옵션 거래 샤프 비율

샤프 비율.

'샤프 비율'이란 무엇입니까?

Sharpe 비율은 변동성 또는 총 위험의 단위당 무위험 이자율을 초과하여 얻은 평균 수익률입니다. 평균 수익률에서 무위험 이자율을 뺀 결과, 위험 부담 활동과 관련된 성과를 분리 할 수 ​​있습니다. 이 계산의 한 가지 직관은 미국 재무부 채권 매수 (기대 수익률이 무위험 이자율)와 같은 "위험이없는"투자에 종사하는 포트폴리오는 Sharp ratio가 정확히 0입니다. 일반적으로 Sharpe 비율의 값이 클수록 위험 조정 수익률이 더 매력적입니다.

Sharpe Ratio는 노벨상 수상자 William F. Sharpe가 개발했습니다.

속보 '샤프 비율'

샤프 비율은 위험 조정 수익을 계산하는 데 가장 널리 사용되는 방법이되었습니다. 그러나 예상 수익의 정상 분배가없는 포트폴리오 또는 자산에 적용될 때 부정확 할 수 있습니다. 많은 자산에는 높은 수준의 첨도 ( '뚱뚱한 꼬리') 또는 음의 왜곡이 있습니다.

Sharpe 비율은 옵션이나 영장과 같은 중요한 비선형 위험을 가진 포트폴리오를 분석 할 때도 실패하는 경향이 있습니다. Sortino Ratio, Return Draw Maximum Drawdown (RoMaD) 및 Treynor Ratio를 포함하여 다른 위험 조정 수익률 방법론이 수년간 출현했습니다.

현대 포트폴리오 이론에 따르면 서로가 1보다 작은 상관 관계를 갖는 다양한 포트폴리오에 자산을 추가하면 수익을 희생하지 않고 포트폴리오 위험을 줄일 수 있습니다. 이러한 다양 화는 포트폴리오의 Sharpe 비율을 증가시키는 역할을합니다.

샤프 비율 = (평균 포트폴리오 수익 - 무위험 이자율) / 포트폴리오 수익의 표준 편차.

사전 예고 Sharpe 비율 공식은 예상 수익률을 사용하고 사후 Sharpe 비율은 실현 수익률을 사용합니다.

샤프 비율의 응용.

샤프 비율은 종종 새로운 자산 또는 자산 클래스가 추가 될 때 포트폴리오의 전체 위험 - 수익 특성의 변화를 비교하는 데 사용됩니다. 예를 들어 포트폴리오 관리자는 Sharpe ratio가 0.67 인 주식 및 채권의 기존 50/50 투자 포트폴리오에 헤지 펀드 배분을 추가하는 것을 고려하고 있습니다. 새로운 포트폴리오의 배당액이 40/40/20 주식, 채권 및 헤지 펀드 다변화 (아마도 펀드의 펀드) 인 경우 Sharpe 비율은 0.87로 증가합니다. 이는 헤지 펀드 투자가 독립형 익스포저로 위험하더라도 실제로 결합 포트폴리오의 리스크 수익률 특성을 향상시킴으로써 다양 화 이익을 추가 함을 의미합니다. 새로운 투자의 추가로 샤프 비율이 낮아지면 포트폴리오에 추가해서는 안됩니다.

또한 Sharpe 비율은 포트폴리오의 초과 수익이 현명한 투자 결정 또는 너무 많은 위험의 결과로 인한 것인지 여부를 설명하는 데 도움이 될 수 있습니다. 하나의 포트폴리오 또는 펀드가 다른 펀드보다 높은 수익을 올릴 수는 있지만 더 높은 수익이 초과 위험을 안게되면 좋은 투자 일뿐입니다. 포트폴리오의 샤프 비율이 높을수록 위험 조정 실적이 향상됩니다. Sharpe 비율이 음수이면 분석 대상 보안보다 위험이 적은 자산이 더 잘 수행됨을 나타냅니다.

비평과 대안.

Sharpe 비율은 반품이 정상적으로 분배된다고 가정 한 총 포트폴리오 위험의 프록시로서 분모의 수익의 표준 편차를 사용합니다. 금융 자산에 대한 수익률이 정규 분포에서 벗어나는 경향이 있고 Sharpe 비율에 대한 해석을 오도하게 할 수 있다는 증거가 있습니다.

