使用python中的矢量化解决方案计算最大下拉

最大支取是量化金融中常用的风险度量，用于评估经历过的最大负回报

最近，我对使用循环方法计算最大压降的时间感到不耐烦

def max\u dd\u循环（返回）：
“”“假定返回是一个系列”“”
到目前为止的最大值=无
开始，结束=无，无
r=returns.add（1）.cumprod（）
对于r_，从r.index开始：
对于r索引中的r_端：
如果r_启动&lt；完:
电流=r.ix[r\u结束]/r.ix[r\u开始]-1
如果（最大到目前为止为无）或（当前&lt；最大到目前为止）：
最大到目前为止=电流
开始，结束=r\u开始，r\u结束
返回到目前为止的最大值，开始，结束

我熟悉一种普遍的看法，即矢量化解决方案会更好

问题是:

• 我可以矢量化这个问题吗
• 这个解决方案看起来像什么
• 它有多大的好处

编辑

我将Alexander的答案修改为以下函数：

def max\u dd（返回值）：
“”“假定返回是一个系列”“”
r=returns.add（1）.cumprod（）
dd=r.div（r.cummax（））.sub（1）
mdd=dd.min（）
end=dd.argmin（）
start=r.loc[：end].argmax（）
返回mdd、开始、结束