Python 利用Pandas数据帧生成交易信号

我有两个具有以下布局的数据帧：

引用数据帧

DATE          PRICE        SMA
2008-06-25    107.505122 106.480321
2008-06-26    107.138449 103.531552
2008-06-27    106.737588 102.608466
2008-06-30    106.360232 101.309296
2008-07-01    105.993987 101.941783
2008-07-02    105.632870 101.796483

DATE          LONG ENTRY LONG EXIT
2008-06-25    0          0
2008-06-26    0          1
2008-06-27    1          0
2008-06-30    0          1
2008-07-01    0          1
2008-07-02    1          0

DATE        LONG ENTRY LONG EXIT
2008-06-25           0         0
2008-06-26           0         0
2008-06-27           1         0
2008-06-30           0         1
2008-07-01           0         0
2008-07-02           1         0

信号数据帧

DATE          PRICE        SMA
2008-06-25    107.505122 106.480321
2008-06-26    107.138449 103.531552
2008-06-27    106.737588 102.608466
2008-06-30    106.360232 101.309296
2008-07-01    105.993987 101.941783
2008-07-02    105.632870 101.796483

DATE          LONG ENTRY LONG EXIT
2008-06-25    0          0
2008-06-26    0          1
2008-06-27    1          0
2008-06-30    0          1
2008-07-01    0          1
2008-07-02    1          0

DATE        LONG ENTRY LONG EXIT
2008-06-25           0         0
2008-06-26           0         0
2008-06-27           1         0
2008-06-30           0         1
2008-07-01           0         0
2008-07-02           1         0

第一个数据帧是股票价格和移动平均数。第二个数据帧包含何时购买股票（进入）和何时出售（退出）的信号

入门部分已经可以了。但我的退出部分有问题

在

2008-06-26

上显示退出信号是没有意义的，因为尚未购买任何股票。在

2008-06-30

和

2008-07-01

上都有退出信号是没有意义的，因为我们不能两次卖出同一只股票

因此，我有一种方法可以在

LONG EXIT

列中生成信号，但我需要通过从每个日期向后查看来过滤它们，以确定在

LONG ENTRY=1

之前是否有

LONG EXIT=1

，并且在

LONG ENTRY=1

和

date

之间是否没有

LONG EXIT=1

我需要的数据帧看起来像这样，但我如何才能用熊猫做到这一点

信号数据帧

DATE          PRICE        SMA
2008-06-25    107.505122 106.480321
2008-06-26    107.138449 103.531552
2008-06-27    106.737588 102.608466
2008-06-30    106.360232 101.309296
2008-07-01    105.993987 101.941783
2008-07-02    105.632870 101.796483

DATE          LONG ENTRY LONG EXIT
2008-06-25    0          0
2008-06-26    0          1
2008-06-27    1          0
2008-06-30    0          1
2008-07-01    0          1
2008-07-02    1          0

DATE        LONG ENTRY LONG EXIT
2008-06-25           0         0
2008-06-26           0         0
2008-06-27           1         0
2008-06-30           0         1
2008-07-01           0         0
2008-07-02           1         0

---

以下是您如何跟踪进入/退出信号平衡的示意图，以便您仅在上一次进入尚未被后续退出取消时发出退出信号：

首先是：

        date  entry  exit
0 2008-06-25      0     0
1 2008-06-26      0     1
2 2008-06-27      1     0
3 2008-06-30      0     1
4 2008-07-01      0     1
5 2008-07-02      1     0

为新的过滤信号添加

列

：

df['filtered_exit'] = np.nan

遍历

数据帧

，计算之前的余额（假设您在同一天没有发出进入和退出的信号），并相应地过滤：

for i, data in df.iterrows():
    holding_status = (df.loc[:(i-1), 'entry'] - df.loc[:(i-1), 'filtered_exit']).sum()
    if data.exit == 0 or i == 0:
        df.loc[i, 'filtered_exit'] = 0
    elif data.exit == 1:
        if holding_status == 0:
            df.loc[i, 'filtered_exit'] = 0
        elif holding_status == 1:
            df.loc[i, 'filtered_exit'] = 1

要在您提到的情况下获得所需的结果：

        date  entry  exit  filtered_exit
0 2008-06-25      0     0              0
1 2008-06-26      0     1              0
2 2008-06-27      1     0              0
3 2008-06-30      0     1              1
4 2008-07-01      0     1              0
5 2008-07-02      1     0              0

---

希望这能有所帮助。

我期待着对你问题的回答超出此范围。您是否有机会在quantstart.com上阅读文章（如同一作者的文章）？所有这些材料都与您的背景相关（请注意，我[不幸地]没有得到quantstart.com的赞助）。这个问题与quant无关。这只是上下文。真正的问题是如何转换/过滤数据帧。我还建议发布一些示例代码，说明如何生成

数据帧。上下文帮助人们提供更好的答案。你必须跟踪你的投资组合中当前的内容。也许您可以创建一个特定的数据框，或者在此处添加一列“holding”，并在刺激交易订单之前测试它是否大于0（例如，请参见我上面提供的第二个链接中的幻灯片14和15）。