水滴觅天机: 链接:网页链接来源:知乎 同一个资产,不同周期频率收益率,算出来的夏普值,根本就不是一回事! 比如用每日的收益率算夏普值…

使连续:
根源:知乎

完整同样的的事物资产,意见分歧丰满的频率生利,夏朴智计算,这过失一回事。!

譬如,应用日收益率来计算夏普值。,并应用年收益率来计算夏普。,这过失一回事。。并在计算时。,收益率和动摇轮转应该是分歧的。,你不克不及用每天的记载来计算收益率。,以后用周线计算动摇率。。

在首要成绩上。,这有效地是杂乱的丰满的。,哪怕你想计算三天的战利品收益。,我们家还必然的主要成分范本的频率来计算动摇率。,但是,这是三天的丰满的。,就是一范本。,动摇率是不会有的计算的。。因而不得不主要成分日收益计算。。

这是最近的写的直言的解说。,应用一实践的要求来阐明(Python说闲话)。

———————————————————讲话分割线———————————————————

重任基金报复的一显露的基准是夏普比率(夏普)。 比率)。具有协同使就职意识到的人明确的这点。,使就职获益是不敷的。,发动风险。,换句话说,利润风险比率。。夏普比率作为示范了这样地概念。,换句话说,单位的总风险。,将发生多多少少额定酬劳?。这是用数学脸色作为示范的。:

在监狱里,

:使就职结成预言收益

:无风险货币利率

:使就职结成的动摇性(哪怕就职结成风险)

以上所述三个值普通是指年后的值。,譬如,预言收益率是预言的年收益率。。

我们家必要注重的是,不过这样地脸色演出很简略。,计算起来否轻易。。账是预言收益率和动摇率不克不及是ACC。。我们家不得不经过与应有的数量相符方式来加以总结这两个值。。加以总结有很多方式。,最简略的方式是计算历史年化收益率及其STA。。

但是,哪怕是异样的方式。,意见分歧时间的计算最后可能性意见相左很大。,这会创造给错误的劝告。。上面是一要求来阐明。。我们家的组是一组生利记载。:

import pandas as pd import numpy as np year_list=[] month_list=[] rtn_list=[] # 对数生利的发生,半载 for year in range(2006,2017): for month in [6,12]: (年) (月) rtn=round((-1)**(month/6)*(month/6/10),3)+(())*0.1 rtn_list.append(rtn) # 六月的产率为DF。 df=() DF[年份] =年份列表 DF[月] =蒙太尔表 df[ rtn′]=rnn-列表

生利为对数生利。,。从2006年到2016年,半载是频率。,总平民22个记载点。。

计算其潮流振幅比:

round(df[”rtn”].mean()/df[”rtn”].std()*(2),3)

最后是:

由于我们家必然的计算一年的期间的等值的。,相应地,生利应乘以2。,动摇率每年应乘以2倍。。

如今我们家把记载转变为年收益率。。应用GulpBy方式:

# 大发脾气年度收益记载DFY年历(对数收益率可以直觉的添加) DFAY= =([年])和 del df_year[”month”]

计算其潮流振幅比:

round(df_year[”rtn”].mean()/df_year[”rtn”].std(),3)

通用的最后是:

可以关照,同样的生利记载,应用意见分歧的丰满的,最后是去大的。。普通来说,丰满的频率越小。,保留利润波动是有点烦恼的。,每天利润比任何时辰利润都不寻常的多。。我们家可以设想一顶点的要求。,在10年中,年收益10%,锋利的等值的是无界限的的。,由于利润是完整波动的。,缺少动摇。,但月经收益否完整同样的。,因而从每月的收益率,夏普过失无界限的的。。

因而当你看夏普值时,,我们家必然的注重这样地夏普值的计算。,要不然,很轻易创造审判不公。。

本身的计算,缺少强制性基准。,无论如何有两点要注重。

一是要合并本身的实践,譬如高频谋略自然有才能的日收益率,每周调仓的谋略可以用周收益率。二是并列地谋略好孬的时辰,轮转应分歧,譬如,有点每日库存调节器谋略和一个月的时间。,它必然的替换成同样的的丰满的。,有可比较性。。

发表评论

电子邮件地址不会被公开。 必填项已用*标注