Python pandas，股票投资组合价值时间序列
Posted
技术标签:
【中文标题】Python pandas，股票投资组合价值时间序列【英文标题】：Python pandas, stock portfolio value timeseries 【发布时间】：2020-11-28 21:28:17 【问题描述】：我正在尝试构建一个包含我的投资组合市场价值的时间序列。整个网站建立在 django 框架上。所以数据集是动态的。
我有一个名为 dataset 的数据集，该数据集包含股票收盘价：
YAR.OL NHY.OL
date
2000-01-03 NaN 18.550200
2000-01-04 NaN 18.254101
2000-01-05 NaN 17.877100
2000-01-06 NaN 18.523300
2000-01-07 NaN 18.819500
... ... ...
2020-07-27 381.799988 26.350000
2020-07-28 382.399994 26.490000
2020-07-29 377.899994 26.389999
2020-07-30 372.000000 25.049999
2020-07-31 380.700012 25.420000
我有一个名为 positions 的数据框，其中包含用户投资组合中的职位：
Date Direction Ticker Price ... FX-rate Comission Short Cost-price
0 2020-07-27 Buy YAR.OL 381.0 ... 1.0 0.0 False 381.0
1 2020-07-31 Sell YAR.OL 380.0 ... 1.0 0.0 False -380.0
2 2020-07-28 Buy NHY.OL 26.5 ... 1.0 0.0 False 26.5
职位数据集的代码：
data = zip(date_list, direction_list ,ticker_list,price_list,new_volume_list,exchange_list,commision_list,short_list, cost_price_list)
df = pd.DataFrame(data,columns=['Date','Direction','Ticker','Price','Volume','FX-rate','Comission','Short','Cost-price'])
此外，我已设法将位置数据集拆分为每个股票代码的一个数据集：
dataset = self.dataset_creator(n_ticker_list)
dataset.index = pd.to_datetime(dataset.index)
positions = self.get_all_positions(selected_portfolio)
for ticker in n_ticker_list:
s = positions.loc[positions['Ticker']==ticker]
s = s.sort_values(by='Date')
print(s)
这给了我：
Date Direction Ticker Price ... FX-rate Comission Short Cost-price
0 2020-07-27 Buy YAR.OL 381.0 ... 1.0 0.0 False 381.0
1 2020-07-31 Sell YAR.OL 380.0 ... 1.0 0.0 False -380.0
[2 rows x 9 columns]
Date Direction Ticker Price ... FX-rate Comission Short Cost-price
2 2020-07-28 Buy NHY.OL 26.5 ... 1.0 0.0 False 26.5
我做了这个是excel，最终目标是创建黄色数据框：
请注意，这是动态的，我使用了两只股票和更短的时间框架以使其更容易创建，但也可以轻松创建 10 只股票
【问题讨论】：
【参考方案1】：概述/总结
为每个“概念”保留一个数据框——收盘价、头寸等。 然后乘以数据帧（值 = 仓位 x 价格）。 分成多个数据框进行报告。from io import StringIO
import pandas as pd
# create data frame with closing prices
data = '''date YAR.OL NHY.OL
2020-07-27 381.799988 26.350000
2020-07-28 382.399994 26.490000
2020-07-29 377.899994 26.389999
2020-07-30 372.000000 25.049999
2020-07-31 380.700012 25.420000
'''
closing_prices = (pd.read_csv(StringIO(data),
sep='\s+', engine='python',
parse_dates=['date']
)
.set_index('date')
.sort_index()
.sort_index(axis=1)
)
print(closing_prices.round(2))
NHY.OL YAR.OL
date
2020-07-27 26.35 381.8
2020-07-28 26.49 382.4
2020-07-29 26.39 377.9
2020-07-30 25.05 372.0
2020-07-31 25.42 380.7
现在创建职位（通过从 Excel 屏幕截图中输入）。我假设每个条目都是当天的买入或卖出。累积和给出当时的位置。
positions = [
('YAR.OL', '2020-07-27', 1),
('YAR.OL', '2020-07-31', -1),
('NHY.OL', '2020-07-28', 1),
]
# changed cost_price to volume
positions = pd.DataFrame(positions, columns=['tickers', 'date', 'volume'])
positions['date'] = pd.to_datetime(positions['date'])
positions = (positions.pivot(index='date', columns='tickers', values='volume')
.sort_index()
.sort_index(axis=1)
)
positions = positions.reindex( closing_prices.index ).fillna(0).cumsum()
print(positions)
tickers NHY.OL YAR.OL
date
2020-07-27 0.0 1.0 # <-- these are transaction volumes
2020-07-28 1.0 1.0
2020-07-29 1.0 1.0
2020-07-30 1.0 1.0
2020-07-31 1.0 0.0
现在，投资组合价值是头寸乘以收盘价。每只股票有一栏。我们可以用 'sum(axis=1)' 计算每天的总和
port_value = positions * closing_prices
port_value['total'] = port_value.sum(axis=1)
print(port_value.round(2))
tickers NHY.OL YAR.OL total
date
2020-07-27 0.00 381.8 381.80
2020-07-28 26.49 382.4 408.89
2020-07-29 26.39 377.9 404.29
2020-07-30 25.05 372.0 397.05
2020-07-31 25.42 0.0 25.42
更新 - 进一步工作的建议
-
在仓位数据框中包含交易价格。
还在仓位数据框中包含交易时间戳。
日终投资组合价值将使用日终价格。损益还包括购买/销售价格。你想要哪个？
数据帧索引（和 MultiIndex）以及广播是此应用程序的相关概念。
【讨论】：
太棒了，解决这个问题的方法。一个问题/问题，需要使用仓位数据集中的价格和数量。因此，当他购买 YAR.OL 股票时，他实际支付了 381，而当他购买 NHY.OL 时，他支付了 26.5。怎样才能把它变成代码？ 我在帖子中添加了一个更新部分，并在 'positions' 数据框中将 'cost_price' 更改为 'volume'。 我正在尝试解决成本价格部分，但很难。这将如何运作？你能帮我解决这个问题吗？以上是关于Python pandas，股票投资组合价值时间序列的主要内容，如果未能解决你的问题，请参考以下文章
Python金融学基础——夏普比率(Sharpe-ratio)和资产组合价值(portfolio-value)