Quantopian自定义因子报错：零尺寸数组与类型错误求助

让我一步步帮你排查和解决这两个问题：

错误1：ValueError: zero-size array to reduction operation fmin which has no identity #

这个错误的根源是你用了反向切片，导致生成了空数组，np.amin/np.amax没法处理空数组，所以抛出了这个异常。

看你代码里这两行：

atr = np.mean(tr[-1:-21], axis=0) #skip the first one as it will be NaN
aprcomp = (apr[-1] - np.amin(apr[-2:-101], axis=0))/(np.amax(apr[-2:-101], axis=0) - np.amin(apr[-2:-101], axis=0))

在NumPy中，切片的格式是[start:end]，当start的位置比end更靠后（比如-1比-21更接近当前时间），且步长为正的时候，切片结果就是空数组。你本来想取最近20天的TR，结果写成了从倒数第1天到倒数第21天（反向），自然拿不到数据。

修正后的代码： #

class ATrComp(CustomFactor):
    inputs = [USEquityPricing.close, USEquityPricing.high, USEquityPricing.low]
    window_length = 200

    def compute(self, today, assets, out, close, high, low):
        hml = high - low
        hmpc = np.abs(high - np.roll(close, 1, axis=0))
        lmpc = np.abs(low - np.roll(close, 1, axis=0))
        tr = np.maximum(hml, np.maximum(hmpc, lmpc))
        
        # 取最近20天的TR（跳过第一天的NaN，所以取最后20个元素）
        atr = np.mean(tr[-20:], axis=0) 
        apr = atr * 100 / close[-1]
        
        # 取倒数第100天到倒数第2天的apr数据，避免空数组
        apr_window = apr[-100:-1]
        # 加入小epsilon防止分母为0（极端情况）
        aprcomp = (apr[-1] - np.amin(apr_window, axis=0)) / (np.amax(apr_window, axis=0) - np.amin(apr_window, axis=0) + 1e-8)
        
        out[:] = aprcomp

错误2：TypeError: zipline.pipeline.term.__getitem__() expected a value of type zipline.assets._assets.Asset for argument 'key', but got int instead #

这个错误是因为你误解了CustomFactor的使用方式：你不能在一个CustomFactor的compute方法里直接实例化另一个CustomFactor，然后用整数索引去取值。ATrp()是一个Pipeline Term，它的索引只能用于资产（Asset对象），不能用整数。

解决方案：把两个因子的逻辑合并（最直接） #

既然ATrp只是计算apr，不如直接把它的逻辑整合到ATrComp里，避免跨因子调用的问题（就像上面修正后的ATrComp代码那样）。如果一定要拆分，你需要把ATrp作为ATrComp的输入项，具体做法如下：

class ATrp(CustomFactor):
    inputs = [USEquityPricing.close, USEquityPricing.high, USEquityPricing.low]
    window_length = 200

    def compute(self, today, assets, out, close, high, low):
        hml = high - low
        hmpc = np.abs(high - np.roll(close, 1, axis=0))
        lmpc = np.abs(low - np.roll(close, 1, axis=0))
        tr = np.maximum(hml, np.maximum(hmpc, lmpc))
        atr = np.mean(tr[-20:], axis=0) 
        apr = atr * 100 / close[-1]
        out[:] = apr

# 把ATrp作为输入传递给ATrComp
class ATrComp(CustomFactor):
    # 注意这里的inputs是ATrp()实例，不是原始价格数据
    inputs = [ATrp()]
    window_length = 200

    def compute(self, today, assets, out, apr):
        # apr的形状是(window_length, num_assets)，所以取最近的窗口数据
        apr_window = apr[-100:-1]
        aprcomp = (apr[-1] - np.amin(apr_window, axis=0)) / (np.amax(apr_window, axis=0) - np.amin(apr_window, axis=0) + 1e-8)
        out[:] = aprcomp

这样Pipeline会自动处理ATrp的计算，并把结果传递给ATrComp的compute方法。

内容的提问来源于stack exchange，提问作者Mathew Crogan