Python 为回溯测试和机器学习指定测试行

我想用机器学习来预测资产的价格变动。到目前为止，我得到了数据和结果。现在我想对模型进行反向测试。前提非常简单：只要在预测值为1时买入并持有即可。我想应用预测模型，从下到上迭代测试行，检查预测输出是否匹配相应的标签（这里的标签是-1,1），然后进行一些计算

代码如下：

def backtest():
    x = df[['open', 'high', 'low', 'close', 'vol']]
    y = df['label']
    z = np.array(df['log_ret'].values)

test_size = 366
rf = RandomForestClassifier(n_estimators = 100)
rf.fit(x[:-test_size],y[:-test_size])

invest_amount = 1000
trade_qty = 0
correct_count = 0

for i in range(1, test_size):
    if rf.predict(x[-i])[0] == y[-i]:
    correct_count += 1

if rf.predict(x[-i])[0] == 1:
    invest_return = invest_amount + (invest_amount * (z[-i]/100))
    trade_qty += 1


print('accuracy:', (correct_count/test_size)*100)
print('total trades:', trade_qty)
print('profits:', invest_return)

backtest()

到目前为止，我一直坚持这一点：

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_loc(self, key, method, tolerance)
   2645             try:
-> 2646                 return self._engine.get_loc(key)
   2647             except KeyError:

pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

KeyError: -1

During handling of the above exception, another exception occurred:

KeyError                                  Traceback (most recent call last)
<ipython-input-29-feab89792f26> in <module>
     22 
     23 for i in range(1, test_size):
---> 24     if rf.predict(x[-i])[0] == y[-i]:
     25         correct_count += 1
     26 

~\anaconda3\lib\site-packages\pandas\core\frame.py in __getitem__(self, key)
   2798             if self.columns.nlevels > 1:
   2799                 return self._getitem_multilevel(key)
-> 2800             indexer = self.columns.get_loc(key)
   2801             if is_integer(indexer):
   2802                 indexer = [indexer]

~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_loc(self, key, method, tolerance)
   2646                 return self._engine.get_loc(key)
   2647             except KeyError:
-> 2648                 return self._engine.get_loc(self._maybe_cast_indexer(key))
   2649         indexer = self.get_indexer([key], method=method, tolerance=tolerance)
   2650         if indexer.ndim > 1 or indexer.size > 1:

pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

KeyError: -1

---------------------------------------------------------------------------
KeyError回溯（最近一次呼叫最后一次）
get\u loc中的~\anaconda3\lib\site packages\pandas\core\index\base.py（self、key、method、tolerance）
2645请尝试：
->2646返回自引擎。获取位置（钥匙）
2647键错误除外：
熊猫\\u libs\index.pyx在熊猫中。\ u libs.index.IndexEngine.get_loc（）
熊猫\\u libs\index.pyx在熊猫中。\ u libs.index.IndexEngine.get_loc（）
pandas\\u libs\hashtable\u class\u helper.pxi在pandas.\u libs.hashtable.PyObjectHashTable.get\u item（）中
pandas\\u libs\hashtable\u class\u helper.pxi在pandas.\u libs.hashtable.PyObjectHashTable.get\u item（）中
键错误：-1
在处理上述异常期间，发生了另一个异常：
KeyError回溯（最近一次呼叫最后一次）
在里面
22
23适用于范围内的i（1，测试尺寸）：
--->24如果rf.predict（x[-i]）[0]==y[-i]：
25正确计数+=1
26
~\anaconda3\lib\site packages\pandas\core\frame.py in\uuuu\getitem\uuuuuuu（self，key）
2798如果self.columns.nlevels>1：
2799返回自我。\u获取项目\u多级（键）
->2800索引器=self.columns.get_loc（键）
2801如果是_整数（索引器）：
2802索引器=[索引器]
get\u loc中的~\anaconda3\lib\site packages\pandas\core\index\base.py（self、key、method、tolerance）
2646返回自引擎。获取位置（钥匙）
2647键错误除外：
->2648返回self.\u引擎。获取self.\u loc（self.\u可能\u cast\u索引器（键））
2649 indexer=self.get\u indexer（[key]，method=method，tolerance=tolerance）
2650如果indexer.ndim>1或indexer.size>1：
熊猫\\u libs\index.pyx在熊猫中。\ u libs.index.IndexEngine.get_loc（）
熊猫\\u libs\index.pyx在熊猫中。\ u libs.index.IndexEngine.get_loc（）
pandas\\u libs\hashtable\u class\u helper.pxi在pandas.\u libs.hashtable.PyObjectHashTable.get\u item（）中
pandas\\u libs\hashtable\u class\u helper.pxi在pandas.\u libs.hashtable.PyObjectHashTable.get\u item（）中
键错误：-1

下面的代码通过一些修改解决了问题：

def backtest():
    x = df[['open', 'high', 'low', 'close', 'vol']]
    y = df['label']
    z = np.array(df['log_ret'].values)

    test_size = 366
    rf = RandomForestClassifier(n_estimators = 100)
    rf.fit(x[:-test_size],y[:-test_size])

    invest_amount = 1000
    trade_qty = 0
    correct_count = 0

    for i in range(1, test_size)[::-1]:
        if rf.predict(x[x.index == i])[0] == y[i]:
            correct_count += 1

        if rf.predict(x[x.index == i])[0] == 1:
            invest_return = invest_amount + (invest_amount * (z[i]/100))
            trade_qty += 1

    print('accuracy:', (correct_count/test_size)*100)
    print('total trades:', trade_qty)
    print('profits:', invest_return)

backtest()

解释修改：

import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestClassifier

data = {'open': np.random.rand(1000), 
        'high': np.random.rand(1000), 
        'low': np.random.rand(1000), 
        'close': np.random.rand(1000), 
        'vol': np.random.rand(1000),
        'log_ret': np.random.rand(1000),
        'label': np.random.choice([-1,1], 1000)}

df = pd.DataFrame(data)

通过过滤索引

x[x.index]访问数据帧行==
i] 

修改反向范围的负索引，具有较少的自适应

范围（1，测试大小）[：：-1]

生成测试用例：

import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestClassifier

data = {'open': np.random.rand(1000), 
        'high': np.random.rand(1000), 
        'low': np.random.rand(1000), 
        'close': np.random.rand(1000), 
        'vol': np.random.rand(1000),
        'log_ret': np.random.rand(1000),
        'label': np.random.choice([-1,1], 1000)}

df = pd.DataFrame(data)

这将产生以下结果：

>> backtest()
accuracy: 99.72677595628416
total trades: 181
profits: 1006.8351193358026

---

问题中的代码是否正确识别？如果没有，你能纠正一下吗？好的，我只是做了一些编辑。我想现在可以了吧？请让我知道。我对格式不是很熟悉，它似乎仍然不正确，但我认为我能够得到它。