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 pd

from 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 empyrical

    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))

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。