如何基于DataFrame构建滚转曲线(Roll-off Profile)并支持任意多日期

嘿，这个需求太常见啦！做期限结构或者资产负债管理的时候经常会遇到——想要灵活生成任意数量未来日期的滚转曲线，又不想重复写一堆判断代码。我来给你分享一个简洁高效的解决方案，完全能满足你的需求～

核心思路是把需要对比的未来日期封装成一个可自定义的列表，然后利用Pandas的向量化特性批量处理，不管你加多少个日期，代码都不用改。

步骤1：准备示例数据 #

先构造一个带Maturity Date列的DataFrame（你可以替换成自己的真实数据）：

import pandas as pd
import datetime as dt

# 模拟你的DataFrame结构
data = {
    'Asset ID': [101, 102, 103, 104, 105],
    'Maturity Date': pd.to_datetime([
        '2024-06-30', '2025-01-15', '2026-03-20', '2023-12-10', '2027-09-05'
    ]),
    'Principal': [5000, 8000, 3000, 12000, 6000]
}
df = pd.DataFrame(data)

步骤2：定义任意数量的未来日期列表 #

你可以根据业务需求随时添加、删除或修改这个列表，日期格式统一为datetime对象就行：

# 这里可以放N个未来日期，想加多少加多少
future_check_dates = [
    dt.datetime(2024, 1, 1),
    dt.datetime(2025, 1, 1),
    dt.datetime(2026, 1, 1),
    dt.datetime(2027, 1, 1),
    dt.datetime(2028, 1, 1)  # 随便加新日期，代码不用改
]

步骤3：批量生成滚转曲线数据 #

根据你的需求，有两种常用的输出方式：

方式一：保留每条记录的到期判断标记 #

如果需要给每条资产标记在各个未来日期是否未到期，可以批量添加列：

# 遍历日期列表，自动生成对应列
for check_date in future_check_dates:
    # 自定义列名，方便识别
    col_label = f'Not Matured by {check_date.strftime("%Y-%m-%d")}'
    # 向量化判断，性能拉满
    df[col_label] = df['Maturity Date'] > check_date

执行后，你的DataFrame会自动新增N列，每列对应一个未来日期的判断结果，完全不用重复写df['Maturity Date'] > 日期这类代码。

方式二：直接生成滚转曲线的统计结果 #

如果你的目标是统计每个未来日期的未到期资产规模（比如本金总额、资产数量），直接聚合即可：

# 初始化一个字典存结果
roll_off_stats = {}
for check_date in future_check_dates:
    # 统计未到期的本金总和
    outstanding_principal = df.loc[df['Maturity Date'] > check_date, 'Principal'].sum()
    # 统计未到期的资产数量
    outstanding_count = df.loc[df['Maturity Date'] > check_date, 'Asset ID'].count()
    # 把结果存入字典，用日期字符串当键
    date_str = check_date.strftime("%Y-%m-%d")
    roll_off_stats[date_str] = {'Outstanding Principal': outstanding_principal, 'Outstanding Count': outstanding_count}

# 转成DataFrame，方便可视化或导出
roll_off_df = pd.DataFrame.from_dict(roll_off_stats, orient='index')

这样得到的roll_off_df就是标准的滚转曲线数据，以后只要修改future_check_dates列表，重新运行这段代码就能得到新的结果，完全不用改动核心逻辑。

为什么这个方法靠谱？ #

• 完全灵活：支持任意数量的未来日期，增删日期只改列表，不用碰判断逻辑
• 性能高效：用Pandas向量化操作替代逐行循环，大数据量下速度快很多
• 扩展性强：如果需要按行业、产品类型细分滚转曲线，只要在聚合时加个groupby就行，核心思路不变

内容的提问来源于stack exchange，提问作者Number Logic