避免循环计算简单的移动平均交叉衍生信号

Question

我想根据简单移动平均线 (SMA) 交叉计算股票的买入和卖出信号。只要 SMA_short 高于 SMA_long（即 SMA_difference > 0），就应该发出买入信号。为了避免仓位被过快卖出，我希望只有在 SMA_short 大幅移动超过交叉点时才发出卖出信号（即 SMA_difference

我通过这个help 来实现它（见下文）：

• 买入和卖出信号由 in 和 out 指示。
• 列Position首先考虑buy_limit。
• 在 Position_extended 中，然后为 SMA_short 刚刚穿过 SMA_long 的所有情况设置一个 in (SMA_short SMA_long) 但 SMA_short > -1。为此，它考虑了 i-1 的位置扩展，以防超过一天前交叉但 SMA_short 仍然存在：0 > SMA_short > -1。

Python 代码

import pandas as pd
import numpy as np

index = pd.date_range('20180101', periods=6)
df = pd.DataFrame(index=index)
df["SMA_short"] = [9,10,11,10,10,9]
df["SMA_long"] = 10
df["SMA_difference"] = df["SMA_short"] - df["SMA_long"]
buy_limit = 0
sell_limit = -1

df["Position"] = np.where((df["SMA_difference"] > buy_limit),"in","out")
df["Position_extended"] = df["Position"]
for i in range(1,len(df)):
    df.loc[index[i],"Position_extended"] =  \
    np.where((df.loc[index[i], "SMA_difference"] > sell_limit) \
              & (df.loc[index[i-1],"Position_extended"] == "in") \
              ,"in",df.loc[index[i],'Position'])
print df 

结果是：

              SMA_short  SMA_long  SMA_difference Position Position_extended
2018-01-01          9        10              -1      out               out
2018-01-02         10        10               0      out               out
2018-01-03         11        10               1       in                in
2018-01-04         10        10               0      out                in
2018-01-05         10        10               0      out                in
2018-01-06          9        10              -1      out               out

该代码有效，但是，它使用了for 循环，这大大减慢了脚本的速度，并且在此分析的更大范围内变得不适用。由于 SMA 交叉是一种使用率很高的工具，我想知道是否有人可以为此找到更优雅、更快的解决方案。

Answer 1

本质上，您是在尝试通过传播最后一个非零值来消除矛盾的零条目。类似于零阶保持。您可以这样做，我首先用 NaN 替换零值，然后使用 ffill 对后者进行插值。

import pandas as pd
import numpy as np

index = pd.date_range('20180101', periods=6)
df = pd.DataFrame(index=index)
df["SMA_short"] = [9,10,11,10,10,9]
df["SMA_long"] = 10
df["SMA_difference"] = df["SMA_short"] - df["SMA_long"]
buy_limit = 0
sell_limit = -1

df["ZOH"] = df["SMA_difference"].replace(0,np.nan).ffill()
df["Position"] = np.where((df["ZOH"] > buy_limit),"in","out")
print df 

结果：

            SMA_short  SMA_long  SMA_difference  ZOH Position
2018-01-01          9        10              -1 -1.0      out
2018-01-02         10        10               0 -1.0      out
2018-01-03         11        10               1  1.0       in
2018-01-04         10        10               0  1.0       in
2018-01-05         10        10               0  1.0       in
2018-01-06          9        10              -1 -1.0      out

Answer 2

如果第 T 行需要在第 T-1 行中计算的值作为输入，那么您可能需要进行迭代计算。通常，回测是通过依次迭代价格数据来完成的。您可以仅根据市场状态计算一些信号，但您不会知道投资组合价值、pnl 或投资组合头寸，除非您从头开始并及时推进。这就是为什么如果您查看像 Quantopian 这样的网站，回测总是从开始日期运行到结束日期。