如何在使用backtesting.py库回测时避免DataFrame初始周期数据被剔除

我之前在使用backtesting.py做量化回测时，也碰到过完全一样的问题——当计算n1周期移动平均线时，DataFrame前n1行都会出现NaN值，导致策略没法按我设定的起始日期正常启动。这里分享几个针对这个库的专属解决方案，亲测好用：

方案1：提前预处理数据，截断NaN区段 #

最简单直接的办法就是在把数据传入回测之前，先把包含NaN的前n1行数据删掉，确保回测从均线有有效数值的周期开始。示例代码如下：

import pandas as pd
from backtesting import Backtest, Strategy

# 假设你的原始数据已经加载到df中
df['MA'] = df['Close'].rolling(window=n1).mean()

# 直接截断前n1行的NaN数据，从第n1行开始保留有效数据
df = df.iloc[n1:]

# 初始化回测，此时回测的起始日期就是第一个有均线值的日期
bt = Backtest(df, YourCustomStrategy, cash=10000)
results = bt.run()

这种方式的好处是数据干净，回测全程都不会碰到NaN干扰，完全符合你对n1周期均线的策略定义。

方案2：在策略逻辑中判断NaN，跳过无效周期 #

如果你不想修改原始数据的时间范围（比如需要保留完整的回测时间轴，只是前n1个周期不执行交易），可以在策略的next()方法里添加NaN判断，直接跳过没有有效均线值的周期：

class YourCustomStrategy(Strategy):
    def init(self):
        # 在策略内部计算均线
        self.ma = self.I(lambda x: x.rolling(window=n1).mean(), self.data.Close)
    
    def next(self):
        # 检查最新的均线值是否为NaN，是的话直接跳过当前周期
        if pd.isna(self.ma[-1]):
            return
        
        # 这里写你的核心策略逻辑，比如均线交叉信号
        if self.data.Close[-1] > self.ma[-1] and self.data.Close[-2] <= self.ma[-2]:
            self.buy()
        elif self.data.Close[-1] < self.ma[-1] and self.data.Close[-2] >= self.ma[-2]:
            self.sell()

这样回测还是会从你设定的起始日期开始，但前n1个周期里策略不会执行任何买卖操作，直到均线有有效值后才会启动交易逻辑。

方案3：调整均线计算的min_periods参数（谨慎使用） #

如果你能接受前n1个周期的近似均线值，可以在计算均线时设置min_periods=1，这样即使不足n1个周期，也会计算出对应的平均值（比如第1天的均线就是当天收盘价，第2天是两天的平均）。示例代码：

class YourCustomStrategy(Strategy):
    def init(self):
        # 设置min_periods=1，提前生成均线值
        self.ma = self.I(lambda x: x.rolling(window=n1, min_periods=1).mean(), self.data.Close)
    
    def next(self):
        # 此时无需判断NaN，因为所有周期都有均线值
        if self.data.Close[-1] > self.ma[-1]:
            self.buy()
        else:
            self.sell()

⚠️ 注意：这种方法会改变你原本n1周期均线的定义，只适合你可以接受这种近似计算的场景，否则可能会影响策略的准确性。

总结一下，优先推荐方案1或方案2，具体选择取决于你是否需要保留原始的回测时间范围。

内容的提问来源于stack exchange，提问作者Boris Mikanikrezai