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 math
import 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, rf=0.03, df_vol):
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,rf=0.03, downside_std):
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) / bata
def treynor_ratio(nav, rf=0.03, base_nav):
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,rf=0.03, max_dd):
calmar = (ann_return-rf) / max_dd
return calmar