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：
数据本地化解决接口缓存数据无限增加，读取慢的问题，速度极大提升更注重SEO优化优化了系统的SEO，提升网站在搜索引擎的排名，增加网站爆光率搜索框本地化不用远程读取、IFRAME调用，更加容易应用及修改增加天气预报功能页面增加了天气预报功能，丰富内容增加点评和问答页面增加了点评和问答相关页面，增强网站粘性电子地图优化优化了电子地图的加载速度与地图功能酒店列表增加房型读取酒店列表页可以直接展示房型，增
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。
