Backtrader快速入门——2. 策略表现评估

一开始接触backtrader可能就是因为知道这是个回测框架，对于回测这个概念可能还比较模糊，可以去看看国内一些中文网站关于回测框架这方面的文档，例如：

• 优矿网站的help:策略回测基本流程

常见的收益和风险指标

策略的风险指标能够让您对策略在各个维度有客观、全面的评估。常见的风险指标如下：

年化收益率（Annualized Returns）：

表示投资期限为一年的预期收益率。

基准年化收益率（Benchmark Returns）

表示参考标准年化收益率。

阿尔法（Alpha）

表示投资中面临着系统性风险（即Beta）和非系统性风险（即Alpha）。

Alpha是投资者获得与市场波动无关的回报，一般用来度量投资者的投资技艺。比如投资者获得了12%的回报，其基准获得了10%的回报，那么Alpha或者价值增值的部分就是2%。

Alpha值	释义
α>0	策略相对于风险，获得了超额收益
α=0	策略相对于风险，获得了适当收益
α<0	策略相对于风险，获得了较少收益

贝塔（Beta）

表示投资的系统性风险，反映了策略对大盘变化的敏感性。

例如一个策略的Beta为1.3，则大盘涨1%的时候，策略可能涨1.3%，反之亦然；如果一个策略的Beta为-1.3，说明大盘涨1%的时候，策略可能跌1.3%，反之亦然。

夏普比率（Sharpe Ratio）

表示每承受一单位总风险，会产生多少的超额报酬，可以同时对策略的收益与风险进行综合考虑。

收益波动率（Volatility）

用来测量资产的风险性，波动越大代表策略风险越高。

信息比率（Information Ratio）

衡量单位超额风险带来的超额收益。

信息比率越大，说明该策略单位跟踪误差所获得的超额收益越高，因此，信息比率较大的策略的表现要优于信息比率较低的基金。合理的投资目标应该是在承担适度风险下，尽可能追求高信息比率。

最大回撤（Max Drawdown）

描述策略可能出现的最糟糕的情况。

换手率（Turnover Rate）

描述策略变化的频率以及持有某只股票平均时间的长短。

backtrader中的量化策略指标模块Analyzers

Analyzers模块涵盖了评价一个量化策略的完整指标，如常见的夏普比率、年化收益率、最大回撤、Calmar比率(Calmar Ratio 卡玛比率)等等。Analyzers模块原生代码能获取的评价指标如下图所示，其中TradeAnalyzer和PeriodStats又包含了不少指标。由于采用元编程，Analyzers的扩展性较强，可以根据需要添加自己的分析指标，如获取回测期间每一时刻对应的总资金。

示例demo

数据在backtrader的github中可以找到

import datetime

import backtrader as bt
import backtrader.analyzers as btanalyzers
import backtrader.feeds as btfeeds
import backtrader.strategies as btstrats

cerebro = bt.Cerebro()

dataname = './2005-2006-day-001.txt'
data = btfeeds.BacktraderCSVData(dataname=dataname)
cerebro.adddata(data)
cerebro.addstrategy(btstrats.SMA_CrossOver)

cerebro.addanalyzer(btanalyzers.SharpeRatio, _name='mysharpe')

thestrats = cerebro.run()
thestrat = thestrats[0]

print('夏普比率:', thestrat.analyzers.mysharpe.get_analysis())

参考链接

参考知乎专栏文章：

• 常用量化回测评判指标解读
• 量化交易入门笔记-策略回测与评估
• 同一个人写的（知乎专栏，微信公众号以及今日头条都有）
  • 知乎专栏：https://zhuanlan.zhihu.com/p/133623610
  • 今日头条专栏：https://www.toutiao.com/c/user/token/MS4wLjABAAAA_t0NIxw9ryflT2T3PdHKFT9y2O1KcbXgvaWjF4IVMqM/
    • 最相关的一篇文章：backtrader股票技术指标自定义与量化回测
  • 微信公众号专栏：#量化回测篇