使用 cumprod() 计算 Python 中的净值曲线

Question

我在使用 cumprod() 计算复合 return 时遇到困难。它从一开始就开始复合，但我只希望它在 'Final_Order' 等于买入时开始，在 'Final_Order 等于卖出时停止，然后在下一个买入订单时再次重置。请看下面的例子。

下面的示例数据显示了我希望看到的第 'Backtest' 列的输出。

 Time  Adj_Price  Final_Order   Backtest
  0        7          nan          1000
  1        6          nan          1000
  2        5          Buy          1000
  3        7          Buy          1400
  4        8          Sell         1600
  5        6          Sell         1600
  6        4          Buy          1600
  7        5          Buy          2000
  8        7          Buy          2800
  9        9          Sell         3600
  10       7          Sell         3600
  11       7          Sell         3600
  12       6          Sell         3600

以下是 'Backtest'.

的计算结果

时间 1 =IF(Final_Order ="Buy(t0)",(6/7)*1000, 否则 1000) = 1000
时间 2 =IF(Final_Order ="Buy(t1)",(5/6)*1000, 否则 1000) = 1000
时间 3 =IF(Final_Order ="Buy(t2)",(7/5)*1000, 否则 1000) = 1400
时间 4 =IF(Final_Order ="Buy(t3)",(8/7)*1400, 否则 1400) = 1600
时间 5 =IF(Final_Order ="Buy(t4)",(6/8)*1600, 否则 1600) = 1600
时间 6 =IF(Final_Order ="Buy(t5)",(4/6)*1600, 否则 1600) = 1600
时间 7 =IF(Final_Order ="Buy(t6)",(5/4)*1600, 否则 1600) = 2000
时间 8 =IF(Final_Order ="Buy(t7)",(7/5)*2000, 否则 2000) = 2800
时间 9 =IF(Final_Order ="Buy(t8)",(9/7)*2800, 否则 2800) = 3600
时间 10 =IF(Final_Order ="Buy(t9)",(7/9)*3600,否则 3600) = 3600

下面是我正在使用的代码。

data['Backtest'] = np.where(data['Final_Order'] == 'Buy',
                            ((1 + data['Adj 
Close'].pct_change(1)).cumprod())*1000,
                            data['Backtest'].ffill())

Answer 1

创建一个列表，其初始值为 1000，具有比率和最终顺序：

b = [1000]+list(zip(df.Adj_Price.shift(-1)/df.Adj_Price,df.Final_Order))

df['BACK']=list(itertools.accumulate(b,lambda x,y: round(y[0]*x) if y[1]=="Buy" else x))[:-1]

df

    Time  Adj_Price Final_Order  Backtest  BACK
0      0          7         NaN      1000  1000
1      1          6         NaN      1000  1000
2      2          5         Buy      1000  1000
3      3          7         Buy      1400  1400
4      4          8        Sell      1600  1600
5      5          6        Sell      1600  1600
6      6          4         Buy      1600  1600
7      7          5         Buy      2000  2000
8      8          7         Buy      2800  2800
9      9          9        Sell      3600  3600
10    10          7        Sell      3600  3600
11    11          7        Sell      3600  3600
12    12          6        Sell      3600  3600

将创建的列与已经存在的列进行比较，它们是相同的

使用 cumprod() 计算 Python 中的净值曲线

Using cumprod() to calculate equity curve in Python

python

numpy

return

algorithmic-trading

python-3.x