Python：计算需要从数据框中分组的值的 5 年滚动 CAGR

Posted 2023-03-11

【中文标题】Python：计算需要从数据框中分组的值的 5 年滚动 CAGR

【英文标题】：Python: Calculate 5-year rolling CAGR of values that need to be grouped from a dataframe

【发布时间】：2020-01-28 01:48:02

【问题描述】：

我有一个包含历史市值的数据框，我需要计算它们的 5 年复合年增长率 (CAGR)。然而，数据框有数百家公司，每家公司都有 20 年的价值，所以我需要能够隔离每家公司的数据来计算它们的复合年增长率。我该怎么做呢？

计算 CAGR 的函数是：(end/start)^(1/# years)-1。我从来没有用过.groupby()或.apply()，所以我不知道如何实现滚动值的CAGR方程。

这是部分数据框的屏幕截图，因此您可以直观地看到我正在尝试使用的内容： Screeshot of dataframe.

任何指导将不胜感激！

【问题讨论】：

我假设每家公司每年有 1 个价值？将日期减少到只有年份是否安全？

【参考方案1】：

设置一个玩具示例：

import numpy as np
import pandas as pd

idx_level_0 = np.repeat(["company1", "company2", "company3"], 5)
idx_level_1 = np.tile([2015, 2016, 2017, 2018, 2019], 3)
values = np.random.randint(low=1, high=100, size=15)

df = pd.DataFrame("values": values, index=[idx_level_0, idx_level_1])
df.index.names = ["company", "year"]
print(df)

               values
company  year        
company1 2015      19
         2016      61
         2017      87
         2018      55
         2019      46
company2 2015       1
         2016      68
         2017      50
         2018      93
         2019      84
company3 2015      11
         2016      84
         2017      54
         2018      21
         2019      55

我建议使用groupby 按个别公司分组。然后，您可以通过 lambda 函数应用您的计算。结果基本上是一条线。

# actual computation for a two-year period
cagr_period = 2
df["cagr"] = df.groupby("company").apply(lambda x, period: ((x.pct_change(period) + 1) ** (1/period)) - 1, cagr_period)
print(df)


               values      cagr
company  year                  
company1 2015      19       NaN
         2016      61       NaN
         2017      87  1.139848
         2018      55 -0.050453
         2019      46 -0.272858
company2 2015       1       NaN
         2016      68       NaN
         2017      50  6.071068
         2018      93  0.169464
         2019      84  0.296148
company3 2015      11       NaN
         2016      84       NaN
         2017      54  1.215647
         2018      21 -0.500000
         2019      55  0.009217

【参考方案2】：

假设每家公司每年有 1 个价值。您可以将日期减少到年份。这要简单得多。无需 groupby 或 apply。

假设您的数据框名称为 df。首先，将日期减少到年份：

df['year'] = df['Date'].dt.year

第二，加年+5

df['year+5'] = df['year'] + 5

第三，将'df'与自身合并：

df_new = pandas.merge(df, df, how='inner', left_on=['Instrument', 'year'], right_on=['Instrument','year+5'], suffixes=['_start', '_end'])

最后，计算滚动CAGR

df_new['CAGR'] = (df_new['Company Market Cap_end']/df_new['Company Market Cap_start'])**(0.2)-1