# Pandas和Numpy的一些金融相关的操作
## 给定一个净值序列，求出最大回撤
```python
# arr是一个净值的np.ndarray
i = np.argmax(
(np.maximum.acumulate(arr) - arr) / np.maximum.acculate(arr))
if i == 0:
max_draw_dowm = 0
else:
j = np.maximum(arr[:i]) # 开始位置
max_draw_down = (arr[j] - arr[i]) / arr[j]
# i为回撤结束位置 j为回撤开始位置
# 可以用动态规划解决最小子列和的思路求出最大回撤 时间复杂度为O(n)
```
## 已知净值求日收益率
```python
# net_value是一个净值的pd.Series 按照时间排序 较早的时间在前面
daily_return = net_value.pct_change()
```
## 已知日收益率求净值
```python
# daily_return是一个日收益率的pd.Series 按照时间排序 较早的时间在前面
_net_value = (daily_return + 1).cumprod() # 这时候第一个值还不是1
net_value = _net_value / _net_value.iloc[0]
```
## 已知净值求累计收益率
```python
# net_value是一个净值的pd.Series 按照时间排序 较早的时间在前面
cum_return = net_value / net_value.iloc[0] - 1
```
