QuantStats: การวิเคราะห์พอร์ตโฟลิโอสำหรับ quant

ไลบรารี QuantStats Python ที่ทำโปรไฟล์พอร์ตโฟลิโอ ช่วยให้ quant และผู้จัดการพอร์ตโฟลิโอเข้าใจประสิทธิภาพได้ดีขึ้น โดยให้การวิเคราะห์เชิงลึกและตัวชี้วัดความเสี่ยง

บันทึกการเปลี่ยนแปลง »

QuantStats ประกอบด้วย 3 โมดูลหลัก:

quantstats.stats - สำหรับการคำนวณตัวชี้วัดประสิทธิภาพต่างๆ เช่น อัตราส่วนชาร์ป อัตราการชนะ ความผันผวน ฯลฯ
quantstats.plots - สำหรับการแสดงภาพประสิทธิภาพ การขาดทุน สถิติต่อเนื่อง ผลตอบแทนรายเดือน ฯลฯ
quantstats.reports - สำหรับการสร้างรายงานตัวชี้วัด การวางแผนเป็นชุด และการสร้างแผ่นฉีกขาดที่สามารถบันทึกเป็นไฟล์ HTML ได้

ต่อไปนี้เป็นตัวอย่างของเอกสารง่ายๆ ในการวิเคราะห์กลยุทธ์:

เริ่มต้นอย่างรวดเร็ว

 % 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 ()

เอาท์พุท:

 0.8135304438803402

เห็นภาพประสิทธิภาพของหุ้น

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

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

เอาท์พุท:

พล็อตภาพรวม

การสร้างรายงาน

คุณสามารถสร้างแผ่นรายงานรายงานที่แตกต่างกันได้ 7 แบบ:

qs.reports.metrics(mode='basic|full", ...) - แสดงตัวชี้วัดพื้นฐาน/เต็ม
qs.reports.plots(mode='basic|full", ...) - แสดงโครงเรื่องพื้นฐาน/ทั้งหมด
qs.reports.basic(...) - แสดงการวัดและแปลงพื้นฐาน
qs.reports.full(...) - แสดงเมตริกและพล็อตแบบเต็ม
qs.reports.html(...) - สร้างรายงานที่สมบูรณ์ในรูปแบบ html

มาสร้าง html Tearsheet กัน

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

ผลลัพธ์จะสร้างสิ่งนี้:

เอกสารน้ำตา HTML

(ดูไฟล์ html ต้นฉบับ)

หากต้องการดูรายการวิธีการที่มีอยู่ทั้งหมด ให้เรียกใช้

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

 ['avg_loss',
 'avg_return',
 'avg_win',
 'ดีที่สุด',
 'คาเกอร์',
 'สงบ',
 'อัตราส่วนความรู้สึกร่วม',
 'คอมพ์',
 'เปรียบเทียบ',
 'คอมซัม',
 'เงื่อนไข_value_at_risk',
 'การขาดทุนติดต่อกัน',
 'ติดต่อกัน_ชนะ',
 'cpc_ดัชนี',
 'ซีวาร์',
 'drawdown_รายละเอียด',
 'คาดหวัง_ผลตอบแทน',
 'คาดหวัง_ขาดแคลน',
 'การรับสัมผัสเชื้อ',
 'gain_to_pain_ratio',
 'เรขาคณิต_ค่าเฉลี่ย',
 'ghpr',
 'กรีก'
 'โดยนัย_ความผันผวน',
 'อัตราส่วนข้อมูล',
 'kelly_criterion',
 'เคอร์โทซิส',
 'max_drawdown',
 'ผลตอบแทนรายเดือน',
 'อัตราส่วนค่าผิดปกติ_ขาดทุน',
 'outlier_win_ratio',
 'ค่าผิดปกติ',
 'อัตราส่วนผลตอบแทน',
 'ปัจจัยกำไร',
 'อัตราส่วนกำไร',
 'r2',
 'r_squared',
 'ราร์',
 'recovery_factor',
 'remove_outliers',
 'ความเสี่ยงของการถูกทำลาย',
 'อัตราส่วนความเสี่ยง_ผลตอบแทน',
 'rolling_greeks',
 'ร',
 'คมชัด',
 'ลาด',
 'ซอร์ติโน',
 'adjusted_sortino',
 'อัตราส่วนหาง',
 'to_drawdown_series',
 'ulcer_index',
 'ulcer_Performance_index',
 'อัพ'
 'ยูทิลิตี้'
 'value_at_risk',
 'วาร์'
 'ความผันผวน'
 'อัตราส่วน win_loss_ratio',
 'win_rate',
 'แย่ที่สุด']

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

 ['daily_returns',
 'การกระจาย',
 'การเบิกจ่าย',
 'drawdowns_ช่วงเวลา',
 'รายได้'
 'ฮิสโตแกรม',
 'log_returns',
 'แผนที่ความร้อนรายเดือน',
 'การกลับมา'
 'โรลลิ่ง_เบต้า',
 'กลิ้ง_ชาร์ป',
 'rolling_sortino',
 'การกลิ้ง_ผันผวน',
 'ภาพรวม',
 'ผลตอบแทนรายปี']

***เอกสารฉบับเต็มจะมาเร็วๆ นี้***

ในระหว่างนี้ คุณสามารถรับข้อมูลเชิงลึกเกี่ยวกับพารามิเตอร์ทางเลือกสำหรับแต่ละวิธีได้โดยใช้วิธี help ของ Python:

 help ( qs . stats . conditional_value_at_risk )

 ความช่วยเหลือเกี่ยวกับฟังก์ชัน Conditional_value_at_risk ในโมดูล quantstats.stats:

Conditional_value_at_risk (ผลตอบแทน, sigma=1, ความมั่นใจ=0.99)
    คำนวณมูลค่ารายวันแบบมีเงื่อนไขที่มีความเสี่ยง (หรือที่เรียกว่าการขาดแคลนที่คาดหวัง)
    ปริมาณความเสี่ยงหางของการลงทุน

การติดตั้ง

ติดตั้งโดยใช้ pip :

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

ติดตั้งโดยใช้ conda :

$ conda install -c ranaroussi quantstats

ความต้องการ

หลาม >= 3.5+
แพนด้า (ทดสอบการทำงานกับ >=0.24.0)
ตัวเลข >= 1.15.0
เผ็ด >= 1.2.0
matplotlib >= 3.0.0
เกิดในทะเล >= 0.9.0
ทำเป็นตาราง >= 0.8.0
การเงิน >= 0.1.38
plotly >= 3.4.1 (เป็นทางเลือก สำหรับการใช้ plots.to_plotly() )

คำถาม?

นี่คือห้องสมุดใหม่... หากคุณพบข้อบกพร่อง โปรดเปิดปัญหาในพื้นที่เก็บข้อมูลนี้

หากคุณต้องการมีส่วนร่วม สถานที่ที่ดีในการดูคือปัญหาที่มีเครื่องหมายว่าต้องการความช่วยเหลือ

ปัญหาที่ทราบ

ด้วยเหตุผลบางอย่าง ฉันไม่สามารถหาวิธีที่จะบอกชาวทะเลว่าจะไม่ส่งคืนแผนที่ความร้อนผลตอบแทนรายเดือนเมื่อได้รับคำสั่งให้บันทึก - ดังนั้นแม้ว่าคุณจะบันทึกพล็อต (โดยผ่าน savefig={...} ) มันก็จะยังคงแสดงพล็อต .