Section outline

  • 分析:评估与结果分析


    简介

    分析旨在展示日内交易的图形化报告,帮助用户直观地评估和分析投资组合。以下是一些可供查看的图表:

    • analysis_position

      • report_graph

      • score_ic_graph

      • cumulative_return_graph

      • risk_analysis_graph

      • rank_label_graph

    • analysis_model

      • model_performance_graph

    Qlib 中所有累积利润指标(例如,收益、最大回撤)都通过求和计算。这避免了指标或图表随时间呈指数级倾斜。


    图形化报告

    用户可以运行以下代码来获取所有支持的报告。

    Python
    >> import qlib.contrib.report as qcr
    >> print(qcr.GRAPH_NAME_LIST)
    ['analysis_position.report_graph', 'analysis_position.score_ic_graph', 'analysis_position.cumulative_return_graph', 'analysis_position.risk_analysis_graph', 'analysis_position.rank_label_graph', 'analysis_model.model_performance_graph']
    

    注意

    有关更多详细信息,请参阅函数文档:类似于 help(qcr.analysis_position.report_graph)。


    用法与示例

    analysis_position.report 的用法

    API

    图形结果

    注意

    • X 轴:交易日

    • Y 轴:

      • cum bench:基准的累计收益系列。

      • cum return wo cost:无成本投资组合的累计收益系列。

      • cum return w cost:有成本投资组合的累计收益系列。

      • return wo mdd:无成本累计收益的最大回撤系列。

      • return w cost mdd:有成本累计收益的最大回撤系列。

      • cum ex return wo cost:无成本投资组合与基准相比的 CAR(累计异常收益)系列。

      • cum ex return w cost:有成本投资组合与基准相比的 CAR(累计异常收益)系列。

      • turnover:换手率系列。

      • cum ex return wo cost mdd:无成本 CAR(累计异常收益)的回撤系列。

      • cum ex return w cost mdd:有成本 CAR(累计异常收益)的回撤系列。

    • 上方的阴影部分:对应于 cum return wo cost 的最大回撤。

    • 下方的阴影部分:对应于 cum ex return wo cost 的最大回撤。

    analysis_position.score_ic 的用法

    API

    图形结果

    注意

    • X 轴:交易日

    • Y 轴:

      • ic标签预测分数之间的皮尔逊相关系数系列。在上面的示例中,标签被公式化为 Ref($close, -2)/Ref($close, -1)-1。有关更多详细信息,请参阅数据特征

      • rank_ic标签预测分数之间的斯皮尔曼等级相关系数系列。

    analysis_position.risk_analysis 的用法

    API

    图形结果

    注意

    • 总体图表

      • std

        • excess_return_without_cost:无成本 CAR(累计异常收益)的标准差

        • excess_return_with_cost:有成本 CAR(累计异常收益)的标准差

      • annualized_return

        • excess_return_without_cost:无成本 CAR(累计异常收益)的年化收益率

        • excess_return_with_cost:有成本 CAR(累计异常收益)的年化收益率

      • information_ratio

        • excess_return_without_cost:无成本信息比率

        • excess_return_with_cost:有成本信息比率。

          要了解有关信息比率的更多信息,请参阅信息比率 – IR。

      • max_drawdown

        • excess_return_without_cost:无成本 CAR(累计异常收益)的最大回撤

        • excess_return_with_cost:有成本 CAR(累计异常收益)的最大回撤。

    注意

    • annualized_return / max_drawdown / information_ratio / std 图表

      • X 轴:按月分组的交易日

      • Y 轴:

        • annualized_return 图表

          • excess_return_without_cost_annualized_return:无成本月度 CAR(累计异常收益)的年化收益率系列。

          • excess_return_with_cost_annualized_return:有成本月度 CAR(累计异常收益)的年化收益率系列。

        • max_drawdown 图表

          • excess_return_without_cost_max_drawdown:无成本月度 CAR(累计异常收益)的最大回撤系列。

          • excess_return_with_cost_max_drawdown:有成本月度 CAR(累计异常收益)的最大回撤系列。

        • information_ratio 图表

          • excess_return_without_cost_information_ratio:无成本月度 CAR(累计异常收益)的信息比率系列。

          • excess_return_with_cost_information_ratio:有成本月度 CAR(累计异常收益)的信息比率系列。

        • std 图表

          • excess_return_without_cost_max_drawdown:无成本月度 CAR(累计异常收益)的标准差系列。

          • excess_return_with_cost_max_drawdown:有成本月度 CAR(累计异常收益)的标准差系列。

    analysis_model.analysis_model_performance 的用法

    API

    图形结果

    注意

    • 累计收益图表

      • Group1:标签的(排名比例 <= 20%)的股票组的累计收益系列。

      • Group2:标签的(20% < 排名比例 <= 40%)的股票组的累计收益系列。

      • Group3:标签的(40% < 排名比例 <= 60%)的股票组的累计收益系列。

      • Group4:标签的(60% < 排名比例 <= 80%)的股票组的累计收益系列。

      • Group5:标签的(80% < 排名比例)的股票组的累计收益系列。

      • long-shortGroup1累计收益Group5累计收益之间的差异系列。

      • long-averageGroup1累计收益与所有股票的平均累计收益之间的差异系列。

      • 排名比例可以公式化如下:

        rankingratio=\(frac{Ascending Ranking of label}{Number of Stocks in the Portfolio}\)

    注意

    • long-short/long-average

      • 每天多空/多平均收益的分布。

    注意

    • 信息系数 (Information Coefficient)

      • 投资组合中股票的标签预测分数之间的皮尔逊相关系数系列。

      • 图形报告可用于评估预测分数。

    注意

    • 月度 IC

      • 信息系数的月度平均值。

    注意

    • IC

      • 每天信息系数的分布。

    • IC Normal Dist. Q-Q

      • 分位数-分位数图用于每天信息系数的正态分布。

    注意

    • 自相关 (Auto Correlation)

      • 每天投资组合中股票的最新预测分数lag 天前的预测分数之间的皮尔逊相关系数系列。

      • 图形报告可用于估计换手率。