본문으로 건너뛰기
오픈소스 전체 목록

QuantStats

  • 추천0
  • GitHub 별7.9K
  • 금융라이선스Apache-2.0

수익률 시리즈로 샤프 · 낙폭 · 몬테카를로 등 위험 지표를 계산하고 HTML 성과 리포트를 만드는 퀀트 분석 라이브러리

원본:ranaroussi/quantstats

요약

수익률 시리즈로 샤프 · 낙폭 · 몬테카를로 등 위험 지표를 계산하고 HTML 성과 리포트를 만드는 퀀트 분석 라이브러리

설명

Python 버전 PyPi 버전 PyPi 상태 PyPi 다운로드 DeepWiki에 묻기 저장소에 별 달기 트위터에서 팔로우

QuantStats: 퀀트를 위한 포트폴리오 분석

QuantStats는 포트폴리오를 프로파일링하는 파이썬 라이브러리로, 퀀트와 포트폴리오 매니저가 깊이 있는 분석과 위험 지표로 자신의 성과를 더 잘 이해하도록 돕습니다.

변경 이력 »

QuantStats는 3개의 주요 모듈로 이루어져 있습니다.

  1. quantstats.stats - 샤프 지수, 승률, 변동성 같은 다양한 성과 지표를 계산합니다.
  2. quantstats.plots - 성과, 낙폭, 롤링 통계, 월별 수익률 등을 시각화합니다.
  3. quantstats.reports - 지표 보고서를 만들고, 일괄 플롯을 그리고, HTML 파일로 저장할 수 있는 티어시트를 만듭니다.

새 기능! 몬테카를로 시뮬레이션

몬테카를로 시뮬레이션

내장 몬테카를로 시뮬레이션으로 확률적 위험 분석을 해 보세요.

mc = qs.stats.montecarlo(returns, sims=1000, bust=-0.20, goal=0.50)
print(f"Bust probability: {mc.bust_probability:.1%}")
print(f"Goal probability: {mc.goal_probability:.1%}")
mc.plot()

몬테카를로 전체 문서 »


빠른 시작

%matplotlib inline
import quantstats as qs

# extend pandas functionality with metrics, etc.
qs.extend_pandas()

# fetch the daily returns for a stock
stock = qs.utils.download_returns('META')

# show sharpe ratio
qs.stats.sharpe(stock)

# or using extend_pandas() :)
stock.sharpe()

출력:

0.7604779884378278

주식 성과 시각화

qs.plots.snapshot(stock, title='Facebook Performance', show=True)

# can also be called via:
# stock.plot_snapshot(title='Facebook Performance', show=True)

출력:

스냅샷 플롯

리포트 만들기

7가지 보고서 티어시트를 만들 수 있습니다.

  1. qs.reports.metrics(mode='basic|full", ...) - 기본/전체 지표 표시
  2. qs.reports.plots(mode='basic|full", ...) - 기본/전체 플롯 표시
  3. qs.reports.basic(...) - 기본 지표와 플롯 표시
  4. qs.reports.full(...) - 전체 지표와 플롯 표시
  5. qs.reports.html(...) - 완전한 보고서를 HTML로 생성

HTML 티어시트를 만들어 봅시다.

# benchmark can be a pandas Series or ticker
qs.reports.html(stock, "SPY")

출력은 다음과 비슷하게 만들어집니다.

HTML 티어시트

원본 HTML 파일 보기

사용할 수 있는 메서드

전체 메서드 목록을 보려면 다음을 실행하세요.