Sharpe 비율의 변형은 Sortino 비율입니다. 이 비율은 표준 편차에 대한 상승 가격 움직임의 영향을 제거하여 가격 변동성 하락에 대한 수익만을 측정하고 분모에서 반 변량을 사용합니다. Treynor 비율은 표준 편차 대신 체계적 위험 또는 베타 (β)를 분모의 위험 측정으로 사용합니다.

Sharpe 비율은 헤지 펀드 또는 포트폴리오 관리자가 자신들의 명백한 위험 조정 수익률 기록을 높이기 위해 노력할 수도 있습니다. 이 작업은 다음과 같이 수행 할 수 있습니다.

측정 간격 연장 : 이로 인해 변동성이 낮아집니다. 예를 들어 일일 수익률의 연간 표준 편차는 일반적으로 주간 수익률의 월별 표준 편차보다 높으며, 이는 월별 수익률보다 높습니다. 월간 수익을 합산하지만 복리가 아닌 월간 수익에서 표준 편차를 계산합니다. 포트폴리오에 외상 의사와 통화 기록 :이 전략은 수년 동안 성과 보상없이 옵션 보험료를 징수함으로써 잠재적으로 수익을 증가시킬 수 있습니다. 기본 위험, 유동성 위험 또는 다른 형태의 재앙 위험을 감수하는 전략은 상향 조정 된 Sharpe 비율을보고하는 동일한 능력을 가지고 있습니다. 예를 들어 1998 년 유동성 위기 전후의 시장 중립적 인 헤지 펀드의 예가있다.) 수익의 원활화 : 특정 파생 구조, 비유 동 자산의 시장 출시 빈도 또는 월간 이익 또는 손실을 과소 평가하는 가격 결정 모델 사용은 변동성을보고했다. 극단적 인 수익률 제거 : 이러한 수익률은 헤지 펀드의보고 된 표준 편차를 증가시키기 때문에 관리자는 표준 편차를 줄이기 위해 매월 최고 및 최저 월별 수익률을 제거하려고 시도 할 수 있습니다.

샤프 비율 이해하기.

Sharpe 비율은 William Sharpe가 1966 년에 도출 한 것이기 때문에 금융 분야에서 가장 많이 사용되는 위험 / 수익 측정 방법 중 하나였으며이 인기의 상당 부분은 단순성 때문일 수 있습니다. Sharpe 교수가 자본 자산 가격 결정 모형 (CAPM)에 대한 그의 연구로 1990 년 노벨 경제학 상을 수상했을 때이 비율의 신뢰도는 더욱 높아졌다.

이 기사에서는 Sharpe 비율과 그 부분의 합계를 설명합니다.

샤프 비율이 정의되었습니다.

재무 배경을 가진 대부분의 사람들은 Sharpe 비율이 어떻게 계산되고 그것이 무엇을 나타내는지를 빨리 이해할 수 있습니다. 이 비율은 위험한 자산을 보유 할 때 견딜 수있는 추가 변동성에 대해 초과 수익이 얼마나되는지를 나타냅니다. 위험이없는 자산을 보유하지 않은 경우 추가 위험을 적절히 보상해야합니다.

이 비율이 어떻게 작동하는지에 대한 공식을 시작으로 더 잘 이해할 수 있습니다.

X는 투자의 평균 수익률, X는 평균 수익률, R f는 무위험 증권 (즉, T - 청구서)의 최대 수익률입니다. StdDev (x)는 r x의 표준 편차입니다.

측정 된 수익은 정상적으로 분배되는 한 모든 빈도 (즉, 일별, 주별, 월별 또는 매년)가 될 수 있습니다. 여기에는 비율의 기본 약점이 있습니다. 모든 자산 수익률이 정상적으로 분배되는 것은 아닙니다.

표준 편차는 이러한 문제가 존재할 때 동일한 효과가 없기 때문에 첨도, 더 긴 꼬리 및 높은 봉우리 또는 분포의 왜곡은 비율에 문제가 될 수 있습니다. 반품이 정상적으로 이루어지지 않을 때이 수식을 사용하는 것은 때로는 위험 할 수 있습니다.

무위험 수익률은 자산에 대해 취하고있는 추가 위험에 대해 적절한 보상을 받고 있는지 확인하는 데 사용됩니다. 전통적으로, 무위험 수익률은 최단 일자 정부 T - 청구서 (즉, 미국 T - 청구서)입니다. 이러한 유형의 보안은 변동성이 가장 적지 만 사용 된 위험이없는 보안은 비교 대상인 투자 기간과 일치해야한다고 주장합니다.

