Python-инструментарий для исследования торговых стратегий: он тестирует тысячи идей на разных активах и таймфреймах с помощью векторизованных операций NumPy и pandas.
ranaroussi/quantstats
Библиотека Python для анализа эффективности портфеля: рассчитывает метрики риска, строит графики и формирует HTML-отчёты по рядам доходности.
- Звёзды
- 7,801
- Форки
- 1,276
- Открытые issues
- 32
- Последний коммит
- 5 дней назад
Эта страница описывает проект с открытым кодом и не является инвестиционной рекомендацией. Торговля и инвестиции могут привести к убыткам: оцените риски самостоятельно и соблюдайте законы своей страны перед использованием.
Что это?
QuantStats — библиотека Python для анализа инвестиционных портфелей. Она принимает ряд периодической доходности и рассчитывает показатели эффективности и риска, например коэффициенты Sharpe и Sortino, волатильность, максимальную просадку и долю прибыльных периодов, а затем визуализирует их на графиках просадок, скользящих статистик и месячной доходности.
Библиотека состоит из трёх модулей: stats для расчёта метрик, plots для визуализации и reports для пакетного построения графиков и полноценных tear sheet, которые можно сохранить в HTML. Также в библиотеку входит расширение pandas, позволяющее вызывать метрики напрямую у Series доходности, и функции для загрузки доходности на основе цен тикеров через yfinance.
В проекте также есть симуляция Монте-Карло для вероятностного анализа риска и функции для оценки вероятности разорения и достижения цели. Метрики рассчитываются по периодам доходности, а не по отдельным сделкам, поэтому результаты отражают поведение дневной, недельной или месячной доходности.
Ключевые возможности
- 01Рассчитывает более 60 метрик эффективности и риска, включая Sharpe, Sortino, CAGR и максимальную просадку.
- 02Строит обзорные графики, графики просадок, скользящих статистик и тепловые карты месячной доходности.
- 03Формирует HTML-отчёты tear sheet для сравнения портфеля с бенчмарком.
- 04Запускает симуляции Монте-Карло для оценки вероятности разорения и достижения цели.
- 05Расширяет pandas Series методами расчёта метрик и загружает доходность тикеров через yfinance.
Сценарии использования
- Оценка исторической эффективности систематической торговой стратегии.
- Сравнение портфеля с бенчмарком, например SPY, в HTML-отчёте, которым можно поделиться.
- Оценка хвостового риска и поведения просадок в ряду доходности.
- Проведение вероятностного моделирования рисков на основе ожидаемой доходности портфеля.
Быстрый старт
- 1
Установите пакет с помощью pip
pip install quantstats --upgrade --no-cache-dir - 2
Импортируйте quantstats и получите дневную доходность акции
import quantstats as qs stock = qs.utils.download_returns('META') - 3
Выведите коэффициент Шарпа
qs.stats.sharpe(stock)
Что важно знать
- Метрики рассчитываются за периоды на основе рядов доходности, а не статистики отдельных сделок, поэтому доля прибыльных сделок и соотношение прибыли к убытку могут отличаться от результатов на уровне отдельных сделок.
- В README полная документация по-прежнему отмечена как «скоро появится».
В подборках
Темы
Частые вопросы
- Что такое quantstats?
- Библиотека Python для анализа эффективности портфеля: рассчитывает метрики риска, строит графики и формирует HTML-отчёты по рядам доходности. QuantStats — библиотека Python для анализа инвестиционных портфелей. Она принимает ряд периодической доходности и рассчитывает показатели эффективности и риска, например коэффициенты Sharpe и Sortino, волатильность, максимальную просадку и долю прибыльных периодов, а затем визуализирует их на графиках просадок, скользящих статистик и месячной доходности.
- quantstats можно использовать бесплатно? Какая у него лицензия?
- quantstats распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- quantstats всё ещё поддерживается?
- Активно поддерживается. Последний коммит в quantstats — 2 нояб. 2026 г..
- Для чего можно использовать quantstats?
- Оценка исторической эффективности систематической торговой стратегии. Сравнение портфеля с бенчмарком, например SPY, в HTML-отчёте, которым можно поделиться. Оценка хвостового риска и поведения просадок в ряду доходности. Проведение вероятностного моделирования рисков на основе ожидаемой доходности портфеля.
- Как установить quantstats?
- Установите пакет с помощью pip: pip install quantstats --upgrade --no-cache-dir Импортируйте quantstats и получите дневную доходность акции: import quantstats as qs stock = qs.utils.download_returns('META') Выведите коэффициент Шарпа: qs.stats.sharpe(stock)
- Где скачать quantstats?
- Исходный код и инструкции по установке — на GitHub: https://github.com/ranaroussi/quantstats
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Самостоятельно разворачиваемый Python-фреймворк для исследования, бэктестинга, оптимизации и торговли криптовалютами по собственным стратегиям.
Pythonic-библиотека для событийного бэктестинга торговых стратегий, поддерживаемый сообществом форк Zipline от Quantopian.
Подборка библиотек, пакетов и ресурсов с открытым исходным кодом для количественных финансов: оценка стоимости, бэктестинг, данные и многое другое.
Подборка Awesome с библиотеками, статьями, стратегиями, книгами, блогами и курсами по систематической (количественной) торговле.
Торговый движок на Rust с событийной архитектурой и Python-плоскостью управления для бэктестинга и торговли на криптовалютных, валютных и фондовых рынках, фьючерсами, опционами и на букмекерских площадках.