NewStock/main/utils/__pycache__/utils.cpython-313.pyc

<EFBFBD>
?<3F>6h<00><00>:<00>SS
Kr
SS
KrS
SSS/S
4Sj
rSrSSj
rg
)	<09>N<>left<66>ts_code<64>
trade_datec<00>~<00>/nUH@nUR
S
5
(aURUSS5
 M/URU5
 MB [R"X
US9n	U	RH nX<>;
dM
S
U3n
U	RX<>0
SS9 M" Ub3U	RH#nUS;
dMUS
U3n
U	RX<>0
SS9 M% UbtUR(dc[USU35
 SU;a6[R"USS	S
9US'[R"U	SS	S
9U	S'[R"X9XTS9nU$U	nU$)N<>
_<>
)<02>key<65>columnsT)r
<00>inplace)rrz
 merge on rz%Y%m%d)
<01>format)<02>on<6F>how)
<EFBFBD>
startswith<EFBFBD>append<6E>pd<70>read_hdfr
<00>rename<6D>empty<74>print<6E>to_datetime<6D>merge)<0C>h5_filenamer	r
<00>df<64>joinr
<00>prefix<69>processed_columns<6E>col<6F>data<74>new_col<6F>	merged_dfs            <20>>/mnt/d/PyProject/NewStock/main/train/../../main/utils/utils.py<70>read_and_merge_h5_datar"sM
<00><00><1A><15><16><03><0E>><3E>><3E>#<23><1E><1E><1D>$<24>$<24>S<EFBFBD><11><12>W<EFBFBD>-<2D><1D>$<24>$<24>S<EFBFBD>)<29>	<17><0E>;<3B>;<3B>{<7B>5F<35>G<>D<EFBFBD><14>|<7C>|<7C><03><0E><1D><19>#<23><15>i<EFBFBD>G<EFBFBD><10>K<EFBFBD>K<EFBFBD><13><0E><04>K<EFBFBD>=<3D><1C>
<0E><19><17><<3C><<3C>C<EFBFBD><12>3<>3<>#<23>H<EFBFBD>A<EFBFBD>c<EFBFBD>U<EFBFBD>+<2B><07><14><0B><0B>S<EFBFBD>N<EFBFBD>D<EFBFBD><0B>A<> <20>
<EFBFBD>~<7E>b<EFBFBD>h<EFBFBD>h<EFBFBD>
<0A><14><06>j<EFBFBD><12><04>%<25>&<26><17>2<EFBFBD><1D>!<21>~<7E>~<7E>b<EFBFBD><1C>.><3E>x<EFBFBD>P<>B<EFBFBD>|<7C><1C>!#<23><1E><1E><04>\<5C>0B<30>8<EFBFBD>!T<>D<EFBFBD><1C><1E><17>H<EFBFBD>H<EFBFBD>R<EFBFBD>"<22>7<>	<09>
<15><14><19>	<09><14><14>c	<00><>
<00>[R"US
5
US
'[R"U
S5
U
S'U
RSS/5
nURS
S/5
n[R"UUSS
SSS9nUR	S5
R5R
5SS/nUSRUSRURS5
S5
5
US'UR
SS9
nU$)	Nr<00>in_dater<00>backward)<04>by<62>left_on<6F>right_on<6F>	direction<6F>l2_codeT)
<01>drop)
rr<00>sort_values<65>
merge_asof<EFBFBD>groupby<62>first<73>reset_index<65>fillna<6E>map<61>	set_index)r<00>industry_df<64>industry_df_sorted<65>	df_sorted<65>merged<65>min_in_date_per_ts<74>results       r!<00>merge_with_industry_datar;-s
<00><00><19>~<7E>~<7E>b<EFBFBD><1C>&6<>7<>B<EFBFBD>|<7C><14><1F>^<5E>^<5E>K<EFBFBD>	<09>,B<>C<>K<EFBFBD>	<09><1A>%<25>0<>0<>)<29>Y<EFBFBD>1G<31>H<><16><13><0E><0E><0C>i<EFBFBD>8<>9<>I<EFBFBD><10>]<5D>]<5D><11><1A><14><1C><1A><1C>
<06>F<EFBFBD>-<2D><0C>W<EFBFBD>Y<EFBFBD><17>
<EFBFBD>U<EFBFBD>W<EFBFBD><10>[<5B>]<5D>I<EFBFBD>y<EFBFBD>)<29>+<2B><16><1F>y<EFBFBD>)<29>0<>0<><0E>y<EFBFBD><19><1D><1D>0<>:<3A>:<3A>9<EFBFBD>E<>i<EFBFBD>P<>Q<><06>F<EFBFBD>9<EFBFBD><15>
<14>
<1F>
<1F>T<EFBFBD>
<1F>
*<2A>F<EFBFBD><11>Mr#c<00><00>UR
S
S/S9
n[R"URS
5
SR	U
*5
US-5
US'[R"URS
5
SR	S5
US-5
US'URS
5
SRU
S9
R
5RS	S
S9US'US
:XaUSUSU--US'U$US:XaUSX0S--
US'U$[S5
e
)u<>

