Список проголосовавших за комментарий "Riskplayer, Вот эта версия работает медленнее, чем на numba.<br/> <br/> def vectorized(initial_cash, cashes):<br/> balances = np.concatenate([[initial_cash], cashes])<br/> cumulative_max = np.maximum.accumulate(balances)<br/> drawdowns = (cumulative_max — balances) / cumulative_max<br/> return np.max(drawdowns)<br/> <br/> <a class="imgpreview" href="/uploads/2026/images/23/76/51/2026/02/03/9f63ae.png"><img src="/uploads/2026/images/23/76/51/2026/02/03/9048cf.webp"/></a><br/> <br/> Работает в 7 медленнее. Оно и логично. Версия на numba — однопроходная, без выделений памяти на массивы, а это максимально эффективное использование L1 кэша. Векторизованнная версия имеет 4 векторных операции и 4 вспомогательных массива, под которые выделяется память. Даже если некоторые из 4 векторных операций используют simd, то использование лишних массивов и несколько проходов убивают производительность. Ну и сильно сомневаюсь, что функция np.maximum.accumulate имеет simd реализацию, т.к. по своей природе алгоритм последовательный. Сорри за занудство:)<br/> <br/> "