finlab.optimize

finlab.optimize.combinations.sim_conditions

sim_conditions(conditions, hold_until={}, *args, **kwargs)

取得回測報告集合

將選股條件排出所有的組合並進行回測，方便找出最好條件的交集結果。

PARAMETER	DESCRIPTION
`conditions`	選股條件集合，key 為條件名稱，value 為條件變數，ex:`{'c1':c1, 'c2':c2}` TYPE: `dict`
`hold_until`	設定訊號進出場語法糖參數，預設為不使用。ex:`{'exit':exit, 'stop_loss':0.1}` TYPE: `dict` DEFAULT: `{}`
`*args`	`finlab.backtest.sim()` 回測參數設定。 TYPE: `tuple` DEFAULT: `()`
`**kwargs`	`finlab.backtest.sim()` 回測參數設定。 TYPE: `dict` DEFAULT: `{}`

RETURNS	DESCRIPTION
`ReportCollection`	回測數據報告

Examples:

from finlab import data
from finlab.backtest import sim
from finlab.optimize.combinations import sim_conditions

close = data.get("price:收盤價")
pe = data.get('price_earning_ratio:本益比')
rev=data.get('monthly_revenue:當月營收').index_str_to_date()
rev_ma3=rev.average(3)
rev_ma12=rev.average(12)

c1 = (close > close.average(20)) & (close > close.average(60))
c2 = (close == close.rolling(20).max())
c3 = pe < 15
c4 = rev_ma3/rev_ma12 > 1.1
c5 = rev/rev.shift(1) > 0.9
exits = close < close.average(20)
conditions = {'c1':c1, 'c2':c2, 'c3':c3, 'c4':c4, 'c5':c5}
report_collection = sim_conditions(conditions=conditions, hold_until={'exit':exits, 'stop_loss':0.1}, resample='M', position_limit=0.1, upload=False)
# 策略分組指標報告
# print(report_collection.stats)
report_collection.plot_creturns().show()
report_collection.plot_stats('bar').show()
report_collection.plot_stats('heatmap')

視覺化範例

ex1:

report_collection.plot_creturns().show()

繪製折線圖指標分群棒狀圖

bar

ex2:

report_collection.plot_stats('bar').show()

繪製指標分群棒狀圖

bar

ex3:

report_collection.plot_stats('heatmap')

繪製指標分級熱力圖，數值越大為排名越前面，avg_score為指標平均分數，分數越高為評價較正向的策略。

heatmap

finlab.optimize.combinations.ReportCollection

ReportCollection(reports)

回測組合比較報告

判斷策略組合數據優劣，從策略海中快速找到體質最強的策略。也可以觀察在同條件下的策略疊加更多條件後會有什麼變化？ Args: reports (dict): 回測物件集合，ex:{'strategy1': finlab.backtest.sim(),'strategy2': finlab.backtest.sim()}

get_stats

get_stats()

取得策略指標比較表

指標欄位說明：

'daily_mean': 策略年化報酬
'daily_sharpe': 策略年化夏普率
'daily_sortino': 策略年化索提諾比率
'max_drawdown': 策略報酬率最大回撤率(負向)
'avg_drawdown': 策略平均回撤(負向)
'ytd': 今年度策略報酬率
'win_ratio': 每筆交易勝率
'avg_return': 每筆交易平均獲利率
'avg_mae': 每筆交易平均最大不利方向幅度(負向)
'avg_bmfe': 最大不利方向發生前的"每筆交易平均最大有利方向幅度"，若數值越高，越有機會在停損之前操作停利。
'avg_gmfe': 每筆交易平均最大有利方向幅度
'avg_mdd': 每筆交易平均的最大回撤率(負向)

RETURNS	DESCRIPTION
`DataFrame`	策略指標比較報表

plot_creturns

plot_creturns()

繪製策略累積報酬率

比較策略淨值曲線變化

RETURNS	DESCRIPTION
`Figure`	折線圖

Examples:

line

plot_stats

plot_stats(mode='bar', heatmap_sort_by='avg_score', indicators=[])

策略指標比較報表視覺化

PARAMETER	DESCRIPTION
`mode`	繪圖模式。`'bar'` - 指標分群棒狀圖。`'heatmap'` - 指標分級熱力圖。 TYPE: `str` DEFAULT: `'bar'`
`heatmap_sort_by`	heatmap 降冪排序的決定欄位 TYPE: `str or list of str` DEFAULT: `'avg_score'`
`indicators`	要顯示的特定指標欄位，預設為將指標全部顯示 TYPE: `list` DEFAULT: `[]`

RETURNS	DESCRIPTION
`Figure`	長條圖
`DataFrame`	熱力圖

Examples:

ex1:

繪製指標分群棒狀圖

bar

ex2:

繪製指標分級熱力圖。

'avg_score': 各指標加總後的平均分數，分數越高為整體評價較正向的策略。

預設以avg_score為排序，數值越大為排名越前面，分數越高為整體評價較優的策略。

heatmap