量化投资里的风险收益分析与可视化：empyrical和pyfolio实战，与backtrader整合

原创文章第75篇，专注“个人成长与财富自由、世界运作的逻辑， AI量化投资”。

今天来说说量化投资里的风险、收益分析。

一个策略好与不好，与基准如何对比，就需要对策略的风险、收益进行数量化分析。

最重要且最直观的两个指标：收益指标是“年化收益”，风险指标是“最大回撤”和“夏普比”（或者“卡玛比率”）。

01 quantopian三剑客

提及量化平台，不得不说quantopian。

尽管这个量化平台鼻祖已经退出了历史舞台，但国内的一众模仿者还在继续。如joinquant，ricequant，bigquant，优矿，果仁等等。

quantopian还给开源界留下了三大框架：zipline， pyfolio 和alphalens。

zipline是quantopian的回测框架，功能同backtrader，我们的选型是bt，所以不多加讨论；pyfolio是量化结果分析与可视化框架，alphalens是因子分析框架，使用度都不错，今天我们重要说pyfolio。

02 empyrical

pyfolio背后计算量化指标的库叫empyrical，小而经典，我们先说说它。

安装比较简单：pip install empyrical

它依赖numpy和pandas，输入的参数主要是returns(pd.Serids)格式，即收益率序列即可。

import numpy as np
import pandas as pdfrom empyrical import max_drawdown, sharpe_ratio,annual_return
import empyrical
print(dir(empyrical))df = pd.read_csv('000300.sh.csv')
returns = df['pct_chg']/100
mdd = max_drawdown(returns)
sharpe = sharpe_ratio(df['pct_chg']/100)
a_return = annual_return(returns)print('累计收益：',empyrical.cum_returns_final(returns))
print('年化收益：',empyrical.annual_return(returns))
print('最大回撤：',empyrical.max_drawdown(returns))
print('夏普比', empyrical.sharpe_ratio(returns))
print('卡玛比', empyrical.calmar_ratio(returns))

print('omega',empyrical.omega_ratio(returns))

可以看出，沪深300指数年化收益8.1%，最大回撤-72%，夏普比0.43等等。

03 pyfolio

安装同样简单：pip install pyfolio

使用这个安装会报bug——“AttributeError: ‘numpy.int64‘ object has no

attribute ‘to_pydatetime‘

可以使用这个线上github的版本：

pip install git+https://github.com/quantopian/pyfolio

两行代码：

import pyfolio as pf

ts = pf.create_full_tear_sheet(returns)

与刚才的计算结果一致，只是呈现在图表里，因为pyfolio背后调用的就是empyrical。

最大的五次回撤期：

都发生在2006-2008，就是08年的金融危机期间。

04 与backtrader整合

backtrader框架内置了兼容pyfolio的分析器，添加之后，可以从结果得到收益率，仓位，交易等信息，可以create_full_tear_sheet来分析。

cerebro.addanalyzer(bt.analyzers.PyFolio, _name='pyfolio')
strats = cerebro.run()
strat0 = strats[0]
pyfolio = strats.analyzers.getbyname('pyfolio')
returns, positions, transactions, gross_lev = pyfoliozer.get_pf_items()
import pyfolio as pf

pf.create_full_tear_sheet(returns)

很多教程有一个误区，说pyfolio只能在jupyter notebook环境下使用。这是不对

的，应该说在jupyter notebook下交易最好，可以显示表格数据。

在console模式下，使用matplotlib的pyplot可以正常绘图，但不能绘制表格。

import matplotlib.pyplot as plt
plt.show()

这里我的建议是直接使用empyrical来显示结果。

使用backtrader内置的analyzer，需要一个个添加，一个个取结果，但常用的指标

，其实通过returns可以直接算出来。

def show_result_empyrical(self, returns):import empyricalprint('累计收益：', empyrical.cum_returns_final(returns))print('年化收益：', empyrical.annual_return(returns))print('最大回撤：', empyrical.max_drawdown(returns))print('夏普比', empyrical.sharpe_ratio(returns))print('卡玛比', empyrical.calmar_ratio(returns))print('omega', empyrical.omega_ratio(returns))

