R使用先进先出法计算总收益或损失_R

R使用先进先出法计算总收益或损失

R使用先进先出法计算总收益或损失,r,R,我有两个数据集，一个是买入股票的详细信息，称为buy，另一个是卖出股票的详细信息，称为sell buy = data.frame(TransactionID = c(1:10), Ticker=c(rep('MSFT',4),rep('AMZN',3),rep('DOCU',3)), Date=c(rep('01-01-2020',2),rep('01-14-2020',2),rep('01-01-2020',2),rep('0

我有两个数据集，一个是买入股票的详细信息，称为

buy

，另一个是卖出股票的详细信息，称为

sell

buy = data.frame(TransactionID = c(1:10),
                 Ticker=c(rep('MSFT',4),rep('AMZN',3),rep('DOCU',3)),
                 Date=c(rep('01-01-2020',2),rep('01-14-2020',2),rep('01-01-2020',2),rep('01-14-2020',1),'01-01-2020','03-15-2020','04-06-2020'),
                 Price=c(100,102,102,107,2000,2010,2011,197,182,167),
                 Quantity=c(10,10,5,5,1,1,2,12,15,15))

sell = data.frame(TransactionID=c(1:7),
                  Ticker=c('MSFT','MSFT','AMZN','AMZN','DOCU','DOCU','DOCU'),
                  Date=c('01-07-2020','01-20-2020','01-01-2020','01-30-2020','01-15-2020','04-10-2020','04-20-2020'),
                  Price=c(97,110,2100,2050,210,205,225),
                  Quantity=c(7,12,1,3,10,5,3))

日期

以

mm dd YYYY

我的目标是使用先进先出（FIFO）（先进先出）方法计算数据中包含的时间段内所有交易的总损益

我试图使用R以编程方式完成这项工作，但尚未成功

方法和所需输出
我尝试手动进行计算，以演示FIFO计算方法和最终结果。我一直在寻找一种使用R实现这一点的方法，但还没有找到一种成功的方法-

1) 01-07-2020 - Ticker= MSFT - Sold 7 @ $97 - Total = $679 FIFO Cost of 7 @ $100 - Total = $700 Gain/Loss = -$21 2) 01-01-2020 - Ticker=AMZN - Sold 1 @ $2100 - Total = $2100 FIFO Cost of 1 @ $2000 - Total = $2000 Gain/Loss = +$100 3) 01-15-2020 - Ticker=DOCU - Sold 10 @ $210 - Total = $2100 FIFO Cost of 10 @ $197 - Total = $1970 Gain/Loss = +$130 4) 01-20-2020 - Ticker=MSFT - Sold 12 @ $110 - Total = $1320 FIFO Cost of 12 @ $[3x$100 + 9x$102] - Total = $1218 Gain/Loss = +$102 5) 01-30-2020 - Ticker=AMZN - Sold 3 @ $2050 - Total = $6150 FIFO Cost of 3 @ $[1x$2010 + 2x$2011] - Total = $6032 Gain/Loss = +$118 6) 04-10-2020 - Ticker=DOCU - Sold 5 @ $205 - Total = $1025 FIFO Cost of 5 @ $[2x$197 + 3x$182] - Total = $940 Gain/Loss = +$85 7) 04-20-2020 - Ticker=DOCU - Sold 3 @ $225 - Total = $675 FIFO Cost of 3 @ $182 - Total = $546 Gain/Loss = +$129
输出
损失总额：21美元，总收益：$664
净收益为643美元

