橘子树下

学习园地

0%

发表于 分类于 Valine：

分栏右侧显示卡

下面是分栏右侧的显示卡部分，使用 tabs 来分别展示“绩效分析”及“交易明细”。

绩效分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
def generate_display_tabs():
"""
:return: A Tab containing display graphs in right column
"""
tabs = html.Div(
    [
        dbc.Tabs(
            [
                dbc.Tab(label="绩效分析", tab_id="tab-summary"),
                dbc.Tab(label="交易明细", tab_id="tab-details"),
            ],
            id="tabs",
            active_tab="tab-summary",
        ),
        html.Div(id="tabs-content", children=generate_tab_summary_content()),
    ],
)
return tabs

def generate_tab_summary_content():
    """
    :return: A Tab containing display graphs in right column
    """
    df = pd.DataFrame(
    {
        "指标": ["alpha", "beta", "夏普比率", "信息比率", "年化收益", "最大回撤", "胜率", "利润", "持续时间"],
        "值": ["0.0", "0.11", "-0.04", "0.0", "0.0263", "0.05", "0.56", "2637.7", "190"],
    }
)

    tab_summary_content = html.Div(
        id="tab_summary_content",
        children=[
            html.Br(),
            html.Div(
                id="performance",
                children=[
                    dbc.Label("组合表现"),
                    dcc.Graph(id="performance-chart", figure=initialize_performance_chart(),
                    )
                ],
            ),
            html.Br(),
            html.Div(
                id="indicator",
                children=[
                    dbc.Label("风险分析"),
                    dbc.Table.from_dataframe(df, striped=True, bordered=True, hover=True)
                ],
            ),
        ],
    )
    return tab_summary_content
阅读全文 »

发表于 更新于 分类于 Valine：

阿尔法 (Alpha)
Alpha 或 \(\alpha\)，指的是一种投资相对于基准指数或市场基准的超额收益。Alpha 是投资策略成功与否的指标之一，反映了投资经理或投资策略在控制风险的前提下，相比基准市场（如标普 500 指数、沪深 300 等）创造的额外价值。 在金融分析中，Alpha 收益（Alpha Return）指的是一种投资相对于基准指数或市场基准的超额收益。Alpha 是投资策略成功与否的指标之一，反映了投资经理或投资策略在控制风险的前提下，相比基准市场（如标普 500 指数、沪深 300 等）创造的额外价值。

Alpha 的定义

Alpha 的计算公式如下：

\(\large \begin{equation} \alpha = R_p - (R_f + \beta \times (R_m - R_f)) \end{equation}\)

其中： - \(R_p\) 是投资组合的总收益率； - \(R_f\) 是无风险利率； - \(\beta\) 是投资组合对市场波动的敏感度，表示该组合的系统性风险； - \(R_m\) 是基准市场的收益率。

Alpha 代表了在控制了市场波动（即 Beta）的基础上，投资组合还能产生多少超额收益。这个超额收益体现了投资策略的有效性，也可以被视为投资经理增加的附加价值。

Alpha 的意义

α范围 含义
α=0 表明该投资策略准确地反映其内在价值
α>0 表明投资策略在一定的风险水平下跑赢了基准，显示出超额收益。
α<0 表明该投资策略未能跑赢基准指数，收益不理想。

Alpha 的大小：Alpha 越高，说明投资策略的效果越显著，其回报越高，通常是投资经理投资能力的体现。

Alpha 收益在投资策略中的应用

  • 业绩评估：用于衡量投资经理或基金的表现，看其是否能够在控制风险的前提下为投资者带来超额收益。
  • 策略优化：通过分析 Alpha，可以改进投资策略，找出在特定市场条件下的最佳组合。
  • 风险管理：与 Beta 收益不同，Alpha 收益反映的是对特定市场条件的相对表现，帮助管理特定市场风险。

简而言之，Alpha 收益是投资策略的一个关键表现指标，用于衡量相对于市场的主动管理效果，是投资管理中分析和评估超额收益的重要工具。

计算实例

使用 MACD 金叉死叉策略回测，时间段为 2024-01-05 至 2024-10-23。基准市场为沪深300。十年期国债收益率为 2.25%。

从数据库载入回测账户数据

1
2
3
4
5
6
7
from sf_account.account import Account

account = 'test'
portfolio = 's-pandas-qfq'
acc = Account(account_cookie=account, portfolio_cookie=portfolio)
df_asset = acc.assets.get('asset').reset_index()
return_asset = df_asset['balance'] / (asset_init_cash * 1.0) - 1

