Notebook
In [3]:
import pandas as pd
import numpy as np
import seaborn as sns

hash_backtestids = {
    'L2_3': '5e4967e95dc6394338b44ca4',
    'L2_4': '5e49682507f5894344428fe9',
    'L2_5': '5e496871dbd132434231f42b',
    'L2_6': '5e4968b807f5894344428ff2',
    'L2_7': '5e496900377191436dc71152',
    'L2_10': '5e4a94546f6bb24341956830'
}

df = pd.DataFrame()
for backtest_name in hash_backtestids:
    bt = get_backtest(hash_backtestids[backtest_name])
    df[backtest_name] = bt.daily_performance.returns
    
corr = df.corr()
sns.heatmap(corr, 
        xticklabels=corr.columns,
        yticklabels=corr.columns)
    
100% Time:  0:01:32|##########################################################|
100% Time:  0:01:42|##########################################################|
100% Time:  0:01:29|##########################################################|
100% Time:  0:01:47|##########################################################|
100% Time:  0:01:51|##########################################################|
100% Time:  0:01:46|##########################################################|
Out[3]:
<matplotlib.axes._subplots.AxesSubplot at 0x7f14597f9dd0>
In [4]:
print(df.corr())
           L2_3      L2_7      L2_6      L2_5     L2_10      L2_4
L2_3   1.000000  0.338864  0.203672 -0.013779 -0.115307  0.233054
L2_7   0.338864  1.000000  0.174501  0.531263  0.058802  0.099852
L2_6   0.203672  0.174501  1.000000 -0.119238 -0.233740  0.401896
L2_5  -0.013779  0.531263 -0.119238  1.000000  0.325580 -0.255995
L2_10 -0.115307  0.058802 -0.233740  0.325580  1.000000 -0.261392
L2_4   0.233054  0.099852  0.401896 -0.255995 -0.261392  1.000000