基于Trigger与Stop Loss列生成合规Entry信号的向量化解法

核心规则明确 #

• 当出现Trigger时，次日仅在上一次Entry后已触发Exit（或首次入场）的情况下，生成有效Entry信号
• 持仓期间（从Entry到Exit前），即使出现Trigger也禁止生成新的Entry

向量化解决方案（Pandas） #

步骤1：标记潜在入场候选 #

首先定位所有Trigger的次日位置，作为潜在的入场候选点：

import pandas as pd

# 标记Trigger出现的行
df['trigger_flag'] = df['Trigger'] == 'Trigger'
# 潜在Entry为Trigger的次日（shift(1)实现后移一行）
df['potential_entry'] = df['trigger_flag'].shift(1).fillna(False)

步骤2：跟踪持仓状态 #

通过事件点（Entry/Exit）生成连续的持仓状态序列，避免循环遍历：

# 标记状态变更事件：Entry=持仓(True)，Exit=清仓(False)
df['state_event'] = pd.NA
df.loc[df['signal 3'] == 'Entry', 'state_event'] = True
df.loc[df['Stop Loss'] == 'Exit', 'state_event'] = False

# 前向填充延续状态，初始状态为未持仓(False)
df['in_position'] = df['state_event'].ffill().fillna(False)

步骤3：筛选有效Entry信号 #

仅保留「潜在入场点 + 上一交易日未持仓」的有效信号：

# 上一交易日未持仓，才允许生成新Entry
df['valid_entry'] = df['potential_entry'] & ~df['in_position'].shift(1).fillna(False)

# 更新signal 3列：仅保留有效Entry，清空不符合规则的无效Entry
df.loc[df['valid_entry'], 'signal 3'] = 'Entry'
df.loc[~df['valid_entry'] & (df['signal 3'] == 'Entry'), 'signal 3'] = pd.NA

关键逻辑验证 #

针对示例中的最后一个Trigger（2024-03-29）：

• 次日（2024-04-01）的in_position.shift(1)为True（因2024-03-28的Entry尚未触发Exit）
• 因此valid_entry为False，不会生成无效的Entry信号，完全符合规则

效率优势 #

该方案基于Pandas的向量化运算（底层为Numpy的C级实现），相比Python循环遍历，在处理百万级以上行的DataFrame时，效率可提升10~100倍，避免了循环的性能瓶颈。

内容的提问来源于stack exchange，提问作者Anonymous