Numpy，量化分析中符合买卖逻辑的行的矢量化选择

Question

EDIT2:谢谢你的回复，我得到了更多的信息：

buyChange = np.where(np.diff(buy>0)!=0)

sellChange = np.where(np.diff(sell>0)!=0)

现在我有两个索引数组，一个是购买逻辑交叉的索引，另一个是卖出逻辑交叉的索引数组：

购买：(数组：[ 3，5，8，9，14，15，17，19，20，26，27，33，39，41，46，47，51，60，61，62，70，71，75，76，77，78，80，81，83，88，90，97,100.

销售：(数组([ 22，34，54，63，85，88，89,102,103,110,111.

我现在需要的是代表买卖对的指数对。当买入超过这是一对的开始，然后第一个更高的数字在卖空数组中是第二个在那个买卖对。那么，在上一次卖出之上的买入数组中的下一个最高值是下一对的开始。对于上述阵列，为(3 22)(26 34)(39 54)(60 63)(70 85)(88 89)。然后，我可以在代码中使用这些索引来找到相应的公开价格，然后在回测试中进行交易：

价格= o[buyChange+2]

[电]EDIT2 2

编辑:我已经找到了这个函数，它可以在数组中找到负的部分，但是现在我必须找到该部分开头的一天，也就是数组从正到负的那一天。有人能帮忙吗？

buys = np.where( buy < 0 )

下面这样的东西不起作用，但这是我想要实现的想法：

buys = np.where( buy < 0 and buy[-1] > 0 )

或者：

buys = np.where( buy[1:] < 0 and buy[:-1] > 0 )

/EDIT

我有一个for循环，它通过股票文件中的数组和确定某一行是买入还是卖出的if语句。我正在寻找一种方法来向量化这个动作，可能会创建一个买卖日的列表，然后我就可以计算我的回报了。实际上是信号日之后的日子的列表，因为我第二天就开始交易。下面是我节目的要点：

​

for stock in files:
  d,c,h,l,o,v = getData(str(root+'\\'+stock)) # creates numpy arrays of columns in file
  s = sma(c,SMA,stockLen)                     # creates array of simple moving average
  sL = sma(c,longSMA,stockLen)                # creates array of longer simple moving average
  
  #below is code that i'm trying to replace with vectorization:
  for day in range(stockLen):
    if c[day] < s[day] and stance == 'none':
      stance = 'holding'
      buyPrice = o[day+1]
    
    if c[day] > sL[day] and stance == 'holding':
      sellPrice = o[day+1]
      tradeProfit = pctChange(buyPrice,sellPrice)
      pctPerYear.append((250/holdingTime)*tradeProfit)
      stance = 'none'

​

我已经到了有两个数组的地步，当我想要买卖的时候，买进会变成负值，当我想卖出的时候，我会变成正数，但是我不知道如何在不使用低效率的for循环的情况下，把'if语句‘逻辑放入数组中。

以下是买卖数组：

​

buy  = c[:]-s[:]  #creates array that goes negative when closing price is below sma.
sell = c[:]-sL[:] #creates array that goes positive when closing price is above long sma.

​

感谢任何能帮助我的人！

编辑:这是一个数据片段，它的date,close,high,low,open,volume。每只股票大约2500行。

date,close,high,low,open,volume
20110718,43.40,43.68,42.93,43.07,25844
20110719,42.65,43.37,42.38,43.37,32334
20110720,43.11,43.11,42.06,42.46,22072
20110721,43.25,43.60,43.06,43.28,24965

Answer 1

查看Pandas文档中的这个链接。

http://pandas.pydata.org/pandas-docs/stable/enhancingperf.html

在短期内，您可能还会发现这个链接很有用：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.vectorize.html

对于上面的代码，您是否尝试过以以下形式实现vetorisation：

DATA['Return'] = np.log(DATA['close'] / DATA['close'].shift(1))

Answer 2

如果您只想找到向量更改符号的点，您可以这样做：

change_points = np.where(np.diff(buy>0)!=0)