升级 pandas 后，停牌日收益率为什么突然变成 NaN

最近整理一段旧回测代码时，我发现同一份收盘价数据，换了 pandas 版本后，收益率序列里多出了一批 NaN。最初以为是行情文件损坏，沿着日期查下去才发现，这些位置大多对应停牌或缺失报价

旧代码只有一句

ret = close.pct_change()

问题出在缺失值怎样处理。较早版本的 pandas，pct_change 的 fill_method 默认曾是 "pad"，相当于先把上一个有效价格向前填充，再计算相对变化。这样一来，缺失当天常会得到 0，看上去收益率很完整。当前官方文档中，fill_method 为 None；pct_change 直接依据原始序列计算，缺失值会保留下来。

这不是简单的“新版本算错了”。0 和 NaN 表达的是两件不同的事：0 表示确认价格没有变化，NaN 表示这一期没有足够信息。停牌期间把价格前向填充，在按自然日绘制净值时可能合理；但在估计波动率、相关性或训练模型时，大量人为的 0 会压低风险，看起来反而比真实情况更平稳。

我后来把处理方式从函数默认值里拆了出来。需要交易日收益率时，先保留缺失：

ret_raw = close.pct_change(fill_method=None)

如果业务上明确要把短缺口视为价格不变，就先限制填充长度，再计算：

ret_filled = close.ffill(limit=1).pct_change(fill_method=None)

这里的 limit=1 不是通用答案，只是把规则写明。连续缺失两天以上仍会留下 NaN，避免一只长期停牌股票被填成一长串零收益。

这次排错让我重新检查了回测环境：依赖版本要锁定，缺失值策略要写进配置，单元测试里也要放入连续缺口。收益率公式很简单，真正影响结果的，常常是公式执行前那一步数据处理。