老师好：
我编了段代码，玉米期货日内交易，即以开盘后30分钟的最高价和最低价为依据，突破最高价开仓买入；当价格小于最高价-（最高价-最低价）/3时止损；当时间到15.00时平仓。代码可以得出当天的收益率，**请教怎么计算一段日期的累计收益率？**代码如下：

# 导入函数库
from jqdata import *

pd.set_option('display.max_columns', None)#显示所有列


## 初始化函数，设定基准等等
def initialize(context):
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 过滤掉order系列API产生的比error级别低的log
    # log.set_level('order', 'error')
    # 输出内容到日志 log.info()
    log.info('初始函数开始运行且全局只运行一次')
    g.security = 'C9999.XDCE' #玉米合约
     # 开盘时运行
    run_daily(market_open, time='every_bar', reference_security='000300.XSHG')

   

# 开盘时运行函数
def market_open(context):
    log.info('函数运行时间(market_open):'+str(context.current_dt.time()))
    security = g.security
    date1=(context.current_dt)#每天开盘时间
    
    date2=(context.current_dt+datetime.timedelta(minutes=30))#开盘后30分钟时间
    
    
    date3=(context.current_dt+datetime.timedelta(minutes=320))#收盘前10分钟时间
    
    
    #获取开盘后30分钟的最高H和最低价L
    df=get_price(security, start_date=date1, end_date=date2, frequency='10m', fields=['high', 'low'],  fq='pre')
    print(df)
    H=df['high'].max()
    L=df['low'].min()
    print(H)
    print(L)
    
    #获取每天数据(1分钟周期的'high', 'low','close')
    df1=get_price(security, start_date=context.current_dt, end_date=(context.current_dt+datetime.timedelta(minutes=330)), frequency='1m', fields=['high', 'low','close'],  fq='pre')
    
    
    df1[ 'open1_signal']=0
    df1['close1_signal']=0
    df1['colse2_signal']=0
   
    
    for i in range(len(df1)):
        a=df1.index[i]
        
        
        if date2<a<=date3:
            
            
            if df1.loc[a,'close']>H:
                
                df1.ix[i, 'open1_signal'] = 1 # 买入开仓信号
                
                    
            elif df1.loc[a,'close']<(H-(H-L)/3):
                
                df1.ix[i, 'close1_signal'] = -1 #卖出平仓信号
            
            
            
           
                
                
        elif a==(context.current_dt+datetime.timedelta(minutes=330)):
           
            
            df1.ix[i, 'colse2_signal'] = -1 #卖出平仓信号
                    
    df1['close_signal']=df1['close1_signal']+df1['colse2_signal']
    
    df1['signal']=df1[ 'open1_signal']+df1[ 'close_signal']
    
    
    
    #数据清洗，去除['signal']中重复的1，-1
   
    df1.drop_duplicates(subset=['signal'], keep='first', inplace=True)
    #-1先于1，属无效信号，将其转换成
    df1['signal'] = np.where((df1['signal'] == -1)
                                  & (df1['signal'].shift(-1) == 1), 0, df1['signal'])
   
     #数据清洗，去除['signal']中有0的行
    df1 = df1.loc[df1['signal'] * df1['high'] != 0]
    
    
    #计算当次收益率
    df1['profit-pct']=(df1['close']-df1['close'].shift(1))/df1['close'].shift(1)
    df1=df1[df1['signal']==-1]
    
    #计算累计收益率（这里只能计算当天的累计收益率）
    df1['cum_profit'] = pd.DataFrame(1 + df1['profit-pct']).cumprod() - 1
      
    print(df1)