pandas里怎么做分层回测？
我的掌握程度：
先掌握这个答案
每日按因子rank分组groupby，组内等权收益加权平均，累计成净值。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
每一笔收益都要有可执行时间线
打印数据截止时间、信号时间、订单时间、成交时间和持仓收益区间。收盘信号不能乘当天完整收益；次日开盘成交也不能无条件拿到整个close-to-close收益。用原始价格判断可成交性，并纳入停牌与涨跌停。
本阶段实战方法 · 一条能复现的数据流水线
把接口返回的数据变成可用于因子研究的面板时，先处理时点、主键与单位。
- 建立数据字典：字段、单位、时区、交易日历、数据源、抓取时间、原始价与复权因子。
- 用(date, code)查重，区分停牌、未上市、窗口不足和真实缺失；不要用向后填充把未来值带回过去。
- 保存原始快照与清洗日志，固定随机种子和环境版本；接口字段变化时先核对官方文档。
使用边界
- 报告期不等于公告可用日，盘后公告通常不能用于当天收盘前决策。
- API输出名为“动态市盈率”时不能直接改名TTM；浏览器练习不支持任意原生库或行情抓取接口。
核心答案（速览）
每日按因子rank分组groupby，组内等权收益加权平均，累计成净值。
🛠 本阶段共用练习 · 一条能复现的数据流水线
用一份10行的模拟行情写出主键、单位、复权口径和可用时间，故意加入重复与0价格，输出质量检查报告。
💡 提示（先自己想5分钟再看）
建立数据字典：字段、单位、时区、交易日历、数据源、抓取时间、原始价与复权因子。 用(date, code)查重，区分停牌、未上市、窗口不足和真实缺失；不要用向后填充把未来值带回过去。 保存原始快照与清洗日志，固定随机种子和环境版本；接口字段变化时先核对官方文档。
✅ 验收标准
报告包含原始/有效/隔离行数、重复主键、无效价格；可重复运行得到相同结果，未使用bfill或全样本统计填充历史。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（起点概念），再用案例、公式和代码帮助理解。此功能需要先启用服务。