常见基本回测指标（年化收益率，夏普率，最大回撤，β值，α值）的实现

年化收益率

import pandas as pd
import tushare as tsdef get_annual_profit(maotai,geli,start_date,end_date):df_maotai=ts.get_hist_data(maotai,start=start_date,end=end_date)df_geli=ts.get_hist_data(geli,start=start_date,end=end_date)maotai_annual_profit=(1+(df_maotai.head(1)['close'].values[0]/df_maotai.tail(1)['close'].values[0]-1))**(250/df_maotai.shape[0])-1geli_annual_profit=(1+(df_geli.head(1)['close'].values[0]/df_geli.tail(1)['close'].values[0]-1))**(250/df_geli.shape[0])-1print u'茅台年化收益: ',maotai_annual_profit,u' 格力电器年化收益: ',geli_annual_profitget_annual_profit('600519','000651','2017-06-01','2017-11-17')

输出：
茅台年化收益: 1.3600202949 格力电器年化收益: 0.82970020908

Sharp率

import pandas as pd
import pymongo,datetime
import tushare as ts
import matplotlib as mpl
import matplotlib.pyplot as pltconn = pymongo.MongoClient()def get_sharp(fund_code):c=conn.stks.fund_codes.find_one({'code':fund_code})if c==None:returnfund={'name':c['name'],'fund_id':c['_id'],'code':fund_code}df_fund=pd.DataFrame(list(conn.stks.fund_daily_values.find({'fund_id':fund['fund_id'],'date':{'$gte':datetime.datetime.strptime('2017-01-01','%Y-%m-%d'),'$lte':datetime.datetime.now()}})))df_fund.sort_values('date',ascending=True,inplace=True)df_fund['change']=df_fund['net_asset_value'].pct_change()annual_return=(df_fund['net_asset_value'].tail(1).values[0]/df_fund['net_asset_value'].head(1).values[0])**(250/df_fund.shape[0])-1lost_free_return=0.04sharp=(annual_return-lost_free_return)/df_fund['change'].describe().std()print fund['name']+' Sharp=',round(sharp*100,2),'%'funds=['519195','110022','003095','001617','001195','502010','217027']
for f in funds:get_sharp(f)

输出

万家品质 Sharp= 0.34 %
易方达消费行业 Sharp= 0.78 %
中欧医疗健康混合A Sharp= 0.33 %
天弘中证电子指数A Sharp= 0.29 %
工银农业产业股票 Sharp= 0.13 %
易方达证券公司分级 Sharp= -0.09 %
招商央视财经50指数A Sharp= 0.54 %

最大回撤

import pandas as pd
import tushare as tsdef calculate_max_drawdown(code,start='2017-01-01',end='2017-11-21'):df=ts.get_hist_data(code,start=start,end=end)highest_close=df['close'].max()df['dropdown']=(1-df['close']/highest_close)max_dropdown=df['dropdown'].max()print 'max dropdown of %s is %.2f%s' % (code,max_dropdown*100,'%')calculate_max_drawdown('002049')

输出：
max dropdown of 002049 is 47.63%

α、β值与定价曲线CAPM

import pandas as pd
import datetime,pymongo
import tushare as ts
import matplotlib as mpl
import matplotlib.pyplot as pltdef calculate_beta(df_stock,df_hs300,code,start='2017-01-01',end='2017-11-20'):df=pd.DataFrame({code:df_stock['close'].pct_change(),'hs300':df_hs300['close'].pct_change()},index=df_stock.index)cov=df.corr().iloc[0,1]df_hs300['change']=df_hs300['close'].pct_change()*100var=df_hs300['change'].var()beta=cov/varreturn beta# 定价曲线
def make_capm(code,start='2017-01-01',end='2017-11-20'):df_stock=ts.get_hist_data(code,start=start,end=end)df_hs300=ts.get_hist_data('hs300',start=start,end=end)df_stock.sort_index(ascending=True,inplace=True)df_hs300.sort_index(ascending=True,inplace=True)beta=calculate_beta(df_stock,df_hs300,code,start=start,end=end)loss_free_return=0.04df=pd.DataFrame({code:df_stock['close']/df_stock['close'].values[1]-1,'hs300':df_hs300['close']/df_hs300['close'].values[1]-1,'days':xrange(1,df_stock.shape[0]+1)},index=df_stock.index)df['beta']=df['days']*loss_free_return/250 + beta*(df['hs300']-df['days']*loss_free_return/250)df['alpha']=df[code]-df['beta']df[[code,'hs300','beta','alpha']].plot(figsize=(960/72,480/72))# make_capm('601318')# make_capm('600030')
# make_capm('600030',start='2017-10-10')
# make_capm('600036')
make_capm('601688')

