Pandas：如何累积returns - 预测价格

Question

我有一个 pandas 按日期索引的股票价格数据框（每月数据）。我想计算以下内容：从 1983 年 1 月 31 日价值 4100 美元（每只股票 41.00 美元）的 100 只股票开始，如果我能够准确预测下个月的收盘价，2012 年 3 月股票的最大绝对值是多少。

如果下个月的月末价格高于本月的月末价格：全额现金买入股票并充分参与股票returns
如果下个月月末价格低于本月月末价格：卖出所有股票并在月初套现（不参与股票亏损）

这里有一些示例数据可以使用：

df = pd.DataFrame({
    'Date': ['1983-01-01','1983-02-28','1983-03-31','1983-04-30','1983-05-31'],
    'Month End Price': [41.00,46.75,44.25,50.00,59.25]
}).set_index('Date')

df.index = pd.to_datetime(df.index)

例如，1983 年 2 月股价从 41.00 上涨至 46.75，即当月 return 的 14.02%。所以我的股票，最初价值 4100 美元，到 1983 年 2 月底会涨到 4100 美元*(1+14.02%)= 4675 美元。

3 月 83 日出现负值 return（价格从 46.75 跌至 44.25）。知道这种下跌，我会在 2 月底卖掉所有价值 4675 美元的股票（不包括参与损失），然后在 1983 年 4 月初再投资。

1983 年 4 月，股票表现为 +12.99% (50.00/44.25 -1)，因此到 1983 年 4 月底，我的净资产将从 4675 美元增加到 4675 美元*(1+12.99%) = 5282.5 美元。

Answer 1

您可以更紧凑地执行此操作，但我将设置一些中间列以便逻辑清晰。首先，我将设置一个有一些起伏的示例数据集。

import pandas as pd

prices = [50.00,46.75,44.25,50.00,59.25,66.50,
          29.25,44.25,59.25,61.00,64.25,65.25]
dates = pd.date_range('01-31-1983','12-31-1983', freq='m')

df = pd.DataFrame({'Month End Price':prices}, index=dates)

这会产生一个如下所示的数据框：

           Month End Price
1983-01-31            50.00
1983-02-28            46.75
1983-03-31            44.25
1983-04-30            50.00
1983-05-31            59.25
1983-06-30            66.50
1983-07-31            29.25
1983-08-31            44.25
1983-09-30            59.25
1983-10-31            61.00
1983-11-30            64.25
1983-12-31            65.25

还有这个：

您可以将月度价格波动计算为：

df['Monthly Returns'] = df['Month End Price'].diff()/df['Month End Price']

据我了解，我们希望实现所有收益并避免所有损失。我设置了一个乘数列，当我们应该避免损失的月份时等于 1，而对于有收益的月份基本上是 1 + df['Monthly Returns']。然后我计算 Cash 列作为 Multiplier 列乘以 41 美元的累积乘积，这是我们的本金。这里有使用 for 循环的诱惑，但是对于 Pandas，只要你看到 for，通常会有更快的内置循环，例如 cumprod:

df['Multiplier'] = df['Monthly Returns'].apply(lambda x: max(x, 0)) + 1
df['Cash'] = df['Multiplier'].cumprod() * 41

完成所有这些后，我们就会得到类似的东西：

           Month End Price  Monthly Returns  Multiplier        Cash
1983-01-31            50.00              NaN         NaN   41.000000
1983-02-28            46.75        -0.069519    1.000000   41.000000
1983-03-31            44.25        -0.056497    1.000000   41.000000
1983-04-30            50.00         0.115000    1.115000   45.715000
1983-05-31            59.25         0.156118    1.156118   52.851941
1983-06-30            66.50         0.109023    1.109023   58.613995
1983-07-31            29.25        -1.273504    1.000000   58.613995
1983-08-31            44.25         0.338983    1.338983   78.483145
1983-09-30            59.25         0.253165    1.253165   98.352296
1983-10-31            61.00         0.028689    1.028689  101.173878
1983-11-30            64.25         0.050584    1.050584  106.291623
1983-12-31            65.25         0.015326    1.015326  107.920614

职位的价值如下所示：

Pandas：如何累积returns - 预测价格

Pandas: How to accumulate returns - forecasting prices

python

finance

numpy

return

pandas