Python Pandas 如何在条件逻辑中通过ffill()存储值实现交易止损

原代码的核心问题 #

• 类型错配：逐行循环中定义的cor_price是Python原生标量，根本没有ffill()方法，这是触发属性报错、无法完成价格填充的直接原因。
• 逻辑错位：开仓瞬间就执行止损判断，相当于刚完成买入就立刻平仓，完全没有覆盖持仓周期内的逐日价格跟踪。
• 状态跟踪断裂：没有独立标记“持仓/空仓”的全局状态，导致价格填充的锚点混乱，ffill会无差别把旧价格延续到空仓阶段，不符合交易规则。

可直接运行的实现流程 #

1. 先向量化计算MACD金叉信号，避免逐行判断的性能损耗

   # 匹配样本数据的列名，计算金叉：MACD从低于信号线变为高于信号线的时刻
   df['macd_cross_up'] = (
       (df['MACD'] > df['MACD_SIGNAL'])
       & (df['MACD'].shift(1) <= df['MACD_SIGNAL'].shift(1))
   )
   

2. 逐行追踪交易状态，明确标记持仓周期

   current_pos = 0  # 0=空仓，1=持仓
   entry_price = None
   df['position'] = 0
   
   for idx, row in df.iterrows():
       # 空仓状态下遇到金叉 → 开仓，记录买入价
       if row['macd_cross_up'] and current_pos == 0:
           current_pos = 1
           entry_price = row['PRICE']
       # 持仓状态下逐日检查止损条件
       elif current_pos == 1 and entry_price is not None:
           current_diff = (row['PRICE'] - entry_price) / entry_price
           # 跌幅达到5% → 触发止损，切回空仓
           if current_diff <= -0.05:
               current_pos = 0
               entry_price = None
       # 把当前交易状态写回DataFrame
       df.loc[idx, 'position'] = current_pos
   

3. 构造适合ffill()的基准价格列

   # 仅在开仓当天记录当日价格作为填充起点，其余位置先设为空值
   df['cor_price'] = df['PRICE'].where(
       (df['position'] == 1) & (df['macd_cross_up']),
       pd.NA
   )
   # 向前填充，让持仓期间的每一个交易日都继承最近一次开仓的价格
   df['cor_price'] = df['cor_price'].ffill()
   # 清空空仓阶段的填充值，避免旧买入价被带到无持仓的时段
   df.loc[df['position'] == 0, 'cor_price'] = pd.NA
   # 计算持仓期内每日相对买入价的涨跌幅
   df['diff_perc'] = (df['PRICE'] - df['cor_price']) / df['cor_price']
   

避坑提示 #

• ffill()是pandas Series的专属方法，不要在循环里对单值标量调用该方法，所有填充操作都要基于整列的Series完成。
• 开仓当日的涨跌幅恒为0，止损判断必须从开仓后的下一个交易日开始逐行检查，不要和开仓逻辑写在同一个分支里。
• 填充价格时必须和持仓状态绑定，空仓阶段的cor_price必须强制置空，否则ffill会跨持仓周期延续旧价格，导致涨跌幅计算完全失真。

内容的提问来源于stack exchange，提问作者doomdaam