prepare_returns 会将缺失观测值默默转换为每个统计量中的 0.0 返回值

prepare_returns 会在其输入上运行 data.fillna(0),因此每个 NaN 都会变成基本上每个统计量计算中的一个平滑的 0.0 回报。缺失数据在使用该库的地方非常常见(不齐的日历、迟开始的基金、在一个框架内被退市的名称),将其作为零回报日进行补录会使基于分散性的每个统计量都向零靠拢,而不会发出任何警告:在插入 40 个 NaN 的 1,512 个点的每日序列中,年化波动率下降了 -1.29%,夏普指数下降了 -1.30%,索尔提诺指数下降了 -1.30%,VaR 下降了 -1.25%,CVaR 下降了 -1.49%,所有这些都是在默默无声中发生的。下降幅度与缺失数据的比例成正比,因此一个框架中有一列迟开始的情况下,该列的整个起始期都会被计为平滑的表现。