PyFolio实战：Quantopian遗留下的分析引擎，揭示苹果11.5年收益分布的肥尾真相

Quantopian 遗留下来的组合分析引擎

PyFolio 是 Quantopian 开源的投资组合分析库。Quantopian 这个名字对于做量化的老手来说应该不陌生——它曾经是全球最大的众包量化对冲基金平台，2016 年管理规模超过 2.5 亿美元，2020 年关停后将其核心分析工具开源。PyFolio 就是其中最实用的一部分：它专门做一件事——把一串收益率数字变成一份完整的风险收益分析报告。

和 QuantStats 不同，PyFolio 更精简、更聚焦——13 个核心指标加上一张九面板 Tearsheet，不追求全面覆盖，但每个数字都直击量化研究的核心问题：收益够不够、风险值不值、分布正不正常。我拿它对苹果过去 11.5 年的日收益率做了完整分析：年化 25.17%、累计 1229 倍、夏普 0.93、最大回撤 -38.52%。峰度 6.41 说明收益分布有明显的肥尾特征——极端涨跌比正态分布预期的要频繁得多。

起步

从 EasyClaw 官网下载安装。不需要手动装 PyFolio、不需要配 Jupyter Notebook。

打开后左侧找「Skill」→「Skill Creator」。灰显的话去「设置 → 通用」打开「开发者模式」重启。

创建 Skill

在 Skill Creator 里告诉 EasyClaw：

帮我把 GitHub 上的 PyFolio（https://github.com/quantopian/pyfolio）做成一个组合分析 Skill。我希望输入股票代码和起止日期，自动拉取历史收益率数据，生成 perf_stats 完整统计表、五段最差回撤明细和九面板 Tearsheet 图表。

EasyClaw 会自动拉代码、配置数据源、封装成 Skill。

Skill 创建好后：

用 PyFolio 对 AAPL 从 2015 年到现在做完整的收益分析

分析结果：11.5 年 1229 倍回报，但有过五次 30% 以上的回撤

核心绩效——13 项指标

类别	指标	值	怎么看
收益	年化收益	25.17%	极高的年化——已超过巴菲特长期记录
	累计收益	1,229.58%	1 万变 13.3 万
风险	年化波动率	28.73%	高波动——是标普的两倍以上
	最大回撤	-38.52%	三次腰斩级别的回撤
风险调整	夏普比率	0.93	接近 1——优秀水平
	索提诺比率	1.36	高于夏普，说明下行波动控制得比上行好
	卡玛比率	0.65	收益/最大回撤——每承受 1% 回撤获得 0.65% 年化收益
分布	偏度	0.13	轻微正偏——收益略向右偏
	峰度	6.41	显著肥尾——极端事件比正态分布多得多
	尾部比率	1.05	最右 5% 和最左 5% 的收益几乎对称
基准	Alpha（vs SPY）	9.41%	独立于大盘的年化超额——相当显著

五次最严重的回撤

PyFolio 会自动列出历史上最严重的五次回撤，精确到起止日期和恢复日期：

#	回撤	高点	低点	恢复	持续天数
0	-38.52%	2018-10-03	2019-01-03	2019-10-10	267
1	-33.36%	2024-12-26	2025-04-08	2025-10-20	213
2	-31.43%	2020-02-12	2020-03-23	2020-06-05	83
3	-30.91%	2022-01-03	2023-01-05	2023-06-02	370
4	-30.44%	2015-05-22	2016-05-12	2017-02-01	444

五次回撤全部超过 30%，最长的从高点到恢复用了 444 天。但每轮回撤之后都创了新高——苹果的长期回报是建立在一轮又一轮 30%+ 回撤的废墟上的。这和 QuantStats 那篇文章发现的规律完全一致：在苹果这种超级牛股上，持有不动是最优策略，但前提是你能扛住每隔一两年就来一次的大回撤。

九面板 Tearsheet 包含了：累计收益、回撤、月度收益热力图、收益分布直方图、滚动夏普（6 个月）、年度收益、季度收益、最差五日收益、水下期分布——一张图覆盖了评估一个资产需要的全部视觉信息。

峰度 6.41 意味着什么

正态分布的峰度是 3。峰度 6.41 意味着苹果的日收益率分布比正态分布多了两倍以上的极端事件——暴涨暴跌的频率远超你的直觉预期。这个数字在实际交易中的含义是：你以为止损设在 -5% 够用了，但苹果历史上出现过多次 -5% 以上的单日暴跌。肥尾提醒你——回测里看到的最大回撤不是最坏情况，只是历史记录。真实的最坏情况永远在历史之外。

偏度 0.13 说明苹果的涨跌基本对称，微微向右偏。这和一些量化策略的偏度特征完全不同——比如 FinRL 强化学习策略的偏度是 1.218，明显右偏。买入持有的收益分布更接近正态，择时策略的收益分布则有更强的偏度和峰度。

PyFolio 和 QuantStats 的区别

很多人会搞混这两个工具——名字像、功能都是"组合分析 + Tearsheet"。但它们的定位有明确的差异：

	PyFolio	QuantStats
出身	Quantopian（已关停的对冲基金平台）	独立开源项目
风格	精简、聚焦，13 个核心指标	全面、详尽，70+ 指标
Tearsheet	9 面板，偏学术风	10+ SVG 嵌入 HTML，偏商业风
最差回撤明细	自动列出五次最严重回撤+起止日期	仅给出最大回撤数值
适合	快速诊断——"这个策略有没有硬伤"	深度报告——"给投资人看"

PyFolio 的"最差回撤明细"是它最实用的功能——不仅有最大回撤数值，还把每一次超过 30% 的回撤精确到起止日期和恢复日期。这比只看一个 -38.52% 的数字有用得多——你知道最坏的时候是什么时候、持续了多久、什么时候能回本。

常见报错

错误	原因	解决方法
Tearsheet 生成后九面板中有空白	某些面板所需数据不足（如月度热力图需要足够长的历史）	拉长回测区间，至少覆盖 3 年以上
perf_stats 中 Alpha 为 NaN	没有传入基准收益率序列	确认 benchmark 参数已设置

下一步

• 把自己策略的收益率序列喂给 PyFolio，看策略和买入持有的分布特征有什么不同
• 用 PyFolio 的 event study 模块分析财报发布前后的异常收益

资源链接：

• EasyClaw 下载：https://easyclaw.cn/?f=733
• PyFolio GitHub：https://github.com/quantopian/pyfolio

你投资的标的历史上最大回撤是多少？你能接受的最大回撤又是多少？欢迎聊聊。