基金评价指标计算 -- python
近期在做基金的评价工作，需要计算一些因子数据，由于部分数据源缺失值比较多，所以打算自己计算一下，下面是自己计算因子指标的python实现，比较简单粗暴，只是一些计算公式，有错误的话欢迎大家一起指正~~~
import mathimport numpy as np # nav为基金净值序列dataframe# 年化收益def ann_return(nav, ys=0): df_return_cum = nav.iloc[-1] /nav.iloc[0] - 1 fector = len(nav) / 252 if ys == 0: df_return = df_return_cum * fector else: df_return = df_return_cum / ys return df_return# 波动率def vol(nav, prd=252): daily_return = df_nav.pct_change()[1:] df_vol = np.sqrt(prd) * daily_return.std() return df_vol#最大回撤def max_dd(nav): tmp_df = nav / nav.cummax() -1 df_dd = abs(tmp_df.min()) return df_dd# 夏普比率，无风险利率为3%def sharpe_ratio(df_return, df_vol, rf=0.03): df_sharpe = (df_return-rf) / df_vol return df_sharpe# Burke比率：（年化收益-无风险利率）/ 每日回撤的日均值标准差def burke_ratio(df, rf=0.03): ''' df:nav dataframe return :burke series ''' daily_dd = df / df.cummax() -1 daily_dd2n = daily_dd.apply(lambda x:pow(pow(x,2).mean(), 1/2)) rp_lst = df.iloc[-1] / df.iloc[0]-1 rp_ann = rp_lst * 252 /len(df)# rp_ann = df.pct_change().mean() burke = (rp_ann - rf) / daily_dd2n return burke#周胜率def wRate(nav): nav_f = nav.copy() nav_f.index = nav_f.index.to_series().apply(lambda x: datetime.datetime.strptime(x, '%Y-%m-%d')) df_rate_w = nav_f.resample('W', label='left').first() / nav_f.resample('W', label='left').last() w_num = df_rate_w.shape[0] df_wRate = df_rate_w.apply(lambda x: x[x>1].count()) / w_num return df_wRate# 下行标准差：取一段时间的日收益率均值，对小于均值的部分求标准差，最后年化def down_std(nav): pct_nav = nav.pct_change()[1:] mean_col = pct_nav.mean() df_posi = pct_nav.apply(lambda x: np.where(x>=x.mean(), 0,x-x.mean())) #对小于均值的值赋予0，负责返回与均值的标准差 nav_dstd = df_posi.apply(lambda x: (sum(x[x<0]**2)/len(x[x<0]))**0.5) return nav_dstd * np.sqrt(252)#所提诺比率：(组合年化收益-无风险）/ (组合下行标准差))def sortino_ratio(ann_return, downside_std,rf=0.03): sortino = (ann_return - rf) / downside_std return sortino#信息比率：（组合年化收益-基准年化收益）/ (（组合收益-基准收益的标准差）*sqrt(252) )#这里基金的基准年化我选择的对应的基金指数，比如分析债券混合型一级基金，基准我取的是wind上债券混合型型一级基金指数def get_IR(nav, base_nav): # 计算中注意两个df的索引对其 port_ann = ann_return(nav, ys=0) base_ann = ann_return(base_nav, ys=0) nav_rate = nav.pct_change()[1:] base_rate = base_nav.pct_change()[1:] denominator = nav_rate.apply(lambda x: (x-base_rate).std()*np.sqrt(252)) ir = (port_ann - base_ann) / denominator return ir# 特雷诺比率：（组合年化收益-无风险利率） / batadef treynor_ratio(nav, base_nav, rf=0.03): port_ann = ann_return(nav, ys=0) nav_rate = nav.pct_change()[1:] base_rate = base_nav.pct_change()[1:] bata = nav_rate.apply(lambda x: (np.cov(x, base_rate))[0][1]/np.var(base_rate)) treynor = (port_ann - rf) / bata return treynor# 卡玛比率：组合年化收益 / 最大回撤def calmar_ratio(ann_return, max_dd,rf=0.03): calmar = (ann_return-rf) / max_dd return calmar