组合、风险与定价入门

QuantStats

从策略收益序列快速生成绩效指标、回撤图和 HTML 研究报告的分析工具。

★ 7,728ranaroussi/quantstats核验 2026-10-20
PythonpandasMatplotlib

为什么值得学

适合把第一个回测做成可读报告,并追踪每个指标究竟怎样计算。

需要的基础

  • 收益率与净值
  • pandas Series

涉及哪些内容

夏普比率最大回撤滚动统计HTML 报告

数据与控制流程

  1. 1策略收益
  2. 2清洗与基准对齐
  3. 3指标计算
  4. 4图表
  5. 5HTML 报告

此流程为教学归纳,便于建立整体认识;完整条件分支与运行细节请对照下方源码。

架构拆解 · 4 个核心模块

每个入口均已核对,点击可阅读源码
MODULE 01

输入整理

utils 校验数据并提供价格、收益率与基准相关的辅助处理。

输入
价格或收益序列
输出
可用于统计的对齐数据
源码入口 ↗quantstats/utils.py
MODULE 02

指标层

stats 计算收益、波动、回撤及其他风险绩效指标。

输入
收益率和统计参数
输出
标量或序列指标
源码入口 ↗quantstats/stats.py
MODULE 03

绘图内核

绘图函数将收益、分布和滚动指标变为可视化图表。

输入
序列与指标
输出
收益 / 风险图
源码入口 ↗quantstats/_plotting/core.py
MODULE 04

报告层

reports 汇总统计、图表及模板,输出可分享的 HTML 等报告。

输入
策略、基准和报告设置
输出
综合绩效报告
源码入口 ↗quantstats/reports.py

建议阅读顺序

  1. 先确认传入的是收益率而不是价格
  2. 读 stats 中 sharpe 与 max_drawdown
  3. 查看 reports 对基准日期的处理
  4. 最后核对图表与指标的年化口径
本站设计的学习练习

动手做一次

用本地固定收益序列生成一份含基准比较的 HTML 报告。

完成后,检查这些证据

  • 手算最大回撤并与报告对照
  • 注明年化周期与无风险利率
  • 报告覆盖相同的策略和基准日期

适用边界与版本说明

工具只能分析提供的数据;交易日与自然日年化口径、缺失收益和基准选择会改变指标。

Star 快照:7,728 · 核验日期:2026-10-20 · GitHub 归档标记:未归档

核验默认分支:main · 源码固定提交:9ef4c6d0a4ff ↗

来源:GitHub 仓库与 Star 页面、README及上述源文件。分层、阅读顺序与练习为本站归纳;未逐一安装运行这些框架,源码提交不等于推荐安装版本。

同方向继续比较