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。