计算单只股票的风险调整收益。

参数：
- df: DataFrame，包含 'ts_code' 和 'close' 列，按日期排序（假设 'trade_date' 已排序）。
- days: 预测未来多少天的收益，默认1天。
- method: 'ratio'（收益/波动率） 或 'difference'（收益 - λ * 波动率）。
- lambda_: 风险惩罚系数，仅当 method='difference' 时有效。
- eps: 防止除零的小常数。

返回：
- df：添加 'risk_adj_return' 列的 DataFrame，表示风险调整后的收益。
rr)
r'<00>close<73>
future_returnr<00>historical_return)
<01>windowrT)<02>levelr,<00>
volatility<EFBFBD>ratio<69>risk_adj_return<72>
differencez,Invalid method. Use 'ratio' or 'difference'.)	r-<00>np<6E>logr/<00>shift<66>rolling<6E>stdr1<00>
ValueError)r<00>days<79>method<6F>lambda_<61>epss     r!<00>calculate_risk_adjusted_returnrPRsC
<00><00>
<0C><1E><1E>I<EFBFBD>|<7C>4<><1E>	5<>B<EFBFBD><1D>&<26>&<26><12><1A><1A>I<EFBFBD>!6<>w<EFBFBD>!?<3F>!E<>!E<>t<EFBFBD>e<EFBFBD>!L<>r<EFBFBD>RY<52>{<7B>!Z<>[<5B>B<EFBFBD><EFBFBD><17>!<21>f<EFBFBD>f<EFBFBD>R<EFBFBD>Z<EFBFBD>Z<EFBFBD>	<09>%:<3A>7<EFBFBD>%C<>%I<>%I<>!<21>%L<>r<EFBFBD>RY<52>{<7B>%Z<>[<5B>B<EFBFBD><1A><1B><1A>z<EFBFBD>z<EFBFBD>)<29>,<2C>-@<40>A<>I<>I<>QU<51>I<>V<>Z<>Z<>\<5C>h<>h<>op<6F>nr<6E>i
<01>
t
<01>B<EFBFBD>|<7C><14><0E><17><18> "<22>?<3F> 3<>r<EFBFBD>,<2C>7G<37>#<23>7M<37> N<><02><1C><1D><0E>I<EFBFBD>
<10><<3C>	<1F> "<22>?<3F> 3<>g<EFBFBD><<3C>@P<>6P<36> P<><02><1C><1D><0E>I<EFBFBD><19>G<>H<>Hr#)rrCg<00>?g:<3A>0<EFBFBD><30>yE>)<07>numpyrF<00>pandasrr"r;rP<00>r#r!<00><module>rT
s/<00>


<01><12><13>:><3E>F<EFBFBD>PY<50>[g<>Oh<4F>qu<71>%
<15>P
"
<12>J
%
r#