如何用Pandas为股票周数据打涨跌标签并模拟买卖操作

一、给每周标记"green"/"red"标签 #

你的DataFrame已包含Week_Number字段，我们可以按周分组提取关键价格，生成周标签后映射回原数据，确保每周所有行都有对应标签。

步骤1：计算周度价格并生成标签 #

import pandas as pd

# 确保Date为datetime类型
df['Date'] = pd.to_datetime(df['Date'])

# 按周分组，提取每周首个开盘价和最后收盘价
weekly_summary = df.groupby('Week_Number').agg(
    week_open=('Open', 'first'),
    week_close=('Close', 'last')
).reset_index()

# 生成周标签：周收盘>周开盘标记green，否则red
weekly_summary['week_label'] = weekly_summary.apply(
    lambda x: 'green' if x['week_close'] > x['week_open'] else 'red',
    axis=1
)

# 将周标签合并回原DataFrame，确保所有行都匹配
df = df.merge(weekly_summary[['Week_Number', 'week_label']], on='Week_Number', how='left')

关键说明 #

• 用groupby+agg精准定位每周的开盘/收盘价，避免单日内价格波动干扰
• how='left'保证原数据无丢失，所有行都能获取对应周的标签
• 可直接将生成的week_label覆盖原labels字段，统一标签逻辑

二、基于下周标签实现自动买卖回测 #

假设策略逻辑：

• 每周首个交易日开盘时，根据下周标签操作：
  • 下周标签为green：全仓买入股票（资金买满整股）
  • 下周标签为red：卖出所有持仓，持有现金
• 初始资金：100美元，暂不考虑交易成本

步骤1：生成下周标签数据 #

先将周标签向下移位，得到每个周对应的下周操作信号：

# 给周数据添加下周标签
weekly_summary['next_week_label'] = weekly_summary['week_label'].shift(-1)

# 合并回原DataFrame，让每日数据都携带对应周的下周信号
df = df.merge(weekly_summary[['Week_Number', 'next_week_label']], on='Week_Number', how='left')

步骤2：模拟买卖操作 #

跟踪现金、持仓股数、总资产的变化：

# 初始化回测参数
initial_cash = 100
cash = initial_cash
shares_held = 0
total_assets = []

# 遍历数据执行周初操作
for idx, row in df.iterrows():
    # 判断是否为每周第一个交易日（按索引首次出现判断）
    is_first_day = (df['Week_Number'] == row['Week_Number']).idxmax() == idx
    
    if is_first_day:
        next_label = row['next_week_label']
        open_price = row['Open']
        
        if next_label == 'green' and cash > 0:
            # 全仓买整股
            shares_held = cash // open_price
            cash -= shares_held * open_price
        elif next_label == 'red' and shares_held > 0:
            # 清仓卖出
            cash += shares_held * open_price
            shares_held = 0
    
    # 计算当日总资产
    daily_total = cash + shares_held * row['Close']
    total_assets.append(daily_total)

# 将总资产添加到DataFrame
df['total_assets'] = total_assets

结果验证 #

查看最终收益或绘制资产曲线：

# 打印最终总资产
print(f"最终总资产: ${df['total_assets'].iloc[-1]:.2f}")

# 绘制资产变化曲线（需matplotlib）
import matplotlib.pyplot as plt
plt.plot(df['Date'], df['total_assets'])
plt.title('Strategy Asset Growth')
plt.xlabel('Date')
plt.ylabel('USD')
plt.show()

可优化点 #

• 若每周首个交易日不是周一，可改为判断row['Weekday'] == 'Monday'
• 如需加入交易成本，可在买入/卖出时扣除固定佣金或比例费用

内容的提问来源于stack exchange，提问作者Jean-Paul Azzopardi