pyfolio教程2——第一个returns_tear

首先，说明一下我们的数据，为了一步一步的明确pyfolio的功能和一些结果，我们首先选取我们的策略是0.3的中证500指数、0.3的中证1000指数和0.4的上证50指数，也就是我们的组合的收益就是这三个指数的加权收益。换句话说，我们是把这三个指数当成了三个资产。benchmark是沪深300，后续有需要的时候，回依次加入其它的东西。

我们先来看一下我的return ser文件：

date,zz500,zz1000,sz50,return
2016/2/22,0.020771931,0.020462588,0.024827323,0.022301285
2016/2/23,-0.005443023,-0.006005945,-0.011851228,-0.008175182
2016/2/24,0.006678676,0.000874356,0.005846597,0.004604548
2016/2/25,-0.07936297,-0.079150999,-0.053290504,-0.068870392
2016/2/26,0.004067755,-0.00464371,0.011794361,0.004544958

在notebook中写入下面代码。

import pyfolio as pf
import pandas as pd
%matplotlib inlinereturn_ser = pd.read_csv('return_ser.csv')
return_ser['date'] = pd.to_datetime(return_ser['date'])
return_ser.set_index('date', inplace=True)
pf.create_returns_tear_sheet(return_ser['return'])

这里，我们最简单的使用了一个creat_returns_tear_sheet。然后，我们来看一下结果：

这个比较好理解，就是我们策略收益的开始和结束，以及一共跨度的时间。

然后是整个return时间序列能够计算出来的指标。大部分比较常见，解释一下比较少见的。首先是stability，也就是所谓的稳定性。其实很简单，就是时间增量对累计净值的解释力度是多少，也就是回归的r平方。这样说有点抽象，我们简单解释一下。

假设我们的daily return的净值曲线是这样的：

而这个黑线则是随着时间等量递增的。那么净值和这条直线回归的R方就是所谓的稳定性。

Tail ratio比较有趣，对daily return的分布选取95分位和5分位，然后相除取绝对值。本质的含义就是赚取的return比亏钱的大多少倍。

然后是回测的情况：

后面的图相对而言就比较简单了，不用解释就可以看懂，直接放上来。

接下来，我们好好研究一下这个return tear sheet的参数。

def create_returns_tear_sheet(returns, positions=None,transactions=None,live_start_date=None,cone_std=(1.0, 1.5, 2.0),benchmark_rets=None,bootstrap=False,turnover_denom='AGB',header_rows=None,return_fig=False)

我们看到这个函数的签名是这样的。

1、live_start_date

我们先来研究几个简单的吧，比如第二个，live_start_date，这个参数的意思就是，你的return啥时候是开始实盘的？比如我们上面这一串return，假设我们在2018年6月份之后是实盘，而前面是模拟盘或者是回测的结果，那么我们就可以这样设置：

live_start_date=‘2018-06-01’

我们看一下结果：

我们发现多了几个out of sample的东西，也就是说，各种指标开始区分样本内外了，理论上我们可以根据这个来看一下我们的策略有没有过拟合。如果样本内外的差异很大，那么大概率这就是过拟合了。

图片中，样本外也会被标记出来，而且会给出不同的标准差的区间。那么，这个标准差是怎么决定的呢？在pyfolio里面有这样一段注释：

Determines the upper and lower bounds of an n standard deviation
cone of forecasted cumulative returns. Future cumulative mean and
standard devation are computed by repeatedly sampling from the
in-sample daily returns (i.e. bootstrap). This cone is non-parametric,
meaning it does not assume that returns are normally distributed.

说白了就是用历史的dailyreturn通过bootstrap来进行计算的。所谓的bootstrap其实就是有放回的抽样。而标准差倍数则由cone_std=(1.0, 1.5, 2.0)这样一个tuple来决定。

2、benchmark

然后，我们在加入benchmark试一试看看有什么变化：

pf.create_returns_tear_sheet(return_ser['return'], live_start_date='2018-06-01', benchmark_rets=return_ser['bench'])

我们看到，多了beta和alpha

图上也是，多了一个benchmark：

同时也多了一个滚动的beta

pyfolio教程2——第一个returns_tear_sheet相关推荐

Scott Mitchell 的ASP.NET 2.0数据教程之一: 创建一个数据访问层
原文 | 下载本教程中的编码例子 | 下载本教程的英文PDF版导言作为web开发人员,我们的生活围绕着数据操作.我们建立数据库来存储数据,写编码来访问和修改数据,设计网页来采集和汇总数据.本文是研 ...
下拉加载实现 java_[Java教程]iscroll5实现一个下拉刷新上拉加载的效果
[Java教程]iscroll5实现一个下拉刷新上拉加载的效果 0 2016-08-24 15:00:08 直接上代码!!! * { margin: 0; padding: 0; } ul, li { ...
java写七彩文字_【PS精选案例教程】创建一个漂亮的七彩文字
原标题:[PS精选案例教程]创建一个漂亮的七彩文字效果图: 步骤1. 新建一个文档(大小随意) 步骤2. 滤镜→渲染→云彩步骤3. 可以按Ctrl+Alt+F增加效果步骤4. Ctrl+J复制一 ...
Homebrew进阶使用教程(二)-用一个命令行天气客户端构建自己的仓库
[homebrew 系列文章] HomeBrew常规使用教程 Homebrew进阶使用教程(一) Homebrew进阶使用教程(二)-用一个命令行天气客户端构建自己的仓库 Homebrew进阶使用教程 ...
html怎么制作小黄人,【PS教程】制作一个小黄人
原标题:[PS教程]制作一个小黄人小黄人已经是个无需介绍的人气角色,呆萌的外表让他成为了践踏主角的超级巨星,在全球拥有无数粉丝,作为喜欢小黄人的设计师,是不是一定要懂得3D软件才能做出小黄人哩?NO ...
Django教程：第一个Django应用程序(1部分)
2019独角兽企业重金招聘Python工程师标准>>> Django教程:第一个Django应用程序(1部分) 请看实例.本教程中将创建一个基本的投票应用. 它由两部分组成:查看投票 ...
【硬核教程】作为一个程序员，怎么做才能母亲在母亲节感到双倍快乐
[硬核教程]作为一个程序员,怎么做才能母亲在母亲节感到双倍快乐母亲,是这个世上最伟大的人.她给我们生命,让我们来到这个花花世界. 其实作为程序员,一般毕业之后都会在大城市工作.别问为什么,问就是因为 ...
dynamic web twain java_扫描识别工具Dynamic Web TWAIN使用教程：建立一个“Hello World”扫描页面...
原标题:扫描识别工具Dynamic Web TWAIN使用教程:建立一个"Hello World"扫描页面 Dynamic Web TWAIN(www.evget.com)是一个专 ...
[转]VS2010 教程：创建一个 WPF 应用程序 (第一节)
[转]VS2010 教程:创建一个 WPF 应用程序 (第一节) http://msdn.microsoft.com/zh-cn/ff629048(zh-cn) Extended WPF Toolki ...

pyfolio教程2——第一个returns_tear_sheet

1、live_start_date

2、benchmark

pyfolio教程2——第一个returns_tear_sheet相关推荐

最新文章

热门文章