Pyfolio一行代码实现专业量化回测图

量化回测是量化投资中不可或缺的步骤，是构建、评价和优化策略的重要手段。策略回测归根结底是对历史资金曲线的回测，不管是中低频（日、周、月等）还是高频（时、分、秒）交易策略，只要我们根据既定的交易策略获得该交易频率下的历史收益率，便可以对策略进行量化评价，常见的评价指标包括年化收益、累计收益、最大回撤、夏普比率等等。那么有没现成的量化模块库既可以实现计算量化评价指标，还可以输出专业级的量化图表呢？答案是pyfolio。

pyfolio是全球最大量化网站Quantopian开发的量化“三剑客”之一，另外两个分别是alphalens（用于多因子分析）和zipline（类似backtrader的回测框架）。pyfolio非常适合用于金融投资组合性能和风险分析，包括与Zipline和alphalens结合，输出专业的量化指标和图表分析结果。关于alphalens的应用参照推文《如何对选股因子进行量化回测？》。pyfolio和alphalens直接使用pip即可安装，而zipline由于各种原因一直未安装成功。

pyfolio的核心是一种所谓的tears表，由各种独立的量化回测结果组成，提供交易算法性能的综合图表。下面通过一个简单的例子为大家展示pyfolio的用法。

下面使用tushare获取个股和指数交易数据，以简单的买入持有作为交易策略进行简单回测，实际上其他交易策略和投资组合均可以以类似方式进行回测，关键是得到策略的资金曲线（即某交易策略或组合的最终收益率时间序列）。

importpandasaspdimporttushareastsimportpyfolioaspf

获取数据

defget_return(code):df=ts.get_k_data(code,start=-01-01)df.index=pd.to_datetime(df.date)returndf.close.pct_change().fillna(0).tz_localize(UTC)

ret=get_return()benchmark_ret=get_return(sh)#假设前面是模拟盘，年开始实盘买入并一直持有date=-01-03

pyfolio一行代码进行回测

pyfolio的create_full_tear_sheet函数可以实现一行代码输出所有量化回测结果和图表，具体参数包括：

其中，returns就是我们要输入的收益率时间序列数据（pd.Series），其他默认参数均为可选项，如benchmark_rets（pd.DataFrame）是策略或组合的基准收益率，用于对比分析，live_start_date是指定个时间开始进行实盘交易分析。如果要单独输出某个量化结果图表，可以通过输入pf.create_xxx_tear_sheet(returns)，如输出收益相关量化结果图表，则xxx为returns，具体可参考pyfolio源代码中的tears.py，该文件提供了各种图表的输出函数和详细的参数说明。

pf.create_full_tear_sheet(returns=ret,benchmark_rets=benchmark_ret,live_start_date=date)

量化回测基本统计指标

结果显示，量化回测开始日期为年1月4日，结束日期为年5月28日。由于设定了实盘起始日期为年1月3日，pyfolio将数据分为样本内（in-sample，.1.4-.1.3）和样本外（outofsample，.1.4-.5.28）进行回测。Annualreturn是年化收益率，从样本外回测看，如果你在年1月3日后买入贵州茅台一直持有，年化收益率达到57%，累计收益率（Cumulativereturns）为%，年化波动率31.6%，夏普比率（Sharperatio）为1.59，最大回撤为-33.5%，关于这些指标的定义和计算可参照推文：《Python量化策略风险指标》。

最大回撤率与持续期间

事件分析（eventstudy）

pyfolio还提供了事件分析的量化结果，如欧债危机、年5月的闪电暴跌(FlashCrash)事件期间该策略的收益率情况。

下面输出的的累计收益率（含基准对比）、波动率、滚动夏普比率、最大回撤、月度收益率等的量化结果的可视化图。

极端事件期间的收益率分析

此外，pyfolio还可以为backtrader的回测结果提供图表分析。关于backtrader的应用可参考

转载请注明：http://www.sonphie.com/jibzd/14556.html