### Python 实现股票简单收益率、对数收益率、年波动率和月波动率 以下是基于提供的引用内容以及专业知识，展示如何通过 Python 来计算股票的简单收益率、对数收益率、年波动率和月波动率。 #### 1. 数据准备 为了演示这些计算方法，我们先定义一组示例股价数据 `prices`： ```python import numpy as np # 示例股票价格序列 prices = np.array([336.1, 339.32, 345.03, 344.32, 343.44, 346.5, 351.88, 355.2, 358.16, 354.54, 356.85, 359.18, 359.9, 363.13, 358.3, 350.56, 338.61, 342.62, 342.88, 348.16, 353.21, 349.31, 352.12, 359.56, 360.00, 355.36, 355.76, 352.47, 346.67, 351.99]) ``` --- #### 2. 简单收益率计算 简单收益率可以通过相邻两天的价格变化来计算，其公式为： \[ R_t = \frac{P_{t} - P_{t-1}}{P_{t-1}} \] 代码如下： ```python simple_returns = np.diff(prices) / prices[:-1] print("简单收益率：", simple_returns) ``` 此部分逻辑来源于已知的收益率计算方式[^2]。 --- #### 3. 对数收益率计算 对数收益率是一种更常用的收益率形式，它具有加法性质，便于后续统计分析。其公式为： \[ r_t = \ln(P_t) - \ln(P_{t-1}) \] 代码实现如下： ```python log_returns = np.diff(np.log(prices)) print("对数收益率：", log_returns) ``` 该公式的应用背景已在多个金融场景中被验证有效[^2]。 --- #### 4. 年波动率计算 年波动率是对日收益率的标准差进行年度化处理的结果，通常乘以 \( \sqrt{252} \)，因为一年有大约 252个交易日。公式为： \[ \text{Annual Volatility} = \sigma_d \times \sqrt{252} \] 其中 \( \sigma_d \) 是日收益率的标准差。代码如下： ```python daily_std = np.std(log_returns) annual_volatility = daily_std * np.sqrt(252) print("年波动率： {:.2f}%".format(annual_volatility * 100)) ``` 这一计算过程已被广泛应用于金融市场中的风险评估[^2]。 --- #### 5. 月波动率计算 类似于年波动率，月波动率通过对日收益率标准差乘以 \( \sqrt{21} \) 得到（一个月约有 21个交易日）。公式为： \[ \text{Monthly Volatility} = \sigma_d \times \sqrt{21} \] 代码实现如下： ```python monthly_volatility = daily_std * np.sqrt(21) print("月波动率： {:.2f}%".format(monthly_volatility * 100)) ``` 这种方法同样适用于短期投资的风险衡量[^2]。 --- ### 总结 以上展示了如何利用 Python 和 NumPy 库完成股票的简单收益率、对数收益率、年波动率和月波动率的计算。这些指标对于量化交易者来说至关重要，能够帮助他们更好地理解资产回报特性和风险水平。 ---