标签：
1 from pandas import DataFrame 2 df = DataFrame(dictList) 3 df = df.sort_values(by=‘internalReturn‘, ascending=False)
现在正在写一个122个品种的实时风险分析的程序，能够提取最佳的交易品种以及他们的持仓周期等信息。由于指标比较多，所以决定用DataFrame结构。
我使用以下代码生成新的df结构时
1 df = df.sort_values(by=‘internalReturn‘, ascending=False, inplace=True)
结果为空。
替代方法：
df2=df.nlargest(10, columns=‘internalReturn‘)
也可以使用
df2=df.head(10)
相应的，也有：
1 df2=df.tail(10) 2 df2=df.nsmallest(10,columns=internalReturn)
由于在实际操作中并不会频繁变换主要交易品种，所以短期的排名变化不会影响交易品种。
spreads实际上就是沉没成本。波动点差比较低的品种只有两种情况：几乎没有波动或者点差过大。
举两个例子：
泰铢的15分钟是20点，在forex中不算低波动，但是泰铢的点差是11点，换句话说即使方向一致，15分钟收益率依然有50%以上的概率为负。
铂金的15分钟收益率超过100%，是metal中排名第一，但是点差占16.5%
从长期看，波动点差比是一个稳定的数值。一些突发事件可能显著改变波动点差比，如今年土耳其政变的土耳其里拉，英国退欧的英镑，但是拉长时间周期后，就可以得到一个稳定的数值。
监控波动点差比的意义在于 筛选短线交易品种，调整品种池。
标签：
原文地址：http://www.cnblogs.com/kaezah/p/5913489.html
