Python获取S&P100股票数据遇NaN错误：寻求解决方案

以下是导致所有结果返回NaN的核心问题及修复后的代码：

核心问题分析 #

1. 维基百科表格索引错误：原代码中sp100_data[2]指向了错误的表格，导致获取的股票代码列表无效或为空，后续价格数据全部缺失。
2. 特殊股票代码未兼容：S&P100中的BRK.B、BF.B等含点的代码，yfinance需要转换为BRK-B、BF-B才能正常获取数据。
3. 未转换为月度数据：原代码直接使用日度数据计算收益率，未按需求聚合为月度价格，且大量缺失数据导致统计结果全NaN。
4. FRED数据缺失值未处理：DGS1MO存在部分日期的缺失值，直接取均值会返回NaN。

修复后的完整代码 #

import pandas as pd
import pandas_datareader.data as pdr
import yfinance as yf

yf.pdr_override()

# 1. 获取S&P100成分股列表
url = "https://en.wikipedia.org/wiki/S%26P_100"
sp100_data = pd.read_html(url)
# 修正：当前维基百科中成分股表格为索引1的表格
sp100_table = sp100_data[1]
sp100_tickers = sp100_table["Symbol"].tolist()

# 处理含点的股票代码，转换为yfinance兼容格式
sp100_tickers = [ticker.replace('.', '-') for ticker in sp100_tickers]

start_date = "2010-01-01"
end_date = "2023-10-27"  

# 2. 获取日度价格数据并转换为月度数据（取每月最后一个交易日的调整收盘价）
price_data = pdr.get_data_yahoo(sp100_tickers, start_date, end_date)
monthly_prices = price_data["Adj Close"].resample('M').last()

# 3. 计算月度收益率
monthly_returns = monthly_prices.pct_change().dropna()

# 4. 计算均值收益与协方差矩阵
mean_returns = monthly_returns.mean()
cov_matrix = monthly_returns.cov()

# 5. 获取FRED的DGS1MO数据并处理缺失值，计算平均无风险利率
t_bill_rates = pdr.DataReader("DGS1MO", "fred", start_date, end_date)
# 前向填充缺失值，再转换为月度数据（取每月均值）
monthly_t_bills = t_bill_rates.ffill().resample('M').mean()
average_rf_rate = monthly_t_bills.mean()[0]

print("Mean Returns:")
print(mean_returns)
print("\nCovariance Matrix:")
print(cov_matrix)
print(f"\nAverage Risk-Free Rate: {average_rf_rate:.4f}%")

关键修正说明 #

• 表格索引修正：通过确认维基百科页面结构，将表格索引从2改为1，确保获取正确的成分股列表。
• 股票代码转换：将含点的代码替换为横杠，兼容yfinance的API要求。
• 月度数据聚合：使用resample('M').last()将日度收盘价转换为月度数据，再计算月度收益率，符合任务需求。
• 缺失值处理：对FRED的国债利率数据使用ffill()填充缺失值，再取月度均值，避免因缺失值导致平均利率为NaN。

内容的提问来源于stack exchange，提问作者Kassidy KIrlin