【忘備録】Minimum Covariance Determinantを使用したマーケットの異常探知
7832 ワード
Minimum Covariance Determinant or MLEで求めた共分散行列による異常探知比較
飛んだ値に思いっ切り引きずられるのを避けるためにも、マーケットデータと相性良いメソッドかと
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
from sklearn.covariance import EmpiricalCovariance, MinCovDet
from sklearn.covariance import EmpiricalCovariance
warnings.filterwarnings('ignore')
plt.style.use('seaborn-darkgrid')
plt.rcParams['axes.xmargin'] = 0.01
plt.rcParams['axes.ymargin'] = 0.01
ReadDFに週次の各種マーケットリターン(為替、株、債券etc)
# ルックバック過去50週間リターンを用いて算出
ts_out = pd.DataFrame()
for date in ReadDF.dropna(axis=0)[50:].index:
x = ReadDF[:date][-50:]
x = (x/x.std()).dropna(axis=0)
mcd.fit(x[:-1])
anomaly_score_mcd = mcd.mahalanobis(x[-1:])
mle.fit(x[:-1])
anomaly_score_mle = mle.mahalanobis(x[-1:])
out = pd.DataFrame([anomaly_score_mcd, anomaly_score_mle]).T
out.columns = ['mcd', 'mle']
out.index = [date]
ts_out = pd.concat([ts_out, out], axis=0)
fig = plt.figure(figsize=(15, 10), dpi=80)
out = pd.DataFrame(ts_out/ts_out.std()) # 規格化
sns.set_palette("hls", len(out.columns))
ax1 = fig.add_subplot(1, 1, 1)
ax1.plot(out, alpha=0.6)
plt.legend(out.columns)
plt.show()
Author And Source
この問題について(【忘備録】Minimum Covariance Determinantを使用したマーケットの異常探知), 我々は、より多くの情報をここで見つけました https://qiita.com/pear_0/items/9c9a7a8da38b4b2f4d07著者帰属:元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .