如何基于每日股票收盘价计算周度与月度收益率？

前提准备 #

首先确保你的Date列（或索引）是datetime类型，如果不是，先执行转换：

import pandas as pd

# 若Date是普通列
table['Date'] = pd.to_datetime(table['Date'])

# 若Date是索引（原始DataFrame格式）
table = table.reset_index()  # 转为重置索引后的格式统一处理
table['Date'] = pd.to_datetime(table['Date'])

周度收益率计算 #

通过groupby结合pd.Grouper指定周频率（freq='W'），按股票代码和周分组后，用期末收盘价/期初收盘价 - 1计算区间收益率：

# 计算每只股票的周度收益率
weekly_returns = table.groupby(
    ['ticker', pd.Grouper(key='Date', freq='W')]
)['Adj Close'].apply(lambda x: x.iloc[-1] / x.iloc[0] - 1).reset_index(name='Weekly Return')

• 注：freq='W'默认以周日为周结束日，若需调整为周一结束，可改用freq='W-MON'。

月度收益率计算 #

将频率参数改为freq='M'（月末节点），即可计算月度收益率：

# 计算每只股票的月度收益率
monthly_returns = table.groupby(
    ['ticker', pd.Grouper(key='Date', freq='M')]
)['Adj Close'].apply(lambda x: x.iloc[-1] / x.iloc[0] - 1).reset_index(name='Monthly Return')

• 若需以月首为统计节点，可使用freq='MS'。

平均周度/月度收益率计算 #

如果需要每只股票的平均周度/月度收益率，直接对结果按ticker分组取均值：

# 每只股票的平均周度收益率
mean_weekly_returns = weekly_returns.groupby('ticker')['Weekly Return'].mean()

# 每只股票的平均月度收益率
mean_monthly_returns = monthly_returns.groupby('ticker')['Monthly Return'].mean()

补充说明 #

• 采用x.iloc[-1]/x.iloc[0]-1的原因：区间收益率直接用期末与期初的价格比计算，比累加日度收益率更准确，和你之前使用pct_change()的日度收益率逻辑一致。
• 若DataFrame未重置索引（Date为索引），可将pd.Grouper的参数改为level='Date'替代key='Date'，无需重置索引。

内容的提问来源于stack exchange，提问作者ASH