예를 들어, 주식은 이용 가능한 기간 중 가장 긴 기간 자산이므로, 정부 발행의 인플레이션 보호 증권 (IPS)과 같은 가장 긴 기간의 위험이없는 자산과 비교해서는 안됩니까?

오래 지속되는 IPS를 사용하면 정상 이자율 환경에서 IPS가 T - 청구서보다 더 높은 실질 수익을 가져야하므로 비율에 대해 다른 값을 얻게됩니다.

예를 들어 바클레이의 미국 재무부 인플레이션 - 보호 증권 1-10 년 지수는 2017 년 9 월 30 일까지 3.3 %, S & P 500 지수는 같은 기간 동안 7.4 %를 반환했다. 이 기간 동안 투자자가 채권에 대한 채권을 선택할 위험을 공정하게 보상한다고 주장 할 수 있지만, 채권 지수의 Sharpe 비율은 1.16 % 대 주식 지수의 0.38 %는 주식이 위험 자산임을 나타냅니다.

초과 위험 수익을 위험 자산의 수익에서 무위험 수익률을 뺀 값으로 계산 했으므로이를 위험 자산의 표준 편차로 나눌 필요가 있습니다. 위에서 언급 한 바와 같이, 숫자가 높을수록 위험 / 수익 관점에서 투자가 잘 보입니다.

반품이 분배되는 방식은 Sharpe 비율의 Achilles 발 뒤꿈치입니다. 벨 커브는 시장에서 큰 움직임을 고려하지 않습니다. Benoit Mandelbrot과 Nassim Nicholas Taleb는 "금융 전문가가 어떻게 위험을 모두 감수해야하는지"(Fortune, 2005)에서 벨 곡선은 사실주의가 아니라 수학적 편의를 위해 채택되었습니다.

그러나 표준 편차가 매우 큰 경우가 아니라면 레버리지가 비율에 영향을 미치지 않을 수 있습니다. 분자 (반환)와 분모 (표준 편차)는 문제없이 두 배가 될 수 있습니다. 표준 편차가 너무 높아지면 문제가 발생하기 시작합니다. 예를 들어, 10 대 1로 레버리지를 사용하는 주식은 10 %의 가격 하락을 쉽게 볼 수 있습니다. 이는 원래 자본의 100 % 하락 및 초기 마진 콜을 의미합니다.

샤프 비율과 위험.

Sharpe 비율과 위험 사이의 관계를 이해하는 것은 흔히 총 위험이라고도하는 표준 편차를 측정하는 것으로 이어집니다. 표준 편차의 제곱은 모발 포트폴리오 이론의 선구자로 가장 잘 알려져있는 노벨상 수상자 Harry Markowitz가 정의한 분산입니다. 자세한 내용은 휘발성 측정 이해를 참조하십시오.

왜 Sharpe는 표준 편차를 선택하여 위험에 대한 초과 수익을 조정했으며 왜 우리가 신경 써야합니까? 우리는 Markowitz가 통계적 분산의 척도 인 분산을 정의했거나 예상 값에서 얼마나 떨어져 있는지를 투자자에게 바람직하지 않은 것으로 정의했습니다. 분산의 제곱근 또는 표준 편차는 분석되는 데이터 시리즈와 동일한 단위 형식을 가지며 위험 측정에 더 일반적으로 사용됩니다.

다음 예는 왜 투자자가 분산에 신경 써야하는지 설명합니다.

투자자는 향후 10 년 동안 10 %의 기대 수익률로 3 가지 포트폴리오 중 하나를 선택할 수 있습니다. 아래 표의 평균 수익률은 명시된 기대치를 나타냅니다. 투자 지평선에 대해 달성 한 수익률은 연간 수익률로 표시되며, 이는 배합을 고려한 것입니다. 데이터 표와 차트가 아래에 명확하게 나와 있듯이 표준 편차는 예상 수익에서 벗어났습니다. 리스크가없고 표준 편차가 0 일 경우 수익은 예상 수익과 동일합니다.

Sharpe 비율은 위험을 조정하여 투자 관리자의 실적을 비교하는 데 자주 사용되는 수익률입니다.

