基于Pandas实现股票交易数据FIFO先进先出计算的问题求助

核心实现思路 #

• 首先对全量交易数据按datetime升序排序，保证先进先出的时序基础
• 拆分买入、卖出订单为两个独立队列，给买入订单新增remaining字段标记未匹配的剩余持仓量
• 逐笔遍历卖出订单，从最早的未完全匹配的买入订单中扣减对应交易量，直到该卖出订单的量全部匹配完成
• 已完全匹配的交易订单直接移出匹配队列，不会被二次调用，彻底避免重复使用问题

可运行实现代码 #

import pandas as pd

# 替换为自己的实际数据集
df = pd.read_csv("你的交易数据路径.csv")
# 转换时间格式并按时间升序排序，保证FIFO时序
df['datetime'] = pd.to_datetime(df['datetime'])
df = df.sort_values('datetime').reset_index(drop=True)

# 拆分买卖队列
buy_list = df[df['side'] == 'buy'].copy().reset_index(drop=True)
buy_list['remaining_amount'] = buy_list['amount'] # 新增剩余未匹配量字段
sell_list = df[df['side'] == 'sell'].copy().reset_index(drop=True)

match_details = []
current_buy_index = 0 # 当前待匹配的最早买入订单索引

for _, sell_row in sell_list.iterrows():
    unmatch_sell_amount = sell_row['amount']
    # 循环匹配直到当前卖单完全匹配，或没有可匹配的买单
    while unmatch_sell_amount > 1e-8 and current_buy_index < len(buy_list):
        current_buy = buy_list.loc[current_buy_index]
        # 取可匹配的最小量
        match_volume = min(unmatch_sell_amount, current_buy['remaining_amount'])
        # 记录匹配明细，可按需扩展字段
        match_details.append({
            "sell_datetime": sell_row['datetime'],
            "sell_price": sell_row['price'],
            "buy_datetime": current_buy['datetime'],
            "buy_price": current_buy['price'],
            "match_amount": match_volume,
            "realized_profit": (sell_row['price'] - current_buy['price']) * match_volume
        })
        # 更新剩余未匹配量
        unmatch_sell_amount -= match_volume
        buy_list.loc[current_buy_index, 'remaining_amount'] -= match_volume
        # 当前买单已完全匹配，移动到下一个最早买单
        if buy_list.loc[current_buy_index, 'remaining_amount'] <= 1e-8:
            current_buy_index += 1

# 转换为DataFrame格式输出
match_result = pd.DataFrame(match_details)
print(match_result)

关键特性说明 #

• 完全遵循FIFO规则，所有交易记录仅会被匹配一次，不会出现bfill的重复调用问题
• 内置1e-8浮点精度容错逻辑，适配加密货币小数交易量的计算场景
• 输出明细自动关联每笔平仓对应的开仓时间、开仓成本，可直接用于后续收益统计、持仓周期核算

内容的提问来源于stack exchange，提问作者noobisme