载入基准沪深 300 同时间段行情数据

1
2
3
4
5
from sf_query.query import fetch_index_day

df_hs300 = fetch_index_day(
    ['000300'], acc.start_date, acc.end_date, dataset_type='pandas').reset_index()
return_hs300 = df_hs300['close'] / df_hs300['close'].iloc[0] - 1

计算β值

Beta 系数计算方式如下：

\(\large \begin{equation} \beta_i = \frac{标的资产 i 的收益与市场收益的协方差}{市场收益的方差} = \frac{Cov (r_i, r_m)}{\sigma_m^2} \end{equation}\)

1
2
3
4
5
6
7
# 计算两者的协方差
covr = return_asset.cov(return_hs300)
# 计算沪深300指数数据的方差, pandas计算的为样本方差
var = return_hs300.var()
# 计算贝塔值
beta = covr / var
print("Covariance:{},Variance:{},Beta:{}".format(covr, var, beta))

输出为：Covariance: 3.996268373876412e-05,Variance: 0.0031905766470259685,Beta: 0.012525222917310114

计算α值

1
2
3
4
5
rp = annual_return_portfolio
rf = 0.0225
rm = annual_return_hs300
alpha = rp - (rf + beta * (rm - rf))
print(f"Alpha:{alpha}")

输出为：Alpha:-0.01486024492682044

参考

【1】 【Python】Pandas与numpy的方差计算 | 橘子树下

【2】 【Python】Pandas之dataframe与series的协方差计算 | 橘子树下

发表于 更新于 分类于 Valine：

分栏左侧控制卡

下面是分栏左侧的控制卡部分，主要作用是选取回测组合测试，先选择回测账户，然后选择回测策略。然后从数据库中提取数据。用两个下拉框控件及一个按钮控件实现。

首先，我们需要创建 dcc.Store 来存储获取到的数据。在 App 的 layout 中增加以下代码。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
pp.layout = dbc.Container(    
    [   
        dcc.Location(id="url-refresh", refresh=True),
        # Header
        dbc.Container(
            [
                generate_header()
            ],
            id="header-container",
            fluid=True,            
        ),
        dbc.Row(
            [
                dbc.Col(id="left-column", children=generate_control_card(), md=2),
                dbc.Col(id="right-column", children=generate_display_tabs(), md=10),
            ]

        ),
        # 增加以下四行内容
        dcc.Store(id="account-trade-history"),
        dcc.Store(id="stock-day"),   
        dcc.Store(id="benchmark-day"),     
        dcc.Store(id='asset')
        
               
    ],
    id="app-container",
    fluid=True,
)
阅读全文 »

发表于 更新于 分类于 Valine：

现在开始逐步构建页面布局中的元素。先从 Header 开始

1
2
3
4
5
6
7
8
9
10
11
12
13
# Generate Header
def generate_header():
    """
    :return: A Header
    """
    header = dbc.Row(
                [
                    dbc.Col(html.Img(id="plotly-image", src=app.get_asset_url("sunflower_logo.png"),style={"height": "2rem"}), width="auto"),
                    dbc.Col(html.H5("回测分析(Back Test analysis)", id="header-title")),
                ],
                id="header",
            )
    return header

代码详解：

该代码定义了一个 generate_header 函数，用于生成一个 Dash Bootstrap 网页的顶部标题栏 (Header)。此 Header 包含了一个图标和标题，并且它们按行布局排列。

  • 函数定义: generate_header()

    • 定义了一个返回 Header 的函数，不接受任何参数。

  • 创建 Header 内容:

    • header = dbc.Row([...]):

      • 创建了一个 Row 容器，使用 dash-bootstrap-components (简称 dbc) 中的 Row 组件，用于行布局。

    • 第一列 (dbc.Col):

