def __QS_end__(self):
self._Output["收益率"] = pd.DataFrame(self._Output["收益率"],
index=self.QSEnv.FTM.DateSeries,
columns=[args["测试因子"]])
self._Output["净值"] = (1 + self._Output["收益率"]).cumprod()
self._Output["换手率"] = pd.DataFrame(self._Output["换手率"],
index=self.QSEnv.FTM.DateSeries,
columns=[args["测试因子"]])
self._Output["投资组合"] = pd.DataFrame(self._Output["投资组合"],
index=self.QSEnv.FTM.DateSeries,
columns=[args["测试因子"]])
nDate = self._Output["净值"].shape[0]
nDays = (DateStr2Datetime(self.QSEnv.FTM.DateSeries[-1]) -
DateStr2Datetime(self.QSEnv.FTM.DateSeries[0])).days
nYear = nDays / 365
TotalReturn = self._Output["净值"].iloc[-1, :] - 1
self._Output["统计数据"] = pd.DataFrame(index=TotalReturn.index)
self._Output["统计数据"]["总收益率"] = TotalReturn
self._Output["统计数据"]["年化收益率"] = (1 + TotalReturn)**(1 / nYear) - 1
self._Output["统计数据"]["年化波动率"] = self._Output["收益率"].std() * np.sqrt(
nDate / nYear)
self._Output["统计数据"]["Sharpe比率"] = self._Output["统计数据"][
"年化收益率"] / self._Output["统计数据"]["年化波动率"]
self._Output["统计数据"]["平均换手率"] = self._Output["换手率"].mean()
self._Output["统计数据"]["最大回撤率"] = pd.Series(np.nan,
self._Output["统计数据"].index)
self._Output["统计数据"]["最大回撤开始时间"] = pd.Series(
self._Output["统计数据"].index, dtype=np.dtype("O"))
self._Output["统计数据"]["最大回撤结束时间"] = pd.Series(
self._Output["统计数据"].index, dtype=np.dtype("O"))
for iInd in self._Output["净值"].columns:
iMaxDD, iStartPos, iEndPos = calcMaxDrawdownRate(
self._Output["净值"].loc[:, iInd].values)
self._Output["统计数据"]["最大回撤率"].loc[iInd] = abs(iMaxDD)
self._Output["统计数据"]["最大回撤开始时间"].loc[iInd] = (
self._Output["净值"].index[iStartPos]
if iStartPos is not None else None)
self._Output["统计数据"]["最大回撤结束时间"].loc[iInd] = (
self._Output["净值"].index[iEndPos]
if iEndPos is not None else None)
if args["月度平均"]:
self._Output["月度平均收益率"] = self.getMonthAvg(self._Output["收益率"])
self._Output["优化器"].endPC()
self._Output.pop("优化器")
return self._Output
def __QS_end__(self):
if not self._isStarted: return 0
self._Output.pop("QP_P_CurPos")
self._Output.pop("QP_P_MarketPos")
for i in range(self.GroupNum):
self._Output["净值"][i].pop(0)
self._Output["净值"] = pd.DataFrame(np.array(self._Output["净值"]).T,
index=self._Model.DateTimeSeries)
self._Output["净值"]["市场"] = pd.Series(self._Output.pop("市场净值")[1:],
index=self._Model.DateTimeSeries)
self._Output["收益率"] = self._Output["净值"].iloc[
1:, :].values / self._Output["净值"].iloc[:-1, :].values - 1
self._Output["收益率"] = pd.DataFrame(
np.row_stack((np.zeros(
(1, self.GroupNum + 1)), self._Output["收益率"])),
index=self._Model.DateTimeSeries,
columns=[i for i in range(self.GroupNum)] + ["市场"])
self._Output["收益率"]["L-S"] = self._Output[
"收益率"].iloc[:, 0] - self._Output["收益率"].iloc[:, -2]
self._Output["净值"]["L-S"] = (1 + self._Output["收益率"]["L-S"]).cumprod()
self._Output["换手率"] = pd.DataFrame(np.array(self._Output["换手率"]).T,
index=self._Model.DateTimeSeries)
self._Output["投资组合"] = {
str(i): pd.DataFrame(self._Output["投资组合"][i],
index=self._Output["调仓日"])
for i in range(self.GroupNum)
}
self._Output["超额收益率"] = self._Output["收益率"].copy()
