利用pyfolio工具评价回测资金曲线

1、前言

前些天发现FMZ策略回测结果输出的盈亏曲线结果比较简单，故想着是否获取收益结果数据后自己再进行处理，得到更详细的资金曲线评估报告，并且用图形可视化展示出来。着手把想法写出来的时候发现并不是那么容易，故想是否有人也有相同的想法，并且已经做出相应的工具呢？故上网搜罗了一圈，发现确实有这类工具，在GitHub上看了好几个项目，最终选择了pyfolio这个工具。

2、pyfolio是什么

pyfolio是一个由quantinc .开发的用于金融投资组合的性能和风险分析的Python库。它可以很好地与Zipline开源回溯测试库一起工作。quant还为专业人士提供全面管理的服务，包括Zipline、Alphalens、Pyfolio、FactSet数据等。pyfolio的核心是所谓的“ so-called tear sheet ”，它由各种各样的独立图组成，这些图提供了交易算法表现的综合图像。GitHub地址:https://github.com/quantopian/pyfolio

3、学习使用pyfolio

由于该工具网上的学习资料比较少，自己摸索了好些时间才会简单的使用。PyFolio API参考:https://www.quantopian.com/docs/api-reference/pyfolio-api-reference#pyfolio-api-reference 这里比较详细介绍了pyfolio的API，该平台可以做美股回测，回测结果可以直接通过pyfolio展示，我只粗略地学习了一下，貌似其他功能都挺强大的。

4、安装pyfolio

pyfolio的安装比较简单，按照GitHub上的说明安装即可。

5、FMZ回测结果通过pyfolio展示

好了介绍就到这了，开始进入正题。首先在FMZ获取回测资金曲线数据。

在回测结果的浮动盈亏图表中点击上图中全屏旁边的按钮，然后选择‘Download CSV’。获取到的CSV数据，格式如下图(文件名根据自己需求更改)：

如果想要分析结果有比较的基准的话，则还需要准备一份交易标的的K线日线数据，当然如果没有K线数据只有收益数据也是可以分析的，只是有基准数据分析结果会多几个指标，例如：阿尔法（Alpha)、贝塔（Beta)等，下文按提供基准K线数据来写。

K线数据我们可以通过FMZ研究环境直接从平台获取:

数据准备完毕后，就可以写代码了。我们需要将获取到的数据进行处理，以使其符合pyfolio所需要的数据结构，然后调用pyfolio的create_returns_tear_sheet接口计算并输出结果。我们主要需要传入(returns,benchmark_rets=None,live_start_date=None)三个参数。

returns参数为必须的收益数据；

benchmark_rets为基准数据，不是必须的；

live_start_datelive_start_date，不是必须的，这个参数的意思就是，你的returns啥时候是开始实盘的？比如我们上面这一串returns，假设我们在2019-12-01之后是实盘，而前面是模拟盘或者是回测的结果，那么我们就可以这样设置：live_start_date = '2019-12-01'。通过设置该参数获得的结果，理论上我们可以分析一下我们的策略有没有过拟合。如果样本内外的差异很大，那么大概率这就是过拟合了。

我们可以在FMZ研究环境下实现该分析功能，也可以在自己本地实现，下面以在FMZ研究环境实现为例：

输出的分析结果：

6、结果解读

输出的结果数据比较多，我们需要静下心来学习一下这些指标都是啥意思，输出结果都是英文显示的，英文比较少我们对照着翻译来看还是比较容易理解的，下面我介绍几个我找到的对相关指标的介绍，明白了指标的意思，我们才能解读我们的策略状态。

年化收益（Annual return）

年化收益率是指把当前的收益率（日收益率、周收益率、月收益率等）换算成年收益率来计算的，是一种理论收益，并不是真正已经取得的收益率。年化收益率需要和年收益率区分开，年收益率是指策略执行一年的收益率，是实际的收益。

累计收益（Cumulative returns）

最容易理解的一个概念，策略收益也就是策略开始到结束，总资产的变化率。

年化波动率(Annual volatility)

年化波动率用来衡量投资标的的波动风险。

夏普率（Sharpe ratio）

描述的是策略在单位总风险下所能获得的超额收益。

最大回撤（Max Drawdown）

描述的策略最大的亏损情况。最大回撤通常越小越好。

欧米伽比率（Omega ratio）

另一种风险回报绩效指标。它相对于Sharpe比率的最大优势是-通过构造-它考虑了所有统计时刻，而Sharpe比率仅考虑前两个时刻。

索提诺比率（Sortino）

描述的是策略在单位下行风险下所能获得的超额收益。

每日风险价值（daily Value-at-Risk ）

每日风险价值-另一个非常流行的风险指标。在这种情况下，这表明在95％的情况下，将头寸（投资组合）再保留1天，损失不会超过1.8％。

参考:https://towardsdatascience.com/the-easiest-way-to-evaluate-the-performance-of-trading-strategies-in-python-4959fd798bb3

Tail ratio

对daily return的分布选取95分位和5分位，然后相除取绝对值。本质的含义就是赚取的return比亏钱的大多少倍。

稳定性(stability)

也就是所谓的稳定性。其实很简单，就是时间增量对累计净值的解释力度是多少，也就是回归的r平方。这样说有点抽象，我们简单解释一下。

参考：https://blog.csdn.net/qtlyx/article/details/88724236

7、小小的建议

希望FMZ能够也能够增加丰富资金曲线的评价功能，并且增加历史回测结果的储存功能，这样能够更方便和更专业地展示回测结果，帮助大家创造出更优秀的策略。

8、感谢FMZ平台

让我在这里学到了很多量化知识以及各种技能，感谢小小梦老师、张超大神悉心指导！希望FMZ平台越来越好！

本人菜鸟一枚，初次作文，还望大佬们多多指教。!

本文来源：发明者量化
原文标题：利用pyfolio工具评价回测资金曲线

—-

编译者/作者：发明者量化

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。