如何在Python中测量不同索引回报的不同Adjusted回报之间的相关性

Question

所以这是一个非常初级的问题，但我希望我能得到一些帮助。我有以下日志返回：

HengSeng["HengSengLogReturns"]=(np.log(HengSeng["Adj Close"])).diff()
NASDAQ["NASDAQLogReturns"]=(np.log(NASDAQ["Adj Close"])).diff()
GermanDax100["GermanDax100LogReturns"]=(np.log(GermanDax100["Adj Close"])).diff()
Netherland25["Netherland25LogReturns"]=(np.log(Netherland25["Adj Close"])).diff()
Europe50["Europe50LogReturns"]=(np.log(Europe50["Adj Close"])).diff()

我该如何为它们中的每一个制作一个相关表？

尽管它们都来自同一时期(2014年至今(，但不同的市场可以在不同的日期开盘/收盘，因此回报的行数不一致

我试图将它们合并到一个单独的数据帧中，但显然失败了，因此我无法使用

df.corr()

感谢提供的任何帮助

Answer 1

如果我理解正确，您可以在创建系列后编译它们

HengSeng["HengSengLogReturns"] = (np.log(HengSeng["Adj Close"])).diff()
NASDAQ["NASDAQLogReturns"] = (np.log(NASDAQ["Adj Close"])).diff()
GermanDax100["GermanDax100LogReturns"] = (np.log(GermanDax100["Adj Close"])).diff()
Netherland25["Netherland25LogReturns"] = (np.log(Netherland25["Adj Close"])).diff()
Europe50["Europe50LogReturns"] = (np.log(Europe50["Adj Close"])).diff()
df = pd.DataFrame({
'HengSeng': HengSeng["HengSengLogReturns"]
'NASDAQ': NASDAQ["NASDAQLogReturns"]
'GermanDax100': GermanDax100["GermanDax100LogReturns"]
'Netherland25': Netherland25["Netherland25LogReturns"]
'Europe50': Europe50["Europe50LogReturns"]
})
print(df.corr())