Qlib评估与结果分析模块 | Qlib从入门到精通 #5

qlib的流程走通之后，还有一些重要的知识点。

分析模块有两个部分：一是仓位分析，二是模型分析。

仓位分析包含以下几个模块：

• report_graph

• score_ic_graph

• cumulative_return_graph

• risk_analysis_graph

• rank_label_graph

模型分析只有一个模块：模型性能分析。

• model_performance_graph

源代码里路径是：import qlib.contrib.report as qcr

对回测结果进行分析：qcr.analysis_position.report_graph(report_normal_df)

回测结果的df数据如下：

            return      cost        bench       turnover
date
2017-01-04  0.003421    0.000864    0.011693    0.576325
2017-01-05  0.000508    0.000447    0.000721    0.227882
2017-01-06  -0.003321   0.000212    -0.004322   0.102765
2017-01-09  0.006753    0.000212    0.006874    0.105864
2017-01-10  -0.000416   0.000440    -0.003350   0.208396

投资组合的收益率，成本 ，基准收益率，换手率。

 这是最基础的投资组合收益率，最大回撤及成本分析。

所以有回测系统，都会对这个结果序列进行可视化，以便直观看到投资策略的运行结果。

qlib.contrib.report.analysis_position.score_ic.score_ic_graph

from qlib.data import D
from qlib.contrib.report import analysis_position
pred_df_dates = pred_df.index.get_level_values(level='datetime')
features_df = D.features(D.instruments('csi500'), ['Ref($close, -2)/Ref($close, -1)-1'], pred_df_dates.min(), pred_df_dates.max())
features_df.columns = ['label']
pred_label = pd.concat([features_df, pred], axis=1, sort=True).reindex(features_df.index)
analysis_position.score_ic_graph(pred_label)

把模型预测的得分与label两个整合在一起，进行分析。

信息系数(Information Coefficient)，因子值与下期收益率的截面相关系数,通过 IC 值可以判断因子值对下期收益率的预测能力。

instrument  datetime        score         label
SH600004  2017-12-11     -0.013502       -0.013502
            2017-12-12   -0.072367       -0.072367
            2017-12-13   -0.068605       -0.068605
            2017-12-14    0.012440        0.012440
            2017-12-15   -0.102778       -0.102778

还有好几个可视化的能力，具体可以看文档。

输入的数据都是pandas的datafame，这一点非常棒，不像pyalgotrade和backtrader都是自己定义了自己的格式，要兼容起来显略麻烦。

这里还有两个问题。

qlib默认是向ipython notebook绘图的，如果当前不是ipython notebook环境，直接返回的是plotly.graph_objs._figure.Figure对象。

可以把Figure直接显示到wxpython的框里。

另一个问题是关于交易细节。

比如某天买入或卖出了多少某支证券，这一块qlib似乎还没有实现。需要的话我们可以自己扩展实现。

由于github不太稳定，项目迁移到gitee。

欢迎大家fork 或 star。

https://gitee.com/ailabx/ailabx 

星球在内测中，大家多支持。

 

当量化投资遇上机器学习，建立你的智能算法交易事业

Qlib入门到精通系列 #1

ETF数据从tushare下载导入Qlib | Qlib入门到精通 #2

一个典型机器学习量化策略的实现 | Qlib从入门到精通 #4