예를 들어, 투자 관리자 A가 15 %의 수익을 창출하고 투자 관리자 B가 12 %의 수익을 창출하면 관리자 A가 더 나은 수행자로 보입니다. 그러나 15 % 수익률을 낸 관리자 A가 관리자 B보다 훨씬 큰 위험을 감수했다면 실제로 관리자 B가 더 나은 위험 조정 수익을 올린 경우 일 수 있습니다.

예제를 계속 진행하려면 위험 자유 율은 5 %이고 매니저 A의 포트폴리오는 표준 편차가 8 % 인 반면 매니저 B의 포트폴리오는 표준 편차가 5 %라고 가정합니다. 관리자 A의 Sharpe 비율은 1.25이며 관리자 B의 비율은 관리자 A보다 나은 1.4입니다. 이러한 계산을 기반으로 관리자 B는 위험 조정 기준에 따라 더 높은 수익을 창출 할 수있었습니다.

어떤 통찰력을 위해서 : 1 이상의 비율은 좋은 것으로 간주됩니다. 2 또는 그 이상이 매우 좋다; 3 이상은 우수하다고 간주됩니다.

투자 선택을 고려할 때 위험과 보상을 함께 평가해야합니다. 이것은 현대 포트폴리오 이론에서 제시된 초점입니다. 위험의 공통된 정의에서 표준 편차 또는 분산은 투자자로부터 보상을받습니다. 따라서 투자를 선택할 때 보상과 함께 위험을 항상 처리해야합니다. Sharpe 비율은 위험을 고려하면서 가장 높은 수익을 낼 수있는 투자 선택을 결정하는 데 도움을 줄 수 있습니다.

옵션.

76 & # 32; пользователей находятся здесь.

МОДЕРАТОРЫ.

brazeau doougle 옵션 Bro о команде модераторов & raquo;

Reddit에 오신 것을 환영합니다.

인터넷의 첫 페이지.

수천 개의 커뮤니티 중 하나에 가입하십시오.

토론에 추가하고 싶습니까?

помощь правила сайта центр поддержки вики реддикет 모드 가이드 라인 связаться с нами.

приложенияи инструменты Reddit for iPhone Reddit for Android 모바일 웹 사이트 кнопки.

회신을 보내십시오. & # 32; & # 32; Политика конфиденциальности. &부; 2017 reddit 그래픽입니다. Все права защищены.

REDDIT 및 ALIEN 로고는 reddit inc의 등록 상표입니다.

& pi; PID 123114에서 & # 32; app-457 & # 32; 2017-12-14 17 : 32 : 45.654154 + 00 : 00 a69c27d 국가 코드 사용 : UA.

QuantStart.

빠르게 성장하는 소매점 퀀텀 트레이더 커뮤니티를 지원하는 Quantcademy 개인 회원 포털에 가입하십시오. 당신은 당신의 가장 중요한 퀀트 트레이딩 질문에 대답 할 준비가되어있는 지식이 풍부하고 마음이 맞는 퀀트 트레이더 그룹을 찾을 수 있습니다.

퀀트 트레이딩에 관한 나의 eBook을 확인해보십시오. 여기서 저는 파이썬 툴로 수익성 높은 체계적인 트레이딩 전략을 만드는 법을 가르쳐드립니다.

Python 및 R을 사용하여 시계열 분석, 기계 학습 및 베이지안 통계를 사용하는 고급 거래 전략에 관한 새로운 전자 책을 살펴보십시오.

Michael Halls-Moore (2013 년 5 월 29 일)

알고리즘 트레이딩 전략을 수행 할 때 연간 수익을 가장 유용한 성과 척도로 생각하고 싶습니다. 그러나이 측정 값을 별도로 사용하면 많은 결함이 있습니다. 특정 전략에 대한 수익률 계산은 완전하지 않습니다. 이것은 시장 중립적 인 변종이나 레버리지를 이용하는 전략과 같은 방향성이없는 전략에 특히 해당됩니다. 이러한 요소로 인해 자신의 수익에만 기초한 두 가지 전략을 비교하는 것이 어려워집니다.

또한 동일한 수익을내는 두 가지 전략이 제시되면 어떤 위험이 더 많이 포함되는지 어떻게 알 수 있습니까? 더 나아가, 우리는 심지어 "더 많은 위험"을 의미합니까? 금융 분야에서 우리는 종종 수익의 변동성 및 축소 기간에 관심이 있습니다. 따라서 이러한 전략 중 하나가 수익률 변동성이 상당히 큰 경우 역사적 수익률이 동일하지 않을지라도 비슷한 수익률을 보일지라도 매력이 떨어질 수 있습니다.

