【原】金融量化之绩效度量

一个量化系统有一个很重要的模块，就是如何衡量一个策略的绩效，主要是风险收益的量化度量。

这里介绍quantopian，这其实是国内quant平台的鼻祖了，它的回测引擎是zipline，也是开源的，其中有一个开源的度量模块是empyrical。

https://github.com/quantopian/empyrical

安装同样很简单：

pip install empyrical

针对交易收益率的时间序列来计算，收益率之于benchmark而言就是close的pct_change（）,也就是日变化率；如果是组合的话，那就是capital组合的总市值的日变化率为单日简单收益率。

from empyrical import stats

class Performance(object):
    def __init__(self):
        pass
    def calc(self,df):
        df['cum_returns'] =stats.cum_returns(df['returns'])
        self.peroid_return = df['cum_returns'][-1]
        self.trading_days = len(df) #交易天数
        # 波动率
        self.volatility = stats.annual_volatility(df['returns'])

        # 夏普比率
        self.sharpe = stats.sharpe_ratio(df['returns'])
        # 最大回撤
        self.max_drawdown = stats.max_drawdown(df['returns'].values)

        print(df)
        print('收益率',self.peroid_return)
        print('交易天数',self.trading_days)
        print('波动率',self.volatility)
        print('夏普比',self.sharpe)
        print('最大回撤',self.max_drawdown)

波动率就是收益率序列的方差，衡量波动性也就是风险。

夏普比是单风险的超额收益。

关于作者：魏佳斌，互联网产品/技术总监，北京大学光华管理学院（MBA）,特许金融分析师（CFA），资深产品经理/码农。偏爱python，深度关注互联网趋势，人工智能，AI金融量化。致力于使用最前沿的认知技术去理解这个复杂的世界。