引言:
邢不行的系列帖子“量化小講堂”，通過實際案例教初學者使用python進行量化投資，瞭解行業研究方向，希望能對大家有幫助。
【歷史文章彙總】請點擊此處
【必讀文章】EOS期現套利，一週時間，15%無風險收益
個人微信：xbx9025，有問題歡迎交流。
如何判斷一個策略的好壞？
對於一個交易策略，初學者往往認爲收益越高越好。收益確實是一個重要的評價指標，但是除了收益之外，還有很多其他重要的角度來衡量一個策略的好壞。例如這個策略的風險性、勝率、交易頻率等。
本篇文章以幾個常見的交易策略評價指標爲案例，向大家介紹pandas的以下幾個功能的運用：
- dataframe的合併操作：append()、concat()函數的用法
- 按某一列的值排序操作：sort_values()函數的用法
- 常見統計指標的方法：mean(), std()等
- pandas畫圖操作：plot方法
我將介紹如下幾個經典指標
- 年化收益
任何收益都應該轉換成年化收益，以進行比較。股神巴菲特投資幾十年以來的年化收益是20%左右。美國股市百年來年化收益大概是10%左右。所以我們也不要太貪心，不要動輒就要求每年翻倍的收益。計算公式爲：（賬戶最終價值/賬戶初始價值）^（250/回測期間總天數）-1 - 最大回撤
最大回撤就是從一個高點到一個低點最大的下跌幅度，用來描述我們的策略可能出現的最糟糕的情況，衡量了最極端可能的虧損。例如一個策略的最大回撤是50%，那麼你使用這個策略之前就要掂量掂量，自己是否能經受得起50%的下跌。計算公式爲：min(賬戶當日價值 / 當日之前賬戶最高價值-1)。
我一般認爲，年華收益/最大回撤，是個最簡單有效的策略判斷指標。
- 平均漲幅
平均漲幅衡量了在回測期間資產的平均漲跌情況。計算公式爲：賬戶日收益的平均值。 - 上漲概率
上漲概率衡量了我們投資組合上漲的可能性。計算公式爲：上漲天數 / 回測交易日數量。 - 最大連續上漲天數
衡量了我們策略連續盈利的最大天數。 - 最大連續下跌天數
衡量了我們策略連續虧損的最大天數。或者說策略連續失效的次數。這個指標很重要，在實戰中，若連續失敗的次數多了，會動搖自己的信心，使自己很難跟着策略走下去。 - 最大單週期漲幅
所有日期中最大的漲幅，衡量了資產一天內的最好表現。 - 最大單週期跌幅
所有日期中最大的跌幅，衡量了資產一天內的最差表現。 - 收益波動率
單單追求高收益率是不行的，我們在投資中還必須考慮到潛在的風險。波動太大的策略往往風險也較高。收益波動率就衡量了策略收益的波動情況即風險。計算公式爲：賬戶日收益的年化標準差。 - 貝塔(beta)值
根據經典的資本資產定價理論(CAPM模型)，β係數衡量了資產的回報率對市場變動的敏感程度，代表了該資產的系統性風險，表示策略對大盤的敏感性。計算公式爲：賬戶日收益與參考基準日收益的協方差 / 參考基準日收益的方差。 - 阿爾法(alpha)值
雖然我們的策略會受到大盤的影響，但是每個策略都會有自己市場因素之外的收益，alpha值表示實際風險回報和平均預期風險回報的差額，衡量了投資的非系統性風險。計算公式爲：（賬戶年化收益-無風險收益）-beta*（參考基準年化收益-無風險收益）。 - 夏普比率
理性的投資者將選擇並持有有效的投資組合，即那些在給定的風險水平下使期望回報最大的投資組合，夏普比率就是一個可以同時對收益與風險加以綜合考慮的經典指標，表示每承受一單位風險，會產生多少的超額回報。計算公式爲：（賬戶年化收益率-無風險利率）/ 收益波動率。 - 信息比率
信息比率以馬克維茨的均異模型爲基礎，用來衡量超額風險所帶來的超額收益。它表示單位主動風險所帶來的超額收益。計算公式爲：（賬戶日收益 – 參考基準日收益）的年化均值/年化標準差。
—程序—
任何策略的結果都是一個收益序列，根據這個收益序列可以得到一條資金曲線。爲了簡單起見，我們就任選一隻股票每天的收益率作爲原始數據，來計算上文提到的各種策略評價指標。在http://yucezhe.com/product?name=trading-data可以下載到所有股票的歷史日線數據，可以作爲我們計算的原始數據。
數據下載下來解壓縮打開後，裏面有所有股票和幾個常見指數的數據。打開其中一個股票文件之後是下圖這個樣子，每一行是每一天的數據：
數據有以下的字段：
【code】股票的代碼，上證股票以sh開頭，深證股票以sz開頭
【date】交易日期
【open】開盤價
【high】最高價
【low】最低價
【close】收盤價
【change】漲跌幅，復權之後的真實漲跌幅，保證準確
【volume】成交量
【money】成交額
【traded_market_value】流通市值
【market_value】總市值
【turnover】換手率，成交量/流通股本
【adjust_price】後復權價，復權開始時間爲股票上市日，精確到小數點後10位
【report_date】最近一期財務報告實際發佈的日期
【report_type】最近一期財務報告的類型，3-31對應一季報，6-30對應半年報，9-30對應三季報，12-31對應年報
【PE_TTM】最近12個月市盈率，股價 / 最近12個月歸屬母公司的每股收益TTM
【PS_TTM】最近12個月市銷率， 股價 / 最近12個月每股營業收入
【PC_TTM】最近12個月市現率， 股價 / 最近12個月每股經營現金流
【PB】市淨率，股價 / 最近期財報每股淨資產
對於我們來說，只要取【date】以及【change】就行了。下面是代碼的截圖，這段代碼截取指定的股票在指定時間段內的收益率，計算相關指標。代碼裏面有詳細的註釋，有問題可以留言，需要代碼可以加我微信xbx9025索要。
獲取數據函數：
計算年化收益率函數：
image.pn計算最大回撤函數：
計算平均漲幅：
計算上漲概率：
計算最大連續上漲天數和最大連續下跌天數：
計算最大單週期漲幅和最大單週期跌幅：
計算收益波動率的函數、計算貝塔的函數：
計算alpha的函數：
計算夏普比函數：
計算信息比率函數、計算股票和基準在回測期間的累計收益率並畫圖：
導入數據運行以上函數：
把數據和代碼下載下來後，修改代碼中原始數據的地址（也就是選擇一個股票），並選定時間段，運行代碼，就可以看到輸出結果了。假設我們選擇萬科A，並設定時間段爲1991年1月1日到2015年12月31日這25年，得到如下的輸出結果:
萬科A二十幾年年年化回報是15%，已經相當不錯了，最大回撤爲78.9756%，也就是將近跌了80%，發生在08年的股災。最大連續下跌50天，也是有點猛…
對本文研究有自己的想法的朋友，歡迎在評論區留言。關於文中的代碼、數據，以及下期《量化小講堂》想了解的內容，也可以加我個人微信xbx9025交流。
如果你想入門量化，但是始終找不到方向，可以加入我的知識星球。我會在裏面解答你的問題，分享我的感悟，不論是投資、技術，還是職業選擇、思維方式。
-- 學習和成長從來都不是一個人的事 --
