净额结算替代对冲下的平均资产价格计算及Pandas实现咨询

核心逻辑是加权平均成本（Weighted Average Cost, WAC），无论下单量是否递增、价格间隔是否规则，公式统一为：

平均持仓价 = 总买入金额之和 ÷ 总买入数量之和

场景验证 #

• 基础场景：20000买1单位、19000买1单位，总金额=20000+19000=39000，总数量=2，平均价=39000/2=19500，与示例一致。
• 递增下单量场景：20000买1、19500买1.5、19000买2，总金额=20000×1 + 19500×1.5 + 19000×2=87250，总数量=4.5，平均价≈19388.89。
• 价格不规则场景：20000买1、19000买1、19150买1，总金额=58150，总数量=3，平均价≈19383.33。

Pandas实现方案 #

1. 基于已有交易历史计算

假设你有记录所有买入交易的DataFrame，包含price（买入价）和quantity（买入量）两列：

import pandas as pd

# 示例交易数据（可替换为你的实际数据）
trades = pd.DataFrame({
    'price': [20000, 19500, 19000],
    'quantity': [1, 1.5, 2]
})

# 方法一：手动计算总金额/总数量
trades['amount'] = trades['price'] * trades['quantity']
total_amount = trades['amount'].sum()
total_quantity = trades['quantity'].sum()
avg_price = total_amount / total_quantity

# 方法二：使用Pandas内置加权平均
avg_price = trades['price'].mean(weights=trades['quantity'])

print(f"平均入场价: {avg_price:.2f}")
print(f"总持仓量: {total_quantity}")

2. 动态更新（逐笔新增交易时）

如果需要每次新增买入后实时更新平均价，可维护累计金额和累计数量，避免重复计算全部历史：

# 初始化累计值
cumulative_amount = 0.0
cumulative_quantity = 0.0

# 模拟逐笔新增交易
new_trades = [
    {'price': 20000, 'quantity': 1},
    {'price': 19500, 'quantity': 1.5},
    {'price': 19000, 'quantity': 2}
]

for trade in new_trades:
    trade_amount = trade['price'] * trade['quantity']
    cumulative_amount += trade_amount
    cumulative_quantity += trade['quantity']
    current_avg = cumulative_amount / cumulative_quantity
    print(f"新增交易后：平均价={current_avg:.2f}，持仓量={cumulative_quantity}")

注意事项 #

• 该逻辑仅适用于买入场景，若包含卖出操作，需根据卖出规则（如先进先出、后进先出或加权平均卖出）调整持仓量和剩余成本。
• 若使用mean(weights=...)，需确保Pandas版本≥1.3.0（该参数从1.3.0开始支持）。

内容的提问来源于stack exchange，提问作者Sergey Sypalo