福州网站关键排名,动漫设计是干什么的,请问聊城网站建设,哪些因素营销网站权重用arrow c版本读取了csv中的基金净值数据#xff0c;然后计算了夏普率#xff0c;比较尴尬的是#xff0c;arrow c版本计算耗费的时间却比python的empyrical版本耗费时间多。。。
arrow新手上路#xff0c;第一次自己去实现功能#xff0c;实现的大概率并不是最高效的方…用arrow c版本读取了csv中的基金净值数据然后计算了夏普率比较尴尬的是arrow c版本计算耗费的时间却比python的empyrical版本耗费时间多。。。
arrow新手上路第一次自己去实现功能实现的大概率并不是最高效的方式但是我也踏出了用arrow c改写backtrader的第一步。 用arrow改写empyrical就当练手了目标是做成两个文件empyrical.h和empyrical.cpp 用arrow和qt改写pyfolio, 实现更美观的界面做成两个文件pyfolio.h 和pyfolio.cpp 改写backtrader
c版本的文件
my_example.cc
#include arrow/api.h
#include arrow/io/api.h
#include arrow/csv/api.h
#include arrow/compute/api.h
#include iostream
#include chrono
//#include ../empyrical/empyrical.harrow::Status RunMain(){auto start_time std::chrono::high_resolution_clock::now();// 首先我们需要设置一个可读文件对象它允许我们将读取器指向磁盘上的正确数据。我们将重复使用这个对象并将其重新绑定到多个文件中。std::shared_ptrarrow::io::ReadableFile infile;// 绑定输入文件到 test_in.csvARROW_ASSIGN_OR_RAISE(infile, arrow::io::ReadableFile::Open(/home/yun/Documents/fund_nav.csv));// (文档部分CSV 表格声明)std::shared_ptrarrow::Table csv_table;// CSV 读取器有多个对象用于不同选项。现在我们将使用默认值。ARROW_ASSIGN_OR_RAISE(auto csv_reader,arrow::csv::TableReader::Make(arrow::io::default_io_context(), infile, arrow::csv::ReadOptions::Defaults(),arrow::csv::ParseOptions::Defaults(), arrow::csv::ConvertOptions::Defaults()));// 读取表格。ARROW_ASSIGN_OR_RAISE(csv_table, csv_reader-Read());// 输出显示Table的元数据信息// std::cout Table Metadata: std::endl;// std::cout Number of columns: csv_table-num_columns() std::endl;// std::cout Number of rows: csv_table-num_rows() std::endl;// std::cout Schema: csv_table-schema()-ToString() std::endl;// 输出显示Table的数据// for (int i 0; i csv_table-num_columns(); i) {// std::shared_ptrarrow::Array column csv_table-column(i);// std::cout Column i : column-ToString() std::endl;// }// 1. 显示table信息到std::cout的方法// std::shared_ptrarrow::RecordBatch record_batch;// arrow::Resultstd::shared_ptrarrow::RecordBatch result csv_table-CombineChunksToBatch(); // 执行某个操作返回Result// if (result.ok()) {// record_batch result.ValueOrDie();// // 在这里使用 record_batch// } else {// // 处理错误// std::cerr Error: result.status().ToString() std::endl;// }// //arrow::PrettyPrint(*record_batch, 2, std::cout);// arrow::Status status arrow::PrettyPrint(*record_batch, 2, std::cout);// if (!status.ok()) {// // 处理错误例如打印错误信息// std::cerr Error: status.ToString() std::endl;// }// 2. 显示table信息到std::cout的方法// std::cout csv_table-ToString() std::endl;// 3. 显示table信息到std::cout的方法// arrow::Status status arrow::PrettyPrint(*csv_table, 2, std::cout);// if (!status.ok()) {// // 处理错误例如打印错误信息// std::cerr Error: status.ToString() std::endl;// }// 开始计算夏普率// std::cout 一年的交易日有 AnnualizationFactors::DAILY 天 std::endl;// std::cout DAILY std::endl;// 计算收益率arrow::Datum fund_returns;arrow::Datum fund_diff;std::shared_ptrarrow::ChunkedArray cum_nav csv_table-GetColumnByName(复权净值);std::shared_ptrarrow::ChunkedArray now_cum_nav cum_nav-Slice(1,cum_nav-length()-1);std::shared_ptrarrow::ChunkedArray pre_cum_nav cum_nav-Slice(0,cum_nav-length()-1);ARROW_ASSIGN_OR_RAISE(fund_diff, arrow::compute::CallFunction(subtract, {now_cum_nav,pre_cum_nav}));ARROW_ASSIGN_OR_RAISE(fund_returns, arrow::compute::CallFunction(divide, {fund_diff,pre_cum_nav}));// // 获取结果数组// std::cout Datum kind: fund_returns.ToString()// content type: fund_returns.type()-ToString() std::endl;// // std::cout fund_returns.scalar_asarrow::DoubleScalar().value std::endl;// std::cout fund_returns.chunked_array()-ToString() std::endl;// 计算夏普率arrow::Datum avg_return;arrow::Datum avg_std;arrow::Datum daily_sharpe_ratio;arrow::Datum sharpe_ratio;arrow::Datum sqrt_year;// 创建 Arrow Double 标量double days_of_year_double 252.0;std::shared_ptrarrow::Scalar days_of_year arrow::MakeScalar(days_of_year_double);ARROW_ASSIGN_OR_RAISE(sqrt_year, arrow::compute::CallFunction(sqrt, {days_of_year}));ARROW_ASSIGN_OR_RAISE(avg_return, arrow::compute::CallFunction(mean, {fund_returns}));arrow::compute::VarianceOptions variance_options;variance_options.ddof 1;ARROW_ASSIGN_OR_RAISE(avg_std, arrow::compute::CallFunction(stddev, {fund_returns},variance_options));ARROW_ASSIGN_OR_RAISE(daily_sharpe_ratio, arrow::compute::CallFunction(divide, {avg_return,avg_std}));ARROW_ASSIGN_OR_RAISE(sharpe_ratio, arrow::compute::CallFunction(multiply, {daily_sharpe_ratio,sqrt_year}));std::cout 计算得到的夏普率为 : sharpe_ratio.scalar_asarrow::DoubleScalar().value std::endl;auto end_time std::chrono::high_resolution_clock::now();auto duration std::chrono::duration_caststd::chrono::microseconds(end_time - start_time);std::cout c读取数据,然后计算夏普率一共耗费时间为: duration.count()/1000.0 ms std::endl;return arrow::Status::OK();}// (文档部分: 主函数)
int main() {arrow::Status st RunMain();if (!st.ok()) {std::cerr st std::endl;return 1;}return 0;
}CMakeLists.txt
cmake_minimum_required(VERSION 3.16)project(MyExample)find_package(Arrow REQUIRED)
find_package(Parquet REQUIRED)
find_package(ArrowDataset REQUIRED)add_executable(my_example my_example.cc)
target_link_libraries(my_example PRIVATE Arrow::arrow_shared Parquet::parquet_shared ArrowDataset::arrow_dataset_shared)在同一个文件夹下运行
cmake -B build
cmake --build build
./build/my_examplepython 运行代码如下
import pandas as pd
import empyrical as ep
import time
a time.perf_counter()
data pd.read_csv(/home/yun/Documents/fund_nav.csv)
returns data[复权净值].pct_change().dropna()
sharpe_ratio ep.sharpe_ratio(returns)
print(计算得到的sharpe_ratio : , sharpe_ratio)
b time.perf_counter()
print(fpython读取数据,然后计算夏普率一共耗费时间为: {(b-a)*1000.0} ms)
