0.9.58 update

czsc/utils/st_components.py

@@ -22,26 +22,28 @@ def show_daily_return(df: pd.DataFrame, **kwargs):
         - legend_only_cols: list，仅在图例中展示的列名
         - use_st_table: bool，是否使用 st.table 展示绩效指标，默认为 False
         - plot_cumsum: bool，是否展示日收益累计曲线，默认为 True
+        - yearly_days: int，年交易天数，默认为 252
 
     """
     if not df.index.dtype == "datetime64[ns]":
         df["dt"] = pd.to_datetime(df["dt"])
         df.set_index("dt", inplace=True)
     assert df.index.dtype == "datetime64[ns]", "index必须是datetime64[ns]类型, 请先使用 pd.to_datetime 进行转换"
+    yearly_days = kwargs.get("yearly_days", 252)
 
     df = df.copy().fillna(0)
     df.sort_index(inplace=True, ascending=True)
 
     def _stats(df_, type_="持有日"):
         df_ = df_.copy()
         stats = []
-        for col in df_.columns:
+        for _col in df_.columns:
             if type_ == "持有日":
-                col_stats = czsc.daily_performance([x for x in df_[col] if x != 0])
+                col_stats = czsc.daily_performance([x for x in df_[_col] if x != 0], yearly_days=yearly_days)
             else:
                 assert type_ == "交易日", "type_ 参数必须是 持有日 或 交易日"
-                col_stats = czsc.daily_performance(df_[col])
-            col_stats["日收益名称"] = col
+                col_stats = czsc.daily_performance(df_[_col])
+            col_stats["日收益名称"] = _col
             stats.append(col_stats)
 
         stats = pd.DataFrame(stats).set_index("日收益名称")
@@ -51,6 +53,7 @@ def _stats(df_, type_="持有日"):
         stats = stats.background_gradient(cmap="RdYlGn", axis=None, subset=["最大回撤"])
         stats = stats.background_gradient(cmap="RdYlGn_r", axis=None, subset=["卡玛"])
         stats = stats.background_gradient(cmap="RdYlGn", axis=None, subset=["年化波动率"])
+        stats = stats.background_gradient(cmap="RdYlGn", axis=None, subset=["下行波动率"])
         stats = stats.background_gradient(cmap="RdYlGn", axis=None, subset=["盈亏平衡点"])
         stats = stats.background_gradient(cmap="RdYlGn_r", axis=None, subset=["日胜率"])
         stats = stats.background_gradient(cmap="RdYlGn_r", axis=None, subset=["非零覆盖"])
@@ -61,6 +64,7 @@ def _stats(df_, type_="持有日"):
             {
                 "盈亏平衡点": "{:.2f}",
                 "年化波动率": "{:.2%}",
+                "下行波动率": "{:.2%}",
                 "最大回撤": "{:.2%}",
                 "卡玛": "{:.2f}",
                 "年化": "{:.2%}",
@@ -585,6 +589,7 @@ def show_yearly_stats(df, ret_col, **kwargs):
     stats = stats.background_gradient(cmap="RdYlGn", axis=None, subset=["最大回撤"])
     stats = stats.background_gradient(cmap="RdYlGn_r", axis=None, subset=["卡玛"])
     stats = stats.background_gradient(cmap="RdYlGn", axis=None, subset=["年化波动率"])
+    stats = stats.background_gradient(cmap="RdYlGn", axis=None, subset=["下行波动率"])
     stats = stats.background_gradient(cmap="RdYlGn", axis=None, subset=["盈亏平衡点"])
     stats = stats.background_gradient(cmap="RdYlGn_r", axis=None, subset=["日胜率"])
     stats = stats.background_gradient(cmap="RdYlGn_r", axis=None, subset=["非零覆盖"])
@@ -596,6 +601,7 @@ def show_yearly_stats(df, ret_col, **kwargs):
         {
             "盈亏平衡点": "{:.2f}",
             "年化波动率": "{:.2%}",
+            "下行波动率": "{:.2%}",
             "最大回撤": "{:.2%}",
             "卡玛": "{:.2f}",
             "年化": "{:.2%}",

czsc/utils/stats.py

@@ -78,10 +78,11 @@ def daily_performance(daily_returns, **kwargs):
         - 卡玛比率 = 年化收益率 / 最大回撤（如果最大回撤不为零，则除以最大回撤；否则为10）
         - 日胜率 = 大于零的日收益率的个数 / 日收益率的总个数
         - 年化波动率 = 日收益率的标准差 * 标准差的根号252
+        - 下行波动率 = 日收益率中小于零的日收益率的标准差 * 标准差的根号252
         - 非零覆盖 = 非零的日收益率个数 / 日收益率的总个数
         - 回撤风险 = 最大回撤 / 年化波动率；一般认为 1 以下为低风险，1-2 为中风险，2 以上为高风险
 
-    4. 将所有指标的值存储在一个字典中，其中键为指标名称，值为相应的计算结果。
+    4. 将所有指标的值存储在字典中，其中键为指标名称，值为相应的计算结果。
 
     :param daily_returns: 日收益率数据，样例：
         [0.01, 0.02, -0.01, 0.03, 0.02, -0.02, 0.01, -0.01, 0.02, 0.01]
@@ -101,6 +102,7 @@ def daily_performance(daily_returns, **kwargs):
             "卡玛": 0,
             "日胜率": 0,
             "年化波动率": 0,
+            "下行波动率": 0,
             "非零覆盖": 0,
             "盈亏平衡点": 0,
             "新高间隔": 0,
@@ -118,6 +120,8 @@ def daily_performance(daily_returns, **kwargs):
     annual_volatility = np.std(daily_returns) * np.sqrt(yearly_days)
     none_zero_cover = len(daily_returns[daily_returns != 0]) / len(daily_returns)
 
+    downside_volatility = np.std(daily_returns[daily_returns < 0]) * np.sqrt(yearly_days)
+
     # 计算最大新高间隔
     max_interval = Counter(np.maximum.accumulate(cum_returns).tolist()).most_common(1)[0][1]
 
@@ -141,6 +145,7 @@ def __min_max(x, min_val, max_val, digits=4):
         "卡玛": __min_max(kama, -10, 10, 2),
         "日胜率": round(win_pct, 4),
         "年化波动率": round(annual_volatility, 4),
+        "下行波动率": round(downside_volatility, 4),
         "非零覆盖": round(none_zero_cover, 4),
         "盈亏平衡点": round(cal_break_even_point(daily_returns), 4),
         "新高间隔": max_interval,