如何计算投资组合的累计 return 和投资

Question

这是我的问题：

我有一个每月投资的 DataFrame ：

df = pd.DataFrame({'Dates':['2018-07-31','2018-07-31','2018-07-31','2018-08-31','2018-08-31','2018-08-31',
                               '2018-09-30','2018-09-30','2018-09-30'],
                      "Name":["Apple",'Google','Facebook','JP Morgan','IBM','Netflix',"Apple","Tesla","Boeing"],
                     "Monthly Return":[-0.018988,-0.028009,0.111742,-0.034540,-0.025806,-0.043647,0.001045,
                                       0.155379,0.011644],
                     "Total Weight":[0.7,0.2,0.1,0.5,0.3,0.2,0.6,0.2,0.2]})

我想计算累计投资，但我很难做到：假设我们的初始投资为 1000 美元

如果我们考虑每月 Return 和每个资产的权重，我们在 2018-07-31 有这个：

Dates        Name     Return    Weight Investment Pofit/loss
2018-07-31   Apple    -0.018988  0.7       700       -13.29     
2018-07-31   Google   -0.028009  0.2       200       -5.60
2018-07-31   Facebook  0.111742  0.1       100       11.17

所以对于 2018 年 7 月，我从 1000 美元开始，到月底我有 992.28 美元（1000 - 13.29 - 5.60 + 11.17）这笔款项将在 2018 年 8 月进行再投资，到本月底我将拥有：992.28 美元 +/- 2018 年 8 月的总额 Profit/Loss。

我的目标是通过考虑每个月的 Profit/Loss 来获得最终金额，但我真的不知道该怎么做。

如果有人对此有想法，欢迎您！如果您不是很清楚，请告诉我

Answer 1

这是一个解决方案，为清楚起见分为几个步骤：

df = pd.DataFrame({'Dates':['2018-07-31','2018-07-31','2018-07-31','2018-08-31','2018-08-31','2018-08-31',
                               '2018-09-30','2018-09-30','2018-09-30'],
                      "Name":["Apple",'Google','Facebook','JP Morgan','IBM','Netflix',"Apple","Tesla","Boeing"],
                     "Monthly Return":[-0.018988,-0.028009,0.111742,-0.034540,-0.025806,-0.043647,0.001045,
                                       0.155379,0.011644],
                     "Total Weight":[0.7,0.2,0.1,0.5,0.3,0.2,0.6,0.2,0.2]})

df["weighted_return"] = df["Monthly Return"] * df["Total Weight"]
# df.groupby("Dates", freq="1M")
df["Dates"] = pd.to_datetime(df.Dates)
df.set_index("Dates", inplace=True)
t = df.groupby(pd.Grouper(freq="M")).sum()

此时，t为：

            Monthly Return  Total Weight  weighted_return  eom_value
Dates                                                               
2018-07-31        0.064745           1.0        -0.007719   0.992281
2018-08-31       -0.103993           1.0        -0.033741   0.966259
2018-09-30        0.168068           1.0         0.034032   1.034032

现在，我们可以使用 cumprod 随时间计算 return：

t["eom_value"] = 1 + t.weighted_return
t.eom_value.cumprod()

结果：

Dates
2018-07-31    0.992281
2018-08-31    0.958800
2018-09-30    0.991430

如何计算投资组合的累计 return 和投资

How to compute cumulative return and investment on a portfolio

python

loops

finance

time-series

dataframe