self._Output["超额净值"] = self._Output["超额收益率"].copy()
for i in self._Output["超额收益率"]:
self._Output["超额收益率"][
i] = self._Output["超额收益率"][i] - self._Output["收益率"]["市场"]
self._Output["超额净值"][i] = (1 + self._Output["超额收益率"][i]).cumprod()
nDate = self._Output["净值"].shape[0]
nDays = (self._Model.DateTimeSeries[-1] -
self._Model.DateTimeSeries[0]).days
nYear = nDays / 365
TotalReturn = self._Output["净值"].iloc[-1, :] - 1
self._Output["统计数据"] = pd.DataFrame(index=TotalReturn.index)
self._Output["统计数据"]["总收益率"] = TotalReturn
self._Output["统计数据"]["年化收益率"] = (1 + TotalReturn)**(1 / nYear) - 1
self._Output["统计数据"]["波动率"] = self._Output["收益率"].std() * np.sqrt(
nDate / nYear)
self._Output["统计数据"]["Sharpe比率"] = self._Output["统计数据"][
"年化收益率"] / self._Output["统计数据"]["波动率"]
self._Output["统计数据"]["t统计量(Sharpe比率)"] = (
self._Output["统计数据"]["Sharpe比率"] -
self._Output["统计数据"]["Sharpe比率"]["市场"]) / np.sqrt(2 / nYear)
self._Output["统计数据"]["平均换手率"] = self._Output["换手率"].mean()
self._Output["统计数据"]["最大回撤率"] = pd.Series(
np.nan, index=self._Output["统计数据"].index)
self._Output["统计数据"]["最大回撤开始时间"] = pd.Series(
index=self._Output["统计数据"].index, dtype="O")
self._Output["统计数据"]["最大回撤结束时间"] = pd.Series(
index=self._Output["统计数据"].index, dtype="O")
for iCol in self._Output["净值"].columns:
iMaxDD, iStartPos, iEndPos = calcMaxDrawdownRate(
self._Output["净值"].loc[:, iCol].values)
self._Output["统计数据"].loc[iCol, "最大回撤率"] = abs(iMaxDD)
self._Output["统计数据"].loc[iCol, "最大回撤开始时间"] = (
self._Output["净值"].index[iStartPos]
if iStartPos is not None else None)
self._Output["统计数据"].loc[iCol, "最大回撤结束时间"] = (
self._Output["净值"].index[iEndPos]
if iEndPos is not None else None)
self._Output["统计数据"]["超额收益率"] = self._Output["超额净值"].iloc[-1, :] - 1
self._Output["统计数据"]["年化超额收益率"] = (
1 + self._Output["统计数据"]["超额收益率"])**(1 / nYear) - 1
self._Output["统计数据"]["跟踪误差"] = self._Output["超额收益率"].std() * np.sqrt(
nDate / nYear)
self._Output["统计数据"]["信息比率"] = self._Output["统计数据"][
"年化超额收益率"] / self._Output["统计数据"]["跟踪误差"]
self._Output["统计数据"][
"t统计量(信息比率)"] = self._Output["统计数据"]["信息比率"] * np.sqrt(nYear)
self._Output["统计数据"]["胜率"] = (self._Output["超额收益率"] > 0).sum() / nDate
self._Output["统计数据"]["超额最大回撤率"] = pd.Series(
np.nan, index=self._Output["统计数据"].index)
self._Output["统计数据"]["超额最大回撤开始时间"] = pd.Series(
index=self._Output["统计数据"].index, dtype="O")
self._Output["统计数据"]["超额最大回撤结束时间"] = pd.Series(
index=self._Output["统计数据"].index, dtype="O")
for iCol in self._Output["超额净值"].columns:
iMaxDD, iStartPos, iEndPos = calcMaxDrawdownRate(
self._Output["超额净值"].loc[:, iCol].values)
self._Output["统计数据"].loc[iCol, "超额最大回撤率"] = abs(iMaxDD)
self._Output["统计数据"].loc[iCol, "超额最大回撤开始时间"] = (
self._Output["超额净值"].index[iStartPos]
if iStartPos is not None else None)
self._Output["统计数据"].loc[iCol, "超额最大回撤结束时间"] = (
self._Output["超额净值"].index[iEndPos]
if iEndPos is not None else None)
self._Output["统计数据"]["CAPM Alpha"], self._Output["统计数据"][
"CAPM Beta"] = 0.0, 0.0
xData = sm.add_constant(self._Output["收益率"]["市场"].values, prepend=True)
for iCol in self._Output["收益率"].columns:
yData = self._Output["收益率"][iCol].values
