python计算滚动方差（标准差）talib和pd.rolling函数差异

最新推荐文章于 2026-06-17 12:16:00 发布

原创最新推荐文章于 2026-06-17 12:16:00 发布 · 1.4w 阅读

17 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#python #滚动方差 #滚动标准差 #pd.rolling #talib

python学习专栏收录该内容

23 篇文章

订阅专栏

本文探讨了在Python中使用talib和pd.rolling函数计算滚动方差和标准差的区别。主要差异在于分母选择（N vs N-1）以及talib基于numpy，而pd.rolling基于Series或DataFrame。通过实例展示了两者计算结果的差异，并验证了std计算的推测。

# -*- coding: utf-8 -*-
"""
Created on Thu Apr 12 11:23:46 2018

@author: henbile
"""

#计算滚动波动率可以使用专门做技术分析的talib包里面的函数，也可以使用pandas包里面的滚动函数。
#但是两个函数对于分母的选择，就是使用N还是N-1作为分母这件事情上是有分歧的。
#另一个差异在于：talib包计算基于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)

#我以为nbdev是涉及分母的数量，发现其实不是。nbdev = -1也没有改变。

c = pd.Series(closeFull[:,0]).rolling(window = 12, center = False).var()
#tb基于np数据，pd基于pd包的两个类型的数据。

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，现在运行d会报错，所以改正成c的形式。

closeFull[0:12,0].var(ddof =1)
#Out[28]: 0.30576590909090895

#ddof参数的意义：分母是N-ddof

closeFull[0:12,0].var(ddof =0)
#Out[29]: 0.28028541666666656

#因为window是12，所以选第11个print
print(a[11],b[11],c[11],d[11])
#0.28028541666667195 0.28028541666667195 0.3057659090909086 0.3057659090909086


#计算都是var的计算，大胆的推测std的计算也是适用的。
#talib包的std运算的公式是tb.STDDEV
#pd.rolling就是var换成std
#谨慎起见，还是计算一下，看一看。
#最后发现大胆的推测是正确的。

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