同列存储多债券历史价格场景下计算各债券历史波动率的问题求解

问题根因 #

• 原代码最后一行直接对全列log_return计算标准差，没有按ISIN分组，且标量无法正确匹配到每行，所以返回NaN
• 滚动窗口代码参数设置错误：window=1, freq='A'代表按年频率取窗口，每个窗口仅统计1个观测值的标准差，自然每个ISIN只有少量结果
• 不需要将ISIN转为宽表计算，长表分组计算是更节省内存的方案，完全适配9000只债券的计算需求

方案1：计算单只债券全时间段的静态历史波动率 #

如果你需要的是每只债券在整个数据集时间范围内的固定波动率，直接对log_return按ISIN分组后用transform回填结果即可：

import pandas as pd
import numpy as np

vol_df = pd.read_csv('hist_prices.csv')
vol_df['BusinessDate'] = pd.to_datetime(vol_df['BusinessDate'])
# 按ISIN+日期排序，避免收益率计算顺序错误
vol_df = vol_df.sort_values(['ISIN', 'BusinessDate']).reset_index(drop=True)
vol_df['Mid Price'] = vol_df[['Bid', 'Ask']].mean(axis=1)
vol_df['log_return'] = vol_df.groupby('ISIN')['Mid Price'].apply(lambda x: np.log(x) - np.log(x.shift(1)))
# 分组计算标准差后回填到对应行
vol_df['hist_vol'] = vol_df.groupby('ISIN')['log_return'].transform('std') * np.sqrt(252)

方案2：计算单只债券的滚动历史波动率 #

如果需要按窗口滚动计算动态波动率，调整滚动窗口参数即可，支持按观测值数量或者时间范围两种窗口模式：

# 先将日期设为索引，适配时间窗口计算
vol_df = vol_df.set_index('BusinessDate')
# 滚动波动率计算
rolling_vol = vol_df.groupby('ISIN')['log_return'].rolling(
    # 可选1：按观测值数量设窗口，适配不同债券交易日数不一致的场景，window=252代表取最近252个有效交易日的收益率
    window=252,
    # 可选2：按时间范围设窗口，window='252D'代表取最近252个自然日内的所有有效收益率
    # window='252D',
    min_periods=60,  # 窗口内最少有60个有效收益率才计算，避免样本太少结果失真，可根据需求调整
    closed='left'  # 排除当前行的收益率，避免未来数据引用，可根据需求调整
).std() * np.sqrt(252)
# 结果回填到原表
vol_df = vol_df.reset_index()
vol_df['rolling_hist_vol'] = rolling_vol.reset_index(drop=True)

注意事项 #

• 单只债券如果有效收益率记录少于min_periods的设定值，对应波动率结果会返回NaN，属于正常情况
• 计算前务必按ISIN+交易日排序，避免收益率计算顺序错误导致结果偏差

内容的提问来源于stack exchange，提问作者user16708102