多策略风险收益对比

昨天使用streamlit更新的gui，效果确实不错，比起纯用wxpython开发要省了不是一星半点的工作量，而且功能强大，更别提pyqt5了——功能虽强，但要做好这个界面，更得花费不少心思——而我们核心是要做出真正可以实盘使用的策略，gui只是方便我们做策略的工具，不可本末倒置。

关于疫情，无论是班级群，公司群，朋友圈，都陆续爆阳了，好像多多少少都有点症状，可能无症状的同学自己还不知道吧。现在核酸混管基本不可用的，到处都混，早上还去做了一个，明天能否得到结果未知，全凭运气了。

都是早晚的事，面对这样一个群体事件——战略上藐视，战术上重视，而不是反过来。战略上，这就是一个流感，不用担心到无法正常生活与工作；战术上，戴好口罩，勤洗手，保持距离，如此而已。能不得就不得，能少得就少得，但心态要放松，积极乐观。

今天继续streamlit，昨天是可以把多个指数进行风险收益分析，今天把回测结果纳入进来做对比分析。

回测的结果保存在data/hdf5/bkt_results.h5里。

使用pd把keys读出来，就是各个策略的名字。

@staticmethod
def get_bkt_results():
    with pd.HDFStore(DATA_DIR_HDF5_BKT_RESULTS.resolve()) as store:
        keys = [k.replace('/', '') for k in store.keys()]
    return keys

这样策略与多个基准可以搁在一起进行比较，风险，收益分析，这个很重要。但很多量化平台其实都做不到，通过只能指定一个benchmark。

正股债平衡策略的话，我即想跟股票指数比，与想跑债券指数比，这样才能看得出投资组合的优势嘛。

st.sidebar.header('请选择策略')
stras = st.sidebar.multiselect('请选择策略：', options=Logic.get_bkt_results(), default=Logic.get_bkt_results())

indexes = Logic.get_index_list()
df_returns = DataUtils.load_returns2(symbols)
df_stras = DataUtils.load_strategy_returns(stras)
df_returns = pd.concat([df_returns, df_stras], axis=1)
df_returns.dropna(inplace=True)
df_returns = df_returns[df_returns.index >= date_start]
df_returns = df_returns[df_returns.index <= date_end]
df_equity = (1 + df_returns).cumprod()

不得不多说一句，streamlit真的很赞，面向数据驱动与机器学习类的应用，非常省事，而且功能强大。要知道无论是wxpython还是web，要写一个时间日期控件，非常麻烦，更别提这个多选的下拉框——在streamlit里是内置的，而且不用绑定事件，streamlit是流式执行。

下一步的重点，就是把风险平价与因子模型要有机融合在一起，然后再看行业轮动增强收益。

昨天还有朋友问我，有没有适合私募的，可以复利积累的模型，我现在就在探索和强化这个，昨天我们说了，10%年化，回撤控制在10%以内的模型我们已经有了，现在要努力“双15”或者“双20%”的模型。

代码及数据请前往星球——量化专栏下载。