与内置的计算结果是一模一样的：

小结

强烈建议，使用pyfolio来分析backtrader的结果，包括收益，风险，以及交易，

订单信息都可以。但pyfolio对于jupyter notebook友好，对于matplotlib环境，

无法绘制表格。

明天我们在pyfolio的基础上，使用quantstats来显示表格数据和可视化。

量化投资里的风险收益分析与可视化：empyrical和pyfolio实战，与backtrader整合相关推荐

R语言使用survminer包生存分析及可视化（ggsurvplot）实战详解：从数据集导入、生存对象生成、ggsurvplot可视化参数配置、设置、可视化对比
R语言使用survminer包生存分析及可视化(ggsurvplot)实战详解:从数据集导入.生存对象生成.ggsurvplot可视化参数配置.设置.可视化对比目录 R语言使用survminer包生 ...
缠论 python 量化_【Python量化投资】基于技术分析研究股票市场
二我们将从Web数据来源读取历史指数水平信息,并未一个基于趋势信号的交易系统实现简单的事后验证.但是,首先需要数据才能开始工资,这里我们主要靠pandas库,因为NumPy库比较常用,所以还是把该库 ...
量化投资之风险指标分析（alpha、beta、sharpe等）
很多风险指标虽然经常在各种回测平台中见到,但是它们背后的一些计算方法以及应用背景并没有认真研究过,所以打算整理下. 整理的几种风险指标摘自聚宽的回测平台:https://www.joinquant.c ...
如何利用ChatGPT学习量化投资？
引言最近,ChatGPT持续火了很长时间,占领各大热点和头版头条,成为A股开年以来最大的热点之一.ChatGPT是OpenAI开发的一种语言生成模型,可以理解为智能问答机器人.最近围绕量化投资在上面 ...
【方法论述】量化投资——神话、黑箱与真谛
编者语:文艺复兴基金的创始人西蒙斯(Jim Simons)是数学教授,他领导的量化对冲基金长期超越市场,是世界上最成功的对冲基金之一.旗下的"大奖章基金"(Medallion Fu ...
Python量化投资——投资组合的评价和可视化（上）：计算收益率、波动率、最大回撤、阿尔法alpha、贝塔beta、夏普率Sharp等指标【源码+详解】
投资组合的评价和可视化(上)--评价指标的计算投资结果评价本文示例数据下载投资过程回顾基于收益的投资组合评价收益率.年化收益.每日收益率月度历史收益率基于风险度量的投资组合评价 Vola ...
股票价格趋势预测与量化投资案例可视化演示系统（附代码）
摘要随着全球经济与股市的快速发展,股票投资成为了民众们常用的理财方式之一.近年来,量化投资凭借其优良的纪律性.准确性.时效性和系统性等优势受到越来越多的关注.与西方成熟市场相比,我国量化投资还处于起 ...
股票量化投资出现的主要原因分析
阅读原文: http://club.jr.jd.com/quant/topic/1086603 京东金融量化交流群:417082141 量化交易的出现离不开如下几个主要原因:现代金融理论的发展,计算机 ...
1、股票交易及量化投资回测分析系统的数据库设计-5
在阅读文章前,请读者朋友认真阅读免责声明: 免责声明:本人所发表的所有文章.资源.知识等内容(包括免费.付费等)旨在向广大读者介绍我的职业生涯中积累的一些经验.知识等内容,受个人水平所限这些知识.经验 ...

量化投资里的风险收益分析与可视化：empyrical和pyfolio实战，与backtrader整合

量化投资里的风险收益分析与可视化：empyrical和pyfolio实战，与backtrader整合相关推荐

最新文章

热门文章