Pyfolio 可視化報表模組重點說明¶
本文件簡要整理 Pyfolio 在策略回測中提供的幾個主要功能模組及其用途。
Pyfolio 安裝（Installation）¶
Pyfolio 是 Quantopian 開發的績效分析工具，可以透過 pip 安裝：
API 模組分類¶
1. 公用函數（Utilities）¶
- 提供基本資料處理、績效指標計算等支援函數。
- 例如：
timeseries.aggregate_returns()、timeseries.get_rolling_volatility()。
2. 策略績效報告（Tears）¶
- 產出完整績效報表，一行程式即可快速展示結果。
- 常用函數：
pyfolio.create_full_tear_sheet()。 - 包含回撤、貢獻分析、持股分佈等豐富指標。
3. 績效函數（Performance）¶
- 用於計算如 Sharpe ratio、Sortino ratio、alpha/beta 等。
- 有些功能已不再維護，需注意版本相容性（例如
perf.annual_return可能報錯）。
4. 繪圖函數（Ploting）¶
- 各種績效圖像化工具，例如：
plot_rolling_returns()：繪製策略與基準的滾動報酬。plot_drawdown_underwater()：顯示資金水位圖。plot_exposures()：多因子暴露可視化。
注意事項： 某些版本下的 performance 模組已出現相容性問題，建議優先使用 tears.create_full_tear_sheet 搭配完整流程。
pyfolio.tears.create_interesting_times_tear_sheet¶
製作重大事件發生日前後的日報酬平均、最大、最小值表格，並繪製圖表視覺化。
Parameters:¶
- returns: pd.Series 交易策略的日報酬率。
- benchmark_rets: pd.DataFrame, optional 指標日報酬率，預設 = None。
- periods: dict or OrderedDict, optional 歷史上重大事件發生日期。
- legend_loc: plt.lengend_loc, optional 圖表中圖例的位置。
- return_fig: boolen, optional 是否繪製圖表。
pyfolio.tears.create_full_tear_sheet¶
繪製以上所有績效與風險相關圖表。
Parameters:¶
- returns: pd.Series 交易策略的日報酬率。
- positions: pd.DataFrame 每日標的與現金部位表。
- transactions: pd.DataFrame 交易策略的交易資料，一列為一筆交易。
- market_data: pd.DataFrame, optional 每日市場資料，一日一行，欄位有股、交易量、價格，預設 = None。
- benchmark_rets: pd.Series, optional 指標日報酬率，預設 = None。
- slippage: int or float, optional 滑價，單位為basis point，需搭配 positions 和 transactions 使用，預設 = None，
- live_start_date: datetime, optional 回測期間之後，開始 live trading 日期，相當於區分 In-sample 與 out-of sample 檢測，預設 = None，日期必須標準化。
- sector_mappings: dict or pd.Series, optional 行業分類，以股票 SID 為 key，行業為 value 的字典或 pd.Series，預設 = None。
- round_trips: boolean, optional 交易 round trip 表格，需要搭配positions和transactions使用，預設 = False。
- estimate_intraday: boolean or str, optional 估算日內交易，預設為'infer'。
- hide_positions: boolean, optional 隱藏股票代碼，預設為 False。
- cone_std: float or tuple, optional 設定 out_of_sample 時，交易策略預期報酬率的標準差區間。 若為 float，則設定單一標準差區間。 若為 tuple，則設定多個標準差區間。
- bootstrap: boolean, optional 對各項指標進行拔靴法測試，預設 = False。
- unadjusted_returns: pd.Series, optional 調整前日報酬率，預設 = None，提供後會額外繪製: 1. Cumulative returns given additional per-dollar slippage 2. Average annual returns given additional per-dollar slippage
- turnover_denom: str, optional 周轉率計算方式，有 AGB 和 portfolio_value 兩種，預設為 AGB， 計算方法為 (買進總額 + 賣出總額絕對值) / (AGB or portfolio_value)， AGB = portfolio-value - cash。
- set_context: boolean, optional 設置繪圖風格。
- header_rows: dict or OrderedDict, optional 在表格 start date yyyy-mm-dd 上額外增加列，預設為 None。
- factor_returns: pd.DataFrame, optional 風險因子所歸屬的報酬率，以日期作為指標，因子作為欄位。 Ex: momentum reversal 2017-01-01 0.002779 -0.005453 2017-01-02 0.001096 0.010290
- factor_loadings: pd.DataFrame, optional 因子負荷量，為因子所對應的係數，以日期與標的為指標，因子為欄位。 Ex: momentum reversal dt ticker 2017-01-01 AAPL -1.592914 0.852830 TLT 0.184864 0.895534 XOM 0.993160 1.149353 2017-01-02 AAPL -0.140009 -0.524952 TLT -1.066978 0.185435 XOM -1.798401 0.761549
- pos_in_dollars: boolean, optional 若為 True，positions 內欄位單位為元 (dollar)。 若為 False，positions 內欄位單位為比率 (percentage)。
- factor_partitions: dict, optional 用於繪製報酬歸屬於因子圖。 Ex: {'style': ['momentum', 'size', 'value', ...], 'sector': ['technology', 'materials', ... ]}