对于如何以编程方式获得此答案的任何帮助，我们都将不胜感激。
有点混乱，但很有效

# First of all, let's convert date to Date class: buy$Date <- as.Date(buy$Date, '%m-%d-%Y') sell$Date <- as.Date(sell$Date, '%m-%d-%Y') # Empty df that will have results of each transaction: result <- data.frame() # For each line in Sell df we are going to run this loop for (i in 1:nrow(sell)) { print(sell[i, ]) # Create a temporary table by filtering 'buy' df to the right Ticker and dates before or equal to Sell operation temp <- buy %>% filter(Date <= sell$Date[i], Ticker == sell$Ticker[i]) j = 1 sellQ = sell$Quantity[i] FIFO = 0 # Running a while loop on temp table, iteratively updating FIFO while (sellQ > 0) { if (sellQ <= temp$Quantity[j]) { temp$Quantity[j] = temp$Quantity[j] - sellQ FIFO = FIFO + (sellQ * temp$Price[j]) sellQ = 0 } else { FIFO = FIFO + (temp$Quantity[j] * temp$Price[j]) sellQ = sellQ - temp$Quantity[j] temp$Quantity[j] = 0 j = j + 1 } } SoldTotal <- sell$Price[i] * sell$Quantity[i] gain_loss <- SoldTotal - FIFO # Creating output line: output <- data.frame(round = i, Ticker = sell$Ticker[i], FIFO = FIFO, SoldTotal = SoldTotal, gain_loss = gain_loss) # Adding output line to result df: result <- rbind(result, output) # Updating buy table buy <- buy %>% filter(!TransactionID %in% temp$TransactionID) %>% bind_rows(temp) %>% arrange(TransactionID) %>% filter(Quantity != 0) print('Completed successfully') }

根据注释，两个表中可能都有非整数
quantity
字段。在这个场景中，在继续之前，建议进行一个小的调整。假设数量字段可以四舍五入到2位小数。那么在这种情况下，请这样做

buy$Quantity <- as.integer(round(buy$Quantity*100)) buy$Price <- buy$Price/100 sell$Price <- sell$Price/100 sell$Quantity <- as.integer(round(sell$Quantity * 100))

方法2（使用purrr:：map*）

buy=data.frame（交易ID=c（1:10），股票代码=c（代表（'MSFT'，4），代表（'AMZN'，3），代表（'DOCU'，3）），日期=c（代表（'01-01-2020'，2），代表（'01-14-2020'，2），代表（'01-01-2020'，2），代表（'01-14-2020'，1），'01-01-2020'，'03-15-2020'，'04-06-2020'），价格=c（10010210210720002010201197182167），数量=c（10,10,5,5,1,1,2,12,15,15）） sell=data.frame（TransactionID=c（1:7），股票代码=c（'MSFT'、'MSFT'、'AMZN'、'AMZN'、'DOCU'、'DOCU'、'DOCU'），日期=c（'01-07-2020'、'01-20-2020'、'01-01-2020'、'01-30-2020'、'01-15-2020'、'04-10-2020'、'04-20-2020'），价格=c（971102100200205225），数量=c（7,12,1,3,10,5,3））图书馆（tidyverse）购买%>% 变异（日期=as.Date（日期，%m-%d-%Y'），买入或卖出=1）%>% 绑定行（销售%>% 变异（日期=as.Date（日期，%m-%d-%Y'），买入或卖出=-1））%>% 拆分（.$Ticker）%>% map_dfr（~.x%>%未计数（数量）%>% 分组依据（买入或卖出）%>% 变异（d=行数（））%>% 解组%>% 安排（d，-买入或卖出）%>% 变动（利润=累计金额（买入或卖出*-1*价格）， d2=rev（累积金额）（rev（累积金额）（rev（买入或卖出==-1））==1&买入或卖出==-1）））%>% （d）组%>% 突变（TransactionID=last（TransactionID））%>% 分组人（交易ID）%>% 总结（股票代码=第一（股票代码），先进先出=总额（价格*（买入或卖出==1）*d2），售出=总额（价格*（买入或卖出==-1）*d2），.groups='drop'） ) %>% 过滤器（FIFO！=0 |已售出！=0）%>% 分组人（交易ID）%>% 变异（增益=售出-先进先出）%>% 总结（跨越（先进先出：收益，~sum（）） #>#tibble:7 x 4 #>TransactionID FIFO售出收益 #> #> 1 1 700 679 -21 #> 2 2 1218 1320 102 #> 3 3 2000 2100 100 #> 4 4 6032 6150 118 #> 5 5 1970 2100 130 #> 6 6 940 1025 85 #> 7 7 546 675 129

