基于Pandas计算S&P1500指定日期前后区间累计收益率问题咨询

现存代码问题梳理 #

• 日期列被转换为字符串格式设置索引，无法直接按时间范围筛选数据，是核心逻辑阻塞点
• 从Indexes取子集生成SP1500DailyReturns时未使用.copy()，触发了链式赋值的SettingWithCopyWarning
• 原for循环逻辑不完整，既没有按日期范围截取收益率序列，也没有逐行赋值，直接给整列赋值会覆盖所有行数据
• 列名存在笔误，目标列是SP150030after而非SP50030after

完整可运行代码 #

import pandas as pd
import numpy as np

# 1. 读取主表数据，日期保留datetime类型
Main_set = pd.read_excel('...')
# 直接转换为datetime，不要转成字符串
Main_set['European short date'] = pd.to_datetime(Main_set['European short date'], format='%d.%m.%y', errors='coerce')

# 2. 读取指数数据，计算日收益率+1
Indexes = pd.read_excel('...')
Indexes['Date'] = pd.to_datetime(Indexes['Date'], format='%d.%m.%y', errors='coerce')
# 设置datetime类型为索引，按日期升序排序（非常重要，保证时间序列顺序正确）
Indexes = Indexes.set_index('Date').sort_index()

# 加.copy()避免链式赋值警告
SP1500DailyReturns = Indexes[['S&P 1500 SUPER COMPOSITE - PRICE INDEX']].copy()
# 计算日收益率+1，第一个缺失值填充为1（无收益时乘积不变）
SP1500DailyReturns['S&P 1500_return'] = (SP1500DailyReturns['S&P 1500 SUPER COMPOSITE - PRICE INDEX'] / SP1500DailyReturns['S&P 1500 SUPER COMPOSITE - PRICE INDEX'].shift(1)).fillna(1)

# 3. 自定义计算函数：输入目标日期，返回前365天、后30天累计收益率
def calc_return(target_date):
    # 计算前365天累计收益率：目标日期前365天到目标日期前1天
    before_start = target_date - pd.Timedelta(days=365)
    before_end = target_date - pd.Timedelta(days=1)
    before_return = SP1500DailyReturns.loc[before_start:before_end, 'S&P 1500_return'].prod()
    
    # 计算后30天累计收益率：目标日期后1天到目标日期后30天
    after_start = target_date + pd.Timedelta(days=1)
    after_end = target_date + pd.Timedelta(days=30)
    after_return = SP1500DailyReturns.loc[after_start:after_end, 'S&P 1500_return'].prod()
    
    return pd.Series([before_return, after_return])

# 4. 批量计算填充两列
Main_set[['SP1500365before', 'SP150030after']] = Main_set['European short date'].apply(calc_return)

# 输出结果检查
print(Main_set.head())

代码说明 #

1. 日期全程保留datetime64类型，作为时间序列索引时可以直接用start:end的语法截取任意时间区间的数据
2. 提取DataFrame子集时添加.copy()，彻底解决SettingWithCopyWarning告警
3. 用apply替代手动for循环，代码更简洁，也避免了逐行赋值的索引匹配错误
4. 如果遇到区间内无数据的情况，prod会返回1（对应收益率为0），如果需要标记为空，可以额外加判断逻辑替换为np.nan

内容的提问来源于stack exchange，提问作者Dmitry Tarasov