10行Python搞定可转债分组回测

收藏关注

因子回测的文章发出后，又有几个朋友跟我要代码，写篇小文回复一下。

先直接给出代码，这次比上次的回测更简单，只要10行就可以了。

def group_analysis(factor,forward_return,num=5,title=""):    

cutfactor=factor.rank(axis=1).apply(lambda x:pd.qcut(x,num,range(1,num+1)),axis=1)

result=pd.DataFrame()

for group in range(1,1+num):

    group_return=forward_return[cutfactor==group].sum(axis=1)/(cutfactor==group).sum(axis=1)

    result[group]=group_return

result['base']=(forward_return[~factor.isna()]).sum(axis=1)/(~factor.isna()).sum(axis=1)

(result+1).cumprod().plot(figsize=(12,5),grid=True,title=title);

return result

group_analysis(premdf,day_return,title="溢价率");

在运行本文中的代码前，我假定你已经搞定了上一篇中回测代码的运行，本文中用到的数据与上一篇中完全相同，你需要根据上一篇的内容，先自行构造出premdf(溢价率因子)与day_return( 向前移一天的日收益率)两组数据，具体细节这里不再重复了。

接下来对代码逐行做下解释：

1、定义一个叫group_analysis的函数，需要传入以下参数：因子表factor;收益率表forward_return; 分组数num, 默认为5; 绘图标题, 默认为空。

2、这里用到了pandas自带的两个函数，先用rank函数处理每行数据，得到从小到大排列的序号；再用qcut函数把得到的序号分成5组（实际是num组，为简化描述，后面按5组表述）。这样我们就得到了一张表，这张表的所有值都是1、2、3、4、5或NaN, 代表了它每天属于哪一个分组，NaN表示没有上市交易或已退市。

3、定义一个叫result的表，用来保存计算结果。

4、从1到5循环计算

5、算出每组的平均日收益率序列

6、将每组的平均日收益率序列保存到结果表中，列名为组号

7、计算所有转债的平均日收益率序列并保存到结果表中，列名为base

8、把收益率加1后逐日连乘，就是你们喜闻乐见的净值曲线了，画张图展示

9、把结果表返回一下，方便后面做其他计算

10、以上9行写完了函数，最后一行就是用法，把premdf和day_return传进去，再指定画图标题是“溢价率”，就得到了如下的结果。如果你想分析别的因子，只需要把因子表换一下就可以了。