多移动平均线交叉全量计算的嵌套循环代码优化
现有代码无法覆盖全量窗口的核心原因
- 最核心的逻辑漏洞:内层循环的
long变量只在整个代码块最开头初始化了一次为21。第一次跑short=20的内层循环时,long从21一路自增到200,跳出内层循环后,long的数值就停在200了。后续外层循环逐次把short从21增加到199的全过程中,long始终是200,内层判断long < 200永远为假,根本不会执行任何交叉计算——这也是为什么只能算出来short=20对应的那组交叉值,后面short≥21的所有窗口组合全漏了。 - 语法兼容问题:代码里
aapl[short,long]的双值列名写法不符合pandas的列索引规则,实际运行会直接触发KeyError,根本没法正常把交叉结果存到DataFrame里。 - 信号逻辑偏差:当前交叉值的计算直接对比当期短期、长期MA的大小输出1,本质是输出“短期MA持续在长期MA上方”的状态值,不是需求里要的短期MA从下往上穿过长期MA的上穿触发时点,没法直接对应开仓操作的信号要求。
修正后的实现方案
调整的逻辑完全匹配给定的窗口遍历规则,同时修正信号计算偏差,核心改动点:
- 把long的初始值重置操作移到每个外层short的循环内部,保证每换一个short值,long就从规则要求的
short+1开始,逐步递增到199,彻底解决变量累加错位的问题。 - 用pandas支持的字符串格式命名列名,避免索引报错。
- 把交叉信号的判断逻辑改成真正的上穿触发规则,匹配做多开仓的时点要求。
修正后的可运行代码如下:
# 预计算所有窗口的移动平均线 for window in range(20, 200): aapl[f"ma_{window}"] = aapl["Adj_Close"].rolling(window).mean() # 遍历所有合法窗口组合计算上穿信号 for short in range(20, 200): # 关键修正:每个short循环内部重置long的起点,严格匹配long>short的规则 for long in range(short + 1, 200): ma_short = aapl[f"ma_{short}"] ma_long = aapl[f"ma_{long}"] # 上穿信号判定:当期短MA在长MA上方,上一期短MA在长MA下方 cross_signal = np.where( (ma_short > ma_long) & (ma_short.shift(1) <= ma_long.shift(1)), 1, 0 ) aapl[f"golden_cross_{short}_{long}"] = cross_signal
遍历范围校验
修正后的循环逻辑没有遗漏任何合法组合:
- short值覆盖20到199全区间(因最大long值为199,必须满足long>short,short最大取199)
- 每个short值对应的long遍历从
short+1开始,一直计数到199,完全覆盖所有满足long>short的窗口组合 - 每轮外层循环启动时,long的计数都从初始值重新开始,不会出现原代码中long停在200导致后续内层循环空跑的问题
内容的提问来源于stack exchange,提问作者fhebe12
相关产品推荐
相关产品推荐

