

> 本文你将得到什么：
> 1. 八项风险指标一键输出：累计/年化收益、年化波动、夏普、最大回撤、日胜率、卡玛
> 2. 各策略收益贡献归因：谁在给组合拖后腿，一眼定位
> 3. 月报三件套自动导出：CSV 指标表 + 净值/回撤/贡献三面板图
> 4. 一个归因的诚实说明：加法贡献合计与复利净值为什么对不上账

---

## 痛点：月度复盘，每次都从零拼数据

每个月底做组合复盘的体验通常是：翻净值截图、手算收益率、打开表格算回撤、再回忆这个月哪只腿亏得多——同一个流程每月重来一遍，数字还容易算错。

复盘这件事的每个环节都是确定性的：指标有固定公式、归因有固定算法、报表有固定版式。这种活就该交给代码：**一条命令，月报全家桶到手**。这也是本系列的收官篇——把前三篇的组合装进一份自动化月报。

---

## 环境准备

```bash
pip install mairui pandas numpy matplotlib
```

---

## 第一步：组合收益流（系列口径最后一次复述）

三个策略（600519 双均线 MA5/20、000001 双均线 MA3/10、300750 20 日动量），昨日收盘信号定今仓（shift 1，无前视），等权合成：

```python
from mairui import Client
import pandas as pd
import numpy as np

client = Client("LICENCE-66D8-9F96-0C7F0FBCD073")  # 演示证书，请换成你自己的正式证书

UNIVERSE = [
    ("600519", "sma520", "MA5/20动量"),
    ("000001", "sma310", "MA3/10快速"),
    ("300750", "mom20", "20日动量"),
]

def strategy_daily_returns(df, kind):
    c = df["c"]
    if kind == "sma520":
        sig = (c.rolling(5).mean() > c.rolling(20).mean()).astype(float)
    elif kind == "sma310":
        sig = (c.rolling(3).mean() > c.rolling(10).mean()).astype(float)
    elif kind == "mom20":
        sig = (c / c.shift(20) - 1 > 0).astype(float)
    pos = sig.shift(1).fillna(0.0)
    ret = c.pct_change().fillna(0.0)
    return pos * ret

rets = {}
for code, kind, label in UNIVERSE:
    bars = client.stock_history(code=code, period="d", dividend="f")
    df = pd.DataFrame(bars).rename(columns={"t": "date"}).sort_values("date").reset_index(drop=True)
    df = df.tail(50).reset_index(drop=True)   # 本文统一取最近 50 个交易日做演示窗口
    for col in ("o", "h", "l", "c", "v"):
        df[col] = df[col].astype(float)
    rets[label] = strategy_daily_returns(df, kind)

R = pd.DataFrame(rets)
port = R.mean(axis=1)   # 等权组合（每日再平衡口径）
```

说明：这里用的是公开演示证书，为演示方便明文写入；实际项目请换成你自己的正式证书（申请配置见 SDK 文档 https://github.com/MaiRuiApi/mairui ），换证后代码无需修改。

---

## 第二步：风险指标全家桶

八个指标，每个都是一个公式，一次算完：

```python
eq = (1 + port).cumprod()
total = eq.iloc[-1] - 1                                  # 累计收益
ann_ret = (1 + total) ** (252 / len(port)) - 1           # 年化收益（复利外推）
vol = port.std() * np.sqrt(252)                          # 年化波动
sharpe = port.mean() / port.std() * np.sqrt(252)         # 夏普比率
dd = eq / eq.cummax() - 1
mdd = dd.min()                                           # 最大回撤
win_rate = (port > 0).mean()                             # 日胜率
calmar = ann_ret / abs(mdd) if mdd < 0 else 0.0          # 卡玛比率

print(f"统计天数: {len(port)}")
print(f"累计收益: {total:+.2%}")
print(f"年化收益: {ann_ret:+.2%}")
print(f"年化波动: {vol:.2%}")
print(f"夏普比率: {sharpe:.2f}")
print(f"最大回撤: {mdd:+.2%}")
print(f"日胜率:   {win_rate:.2%}")
print(f"卡玛比率: {calmar:.2f}")
```

**输出示例**（演示证样例数据，仅供演示）：

```
统计天数: 50
累计收益: -13.72%
年化收益: -52.46%
年化波动: 22.86%
夏普比率: -3.14
最大回撤: -13.72%
日胜率:   26.00%
卡玛比率: -3.82
```

样例窗口是一段单边下跌：日胜率只有 26%，夏普 -3.14——负数指标同样有信息量，它们量化了"这段有多难"。

---

## 第三步：贡献归因——谁的锅

等权组合里每个策略的贡献 = 权重 × 各自日收益，逐日累加：

```python
contrib = (R / 3).sum()          # 每腿贡献 = w(1/3) × r，跨日累加
total_contrib = contrib.sum()
print(f"合计贡献 = {total_contrib:+.2%}（组合累计 {total:+.2%}）")
for c in R.columns:
    print(f"{c}: 贡献 {contrib[c]:+.2%}  占比 {contrib[c] / total_contrib:+.1%}")
```

**输出示例**：

```
合计贡献 = -14.23%（组合累计 -13.72%）
MA5/20动量: 贡献 -1.67%  占比 +11.7%
MA3/10快速: 贡献 -3.73%  占比 +26.2%
20日动量: 贡献 -8.83%  占比 +62.1%
```

