Portfolio Analytics 是一个投资组合层面的绩效分析技能，主要从权益曲线（equity curve）和交易日志出发，计算组合层面的绩效指标。
用途 该技能用于在策略回测之后进行绩效评估，例如与 vectorbt 或 strategy-framework 配合使用；也用于并排比较多个策略或参数组合、生成面向投资者的绩效报告、将实盘交易表现与基准进行对比，以及为组合配置决策评估风险调整后收益。
主要能力 收益指标：总收益、CAGR（复合年增长率）、日均收益与年化均值、累计收益。 风险指标：年化波动率、历史 VaR、条件 VaR（CVaR / 期望损失）、最大回撤、回撤时间序列、水下时间（Time Underwater）。 风险调整比率：Sharpe 比率、Sortino 比率、Calmar 比率、Omega 比率、信息比率。 滚动分析：滚动 Sharpe、滚动最大回撤。 交易级分析：基于单笔交易盈亏计算总交易数、胜率、平均盈利、平均亏损、最大盈利、最大亏损、盈亏比（profit factor）、期望值、总盈利、总亏损。 月度 / 年度收益表：将收益透视成年份为行、月份为列的表格，并附年度列。 基准对比：对比策略与基准的总收益、Sharpe、最大回撤，并计算信息比率、相关性、Beta、Alpha。 Quantstats HTML 报告：通过一次函数调用生成面向投资者的 HTML 报告，也可输出控制台 tearsheet 或单独打印各项指标。
使用方式 前置依赖安装命令：uv pip install pandas numpy quantstats 所有分析都从权益曲线开始，即一个以时间为索引的组合价值 Series。示例： import pandas as pd import numpy as np
equity = pd.Series( [10000, 10150, 10080, 10320, 10510, 10440, 10680], index=pd.date_range("2025-01-01", periods=7, freq="D"), name="strategy_equity" )
returns = equity.pct_change().dropna() 生成 HTML 报告示例： import quantstats as qs
qs.reports.html( returns, benchmark=benchmark_returns, # optional output="report.html", title="My Strategy", rf=0.0, periods_per_year=252 )
print(f"Sharpe: {qs.stats.sharpe(returns):.2f}") print(f"Sortino: {qs.stats.sortino(returns):.2f}") print(f"Max DD: {qs.stats.max_drawdown(returns):.2%}") print(f"Calmar: {qs.stats.calmar(returns):.2f}")
qs.reports.full(returns) 与 Vectorbt 集成示例： import vectorbt as vbt
portfolio = vbt.Portfolio.from_signals(close, entries, exits, init_cash=10000)
equity = portfolio.value() returns = portfolio.returns()
qs.reports.html(returns, output="backtest_report.html")
适用场景 回测后评估策略表现；多策略或参数集并排比较；生成投资者可用的绩效报告；评估实盘交易表现并与基准对比；为组合配置决策评估风险调整后收益。
限制 资料未提供具体的收费、价格、平台支持范围或效果保证等信息。使用前需安装 pandas、numpy、quantstats。部分指标（如 Sortino、Calmar、Omega）在特定边界条件下会返回 inf 或 0.0，需按代码逻辑处理。