Refactor/rolling beta

setup.py

@@ -5,7 +5,7 @@
 
 setup(
     name="turingquant",
-    version="0.1.2",
+    version="0.1.3",
     packages=find_packages(),
     install_requires=["pandas", "pandas_datareader", "numpy", "matplotlib", "alpha_vantage", "bs4", "plotly"],
 

turingquant/metrics.py

@@ -63,19 +63,11 @@ def rolling_beta(returns, benchmark, window, plot=True):
             A série não possui os `window` primeiros dias.
 
     """
-    returns = pd.DataFrame(returns)
-    benchmark = pd.DataFrame(benchmark)
-    merged = returns.merge(benchmark, left_index=True, right_index=True)
-    # one-liner meio ilegível mas: pega um array de NaN de numpy e junta com uma lista
-    # que itera entre (window, len) e calcula o beta pros últimos `window` dias
-    merged['rolling_beta'] = np.append(np.full(window, np.nan),
-                                       [beta(merged.iloc[i - window:i, 0], merged.iloc[i - window:i, 1])
-                                        for i in range(window, len(merged))]
-                                       )
-    merged = merged[window:]
+    rolling_beta = pd.Series([beta(returns[i-window:i], benchmark[i-window:i])
+                             for i in range(window, len(returns))], index=returns[window:].index)
     if plot:
-        fig = px.line(merged['rolling_beta'], title="Beta móvel")
-        overall_beta = beta(merged.iloc[:, 0], merged.iloc[:, 1])
+        fig = px.line(rolling_beta, title="Beta móvel")
+        overall_beta = beta(returns, benchmark)
         fig.update_layout(shapes=[
             dict(
                 type='line',
@@ -99,7 +91,53 @@ def rolling_beta(returns, benchmark, window, plot=True):
         fig.update_xaxes(title_text='Tempo')
         fig.update_yaxes(title_text='Beta móvel: ' + str(window) + ' períodos')
         fig.show()
-    return merged['rolling_beta']
+    return rolling_beta
+
+
+def rolling_sharpe(returns, window, risk_free=0, plot=True):
+    """
+    Plota o beta móvel para um ativo e um benchmark de referência, na forma de séries de retornos.
+
+    Parâmetros:
+        returns (array): série de retornos para o qual o Sharpe Ratio será calculado.
+        window (int): janela móvel para calcular o Sharpe ao longo do tempo.
+        risk_free (float): valor da taxa livre de risco para cálculo do Sharpe.
+        plot (bool): se `True`, plota um gráfico de linha com o Sharpe ao longo do tempo.
+
+    Retorna:
+        rolling_beta (pd.Series): uma série com os valores do Beta para os últimos `window` dias.
+            A série não possui os `window` primeiros dias.
+
+    """
+    rolling_sharpe = pd.Series([sharpe_ratio(returns[i - window:i], risk_free)
+                                for i in range(window, len(returns))], returns[window:].index)
+    if plot:
+        fig = px.line(rolling_sharpe, title="Sharpe móvel")
+        overall_sharpe = sharpe_ratio(returns, risk_free)
+        fig.update_layout(shapes=[
+            dict(
+                type='line',
+                xref='paper', x0=0, x1=1,
+                yref='y', y0=overall_sharpe, y1=overall_sharpe,
+                line=dict(
+                    color='grey',
+                    width=2,
+                    dash='dash'
+                )
+            )
+        ], annotations=[
+            dict(
+                text='sharpe total: %.3f' % overall_sharpe,
+                xref='paper', x=0.05,
+                yref='y', y=overall_sharpe,
+                xanchor='left'
+            )
+        ])
+        fig.update_layout(showlegend=False)
+        fig.update_xaxes(title_text='Tempo')
+        fig.update_yaxes(title_text='Sharpe móvel: ' + str(window) + ' períodos')
+        fig.show()
+    return rolling_sharpe
 
 
 def rolling_sharpe(returns, window, risk_free=0, plot=True):