由（v2.0.0）于2021年5月28日创建
您如何计算先进先出成本？公式是什么？每个股票的先进先出成本可以在
buy
数据集中找到。由于是先进先出的，在计算净损益时，首先考虑最早购买股票的价格，然后考虑以后的交易，例如票证MSFT。对于上面列出的第1）点，7股股票的成本为每股100美元，因为这是购买前7股MSFT股票的价格。对于上市的第4）点，MSFT的12股股票的成本被拆分，因为12股股票中的3股是从以每股100美元收购的第一批股票中提取的，其余9股的价格为每股102美元，因为它们是后来以更高的价格购买的。希望这澄清了计算方法OK我得到了正确的结果。我现在将发布我的解决方案，但我对操作顺序有点困惑。为什么AMZN sale排在第二位，而它是sell df中的第三个事务？谢谢，但是当我尝试使用一个稍微大一点的数据集时，它似乎抛出了一个错误，该数据集是以同样的方式构造的。在if中，错误为
错误（salesQ我在循环中添加了try:except:in the loop，因此如果出现错误，它应该向您显示发生交易的销售部门的交易，并继续到下一笔交易。也许您可以进行调查。我假设对于某些交易来说，可能存在一个问题，即在销售日期之前没有足够的股票。谢谢，现在的错误是try中出错：临时%filter（Date啊，对不起，我的糟糕，使用了python语法。我现在在循环的开头添加了一个Sell事务的打印输出。如果循环完成，它将返回“Completed successfully”。如果没有，您将看到错误发生后的行。谢谢！我想我找到了导致问题的缺少的行。请在<代码中提出最后一个请求>结果数据集，你将如何包含股票代码？做得好！太棒了。我希望我能再次投票，lolI似乎在使用结构相同的更大数据集尝试这两种方法时出错了错误：由于精度损失，无法从权重转换为。*位置：1、2、3 所需输出ut格式将与您以前的解决方案中的格式相同，添加了股票股票代码，这很好@AnilGoyalYour结果非常完美。谢谢，如果您可以使用您共享的解决方案更新您的答案，我也会为您提供最佳答案状态 > print(paste('Total Gain:', TotalGain)) [1] "Total Gain: 664" > print(paste('Total Loss:', TotalLoss)) [1] "Total Loss: -21" > print(paste('Net Gains:', NetGains)) [1] "Net Gains: 643" > > print('Details:') [1] "Details:" > result round FIFO SoldTotal gain_loss 1 1 700 679 -21 2 2 1218 1320 102 3 3 2000 2100 100 4 4 6032 6150 118 5 5 1970 2100 130 6 6 940 1025 85 7 7 546 675 129 buy$Quantity <- as.integer(round(buy$Quantity*100)) buy$Price <- buy$Price/100 sell$Price <- sell$Price/100 sell$Quantity <- as.integer(round(sell$Quantity * 100)) buy %>% uncount(Quantity) %>% group_by(Ticker) %>% mutate(Price = cumsum(Price), Quantity2 = row_number()) %>% right_join(sell %>% group_by(Ticker) %>% mutate(Quantity2 = cumsum(Quantity)), by = c('Ticker' = 'Ticker', 'Quantity2' = 'Quantity2')) %>% mutate(CP = diff(c(0, Price.x))) %>% group_by(TransactionID.y) %>% summarise(CP = sum(CP), SP = sum(Price.y * Quantity), Profit = SP - CP) # A tibble: 7 x 4 TransactionID.y CP SP Profit <int> <dbl> <dbl> <dbl> 1 1 700 679 -21 2 2 1218 1320 102 3 3 2000 2100 100 4 4 6032 6150 118 5 5 1970 2100 130 6 6 940 1025 85 7 7 546 675 129