Empyrical是一个金融风险指标库，可以用于计算和评估各种金融风险指标。它能够用于计算年平均回报、最大回撤、Alpha值、Beta值、卡尔马率、Omega率、夏普率等关键指标。 Empyrical接口简洁，计算效率非常高，能够快速处理大量数据并返回准确的结果。
下面结合akshare 对常见方法做说明。
安装：
pip install empyrical
from __future__ import print_function
from abc import ABCMeta, abstractmethod
import datetime
import threading
import os, os.path
import numpy as np
import pandas as pd
import akshare as ak
import empyrical as em
准备数据
## 使用Empyrical计算
# 使用AkShare获取股票历史价格数据,以深圳平安银行为例
stock_data = ak.stock_zh_a_hist(symbol="000001", period="daily", start_date="20230101", end_date='20231231', adjust="qfq")
print(stock_data[:3])
# 提取收盘价数据
close_prices = stock_data['收盘']
index_data = ak.stock_zh_index_daily_em(symbol="sh000001", start_date="20230101", end_date="20231231")
print(index_data[:3])
index_close_prices = index_data['close']
# 计算日收益率
returns = close_prices.pct_change().dropna()
index_returns = index_close_prices.pct_change().dropna()
日期 开盘 收盘 最高 最低 成交量 成交额 振幅 涨跌幅 \
0 2023-01-03 12.92 13.49 13.57 12.77 2194128 2.971547e+09 6.21 4.74
1 2023-01-04 13.43 14.04 14.14 13.35 2189683 3.110729e+09 5.86 4.08
2 2023-01-05 14.12 14.20 14.46 14.09 1665425 2.417272e+09 2.64 1.14
涨跌额 换手率
0 0.61 1.13
1 0.55 1.13
2 0.16 0.86
date open close high low volume amount
0 2023-01-03 3087.51 3116.51 3119.86 3073.05 281370362 3.313921e+11
1 2023-01-04 3117.57 3123.52 3129.09 3109.45 273313626 3.163912e+11
2 2023-01-05 3132.76 3155.22 3159.43 3130.23 257003018 3.356359e+11
Empyrical 示例
# jisauuuuuuuuuuuuuuuu
volatility = em.annual_volatility(returns)
print(f"em计算股票 的历史波动率为: {volatility:.4f}")
em计算股票 的历史波动率为: 0.2135
max_drawdown = em.max_drawdown(returns)
print(f"em计算股票 的最大回撤为: {max_drawdown:.4f}")
em计算股票 的最大回撤为: -0.3927
sharpe_ratio = em.sharpe_ratio(returns, risk_free=0, period='daily', annualization=None)
print(f"em计算股票 的夏普比为: {sharpe_ratio:.4f}")
em计算股票 的夏普比为: -1.6672
#em.beta?
beta = em.beta(returns, index_returns)
print(f"em计算股票 的beta为: {beta:.4f}")
em计算股票 的beta为: 1.2533
