我已经在Python中创建了一个时间序列，用于计算每个给定日期的滚动投资组合市场价值。现在的时间序列看起来像这样（总数是NHY.OL和YAR.OL的总和）
tickers NHY.OL YAR.OL total
date
2020-07-27 0.00 763.60 763.60
2020-07-28 26.49 764.80 791.29
2020-07-29 26.39 755.80 782.19
2020-07-30 25.05 744.00 769.05
2020-07-31 25.42 380.70 406.12
此时间序列由头寸表和包含股票收盘价的数据集建立，头寸表是动态的，这意味着它将从Django模型收集数据，用户可以在其中输入其持股量，因此提供的这个数据集是解决我遇到的这个问题的简单示例。
位置表：
Date Direction Ticker Price Volume FX-rate Comission Short Cost-price
0 2020-07-27 Buy YAR.OL 381.0 2 1.0 0.0 False 381.0
1 2020-07-31 Sell YAR.OL 380.0 -1 1.0 0.0 False -380.0
[2 rows x 9 columns]
Date Direction Ticker Price Volume FX-rate Comission Short Cost-price
2 2020-07-28 Buy NHY.OL 26.5 1 1.0 0.0 False 26.5
当日股票价格数据集：
NHY.OL YAR.OL
date
2020-07-27 26.35 381.8
2020-07-28 26.49 382.4
2020-07-29 26.39 377.9
2020-07-30 25.05 372.0
2020-07-31 25.42 380.7
但是，滚动投资组合价值中的初始价格是错误的。例如，在2020年7月27日，用户以381的价格购买了所购买的股票，因此市场价值应为762。投资组合价值不是由购买价格计算的，而是由市场收盘价计算的。
如何解决此问题，所以最终产品看起来更像这样？
我希望它的外观：
tickers NHY.OL YAR.OL total
date
2020-07-27 0.00 762.0 762.0
2020-07-28 26.50 764.80 791.30
2020-07-29 26.39 755.80 782.19
2020-07-30 25.05 744.00 769.05
2020-07-31 25.42 380.70 406.12
StackOverflow的一位出色的程序员帮助我完成了这段代码。该线程的链接：Python pandas,stock portfolio value timeseries
from io import StringIO
import pandas as pd
# create data frame with closing prices
data = '''date YAR.OL NHY.OL
2020-07-27 381.799988 26.350000
2020-07-28 382.399994 26.490000
2020-07-29 377.899994 26.389999
2020-07-30 372.000000 25.049999
2020-07-31 380.700012 25.420000
'''
closing_prices = (pd.read_csv(StringIO(data),sep='\s+',engine='python',parse_dates=['date']
)
.set_index('date')
@R_404_6407@rt_index()
@R_404_6407@rt_index(axis=1)
)
print(closing_prices.round(2))
输出：
NHY.OL YAR.OL
date
2020-07-27 26.35 381.8
2020-07-28 26.49 382.4
2020-07-29 26.39 377.9
2020-07-30 25.05 372.0
2020-07-31 25.42 380.7
定义位置表：
positions = [
('YAR.OL','2020-07-27',2),('YAR.OL','2020-07-31',-1),('NHY.OL','2020-07-28',1),]
# changed cost_price to volume
positions = pd.DataFrame(positions,columns=['tickers','date','volume'])
positions['date'] = pd.to_datetime(positions['date'])
positions = (positions.pivot(index='date',columns='tickers',values='volume')
@R_404_6407@rt_index()
@R_404_6407@rt_index(axis=1)
)
positions = positions.reindex( closing_prices.index ).fillna(0).cumsum()
print(positions)
输出：
tickers NHY.OL YAR.OL
date
2020-07-27 0.0 2.0 # <-- these are transaction volumes
2020-07-28 1.0 2.0
2020-07-29 1.0 2.0
2020-07-30 1.0 2.0
2020-07-31 1.0 1.0
计算投资组合价值：
port_value = positions * closing_prices
port_value['total'] = port_value.sum(axis=1)
print(port_value.round(2))
现在的最终投资组合价值：
tickers NHY.OL YAR.OL total
date
2020-07-27 0.00 762.00 763.6
2020-07-28 26.49 764.80 791.29
2020-07-29 26.39 755.80 782.19
2020-07-30 25.05 744.00 769.05
2020-07-31 25.42 380.70 406.12
总结：目标是，当添加新头寸时，用于计算当时市价的价格将从头寸表价格栏中获取。 例如：
Date Calculation comment Calculation
2020-07-27 - Volume * Price paid 2 * 381
2020-07-28 - Volume * Market price 2* 282.4
....
If a user buys more shares of the same stock then for the day they bouth it,it would be: (New volume * prie paid)+(PrevIoUs volume * Market price)
....
Date Calculation comment Calculation
2020-07-29 - (New volume * prie paid)+(PrevIoUs volume * Market price) (1* 380) + (2 * 377.9)
2020-07-30 - Volume * Market price 3 * 372.0
