Question

这就是我的data.frame的样子。最右边的列（性能）是我想要的列。

library(data.table)
    dt <- fread('
    Name      FundName     SharePrice   TotalShares   PurchaseDate   Performance
    John       A               10           500          2016-01-01       0%   
    John       A               20           1000         2016-02-01       20%     
    John       A               10           1500         2016-03-01      -25%%          
    John       B               30           500          2016-04-01      -18.18%       
    John       B               60           1000         2016-05-01       4.16%       
    Tom        A               10           500          2016-01-01       0%   
    Tom        A               20           1000         2016-02-01       20%     
    Tom        A               10           1500         2016-03-01      -25%%          
    Tom        B               30           500          2016-04-01      -18.18%       
    Tom        B               60           1000         2016-05-01       4.16%                    
      ')

第一排，约翰以10美元的价格购买了500股。所以他花了5000美元，那天他可以以5000美元的价格出售他的位置。所以第一行的性能是0％。
对于第二排，约翰总共花费了（10 * 500）+（20 * 1000）= 25000，他可以卖出（20 * 1500股票）或30000美元的头寸。所以他的累积表现是（30000-25000）/ 25000或20％。
第三排他总共（10 * 500 + 20 * 1000 + 10 * 1500）= 40000美元，可以卖出（10 * 3000股）或30000美元，因此性能为-25％。
现在第4排，有两个基金（A＆amp; B）;因为我假设A的价格仍然是每股10美元，他可以卖出他的A头位30000，并且他买了他的新B头位（30 * 500）= 15000。所以他可以出售他的A＆amp; A的位置B为（30000 + 15000）= 45000但他到目前为止花了（40000 + 15000）或55000。所以他在第四排的累积表现是（55000-45000）/ 55000或-18.18％。

我希望这是有道理的。在尝试计算累积绩效时，我正在努力跟踪两种基金的价格。谢谢你的帮助。

Answer 1

我将扩展数据以涵盖每个人的所有Date-Fund组合：

dt_skel = dt[, do.call(CJ, c(.SD, unique=TRUE)), 
  by=Name, .SDcols=c("FundName", "PurchaseDate")]

dt_full = dt[dt_skel, on=names(dt_skel)]
dt_full[ is.na(TotalShares), TotalShares := 0L]
dt_full[ , SharePrice := SharePrice[1L], by=.(Name, FundName, cumsum(!is.na(SharePrice)))]

然后聚合

res = dt_full[!is.na(SharePrice), .(
  PurchaseDate,
  spent = cumsum(TotalShares*SharePrice),
  value = cumsum(TotalShares)*SharePrice
), by=.(Name, FundName)][, .(
  value = sum(value),
  spent = sum(spent)
), by=.(Name, PurchaseDate)]


    Name PurchaseDate  value  spent
 1: John   2016-01-01   5000   5000
 2: John   2016-02-01  30000  25000
 3: John   2016-03-01  30000  40000
 4: John   2016-04-01  45000  55000
 5: John   2016-05-01 120000 115000
 6:  Tom   2016-01-01   5000   5000
 7:  Tom   2016-02-01  30000  25000
 8:  Tom   2016-03-01  30000  40000
 9:  Tom   2016-04-01  45000  55000
10:  Tom   2016-05-01 120000 115000

要将性能指标添加到原始事务表：

dt[res, ret := value/spent - 1, on=c("Name, PurchaseDate")]

假设日期总是按月计算，您可以使用

缩小dt_skel

dt_skel = dt[, MaxDate := max(PurchaseDate), by=Name][, 
  seq(from = PurchaseDate[1L], to =MaxDate[1L], by="month"), by=.(Name, FundName)]

当然，日期应格式化为Date或IDate才能生效。

按名称

1 个答案: