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：

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。

fromempyricalimportstats

classPerformance(object):

def__init__(self):

pass

defcalc(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。