如何计算投资组合的累计收益和投资额度

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]})

我想计算累计投资额，但我在计算时遇到了困难：假设我们有1000美元的初始投资额

如果我们考虑到每个资产的月度回报和权重，我们有这个2018-07-31 。

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2018年7月，我从1000元开始，到月底我有992.28元(1000 - 13.29 - 5.60 + 11.17)这笔钱将在2018年8月进行再投资，到月底我将有：992.28元+- 2018年8月的总利润损失。

我的目标是有最终的金额，考虑到每个月的ProfitLoss，但我真的不知道如何做到这一点。

如果有人有这方面的想法，欢迎！如果你不是很清楚，请告诉我。

Answer 1

这是一个解决方案，为了清晰起见，分成几个步骤。

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()

在这一点上 t 是。

            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 来计算随时间推移的回报率。

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