Pandas循环处理DataFrame回测双均线策略 迭代后收益值异常归零
问题根源
BTC.dropna(inplace=True)是异常的核心原因。这个操作会直接修改全局的BTC DataFrame,不会生成独立副本,每轮循环因为rolling均线计算产生的前置空值,会被永久从原始数据里删掉,迭代过程根本没有独立的计算环境。- 简化测试场景里固定SMA2窗口为20,第一轮a=5计算完执行dropna,直接把前19行带NaN的记录永久删除;后续a=6、a=7的循环又在已经被剪短的数据上重复执行dropna,有效数据量逐轮压缩,当剩余数据撑不起计算逻辑时,Position列会全被赋值为0,输出的策略收益自然全部为0。
- 原代码中SMA2固定为300窗口的场景逻辑完全一致:反复dropna会不断压缩数据长度,当剩余有效数据少于300行时,SMA2列全部为NaN,Position全为0,收益直接归零,刚好对应你观察到的“a=171之后所有输出均为0”的现象。
- 单独运行a=172时结果正常,是因为单轮计算没有前面多轮dropna的累积污染,用的是完整的原始行情数据,自然能算出正确的0.71收益。
循环逻辑修正方法
要从根源上隔离每轮迭代的计算环境,保证参数遍历过程完全基于原始行情数据:
- 原始行情数据只加载一次,全程不做任何修改,作为固定计算基准
- 每轮参数循环时,复制一份原始数据的临时副本完成均线、仓位、收益计算,完全不影响原始基准
- 去掉会永久删除数据的
dropna(inplace=True)操作,rolling计算产生的前置空值会在求和时被自动跳过,不影响最终结果 - 删掉手动重置索引的操作,原始数据的时序顺序本身是正确的,乱改索引反而会打乱价格和收益的对应关系
修正后可直接运行的代码
import pandas as pd import numpy as np # 固定加载原始数据,全程不做修改 BTC_RAW = pd.read_csv('BTC_USDT_Range100.csv', index_col=0) BTC_RAW['Standard Returns'] = np.log(BTC_RAW['Close'] / BTC_RAW['Close'].shift()) backtest_results = [] for a in range(5, 250): # 每轮迭代从原始数据复制临时副本,隔离上一轮的操作污染 temp_df = BTC_RAW.copy() temp_df['SMA1'] = temp_df['Close'].rolling(a).mean() temp_df['SMA2'] = temp_df['Close'].rolling(300).mean() temp_df['Position'] = np.where(temp_df['SMA1'] > temp_df['SMA2'], 1, 0) temp_df['Strategy'] = temp_df['Position'].shift(1) * temp_df['Standard Returns'] total_strategy_ret = temp_df['Strategy'].sum() backtest_results.append({ 'short_sma_window': a, 'total_log_return': total_strategy_ret }) print(f"参数SMA1窗口={a}, 策略总对数收益={total_strategy_ret:.4f}") # 结果整合为DataFrame,方便后续查找最优参数 results_df = pd.DataFrame(backtest_results)
内容的提问来源于stack exchange,提问作者CS1994
相关产品推荐
相关产品推荐

