我要做个循环，可以算出2022年中每天的63日历史波动率，python怎么写，其中我提供的stock_price只有交易日有数据

好的，您可以使用以下Python代码来实现您的需求：

import numpy as np
import pandas as pd
import yfinance as yf
import datetime as dt
from pandas_datareader import data as pdr

yf.pdr_override()

def calculate_volatility(ticker, start_date, end_date, window):
    stock_data = pdr.get_data_yahoo(ticker, start=start_date, end=end_date)
    stock_price = stock_data['Adj Close']
    trading_days = pd.date_range(start=start_date, end=end_date, freq='B')
    stock_price = stock_price.reindex(trading_days)
    log_returns = np.log(stock_price / stock_price.shift(1))
    volatility = np.sqrt(252) * log_returns.rolling(window=window).std()
    return volatility

# 设置需要计算波动率的股票代码、开始日期、结束日期、窗口大小
ticker = 'AAPL'
start_date = dt.datetime(2022, 1, 1)
end_date = dt.datetime(2022, 12, 31)
window = 63

# 调用函数计算波动率
volatility = calculate_volatility(ticker, start_date, end_date, window)

# 输出每天的波动率
print(volatility)

这个代码中，我们定义了一个名为`calculate_volatility`的函数，它接受四个参数：股票代码、开始日期、结束日期和窗口大小。函数的主体部分与之前的代码相同，使用Pandas和Numpy库计算每个交易日的波动率。在主函数中，我们设置了需要计算波动率的股票代码、开始日期和结束日期，并指定了窗口大小为63。然后，我们调用`calculate_volatility`函数计算每个交易日的波动率，并将结果赋值给`volatility`变量。最后，我们输出了每个交易日的波动率。

需要注意的是，由于您提供的`stock_price`数据仅包含交易日数据，因此我们在函数中使用了`reindex`函数来重新索引数据，确保仅使用有效的交易日数据来计算波动率。同时，由于`calculate_volatility`函数返回的是一个`DataFrame`对象，其中包含每个交易日的波动率数据，因此您可以按照需要进行进一步的处理和分析。