10.矢量化回测

用 Pandas 进行向量化回测

导入依赖的库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.style.use('seaborn')
import warnings
warnings.filterwarnings('ignore')
import yfinance as yf

准备金融数据

f =yf.download('GOOG', end='2021-12-31', proxy="http://127.0.0.1:7890")
return_serie = f['Adj Close'].pct_change(1).dropna()
return_serie.name = 'return'
return_serie

计算索提诺比率(Sortino ratio)

(索提诺比率越高越好，大于1最理想，小于0最差)

然后我们要计算 Sortino 比率，首先，我们需要这个serie的平均值，然后我们需要下行波动率，所以我们计算所有低于零的值的标准差。这意味着我们计算所有负收益的波动率。所以要获得负回报，我们只需告诉 pandas 我们希望所有系列回报值都低于 0。

然后，我可以创建一个 Sortino 比率，然后我可以使用 f-string 打印它。我想用三位小数计算这个 Sortino 比率的值。

mean = np.mean(return_serie)
vol = np.std(return_serie[return_serie<0])
sortino = mean/vol

print(f"Sortino: {'%.3f' % sortino}")

但是现在，正如我们所见，我们的 Sortino 比率约为 0.1，但我们需要一个像 1.32 或 1.23 这样的结果，我不记得像以前的结果。这是因为我们没有对所有指标进行年度化，它是如此重要，这就是为什么我只想看到这个错误，因为如果你没有对所有指标进行年度化，你就会遇到一些问题。当你想解释它时，你会很难比较不同的策略。因为如果一个策略以每日间隔进行交易，例如，如果从不以每月间隔进行交易，那么您将有一个策略的每日 Sortino 比率，以及另一个策略的每月 Sortino 比率。所以你真的不能将这两种策略放在一起比较。

因此，要解决此问题，您需要对所有 Sortino 比率进行年度化。

要做到这一点，我们需要乘以 252，因为它是当年的开放日数，为什么 sqrt(252)？这是因为对均值进行年化，需要乘以 252，而要对波动率进行年化，我们需要将其乘以 sqrt(252)，因为波动率是方差的平方。现在我们有了 Google 的年化 Sortina 比率，因此我们可以看到，考虑到该资产的波动性，该资产具有非常好的回报。

import re
# Compute the Sortino
mean = np.mean(return_serie)
vol = np.std(return_serie[return_serie<0])
sortino = np.sqrt(252) * mean/vol

print(f"Sortino: {'%.3f' % sortino}")