20日波动率不等于20个有效样本：rolling 的 min_periods 要写清楚

做滚动波动率时，很多代码只有一行：先算收益率，再调用 rolling(20).std()。窗口写了 20，看起来就是“最近 20 个交易日”，但序列里只要有停牌、缺数或新股上市，实际参与计算的样本数就可能不同。

pandas 官方文档说明，min_periods 决定窗口至少需要多少个有效观测值才能返回结果，否则就是 NaN。整数窗口未显式设置时，默认要求样本数等于窗口长度；按时间偏移量定义窗口时，默认值则是 1。因此 rolling(20) 与 rolling("20D") 不只是交易日和自然日的区别，有效样本门槛也不同。

我通常把窗口和门槛都写出来，并保存有效样本数：

ret = close.pct_change(fill_method=None)

win = ret.rolling(window=20, min_periods=15)

vol = win.std(ddof=1)

count = win.count()

这段代码允许 20 个位置中至少有 15 个有效收益率，但门槛不能照搬。若策略要求严格可比，可以把 min_periods 设为 20；如果允许少量缺失，就要检查样本数变化是否影响排序。对新股尤其要小心，门槛过低会让它只凭几天数据就和成熟股票进入同一横截面。

另一个容易忽略的参数是 center。默认 center=False，结果标签位于窗口右端，符合“截至当天已看到的数据”；设为 True 后标签移到窗口中心，不适合直接当成实时信号。若信号在收盘后生成，下一交易日才能成交，还要继续做时间对齐。

我一般同时输出 vol、count 和缺失原因，抽查新股、停牌股与数据断点。滚动指标是否可信，不能只看公式，还要回答：窗口覆盖哪些日期、实际用了多少样本、结果何时可用。