常用统计：量化最大回撤与分位数风险评估

常用统计：量化最大回撤与分位数风险评估

小象量化极客小册 · 华尔街量化分析先锋系列

Pandas 是量化交易员最核心的武器。本节你将通过 Series 和 DataFrame 深度处理时间序列行情数据，掌握 loc/iloc 定位筛选、缺失值与重复值清洗、以及最大回撤与年化波动率等核心指标统计计算。

小象量化极客小册 · 华尔街量化分析先锋系列 Pandas 是量化交易员最核心的武器。本节你将通过 Series 和 DataFrame 深度处理时间序列行情数据，掌握 loc/iloc 定位筛选、缺失值与重复值清洗、以及最大回撤与年化波动率等核心指标统计计算。

💡 核心导读

本节将深入讲解 Pandas 中两个核心统计方法：describe() 和 quantile()。通过学习，您将掌握如何快速生成数据集的描述性统计摘要，以及如何精确计算任意分位数。重点包括：理解默认统计指标含义、自定义分位数计算、处理缺失值策略，以及如何将这些方法应用于实际数据分析工作流。配套的代码示例将展示在真实数据集上的应用场景。

描述性统计 describe()

基础用法

describe() 方法自动计算数值型列的常用统计量：

import pandas as pd
import numpy as np

data = {
    '温度': [22.1, 23.5, 18.7, np.nan, 25.3, 19.8, 21.4],
    '湿度': [45, 62, 38, 55, np.nan, 67, 72],
    '类别': ['A', 'B', 'A', 'C', 'B', 'A', 'C']
}
df = pd.DataFrame(data)

desc = df.describe()
print(desc)

执行后输出：

            温度        湿度
count   6.000000   6.00000
mean   21.800000  56.50000
std     2.480040  13.34645
min    18.700000  38.00000
25%    20.275000  47.50000
50%    21.750000  58.50000
75%    23.150000  65.25000
max    25.300000  72.00000

参数定制

• include/exclude：控制包含/排除的数据类型
• percentiles：自定义百分位数范围

print(df.describe(include='all', percentiles=[0.1, 0.9]))

print(df[['温度']].describe(percentiles=[0.05, 0.95]))

💡 概念小测：分位数风险

在量化风险管理中，计算收益率的 0.01 分位数（Quantile）通常代表什么金融含义？

• 代表投资组合有 1% 的概率在一天内获得超过该数值的极大超额回报。
• 对应了 99% 置信度下的每日在险价值（VaR），即有 99% 的把握每日亏损不会超过此临界值。
• 代表股票的市盈率在全市场处于极度低估的前 1% 分位。
• 统计学上的中位数，即有一半的股票价格比这个低。

📝 选择题

💡 概念小测：分位数风险 在量化风险管理中，计算收益率的 0.01 分位数（Quantile）通常代表什么金融含义？

• A. 代表投资组合有 1% 的概率在一天内获得超过该数值的极大超额回报。
• B. 对应了 99% 置信度下的每日在险价值（VaR），即有 99% 的把握每日亏损不会超过此临界值。
• C. 代表股票的市盈率在全市场处于极度低估的前 1% 分位。
• D. 统计学上的中位数，即有一半的股票价格比这个低。

答案：B（对应了 99% 置信度下的每日在险价值（VaR），即有 99% 的把握每日亏损不会超过此临界值。）

分位数计算 quantile()

单分位点计算

median_temp = df['温度'].quantile(0.5)
print(f"温度中位数: {median_temp:.2f}°C")

quartiles = df['湿度'].quantile([0.25, 0.5, 0.75])
print("\n湿度四分位数:")
print(quartiles)

多分位点与插值方法

interpolation 参数控制分位数计算方式：

• linear：线性插值（默认）
• lower：取较小值
• higher：取较大值
• nearest：最近邻值

data_points = [10, 20, 30, 40]
ser = pd.Series(data_points)

print("线性插值:", ser.quantile(0.35, interpolation='linear'))
print("下界取值:", ser.quantile(0.35, interpolation='lower'))

处理缺失值

print(df['湿度'].quantile(0.75))

try:
    print(df['湿度'].quantile(0.75, skipna=False))
except Exception as e:
    print(f"错误: {str(e)}")

综合应用示例

数据分布分析

np.random.seed(42)
normal_data = pd.DataFrame({
    '正态分布': np.random.normal(50, 10, 1000)
})

quantiles = normal_data.quantile([0.001, 0.01, 0.1, 0.5, 0.9, 0.99, 0.999])
print("\n极端分位点分析:")
print(quantiles)

import matplotlib.pyplot as plt
normal_data.plot(kind='box', vert=False)
plt.title('数据分布与分位点')
plt.show()

异常值检测

Q1 = df['温度'].quantile(0.25)
Q3 = df['温度'].quantile(0.75)
IQR = Q3 - Q1

lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR

outliers = df[(df['温度'] < lower_bound) | (df['温度'] > upper_bound)]
print("\n温度异常值记录:")
print(outliers)

💡 代码填空：分位数计算

补全代码，计算小象咖啡日销量数据的 0.9 分位数（以确认畅销日的高峰销售水平）：

import pandas as pd

sales = pd.Series([100, 150, 200, 250, 300, 400, 500])
high_barrier = sales.{blank}(0.9)
print(high_barrier)

• percentile
• quantile
• median

✏️ 填空题

💡 代码填空：分位数计算 补全代码，计算小象咖啡日销量数据的 0.9 分位数（以确认畅销日的高峰销售水平）：

import pandas as pd
sales = pd.Series([100, 150, 200, 250, 300, 400, 500])
# 计算 90% 分位数
high_barrier = sales.___(0.9)
print(high_barrier)

答案：quantile

本章小结

行动清单

• 使用 describe() 分析你最近项目的某个数据集，注意观察不同数据类型的输出差异
• 计算某时间序列数据的95%分位数，比较linear和nearest插值方法的差异
• 对包含缺失值的列执行分位数计算，测试skipna参数的影响

「小象量化教研组」