量化投资学习笔记02——计算回测指标

上篇文章里用pyalgotrade框架计算了策略收益率、夏普值、最大回测等回测指标，但是貌似没有直接计算α值，β值，信息比率等回测指标的方法。看来要自己实现了。
参照《Python量化策略风险指标》( https://zhuanlan.zhihu.com/p/55425806) 这篇文章里的定义实现吧。
先来计算beta值。beta值相当于业绩评价基准收益的总体波动性。常被用于衡量某一策略的系统性风险。如果beta值大于1，策略波动大于市场，否则，策略波动小于市场。
还有Alpha值，代表实际收益和按照beta系数计算的期望收益之间的差额，代表策略多大程度上跑赢了预期的收益率。可以理解为超额收益率。
计算这两个值要选一个基准，一般是沪深300指数，但是指数的值是3000多，跟个股的价格差别很大，如果直接用指数作为基准，需要进行数据调整。我就用300ETF(510300)来做基准了，聚宽上也进行同样的调整。
计算代码就照那篇文章上给的代码了。
先用300ETF的数据建立一个feeds并以此建立策略，计算收益率，用累积收益率计算alpha和beta值。

# 计算一些回测指标
def calculater(ret, retbase):
     # 计算α β值
     X = ret.getCumulativeReturns()
     Y = retbase.getCumulativeReturns()
     n1 = X.__len__()
     n2 = Y.__len__()
     x =