QuantStats库之金融指标中文指南（七）
QuantStats 是一个开源的 Python 库，专门为量化交易策略的分析和开发而设计。这个库提供了一系列简单易用的函数，允许你计算各种性能指标，生成美观的图表，以及进行深度的策略分析，是量化研究常用的工具。
QuantStats 由3个主要模块组成，其中 quantstats.stats 模块用于计算各种金融指标，QuantStats库实现的金融指标非常多，因此分为若干篇来写。
本文为第七篇，继续介绍QuantStats库的金融指标函数（按字母排序）：
- rolling_sharpe(returns, rf=0.0, rolling_period=126, annualize=True, periods_per_year=252, prepare_returns=True)
rolling_sharpe函数用于计算投资组合的滚动夏普比率。夏普比率是一个常用的风险调整后的回报率指标，用于评估每承受一单位总风险，投资组合超过无风险利率的回报是多少。
以下是函数的定义和使用方法：
returns：这是一个数组或序列，代表你的投资组合或资产的回报率。这个数据可以是价格数据，也可以是已经计算好的回报率数据。
rf：这是一个数值，代表无风险利率。默认值为0.0。无风险利率通常用于计算超额回报，即投资回报与无风险回报之间的差值。
rolling_period：这是一个整数，代表滚动窗口的长度。默认值为126，这大约代表半年的交易日数量。
annualize：这是一个布尔值，用于决定是否需要对夏普比率进行年化处理。如果设置为True，那么函数会对夏普比率进行年化处理；如果设置为False，那么函数将直接返回未经年化处理的夏普比率。
periods_per_year：这是一个整数，代表一年中的期数。默认值为252，这通常代表一个交易年的交易日数量。
prepare_returns：这是一个布尔值，用于决定是否需要对回报率数据进行预处理。预处理包括将回报率数据转换为适合计算的格式，例如将价格数据转换为回报率数据。如果设置为True，那么函数会进行预处理；如果设置为False，那么函数将直接使用输入的回报率数据。
函数的返回值是一个滚动窗口的夏普比率。这个比率可以用来评估投资组合在不同时间段的风险调整后的回报。 - rolling_sortino(returns, rf=0, rolling_period=126, annualize=True, periods_per_year=252, **kwargs)
rolling_sortino函数用于计算投资组合的滚动索提诺比率。索提诺比率是一种风险调整后的回报率指标，用于评估每承受一单位下行风险，投资组合超过无风险利率的回报是多少。
以下是函数的定义和使用方法：
returns：这是一个数组或序列，代表你的投资组合或资产的回报率。这个数据可以是价格数据，也可以是已经计算好的回报率数据。
rf：这是一个数值，代表无风险利率。默认值为0.0。无风险利率通常用于计算超额回报，即投资回报与无风险回报之间的差值。
rolling_period：这是一个整数，代表滚动窗口的长度。默认值为126，这大约代表半年的交易日数量。
annualize：这是一个布尔值，用于决定是否需要对索提诺比率进行年化处理。如果设置为True，那么函数会对索提诺比率进行年化处理；如果设置为False，那么函数将直接返回未经年化处理的索提诺比率。
periods_per_year：这是一个整数，代表一年中的期数。默认值为252，这通常代表一个交易年的交易日数量。
**kwargs：可选的关键字参数prepare_returns，一个布尔值，用于决定是否需要对回报率数据进行预处理。预处理包括将回报率数据转换为适合计算的格式，例如将价格数据转换为回报率数据。如果设置为True，那么函数会进行预处理。
函数的返回值是一个滚动窗口的索提诺比率。这个比率可以用来评估投资组合在不同时间段的风险调整后的回报。 - rolling_volatility(returns, rolling_period=126, periods_per_year=252, prepare_returns=True)
rolling_volatility函数用于计算投资组合的滚动波动率。波动率是一个衡量投资组合价格变动幅度的指标，通常用于评估投资风险。
以下是函数的定义和使用方法：
