请用Python（pandas）实现计算股票组合的夏普比率，假设输入是股票日收益率数据（DataFrame），包含多个股票的日收益率列，以及无风险利率（如1年期国债收益率），请解释计算步骤并给出代码示例。

1) 【一句话结论】

夏普比率衡量投资组合在承担单位风险下获得的超额收益，计算需先求组合日收益率、减去无风险利率得到超额收益，再计算超额收益的均值和标准差，公式为（组合平均超额收益）/（组合收益率的标准差）。

2) 【原理/概念讲解】

夏普比率（Sharpe Ratio）是衡量投资组合风险调整后收益效率的核心指标，核心逻辑是“收益与风险的权衡”。公式为：
[ \text{夏普比率} = \frac{R_p - R_f}{\sigma_p} ]
其中，(R_p) 是投资组合的日收益率均值，(R_f) 是无风险利率（如1年期国债收益率），(\sigma_p) 是组合日收益率的样本标准差（衡量收益波动性/风险）。

类比：就像“每跑1公里消耗的卡路里”，夏普比率是“每承担1单位风险获得的超额收益”，能更客观比较不同组合的收益效率（比如基金、股票组合）。

3) 【对比与适用场景】

指标	定义	计算方式	适用场景	注意点
夏普比率	风险调整后超额收益	（组合均值 - 无风险利率）/标准差	比较不同组合的收益效率（如基金、股票组合）	需匹配无风险利率的时点（如日利率对应日数据）
特雷诺比率	基于贝塔的风险调整收益	（组合均值 - 无风险利率）/贝塔	侧重系统风险（贝塔）的影响	需已知市场指数收益率
詹森Alpha	超额收益的绝对值	组合均值 - [无风险利率 + 贝塔×市场超额收益]	衡量组合是否跑赢市场（超越贝塔贡献）	需市场指数收益率

4) 【示例】

假设输入数据：

• DataFrame df 包含列：'stock1', 'stock2', 'stock3'（各股票日收益率），以及 'risk_free'（无风险利率，日值）。
• 组合权重：等权重（1/3）。

计算步骤（伪代码）：

import pandas as pd

# 假设数据（日收益率）
data = {
    'stock1': [0.01, -0.02, 0.03],  # 日收益率
    'stock2': [0.005, 0.01, -0.01],
    'stock3': [-0.01, 0.02, 0.00],
    'risk_free': [0.002, 0.002, 0.002]  # 无风险利率（日值）
}
df = pd.DataFrame(data)

# 1. 计算组合日收益率（等权重加权）
portfolio_return = (df[['stock1', 'stock2', 'stock3']].sum(axis=1)) / 3

# 2. 计算平均超额收益（组合均值 - 无风险利率均值）
avg_excess = portfolio_return.mean() - df['risk_free'].mean()

# 3. 计算组合收益率的标准差（波动率）
std_dev = portfolio_return.std()

# 4. 计算夏普比率（日数据，若需年化乘以√252）
sharpe_ratio = avg_excess / std_dev
print(f"夏普比率: {sharpe_ratio:.4f}")

5) 【面试口播版答案】

“夏普比率是衡量投资组合风险调整后收益的指标，核心公式是（组合平均日收益率减去无风险利率）除以组合日收益率的标准差。计算步骤第一步，先计算组合日收益率，比如用等权重加权各股票日收益率，得到组合的每日收益；第二步，计算这个组合收益率的平均值，然后减去无风险利率（比如1年期国债的日收益率），得到超额收益的均值；第三步，计算组合收益率的样本标准差，即波动率；最后用超额收益均值除以标准差，就是夏普比率。比如假设有一个包含三只股票的组合，各股票日收益率和1年期国债日利率，通过pandas计算组合收益，再按上述步骤算出夏普比率，就能评估这个组合的收益效率。”

6) 【追问清单】

• 如何处理数据中的缺失值？
  回答要点：通常用前向填充（df.fillna(method='ffill')）或均值填充，避免计算时出错。
• 如果组合权重不是等权重，如何调整计算？
  回答要点：用权重列加权计算组合收益率，即 portfolio_return = df[stock_cols] * weight_vector.sum(axis=1)，再按上述步骤计算。
• 夏普比率是否需要年化？为什么？
  回答要点：通常需要年化（乘以√252），因为日数据计算的是日夏普比率，年化后更直观比较不同时间跨度的组合。
• 无风险利率的时点是否需要与收益率数据匹配？
  回答要点：必须匹配（如日收益率用日无风险利率），否则会导致超额收益计算偏差。
• 如果组合收益率波动很大（标准差很大），夏普比率会很低，如何解释？
  回答要点：说明组合风险高，收益的稳定性差，即使收益高，但风险过高，效率低。

7) 【常见坑/雷区】

• 忽略无风险利率的时点匹配：比如用月无风险利率计算日收益率，导致超额收益计算错误。
• 标准差计算错误（用总体标准差而非样本标准差）：样本标准差分母为(n-1)，总体为(n)，会导致结果偏小或偏大。
• 组合收益率计算错误（未加权或权重错误）：比如直接求均值而非加权，导致结果偏差。
• 夏普比率未年化：日数据直接计算，未乘以√252，导致结果与市场标准不一致。
• 忽略数据的时间区间一致性：比如计算某年数据，但无风险利率用了不同年份的值，导致结果无效。