Question

我正在对熊猫数据框上的某些交易策略进行回测，我希望将追踪止损设置为比输入价格低1％。如果股价上涨了5％，那么追踪止损也将上涨5％。如果股价下跌，追踪止损不会改变。（https://www.investopedia.com/terms/t/trailingstop.asp）

我有这张表，显示我要输入的信号，如果价格低于追踪止损价，则退出栏将显示值为1，这表示交易已退出。

这是我到目前为止的表格：

date           price      entry_signal      
30/06/2018     95              0                
01/07/2018     100             1                
02/07/2018     103             0                
03/07/2018     105             0                
04/07/2018     104.50          0                
05/07/2018     101             0

我想有一列显示每个日期的追踪止损是多少。首先将止损设置为2018年7月1日价格的99％，此时enter_signal = 1，并在该日期进行交易。

当价格上涨y％时，追踪止损也将上涨y％。但是，如果价格下跌，则追踪止损不会从其最后一个值改变。

当价格<=追踪止损时，交易被退出，并且exit_signal为1 ...

目前，如果价格也下跌y％，我就不会追随止损下跌y％。...

所需表的结果：

date           price      trailing stop loss      entry_signal      exit_signal
30/06/2018     95              NULL                     0                0
01/07/2018     100             99                       1                0
02/07/2018     103             101.97                   0                0
03/07/2018     105             103.95                   0                0
04/07/2018     104.50          103.95                   0                0
05/07/2018     101             103.95                   0                1

我获得的表：

date           price      trailing stop loss      entry_signal      
30/06/2018     95              NULL                     0                
01/07/2018     100             99                       1                
02/07/2018     103             101.97                   0                
03/07/2018     105             103.95                   0                
04/07/2018     104.50          103.455                  0                
05/07/2018     101             99.99                    0

Answer 1

只需取累计最大值的99％并将其与当前价格进行比较：

df = pd.DataFrame({"price":[95,100,103,105,104.5,101]}) #create price array
df['highest'] = df.cummax() #take the cumulative max
df['trailingstop'] = df['highest']*0.99 #subtract 1% of the max
df['exit_signal'] = df['price'] < df['trailingstop'] #generate exit signal


Out[1]: 
   price  highest  trailingstop  exit_signal
0   95.0     95.0         94.05        False
1  100.0    100.0         99.00        False
2  103.0    103.0        101.97        False
3  105.0    105.0        103.95        False
4  104.5    105.0        103.95        False
5  101.0    105.0        103.95         True

Answer 2

硬问题涉及cummax和pct_change + clip_lower + cumprod

s=df.loc[df.entry_signal.cummax().astype(bool),'price'].pct_change().add(1).fillna(1)

df['trailing stop loss']=s.clip_lower(1).cumprod()*99
df['exit_signal']=(df['trailing stop loss']>df['price']).astype(int)
df
Out[114]: 
         date  price  entry_signal  trailing stop loss  exit_signal
0  30/06/2018   95.0             0                 NaN            0
1  01/07/2018  100.0             1               99.00            0
2  02/07/2018  103.0             0              101.97            0
3  03/07/2018  105.0             0              103.95            0
4  04/07/2018  104.5             0              103.95            0
5  05/07/2018  101.0             0              103.95            1

熊猫数据框上的追踪止损

2 个答案: