1、前言
前些天發現FMZ策略回測結果輸出的盈虧曲線結果比較簡單，故想着是否獲取收益結果數據後自己再進行處理，得到更詳細的資金曲線評估報告，並且用圖形可視化展示出來。着手把想法寫出來的時候發現並不是那麼容易，故想是否有人也有相同的想法，並且已經做出相應的工具呢？故上網蒐羅了一圈，發現確實有這類工具，在GitHub上看了好幾個項目，最終選擇了pyfolio這個工具。
2、pyfolio是什麼
pyfolio是一個由quantinc .開發的用於金融投資組合的性能和風險分析的Python庫。它可以很好地與Zipline開源回溯測試庫一起工作。quant還爲專業人士提供全面管理的服務，包括Zipline、Alphalens、Pyfolio、FactSet數據等。
pyfolio的核心是所謂的“ so-called tear sheet ”，它由各種各樣的獨立圖組成，這些圖提供了交易算法表現的綜合圖像。
GitHub地址:https://github.com/quantopian/pyfolio
3、學習使用pyfolio
由於該工具網上的學習資料比較少，自己摸索了好些時間纔會簡單的使用。
PyFolio API參考:https://www.quantopian.com/docs/api-reference/pyfolio-api-reference#pyfolio-api-reference
這裏比較詳細介紹了pyfolio的API，該平臺可以做美股回測，回測結果可以直接通過pyfolio展示，我只粗略地學習了一下，貌似其他功能都挺強大的。
4、安裝pyfolio
pyfolio的安裝比較簡單，按照GitHub上的說明安裝即可。
5、FMZ回測結果通過pyfolio展示
好了介紹就到這了，開始進入正題。首先在FMZ獲取回測資金曲線數據。
在回測結果的浮動盈虧圖表中點擊上圖中全屏旁邊的按鈕，然後選擇‘Download CSV’。
獲取到的CSV數據，格式如下圖(文件名根據自己需求更改)：
如果想要分析結果有比較的基準的話，則還需要準備一份交易標的的K線日線數據，當然如果沒有K線數據只有收益數據也是可以分析的，只是有基準數據分析結果會多幾個指標，例如：阿爾法（Alpha)、貝塔（Beta)等，下文按提供基準K線數據來寫。
K線數據我們可以通過FMZ研究環境直接從平臺獲取:
#使用FMZ研究環境提供的API獲取與收益數據等長的K線數據
dfh = get_bars('bitfinex.btc_usd', '1d', start=str(startd), end=str(endd))
數據準備完畢後，就可以寫代碼了。我們需要將獲取到的數據進行處理，以使其符合pyfolio所需要的數據結構，然後調用pyfolio的create_returns_tear_sheet接口計算並輸出結果。我們主要需要傳入(returns,benchmark_rets=None,live_start_date=None)三個參數。
returns參數爲必須的收益數據；
benchmark_rets爲基準數據，不是必須的；
live_start_datelive_start_date，不是必須的，這個參數的意思就是，你的returns啥時候是開始實盤的？比如我們上面這一串returns，假設我們在2019-12-01之後是實盤，而前面是模擬盤或者是回測的結果，那麼我們就可以這樣設置：live_start_date = ‘2019-12-01’。通過設置該參數獲得的結果，理論上我們可以分析一下我們的策略有沒有過擬合。如果樣本內外的差異很大，那麼大概率這就是過擬合了。
我們可以在FMZ研究環境下實現該分析功能，也可以在自己本地實現，下面以在FMZ研究環境實現爲例：
輸出的分析結果：
6、結果解讀
輸出的結果數據比較多，我們需要靜下心來學習一下這些指標都是啥意思，輸出結果都是英文顯示的，英文比較少我們對照着翻譯來看還是比較容易理解的，下面我介紹幾個我找到的對相關指標的介紹，明白了指標的意思，我們才能解讀我們的策略狀態。
- 年化收益（Annual return）
年化收益率是指把當前的收益率（日收益率、周收益率、月收益率等）換算成年收益率來計算的，是一種理論收益，並不是真正已經取得的收益率。年化收益率需要和年收益率區分開，年收益率是指策略執行一年的收益率，是實際的收益。 - 累計收益（Cumulative returns）
最容易理解的一個概念，策略收益也就是策略開始到結束，總資產的變化率。
年化波動率(Annual volatility)
年化波動率用來衡量投資標的的波動風險。 - 夏普率（Sharpe ratio）
描述的是策略在單位總風險下所能獲得的超額收益。 - 最大回撤（Max Drawdown）
描述的策略最大的虧損情況。最大回撤通常越小越好。 - 歐米伽比率（Omega ratio）
另一種風險回報績效指標。它相對於Sharpe比率的最大優勢是-通過構造-它考慮了所有統計時刻，而Sharpe比率僅考慮前兩個時刻。 - 索提諾比率（Sortino）
描述的是策略在單位下行風險下所能獲得的超額收益。 - 每日風險價值（daily Value-at-Risk ）
每日風險價值-另一個非常流行的風險指標。在這種情況下，這表明在95％的情況下，將頭寸（投資組合）再保留1天，損失不會超過1.8％。
參考:https://towardsdatascience.com/the-easiest-way-to-evaluate-the-performance-of-trading-strategies-in-python-4959fd798bb3 - Tail ratio
對daily return的分佈選取95分位和5分位，然後相除取絕對值。本質的含義就是賺取的return比虧錢的大多少倍。 - 穩定性(stability)
也就是所謂的穩定性。其實很簡單，就是時間增量對累計淨值的解釋力度是多少，也就是迴歸的r平方。這樣說有點抽象，我們簡單解釋一下。
參考：https://blog.csdn.net/qtlyx/article/details/88724236
7、小小的建議
希望FMZ能夠也能夠增加豐富資金曲線的評價功能，並且增加歷史回測結果的儲存功能，這樣能夠更方便和更專業地展示回測結果，幫助大家創造出更優秀的策略。
8、感謝FMZ平臺
讓我在這裏學到了很多量化知識以及各種技能，感謝小小夢老師、張超大神悉心指導！希望FMZ平臺越來越好！
本人菜鳥一枚，初次作文，還望大佬們多多指教。!