Python 计算数据框的复合回报

有几种方法可以实现这一点.我给你们两个，一个长的和一个短的.对于这两种情况，实际上不需要循环每个值，也不需要numpy.

给定您的数据帧:

import pandas as pd

date = ['2020-07-31', '2020-08-31', '2020-09-30', '2020-10-31', '2020-11-30', '2020-12-31']
price = [83.08, 73.35, 74.55, 81.57, 81.85, 79.95]
dividends = [0.7125, 0.7225, 0.7325, 0.8400, 0.8500, 0.8600]

df = pd.DataFrame({"price":price, "dividend":dividends}, index=date)

Approach 1:

您只需使用pd.shift来重新构造数据，以便可以直接按列应用公式.我的代码包含一些注释，以使其更清楚.

你可以做这样简单的事情:

N = 2

# Define temporary return column
df["tmp_returns"] = 1 + df["dividend"].div(df["price"])
# Define compounded return column
df["compunded_return"] = df["tmp_returns"]

# Update compunded return column where number of updates is given by N
for i in range(1, N+1):
    df["compunded_return"] *= df["tmp_returns"].shift(i)
# Apply formula
df["compunded_return"] = (df["price"].div(df["price"].shift(N))).mul(df["compunded_return"])
# Drop temporary column
df.drop(columns=["tmp_returns"])

Approach 2:

如果你想要一条直线(这有点复杂)，你也可以将pd.shift和rolling结合起来得到你想要的结果:

N = 2
df["compunded_return"] = (df["price"].div(df["price"].shift(N))).mul((1 + df["dividend"].div(df["price"])).rolling(N+1).apply(lambda x: x.prod()))

pd.df.rolling提供了一个滚动窗口计算，您可以应用该产品.

输出两种方法:

            price   dividend   compunded_return
2020-07-31  83.08   0.7125     NaN
2020-08-31  73.35   0.7225     NaN
2020-09-30  74.55   0.7325     0.922918
2020-10-31  81.57   0.8400     1.145732
2020-11-30  81.85   0.8500     1.131758
2020-12-31  79.95   0.8600     1.011279