Pyfolio 与 Pandas 兼容性问题概述
pyfolio是一个强大的python库，用于对投资组合进行性能和风险分析，广泛应用于量化金融领域。然而，随着pandas库的持续发展和api变更，尤其是pandas 2.0.0版本之后，pyfolio原项目因缺乏维护而逐渐与其失去兼容性。这主要体现在以下两个常见错误：
- AttributeError: 'Series' object has no attribute 'iteritems': 当使用Pandas 2.0.0或更高版本时，Pyfolio内部调用的iteritems方法已在Pandas中被弃用并移除。在Pandas 2.0+中，应使用items()方法来迭代Series或DataFrame的键值对。
- IndexError: index -1 is out of bounds for axis 0 with size 0: 在尝试降级Pandas版本以避免iteritems错误时，用户可能会遇到此错误。这通常发生在Pyfolio内部处理数据（例如计算回撤）时，由于数据结构或算法在特定Pandas版本下的边缘情况处理不当，导致索引越界。
这些问题根源在于Pyfolio原项目不再积极更新以适应其依赖库（特别是Pandas）的最新变化。
解决方案：使用 pyfolio-reloaded
为了解决Pyfolio与现代Pandas版本之间的兼容性问题，社区推出了一个名为pyfolio-reloaded的维护分支。这个分支旨在修复原版Pyfolio中的兼容性错误，并使其能够与最新版本的Pandas和其他依赖项协同工作。
环境搭建与示例演示
本节将详细指导如何设置环境并使用pyfolio-reloaded来运行Pyfolio的投资组合分析示例。
1. 创建并激活虚拟环境
为了避免依赖冲突，强烈建议在一个独立的虚拟环境中安装所需的库。
# 创建虚拟环境 virtualenv --python python3 env # 激活虚拟环境 source ./env/bin/activate
2. 安装 pyfolio-reloaded 及相关依赖
在激活的虚拟环境中，创建一个requirements.txt文件，并安装pyfolio-reloaded而不是原版的pyfolio。同时，也需要安装jupyter和pandas。
# requirements.txt pyfolio-reloaded jupyter pandas
然后执行安装命令：
pip3 install -r requirements.txt
安装完成后，可以启动Jupyter Notebook：
jupyter notebook
3. 准备投资组合数据
在Jupyter Notebook中，我们需要导入必要的库并准备用于Pyfolio分析的收益率、持仓和交易数据。这些数据应以Pandas Series或DataFrame的形式提供，并确保其索引为日期时间类型。
import pyfolio as pf
import pandas as pd
# 准备日收益率数据
return_values = {
'2023-01-01': 0.005,
'2023-01-02': -0.002,
'2023-01-03': 0.003,
'2023-01-04': -0.002,
'2023-01-05': 0.006,
}
dates = pd.to_datetime(list(return_values.keys()))
returns = pd.Series(list(return_values.values()), index=dates)
print("日收益率数据 (returns):")
print(returns)
# 准备每日持仓数据
data_positions = {
'AAPL': [5000, 5200, 5100, 5300, 5400],
'MSFT': [3000, 3050, 3100, 3150, 3200],
'GOOG': [7000, 6900, 7100, 7200, 7300],
}
dates_positions = ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05']
dates_positions = pd.to_datetime(dates_positions)
positions = pd.DataFrame(data_positions, index=dates_positions)
positions['cash'] = [1000, 1500, 1200, 1100, 1300] # 添加现金持仓
print("\n每日持仓数据 (positions):")
print(positions)
# 准备交易数据
data_transactions = {
'date': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05'],
'symbol': ['AAPL', 'MSFT', 'GOOG', 'MSFT', 'AAPL'],
'amount': [10, -5, 15, 11, -4], # 正数表示买入，负数表示卖出
'price': [150, 200, 1000, 240, 110]
}
transactions = pd.DataFrame(data_transactions)
transactions['date'] = pd.to_datetime(transactions['date'])
transactions.set_index('date', inplace=True)
print("\n交易数据 (transactions):")
print(transactions)4. 运行 Pyfolio 分析
使用准备好的数据调用pf.create_full_tear_sheet函数。由于我们已经安装了pyfolio-reloaded，此调用将不再遇到AttributeError或IndexError。
# 运行完整的投资组合分析报告 pf.create_full_tear_sheet(returns, positions=positions, transactions=transactions)
执行上述代码后，Pyfolio将生成一系列图表和统计数据，展示投资组合的性能概览、收益分析、风险分析、回撤分析、持仓分析和交易分析等。
注意事项与总结
- 依赖管理: 始终建议使用虚拟环境管理Python项目依赖，以避免不同项目间的库版本冲突。
- pyfolio-reloaded: 确保您安装的是pyfolio-reloaded而不是原始的pyfolio。可以通过pip show pyfolio-reloaded来验证安装情况。
- 数据格式: Pyfolio对输入数据的格式有严格要求，尤其是索引必须是Pandas的DatetimeIndex类型。请仔细检查您的returns、positions和transactions数据的结构和索引类型。
- 库版本: 尽管pyfolio-reloaded解决了与Pandas 2.0+的兼容性问题，但未来Pandas或其他依赖库的重大更新仍可能引入新的不兼容性。建议关注pyfolio-reloaded项目的GitHub仓库，以获取最新的更新和兼容性信息。
- 替代方案: 如果pyfolio-reloaded仍不能满足您的需求，或者您需要更高级、更灵活的分析功能，可以考虑其他量化分析库，如Backtrader、Zipline（其维护状况也需注意）或自行使用Pandas、Matplotlib等基础库构建自定义分析工具。
通过遵循本教程，您应该能够成功地在现代Python环境中利用pyfolio-reloaded进行投资组合的性能分析，克服原版Pyfolio与Pandas新版本之间的兼容性障碍。
