python｜计算指定股票在指定日期区间内的正常收益率

1. 读取数据：首先，你需要使用pandas库来读取包含个股回报率和市场回报率的Excel文件。

2. 筛选数据：根据指定的日期区间（2018-08-20 至 2019-04-24），筛选出对应的数据行。

3. 构建回归模型：使用statsmodels库构建一个线性回归模型，其中个股收益率作为因变量，市场收益率作为解释变量。

4. 拟合模型：使用fit方法拟合模型，并获取回归方程的参数。

5. 回归方程：根据回归结果，写出回归方程

import pandas as pd
import statsmodels.api as sm

# 读取Excel文件
df = pd.read_excel('事件一个股、市场.xlsx')

# 筛选指定日期区间内的数据
start_date = '2018-08-20'
end_date = '2019-04-24'
df_filtered = df[(df['Trddt'] >= start_date) & (df['Trddt'] <= end_date)]

# 准备回归数据
X = df_filtered['Dretwdtl']  # 市场回报率
y = df_filtered['Dretwd']   # 个股回报率

# 添加常数项以便进行回归
X = sm.add_constant(X)

# 构建并拟合模型
model = sm.OLS(y, X).fit()

# 输出回归结果摘要
print(model.summary())

# 从模型结果中提取回归方程的参数
alpha = model.params['const']
beta = model.params['Dretwdtl']

# 写出回归方程
regression_equation = f"个股收益率 = {alpha:.4f} + {beta:.4f} * 市场收益率"

print(regression_equation)

报错1

可能由以下几个原因引起：

1. 包含非数值类型的列：如果你的DataFrame中包含非数值类型的列（如字符串或日期时间对象），直接转换为NumPy数组时可能会失败。

2. 数据类型不一致：尝试将包含不同数据类型的列转换为单一数据类型的NumPy数组可能会导致这个错误。

3. 缺失值：如果DataFrame中存在缺失值（NaN），在转换为NumPy数组之前没有进行适当的处理，也可能导致这个错误。