绩效指标
用 stats 模块算 Sharpe、最大回撤、波动率等,量化策略与组合的风险收益表现。
依据官方 README(2026-09 核验)。
| 模块 | 能力 | 典型方法 |
|---|---|---|
| quantstats.stats | 计算绩效与风险指标(约 60 个) | sharpe / sortino / max_drawdown / volatility / var / cvar / win_rate / profit_factor |
| quantstats.plots | 可视化绩效(约 17 种图) | snapshot / drawdown / monthly_heatmap / rolling_beta / rolling_sharpe |
| quantstats.reports | 生成指标/绘图/完整报告(7 种 tearsheet) | metrics / plots / basic / full / html |
| 基准对比 | 与基准(SPY 等)对比相对绩效 | benchmark 参数 / information_ratio / rolling_beta |
| 蒙特卡洛模拟 | 概率化风险分析 | montecarlo / bust_probability / goal_probability |
它把「收益率序列 → 指标计算 → 可视化 → 报告」整理成一条可复现的绩效分析流水线,让策略复盘和组合评估更结构化。
用 stats 模块算 Sharpe、最大回撤、波动率等,量化策略与组合的风险收益表现。
用 plots 模块画净值曲线、回撤、月度热力图、滚动指标,一眼看清绩效结构。
用 reports 模块一键生成 HTML/TeX tearsheet,附基准对比,适合汇报与存档。
首页只保留核心四步,详细流程见安装页与指标页。
pip install quantstats 或 conda 安装。
qs.utils.download_returns('META') 或传入自己的收益序列。
qs.stats.sharpe() / qs.plots.snapshot() 等。
qs.reports.html(stock, 'SPY') 生成 HTML 报告。
两个不同的量化目标,两种准备成本。完整对比见对比子页。
灵活度高,但 Python 环境、依赖与代码都需要自己维护。
Skill 的数据源、Token、市场覆盖各不相同;不代表 QuantStats 已集成 EasyClaw。
以下为 EasyClaw 本机量化研究 Skill 的实际对话截图(左右点击翻页),演示「一句话发起策略回测 / 组合优化」的免部署研究路线。QuantStats 与 EasyClaw 无已证实集成,截图仅供研究。
QuantStats 是开源的 Python 组合绩效分析库,提供 stats(指标)、plots(可视化)、reports(报告)三大模块,帮助量化与组合管理者理解绩效与风险,具体以官方 README 为准。
需要。它通过 Python API 使用(import quantstats as qs),面向有 Python 与量化经验的用户;无图形界面。
无已证实集成。QuantStats 与 EasyClaw 没有官方集成证据;EasyClaw 内置的是量化研究类 Skill(量化分析、财经数据等),两者是独立路线。
收益率序列。QuantStats 按「周期」(日/周/月收益)计算指标,Win Rate 是正收益期占比、Profit Factor 是正收益和/负收益和,非逐笔成交口径,具体以官方 README 的 Period-Based vs Trade-Based 说明为准。
绩效指标仅代表历史收益序列表现,不构成收益保证或投资建议;实盘涉及交易成本、滑点与流动性差异,需自行核验。