Rust金融投资库investments的使用指南

介绍

investments是一个用于金融投资组合管理和资产分析的Rust库，它提供了高效的工具来处理投资数据、计算关键指标和执行投资组合分析。这个库特别适合需要高性能金融计算的Rust开发者，可以用于构建投资分析工具、自动化交易系统或金融研究平台。

主要功能

• 投资组合构建与管理
• 资产回报率计算
• 风险指标分析(波动率、VaR等)
• 投资组合优化
• 资产相关性分析
• 绩效评估指标计算

安装

在Cargo.toml中添加依赖：

[dependencies]
investments = "0.3.0"  # 请检查最新版本号

基本使用方法

1. 创建投资组合

use investments::portfolio::{Portfolio, Asset};

fn main() {
    // 创建资产
    let asset1 = Asset::new("AAPL", 100.0, 150.0); // 名称, 持有数量, 当前价格
    let asset2 = Asset::new("MSFT", 50.0, 200.0);
    
    // 创建投资组合
    let mut portfolio = Portfolio::new("My Portfolio");
    portfolio.add_asset(asset1);
    portfolio.add_asset(asset2);
    
    println!("Portfolio value: ${:.2}", portfolio.value());
}

2. 计算回报率

use investments::returns::{daily_returns, annualized_return};

fn main() {
    // 假设这是某资产连续5天的价格
    let prices = vec![100.0, 102.0, 101.5, 103.2, 105.0];
    
    // 计算每日回报率
    let returns = daily_returns(&prices);
    println!("Daily returns: {:?}", returns);
    
    // 计算年化回报率
    let ann_return = annualized_return(&returns, 252); // 252个交易日
    println!("Annualized return: {:.2}%", ann_return * 100.0);
}

3. 风险分析

use investments::risk::{volatility, value_at_risk};

fn main() {
    let returns = vec![0.01, -0.02, 0.015, -0.01, 0.02, -0.005];
    
    // 计算波动率(标准差)
    let vol = volatility(&returns);
    println!("Volatility: {:.4}", vol);
    
    // 计算95% VaR
    let var = value_at_risk(&returns, 0.95);
    println!("95% VaR: {:.2%}", var);
}

4. 投资组合优化

use investments::optimization::{mean_variance_optimization};
use investments::statistics::expected_returns;

fn main() {
    // 假设有3种资产的历史回报数据
    let asset_returns = vec![
        vec![0.01, 0.02, -0.01, 0.015], // 资产1
        vec![0.005, 0.01, 0.008, 0.012], // 资产2
        vec![-0.01, 0.03, 0.02, -0.005], // 资产3
    ];
    
    // 计算预期回报
    let exp_returns = expected_returns(&asset_returns);
    
    // 均值-方差优化
    let result = mean_variance_optimization(
        &asset_returns, 
        &exp_returns, 
        0.02, // 目标回报率
        None  // 无权重约束
    );
    
    println!("Optimal weights: {:?}", result.weights);
    println!("Portfolio volatility: {:.4}", result.volatility);
}

高级功能

资产相关性分析

use investments::statistics::correlation_matrix;

fn main() {
    let asset_returns = vec![
        vec![0.01, 0.02, -0.01, 0.015],
        vec![0.005, 0.01, 0.008, 0.012],
        vec![-0.01, 0.03, 0.02, -0.005],
    ];
    
    let corr_matrix = correlation_matrix(&asset_returns);
    println!("Correlation matrix:\n{:?}", corr_matrix);
}

绩效评估指标

use investments::performance::{sharpe_ratio, sortino_ratio};

fn main() {
    let portfolio_returns = vec![0.01, -0.02, 0.015, -0.01, 0.02];
    let risk_free_rate = 0.005;
    
    let sharpe = sharpe_ratio(&portfolio_returns, risk_free_rate);
    let sortino = sortino_ratio(&portfolio_returns, risk_free_rate);
    
    println!("Sharpe ratio: {:.2}", sharpe);
    println!("Sortino ratio: {:.2}", sortino);
}

完整示例Demo

下面是一个综合使用investments库的完整示例：

use investments::{
    portfolio::{Portfolio, Asset},
    returns::{daily_returns, annualized_return},
    risk::{volatility, value_at_risk},
    statistics::{correlation_matrix, expected_returns},
    performance::{sharpe_ratio, sortino_ratio},
    optimization::mean_variance_optimization
};

fn main() {
    // 1. 创建投资组合
    let mut portfolio = Portfolio::new("My Investment Portfolio");
    portfolio.add_asset(Asset::new("AAPL", 100.0, 150.0));
    portfolio.add_asset(Asset::new("GOOGL", 30.0, 2500.0));
    portfolio.add_asset(Asset::new("TSLA", 50.0, 700.0));
    
    println!("Portfolio value: ${:.2}", portfolio.value());
    
    // 2. 计算回报率
    let aapl_prices = vec![145.0, 146.2, 148.5, 147.8, 150.2, 152.5];
    let returns = daily_returns(&aapl_prices);
    let ann_return = annualized_return(&returns, 252);
    println!("AAPL annualized return: {:.2}%", ann_return * 100.0);
    
    // 3. 风险分析
    let portfolio_returns = vec![0.02, -0.01, 0.015, -0.005, 0.03, -0.02];
    println!("Portfolio volatility: {:.4}", volatility(&portfolio_returns));
    println!("95% VaR: {:.2}%", value_at_risk(&portfolio_returns, 0.95) * 100.0);
    
    // 4. 资产相关性分析
    let asset_returns = vec![
        vec![0.01, 0.02, -0.01, 0.015],  // AAPL
        vec![0.005, 0.01, 0.008, 0.012], // GOOGL
        vec![-0.01, 0.03, 0.02, -0.005]  // TSLA
    ];
    println!("Correlation matrix:\n{:?}", correlation_matrix(&asset_returns));
    
    // 5. 投资组合优化
    let exp_returns = expected_returns(&asset_returns);
    let result = mean_variance_optimization(
        &asset_returns,
        &exp_returns,
        0.015, // 目标回报率1.5%
        None
    );
    println!("Optimized weights: {:?}", result.weights);
    
    // 6. 绩效评估
    let risk_free = 0.003;
    println!("Sharpe ratio: {:.2}", sharpe_ratio(&portfolio_returns, risk_free));
    println!("Sortino ratio: {:.2}", sortino_ratio(&portfolio_returns, risk_free));
}

注意事项

1. 金融计算通常需要高精度，确保使用适当的数据类型
2. 实际应用中应考虑数据的完整性和质量
3. 投资决策不应仅基于这些计算结果，需综合考虑多方面因素
4. 对于大型数据集，考虑使用并行计算提高性能

这个库提供了构建金融分析工具的基础组件，你可以根据需要扩展功能或将其集成到更大的系统中。