跳转至

可视化与报告

以下是 AKQuant 生成的交互式回测报告示例。您可以在此页面直接与图表进行交互，查看详细的回测数据。

基准对比

BacktestResult.report 支持直接传入基准收益率序列：

benchmark_returns = (
    benchmark_df.set_index("date")["close"].pct_change().fillna(0.0)
)
result.report(
    filename="akquant_report.html",
    benchmark=benchmark_returns,
    show=False,
)

报告会新增“基准对比 (Benchmark Comparison)”区块，提供累计超额收益、年化超额收益、跟踪误差、信息比率、Beta、Alpha 等指标，并展示策略/基准/超额三条累计收益曲线。

结构化 Benchmark Analysis

从当前版本开始，AKQuant 不再只有 HTML 报告里的基准对比区块，还提供可直接给前端、API 或离线分析复用的结构化 benchmark analysis：

benchmark_returns = (
    benchmark_df.set_index("date")["close"].pct_change().fillna(0.0)
)

payload = result.benchmark_analysis(
    benchmark=benchmark_returns,
    curve_freq="D",
)

print(payload["schema_version"])
print(payload["summary"]["annual_excess"])
print(payload["series"][0])

返回 payload 主要包含：

  • schema_version: 数据契约版本
  • available: 当前 benchmark analysis 是否可用
  • reason: 当 benchmark 无法对齐或输入非法时的原因
  • benchmark.label: 基准显示名称
  • summary: 汇总指标，如 total_excess、annual_excess、tracking_error、information_ratio、beta、alpha
  • series: 对齐后的逐日序列，包含策略收益、基准收益、超额收益及三条累计收益曲线
  • meta: 对齐样本数、起止日期、年化因子等元信息

推荐实践：

  • 后端负责准备 benchmark 收益率序列并调用 result.benchmark_analysis(...)
  • 前端直接消费 summary + series + meta
  • result.report(..., benchmark=...) 与前端页面应复用同一份 benchmark analysis 逻辑，而不是各自重新计算

导出给前端或归档

如果需要把 benchmark analysis 固化为回测产物，可以直接导出：

result.export_benchmark_analysis(
    path="artifacts/benchmark_analysis.json",
    benchmark=benchmark_returns,
    format="json",
    curve_freq="D",
)

也支持 format="parquet"，会输出：

  • series.parquet: 逐点时间序列
  • metadata.json: 汇总指标与元信息