我有这个pandas数据框，其中long_entry或short_entry中的1代表当时对应的多头/空头头寸进入交易。 long_exit或short_exit中的1表示退出交易。我可以知道如何计算要显示在新列df ['pnl_per_trade']中的每笔交易的PnL吗？
此回测在任何时间点最多只能进行1个交易/头寸。
下面是我的数据框。如我们所见，在26/2/2019输入多头交易并在1/3/2019关闭，Pnl将为$ 64.45，而在4/3/2019输入空头交易并在2019/5/3关闭PNL为-119.11美元（亏损）。
date price long_entry long_exit short_entry short_exit
0 24/2/2019 4124.25 0 0 0 0
1 25/2/2019 4130.67 0 0 0 0
2 26/2/2019 4145.67 1 0 0 0
3 27/2/2019 4180.10 0 0 0 0
4 28/2/2019 4200.05 0 0 0 0
5 1/3/2019 4210.12 0 1 0 0
6 2/3/2019 4198.10 0 0 0 0
7 3/3/2019 4210.34 0 0 0 0
8 4/3/2019 4100.12 0 0 1 0
9 5/3/2019 4219.23 0 0 0 1
我希望有这样的输出：
date price long_entry long_exit short_entry short_exit pnl
0 24/2/2019 4124.25 0 0 0 0 NaN
1 25/2/2019 4130.67 0 0 0 0 NaN
2 26/2/2019 4145.67 1 0 0 0 64.45
3 27/2/2019 4180.10 0 0 0 0 NaN
4 28/2/2019 4200.05 0 0 0 0 NaN
5 1/3/2019 4210.12 0 1 0 0 NaN
6 2/3/2019 4198.10 0 0 0 0 NaN
7 3/3/2019 4210.34 0 0 0 0 NaN
8 4/3/2019 4100.12 0 0 1 0 -119.11
9 5/3/2019 4219.23 0 0 0 1 NaN
由于我有很多数据，所以我希望代码尽可能避免任何循环。谢谢！
答案 0 :(得分：0)
我将您的样本数据扩展为具有2个长PnL值，并且 将 date 列更改为 DateTime ：
df = pd.DataFrame(data=[
[ '24/2/2019', 4124.25, 0, 0, 0, 0 ],
[ '25/2/2019', 4130.67, 0, 0, 0, 0 ],
[ '26/2/2019', 4145.67, 1, 0, 0, 0 ],
[ '27/2/2019', 4180.10, 0, 0, 0, 0 ],
[ '28/2/2019', 4200.05, 0, 0, 0, 0 ],
[ '1/3/2019', 4210.12, 0, 1, 0, 0 ],
[ '2/3/2019', 4198.10, 0, 0, 0, 0 ],
[ '3/3/2019', 4210.34, 0, 0, 0, 0 ],
[ '4/3/2019', 4100.12, 0, 0, 1, 0 ],
[ '5/3/2019', 4219.23, 0, 0, 0, 1 ],
[ '6/3/2019', 4210.00, 1, 0, 0, 0 ],
[ '7/3/2019', 4212.00, 0, 0, 0, 0 ],
[ '8/3/2019', 4214.00, 0, 1, 0, 0 ]],
columns=['date','price', 'long_entry', 'long_exit',
'short_entry', 'short_exit'])
df.date = pd.to_datetime(df.date)
下一步是生成df2，其中仅包含用于
长条目的开始和结束（实际上只有 date 和 price
列将是必需的，但出于说明目的，我将
还有 long_entry 和 long_exit ：
df2 = df.query('long_entry > 0 or long_exit > 0').iloc[:,0:4]; df2
（用于我的数据）结果是：
date price long_entry long_exit
2 2019-02-26 4145.67 1 0
5 2019-01-03 4210.12 0 1
10 2019-06-03 4210.00 1 0
12 2019-08-03 4214.00 0 1
然后我们必须定义一个即将应用的函数：
def fn(src):
return pd.Series([src.iloc[0, 0], src.iloc[1, 1] - src.iloc[0, 1]])
下一步是将上述功能应用于连续对 行（进入和退出），设置列名并更改日期 索引列：
lProf = df2.groupby(np.arange( len(df2.index)) // 2).apply(fn)
lProf.columns = ['date', 'pnl']
lProf.set_index('date', inplace=True)
结果是：
pnl
date
2019-02-26 64.45
2019-06-03 4.00
到目前为止，我们已经可以从 long 个条目中插入数据。 现在是时候为 short 条目生成类似的DataFrame了， 应用与以前相同的功能：
df2 = df.query('short_entry > 0 or short_exit > 0').iloc[:,[0, 1, 4, 5]]
sProf = df2.groupby(np.arange( len(df2.index)) // 2).apply(fn)
sProf.columns = ['date', 'pnl']
sProf.set_index('date', inplace=True)
但是这次我们必须更改接收值的符号：
sProf = -sProf
结果是：
pnl
date
2019-04-03 -119.11
在将结果添加到主DataFrame之前，我们必须设置 date 列作为索引：
df.set_index('date', inplace=True)
现在，我们添加 long 条目的结果：
df['pnl'] = lProf
这已经创建了新列，因此现在要添加结果 短条目中，我们必须进行更新：
df.update(sProf)
如果要将 date 重新作为常规列，请运行：
df.reset_index(inplace=True)
答案 1 :(得分：0)
我不确定这是否有帮助：但是我认为您关于PnL的概念可能不正确。 下面显示了如何获取每日pnl值而不是头寸的pnl。
def get_position(long_entry,long_exit, short_entry,short_exit):
if long_entry == 1 or short_exit == 1:
position = 1
elif long_exit == 1 or short_entry == 1:
position = -1
else:
position = 0
return position
df['position'] = list(map(get_position, df.long_entry.values, df.long_exit.values, df.short_entry.values, df.short_exit.values))
df = df[['date', 'price','position']]
df['amount'] = -df['price']*df['position']
df['pnl'] = df['amount'].cumsum()
这是结果：
date price position amount pnl
0 24/2/2019 4124.25 0 -0.00 -0.00
1 25/2/2019 4130.67 0 -0.00 -0.00
2 26/2/2019 4145.67 1 -4145.67 -4145.67
3 27/2/2019 4180.10 0 -0.00 -4145.67
4 28/2/2019 4200.05 0 -0.00 -4145.67
5 1/3/2019 4210.12 -1 4210.12 64.45
6 2/3/2019 4198.10 0 -0.00 64.45
7 3/3/2019 4210.34 0 -0.00 64.45
8 4/3/2019 4100.12 -1 4100.12 4164.57
9 5/3/2019 4219.23 1 -4219.23 -54.66
这是累积多头头寸，与多头或空头无关。希望对您有所帮助。