pandas中根据指定日期降采样

学习searchsorted的使用

问题描述

计算私募基金超额收益率。基金会披露一段时间的净值变动，但私募基金净值披露日期并不固定，可能每周披露一次或几天披露一次，因此，计算基准指数收益率也需要根据基金净值披露日期来计算。

例如现在要分析明汯300指数增强产品超额收益，有如下数据：

指数日度数据：

解决方案

首先提取出明汯产品净值披露日期

mh_300_dates = pd.DatetimeIndex(mh_300.index)

计算沪深300在净值披露周期的收益率

def period_ret(data):
    ret = data.pct_change()
    return ((ret + 1).prod() - 1)

index_close.columns = pd.to_datetime(index_close.columns)
hs300_weekly_ret = index_close.loc['hs300'].groupby(mh_300_dates[mh_300_dates.searchsorted(index_close.columns)]).apply(period_ret)

重点解释这段代码的最后一行，先看mh_300_dates.searchsorted(index_close.columns)

可以看到，这段代码将index_close.columns中的每个日期对应到mh_300的日期索引中

再看mh_300_dates[mh_300_dates.searchsorted(hs300_ret_std.index)]

这段代码就是根据上一步的索引指向了对应的mh_300的日期，也就是要进行降采样的日期，为每个值指明了对应关系，就是告诉groupby要怎么分组

最后是apply(period_ret)，定义的period_ret函数就是求一个区间内的累计收益率，对每个采样日期计算，即可求得每个采样区间内的指数累计收益率，就可计算产品超额收益率

mh_300_excess_ret = mh_300.iloc[:, -1].astype(float) - hs300_weekly_ret

总结

本文采用的方法灵活利用了searchsorted的特性，根据官网介绍，searchsorted是查找元素的插入索引以保持原序列有序。这种利用方式值得品味。