我正在研究一个财务问题，我要实现一个函数，在每只股票的信号回报率的正态分布之间使用Kolmogorov-Smirnov检验(KS-test)。我将对每个股票的信号回报率在正态分布上运行KS测试，对于这个测试，我将使用scipy.stats.kstest来执行KS测试。在建议我迭代groupby函数

我被要求只使用熊猫，纽比和希比。在

我的职能如下：def calculate_kstest(long_short_signal_returns):

"""

Calculate the KS-Test against the signal returns with a long or short signal.

Parameters

----------

long_short_signal_returns : DataFrame

The signal returns which have a signal.

This DataFrame contains two columns, "ticker" and "signal_return"

Returns

-------

ks_values : Pandas Series

KS static for all the tickers

p_values : Pandas Series

P value for all the tickers

"""

#TODO: Implement function

ks_v = []

p_v = []

#print(long_short_signal_returns)

column = []

df = long_short_signal_returns.copy()

print(df)

#df['signal_return'] = (df['signal_return'] - df['signal_return'].mean()) / (df['signal_return'].max() - df['signal_return'].min())

for name, group in df.groupby('ticker'):

sub_group = group['signal_return'].values

ks,p = kstest(sub_group,'norm')

ks_v.append(ks)

p_v.append(p)

column.append(name)

ks_values = pd.Series(ks_v,column)

p_values = pd.Series(p_v, column)

return ks_values, p_values

然而，我的回答与预期的产出不符。在

输入是：

^{pr2}$

我的输出是：OUTPUT ks_values:

DNTM 0.20326939

EHX 0.34826827

VWER 0.60256811

dtype: float64

OUTPUT p_values:

DNTM 0.98593727

EHX 0.48009144

VWER 0.02898631

dtype: float64

预期产出为：EXPECTED OUTPUT FOR ks_values:

DNTM 0.28999582

EHX 0.34484969

VWER 0.63466098

dtype: float64

EXPECTED OUTPUT FOR p_values:

DNTM 0.73186935

EHX 0.49345487

VWER 0.01775987

dtype: float64

我被告知在获得正确的p_值和ks_值之前使用适当的规范化，但我不明白这种正确的规范化意味着什么以及如何解决这个问题。有人能帮忙吗？？在