[英]Need help calculating IRR for different investments at different dates for each investment, in python
我需要幫助計算不同投資的 IRR,以及這些投資在不同時間的 IRR。
所以有一個 dataframe 看起來像這樣:
日期 | 投資 | 流動 |
---|---|---|
2012-05-12 | 1 | -50 |
2013-09-04 | 1 | 100 |
2014-05-05 | 1 | 300 |
2013-09-04 | 2 | -700 |
2015-05-12 | 2 | 1000 |
2012-04-04 | 3 | 100 |
2013-05-12 | 3 | -50 |
2013-09-04 | 4 | -60 |
另一個看起來像這樣
日期 | 投資 | 庫存 |
---|---|---|
2012-09-05 | 1 | 400 |
2014-05-05 | 1 | 600 |
2014-05-05 | 2 | 300 |
2013-09-04 | 2 | 800 |
2012-09-14 | 3 | 1000 |
2013-09-05 | 4 | 6000 |
因此,我想創建多個數據框,其中包含每個投資的流向,直到我獲得有關股票的信息的日期,最后一行包含該日期的股票。 例如,我對投資 1 的股票有 2 個觀察結果,所以我應該為投資 1 創建 2 個數據框,如下所示:
日期 | 投資 | 流量+庫存(最后一行) |
---|---|---|
2012-05-12 | 1 | -50 |
2012-09-05 | 1 | 400 |
日期 | 投資 | 流量+庫存(最后一行) |
---|---|---|
2012-05-12 | 1 | -50 |
2013-09-04 | 1 | 100 |
2014-05-05 | 1 | 300 |
2014-05-05 | 1 | 600 |
對於投資 3,假設我對股票只有一個觀察結果,應該只有 1 個 dataframe 看起來像這樣:
日期 | 投資 | 流量+庫存(最后一行) |
---|---|---|
2012-04-04 | 3 | 100 |
2012-09-14 | 3 | 1000 |
鑒於我有很多數據,手動創建每個 dataframe 很麻煩,而且我希望此代碼在我有新信息時更新 IRR。 我想這樣做是因為我想查看每個日期的 IRR 演變,因為我擁有每項投資的股票信息。 有點像投資的內部收益率時間序列。 我將使用創建的數據框計算 IRR。
我已經嘗試為每項投資對我有股票信息的日期進行排名,但循環有問題。
非常感謝
編輯:根據 Henry Ecker 的要求,這是合並數據庫的示例。
DATE_x Investment Flow DATE_y Stock
355 2018-08-29 1 1371300 2020-09-30 2904678,03
3076 2016-03-31 2 -4535569 2015-06-30 0
1564 2017-11-28 3 1142227 2014-09-30 10378007,31
3666 2018-02-22 2 1622857 2020-03-31 122203846,09
1394 2017-05-16 3 3116642 2017-12-31 0
472 2013-11-09 3 -4364500 2015-12-31 45789217,93
446 2021-02-23 1 325117 2020-03-31 13176648,97
1641 2018-01-31 3 623695 2015-09-30 0
1297 2017-03-21 3 1146193 2015-09-30 32103654,6
2080 2020-09-15 3 461123 2017-09-30 47763628,79
go 的一種方法是加入流和觀察以獲取關聯,然后按觀察日期和投資 ID 分組以獲取我們感興趣的每個組。
function process_df
僅用於過濾掉觀察日期( DATE_y
)之前的日子。
從第一行獲取值投資、觀察日期 ( DATE_y
) 和股票值,因為它們在組中都相同,並且 append 到表的末尾。 然后只需清理所有內容,刪除多余的列(Stock 和 DATE_y),重置索引,並重命名列以反映您想要的 output。
import pandas as pd
flows = pd.DataFrame({'DATE': {0: '2012-05-12', 1: '2013-09-04',
2: '2014-05-05', 3: '2013-09-04',
4: '2015-05-12', 5: '2012-04-04',
6: '2013-05-12', 7: '2013-09-04',
8: '2020-05-12', 9: '2016-07-12'},
'Investment': {0: 1, 1: 1, 2: 1, 3: 2,
4: 2, 5: 3, 6: 3, 7: 4,
8: 5, 9: 7},
'Flow': {0: -50, 1: 100, 2: 300, 3: -700,
4: 1000, 5: 100, 6: -50, 7: -60,
8: 100, 9: 800}})
flows['DATE'] = flows['DATE'].astype('datetime64[ns]')
observations = pd.DataFrame({'DATE': {0: '2012-09-05', 1: '2014-05-05',
2: '2014-05-05', 3: '2013-09-04',
4: '2012-09-14', 5: '2013-09-05',
6: '2014-05-14', 7: '2015-12-14'},
'Investment': {0: 1, 1: 1, 2: 2,
3: 2, 4: 3, 5: 4,
6: 5, 7: 6},
'Stock': {0: 400, 1: 600, 2: 300,
3: 800, 4: 1000, 5: 6000,
6: 0, 7: 15}})
observations['DATE'] = observations['DATE'].astype('datetime64[ns]')
def process_df(df):
out = df[df['DATE_x'] <= df['DATE_y']] # Filter Out Out of Bound Dates
if out.empty:
# Handle Case Where Observation but No flows
return df[['DATE_y', 'Investment', 'Stock']] \
.reset_index(drop=True) \
.rename(columns={'DATE_y': 'DATE', 'Stock': 'Flow + Stock(last row)'})
return out.drop(['DATE_y', 'Stock'], axis=1) \
.append(out[['Investment', 'DATE_y', 'Stock']]
.iloc[0]
.rename({'DATE_y': 'DATE_x', 'Stock': 'Flow'})) \
.reset_index(drop=True) \
.rename(columns={'DATE_x': 'DATE', 'Flow': 'Flow + Stock(last row)'})
merged = pd.merge(flows, observations, on='Investment', how='right')
dfs = [process_df(group) for _, group in merged.groupby(['Investment', 'DATE_y'])]
# For Display
for i, new_df in enumerate(dfs):
print(f'DataFrame {i+1}')
print(new_df)
print()
dfs 是一個包含各個 DataFrame 的列表。
Output:
DataFrame 1
DATE Investment Flow + Stock(last row)
0 2012-05-12 1 -50.0
1 2012-09-05 1 400.0
DataFrame 2
DATE Investment Flow + Stock(last row)
0 2012-05-12 1 -50.0
1 2013-09-04 1 100.0
2 2014-05-05 1 300.0
3 2014-05-05 1 600.0
DataFrame 3
DATE Investment Flow + Stock(last row)
0 2013-09-04 2 -700.0
1 2013-09-04 2 800.0
DataFrame 4
DATE Investment Flow + Stock(last row)
0 2013-09-04 2 -700.0
1 2014-05-05 2 300.0
DataFrame 5
DATE Investment Flow + Stock(last row)
0 2012-04-04 3 100.0
1 2012-09-14 3 1000.0
DataFrame 6
DATE Investment Flow + Stock(last row)
0 2013-09-04 4 -60.0
1 2013-09-05 4 6000.0
DataFrame 7
DATE Investment Flow + Stock(last row)
0 2014-05-14 5 0
DataFrame 8
DATE Investment Flow + Stock(last row)
0 2015-12-14 6 15
編輯注釋:
if out.empty:
# Handle Case Where Observation but No flows
return out
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.