Pandas数据帧跟踪止损

Question

我正在对pandas数据框上的股票市场的一些交易策略进行回溯测试，我想设定一个比输入价格低1%的跟踪止损。如果股价上涨了5%，那么后续止损也会上升5%。如果股价下跌，后续止损将不会改变。（https://www.investopedia.com/terms/t/trailingstop.asp）

我有一个表格，它显示了我进入的信号，如果价格低于尾随的止损价格，那么退出列将显示一个值1，这意味着交易被退出。在

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                

我想有一个专栏显示什么是在每个日期的尾随止损。当enter_signal=1时，尾随止损首次设置为2018年7月1日价格的99%，在此日期进行交易。在

当价格上涨y%时，尾随止损也将上升y%。然而，如果价格下跌，后续止损将不会改变其最后的价值。在

当价格<；=尾随止损时，交易退出，并出现1。。。在

我目前被困在没有尾随止损下降y%，如果价格也下降了y%。。。。在

期望的表格结果：

^{pr2}$

表一得到：

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

难题涉及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

Answer 2

只需取累计最高值的99%，并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