You need to enable JavaScript to run this app. Pandas循环处理DataFrame回测双均线策略 迭代后收益值异常归零
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.30 06:36:04