根据彭博API中选定的季度数据计算回报

Question

目前，我正在使用Bloomberg API，并对Python数据帧做一些web crawler。我已经检索到了数据，并对它们进行了一些分析，以创建某种模拟。比如说，我有这个数据：

                  ABC US Equity
      2011-01-03    243.00
      2011-01-04    243.58
      2011-01-05    243.45
      2011-01-06    244.28
      2011-01-07    244.13
      2011-01-10    244.32
      2011-01-11    245.83
      2011-01-12    246.31
      2011-01-13    247.05
      2011-01-14    247.39
      2011-01-17    249.24
      2011-01-18    248.93
      2011-01-19    248.68
      2011-01-20    248.30
      2011-01-21    249.81
               ...  
      2011-04-01    437.32
               ...
      2011-07-01    438.40
               ...
      2011-10-03    438.79
               ... 
      2012-01-03    438.79

目标

我想添加一个新列，根据以下条件计算回报：

1. 它从季度间隔数据中取值，在本例中是从2011-04-01、2011-07-01、2011-10-03和2011-01-03
2. 取平均值，用2011-01-03中的数据除以，并将结果放入2012-01-03行的新列中
3. 它也适用于下一行

期望值

                 ABC US Equity   Return
      2011-01-03    243.00      #The result should be (average(437.32+438.40+438.79+439.81)/243.00)-1
      2011-01-04    243.58       and so on, same calculation on the next row
      2011-01-05    243.45       ... 
      2011-01-06    244.28       ...
      2011-01-07    244.13       ... 
      2011-01-10    244.32
      2011-01-11    245.83
      2011-01-12    246.31
      2011-01-13    247.05
      2011-01-14    247.39
      2011-01-17    249.24
      2011-01-18    248.93
      2011-01-19    248.68
      2011-01-20    248.30
      2011-01-21    249.81
               ...  
      2011-04-01    437.32
               ...
      2011-07-01    438.40
               ...
      2011-10-03    438.79
               ... 
      2012-01-03    439.81

到目前为止，我试图只计算平均数，但结果本身仍然远离我的期望

df['Return'] = [
    df2.loc[
        edt - pd.tseries.offsets.DateOffset(months=4):edt,
        'ABC US Equity'].mean() 
        for edt in df.index

这段代码反而产生了“滚动”的意思，而不是我所期望的。你知道吗

有人知道如何解决这个问题吗？，我花了好几天的时间来解决这个问题。我是Python的新手，如果这是基本问题，我很抱歉。你知道吗

Answer 1

您可以使用pd.date_range来设置比较季度。您只需选择开始日期，选择所需的时段数，然后通过设置freq='BQS'，即可获得业务季度开始时间：

quarters = pd.date_range(pd.Timestamp(2011,4,1), periods=4, freq='BQS')

然后可以将结果列设置为：

(df.loc[df['date_column'].isin(quarters), ['ABC US Equity']]
   .apply(lambda x: x.mean()/df['ABC US Equity']-1))

编辑：如果日期列是索引，则可以执行以下操作：

df.reindex(quarters).apply(lambda x: x.mean()/df['ABC US Equity']-1)

确保您的索引是datetimeindex。如果不是这样，你可以做：

df.index = pd.to_datetime(df.index)

注：您的样本包含2个日期为2011-01-03的值。如果最后一个值是错误的，您可能希望在2011-04-01开始您的季度，这将给您2012-01-02作为您的最后一个季度日期。如果它们都有效，但要排除平均值中的第一个，则需要在上面的第一行中添加.iloc[1:]。你知道吗