如何用Pandas从收益率推导收盘价？转ffn库价格索引遇阻求助

我看了你的代码，问题出在初始值的处理和累积计算的方式上。你现在的写法会导致第一个llt_close值变成NaN，因为shift(1)会把第一行的前值变成空值，再乘以(1+df['llt_return'])自然就得到空值了。而且这种逐行shift的方式也不是处理累积收益最简洁的办法。

正确的实现方式 #

要从收益率序列生成价格索引（模拟收盘价），核心是用累积乘积来计算，因为每一期的价格都是前一期价格乘以(1+当期收益率)。我们只需要设定一个初始价格（通常设为1或者100），然后对(1+收益率)做累积乘积即可。

方案1：直接用cumprod()生成价格序列

如果你的收益率是每一期相对于上一期的收益，可以直接这样写：

import pandas as pd

times = pd.to_datetime(pd.Series(['2014-07-4', '2014-07-15','2014-08-25','2014-08-25','2014-09-10','2014-09-15']))
strategypercentage = [0.01, 0.02, -0.03, 0.04,0.5,-0.3]
df = pd.DataFrame({'llt_return': strategypercentage}, index=times)

# 初始价格设为1，然后计算累积乘积
df['llt_close'] = (1 + df['llt_return']).cumprod()

这样生成的llt_close第一行是1.01（对应第一个收益率0.01，即初始1元涨到1.01元），后续每一行都是前一行价格乘以(1+当期收益率)，完全符合收益率和价格的数学关系。

方案2：让第一行价格为初始值（比如1）

如果你希望第一行的llt_close是初始值1，后续价格基于前一行和当期收益率计算，可以调整为：

# 先设置初始价格为1
df['llt_close'] = 1.0
# 从第二行开始，用前一行价格乘以(1+当期收益率)
df['llt_close'] = df['llt_close'].mask(df.index == df.index[0], (1 + df['llt_return']).shift(1).fillna(1).cumprod())

或者更直观的循环写法（适合理解逻辑，数据量大时不推荐）：

df['llt_close'] = 1.0
for i in range(1, len(df)):
    df.loc[df.index[i], 'llt_close'] = df.loc[df.index[i-1], 'llt_close'] * (1 + df.loc[df.index[i], 'llt_return'])

这个方案下，第一行价格是1，第二行是1*(1+0.02)=1.02，第三行是1.02*(1-0.03)=0.9894，以此类推。

处理重复日期的小提醒 #

注意你的数据里有重复的日期2014-08-25，如果后续用ffn做分析，可能需要先处理重复索引（比如合并重复日期的收益率，或者保留其中一个），避免出现异常。比如可以用：

# 合并重复日期的收益率（这里用求和，你可以根据需求改成平均等）
df = df.groupby(df.index).agg({'llt_return': 'sum'})

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