量子態

QuantStats：寬客的投資組合分析

QuantStats Python 庫，用於執行投資組合分析，讓量化分析師和投資組合經理透過為他們提供深入的分析和風險指標來更好地了解他們的表現。

變更日誌 »

QuantStats 由 3 個主要模組組成：

1. quantstats.stats - 用於計算各種績效指標，如夏普比率、勝率、波動性等。
2. quantstats.plots - 用於視覺化績效、回撤、滾動統計、每月回報等。
3. quantstats.reports - 用於產生指標報告、批次繪圖以及建立可儲存為 HTML 檔案的樣張。

以下是分析策略的簡單樣張範例：

快速入門

 % 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 ()

輸出：

 0.8135304438803402

視覺化股票表現

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

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

輸出：

建立報告

您可以建立 7 個不同的報告樣樣：

1. qs.reports.metrics(mode='basic|full", ...) - 顯示基本/完整指標
2. qs.reports.plots(mode='basic|full", ...) - 顯示基本/完整圖
3. qs.reports.basic(...) - 顯示基本指標和圖表
4. qs.reports.full(...) - 顯示完整的指標和圖表
5. qs.reports.html(...) - 產生 html 格式的完整報告

讓我們創建一個 html 撕樣

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

輸出將產生如下內容：

（查看原始html檔案）

要查看可用方法的完整列表，請運行

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

 ['平均損失',
 '平均回報',
 'avg_win',
 '最好的'，
 '卡格',
 ‘冷靜’，
 '常識比率',
 '比較',
 '比較'，
 'compsum',
 '條件風險值',
 '連續損失',
 '連續獲勝',
 'cpc_index',
 'cvar',
 '回撤_詳細資料',
 '預期回報',
 '預期短缺',
 '曝露',
 '增益與痛苦之比',
 '幾何平均數',
 'ghpr',
 ‘希臘人’，
 '隱含波動率',
 '資訊比率',
 '凱利_標準',
 ‘峰度’，
 '最大回撤',
 '每月回報',
 '異常值損失率',
 '異常值勝率',
 “異常值”，
 '支付比率',
 '利潤係數',
 '利潤率',
 'r2',
 'r_squared',
 'rar',
 '恢復因子',
 '刪除異常值',
 '毀壞的風險',
 '風險回報率',
 '滾動希臘人',
 '羅爾',
 '銳利',
 '傾斜',
 '索提諾',
 '調整後的排序',
 '尾部比例',
 'to_drawdown_series',
 '潰瘍指數',
 '潰瘍性能指數',
 '烏皮',
 '實用程式',
 '風險價值',
 'var',
 '揮發性'，
 '贏損率',
 '獲勝率',
 ‘最糟’]

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

 ['每日收益',
 '分配'，
 '回撤',
 '回撤_期間',
 '收益'，
 '直方圖',
 '日誌返回',
 '每月熱圖',
 '返回',
 '滾動_測試版',
 '滾動鋒利',
 '滾動排序',
 '滾動波動性',
 '快照',
 '每年回報']

*** 完整文件即將推出 ***

同時，您可以透過使用 Python 的help方法來深入了解每個方法的可選參數：

 help ( qs . stats . conditional_value_at_risk )

有關模組 quantstats.stats 中的函數 conditional_value_at_risk 的幫助：

Conditional_value_at_risk（回報，sigma=1，置信度=0.99）
    計算有條件的每日風險價值（又稱預期缺口）
    量化投資的尾部風險量

安裝

使用pip安裝：

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

使用conda安裝：

$ conda install -c ranaroussi quantstats

要求

• Python >= 3.5+
• pandas（經測試可與 >=0.24.0 一起使用）
• numpy >= 1.15.0
• scipy >= 1.2.0
• matplotlib >= 3.0.0
• 海伯恩 >= 0.9.0
• 製表 >= 0.8.0
• yfinance >= 0.1.38
• plotly >= 3.4.1 （可選，用於使用plots.to_plotly() ）

問題？

這是一個新庫...如果您發現錯誤，請在此存儲庫中提出問題。

如果您想做出貢獻，最好查看標有“需要幫助”的問題。

已知問題

出於某種原因，我找不到一種方法來告訴seaborn在指示保存時不要返回每月回報熱圖 - 因此即使您保存繪圖（通過傳遞savefig={...} ）它仍然會顯示繪圖。

法律事務

QuantStats根據Apache 軟體許可證分發。有關詳細信息，請參閱版本中的 LICENSE.txt 檔案。

聚苯乙烯

如果您有任何回饋意見，請給我留言。

蘭·阿魯西