如何计算标普500的滚动周度、月度、季度收益率？

你需要的是按周/月/季度分组的滚动累计收益率——每日更新到当日为止的当期累计收益，且每期（周/月/季）初重置计算起点，而不是降采样成单期一行的结果。以下是具体实现方法：

核心思路 #

先按时间周期（周/月/季）给数据打分组标签，再在每个分组内计算从期初到当日的累计收益率，保留每日数据行。

1. 滚动周度收益率实现 #

# 1. 生成跨年不重复的周标签（格式：年-周数）
data['year_week'] = data.index.strftime('%Y-%W')

# 2. 按周分组，计算滚动累计收益率（转成百分比）
data['rolling_weekly_return'] = data.groupby('year_week')['daily_return'].apply(
    lambda x: 100 * ((x + 1).cumprod() - 1)
)

• 用%Y-%W生成周标签是为了避免跨年时周数重复（比如2023年第52周和2024年第52周不会混淆）
• (x + 1).cumprod()计算的是从周初到当日的累计净值，减1再乘100得到累计收益率百分比
• 结果会保留原DataFrame的所有行，每周初收益率重置为0（首日pct_change()为NaN，需处理的话可加.fillna(0)）

2. 扩展到月度/季度收益率 #

只需要修改分组标签的生成逻辑即可：

滚动月度收益率

# 生成年-月标签
data['year_month'] = data.index.strftime('%Y-%m')

# 按月分组计算滚动收益率
data['rolling_monthly_return'] = data.groupby('year_month')['daily_return'].apply(
    lambda x: 100 * ((x + 1).cumprod() - 1)
)

滚动季度收益率

# 生成年-季度标签（格式：YYYYQN）
data['year_quarter'] = data.index.to_period('Q').astype(str)

# 按季度分组计算滚动收益率
data['rolling_quarterly_return'] = data.groupby('year_quarter')['daily_return'].apply(
    lambda x: 100 * ((x + 1).cumprod() - 1)
)

和原resample方法的区别 #

• 原resample("W")是降采样，将整周的收益压缩成一行，只保留每周最后一天的结果
• 上述方法是分组滚动计算，保留每日数据，每天显示到当日为止的当期累计收益，每期期初重置计算

内容的提问来源于stack exchange，提问作者Vivek Dabholkar