Python:keyrerror'；班次'；

我是Python新手，尝试修改我在此处找到的配对交易脚本：

原始脚本设计为仅使用价格。我想用回报来适应我的模型和投资数量的价格，但我不知道怎么做

我试过：

• 在main中定义返回数据帧并在run中调用它
• 将main中的返回数据框定义为全局对象，并在需要时在“handle data”中使用
• 直接在句柄数据中定义retuns的数据帧

我假设最后一个选项是最合适的，但是熊猫“shift”属性有一个错误

更具体地说，我尝试将“数据回归”定义如下：

DataRegression = data.copy()
DataRegression[Stock1]=DataRegression[Stock1]/DataRegression[Stock1].shift(1)-1
DataRegression[Stock2]=DataRegression[Stock2]/DataRegression[Stock2].shift(1)-1
DataRegression[Stock3]=DataRegression[Stock3]/DataRegression[Stock3].shift(1)-1
DataRegression = DataRegression.dropna(axis=0)

其中，“数据”是一个数据框，其中包含全局定义的prices、stock1、stock2和stock3列名。句柄数据中的这些行返回错误：

File "A:\Apps\Python\Python.2.7.3.x86\lib\site-packages\zipline-0.5.6-py2.7.egg\zipline\utils\protocol_utils.py", line 85, in __getattr__
return self.__internal[key]
KeyError: 'shift'

有人知道为什么以及如何正确地做到这一点吗

非常感谢,，

---

文森特这是一个有趣的想法。在zipline中实现这一点最简单的方法是使用Returns转换，它将一个Returns字段添加到事件帧（这是一个ndict，而不是有人指出的pandas数据帧）

为此，必须将转换添加到initialize方法：

self.add\u转换（返回“返回”，窗口长度=1）

（确保在开始处添加zipline.transforms导入返回的

）

然后，在批处理转换中，您可以访问退货而不是价格：

@batch_transform
def ols_transform(data, sid1, sid2):
    """Computes regression coefficient (slope and intercept)
    via Ordinary Least Squares between two SIDs.
    """
    p0 = data.returns[sid1]
    p1 = sm.add_constant(data.returns[sid2])
    slope, intercept = sm.OLS(p0, p1).fit().params

    return slope, intercept

或者，您也可以创建一个批处理转换，将价格转换为您想要的回报

@batch_transform
def returns(data):
    return data.price / data.price.shift(1) - 1

然后将其传递给OLS变换。或者在OLS变换本身内部执行此计算

嗯,，
Thomas
是导致异常的最后一行吗？（
DataRegression=DataRegression.dropna（axis=0）
？）导致异常的是第二行（这对错误更有意义！）这是否意味着
DataRegression[Stock1].shift（1）
会引发相同的异常？您能确认
类型（DataRegression[Stock1]）
的输出吗？是DataRegression[Stock1]。shift（1）引发相同的异常。类型为'zipline.utils.protocol_utils.ndict'lib-zipline已更改了我假设的类型…DataRegression不是panda数据帧，而是一个zipline对象：（非常感谢您的回答。到目前为止，我对@batch_transform–VincentH不太熟悉