深圳融克迪特科技有限公司

1. 本节目标

本讲要完成的动作非常清楚：在第 2 讲已经整理好的最小回测数据上，计算第一列 5 日均线，并理解滚动窗口在向量化回测里意味着什么。如果第 2 讲解决的是“输入表长什么样”，那第 3 讲解决的就是“如何在这张表上得到第一列可解释指标”。

学完这一讲后，你可以直接完成下面几件事：

1. 知道 5 日均线依赖哪一列输入。
2. 会用 pandas 或 vectorbt 相关对象生成均线列。
3. 理解前几行空值为什么是正常现象。

这是 vectorbt 入门短课里第一次真正从“数据准备”走向“指标计算”。

2. 为什么第 3 讲先选 5 日均线

5 日均线是最适合入门向量化思路的第一步指标，因为它：

1. 逻辑直观，不需要额外金融背景。
2. 只依赖收盘价，输入足够简单。
3. 一旦算出来，就能立刻用于后面构造买入、卖出信号。

换句话说，它不是最复杂的指标，但它正好处在“足够简单，又能带动后面几讲”的位置上。

3. 沿用第 2 讲的最小回测表

import pandas as pd

work_df = single_df.copy()
work_df['close'] = pd.to_numeric(work_df['close'], errors='coerce')
print(work_df.head())

这一步的核心，是再次确认 close 已经是一列真正可计算的数值列。因为如果输入都没整理好，均线结果再漂亮也不可信。

4. 四步算出第一列 5 日均线

这一讲只做一件事：让第一列均线稳定落到表上。四步顺下来，输入、计算和解释关系都会清楚很多。

5. 先按时间顺序确认输入

print(work_df[['date', 'close']].head())
print(work_df[['date', 'close']].tail())

入门阶段一定要先确认顺序。滚动窗口计算对顺序非常敏感，如果表不是按时间从早到晚排好，后面得到的均线虽然有数字，但业务意义是错的。

6. 执行 5 日均线计算

work_df['ma_5'] = work_df['close'].rolling(window=5).mean()

这一行就是本讲最核心的动作。它把当前行及前 4 行的收盘价做平均，并把结果放进一列新的指标列里。

7. 把价格和均线并排看

print(work_df[['date', 'close', 'ma_5']].head(10))

后面你会拿 close 和 ma_5 做信号判断，所以现在就应该把两列放在一起看，而不是只孤立地盯着均线列。

8. 观察前 4 行空值

print(work_df['ma_5'].head(6))

窗口长度为 5，前 4 行没有足够历史样本，出现空值是正确表现。这一步必须看清楚，因为后面构造信号时，前几行自然也会受到影响。

9. 确认均线列真的可用

均线列是否可用，核心看窗口规律有没有正常体现出来，而不是只看有没有生成一列数字。

10. 新列存在

assert 'ma_5' in work_df.columns

11. 前 4 行为空

assert work_df['ma_5'].head(4).isna().all()

12. 第 5 行开始有值

assert pd.notna(work_df.loc[4, 'ma_5'])

13. 均线列不是全空

assert work_df['ma_5'].notna().sum() > 0

14. 均线为什么看起来“不对”

下面这些现象第一次看到时很容易误判成报错，其实大多都属于滚动窗口的正常表现。

15. 前几行是 NaN

这是正常的滚动窗口行为，不是错误。

16. 均线列全空

这通常意味着 close 列没有被正确转成数值，或者表里的有效样本行数小于 5。

17. 结果和手算不一致

先检查排序，再检查取的是否真是 close 列。多数情况下，问题不是 rolling 本身，而是输入顺序或字段取错了。

18. 哪些情况仍然算完成本讲

1. 你可以把列名叫成 ma5、ma_5 或别的清晰名字。
2. 你可以先用 pandas 算均线，不必强求本讲就一定用 vectorbt 封装指标。
3. 前 4 行为空值不算失败，反而是本讲必须理解的一部分。
4. 你暂时不构造信号也没关系，本讲核心只是把均线列稳定生成。

19. 写一个最小均线函数

import pandas as pd

def add_ma5(df: pd.DataFrame) -> pd.DataFrame:
    out = df.copy()
    out['close'] = pd.to_numeric(out['close'], errors='coerce')
    out['ma_5'] = out['close'].rolling(window=5).mean()
    return out

work_df = add_ma5(single_df)
print(work_df[['date', 'close', 'ma_5']].head(10))