이러한 전략 비교 및 ​​위험 평가 문제는 Sharpe Ratio의 사용을 동기 부여합니다.

샤프 비율의 정의.

윌리엄 포 시스 샤프 (William Forsyth Sharpe)는 노벨상을받은 경제학자로서 자본 자산 가격 모델 (Capital Asset Pricing Model, CAPM)을 창안하고 1966 년 샤프 비율 (Sharpe Ratio)을 개발했다.

Sharpe Ratio $ S $는 다음 관계식으로 정의됩니다.

여기서 $ R_a $는 자산 또는 전략의 기간 수익이고 $ R_b $는 적절한 벤치 마크의 기간 수익입니다.

이 비율은 자산 또는 전략의 초과 수익률의 평균 평균과 수익률의 표준 편차를 비교합니다. 따라서 수익률의 변동성이 낮 으면 동일한 수익률을 가정 한 Sharpe 비율이 더 커집니다.

거래 전략을 수행하는 사람들이 종종 인용하는 "Sharpe Ratio"는 연율 화 된 Sharpe이며, 이 계산은 수익이 측정되는 거래 기간에 따라 다릅니다. 1 년에 $ N $의 거래 기간이 있다고 가정하면 연간 Sharpe는 다음과 같이 계산됩니다.

Sharpe 비율 자체는 해당 특정 기간 유형의 Sharpe를 기반으로 계산되어야합니다. 거래 일수를 기준으로 한 전략의 경우 $ N = 252 $ (365 일이 아닌 1 년에 252 거래일이므로) 및 $ R_a $, $ R_b $는 일일 수익이어야합니다. 비슷하게 거래일에 6.5 시간 밖에 없기 때문에, $ N = 252 \ times 6.5 = 1638 $, $ N = 252 \ times 24 = 6048 $와 같은 시간.

벤치 마크 포함.

위의 Sharpe 비율에 대한 수식은 벤치 마크 사용을 암시합니다. 벤치 마크는 고려해야 할 가치가있는 특정 전략을 극복해야하는 "척도"또는 "장애물"로 사용됩니다. 예를 들어, 미국의 대형주를 사용하는 단순한 장기 전략은 S & P500 지수를 평균보다 낮추거나 변동성을 줄이기 위해 노력할 것입니다.

벤치 마크의 선택은 때로는 분명하지 않을 수 있습니다. 예를 들어, ETF (Exhange Traded Fund)가 개별 주식 또는 S & P500 자체의 성과 벤치 마크로 활용되어야합니까? 러셀 3000은 왜 안 되니? 마찬가지로 헤지 펀드 전략이 시장 지수 또는 다른 헤지 펀드의 지수에 대해 벤치마킹되어야 하는가? 또한 "위험 자유 율"의 복잡성이 있습니다. 국내 국채는 사용해야합니까? 국제 채권 바구니? 단기 또는 장기 지폐? 혼합물? 분명히 벤치 마크를 선택할 수있는 방법이 많이 있습니다! Sharpe 비율은 일반적으로 무위험 이자율을 사용하며 종종 미국 주식 전략의 경우 10 년 정부 재무부 채권을 기준으로합니다.

특정 사례에서 시장 중립적 인 전략의 경우, 무위험 이자율 또는 0을 벤치 마크로 사용할지 여부와 관련하여 특별한 복잡성이 있습니다. 전략이 의도적으로 시장 중립적이기 때문에 시장 지수 자체를 활용해서는 안됩니다. 시장 중립 포트폴리오에 대한 올바른 선택은 자체 자금 조달이기 때문에 무위험 이자율을 빼는 것이 아닙니다. 마진을 유지하면서 신용이자 $ R_f $를 얻으므로 실제 수익 계산은 $ (R_a + R_f) - R_f = R_a $입니다. 따라서 달러 중립 전략에 대한 무위험 이자율의 실제 뺄셈은 없다.

제한 사항.

양적 금융 내 Sharpe 비율의 보급에도 불구하고 몇 가지 한계가 있습니다.

첫째로, 샤프 비율은 뒤로보고 있습니다. 장래에 발생할 가능성이 아니라 역사적 수익 분배와 변동성만을 설명합니다. Sharpe 비율에 근거한 판단을 내릴 때, 과거가 미래와 비슷할 것이라는 암묵적인 가정이 있습니다. 이것은 분명히 항상 그렇다고 볼 수는 없으며, 특히 시장 체제 변화에 따라 다릅니다.