一眼定位：**62% 的亏损来自 20 日动量腿**——上一篇被夏普排名淘汰的就是它，两篇互相印证。

---

## 第四步：导出月报三件套

```python
# 1) CSV 指标表（utf-8-sig 编码，Excel 直接打开不乱码）
csv_path = "monthly_report.csv"
with open(csv_path, "w", encoding="utf-8-sig") as f:
    f.write("指标,数值\n")
    for k, v in [("统计天数", len(port)), ("累计收益", f"{total:+.2%}"),
                 ("年化收益", f"{ann_ret:+.2%}"), ("年化波动", f"{vol:.2%}"),
                 ("夏普比率", f"{sharpe:.2f}"), ("最大回撤", f"{mdd:+.2%}"),
                 ("日胜率", f"{win_rate:.2%}"), ("卡玛比率", f"{calmar:.2f}")]:
        f.write(f"{k},{v}\n")

# 2) 净值 / 回撤 / 贡献三面板图
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

fig, axes = plt.subplots(3, 1, figsize=(12, 10), sharex=True)
axes[0].plot(eq.values, color="#1f77b4", linewidth=2, label=f"等权组合 ({total:+.2%})")
axes[0].set_title("组合净值（每日再平衡，零成本）")
axes[0].legend()

axes[1].fill_between(range(len(dd)), dd.values, 0, color="darkred", alpha=0.5)
axes[1].set_title(f"组合回撤（最深 {mdd:+.2%}）")

colors = ["#d62728" if v < 0 else "#2ca02c" for v in contrib.values]   # A股口径：正=红，负=绿
axes[2].bar(R.columns, contrib.values, color=colors)
axes[2].set_title("各策略收益贡献（A股口径：正=红，负=绿）")

plt.tight_layout()
plt.savefig("equity_attribution.png", dpi=150)
```

到这里，月报的全部材料——指标表、归因明细、三张图——由一条命令生成。把它挂进定时任务，每月最后一个交易日收盘后自动跑，复盘从"每月一小时的体力活"变成"看一眼报告"。

---

## 结果怎么读（诚实的部分）

1. **加法归因对不上复利净值，是正常现象**：合计贡献 -14.23% vs 组合累计 -13.72%，差 0.51 个百分点。原因是各策略日收益的**几何复利**（先乘后加）与**线性叠加**（先加后乘）本就不同，交叉项被省略了。做归因时要说明口径；要精确对账需要几何归因或 Brinson 分解（可另开一篇细讲）；
2. **年化外推在短样本下会失真**：50 个交易日外推成年化 -52.46%，只是"如果这样的行情持续一年"的假想值。月报里短样本的年化数字要标注样本长度，别拿去和人比；
3. **负收益下卡玛为负**：卡玛 = 年化收益 / |最大回撤|，亏损期它描述的是"每承受一单位回撤亏多少"，依然是有效的相对比较指标；
4. 数字为演示证样例数据结果，仅演示月报口径；换正式证书即得真实行情下的月报。

---

## 常见坑

1. **CSV 乱码**：Windows Excel 默认按 GBK 解码，UTF-8 无 BOM 的 CSV 中文必乱。用 `utf-8-sig`（带 BOM）编码即可双击直开；
2. **中文字体缺失**：matplotlib 默认字体没有中文字形，图上汉字变方框。开头两行 `font.sans-serif` 设置是必备项，不是可选项；
3. **日胜率 ≠ 交易胜率**：日胜率统计的是"上涨交易日占比"，与开仓胜率是两回事。月报里指标名要写清楚，避免读者拿日胜率去推算期望收益；
4. **归因只到策略层**：本文归因把亏损定位到"哪条腿"；再往下（行业、个股、择时）需要更细的分解维度——归因层级要和决策层级匹配，管策略的人看策略层就够。

---

## 小结与系列收官

- 一条命令生成月报全家桶：八项风险指标 + 三腿贡献归因 + CSV/三面板图，复盘自动化；
- 归因定位：62% 的亏损来自 20 日动量腿，与上一篇滚动夏普淘汰结果互相印证；
- 回顾整个系列：#01 用相关性判断"能不能拼"、#02 三种配权方案、#03 再平衡的账、#04 风险仪表盘、#05 策略轮动、#06 月报收口——六个模块拼起来，就是一个**最小但完整的组合管理工作台**。所有代码都可复制运行，换上你自己的正式证书即可接入真实行情；
- 系列持续更新中，新的实战选题已在路上。

---

## 免责声明

本文所有内容仅用于技术学习与交流，不构成任何投资建议。股市有风险，投资需谨慎。


每个月底做组合复盘的体验通常是：翻净值截图、手算收益率、打开表格算回撤、再回忆这个月哪只腿亏得多——同一个流程每月重来一遍，数字还容易算错。

【Python量化组合管理实战 06】一键生成组合月报：净值、归因与风险指标全家桶

人工智能

本文介绍一套自动化月度组合复盘方案：一键输出八项风险指标（累计/年化收益、波动率、夏普、最大回撤、日胜率、卡玛），定位各策略收益贡献，并自动导出CSV指标表及净值、回撤、贡献三面板图。文章通过Python代码实现从数据获取到报表生成全流程，并诚实说明加法归因与复利净值的差异，帮助量化投资者高效完成月度业绩归因与报告生成。

代码解释

GitHub

让每一个 Agent，都跑在云上

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

本文介绍一套自动化月度组合复盘方案：一键输出八项风险指标（累计/年化收益、波动率、夏普、最大回撤、日胜率、卡玛），定位各策略收益贡献，并自动导出CSV指标表及净值、回撤、贡献三面板图。文章通过Python代码实现从数据获取到报表生成全流程，并诚实说明加法归因与复利净值的差异，帮助量化投资者高效完成月度业绩归因与报告生成...

【Python量化组合管理实战 06】一键生成组合月报：净值、归因与风险指标全家桶-腾讯云开发者社区-腾讯云

【Python量化组合管理实战 06】一键生成组合月报：净值、归因与风险指标全家桶

【Python量化组合管理实战 06】一键生成组合月报：净值、归因与风险指标全家桶

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