Empyrical 是一個知名的金融風險指標庫。它能夠用于計算年平均回報、最大回撤、Alpha值、Beta值、卡爾馬率、Omega率、夏普率等。它還被用于zipline和pyfolio，是Quantopian開發的三件套之一。

下面就教你如何使用 Empyrical 這個風險指標計算神器。

1.準備

開始之前，你要確保Python和pip已經成功安裝在電腦上，如果沒有，可以訪問這篇文章：超詳細Python安裝指南 進行安裝。

**(可選1) **如果你用Python的目的是數據分析，可以直接安裝Anaconda：Python數據分析與挖掘好幫手—Anaconda，它內置了Python和pip.

**(可選2) **此外，推薦大家用VSCode編輯器，它有許多的優點：Python 編程的最好搭檔—VSCode 詳細指南。

請選擇以下任一種方式輸入命令安裝依賴 ：

1. Windows 環境 打開 Cmd (開始-運行-CMD)。
2. MacOS 環境 打開 Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器 或 Pycharm，可以直接使用界面下方的Terminal.

pip install empyrical

2. Empyrical 基本使用

計算最大回撤，你只需要從 empyrical 庫中引入 max_drawdown ，將數據作為參數傳入計算，一行代碼就能實現：

import numpy as np
from empyrical import max_drawdown

returns = np.array([.01, .02, .03, -.4, -.06, -.02])

# 計算最大回撤
max_drawdown(returns)
# 結果：-0.4472800000000001

同樣地，如果你需要計算alpha和beta指標：

import numpy as np
from empyrical import alpha_beta

returns = np.array([.01, .02, .03, -.4, -.06, -.02])
benchmark_returns = np.array([.02, .02, .03, -.35, -.05, -.01])

# 計算alpha和Beta值
alpha, beta = alpha_beta(returns, benchmark_returns)
print(alpha, beta)
# 結果：-0.7960672549836803 1.1243025418474892

如果你想要計算夏普率，同樣也是一行代碼就能解決，只不過你需要注意這幾個參數的意義：

import numpy as np
from empyrical import sharpe_ratio

returns = np.array([.01, .02, .03, -.4, -.06, -.02])

# 計算夏普率
sr = sharpe_ratio(returns, risk_free=0, period='daily', annualization=None)
print(sr)
# 結果：-6.7377339531573535

各個參數的意義如下：

3.更多的指標

Empyrical 能提供使用的指標非常多，這里就不一一介紹了，基本上用法都和夏普率的計算方法差不多，這里介紹他們的方法和參數。

3.1 omega_ratio

empyrical.omega_ratio(returns, risk_free=0.0, required_return=0.0, annualization=252)

3.2 calmar_ratio

empyrical.calmar_ratio(returns, period='daily', annualization=None)

3.3 sortino_ratio

empyrical.sortino_ratio(returns, required_return=0, period='daily', annualization=None, _downside_risk=None)