交易系统回测遇TypeError报错：float对象不支持项赋值

嘿，我一眼就看到问题出在哪了——你在初始化positions的时候犯了个语法小错误，直接导致了这个类型错误。咱们一步步来解决：

错误根源：positions初始化的语法错误 #

你写的这行代码：

positions = pd.DataFrame(index=signals.index).fillna=(0.0)

这里的问题是把fillna()方法调用写成了赋值操作！fillna=(0.0)是把DataFrame的fillna属性硬生生改成了浮点数0.0，结果positions不再是你想要的空DataFrame，反而变成了一个float对象。当你执行第三行positions['AAPL'] = 100*signals['signal']时，自然会报错——float对象可没法像DataFrame那样添加列。

第一步：修正positions的初始化 #

把代码改成正确的方法调用就行，甚至可以更简洁：

# 方法1：正确调用fillna方法
positions = pd.DataFrame(index=signals.index).fillna(0.0)
# 方法2：直接初始化带列的DataFrame（更推荐）
positions = pd.DataFrame(0.0, index=signals.index, columns=['AAPL'])

这样positions就是一个列名为'AAPL'、所有值都是0.0的DataFrame，后续赋值就没问题了。

第二步：补上portfolio缺失的cash列 #

你的代码里直接用了portfolio['cash']，但之前根本没初始化这个列！咱们得从初始资金出发，根据每次的持仓变化来计算剩余现金：

# 先计算持仓的市场价值
portfolio = positions.multiply(aapl['Adj Close'], axis=0)
# 计算持仓的变化量（用来算每次交易花了多少钱）
pos_diff = positions.diff()
# 初始化cash：初始资金减去所有交易的累计支出
portfolio['cash'] = initial_capital - (pos_diff.multiply(aapl['Adj Close'], axis=0)).sum(axis=1).cumsum()

第三步：修正holdings的计算错误 #

你当前的holdings计算加了cumsum()，这完全错了——持仓价值就是当前持仓数量乘以当前股价，不需要累加。正确的写法是：

# 因为只有AAPL一支股票，直接取对应列就行
portfolio['holdings'] = portfolio['AAPL']
# 如果以后有多支股票，就用sum(axis=1)：
# portfolio['holdings'] = portfolio.drop('cash', axis=1).sum(axis=1)

完整修正后的回测代码 #

把这些修正整合起来，代码就正常运行了：

initial_capital = float(1000)
# 修正后的positions初始化
positions = pd.DataFrame(0.0, index=signals.index, columns=['AAPL'])
positions['AAPL'] = 100 * signals['signal']

portfolio = positions.multiply(aapl['Adj Close'], axis=0)
pos_diff = positions.diff()

# 初始化cash列
portfolio['cash'] = initial_capital - (pos_diff.multiply(aapl['Adj Close'], axis=0)).sum(axis=1).cumsum()
# 修正holdings计算
portfolio['holdings'] = portfolio['AAPL']
# 计算总账户价值
portfolio['total'] = portfolio['cash'] + portfolio['holdings']
# 计算每日收益率
portfolio['returns'] = portfolio['total'].pct_change()

额外小优化：避免信号生成的警告 #

你的信号生成代码里，直接给signals['signal'][short_window:]赋值可能会触发SettingWithCopyWarning，改用.loc更安全：

signals.loc[short_window:, 'signal'] = np.where(
    signals['short_mavg'][short_window:] > signals['long_mavg'][short_window:], 
    1.0, 
    0.0
)

内容的提问来源于stack exchange，提问作者Lucas Saladini