Python: Тип данных для финансовых вычислений или как избежать ошибок

import yapo as yp # https://github.com/okama-io/yapo
import numpy as np

snp_asset = yp.portfolio_asset(name='us/SPY', 
                               start_period='2015-1', end_period='2016-3', currency='usd')
snp_values = snp_asset.close().values
snp_values

infl_usd = yp.inflation(currency='usd', kind='values', start_period='2015-1', end_period='2016-3')
infl_usd_values = infl_usd.values
infl_usd_values

snp_values # значение индекса S&P 500

infl_usd_values # значение инфляции

(snp_values + 1.) / (infl_usd_values + 1.) - 1.

snp_ror = np.diff(snp_values) / snp_values[:-1]
np.testing.assert_equal(snp_asset.get_return().values, snp_ror)
snp_ror

snp_ror_real_1 = (snp_ror + 1.) / (infl_usd_values[1:] + 1.) - 1.
snp_ror_real_1

snp_ror_real_2 = (snp_ror + 1.) / (infl_usd_values[:-1] + 1.) - 1.
snp_ror_real_2

# check 
np.testing.assert_equal(
    snp_asset.get_return(real=True).values,
    snp_ror_real_1
)

years_ago = 1
snp_cagr = (snp_ror[-years_ago * 12:] + 1.).prod() ** (1 / years_ago) - 1.

# check:
assert snp_asset.cagr(years_ago=1).value == snp_cagr

snp_cagr

infl_usd_values[-years_ago*12:]

# check
assert snp_ror[-years_ago * 12:].shape == infl_usd_values[-years_ago * 12:].shape

infl_usd_accumulated = (infl_usd_values[-years_ago * 12 + 1:] + 1.).prod() - 1.
snp_cagr_real = (snp_cagr + 1.) / (infl_usd_accumulated + 1.) - 1.
snp_cagr_real

years_ago = 1
snp_cagr = (snp_ror[-years_ago * 12:] + 1.).prod() ** (1 / years_ago) - 1.

# check:
assert snp_asset.cagr(years_ago=1).value == snp_cagr

infl_usd_accumulated = (infl_usd_values[-years_ago * 12:] + 1.).prod() - 1.
snp_cagr_real = (snp_cagr + 1.) / (infl_usd_accumulated + 1.) - 1.

# check:
assert snp_asset.cagr(years_ago=1, real=True).value == snp_cagr_real

snp_cagr_real

import pandas as pd

class TimeSeries:
    def __init__(self, values, start_period: pd.Period, end_period: pd.Period, diff_level):
        if not isinstance(values, np.ndarray):
            raise ValueError('values should be numpy array')
        if len(values) != (end_period - start_period).n + 1:
            raise ValueError('values and period range has different lengths')
        self.values = values
        self.start_period = start_period
        self.end_period = end_period
        self.diff_level = diff_level
    
    def __validate(self, time_series):
        if self.start_period != time_series.start_period:
            raise ValueError('start periods are incompatible')
        if self.end_period != time_series.end_period:
            raise ValueError('end periods are incompatible')
        if self.diff_level != time_series.diff_level:
            raise ValueError('diff levels are incompatible')
    
    def apply(self, fun, *args):
        '''
        Обобщённый метод для применения произвольной функции `fun` с аргументами `args` 
        к текущему экземпляру `TimeSeries`
        '''
        
        # Сейчас TimeSeries поддерживает функции с 0 и 1 аргументом
        
        # Пример функции без аргументов: np.array([2, 4]).cumprod() ~> np.array([2, 8])
        if len(args) == 0:
            ts = TimeSeries(values=fun(self.values),
                            start_period=self.start_period, end_period=self.end_period,
                            diff_level=self.diff_level)
            return ts
        
        # Сейчас TimeSeries в качестве второго аргумента поддерживает только TimeSeries или скаляр
        else:
            other = args[0]
            if isinstance(other, TimeSeries):
                self.__validate(other) # проверим, что TimeSeries совместимы
                # для совместимых просто посчитаем функцию от значений
                # мета-информация никак не меняется
                ts = TimeSeries(values=fun(self.values, other.values), 
                                start_period=self.start_period, end_period=self.end_period,
                                diff_level=self.diff_level)
                return ts
            
            # скаляры применяются к значениям безусловно, при этом мета-информация никак не меняется
            elif isinstance(other, (int, float)):
                ts = TimeSeries(fun(self.values, other),
                                start_period=self.start_period, end_period=self.end_period,
                                diff_level=self.diff_level)
                return ts
            else:
                raise ValueError('argument has incompatible type')
    
    # Все необходимые операции выражаются через apply
    def __add__(self, other):
        return self.apply(lambda x, y: x + y, other)
    
    def __sub__(self, other):
        return self.apply(lambda x, y: x - y, other)
    
    def __truediv__(self, other):
        return self.apply(lambda x, y: x / y, other)
    
    def cumprod(self):
        return self.apply(lambda x: x.cumprod())
    
    def __repr__(self):
        return 'TimeSeries(start_period={}, end_period={}, diff_level={}, values={}'.format(
            self.start_period, self.end_period, self.diff_level, self.values
        )

x = TimeSeries(values=np.array([4, 2]), 
               start_period=pd.Period('2015-1', freq='M'), 
               end_period=pd.Period('2015-2', freq='M'), 
               diff_level=1)
y = TimeSeries(values=np.array([1, 2]), 
               start_period=pd.Period('2015-2', freq='M'), 
               end_period=pd.Period('2015-3', freq='M'), 
               diff_level=1)
try:
    print(x / y)
except ValueError as ve:
    print(ve)
    print('Деление `x / y` приводит к ошибке во время исполнения программы, т.к. начальные периоды несовместимы')

snp_ror_ts = TimeSeries(
    # Для простоты, выше не были введены операции `diff` и адресации массива, что позволило сделать так:
    # snp_ts = TimeSeries(...)
    # snp_ror_ts = snp_ts.diff() / snp_ts[:-1]
    # Это можно проделать в качестве упражнения
    values=np.diff(snp_values) / snp_values[:-1], 
    start_period=pd.Period('2015-2', freq='M'),
    end_period=pd.Period('2016-3', freq='M'),
    diff_level=1,
)

infl_usd_ts = TimeSeries(
    values=infl_usd_values[1:],
    start_period=pd.Period('2015-2', freq='M'),
    end_period=pd.Period('2016-3', freq='M'),
    diff_level=1,
)

snp_ror_real_ts = (snp_ror_ts + 1.) / (infl_usd_ts + 1.) - 1.
snp_ror_real_ts

# check:
np.testing.assert_equal(
    snp_asset.get_return(real=True).values,
    snp_ror_real_ts.values
)

snp_asset.close()

snp_asset.get_return()

snp_asset.get_return(real='True')

snp_asset.get_return(kind='cumulative')

snp_asset.cagr()

yp.inflation(currency='usd', kind='values', start_period='2015-1', end_period='2016-3')