请问如何在notebook计算对数收益率
量化新手，想问问各路大神如何在notebook计算对数收益率？没有在聚宽找到相关的计算教程，新手教程里的收益率计算最后得到的是指数平均移动曲线，也没有涉及到对数收益率的计算
问题描述
解决方案
你好！欢迎来到量化交易的世界。在JoinQuant（聚宽）的Notebook（研究环境）中计算对数收益率其实非常简单，主要借助Python强大的数据处理库Pandas和数学计算库Numpy来实现。
为什么使用对数收益率？
在量化金融中，对数收益率（Log Return）比普通收益率（简单收益率）更常用，主要原因包括：
- 时间可加性：多期的对数收益率可以直接相加，而简单收益率需要相乘。
- 统计特性：对数收益率通常更接近正态分布，便于进行统计建模。
计算公式
对数收益率的公式为：
R_t = ln(P_t / P_{t-1}) = ln(P_t) - ln(P_{t-1})
其中，P_t 是当期价格，P_{t-1} 是上一期价格。
Notebook 实现步骤与代码
以下是一段可以直接在聚宽 Notebook 中运行的完整代码示例：
# 1. 导入必要的库
import jqdata
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 2. 设置参数
security = '000001.XSHE' # 以平安银行为例
start_date = '2023-01-01'
end_date = '2023-12-31'
# 3. 获取历史收盘价数据
# 使用 get_price 函数获取前复权收盘价
df = get_price(security, start_date=start_date, end_date=end_date, frequency='daily', fields=['close'])
# 4. 计算对数收益率
# 方法一：使用 np.log 和 shift
# df['log_return'] = np.log(df['close'] / df['close'].shift(1))
# 方法二：使用 np.log 和 diff (更简洁)
df['log_return'] = np.log(df['close']).diff()
# 去除第一行的 NaN 值
df = df.dropna()
# 5. 查看结果
print("前5行数据展示：")
print(df.head())
# 6. 可视化对数收益率
plt.figure(figsize=(12, 6))
plt.plot(df.index, df['log_return'], label='Log Return', color='blue')
plt.title(f'{security} 每日对数收益率')
plt.xlabel('Date')
plt.ylabel('Log Return')
plt.legend()
plt.grid(True)
plt.show()
代码原理解析：
get_price：这是聚宽获取历史行情的API。我们获取了平安银行在指定时间段内的每日收盘价（默认前复权，适合计算收益率）。np.log(df['close'])：利用 Numpy 对收盘价序列取自然对数。.diff()：Pandas 的diff()函数用于计算当前行与上一行的差值。结合上一步，这就实现了ln(P_t) - ln(P_{t-1})的计算。.dropna()：因为第一天没有前一天的价格来计算收益率，所以计算结果会是NaN（空值），我们用dropna()将其剔除。
你可以直接将这段代码复制到聚宽的 Notebook 单元格中运行。掌握了这个基础后，你就可以进一步计算波动率、夏普比率等更高级的量化指标了！