Question

我正在尝试建立一个包含我的投资组合的市场价值的时间序列。整个网站都建立在django框架上。因此数据集将是动态的。

我有一个名为数据集的数据集，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

位置数据集的代码：

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，我已经成功地将位置数据集分为每个股票代码：

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

我已经做到了这是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较短的时间框架来简化创建过程，但也很可能是十只股票

Answer 1

概述/摘要

为每个“概念”保留一个数据框-收盘价，持仓等。
然后乘以数据帧（值=头寸x价格）。
分成多个数据框以进行报告。

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）。我以为那天每个条目都是买入或卖出。累积总和给出当时的位置。

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。每只股票都有一列。我们可以使用“ sum（axis = 1）”来计算每天的总和。

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

在头寸数据框中包含交易价格。
还在头寸数据框中添加交易时间戳。
日末投资组合价值将使用日末价格。损益还包括购买/销售价格。您要哪个？
数据帧索引（和MultiIndex）以及广播是与此应用程序相关的概念。

Python熊猫，股票投资组合价值时间序列

1 个答案: