基于SimFin获取事件后5天收盘价作为逻辑回归目标变量的实现问询

看起来你已经完成了大部分数据准备工作，就差最后一步把事件发布后5天的收盘价赋值给目标变量了。我来帮你补全代码，同时解释下关键逻辑，避免踩坑：

首先，先补充你代码里遗漏的细节（比如导入pandas），然后一步步实现目标变量的设置：

import pandas as pd
import simfin as sf

# Load historical data
sf.set_data_dir('simfin_data')
sf.set_api_key(api_key='')  # 记得填入你的SimFin API密钥

prices = sf.load(dataset='shareprices', variant='daily', market='us')
df = prices.loc[prices['Ticker'] == 'TSLA']

# 确保索引是datetime类型且按日期升序排列（关键，否则shift会出错）
df['Date'] = pd.to_datetime(df['Date'])
df = df.set_index('Date').sort_index()
df = df[['High', 'Low', 'Open', 'Close', 'Volume']]

# Set Target Variable
load_target = sf.load(dataset='income', variant='quarterly', market='us')
load_target = load_target.loc[load_target['Ticker'] == 'TSLA']

# 将发布日期转为datetime类型，避免日期格式不匹配
load_target['Publish Date'] = pd.to_datetime(load_target['Publish Date'])

# 第一步：先计算每个交易日之后第5个交易日的收盘价
# 用shift(-5)是因为我们要取当前日期往后数5个交易日的收盘价（SimFin数据是交易日数据，自动跳过非交易日）
df['close_5d_later'] = df['Close'].shift(-5)

# 第二步：创建目标变量列，初始为NaN，仅在事件发布日期填充对应5天后的收盘价
df['target'] = pd.NA
for publish_date in load_target['Publish Date']:
    # 检查发布日期是否在行情数据的索引中（避免日期不在交易时间的情况）
    if publish_date in df.index:
        df.loc[publish_date, 'target'] = df.loc[publish_date, 'close_5d_later']

# 如果你不需要中间列，可以删掉它
df = df.drop(columns=['close_5d_later'])

关键细节说明： #

• 日期排序：一定要确保行情数据是按日期升序排列的，shift(-5)的逻辑才会正确——它会取当前行之后第5行的收盘价，对应实际的5个交易日之后的价格。
• 日期格式匹配：把Publish Date转为datetime类型，避免字符串和datetime索引匹配失败的问题。
• 边界检查：加入了发布日期是否在行情数据中的判断，防止因为发布日期是非交易日（比如周末、节假日）导致的索引错误。
• 目标变量逻辑：这里的实现是仅在事件发布当天的行中填充目标值（即该日期5天后的收盘价），其他行保持为缺失值，适合以事件日为样本点的逻辑回归模型；如果你的需求是给每个行都标记最近一次事件后5天的收盘价，可以调整逻辑（比如用向前填充等方式）。

备注：内容来源于stack exchange，提问作者x945