⌨️ 02 章 · Python 量化栈

🐍 Python 量化栈：NumPy、Pandas 与向量化思维

收益率计算的两种写法差 400 倍速度；Pandas 对齐陷阱如何虚增回测收益；可视化与研究复现的工程纪律——全部用交易场景演示。

# Python# NumPy# Pandas# 向量化# 可视化

Python 成为量化第一语言不是因为它快（它很慢），而是因为它把「想法到验证」的距离压到最短。本篇不讲语法，讲三件真正影响研究质量的事：向量化思维、Pandas 的对齐陷阱、以及复现纪律。所有例子都来自交易场景。

NumPy：向量化是思维方式的转变

新手写双均线策略：

1
2
3
4

# 逐日循环：慢、啰嗦、容易在边界犯错
for i in range(1, len(close)):
    if ma5[i-1] > ma20[i-1] and ma5[i] < ma20[i]:
        signals.append(-1)

向量化写法把「逐日判断」变成「整列运算」：

1
2

ma5, ma20 = close.rolling(5).mean(), close.rolling(20).mean()
death_cross = (ma5.shift(1) > ma20.shift(1)) & (ma5 <= ma20)  # 整列布尔

三重收益：速度（底层 C 循环，百万行毫秒级，因子批量计算的前提）、正确性（shift(1) 强制你显式处理「用昨天信号交易今天」——逐日循环里这恰恰是最容易写错的地方）、可读性（公式与代码同构）。性能优化路线：纯 Python → NumPy 向量化 → NumPy 广播/einsum → Numba/Cython（只在 profile 证明瓶颈后用，见向量化的边界 ）。

Pandas：强大之处与三大陷阱

Pandas 的 DataFrame 是量化数据的默认形态（T 行 × N 列，见线性代数 的收益矩阵）。但它有三个让回测悄悄变错的陷阱：

陷阱一：索引对齐的静默 NaN。 两只股票停牌日不同，df1 + df2 会按索引对齐，缺失处产生 NaN；随后 fillna(0) 把「没交易」填成「收益 0」——把停牌处理成免费平仓，回测收益虚高。守则：算完先看 df.isna().sum()；明确每列的业务含义（停牌是「沿用昨日价」还是「不可交易」）再决定填充策略。

陷阱二：ffill 与前视。 用财报数据 ffill() 向前填充本身没错，错的是对齐错了时间戳：Q1 财报（4 月 30 日公布）的数据从 3 月 31 日就开始用，就是前视偏差。守则：财报数据一律以公告日重新索引后再 ffill（见PIT 数据库 ）。

陷阱三：inplace 与链式赋值。 df[df.a>0]['b'] = 1 静默失败；inplace=True 在新版本已被弃用。守则：显式赋值 df.loc[mask, 'b'] = 1，研究代码避免 inplace。

SciPy 的日常角色：scipy.stats（t 检验、正态性检验）、scipy.optimize（组合优化的 SLSQP、GARCH 的 MLE）、scipy.linalg（Cholesky 分解做相关采样）。它们是统计推断 与优化 两章的工程对应物。

可视化：为判断服务，不为好看服务

量化图表的四条纪律：

  1. 累计净值永远配对数轴 + 画基准——线性轴让 2015 年的 3 倍吞掉后面所有细节；无基准的净值曲线没有信息量；
  2. 回撤曲线与净值同框——收益的样子骗人，回撤的形状诚实（水下曲线）；
  3. 因子检验画分组净值而不是只报 IC——单调性是肉眼可见的（见因子检验 ）；
  4. 分布图画对数收益并标注 ±3σ 与极值点——肥尾一眼可见（见概率论基础 ）。

工具选择：研究期 Matplotlib（快、可控、出报告图），交互探索 Plotly（缩放排查单日异常）。Matplotlib 的中文字体（plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']）与负号显示（axes.unicode_minus = False）是 Windows 环境必配的两行。

Jupyter 与研究复现

Notebook 适合探索（分步验证数据、即时画图），但「cell 乱序执行」会制造不可复现的研究：df 在第 3 格被改、第 7 格重跑时结果全变而你不自知。复现纪律四条：

  1. 探索用 Notebook，成形即落盘：任何通过初检的因子，立刻把逻辑重写成 .py 模块 + 单元测试（见代码质量 ），Notebook 只留调用；
  2. 顶部固定环境：%load_ext autoreload、随机种子、数据版本号写在第一个 cell；
  3. Restart & Run All 是提交标准：一个 notebook 若不能一键从头跑通，就等于没写完；
  4. 数据快照：因子计算前记录数据表的行数、日期范围、来源版本——三个月后复现不出的「夏普 2.3」等于不存在（见因子存储与版本管理 ）。

关联阅读：Git 与协作 管住代码版本；回测框架概览 评测现成轮子；任务调度 把 Notebook 研究变成每日自动运行的流水线。