修复时间序列图表起始段严重失真问题

无论设置10年、20年还是25年的时间范围，图表起始段数据都严重失真，数值要么极高要么极低。

• 一开始以为是min_periods参数的问题，但调大参数后毫无改善
• 已经确认计算列里没有N/A值
• 子图绘制的是代码中的sharpe_rf指标

问题根源与修复方案 #

1. 核心错误：夏普比率计算逻辑完全偏离标准 #

你当前的代码把已经算好的夏普比率除以无风险利率，这完全违背了夏普比率的标准公式。正确的滚动夏普比率应该是**（资产日均收益率 - 无风险日均收益率）除以收益率标准差，再乘以年化系数**，用夏普比率去除以无风险利率会导致数值异常——尤其是无风险利率偏低时，结果会被放大到离谱的程度，这是起始段数值失真的主要原因。

2. 小样本导致统计结果不稳定 #

你设置了min_periods=10，意味着只要凑够10个数据就会计算滚动指标，但你的窗口是252（一年交易日），样本量远小于窗口大小时，均值和标准差的波动会极大，统计意义极低，自然会出现极端值。

3. 无风险利率单位未做转换 #

USGG10YR的收益率是百分比形式（比如3代表3%），直接用这个数值参与计算会导致量级错误，必须先转换成小数（0.03），还要把年化的无风险利率转成日度的，才能和日度收益率匹配。

修复后的代码示例 #

asset1          = 'XLY Equity'
asset2          = 'USGG10YR Index'

# 数据获取与预处理
sids            = mgr[asset1, asset2]
d               = sids.get_historical(prices,start=startD,end=endD)
df              = pd.DataFrame(d).dropna()
df.columns      = ['Asset', 'Risk Free Rate']

# 无风险利率转换：百分比转小数，年化转日度
df['Risk Free Rate'] = df['Risk Free Rate'] / 100  # 百分比转小数
daily_rf = df['Risk Free Rate'] / 252  # 年化收益率转日度

# 计算日度对数收益率
daily_returns = np.log(df['Asset']) - np.log(df['Asset'].shift(1))
daily_returns = daily_returns.dropna()

# 滚动夏普比率（标准公式）
lookback = 252
# 强制使用完整窗口计算，避免小样本失真；也可根据需求调整min_periods为中间值（如126）
rolling_return_mean = daily_returns.rolling(window=lookback, min_periods=lookback).mean()
rolling_return_std = daily_returns.rolling(window=lookback, min_periods=lookback).std()
rolling_rf_mean = daily_rf.rolling(window=lookback, min_periods=lookback).mean()

# 标准年化夏普比率计算
sharpe_rf = np.sqrt(252) * (rolling_return_mean - rolling_rf_mean) / rolling_return_std
sharpe_rf = sharpe_rf.dropna()

额外建议 #

• 如果不想完全舍弃起始段数据，可以把min_periods设为126（半年交易日），但要明确小样本的结果可靠性有限
• 确认无风险利率的数据源是否为年化收益率，如果是其他频率（比如日度），要调整转换方式

内容的提问来源于stack exchange，提问作者JC21