如何在非平衡日期DataFrame中计算T-12至T-2的资产累积收益率

问题背景 #

现有如下结构的非平衡面板DataFrame，DATE日期不连续，RETURN列存在缺失值（NA）：

需求说明 #

为每个资产计算T-12到T-2区间的累积收益率：

• 例如，针对2001-01-01的观测，计算区间为2000-01-01至2000-11-01的累积收益，公式为(1+RETURN1)*(1+RETURN2)*...*(1+RETURNn) - 1
• 若区间内存在NA值，或观测期数不足11期，累积收益率设为NA
• 当前仅能通过手动创建多个lag(RETURN)列实现，寻求更简便的方法

R 解决方案 #

使用dplyr分组排序后，结合slider包的滑动窗口函数，直接指定目标区间计算：

library(dplyr)
library(slider)

# 转换日期格式并按资产、日期排序
df <- df %>%
  mutate(DATE = as.Date(DATE)) %>%
  arrange(CODE, DATE) %>%
  group_by(CODE) %>%
  # 滑动窗口取T-12到T-2的11个观测，计算累积收益率
  mutate(CUM_RET = slide_dbl(
    x = 1 + RETURN,
    .f = ~ifelse(all(!is.na(.x)) && length(.x) == 11, prod(.x) - 1, NA),
    .before = 11,  # 窗口包含当前行前11个观测
    .after = -1    # 排除当前行前1个观测（即T-1）
  )) %>%
  ungroup()

关键逻辑 #

• arrange(CODE, DATE)确保每个资产的时间序列有序
• slide_dbl的.before=11和.after=-1精准锁定T-12到T-2的区间
• 内置条件判断自动处理NA值和期数不足的情况

Python 解决方案 #

利用pandas的分组滚动计算，结合位移操作实现目标区间的累积收益：

import pandas as pd

# 转换日期格式并排序
df['DATE'] = pd.to_datetime(df['DATE'])
df = df.sort_values(['CODE', 'DATE'])

# 计算1+RETURN，用于累积乘积
df['1+RET'] = 1 + df['RETURN']

# 分组后滚动计算11期累积收益，再位移对应到目标时间点
df = df.groupby('CODE').apply(lambda x: x.assign(
    CUM_RET = x['1+RET'].rolling(window=11, min_periods=11).apply(lambda y: y.prod() - 1, raw=True).shift(1)
)).reset_index(drop=True)

# 过滤窗口内存在NA的情况
df['CUM_RET'] = df.groupby('CODE').apply(
    lambda x: x['CUM_RET'].where(x['RETURN'].rolling(window=11, min_periods=11).apply(lambda y: all(pd.notna(y)), raw=True).shift(1), pd.NA)
).reset_index(drop=True)

关键逻辑 #

• rolling(window=11)计算连续11期的累积乘积，shift(1)将结果对应到T期（原窗口为T-11到T-1，位移后对应T-12到T-2）
• 第二次滚动判断窗口内是否存在NA，确保结果符合需求

方案优势 #

相比手动创建多个lag列，上述方法：

• 代码简洁，无需硬编码11个位移列
• 逻辑清晰，直接对应业务需求的区间范围
• 具备扩展性，若调整区间长度只需修改窗口参数即可

内容的提问来源于stack exchange，提问作者datgoaltho