returns：这是一个数组或序列，代表你的投资组合或资产的回报率。这个数据可以是价格数据，也可以是已经计算好的回报率数据。
rolling_period：这是一个整数，代表滚动窗口的长度。默认值为126，这大约代表半年的交易日数量。
periods_per_year：这是一个整数，代表一年中的期数。默认值为252，这通常代表一个交易年的交易日数量。
prepare_returns：这是一个布尔值，用于决定是否需要对回报率数据进行预处理。预处理包括将回报率数据转换为适合计算的格式，例如将价格数据转换为回报率数据。如果设置为True，那么函数会进行预处理；如果设置为False，那么函数将直接使用输入的回报率数据。
函数的返回值是一个滚动窗口的波动率。这个指标可以用来评估投资组合在不同时间段的风险水平。 - ror(returns)
ror函数是risk_of_ruin()函数的简写，用于计算投资组合的破产风险。破产风险是一个重要的风险指标，衡量的是投资组合在一定的投资期限内，可能出现的资金损失到无法再进行投资活动的风险。
以下是函数的定义和使用方法：
returns：这是一个数组或序列，代表你的投资组合或资产的回报率。这个数据可以是价格数据，也可以是已经计算好的回报率数据。
函数的返回值是一个数值，代表投资组合的破产风险。 - sharpe(returns, rf=0.0, periods=252, annualize=True, smart=False)
sharpe函数用于计算投资组合的夏普比率。夏普比率是一种风险调整后的回报率指标，用于评估每承受一单位总风险，投资组合超过无风险利率的回报是多少。
以下是函数的定义和使用方法：
returns：这是一个数组或序列，代表你的投资组合或资产的回报率。这个数据可以是价格数据，也可以是已经计算好的回报率数据。
rf：这是一个数值，代表无风险利率。默认值为0.0。无风险利率通常用于计算超额回报，即投资回报与无风险回报之间的差值。如果rf不为零，你必须指定periods参数。在这种情况下，rf被假定为以年化收益率的形式表示。
periods：这是一个整数，代表回报频率。对于日收益率，该值为252或365；对于月收益率，该值为12。
annualize：这是一个布尔值，用于决定是否需要对夏普比率进行年化处理。如果设置为True，那么函数会对夏普比率进行年化处理；如果设置为False，那么函数将直接返回未经年化处理的夏普比率。
smart：这是一个布尔值，用于决定是否返回智能夏普比率。智能夏普比率是一种对传统夏普比率进行改进的指标，其考虑了投资回报的偏度和峰度信息。
函数的返回值是一个数值，代表投资组合的夏普比率或智能夏普比率。这个比率可以用来评估投资组合的风险调整后的表现。 - sortino(returns, rf=0, periods=252, annualize=True, smart=False)
sortino函数用于计算投资组合的索提诺比率。索提诺比率是一种风险调整后的回报率指标，与夏普比率相似，但索提诺比率只考虑下行风险（即负回报），因此它更适用于对非对称风险敏感的投资者。
以下是函数的定义和使用方法：
returns：这是一个数组或序列，代表你的投资组合或资产的回报率。这个数据可以是价格数据，也可以是已经计算好的回报率数据。
rf：这是一个数值，代表无风险利率。默认值为0.0。无风险利率通常用于计算超额回报，即投资回报与无风险回报之间的差值。如果rf不为零，你必须指定periods参数。在这种情况下，rf被假定为以年化收益率的形式表示。
periods：这是一个整数，代表回报频率。对于日收益率，该值为252或365；对于月收益率，该值为12。
annualize：这是一个布尔值，用于决定是否需要对索提诺比率进行年化处理。如果设置为True，那么函数会对索提诺比率进行年化处理；如果设置为False，那么函数将直接返回未经年化处理的索提诺比率。
smart：这是一个布尔值，用于决定是否返回智能索提诺比率。智能索提诺比率是一种对传统索提诺比率进行改进的指标，其考虑了投资回报的偏度和峰度信息。
函数的返回值是一个数值，代表投资组合的索提诺比率或智能索提诺比率。这个比率可以用来评估投资组合的风险调整后的表现。
（未完待续）
发布者：爱吃肉的小猫，转载请注明出处：https://www.95sca.cn/archives/46464
站内所有文章皆来自网络转载或读者投稿，请勿用于商业用途。如有侵权、不妥之处，请联系站长并出示版权证明以便删除。敬请谅解！
