量子状態
0.063
QuantStats Python ライブラリはポートフォリオ プロファイリングを実行し、クオンツとポートフォリオ マネージャーが詳細な分析とリスク メトリクスを提供することでパフォーマンスをより深く理解できるようにします。
変更履歴 »
quantstats.stats - シャープレシオ、勝率、ボラティリティなどのさまざまなパフォーマンス指標を計算します。quantstats.plots - パフォーマンス、ドローダウン、ローリング統計、月次収益などを視覚化します。quantstats.reports - メトリクス レポートの生成、バッチ プロット、および HTML ファイルとして保存できる切り取りシートの作成用。以下は、戦略を分析する簡単な切り取りシートの例です。
% matplotlib inline
import quantstats as qs
# extend pandas functionality with metrics, etc.
qs . extend_pandas ()
# fetch the daily returns for a stock
stock = qs . utils . download_returns ( 'META' )
# show sharpe ratio
qs . stats . sharpe ( stock )
# or using extend_pandas() :)
stock . sharpe ()出力：
0.8135304438803402
qs . plots . snapshot ( stock , title = 'Facebook Performance' , show = True )
# can also be called via:
# stock.plot_snapshot(title='Facebook Performance', show=True)出力：
7 つの異なるレポート切り取りシートを作成できます。
qs.reports.metrics(mode='basic|full", ...) - 基本/完全なメトリクスを表示しますqs.reports.plots(mode='basic|full", ...) - 基本/完全なプロットを表示しますqs.reports.basic(...) - 基本的なメトリクスとプロットを表示しますqs.reports.full(...) - 完全なメトリクスとプロットを表示しますqs.reports.html(...) - 完全なレポートを HTML として生成しますHTML 切り取りシートを作成しましょう
( benchmark can be a pandas Series or ticker )
qs . reports . html ( stock , "SPY" )出力は次のようなものを生成します。
(元のHTMLファイルを表示)
[ f for f in dir ( qs . stats ) if f [ 0 ] != '_' ] ['平均損失',
'avg_return',
'avg_win',
'最高'、
「カグル」、
「穏やか」、
'常識的な比率',
「コンプ」、
'比較する'、
「コンサム」、
'条件付き値_リスク',
'連続損失',
'連続勝利',
'cpc_index',
「cvar」、
'ドローダウンの詳細',
'expected_return',
'expected_shortfall',
'暴露'、
'ゲイン対痛みの比率',
'幾何平均',
「gpr」、
「ギリシャ人」、
'暗黙のボラティリティ',
'情報比率',
'ケリー基準',
'尖度'、
'最大ドローダウン',
'monthly_returns',
'異常値損失率',
'outlier_win_ratio',
「外れ値」、
'ペイオフ率',
'プロフィットファクター',
'利益率',
'r2'、
'r_2乗',
「rar」、
'回復係数',
'remove_outliers',
「破滅のリスク」、
'リスクリターン率',
'ローリンググリークス',
「ロール」、
「鋭い」、
「スキュー」、
「ソルティーノ」、
'adjusted_sortino',
'テール比率',
'to_drawdown_series',
'潰瘍インデックス',
'潰瘍_パフォーマンスインデックス',
「うぴ」、
「ユーティリティ」、
'リスクのある価値',
'var'、
「ボラティリティ」、
'勝敗率',
'勝率',
'最悪']
[ f for f in dir ( qs . plots ) if f [ 0 ] != '_' ] ['毎日の返品',
'分布'、
「ドローダウン」、
'ドローダウン期間',
「収益」、
'ヒストグラム'、
'log_returns',
'monthly_ヒートマップ',
「返品」、
'ローリングベータ',
'ローリングシャープ',
'ローリング_ソーティノ',
'ローリング_ボラティリティ',
「スナップショット」、
'年ごとの返品']
*** 完全なドキュメントは近日公開予定 ***
それまでの間、Python のhelpメソッドを使用して、各メソッドのオプションのパラメーターに関する洞察を得ることができます。
help ( qs . stats . conditional_value_at_risk )モジュール quantstats.stats の関数conditional_value_at_risk に関するヘルプ:
条件値_at_risk(戻り値、シグマ=1、信頼度=0.99)
条件付きの日次バリューアットリスク (別名、期待不足額) を計算します。
投資のテールリスクの量を定量化します。
pip使用してインストールします。
$ pip install quantstats --upgrade --no-cache-dir condaを使用してインストールします。
$ conda install -c ranaroussi quantstatsplots.to_plotly()を使用する場合はオプション) これは新しいライブラリです...バグを見つけた場合は、このリポジトリで問題をオープンしてください。
貢献したい場合は、「支援募集」とマークされている問題を参照するとよいでしょう。
何らかの理由で、保存するように指示されたときに月次収益ヒートマップを返さないように Seaborn に指示する方法が見つかりませんでした。そのため、( savefig={...}を渡すことで) プロットを保存した場合でも、プロットは表示されます。 。
QuantStats は、Apache ソフトウェア ライセンスに基づいて配布されます。詳細については、リリースの LICENSE.txt ファイルを参照してください。
フィードバックがございましたら、メモを残してください。
ラン・アロウシ
