原创文章第75篇，专注“个人成长与财富自由、世界运作的逻辑， AI量化投资”。
今天来说说量化投资里的风险、收益分析。
一个策略好与不好，与基准如何对比，就需要对策略的风险、收益进行数量化分析。
最重要且最直观的两个指标：收益指标是“年化收益”，风险指标是“最大回撤”和“夏普比”（或者“卡玛比率”）。
01 quantopian三剑客
提及量化平台，不得不说quantopian。
尽管这个量化平台鼻祖已经退出了历史舞台，但国内的一众模仿者还在继续。如joinquant，ricequant，bigquant，优矿，果仁等等。
quantopian还给开源界留下了三大框架：zipline， pyfolio 和alphalens。
zipline是quantopian的回测框架，功能同backtrader，我们的选型是bt，所以不多加讨论；pyfolio是量化结果分析与可视化框架，alphalens是因子分析框架，使用度都不错，今天我们重要说pyfolio。
02 empyrical
pyfolio背后计算量化指标的库叫empyrical，小而经典，我们先说说它。
安装比较简单：pip install empyrical
它依赖numpy和pandas，输入的参数主要是returns(pd.Serids)格式，即收益率序列即可。
import numpy as npimport pandas as pdfrom empyrical import max_drawdown, sharpe_ratio,annual_returnimport empyricalprint(dir(empyrical))df = pd.read_csv('000300.sh.csv')returns = df['pct_chg']/100mdd = max_drawdown(returns)sharpe = sharpe_ratio(df['pct_chg']/100)a_return = annual_return(returns)print('累计收益：',empyrical.cum_returns_final(returns))print('年化收益：',empyrical.annual_return(returns))print('最大回撤：',empyrical.max_drawdown(returns))print('夏普比', empyrical.sharpe_ratio(returns))print('卡玛比', empyrical.calmar_ratio(returns))
print('omega',empyrical.omega_ratio(returns))
可以看出，沪深300指数年化收益8.1%，最大回撤-72%，夏普比0.43等等。
03 pyfolio
安装同样简单：pip install pyfolio
使用这个安装会报bug——“AttributeError: ‘numpy.int64‘ object has no
attribute ‘to_pydatetime‘
可以使用这个线上github的版本：
pip install git+/quantopian/pyfolio
两行代码：
import pyfolio as pf
ts = pf.create_full_tear_sheet(returns)
与刚才的计算结果一致，只是呈现在图表里，因为pyfolio背后调用的就是empyrical。
最大的五次回撤期：
都发生在-，就是08年的金融危机期间。
04 与backtrader整合
backtrader框架内置了兼容pyfolio的分析器，添加之后，可以从结果得到收益率，仓位，交易等信息，可以create_full_tear_sheet来分析。
cerebro.addanalyzer(bt.analyzers.PyFolio, _name='pyfolio')strats = cerebro.run()strat0 = strats[0]pyfolio = strats.analyzers.getbyname('pyfolio')returns, positions, transactions, gross_lev = pyfoliozer.get_pf_items()import pyfolio as pf
pf.create_full_tear_sheet(returns)
很多教程有一个误区，说pyfolio只能在jupyter notebook环境下使用。这是不对
的，应该说在jupyter notebook下交易最好，可以显示表格数据。
在console模式下，使用matplotlib的pyplot可以正常绘图，但不能绘制表格。
import matplotlib.pyplot as pltplt.show()
这里我的建议是直接使用empyrical来显示结果。
使用backtrader内置的analyzer，需要一个个添加，一个个取结果，但常用的指标
，其实通过returns可以直接算出来。
def show_result_empyrical(self, returns):import empyricalprint('累计收益：', empyrical.cum_returns_final(returns))print('年化收益：', empyrical.annual_return(returns))print('最大回撤：', empyrical.max_drawdown(returns))print('夏普比', empyrical.sharpe_ratio(returns))print('卡玛比', empyrical.calmar_ratio(returns))print('omega', empyrical.omega_ratio(returns))
与内置的计算结果是一模一样的：
小结
强烈建议，使用pyfolio来分析backtrader的结果，包括收益，风险，以及交易，
订单信息都可以。但pyfolio对于jupyter notebook友好，对于matplotlib环境，
无法绘制表格。
明天我们在pyfolio的基础上，使用quantstats来显示表格数据和可视化。