[f for f in dir(qs.stats) if f[0] != '_']
['avg_loss',
 'avg_return',
 'avg_win',
 'best',
 'cagr',
 'calmar',
 'common_sense_ratio',
 'comp',
 'compare',
 'compsum',
 'conditional_value_at_risk',
 'consecutive_losses',
 'consecutive_wins',
 'cpc_index',
 'cvar',
 'drawdown_details',
 'expected_return',
 'expected_shortfall',
 'exposure',
 'gain_to_pain_ratio',
 'geometric_mean',
 'ghpr',
 'greeks',
 'implied_volatility',
 'information_ratio',
 'kelly_criterion',
 'kurtosis',
 'max_drawdown',
 'monthly_returns',
 'montecarlo',
 'montecarlo_cagr',
 'montecarlo_drawdown',
 'montecarlo_sharpe',
 'outlier_loss_ratio',
 'outlier_win_ratio',
 'outliers',
 'payoff_ratio',
 'profit_factor',
 'profit_ratio',
 'r2',
 'r_squared',
 'rar',
 'recovery_factor',
 'remove_outliers',
 'risk_of_ruin',
 'risk_return_ratio',
 'rolling_greeks',
 'ror',
 'sharpe',
 'skew',
 'sortino',
 'adjusted_sortino',
 'tail_ratio',
 'to_drawdown_series',
 'ulcer_index',
 'ulcer_performance_index',
 'upi',
 'value_at_risk',
 'var',
 'volatility',
 'win_loss_ratio',
 'win_rate',
 'worst']
[f for f in dir(qs.plots) if f[0] != '_']
['daily_returns',
 'distribution',
 'drawdown',
 'drawdowns_periods',
 'earnings',
 'histogram',
 'log_returns',
 'monthly_heatmap',
 'montecarlo',
 'montecarlo_distribution',
 'returns',
 'rolling_beta',
 'rolling_sharpe',
 'rolling_sortino',
 'rolling_volatility',
 'snapshot',
 'yearly_returns']

*** 전체 문서는 곧 공개됩니다 ***

중요: 기간 기준 지표와 거래 기준 지표

QuantStats는 개별 거래 데이터가 아니라 수익률 시리즈(일 · 주 · 월 수익률)를 분석합니다. 이는 다음을 뜻합니다.

  • 승률 = 수익률이 플러스인 기간의 비율
  • 연속 승 · 패 = 수익률이 연속으로 플러스 · 마이너스인 기간
  • 손익비(Payoff Ratio) = 이긴 기간의 평균 수익률 / 진 기간의 평균 손실률
  • 프로핏 팩터 = 플러스 수익률의 합 / 마이너스 수익률의 합

이 지표들은 다음 경우에 타당하고 유용합니다.

  • 정기적으로 리밸런싱하는 체계적 · 알고리즘 전략
  • 시간에 따른 수익률 시리즈의 움직임 분석
  • 기간 단위로 전략을 견주는 일

며칠에 걸친 거래를 하는 재량 트레이더라면 이 기간 기준 지표가 거래 기준 통계와 다를 수 있습니다. 5일짜리 거래 하나가 3일은 플러스, 2일은 마이너스일 수 있고, QuantStats는 이를 일 단위로 3번의 "승"과 2번의 "패"로 셉니다.

이는 수익률 기반 분석 전반(샤프 지수, 소르티노 지수, 낙폭 분석 등)이 하는 방식과 같습니다. 개별 거래의 진입 · 청산이 아니라 수익률 기간 위에서 동작합니다.


각 메서드의 선택 매개변수는 파이썬의 help 함수로 알아볼 수 있습니다.

help(qs.stats.conditional_value_at_risk)
Help on function conditional_value_at_risk in module quantstats.stats:

conditional_value_at_risk(returns, sigma=1, confidence=0.95, prepare_returns=True, method='parametric')
    Calculate the Conditional Value at Risk (CVaR), also known as Expected Shortfall.

    CVaR measures the expected loss given that a loss exceeds the VaR threshold.
    It quantifies the amount of tail risk an investment faces, providing a more
    comprehensive risk measure than VaR alone.

설치

pip로 설치합니다.

$ pip install quantstats --upgrade --no-cache-dir

conda로 설치합니다.

$ conda install -c ranaroussi quantstats

요구 사항

질문이 있나요?

새로 나온 라이브러리입니다... 버그를 찾으면 이슈를 열어 주세요.

기여하고 싶다면 help-wanted 표시가 붙은 이슈부터 보는 것이 좋습니다.

알려진 문제

seaborn에게 저장하라고 했을 때 월별 수익률 히트맵을 반환하지 않게 하는 방법을 찾지 못했습니다. 그래서 플롯을 저장해도(savefig={...}를 넘겨도) 여전히 플롯이 표시됩니다.

법적 안내

QuantStats는 Apache 소프트웨어 라이선스로 배포됩니다. 자세한 내용은 릴리스에 든 LICENSE.txt 파일을 보세요.

덧붙임

의견이 있으면 메모를 남겨 주세요.

Ran Aroussi


⚠️ 투자 안내 이 소개는 오픈소스 도구를 알리기 위한 글이며 투자 권유가 아닙니다. 이 도구가 내놓은 결과를 따른 매매의 손실 책임은 사용자에게 있습니다.

저장소: ranaroussi/quantstats · 라이선스: Apache-2.0

평점

–평가 0개 기준
5점
0
4점
0
3점
0
2점
0
1점
0