Python新手求助：获取定制市场指数的两年历史数据

1. 先明确核心问题 #

你当前的代码只能获取实时当前的股价和市值，而计算跨两年的每日指数需要的是时间序列历史数据，得换用专门获取历史行情的方法。下面用yfinance（你之前用的Ticker类大概率来自这个库）一步步实现。

先安装依赖（如果没装过）：

pip install yfinance pandas matplotlib

2. 批量获取历史股价与市值数据 #

import yfinance as yf
import pandas as pd

# 设置时间范围（近2年）
start_date = pd.Timestamp.today() - pd.DateOffset(years=2)
end_date = pd.Timestamp.today()

# 批量拉取所有股票的历史数据
# auto_adjust=True 自动处理拆股、分红后的收盘价，适合指数计算
data = yf.download(
    tickers_list,
    start=start_date,
    end=end_date,
    auto_adjust=True,
    actions=False
)

# 提取调整后收盘价（核心计算用）
adj_close = data['Adj Close']

# 尝试获取每日市值（部分股票可能无此数据，做降级处理）
try:
    daily_market_cap = data['MarketCap']
except KeyError:
    print("部分股票无历史市值数据，将用最新市值计算固定权重")
    # 获取每只股票最新市值
    ticker_info = yf.Tickers(" ".join(tickers_list)).tickers
    latest_mcap = {}
    for ticker in tickers_list:
        try:
            latest_mcap[ticker] = ticker_info[ticker].info['marketCap']
        except:
            latest_mcap[ticker] = 0  # 处理获取失败的情况
    # 把最新市值转为和股价对齐的时间序列（每日固定值）
    daily_market_cap = pd.DataFrame(index=adj_close.index)
    for ticker in tickers_list:
        daily_market_cap[ticker] = latest_mcap[ticker]

3. 计算市值加权指数值 #

分两种常用方式，选适合你的：

方式一：固定权重（用最新市值，新手友好） #

# 计算总市值
total_mcap = sum(latest_mcap.values())
# 单只股票权重 = 个股市值 / 总市值
weights = {t: m / total_mcap for t, m in latest_mcap.items()}

# 计算每日加权股价总和，再归一化到基准值100（第一天为起点）
weighted_daily = adj_close.multiply(pd.Series(weights), axis=1)
daily_index = weighted_daily.sum(axis=1)
normalized_index = (daily_index / daily_index.iloc[0]) * 100

方式二：浮动权重（每日更新市值，更精准） #

# 每日总市值
daily_total_mcap = daily_market_cap.sum(axis=1)
# 每日个股权重
daily_weights = daily_market_cap.div(daily_total_mcap, axis=0)

# 计算每日指数并归一化
weighted_daily = adj_close.multiply(daily_weights, axis=1)
daily_index = weighted_daily.sum(axis=1)
normalized_index = (daily_index / daily_index.iloc[0]) * 100

4. 对标标普500并绘图 #

import matplotlib.pyplot as plt

# 获取标普500历史数据并归一化
spx_data = yf.download('^SPX', start=start_date, end=end_date, auto_adjust=True)['Adj Close']
spx_normalized = (spx_data / spx_data.iloc[0]) * 100

# 绘图对比
plt.figure(figsize=(12,6))
plt.plot(normalized_index.index, normalized_index, label='定制指数')
plt.plot(spx_normalized.index, spx_normalized, label='标普500')
plt.title('定制指数 vs 标普500（近2年）')
plt.xlabel('日期')
plt.ylabel('指数值（基准=100）')
plt.legend()
plt.grid(True)
plt.show()

补充说明你的原始代码问题 #

你用的Ticker(all_symbols).price是专门拉取实时快照数据的接口，只能拿到当前时刻的股价和市值，没有时间维度的历史数据，自然无法计算跨日期的指数。要做时间序列分析，必须用yf.download()或Ticker(ticker).history()这类获取历史行情的方法。

内容的提问来源于stack exchange，提问作者Allison Murphy