      • dbc.Col(html.Img(...), width="auto"):
        • 这一列包含了一个图像元素 Img，图像的 src 路径由 app.get_asset_url("sunflower_logo.png") 指定，显示了名为 sunflower_logo.png 的图像文件。
        • width="auto"：让这一列宽度根据图像大小自适应。
        • style={"height": "2rem"}：设置图像的高度为 2rem。

    • 第二列 (dbc.Col):

      • dbc.Col(html.H5(...)):
        • 包含一个 H5 标题元素，显示文本为 “回测分析(Back Test analysis)”，ID 为 "header-title"。

  • Row 样式：

    • id="header"：给 Row 容器赋予 id 值 header，方便之后在样式或回调函数中引用。

备注

  • 行列布局：图像和标题文本在同一行中依次排列。

相关的 css 样式如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#header {
    background-color: #ffffff;
    display: flex;
    flex-direction: row;
    align-items: center;
    height: 4rem;
}

#header-title {
    font-family: Acumin;
    font-size: 1.5rem;
    font-weight: bold;
    color: #5cb3cc;
    margin-left: 1rem;
}

代码解释：

#header: 选择器为 id 为 header 的元素应用样式。

  • background-color: #ffffff;：设置背景颜色为白色。
  • display: flex;：将 #header 设为 flex 容器，以便其子元素按弹性布局排列。
  • flex-direction: row;：设置主轴为水平方向，使子元素按行排列。
  • align-items: center;：沿着交叉轴（垂直方向）居中对齐 #header 中的子元素。
  • height: 4rem;：设置 #header 的高度为 4rem，保证其在页面中占据适当的垂直空间。

#header-title：选择器为 id 为 header-title 的元素应用样式。

  • font-family: Acumin;：设置字体为 Acumin。
  • font-size: 1.5rem;：字体大小为 1.5rem，相对较大。
  • font-weight: bold;：设置字体粗细为 bold，使文字加粗。
  • color: #5cb3cc;：字体颜色为蓝绿色（#5cb3cc）。
  • margin-left: 1rem;：设置左外边距为 1rem，使其与前面的元素保持适当间距。

Logo 的设计可以用 logodesign 完成。

最终效果如图：

发表于 更新于 分类于 Valine：

目的

在回测分析系统完成后，需要由原来的文字型输出结果转为 web 应用输出。因为输出中需要含有图，表类型的展示元素。考虑使用 Plotly 来完成。原因是基于 Plotly 同时出品了 Dash 生成 app。以及 [[【Dash】Dash-bootstrap主题|Dash Bootstrap 框架]] 来快速开发 web 应用。

布局设计

应用主要展示两个内容：

  • 绩效分析
  • 交易明细

设计思路分别如下：

|500 |500

阅读全文 »

发表于 更新于 分类于 Valine：

# QAAccount与MongoDB

在使用QAAccoount类进行回测时，MongoDB数据库quantaxis中，会涉及到的数据表有 5 个， 分别是：

  • portfolio
  • user
  • account
  • risk
  • strategy

回测中的逻辑关系

|1000
阅读全文 »

发表于 分类于 Valine：

如何将JupyterLab中的终端设置为Windows CMD,并且具有和Anaconda Prompt相同的效果，启动后直接进入特定的Conda环境?

1.生成配置文件 

1
jupyter lab --generate-config
该命令会在用户目录中创建一个名字jupyter_lab_config.py的文件，以Windows系统为例，该文件位于C:\User\<user name>\.jupyter\下。

2.修改配置 编辑jupyter_lab_config.py,查找c.ServerApp.terminado_settings。进行以下设置： 

1
2
3
## Supply overrides for terminado. Currently only supports "shell_command".
#  Default: {}
c.ServerApp.terminado_settings = {'shell_command':['c:\\Windows\\System32\\cmd.exe', '/k','D:\\anaconda3\\Scripts\\activate_terminal.bat','&title','Conda']}
shell_command是以字典方式表式，值为列表方式。目录分隔符使用"\"。执行时等效于 c:\Windows\System32\cmd.exe /k D:\anaconda3\Scripts\activate_terminal.bat &title Conda。

其中active_terminal.bat内容如下： 

1
2
3
@echo off
call D:\anaconda3\Scripts\activate.bat D:\anaconda3
call conda activate Python3.10.14
Python3.10.14为创建好的Conda环境名。

3.效果 |600