没交易的日子收益记0还是留空：波动率分母差异

2026-10-23 · L5

没交易的日子不能自动记零收益，价格没有更新的日子也不能自动当成资产没变。应分别确认持仓、估值与数据可得性：持仓不动仍可能随价格涨跌；缺少价格意味着当期回报未知，需要标记而不是随意填零。波动率的分母必须跟实际观测序列一致。

持仓没变、价格完整时该怎样记？

本页为标准库构造统计实验，未运行第三方框架。虚构价格依次为100、102、101、103、103、104，持有数量不变、无费用现金流，五个相邻区间收益按后一价除前一价减一计算。交易标记依次为有、无、有、无、有，但标记不决定估值是否发生。

第二个区间没有下单，价格从102跌到101，因此有负收益；第四个区间也无下单，价格从103到103，才确实为零。把这两种无交易日都删去，或都填零，会用交易活跃度替代持仓收益，把原本完整的五期统计改成另一个样本。

区间	期初价	期末价	是否下单	完整收益率
1	100	102	是	2.000000000%
2	102	101	否	-0.980392157%
3	101	103	是	1.980198020%
4	103	103	否	0.000000000%
5	103	104	是	0.970873786%

统计输入	数量	均值	样本标准差
完整日序列	5	0.007941359	0.012914807
只留有交易区间	3	0.016503573	0.005885332
缺失价沿用前值的情景	5	0.007902532	0.008338561

缺失场景价格：100、102、未知、103、103、104；前值填补情景：100、102、102、103、103、104。

表中完整五期与仅保留交易标记的三期各自算均值与样本标准差，采用分母n减一。两者不同来自样本选择，并不表示策略实际经历了更少的日子。年化若仍用252，更会把非连续交易日样本误当成连续日度观测，需另有明确解释。

第二个场景将101这一价格设未知，其他值保留。缺失点前后两个单日收益都无法从现有资料独立确认；虽然102到103的合并区间总回报可算，但它跨两期，不能拆成一个零加另一个单日回报并声称真实发生。

若出于某种明确估值制度沿用前值，可另建标为陈旧估值的序列，保留未知与估值状态。它是一项估值假设，不是行情事实。本文同时列出前值填补后的统计，让差额可观察，但不将它推荐为通用缺值修复。

填补后会在缺失那天形成零，后一天集中体现跨期变化；累计回报可能仍保持相同终点，波动率却被重新分配。终点闭合只约束总因子，不证明日度风险分布正确。不能用「最终净值没变」证明补零对风险指标没有影响。

如果账户真的空仓，且现金利息、费用与汇率都设为零，当日投资回报可以为零；但需要账户状态证据。持有资产只是没下单，价格仍可能变动；价格缺失则是信息不足。三个状态在表格里都可能显示没有成交，却不能用同一收益处理。

现金本身若有利息或外币换算变化，空仓也未必零回报。这里不扩展账户收益，只提醒先给清楚估值范围。不能因为一个交易日志为空，就用零替代总资产变化，也不能为了避免统计缺值而制造不存在的日估值。

停牌、休市和数据断流也需区分。某个市场的合法不交易日，与应有报价却丢失一行，是不同数据状态。年化频率和采样日历应匹配，不能一方面按交易日统计、一方面把自然周末全部添零却仍用252因子，形成另一种分母错配。

标准差使用样本均值和样本数量，删去观测会同时改变两者及离差平方和。结果可能上升也可能下降，不能无证据说删无交易日一定降低波动。本文计算两套具体序列，只说明所列数据下的变化，不外推所有策略。

如果删掉的日子不是连续区间，剩余收益各自对应不同时间间隔，不能继续共用日频解释。可以另做交易事件统计，但应改名并说明观察尺度，而不是用交易事件样本的标准差冒充每日资产波动。缺失数据的处置应在计算前确定，不以夏普好坏作为选择标准。

至少记录日期、持仓、价格是否更新、价格来源时点、是否成交、估值规则和收益是否可计算。未知用明确缺失标记，零只表示通过规则可确认的零。统计汇总报告原始期数、可用收益数量、缺值数量和是否填补，避免样本分母在结果里无声变化。

[!pitfall] 没成交不等于没收益，没报价不等于没风险。填补值是模型输入，不能伪装成真实行情；少量完整数据也不能自动代表缺失期间。

收益曲线诊断提供母题，数据自查说明缺值核验。夏普工具可用于基础统计，本文交易标记、缺失与填补序列由独立账表比较，不假定工具能识别每一种数据状态。先确认可估值条件，再讨论波动数值。

单期收益需要相邻两个估值，某日价格未知，前一日到当日与当日到下一日都缺一个端点。只删除缺失行再计算变化率，会把跨两期收益当成一个普通单日收益，间隔信息被压缩。应保留原日历和未知区间，或明确将其作为多期回报，不能让序列长度自动变化却仍沿用日频含义。

若后来补到真实价格，可以重算这两个相邻区间，其他区间不应无故改变。把填补版本与真实补录版本并列，能量化曾经的估值假设对波动统计影响。修复来源与时间也要记录，不能把后补数据假装成历史当时已经可得，尤其当这些数据参与信号时，还涉及另一层可得性问题。

Python统计函数文档用于核对样本标准差与均值的实现定义，不能据此推导收益分布的统计假设成立。来源核对日：2026-10-23。

署名：道积君编辑组。本文由AI辅助起草，所有数据为构造教学示例，金额、日期与公式经程序复算，不是实盘、真实市场历史或第三方框架运行结果。仅作投资教育，不推荐证券、平台或产品，不预测或保证收益。

本篇编号为DJ108。可下载Python核算脚本（文本）与完整输入输出JSON，对照文中表格复算。脚本文件改存为.py后可用Python运行；数据均为构造教学样本。