pyfolio工具结合backtrader分析量化策略组合，附源码+问题分析

pyfolio可以分析backtrader的策略，并生成一系列好看的图表，但是由于pyfolio直接install的稳定版有缺陷，开发版也存在诸多问题，使用的依赖版本都偏低，试用了一下之后还是更推荐quantstats。

1、安装依赖

pip install pyfolio
# 直接install是稳定版会报各式各样的错误，要用git拉开发版
pip install git+https://github.com/quantopian/pyfolio

但是git拉也可能报各种http代理等问题，可以使用如下方法解决：

1. 克隆 GitHub 仓库： 打开命令行或终端，然后使用以下命令将 pyfolio 仓库克隆到本地：

   bashCopy code

   如果git clone https://github.com/quantopian/pyfolio.git报错，可以用下面格式
   git clone git@github.com:quantopian/pyfolio.git

   这将在当前目录下创建一个名为 “pyfolio” 的文件夹，并将仓库的所有代码下载到其中。

2. 切换到仓库目录： 使用以下命令进入 pyfolio 文件夹：

   bashCopy code

   cd pyfolio

3. 安装： 在 pyfolio 文件夹中执行以下命令，安装开发版本的代码：

   bashCopy code

   pip install -e .

   -e 选项表示以 “editable” 模式安装，这意味着你对代码的修改会立即反映在安装的库中。这对于开发和测试非常有用。

pyfolio策略源码

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
'''
@Author：Airyv
@Project：test 
@File：quantstats_demo.py
@Date：2024/1/1 21:45 
@desc:
'''

from datetime import datetime

import backtrader as bt  # 升级到最新版
import matplotlib.pyplot as plt  # 由于 Backtrader 的问题，此处要求 pip install matplotlib==3.2.2
import akshare as ak  # 升级到最新版
import pandas as pd
import quantstats as qs
import pyfolio as pf

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 利用 AKShare 获取股票的后复权数据，这里只获取前 6 列
stock_hfq_df = ak.stock_zh_a_hist(symbol="600028", adjust="hfq").iloc[:, :6]
# 处理字段命名，以符合 Backtrader 的要求
stock_hfq_df.columns = [
    'date',
    'open',
    'close',
    'high',
    'low',
    'volume',
]
# 把 date 作为日期索引，以符合 Backtrader 的要求
stock_hfq_df.index = pd.to_datetime(stock_hfq_df['date'])


class MyStrategy(bt.Strategy):
    """
    主策略程序
    """
    params = (("maperiod", 5),)  # 全局设定交易策略的参数

    def __init__(self):
        """
        初始化函数
        """
        self.data_close = self.datas[0].close  # 指定价格序列
        # 初始化交易指令、买卖价格和手续费
        self.order = None
        self.buy_price = None
        self.buy_comm = None
        # 添加移动均线指标
        self.sma = bt.indicators.SimpleMovingAverage(
            self.datas[0], period=self.params.maperiod
        )

    def next(self):
        """
        执行逻辑
        """
        if self.order:  # 检查是否有指令等待执行,
            return
        # 检查是否持仓
        if not self.position:  # 没有持仓
            if self.data_close[0] > self.sma[0]:  # 执行买入条件判断：收盘价格上涨突破20日均线
                self.order = self.buy(size=100)  # 执行买入
        else:
            if self.data_close[0] < self.sma[0]:  # 执行卖出条件判断：收盘价格跌破20日均线
                self.order = self.sell(size=100)  # 执行卖出
        # 更新指令状态
        if self.order:
            self.buy_price = self.data_close[0]
            self.buy_comm = self.broker.getcommissioninfo(self.data).getcommission(self.buy_price, 100)
            self.order = None  # 在这里将订单设置为None，表示没有正在执行的订单
        else:
            self.buy_price = None
            self.buy_comm = None


cerebro = bt.Cerebro()  # 初始化回测系统
start_date = datetime(2010, 1, 3)  # 回测开始时间
end_date = datetime(2023, 6, 16)  # 回测结束时间
data = bt.feeds.PandasData(dataname=stock_hfq_df, fromdate=start_date, todate=end_date)  # 加载数据
# data=bt.feeds.PandasData(dataname=df,fromdate=start_date,todate=end_date)#加银数据
cerebro.adddata(data)  # 将数据传入回测系统
cerebro.addstrategy(MyStrategy)  # 将交易策略加载到回测系统中
# 加入pyfolio分析者
cerebro.addanalyzer(bt.analyzers.PyFolio, _name='pyfolio')
start_cash = 1000000
cerebro.broker.setcash(start_cash)  # 设置初始资本为 100000
cerebro.broker.setcommission(commission=0.002)  # 设置交易手续费为 0.2%
result = cerebro.run()  # 运行回测系统

