QMT中调用talib.CCI报错或返回nan怎么办？

你好 我遇到一个问题老是 提示是nan

mkdictw = C.get_market_data_ex(['low', 'high','close'], A.stock, period='1mon', count=17, dividend_type='front', end_time=today,fill_data=True,subscribe = False)

hightw=np.array(mkdictw[gupiao]['high'])
lowsw = np.array(mkdictw[gupiao]['low'])
closesw = np.array(mkdictw[gupiao]['close'])
cci_listm = talib.CCI(hightw,lowsw,closesw,timeperiod=14)

出错运行不了提示 talib.cci nan

在 QMT 中使用 talib 计算技术指标时遇到 nan，通常是由以下几个原因导致的。针对您的代码，主要有以下几个优化点：

1. 数据量 (count) 太少

talib.CCI 的 timeperiod=14 意味着计算第一个有效的 CCI 值需要前 14 个周期的数据。在 talib 的计算结果中，前 13 个值必然是 nan。您设置的 count=17，这意味着计算结果中只有最后 3 个值是有数据的，前面 14 个全是 nan。如果这 17 个数据中再有缺失值，可能导致所有结果都是 nan。
解决方法：将 count 适当调大，例如设置为 50 或 100。

2. 原始数据中包含 nan（缺失值）

get_market_data_ex 获取的数据中，如果股票在某个月份停牌，或者上市时间不足，对应的数据可能会是 nan。talib 在计算时，只要输入数组中包含 nan，后续的计算结果也会变成 nan。
解决方法：在传入 talib 之前，使用 pandas 的 fillna 方法对缺失值进行前向填充（ffill），或者剔除缺失值。

3. 数据类型问题

talib 要求输入的 numpy 数组数据类型必须是 float64。虽然通常默认是 float，但显式转换可以避免底层 C 语言库报错。

修改后的代码示例

建议您按照以下方式修改代码，增加数据获取量，并进行数据清洗和类型转换：

import numpy as np
import pandas as pd
import talib

# 1. 增加 count 数量，确保有足够的数据计算指标（例如改为 50）
mkdictw = C.get_market_data_ex(['low', 'high', 'close'], A.stock, period='1mon', count=50, dividend_type='front', end_time=today, fill_data=True, subscribe=False)

# 获取该股票的数据 DataFrame
df = mkdictw[gupiao]

# 2. 处理缺失值：使用前向填充（ffill）填补停牌导致的 nan，如果最前面还有 nan 则用后向填充（bfill）
df = df.fillna(method='ffill').fillna(method='bfill')

# 3. 转换为 numpy 数组，并确保数据类型为 float64
hightw = np.array(df['high'], dtype=np.float64)
lowsw = np.array(df['low'], dtype=np.float64)
closesw = np.array(df['close'], dtype=np.float64)

# 4. 计算 CCI
cci_listm = talib.CCI(hightw, lowsw, closesw, timeperiod=14)

# 打印最后一个值查看结果（注意：cci_listm 的前 13 个值仍然会是 nan，这是正常的）
print("最新 CCI 值:", cci_listm[-1])

总结排查步骤：

1. 打印 hightw、lowsw、closesw，看看里面是不是已经有 nan 了。
2. 记住 talib 返回的数组长度和输入一样，但前 timeperiod - 1 个元素必定是 nan，取值时请取最后一个元素 cci_listm[-1]。