QuantStats: портфельная аналитика для квантовиков

Библиотека QuantStats Python, которая выполняет профилирование портфеля, позволяя количественным аналитикам и менеджерам портфеля лучше понимать свою эффективность, предоставляя им углубленную аналитику и показатели риска.

Журнал изменений »

QuantStats состоит из 3 основных модулей:

quantstats.stats — для расчета различных показателей производительности, таких как коэффициент Шарпа, процент побед, волатильность и т. д.
quantstats.plots — для визуализации производительности, просадок, скользящей статистики, ежемесячной доходности и т. д.
quantstats.reports — для создания отчетов о показателях, пакетной печати и создания отрывных листов, которые можно сохранить в виде HTML-файла.

Вот пример простого отрывного листа, анализирующего стратегию:

Быстрый старт

 % 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 ()

Выход:

 0.8135304438803402

Визуализируйте эффективность акций

 qs . plots . snapshot ( stock , title = 'Facebook Performance' , show = True )

# can also be called via:
# stock.plot_snapshot(title='Facebook Performance', show=True)

Выход:

Снимок графика

Создание отчета

Вы можете создать 7 различных листов отчета:

qs.reports.metrics(mode='basic|full", ...) — показывает базовые/полные метрики
qs.reports.plots(mode='basic|full", ...) — показывает базовые/полные графики
qs.reports.basic(...) — показывает основные показатели и графики.
qs.reports.full(...) — показывает полные показатели и графики.
qs.reports.html(...) — генерирует полный отчет в формате html.

Давайте создадим отрывной лист HTML

( benchmark can be a pandas Series or ticker )
qs . reports . html ( stock , "SPY" )

Вывод будет генерировать что-то вроде этого:

HTML-разрывной лист

(просмотреть исходный html-файл)

Чтобы просмотреть полный список доступных методов, запустите

[ f for f in dir ( qs . stats ) if f [ 0 ] != '_' ]

 ['avg_loss',
 'avg_return',
 'avg_win',
 'лучший',
 'кагр',
 'спокойно',
 'common_sense_ratio',
 'комп',
 'сравнивать',
 'компсум',
 'условное_значение_при_риске',
 'последовательные_потери',
 'последовательные_выигрыши',
 'cpc_index',
 'квар',
 'просадка_детали',
 'ожидаемый_возврат',
 'ожидаемый_недостаток',
 'контакт',
 'gain_to_pain_ratio',
 'геометрическое_среднее',
 'гпр',
 «греки»,
 'подразумеваемая_волатильность',
 'информационный_пропорция',
 'келли_критерий',
 'эксцесс',
 'макс_просадка',
 'ежемесячный_возврат',
 'outlier_loss_ratio',
 'outlier_win_ratio',
 «выбросы»,
 'коэффициент_выплаты',
 'коэффициент_прибыли',
 'profit_ratio',
 'р2',
 'р_квадрат',
 'рар',
 'коэффициент_восстановления',
 'удалить_выбросы',
 'риск_разрушения',
 'risk_return_ratio',
 'роллинг_греки',
 'рор',
 'острый',
 'перекос',
 'сортино',
 'скорректированная_сортино',
 'tail_ratio',
 'to_drawdown_series',
 'ulcer_index',
 'ulcer_ Performance_index',
 'упи',
 'утилиты',
 'value_at_risk',
 'вар',
 «волатильность»,
 'win_loss_ratio',
 'выигрыш_рейт',
 'худший']

[ f for f in dir ( qs . plots ) if f [ 0 ] != '_' ]

 ['ежедневные_возвраты',
 'распределение',
 'просадка',
 'просадки_периоды',
 'заработок',
 'гистограмма',
 'log_returns',
 'месячная_тепловая карта',
 'возвращается',
 'rolling_beta',
 'rolling_sharp',
 'rolling_sortino',
 'rolling_volatility',
 'снимок',
 'ежегодные_возвраты']

*** Полная документация скоро появится ***

Тем временем вы можете получить информацию о дополнительных параметрах для каждого метода, используя help метод Python:

 help ( qs . stats . conditional_value_at_risk )

 Справка по функции Conditional_value_at_risk в модуле quantstats.stats:

условное_значение_at_risk(возвращает, сигма=1, достоверность=0,99)
    рассчитывает условную дневную стоимость риска (так называемую ожидаемую нехватку)
    количественно определяет величину хвостового риска инвестиции

Установка

Установите с помощью pip :

$ pip install quantstats --upgrade --no-cache-dir

Установите с помощью conda :

$ conda install -c ranaroussi quantstats

Требования

Питон >= 3.5+
pandas (проверено на работу с >=0.24.0)
число >= 1.15.0
Сципи >= 1.2.0
матплотлиб >= 3.0.0
Морское происхождение >= 0.9.0
свести в таблицу >= 0.8.0
yфинанс >= 0.1.38
plotly >= 3.4.1 (необязательно, для использованияplots.to_plotly plots.to_plotly() )

Вопросы?

Это новая библиотека... Если вы обнаружили ошибку, откройте проблему в этом репозитории.

Если вы хотите внести свой вклад, лучше всего поискать проблемы, отмеченные знаком «Требуется помощь».

Известные проблемы

По какой-то причине я не смог найти способ сказать seaborn не возвращать тепловую карту ежемесячных возвратов при получении инструкции о сохранении - поэтому даже если вы сохраните график (передав savefig={...} ), он все равно покажет график .