Toolkit Python para pesquisa de trading que testa milhares de ideias de estratégia em diferentes ativos e períodos usando operações vetorizadas de NumPy e pandas.
ranaroussi/quantstats
Biblioteca Python para analisar o desempenho de portfólios, com métricas de risco, gráficos e relatórios HTML para séries de retornos.
- Estrelas
- 7,801
- Forks
- 1,276
- Issues abertas
- 32
- Último commit
- há 4 dias
Esta página apresenta um projeto de código aberto e não constitui aconselhamento de investimento. Negociar e investir pode gerar perdas: avalie o risco por conta própria e siga as leis do seu país antes de usá-lo.
O que é?
QuantStats é uma biblioteca Python para analisar portfólios de investimento. Ela recebe uma série de retornos periódicos e calcula métricas de desempenho e risco, como índice de Sharpe, índice de Sortino, volatilidade, drawdown máximo e taxa de acerto. Em seguida, apresenta os resultados em gráficos de drawdown, estatísticas móveis e retornos mensais.
A biblioteca é organizada em três módulos: stats, para calcular métricas; plots, para visualização; e reports, para gerar gráficos em lote e relatórios completos que podem ser salvos em HTML. Ela também inclui uma extensão para pandas, que permite chamar métricas diretamente em uma Series de retornos, além de funções auxiliares para baixar retornos calculados com base nos preços de tickers via yfinance.
O projeto também oferece simulações de Monte Carlo para análise probabilística de risco, com funções que estimam as probabilidades de quebrar e de atingir uma meta. As métricas são calculadas com base em períodos de retorno, e não em operações individuais, para que os resultados reflitam o comportamento dos retornos diários, semanais ou mensais.
Recursos principais
- 01Calcula mais de 60 métricas de desempenho e risco, como Sharpe, Sortino, CAGR e drawdown máximo.
- 02Gera gráficos de resumo, gráficos de drawdown, estatísticas móveis e mapas de calor dos retornos mensais.
- 03Produz relatórios HTML que comparam um portfólio com um benchmark.
- 04Executa simulações de Monte Carlo para estimar as probabilidades de quebrar e de atingir uma meta.
- 05Estende pandas Series com métodos de métricas e baixa retornos de tickers via yfinance.
Casos de uso
- Avaliar o desempenho histórico de uma estratégia de trading sistemática.
- Comparar um portfólio com um benchmark, como SPY, em um relatório HTML fácil de compartilhar.
- Avaliar o risco de cauda e o comportamento de drawdown de uma série de retornos.
- Executar simulações probabilísticas de risco com base nos retornos esperados de um portfólio.
Início rápido
- 1
Instale o pacote com pip
pip install quantstats --upgrade --no-cache-dir - 2
Importe quantstats e obtenha os retornos diários de uma ação
import quantstats as qs stock = qs.utils.download_returns('META') - 3
Exiba o índice de Sharpe
qs.stats.sharpe(stock)
Antes de usar
- As métricas são calculadas por período com base em séries de retornos, e não em estatísticas de operações individuais; por isso, a taxa de acerto e a relação ganho/perda podem diferir dos resultados por operação.
- No README, a documentação completa ainda está marcada como «em breve».
Em coleções
Tópicos
Perguntas frequentes
- O que é quantstats?
- Biblioteca Python para analisar o desempenho de portfólios, com métricas de risco, gráficos e relatórios HTML para séries de retornos. QuantStats é uma biblioteca Python para analisar portfólios de investimento. Ela recebe uma série de retornos periódicos e calcula métricas de desempenho e risco, como índice de Sharpe, índice de Sortino, volatilidade, drawdown máximo e taxa de acerto. Em seguida, apresenta os resultados em gráficos de drawdown, estatísticas móveis e retornos mensais.
- quantstats é gratuito? Qual é a licença?
- quantstats é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- quantstats ainda é mantido?
- Manutenção ativa. O último commit de quantstats foi em 2 de nov. de 2026.
- Para que posso usar quantstats?
- Avaliar o desempenho histórico de uma estratégia de trading sistemática. Comparar um portfólio com um benchmark, como SPY, em um relatório HTML fácil de compartilhar. Avaliar o risco de cauda e o comportamento de drawdown de uma série de retornos. Executar simulações probabilísticas de risco com base nos retornos esperados de um portfólio.
- Como instalar quantstats?
- Instale o pacote com pip: pip install quantstats --upgrade --no-cache-dir Importe quantstats e obtenha os retornos diários de uma ação: import quantstats as qs stock = qs.utils.download_returns('META') Exiba o índice de Sharpe: qs.stats.sharpe(stock)
- Onde consigo quantstats?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/ranaroussi/quantstats
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Framework Python auto-hospedado para pesquisar, fazer backtesting, otimizar e operar ao vivo suas próprias estratégias de trading de criptomoedas.
Biblioteca Pythonic e orientada a eventos para backtesting de estratégias de trading, mantida pela comunidade como fork do Zipline, da Quantopian.
Lista selecionada e organizada por categorias de bibliotecas, pacotes e recursos open source para finanças quantitativas, de precificação e backtesting a dados e muito mais.
Uma lista Awesome selecionada de bibliotecas, artigos, estratégias, livros, blogs e cursos sobre trading sistemático (quantitativo).
Motor de trading nativo em Rust e orientado a eventos, com plano de controle em Python para backtesting e trading ao vivo em mercados de cripto, FX, ações, futuros, opções e apostas.