def d_returns(self, is_portfolio: bool=True, col_name: str='Retornos') -> pd.DataFrame:
"""Retorna os retornos diários do portfólio, se
is_portfolio=True, ou dos ativos que o compõem, se
is_postfolio=False.
Args:
is_portfolio (bool, optional): refere-se aos retornos
do portfólio ou dos ativos que o compõem. Padrão: True.
col_name (str, optional): nome da coluna de retornos. Padrão: 'Retornos'.
Returns:
pd.DataFrame
"""
if is_portfolio:
ret = (qt.returns(self.prices) * self.weights).sum(axis=1).to_frame()
ret.rename(columns={0: col_name}, inplace=True)
return ret.dropna()
return qt.returns(self.prices).dropna()
def total_returns(self, period: str = 'a') -> pd.DataFrame:
"""Retorna a variação total do período,
(preço final - preço inicial) / preço final.
Args:
period (str, optional): refere-se à periodização
dos retornos ('m' ou 'a'). Padrão: 'a'.
Returns:
pd.DataFrame
"""
return qt.returns(self.prices, which='total', period=period).dropna()
def total_returns(self, scaled: bool = True) -> pd.DataFrame:
"""Retorna a variação total do período,
(preço final - preço inicial) / preço final,
se scaled=False; e retorna a variação anualizada se
scaled=True.
Args:
scaled (bool, optional): refere-se à anualização
dos retornos. Padrão: True.
Returns:
pd.DataFrame
"""
return qt.returns(self.prices, which='total', scaled=scaled).dropna()
def m_returns(self, is_portfolio: bool=True) -> pd.DataFrame:
d_rets = self.d_returns(is_portfolio=is_portfolio)
if is_portfolio:
# dataframe com multindex
m_rets = d_rets.iloc[:, 0].groupby(
[d_rets.index.year, d_rets.index.month]
).apply(lambda r: (1 + r).prod() - 1).to_frame()
# deixando o index como Y-m, em datetime
m_rets.index = map(
lambda t: dt(t[0], t[1], 1).strftime('%Y-%m'), m_rets.index
)
return m_rets
return d_rets.aggregate(lambda r: qt.returns(r, 'monthly'))