📊 量化回测框架 · 数据结构

OHLCV · 多标的 · 避坑中小学生色系 ✨

📐 题目4： 数据结构设计 —— OHLCV、DataFrame操作、时间序列索引、多标的DataFrame。掌握这些，回测框架就稳了一半。

📈 OHLCV 数据结构 Open, High, Low, Close, Volume

字段	含义	类型	避坑注意
Open	开盘价	float64	注意复权调整，前复权/后复权一致性
High	最高价	float64	不可低于Close或Open (数据源异常)
Low	最低价	float64	不可高于Close或Open
Close	收盘价	float64	用于计算收益率，注意缺失值填充
Volume	成交量	int64 / float	单位统一（股/手），除权后调整

💡 避坑1： 检查 OHLC 逻辑关系 (High >= max(Open,Close) , Low <= min(Open,Close))
💡 避坑2： 时间索引必须严格升序，且无重复时间戳 (duplicated)
💡 避坑3： 使用 pandas 的 Float64 可保留空值，避免精度陷阱

🕒 DataFrame 操作 & 时间序列索引 pandas 核心

索引设置： df.set_index('datetime', inplace=True) 或 pd.DatetimeIndex
频率对齐： 使用 resample('1D').agg(...) 或 asfreq 避免非交易时段干扰
滑窗/滚动： rolling(window=20).mean() 注意 min_periods
缺失处理： 前向填充 ffill() 或插值，但不可引入未来信息
⚠️ 避坑： 时间索引时区统一，避免 tz_localize 与 tz_convert 混淆

🧪 常用操作速查

df['return'] = df['Close'].pct_change()
df['ma20'] = df['Close'].rolling(20).mean()
df_week = df.resample('W').agg({
    'Open': 'first', 'High': 'max',
    'Low': 'min', 'Close': 'last',
    'Volume': 'sum'
})

🧩 多标的 DataFrame 设计 MultiIndex / 分层列

方法	结构	适用场景
MultiIndex 行	(datetime, asset)	长表，适合 groupby 操作
MultiIndex 列	asset1, asset2… 每列OHLCV	宽表，方便截面分析
字典/panel	{asset: DataFrame}	旧版pandas，不推荐

推荐： MultiIndex 行 (时间+标的) 配合 groupby('asset')
避坑： 不同标的交易日期可能不同，使用 reindex 统一索引
避坑： 列名冲突时使用 pd.MultiIndex.from_product

🧪 实战代码 · 多标的DataFrame MultiIndex 创建与操作

import pandas as pd
import numpy as np

# 模拟多标的OHLCV数据 (长表MultiIndex)
dates = pd.date_range('2023-01-01', periods=5, freq='D')
assets = ['AAPL', 'GOOGL', 'MSFT']
index = pd.MultiIndex.from_product([dates, assets], names=['datetime', 'asset'])

data = np.random.uniform(100, 200, (len(index), 5))
df = pd.DataFrame(data, index=index, columns=['Open','High','Low','Close','Volume'])
df['Volume'] = (df['Volume'] * 1000).astype(int)

# 操作：获取 AAPL 的 Close 序列
aapl_close = df.loc[(slice(None), 'AAPL'), 'Close']
print(aapl_close)

# 避坑：统一索引 (不同标的交易日可能不同)
df_wide = df.unstack('asset')  # 转为宽表
df_wide = df_wide.reindex(pd.date_range('2023-01-01','2023-01-07', freq='D'))  # 对齐

⚠️ 避坑重点： 多标的DataFrame 务必注意 sort_index()，否则切片可能失效；使用 stack/unstack 时注意层级顺序。