Python 从2个数据帧计算加权股票回报

我有一个由7只股票组成的投资组合，它们的信息在2个数据帧中

市值：

                 AAPL      GOOGL       AMZN     FB     IBM    MSFT        ORCL
2018-06-04  942870.9225 795721.6978 808033.8064 559683.8431 131306.1865 781150.6901 193175.0512
2018-06-05  950145.3268 795208.7988 823114.6586 558699.2999 131912.0456 785145.9528 192399.4117
2018-06-06  953438.4692 792862.4102 822823.5225 554066.1556 132839.1936 787450.9121 194930.4458
2018-06-07  950882.5975 783977.2272 819693.8089 544915.6954 133435.8730 775080.9641 194644.6838
2018-06-08  942231.9546 782312.8482 817117.2541 547579.7534 134151.8882 780843.3622 196685.8403

投资组合股票价格：

                AAPL       FB        GOOG        AMZN        IBM         MSFT        ORCL


2018-06-04  189.6813    193.28  1139.29 1665.27 136.5008    100.4157    46.5525
2018-06-05  191.1447    192.94  1139.66 1696.35 137.1307    100.9293    46.3656
2018-06-06  191.8072    191.34  1136.88 1695.75 138.0945    101.2256    46.9755
2018-06-07  191.2930    188.18  1123.86 1689.30 138.7148    99.6354 46.9067

我想计算每日加权平均投资组合回报率。权重是股票市值与总市值之和的百分比

例如，加权回报率应为

sum（股票收益率i*股票上限i）/sum（股票上限i）

---

如何生成一个新的数据框，该数据框包含整个期间的每日收益？

不确定我是否正确获取了您的信息，但这是怎么回事：

将熊猫作为pd导入
pd.set_选项（'display.max_columns'，30）
pd.set_选项（'display.width'，1000）
pd.设置_选项（“精度”，4）
mc=“”日期AAPL GOOG AMZN FB IBM MSFT ORCL
2018-06-04  942870.9225 795721.6978 808033.8064 559683.8431 131306.1865 781150.6901 193175.0512
2018-06-05  950145.3268 795208.7988 823114.6586 558699.2999 131912.0456 785145.9528 192399.4117
2018-06-06  953438.4692 792862.4102 822823.5225 554066.1556 132839.1936 787450.9121 194930.4458
2018-06-07  950882.5975 783977.2272 819693.8089 544915.6954 133435.8730 775080.9641 194644.6838
2018-06-08  942231.9546 782312.8482 817117.2541 547579.7534 134151.8882 780843.3622 196685.8403
"""
sp=“”日期AAPL FB GOOG AMZN IBM MSFT ORCL
2018-06-04  189.6813    193.28  1139.29 1665.27 136.5008    100.4157    46.5525
2018-06-05  191.1447    192.94  1139.66 1696.35 137.1307    100.9293    46.3656
2018-06-06  191.8072    191.34  1136.88 1695.75 138.0945    101.2256    46.9755
2018-06-07  191.2930    188.18  1123.86 1689.30 138.7148     99.6354    46.9067
"""
marketcap=pd.read\u csv（pd.compat.StringIO（mc），header=0，sep=“\s+”，parse\u dates=True，index\u col=0）
prices=pd.read\u csv（pd.compat.StringIO（sp），header=0，sep=“\s+”，parse\u dates=True，index\u col=0）
portfolioReturns=pd.DataFrame（）
def weightedReturn（键）：
dailyReturns=价格[key]。价格变化（1）
权重=市值[关键]
portfolioReturns[关键点]=DailReturns*权重
[weightedReturn（键）用于键入价格。列]
打印（portfolioReturns）

收益率：

                 AAPL         FB       GOOG        AMZN       IBM        MSFT       ORCL
date                                                                                    
2018-06-04        NaN        NaN        NaN         NaN       NaN         NaN        NaN
2018-06-05  7330.4151  -982.8113   258.2549  15362.3158  608.7246   4015.8159  -772.4494
2018-06-06  3304.5802 -4594.7230 -1934.0483   -291.0332  933.6379   2311.7341  2564.1441
2018-06-07 -2549.1422 -8999.3394 -8978.4177  -3117.8093  599.3741 -12176.1071  -285.0753
2018-06-08        NaN        NaN        NaN         NaN       NaN         NaN        NaN

当然，

portfolioReturns.mean（axis=1）

将返回投资组合的平均每日回报

---

或者，作为一行：

print（prices.pct_change（））.multiply（marketcap.mean（axis=1）

您可以添加您的预期产出吗？您不应该提供投资组合中每只股票的权重吗？除非，你的投资组合本质上是大科技的ETF。什么是

股票回报i

？回报定义为Pt/Pt-1-1。例如，如果3天内的价格分别为100110和120，我可以计算2个回报（110/100-1=10%和120/110-1）。我希望有一个数据框，显示t天的每日加权回报（因此将有t-1行数据）。每日投资组合收益是7只股票的加权平均收益------平均（股票收益率1+股票收益率2+…+股票收益率7）。特定日期的权重是当天的市值，在第一个数据框中给出。