基于资金流入流出计算账户收益率的Python实现问询

问题描述 #

现有两个DataFrame：

1. 账户余额DataFrame：包含Date（估值日）和Balance（账户总余额）两列
2. 资金流动DataFrame：包含Date和Movement（当日资金存入/取出金额，存入为正，取出为负）两列

需要计算每日账户业绩收益率，要求排除当日资金流动对余额的影响，具体规则：

• 当日业绩 = (当日余额 - 调整后的期初余额) / 调整后的期初余额
• 调整后的期初余额规则：
  • 对于第n天（n>1），若第n-1天有资金流动，调整后的期初余额 = 第n-1天余额 + 第n-1天资金流动
  • 若第n-1天无资金流动，调整后的期初余额 = 第n-1天余额

示例数据 #

账户余额DataFrame

资金流动DataFrame

期望结果

计算逻辑说明：

• 06/06/2023：(110-100)/100 = 10%
• 07/06/2023：无前期资金流动，(90-110)/110 ≈ -18.2%
• 08/06/2023：前一天（07/06）有资金流入20，调整后期初余额=90+20=110，(120-110)/110≈9.1%

Pythonic解决方案 #

使用pandas可以高效实现需求，步骤如下：

1. 导入库并准备数据 #

import pandas as pd

# 账户余额数据
balance_df = pd.DataFrame({
    'Date': ['05/06/2023', '06/06/2023', '07/06/2023', '08/06/2023'],
    'Balance': [100, 110, 90, 120]
})

# 资金流动数据
movement_df = pd.DataFrame({
    'Date': ['07/06/2023'],
    'Movement': [20]
})

# 将Date列转为日期类型（确保排序正确）
balance_df['Date'] = pd.to_datetime(balance_df['Date'], format='%d/%m/%Y')
movement_df['Date'] = pd.to_datetime(movement_df['Date'], format='%d/%m/%Y')

2. 合并两个DataFrame #

将资金流动数据合并到余额数据中，无流动的日期填充0：

# 按Date合并，无Movement的日期填充0
merged_df = pd.merge(balance_df, movement_df, on='Date', how='left').fillna(0)

3. 计算调整后的期初余额 #

通过shift()获取前一天的余额和资金流动，计算调整后的期初余额：

# 获取前一天的余额和资金流动
merged_df['prev_balance'] = merged_df['Balance'].shift(1)
merged_df['prev_movement'] = merged_df['Movement'].shift(1)

# 计算调整后的期初余额：前一天余额 + 前一天资金流动
merged_df['adjusted_start_balance'] = merged_df['prev_balance'] + merged_df['prev_movement']

4. 计算业绩收益率 #

基于调整后的期初余额计算收益率，并格式化百分比：

# 计算收益率，首日为N/A
merged_df['Performance'] = merged_df.apply(
    lambda row: (row['Balance'] - row['adjusted_start_balance']) / row['adjusted_start_balance'] 
    if pd.notna(row['adjusted_start_balance']) else 'N/A',
    axis=1
)

# 格式化百分比（保留1位小数）
merged_df['Performance'] = merged_df['Performance'].apply(
    lambda x: f"{x*100:.1f}%" if isinstance(x, float) else x
)

5. 整理最终结果 #

提取需要的列并按日期排序：

final_df = merged_df[['Date', 'Performance']].sort_values('Date')
# 转换日期格式为原格式
final_df['Date'] = final_df['Date'].dt.strftime('%d/%m/%Y')

print(final_df)

运行后输出结果：

Date Performance
0  05/06/2023          N/A
1  06/06/2023        10.0%
2  07/06/2023       -18.2%
3  08/06/2023         9.1%

关键说明 #

• 使用shift()高效获取前一天的数据，避免循环，符合Pythonic风格
• 通过合并填充确保所有日期都有资金流动数据（无流动为0）
• 利用apply()和lambda函数简洁实现收益率计算和格式化

内容的提问来源于stack exchange，提问作者Hotone