如何在考虑交易时段且无重绘的情况下将OHLC数据重采样为15分钟周期

问题描述 #

• 交易时段问题：使用resample()时未严格遵循9:15 AM至3:30 PM的交易时段，闭市时段生成的NaN值导致Supertrend指标计算出错。
• 无重绘问题：未完成的15分钟周期（如当前时间为10:18 AM，对应10:15-10:30周期）不能使用未定型的聚合数据，需返回原始数据中上一条已完成的记录（如10:14 AM的3分钟数据）。

原代码 #

调用代码 #

prices_data_x_min_df = TechnicalHelper.resample_df(prices_data_df=prices_data_df,
                                                   resample_period=self.supertrend_period_config)
nifty_prices_data_x_min_df = TechnicalHelper.resample_df(prices_data_df=nifty_prices_data_df,
                                                         resample_period=self.supertrend_period_config)

resample_df函数 #

@staticmethod
def resample_df(prices_data_df: pd.DataFrame, resample_period: str):
    prices_data_df.set_index('record_ts', inplace=True)
    market_open = pd.Timestamp('9:15:00').time()
    market_close = pd.Timestamp('15:30:00').time()

    market_hours_data_df = prices_data_df.between_time(market_open, market_close)

    prices_data_x_min_df = market_hours_data_df.resample(resample_period).agg({
        'open': 'first',
        'high': 'max',
        'low': 'min',
        'close': 'last',
        'volume': 'sum'
    }, origin='start')

    prices_data_x_min_df.dropna(inplace=True)
    return prices_data_x_min_df

解决方案 #

核心思路 #

1. 交易时段对齐：让重采样周期严格从每日9:15开始划分，仅保留交易时段内的完整周期，过滤闭市后无效时段。
2. 无重绘处理：仅保留已完成的周期数据，对未完成的周期，直接复用原始数据的最后一条记录，避免使用未定型的聚合值。

修改后的resample_df函数 #

@staticmethod
def resample_df(prices_data_df: pd.DataFrame, resample_period: str):
    # 复制数据避免修改原表
    df = prices_data_df.copy()
    df.set_index('record_ts', inplace=True)
    
    market_open_time = pd.Timestamp('09:15:00').time()
    market_close_time = pd.Timestamp('15:30:00').time()
    
    # 过滤交易时段内的数据
    market_hours_df = df.between_time(market_open_time, market_close_time)
    if market_hours_df.empty:
        return pd.DataFrame()
    
    last_data_ts = market_hours_df.index[-1]
    # 设置重采样起点为当日9:15，对齐交易时段
    origin = pd.Timestamp(f"{last_data_ts.date()} 09:15:00")
    
    # 按指定周期重采样
    resampled = market_hours_df.resample(resample_period, origin=origin).agg({
        'open': 'first',
        'high': 'max',
        'low': 'min',
        'close': 'last',
        'volume': 'sum'
    })
    
    # 过滤闭市后的无效周期（如15:30之后的时段）
    resampled = resampled.between_time(market_open_time, market_close_time)
    
    # 标记并过滤未完成的周期
    resampled['period_end'] = resampled.index + pd.Timedelta(resample_period)
    completed_periods = resampled[resampled['period_end'] <= last_data_ts].drop(columns='period_end')
    
    # 处理未完成周期：追加原始数据的最后一条记录
    if last_data_ts < resampled['period_end'].iloc[-1]:
        last_raw_row = market_hours_df.iloc[-1].to_frame().T
        completed_periods = pd.concat([completed_periods, last_raw_row])
    
    # 重置索引并恢复record_ts列
    completed_periods.reset_index(inplace=True)
    completed_periods.rename(columns={'index': 'record_ts'}, inplace=True)
    
    return completed_periods

关键说明 #

• 交易时段严格过滤：通过origin参数将重采样起点绑定到每日9:15，确保所有周期都落在交易时段内，同时用between_time二次过滤闭市后的无效周期。
• 无重绘保障：仅保留结束时间早于最后一条数据时间戳的已完成周期，未完成周期直接使用原始数据的最后一条记录，避免因聚合值后续变化导致的信号重绘。
• 安全操作：复制原数据进行处理，避免inplace=True修改传入的原始数据集。

内容的提问来源于stack exchange，提问作者Shikhar Vaish