基于Python Pandas统计股票价格有效周期数的技术问询

核心思路 #

通过标记入场信号和出场信号，结合累计求和跟踪周期状态，最终统计完整周期的数量。

具体实现步骤 #

假设你的股票数据存储在df中，包含price列（对应股票价格）：

1. 生成突破信号
   先判断价格是否从下方突破入场价或出场价：

   # 入场信号：前一日价格低于136.3，当日价格站上136.3
   df['entry_signal'] = (df['price'].shift(1) < 136.3) & (df['price'] >= 136.3)
   # 出场信号：前一日价格低于136.6，当日价格站上136.6
   df['exit_signal'] = (df['price'].shift(1) < 136.6) & (df['price'] >= 136.6)
   

2. 跟踪周期状态
   用cumsum()计算当前是否处于周期内：入场信号加1，出场信号减1，状态大于0时表示处于周期中：

   df['cycle_state'] = df['entry_signal'].astype(int) - df['exit_signal'].astype(int)
   df['in_cycle'] = df['cycle_state'].cumsum() > 0
   

3. 修正信号有效性
   确保入场信号只在非周期状态下触发，出场信号只在周期状态下触发：

   # 入场信号仅当之前不在周期中时生效
   df['entry_signal'] = df['entry_signal'] & ~df['in_cycle'].shift(1).fillna(False)
   # 出场信号仅当之前在周期中时生效
   df['exit_signal'] = df['exit_signal'] & df['in_cycle'].shift(1).fillna(False)
   

4. 重新计算状态并统计周期数
   修正信号后重新计算周期状态，出场信号的总和就是完整周期的数量：

   df['cycle_state'] = df['entry_signal'].astype(int) - df['exit_signal'].astype(int)
   df['in_cycle'] = df['cycle_state'].cumsum() > 0
   
   # 统计有效周期次数
   cycle_count = df['exit_signal'].sum()
   print(f"有效周期次数：{cycle_count}")
   

示例验证 #

用模拟数据测试（对应你提到的2个周期场景）：

import pandas as pd

data = {'price': [136.2, 136.4, 136.5, 136.7, 136.5, 136.2, 136.4, 136.5, 136.8]}
df = pd.DataFrame(data)

运行代码后，cycle_count会输出2，符合预期结果。

内容的提问来源于stack exchange，提问作者tichy