby Groot