计算熵时触发Runtime Warning的排查与修复咨询

问题根源 #

你的代码触发RuntimeWarning的核心原因有两个：

1. 概率值为负：计算p_sell时，直接用order_flow_imbalance<0的求和结果（负数）除以总订单流，导致p_sell为负，而对数函数np.log2的定义域是正实数，负数输入会触发警告。
2. 极端值未处理：当某一方向订单流总和为0，或总订单流总和为0时，p_buy/p_sell会变成0或NaN，np.log2(0)返回负无穷、np.log2(NaN)返回NaN，都会触发警告。

修复步骤 #

1. 修正概率计算逻辑：计算买入/卖出概率时，取订单流的绝对值，确保概率为正且符合0-1的范围。
2. 添加极端值防护：对p_buy和p_sell做边界处理，避免0或NaN进入对数计算；同时检查总订单流是否为0，防止除零错误。
3. 优化熵计算：通过条件判断跳过无效值的计算。

修改后的完整代码 #

import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 获取股票数据
ticker = yf.Ticker("ES=F")
df = ticker.history(interval="2m", period="60d")

# 计算订单流不平衡
df["order_flow_imbalance"] = df["Volume"]
df.loc[df["Close"] > df["Open"], "order_flow_imbalance"] *= -1

# 计算熵值
total_orders = df["order_flow_imbalance"].sum()
# 处理总订单流为0的极端情况
if abs(total_orders) < 1e-9:
    entropy = 0.0
else:
    # 取绝对值计算买入/卖出的总成交量，确保概率为正
    buy_volume = df.loc[df["order_flow_imbalance"] > 0, "order_flow_imbalance"].sum()
    sell_volume = abs(df.loc[df["order_flow_imbalance"] < 0, "order_flow_imbalance"].sum())
    
    p_buy = buy_volume / (buy_volume + sell_volume)
    p_sell = sell_volume / (buy_volume + sell_volume)
    
    # 设置最小阈值，避免log2(0)触发警告
    p_buy = max(p_buy, 1e-10)
    p_sell = max(p_sell, 1e-10)
    
    entropy = -p_buy * np.log2(p_buy) - p_sell * np.log2(p_sell)

df["entropy"] = entropy

# 计算收益率
df["returns"] = (df["Close"] - df["Open"]) / df["Open"]

# 过滤数据
df = df[df["order_flow_imbalance"] > 100000]

# 绘图
sns.scatterplot(x="returns", y="entropy", data=df)
sns.regplot(x="returns", y="entropy", data=df)
plt.show()

关键修改说明 #

• 用buy_volume + sell_volume替代原total_orders作为分母，避免因总订单流正负导致的概率异常
• 对p_buy和p_sell设置最小阈值1e-10，彻底规避log2(0)的警告
• 添加总订单流为0的判断，直接返回熵值0（无交易时不确定性为0）

内容的提问来源于stack exchange，提问作者Tayrohn Jackson