finlab.optimize

finlab.optimize.combinations.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。

Parameters:

Name	Type	Description	Default
conditions	dict	選股條件集合，key 為條件名稱，value 為條件變數，ex:{'c1':c1, 'c2':c2}	required
hold_until	dict	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}	{}
*args	tuple	finlab.backtest.sim() 回測參數設定。	()
**kwargs	dict	finlab.backtest.sim() 回測參數設定。	{}

Returns:

Type	Description
finlab.optimize.combination.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

ex2:

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

繪製指標分群棒狀圖

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。

finlab.optimize.combinations.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？

Parameters:

Name	Type	Description	Default
reports	dict	回測物件集合，ex:{'strategy1': finlab.backtest.sim(),'strategy2': finlab.backtest.sim()}	required

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 - 下檔波動度
• 'max_drawdown': 策略報酬率最大回撤率
• 'avg_drawdown': 策略平均回撤
• 'ytd': 今年度策略報酬
• '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
• '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

Returns:

Type	Description
pd.DataFrame	策略指標比較報表

plot_creturns()

繪製策略累積報酬率

比較策略淨值曲線變化

Returns:

Type	Description
plotly.graph_objects.Figure	折線圖

Examples:

plot_stats(mode='bar', heatmap_sort_by='avg_score')

策略指標比較報表視覺化

Parameters:

Name	Type	Description	Default
mode	str	繪圖模式。'bar' - 指標分群棒狀圖。'heatmap' - 指標分級熱力圖。	'bar'
heatmap_sort_by	str or list of str	heatmap 冪排序的決定欄位	'avg_score'

Returns:

Type	Description
plotly.graph_objects.Figure	長條圖
pd.DataFrame	熱力圖

Examples:

ex1:

繪製指標分群棒狀圖

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。