20. 完成标准

如果你现在已经能稳定地把 close 列变成一列 ma_5，并能解释前几行空值为什么出现，那第 3 讲就过关了。

21. 手工核一行均线结果

和 AkShare 那边一样，vectorbt 入门阶段最有效的验证方式之一，就是手工核对第一条完整均线值。因为当 window=5 时，第 5 行会第一次得到有效结果，非常适合作为检查点。

first_window = work_df.loc[0:4, 'close']
print(first_window.tolist())
print('手工均值 =', first_window.mean())
print('程序 ma_5 =', work_df.loc[4, 'ma_5'])

只要这两者一致，你对滚动计算的信任就会明显提升。对新手来说，这种“亲手核一行”的体验特别重要，因为它能打破一种常见误解：以为回测和指标计算都是黑盒，自己只能照着抄代码。其实不是。至少在第 3 讲这个层面，均线完全是你能逐行解释清楚的。

22. 为什么第 3 讲还没有直接调用回测

vectorbt 是为了回测服务的，但第 3 讲仍然故意停在“先把指标列算稳”。原因很务实。如果你还没看清 close 和 ma_5 的关系，就直接把两列送进后面的入场出场逻辑，一旦结果奇怪，你几乎无法判断是信号错了还是均线本身就没准备好。

所以第 3 讲的真正作用，是在回测前建立一个中间层：

1. 你知道输入列是什么。
2. 你知道衍生列是怎么来的。
3. 你知道前几行为什么为空。
4. 你知道哪一行开始这个指标才具备解释意义。

后面一旦继续做买入、卖出或回测，你就不再是“直接把 API 堆起来”，而是在一个自己看得懂的中间层之上继续推进。

23. 看均线结果时，建议重点盯住哪几类现象

第 3 讲不要求你做复杂统计，但建议你至少观察下面这些现象：

1. 均线比原始价格更平滑。
2. 价格快速变化时，均线反应会慢半拍。
3. 前 4 行因为窗口不足而为空。
4. 如果价格持续上升，均线也会逐步跟上，但斜率通常更缓。

你可以直接把最近几行拉出来看：

print(work_df[['date', 'close', 'ma_5']].tail(8))

这一步对后面构造信号尤其重要。因为信号说到底，就是在观察价格和均线之间发生了什么关系。如果你现在连这两列并排时在表达什么都还没看清，后面信号列就会变成一串难以解释的真假值。

24. 第 3 讲和 pandas 的关系是什么

虽然我们当前是 vectorbt 入门短课，但第 3 讲依然用 pandas 的 rolling() 来做第一列均线。这并不矛盾，反而很合理。原因在于：vectorbt 的优势在于后续把指标、信号和回测链起来；而入门阶段先用 pandas 把最基础的窗口计算看清楚，理解成本最低。

等你后面走到更复杂的批量参数比较、指标工厂或组合评估时，再更深入用 vectorbt 的封装能力，会更顺手。第 3 讲当前的定位不是“展示框架最强能力”，而是“先让你把一个基础指标彻底弄明白”。

25. 这一步对下一讲买入信号意味着什么

下一讲要做的事，其实已经被第 3 讲准备好了。因为买入信号最常见的一种写法，就是拿 close 和 ma_5 直接比较。也就是说，第 4 讲不是凭空新增一块逻辑，而是在第 3 讲已经得到的这两列上做布尔判断。所以第 3 讲只要做得扎实，后面的信号课会轻松很多；反过来，如果第 3 讲只是“勉强跑通”，第 4 讲开始你就会被真假值和空值一起困住。

26. 一个更完整但仍然简单的检查片段

print(work_df[['date', 'close', 'ma_5']].head(10))
print('前4行是否为空:', work_df['ma_5'].head(4).isna().all())
print('第5行是否有值:', pd.notna(work_df.loc[4, 'ma_5']))
print('最后3行:')
print(work_df[['date', 'close', 'ma_5']].tail(3))

把这一段固定下来，你后面每次换窗口、换样本时都可以拿来快速验证。

27. 系列衔接

本讲是《vectorbt回测入门短课》的第 3/8 讲，当前主题是《计算5日均线》。

上一讲：第 2 讲《准备最小回测数据》。

下一讲：第 4 讲《构造买入信号》。

后续安排：第 5 讲《构造卖出信号》；第 6 讲《跑第一轮向量化回测》。

28. 风险揭示与免责声明