如何設定無風險利率 (Risk-Free Rate)¶
Info
本頁提供如何在 Zipline 回測中設定無風險利率的詳細指南，包括 run_algorithm() 的參數設定和 TargetPercentPipeAlgo 的選項，幫助您精確計算策略績效指標。
在量化分析中，無風險利率 (Risk-Free Rate) 是計算夏普比率 (Sharpe Ratio) 等關鍵績效指標時不可或缺的基準。它代表了在沒有承擔任何風險的情況下，理論上能夠獲得的投資報酬率。
在 TQuant Lab 中，設定無風險利率的方法並非使用 set_risk_free_rate，而是根據您的使用場景，透過 run_algorithm() 函數或 TargetPercentPipeAlgo 類別的參數來指定。
方法一：在 run_algorithm() 中傳入自定義利率¶
當您呼叫 run_algorithm() 來執行回測時，可以透過 treasury_returns 參數傳入一個自定義的無風險利率時間序列。這給了您最高的彈性，您可以使用任何來源的數據作為無風險利率。
- 參數:
treasury_returns - 類型:
pandas.Series - 索引 (Index): 日期 (datetimes)
- 值 (Values): 每日的無風險報酬率 (float)
範例：設定一個固定的 2% 年化無風險利率¶
在以下範例中，我們創建一個與回測期間長度相同的 pd.Series，每日利率為 0.02 / 252 (假設一年有 252 個交易日)。
import pandas as pd
from zipline import run_algorithm
# ... (定義您的 initialize, handle_data, analyze 函數)
start_date = pd.Timestamp('2020-01-01', tz='UTC')
end_date = pd.Timestamp('2023-01-01', tz='UTC')
# 創建一個固定的每日無風險利率序列
date_range = pd.date_range(start=start_date, end=end_date, freq='D', tz='UTC')
fixed_rate_series = pd.Series(data=(0.02 / 252), index=date_range)
# 執行回測時傳入 treasury_returns 參數
results = run_algorithm(
start=start_date,
end=end_date,
initialize=initialize,
handle_data=handle_data,
analyze=analyze,
capital_base=1e7,
bundle='tquant',
treasury_returns=fixed_rate_series # <--- 在此傳入
)
方法二：使用 TargetPercentPipeAlgo 的預設選項¶
TargetPercentPipeAlgo 是 TQuant Lab 中一個方便的 Pipeline 演算法類別。在初始化此類別時，您可以透過 zero_treasury_returns 參數來控制無風險利率的行為。
- 參數:
zero_treasury_returns - 類型:
bool(布林值)
用法¶
-
zero_treasury_returns=True(預設值)- 這會將整個回測期間的無風險利率 設定為 0 。這是最簡單的方式，適用於不考慮無風險利率或希望簡化計算的場景。
-
zero_treasury_returns=False- TQuant Lab 會自動透過 TEJ API 取得 第一銀行的年定存利率 作為每日的無風險利率。
-
Important
使用此選項 (`False`) 將會 **消耗您的 TEJ API 流量** 。