基于日度DataFrame生成周期数据及30日滚动收益可视化问题

一、解决月末交易日数据缺失/NA问题 #

你用resample('M').asfreq()出现NA是因为该方法取日历月末日期，若当天不是交易日则返回空值。要获取每个月实际最后一个交易日的数据，改用resample('M').last()：

import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt

# 下载标普500数据
s1 = yf.download("^GSPC", start="2005-02-01", end="2007-12-31")

# 提取月度最后交易日数据（无NA）
monthly_data = s1.resample('M').last()

如果需要强制用日历月末日期（非交易日则用前一个交易日数据填充），追加ffill()：

monthly_calendar_end = s1.resample('M').asfreq().ffill()

二、生成30天/60天间隔的数据 #

固定天数间隔的提取，直接用resample('30D').last()，会从起始日期开始，每30天取最近的最后一个交易日数据：

# 30天间隔数据
data_30d = s1.resample('30D').last()
# 60天间隔数据
data_60d = s1.resample('60D').last()

三、计算时段收益率并绘制柱状图 #

收益率公式为：(当前时段收盘价 / 上一时段收盘价) - 1，计算后用柱状图展示：

# 计算月度收益率
monthly_data['Return'] = (monthly_data['Close'] / monthly_data['Close'].shift(1)) - 1
# 计算30天间隔收益率
data_30d['Return'] = (data_30d['Close'] / data_30d['Close'].shift(1)) - 1

# 绘制月度收益率柱状图
plt.figure(figsize=(12, 6))
monthly_data['Return'].plot(kind='bar', color='steelblue', edgecolor='black')
plt.title('S&P 500 月度收益率（2005-2007）')
plt.xlabel('日期')
plt.ylabel('收益率')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

四、计算含Stub Period的30日滚动收益率 #

要实现滚动窗口最多30天，不足30天时用实际窗口长度计算收益率（包含开头和末尾的stub period），用rolling配合min_periods=1即可，一行代码搞定：

# 计算滚动30日收益率，窗口不足30天时自动用现有数据计算
s1['Rolling_30D_Return'] = s1['Close'].rolling(window=30, min_periods=1).apply(
    lambda x: (x[-1] / x[0]) - 1, raw=False
)

# 绘制滚动收益率曲线
plt.figure(figsize=(12, 6))
s1['Rolling_30D_Return'].plot(color='darkorange', linewidth=1.5)
plt.title('S&P 500 30日滚动收益率（含Stub Period）')
plt.xlabel('日期')
plt.ylabel('收益率')
plt.grid(alpha=0.3)
plt.tight_layout()
plt.show()

这个方法中，min_periods=1允许窗口最少1个数据点就计算收益率，lambda函数计算窗口内首尾收盘价的收益率，完美覆盖不足30天的情况。

内容的提问来源于stack exchange，提问作者Rampy sri