try:
Result = sm.OLS(yData, xData, missing="drop").fit()
self._Output["统计数据"].loc[iCol, "CAPM Beta"] = Result.params[1]
self._Output["统计数据"].loc[iCol, "CAPM Alpha"] = Result.params[0]
except:
self._Output["统计数据"].loc[iCol, "CAPM Beta"] = np.nan
self._Output["统计数据"].loc[iCol, "CAPM Alpha"] = np.nan
self._Output.pop("调仓日")
return 0
def __QS_end__(self):
if not self._isStarted: return 0
super().__QS_end__()
DTs = self._Model.DateTimeSeries
self._Output["证券收益率"] = pd.DataFrame(self._Output["证券收益率"],
index=DTs,
columns=self._Output["证券ID"])
self._Output["证券净值"] = (self._Output["证券收益率"] + 1).cumprod()
self._Output["因子值"] = pd.DataFrame(self._Output["因子值"],
index=DTs,
columns=self.FactorIDs)
Groups = np.arange(1, self.GroupNum + 1).astype(str)
Signal = self._Output["信号"]
self._Output["信号"] = {}
for i, iID in enumerate(self.FactorIDs):
iSignal = pd.DataFrame(Signal[:, i, :], index=DTs, columns=Groups)
iDTs = pd.notnull(iSignal).any(axis=1)
iDTs = iDTs[iDTs].index
if iDTs.shape[0] > 0:
self._Output["信号"][iID] = iSignal.loc[iDTs[0]:]
else:
self._Output["信号"][iID] = pd.DataFrame(columns=Groups)
SignalReturn = self._Output["信号收益率"]
self._Output["信号收益率"] = {}
self._Output["信号净值"] = {}
self._Output["统计数据"] = {}
nDate = len(DTs)
nYear = (DTs[-1] - DTs[0]).days / 365
for j, jSecurityID in enumerate(self._Output["证券ID"]):
self._Output["信号收益率"][jSecurityID] = {}
self._Output["信号净值"][jSecurityID] = {}
self._Output["统计数据"][jSecurityID] = {}
for i, iID in enumerate(self.FactorIDs):
ijSignalReturn = pd.DataFrame(
SignalReturn[i, j, :, :], index=DTs,
columns=Groups).loc[self._Output["信号"][iID].index]
if ijSignalReturn.shape[0] == 0:
self._Output["信号收益率"][jSecurityID][iID] = ijSignalReturn
self._Output["信号净值"][jSecurityID][iID] = ijSignalReturn
self._Output["统计数据"][jSecurityID][iID] = pd.DataFrame(
index=ijSignalReturn.columns,
columns=[
"总收益率", "年化收益率", "波动率", "Sharpe比率", "胜率", "最大回撤率",
"最大回撤开始时间", "最大回撤结束时间"
])
else:
ijNV = (1 + ijSignalReturn.fillna(0)).cumprod()
self._Output["信号收益率"][jSecurityID][iID] = ijSignalReturn
self._Output["信号净值"][jSecurityID][iID] = ijNV
ijStat = pd.DataFrame(index=ijNV.columns)
ijStat["总收益率"] = ijNV.iloc[-1, :] - 1
ijStat["年化收益率"] = ijNV.iloc[-1, :]**(1 / nYear) - 1
ijStat["波动率"] = ijSignalReturn.std() * np.sqrt(
nDate / nYear)
ijStat["Sharpe比率"] = ijStat["年化收益率"] / ijStat["波动率"]
ijStat["胜率"] = (ijSignalReturn > 0
).sum() / pd.notnull(ijSignalReturn).sum()
ijStat["最大回撤率"] = pd.Series(np.nan, index=ijStat.index)
ijStat["最大回撤开始时间"] = pd.Series(index=ijStat.index,
dtype="O")
ijStat["最大回撤结束时间"] = pd.Series(index=ijStat.index,
dtype="O")
for iCol in ijNV.columns:
iMaxDD, iStartPos, iEndPos = calcMaxDrawdownRate(
ijNV.loc[:, iCol].values)
ijStat.loc[iCol, "最大回撤率"] = abs(iMaxDD)
ijStat.loc[iCol, "最大回撤开始时间"] = (ijNV.index[iStartPos]
if iStartPos
is not None else None)
ijStat.loc[iCol, "最大回撤结束时间"] = (ijNV.index[iEndPos]
if iEndPos is not None
else None)
self._Output["统计数据"][jSecurityID][iID] = ijStat
self._Output.pop("最新信号")
self._Output.pop("因子符号")
self._Output.pop("证券ID")
return 0