使用cumprod（）计算Python中的权益曲线

Question

我很难用cumprod（）计算复合回报。它从一开始就开始复合，但我只希望它在'Final_Order'等于买入时启动，当'Final_Order等于卖出时停止，然后在下一个买单再次重置。请参阅下面的示例。

下面的示例数据显示了我期望在“Backtest”列中看到的输出。

 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。

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

以下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

创建一个初始值为1000且具有费率和最终订单的列表：

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

将创建的列与已存在的列进行比较，它们是相同的