port_value = cerebro.broker.getvalue()  # 获取回测结束后的总资金
pnl = port_value - start_cash  # 盈亏统计

print(f"初始资金: {start_cash}\n回测期间：{start_date.strftime('%Y%m%d')}:{end_date.strftime('%Y%m%d')}")
print(f"总资金: {round(port_value, 2)}")
print(f"净收益: {round(pnl, 2)}")

# cerebro.plot(style='candlestick')  # 画图

cerebro.broker.getvalue()

strat = result[0]
pyfoliozer = strat.analyzers.getbyname('pyfolio')

returns, positions, transactions, gross_lev = pyfoliozer.get_pf_items()
%matplotlib inline
pf.create_full_tear_sheet(
    returns,
    positions=positions,
    transactions=transactions,
    live_start_date='2023-01-03')


# returns, positions, transactions, gross_lev = pyfoliozer.get_pf_items()
# returns
# positions
# transactions
# gross_lev

# pf.create_full_tear_sheet(returns)
# pf.create_full_tear_sheet(
#     returns,
#     positions=positions,
#     transactions=transactions,
#     live_start_date='2010-01-03',
#     round_trips=True)
# pf.create_full_tear_sheet(returns,live_start_date='2010-01-03')
# cerebro.plot()

错误解决

解决后可能报错：

1. AttributeError: 'Series' object has no attribute 'iteritems'
   solution：

   For anyone else who has the same error pls edit the plotting.py file in ur site packages folder from iteritems() to items()

   意思是进入plotting.py文件（可以用everything搜索）中全局搜索iteritems()，替换为items()即可

2. AttributeError: module 'pandas' has no attribute 'Float64Index'

   原因是pandas版本太高了(2.0.1)，安装低版本：

pip uninstall pandas
pip install pandas==1.5.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

3. File "...\pyfolio\timeseries.py", line 896, in get_max_drawdown_underwater

   将timeseries.py893行改为：

# valley = np.argmin(underwater)  # end of the period
valley = underwater.idxmin()

4. File "\pyfolio\round_trips.py", line 133, in _groupby_consecutive grouped_price = (t.groupby(('block_dir',KeyError: ('block_dir', 'block_time')

   修改round_trips.py第133行

        # grouped_price = (t.groupby(('block_dir',
        #                            'block_time'))
        #                   .apply(vwap))
        grouped_price = (t.groupby(['block_dir','block_time'])
                          .apply(vwap))
        grouped_price.name = 'price'
        grouped_rest = t.groupby(['block_dir', 'block_time']).agg({
            'amount': 'sum',
            'symbol': 'first',
            'dt': 'first'})

5. File "...\pyfolio\round_trips.py", line 77, in agg_all_long_short stats_all = (round_trips pandas.errors.SpecificationError: nested renamer is not supported

   改round_trips.py第77行

    stats_all = (round_trips
                 .assign(ones=1)
                 .groupby('ones')[col]
                 .agg(list(stats_dict.items()))
                 .T
                 .rename(columns={1.0: 'All trades'}))
    stats_long_short = (round_trips
                        .groupby('long')[col]
                        .agg(list(stats_dict.items()))
                        .T
                        .rename(columns={False: 'Short trades',
                                      True: 'Long trades'}))

6. File "...\pyfolio\round_trips.py", line 393, in gen_round_trip_stats round_trips.groupby('symbol')['returns'].agg(RETURN_STATS).T pandas.errors.SpecificationError: nested renamer is not supported

   393行修改：

    stats['symbols'] = \
        round_trips.groupby('symbol')['returns'].agg(list(RETURN_STATS.items())).T

7. ValueError: The number of FixedLocator locations (16), usually from a call to set_ticks, does not match the number of labels (3).

   注释掉tears.py文件的871行

画图运行

在Jupter notebook中运行，不建议直接console中运行，结果如图：