如何解决使用FIFO计算已实现和未实现的股票交易损益
我是Python的新手，但我一直没有设法弄清楚：如何从交易的数据框架转换到具有已实现和未实现的损益的投资组合的数据框架？。
到目前为止，我已经从经纪人那里下载了交易清单，只是稍微清理了一下这个数据框。举例来说，假设我从一个数据框开始，该数据框包含2个库存（ABCD和EFGH），并按库存和日期排序（最旧的在顶部），并包括库存名称，数量，交易方向和价格。设置是这样的：
ABCD 5 Buy 100
ABCD 3 Buy 90
ABCD 6 Sell 105
EFGH 4 Buy 50
EFGH 3 Sell 55
EFGH 2 Buy 53
EFGH 3 Sell 60
我想得出一个数据框，其中包括股票名称，投资组合中的数量，已实现的损益和未实现的损益。假设ABCD的当前价格包含在其他位置（例如，在单独的数据框中；可以说此时交易价格为120），并且用于未实现的盈亏，则它看起来像这样：
ABCD 2 40 60
EFGH 0 39 0
...真实。 ABCD的P / L为5 *（105-100）+ 1 *（105-90），不真实。 P / L为2 *（120-90）等。
似乎queue或deque是解决方案，我怀疑这最终是一个非常简单的练习，但是我真的不知道如何实现它，所以有什么帮助被赞赏。我发现了类似的问题How to calculate realized P&L of stock trades using the FIFO method?，但没有应用该问题的示例。
解决方法
我认为这不会直接回答你关于队列或双端队列的问题，但它肯定会给你另一种更冗长的方式来做同样的事情。如果您的数据结构如下：
Stock Type Price Quantity TimeStamp Stocks in Hand
TQQQ buy 63.1200 14.0 2020-08-14 19:50:00 14.0
TQQQ buy 71.7800 60.0 2020-08-25 13:06:41 74.0
TQQQ sell 71.0025 74.0 2020-09-04 13:49:42 0.0
TQQQ buy 69.0750 60.0 2020-09-04 14:00:16 60.0
TQQQ sell 82.7900 60.0 2020-12-01 18:08:54 0.0
TQQQ buy 82.5450 2.0 2020-12-14 22:42:22 2.0
TQQQ buy 84.7000 40.0 2020-12-21 13:58:03 42.0
TQQQ buy 104.0000 1.0 2021-01-25 15:35:28 43.0
TQQQ buy 96.5000 2.0 2021-01-27 19:32:45 45.0
TQQQ buy 91.4000 3.0 2021-01-29 20:45:38 48.0
TQQQ buy 96.3399 13.0 2021-02-01 16:48:30 61.0
TQQQ buy 96.3400 10.0 2021-02-01 16:50:34 71.0
TQQQ sell 100.0000 15.0 2021-02-02 14:02:11 56.0
TQQQ sell 102.0000 10.0 2021-02-02 16:55:15 46.0
然后使用这个：
def get_profit(data,stock):
import pandas as pd
buys = get_trans_types(mytrans[mytrans['Stock']==stock],'buy')
sells = get_trans_types(mytrans[mytrans['Stock']==stock],'sell')
profit = list()
i = -1
while (i < (len(sells)-1)):
i = i + 1
l = 0
p = 0
t = 0
r = 0
inv = 0
if sells[i][3] == buys[l][3]:
p = (sells[i][2] - buys[l][2])*sells[i][3]
inv = buys[l][2]*sells[i][3]
t = max(1,(sells[i][4] - buys[l][4]).days)
r = (p / inv) * (365/t)
profit.append([sells[i][0],sells[i][1],sells[i][2],sells[i][3],sells[i][4],sells[i][5],p,inv,t,r])
buys.pop(l)
elif sells[i][3] < buys[l][3]:
p = (sells[i][2]-buys[l][2])*sells[i][3]
inv = buys[l][2]*sells[i][3]
t = max(1,r])
buys[l][3] = buys[l][3] - sells[i][3]
elif sells[i][3] > buys[l][3]:
p = (sells[i][2]-buys[l][2])*buys[l][3]
inv = buys[l][2]*buys[l][3]
t = max(1,buys[l][3],r])
sells[i][3] = sells[i][3] - buys[l][3]
buys.pop(l)
i = i - 1
profit = pd.DataFrame(profit,columns=['Stock','Type','Price','Quantity','TimeStamp','Stocks in Hand','Abs Profit','Init Investment','Days Invested','Rate of Return'])
return(profit)
tqqqprofit = get_profit(mytrans,'TQQQ')
将为您提供每次卖出交易的利润及其回报，除以最初在不同日期/价格购买的股票数量：
Stock Type Price Quantity ... Abs Profit Init Investment Days Invested Rate of Return
TQQQ sell 71.0025 14.0 ... 110.3550 883.6800 20 2.279082
TQQQ sell 71.0025 60.0 ... -46.6500 4306.8000 10 -0.395357
TQQQ sell 82.7900 60.0 ... 822.9000 4144.5000 88 0.823541
TQQQ sell 100.0000 2.0 ... 34.9100 165.0900 49 1.575164
TQQQ sell 100.0000 13.0 ... 198.9000 1101.1000 43 1.533319
TQQQ sell 102.0000 10.0 ... 173.0000 847.0000 43 1.733753
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。