[英]value weighted portfolio returns per portfolio
我有一个包含股票列表的日期、回报、投资组合和市值的数据集。 我想计算我的数据和每个投资组合中每月的价值加权市场回报。
date ret portf mkval
1982-03-31 0.02 3.0 2000
1982-04-30 0.05 2.0 500
1982-05-31 0.10 1.0 3000
1982-03-31 0.05 3.0 4000
1982-04-30 0.20 3.0 700
1982-05-31 0.02 2.0 2000
1982-05-31 0.08 1.0 5000
此数据应产生以下 output:
date portf equal_w_ret
1982-03-31 3.0 0.04
1982-04-30 2.0 0.05
1982-04-30 3.0 0.20
1982-05-31 1.0 0.0875
1982-05-31 2.0 0.02
这里,第一行计算为: (2000/(2000+4000)) (1+0.02)+(4000/(2000+4000)) (1+0.05)-1
提前致谢!
首先设置数据
data = { 'date' : ['1982-03-31','1982-04-30','1982-05-31','1982-03-31','1982-04-30','1982-05-31','1982-05-31'],
'ret' : [0.02,0.05,0.10,0.05,0.20,0.02,0.08],
'portf' : [3.0,2.0,1.0,3.0,3.0,2.0,1.0],
'mkval' : [2000,500,3000,4000,700,2000,5000]}
现在将数据放入 dataframe 并准备 output dataframe
df = pd.DataFrame(data)
dfout = pd.DataFrame()
有趣的一点。 按日期和投资组合编号分组,然后按行进行计算。 然后制作一个 dataframe 这是该行的摘要并将其放入 output dataframe
for group, subdf in df.groupby(['date','portf']):
subdf['wret'] = (subdf['mkval'] * ( 1 + subdf['ret']))/subdf['mkval'].sum()
df2 = pd.DataFrame({ 'data' : [group[0]],'portf':[group[1]],'equal_w_ret':[subdf['wret'].sum() - 1]})
dfout = dfout.append(df2)
这使得
data portf equal_w_ret
0 1982-03-31 3.0 0.0400
0 1982-04-30 2.0 0.0500
0 1982-04-30 3.0 0.2000
0 1982-05-31 1.0 0.0875
0 1982-05-31 2.0 0.0200
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.