基于滚动条件生成配对交易信号列：回测实现技术问询

核心思路 #

不用逐行循环，而是利用pandas的布尔索引和累积状态追踪，实现无循环的信号生成。关键是在DataFrame中追踪当前持仓状态（空仓、多头、空头），确保同一时间只持有一笔头寸，平仓后才能开新仓。

分步实现 #

1. 定义条件掩码 #

先为所有入场、离场条件创建布尔掩码：

import pandas as pd

# 假设你的DataFrame名为df，包含'z_score'列
df['long_entry'] = df['z_score'] < -2  # 多头入场条件：Z值小于-2
df['long_exit'] = df['z_score'] >= -0.1  # 多头离场条件：Z值大于等于-0.1
df['short_entry'] = df['z_score'] > 2  # 空头入场条件：Z值大于2
df['short_exit'] = df['z_score'] <= 0.1  # 空头离场条件：Z值小于等于0.1

2. 追踪持仓状态并生成信号 #

通过位移(shift)和累积求和(cumsum)来追踪持仓状态，避免循环：

# 初始化持仓状态序列：0=空仓，1=多头，-1=空头
position = pd.Series(0, index=df.index)

# 筛选有效交易触发条件（必须满足当前持仓状态）
long_entry_valid = (position.shift(1) == 0) & df['long_entry']
long_exit_valid = (position.shift(1) == 1) & df['long_exit']
short_entry_valid = (position.shift(1) == 0) & df['short_entry']
short_exit_valid = (position.shift(1) == -1) & df['short_exit']

# 计算持仓状态的变化量：多头入场+1，多头离场-1；空头入场-1，空头离场+1
position_changes = long_entry_valid.astype(int) - long_exit_valid.astype(int) - short_entry_valid.astype(int) + short_exit_valid.astype(int)

# 累积求和得到实时持仓状态
position = position_changes.cumsum()

# 生成最终信号列
df['signal'] = ''
df.loc[long_entry_valid, 'signal'] = '多头入场'
df.loc[long_exit_valid, 'signal'] = '多头离场'
df.loc[short_entry_valid, 'signal'] = '空头入场'
df.loc[short_exit_valid, 'signal'] = '空头离场'

3. 验证信号有效性 #

检查是否存在未平仓就开新仓的错误信号：

# 检查是否有连续入场信号（未平仓开新仓）
invalid_signals = (df['signal'].shift(1).isin(['多头入场', '空头入场'])) & (df['signal'].isin(['多头入场', '空头入场']))
assert not invalid_signals.any(), "存在无效信号：未平仓即开新仓"

最终结果 #

signal列只会标注有效交易事件：'多头入场'、'多头离场'、'空头入场'、'空头离场'，非交易时段为空字符串。

注意事项 #

• 确保DataFrame已按时间顺序排序，因为逻辑依赖于时序连续性。
• 该方案完全基于向量化操作，比循环实现效率更高，尤其适合大规模数据回测。

内容的提问来源于stack exchange，提问作者Anonymous