实证资产定价（Empirical asset pricing）已经发布于Github和Pypi. 包的具体用法(Documentation)博主将会陆续在CSDN中详细介绍，也可以通过Pypi直接查看。

Pypi: pip install --upgrade EAP

HomePage： EAP · a catchy description for your project

Github: GitHub - whyecofiliter/EAP: empirical asset pricing
————————————————

投资组合的结果的表现方式有很多，主要的方式包含数字和图片。图片相对于数字更加直观，更容易发现规律，也更容易呈现。所以，我们添加了对投资组合的图片表现形式。

利用

from EAP.util import plot

导入plot函数，该函数的参数为

def plot(portfolio, pattern='scatter', alpha=False, percentage=True, figsize=(14, 7), pos=0.0, **kwargs):

input :

portfolio (ptf_analysis): The fitted portfolio.

pattern (str): The plot patterns, including 'scatter', 'line', and 'bar' for univariate analysis, and including '3d' and 'scatter' for bivariate analysis.

alpha (boolean): Whether plot the factor adjusted alpha. The DEFAULT is False.

percentage (boolean): Whether plot the return and alpha in percentage. The DEFAULT is True.

figsize (tuple): Set the figure size. The DEFAULT is (14, 7).

pos (str): Adjust the position of the axes in 3d figure of bivariate analysis.

kwargs: The keywords of plot in seaborn and matplotlib.

其中

portfolio是拟合后的投资组合。

pattern是图片式样。

alpha是是否包含alpha值。

percentage是是否用百分数来表示组合收益和alpha值。

figsize是图片大小。

pos是调整双重排序的3d图位置

kwargs是seaborn和matplotlib的plot函数中的其他参数。

举例

from EAP.util import plot
from EAP.portfolio_analysis import univariate, bivariateuni = univariate(sample).fit()
plot(uni)bi = bivariate(sample).fit()
plot(bi)

Univariate

Bivariate： 3d