输出：
19883-aa01a9ec094fc078.png
601688 华泰证券.png

推荐阅读：

1.市面上经典的量化交易策略都在这里了！

2.期货/股票数据大全查询（历史/实时/Tick/财务等）

3.量化交易领域最重要的10本参考书推荐！

4.最科学的仓位管理利器-凯利公式，从方法上胜过99%散户

常见基本回测指标（年化收益率，夏普率，最大回撤，β值，α值）的实现相关推荐

backtrader量化回测，基础篇，附MACD交易回测代码
backtrader由德国工程师开发,拥有股票的回测,检测交易策略,支持期货实时交易,对于股票交易还在完善,我尝试了pylagotrade,vn.py,发现backtrader功能强大,交易策略全面, ...
python外汇交易回测系统_易经量化交易系统之回测系统1
我们在这里向大家介绍如何从零开始,实现一个适合于A股市场的回测系统.在这里我们以A股日K线数据为例,实际上可以比较方便的扩展为分级的数据源. Tick数据类我们首先定义一个Tick数据的基类,这个类 ...
《机械交易系统》读书笔记：回测指标
1．总的净盈这是对系统盈利能力的衡量,但它并没有考虑其中所蕴涵的风险.这个限制,这只能当作一个比较粗略的指标.但是,当我们需要比较不同的交易策略时,因为每个交易策略都可能包含若干交易系统,使用这个指 ...
python量化策略源码_Python量化交易进阶讲堂-创建自定义量化回测框架
欢迎大家订阅<Python实战-构建基于股票的量化交易系统>小册子,小册子会陆续推出与小册内容相关的专栏文章,对涉及到的知识点进行更全面的扩展介绍,并且会有选择地收录至小册中,更便于广大读 ...
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 ...
量化投资回测教学之掌握矢量化回测
量化投资回测教学之掌握矢量化回测 1. 什么是回测? 回测用于模拟交易策略的过去表现. 回测的核心概念是通过回溯时间来模拟给定的交易策略,并像过去一样执行交易.产生的利润通常通过一些指标(例如最大回撤 ...
Python量化投资——股票择时到底能否赚钱？ADX指标的有效性回测
ADX指标的有效性回测 Python量化投资--`ADX`技术指标的有效性研究背景介绍技术指标介绍指标用法建议 `qteasy`中的ADX内置策略 433支股票五年回测结果 12.45% --该 ...
python金融分析小知识(34)——年化收益率、年化波动率以及夏普比率的计算
Hello 大家好,我是一名新来的金融领域打工人,日常分享一些python知识,都是自己在学习生活中遇到的一些问题,分享给大家,希望对大家有一定的帮助! 大家好呀好久不见!最近忙的事情太多了没来得 ...
Python量化投资——投资组合的评价和可视化（下）：使用Matplotlib生成专业的投资回测数据可视化仪表盘【源码+详解】
使用Matplotlib生成专业的数据可视化仪表盘(下篇) 投资结果的可视化(下篇) 图表的布局规划及格式设定图表布局格式设定表头和回测结果摘要信息表1:绘制收益率曲线图 1,绘制投资收益率以 ...

常见基本回测指标（年化收益率，夏普率，最大回撤，β值，α值）的实现

年化收益率

Sharp率

α、β值与定价曲线CAPM

常见基本回测指标（年化收益率，夏普率，最大回撤，β值，α值）的实现相关推荐

最新文章

热门文章

常见基本回测指标（年化收益率，夏普率，最大回撤，β值，α值）的实现

年化收益率

Sharp率

α、β值 与 定价曲线CAPM

常见基本回测指标（年化收益率，夏普率，最大回撤，β值，α值）的实现相关推荐

最新文章

热门文章

α、β值与定价曲线CAPM