샤프 비율 계산은 사용되는 수익률이 정규 분포 (즉, 가우스)라고 가정합니다. 불행히도, 시장은 종종 정상 분포보다 첨예화로 고통받습니다. 근본적으로 수익률 분포에는 "더 꼬리가 꼬리"가있어 극한 현상이 가우스 분포보다 발생할 확률이 더 높습니다. 따라서 꼬리 위험을 특성화 할 때 Sharpe 비율이 낮습니다.

이러한 위험에 매우 취약한 전략에서이를 분명하게 볼 수 있습니다. 예를 들어 통화 옵션 판매 (일명 "스팀 롤러 아래 페니"). 옵션 프리미엄의 꾸준한 흐름은 시간이 지남에 따라 통화 옵션을 판매함으로써 생성되어 수익의 변동성이 낮아 벤치 마크를 초과하게됩니다. 이 경우 전략은 높은 샤프 비율 (역사적 데이터를 기반으로 함)을 보유하게됩니다. 그러나, 그러한 옵션들이 불려질 수 있음을 고려하지 않고, 자본 곡선에서 중요하고 갑작스러운 삭감 (또는 심지어 퇴출)을 유도한다. 따라서 알고리즘 트레이딩 전략 성과의 어떤 척도와 마찬가지로 Sharpe 비율은 따로 따로 사용할 수 없습니다.

이 점이 분명해 보일 지 모르지만 현실적이기 위해서는 거래 비용이 샤프 비율 계산에 포함되어야합니다 (MUST). 현실적인 비용을 고려하면 높은 Sharpes (따라서 큰 수익성의 가능성)가 낮은 Sharpe, 낮은 수익성 전략으로 만 축소 될 수있는 수많은 거래 전략의 예가 있습니다. 이는 계산시 순 수익률을 사용한다는 것을 의미합니다. 초과하는 벤치 마크. 따라서 거래 비용은 샤프 비율 계산의 업스트림에 인수 분해되어야합니다.

실용적인 사용 및 예.

지금까지이 기사에서 답을 찾지 못한 한 가지 분명한 질문은 "전략에 대한 좋은 Sharpe Ratio는 무엇입니까?"입니다. 실용적으로 거래 비용 후 연간 Sharpe ratio $ S & lt $를 가진 전략은 무시해야합니다. 양적 헤지 펀드는 샤프 비율 $ S & lt; 2 $. 제가 잘 알고있는 탁월한 양적 헤지 펀드 중 하나는 연구 중에 Sharpe 비율이 $ S & lt $ $ 인 전략조차 고려하지 않았을 것입니다. 소매 알고리즘 트레이더로서 샤프 비율 $ S & gt2 $를 달성 할 수 있다면 매우 잘하고 있습니다.

Sharpe 비율은 종종 거래 빈도에 따라 증가합니다. 일부 고주파 전략은 거의 매일 수익을 내고 매월 수익을 올릴 수 있기 때문에 높은 단일 (및 때때로 낮은 이중) 자릿수 비율을 갖습니다. 이러한 전략은 치명적인 위험으로 인해 거의 피해를 입지 않으므로 수익률의 변동성을 최소화하므로 높은 Sharpe 비율로 이어집니다.

샤프 비율의 예.

이것은 지금까지 이론적으로 상당히 논리적 인 기사였습니다. 이제 실제 예를 살펴 보겠습니다. 우리는 개인 자본의 장기간에 걸친 인수를 고려한 다음 시장 중립적 인 전략을 고려함으로써 간단히 시작할 것입니다. 이 두 예제는 Python pandas 데이터 분석 라이브러리에서 수행되었습니다.

첫 번째 작업은 실제로 데이터를 가져와 팬더 DataFrame 객체에 저장하는 것입니다. 파이썬과 MySQL의 유가 증권 마스터 구현에 관한 기사에서 나는 이것을 달성하기위한 시스템을 만들었습니다. 또는이 간단한 코드를 사용하여 Yahoo Finance 데이터를 직접 가져 와서 팬더 DataFrame에 바로 입력 할 수 있습니다. 이 스크립트의 맨 아래에서 시간주기 반환 스트림을 기반으로 연간 Sharpe 비율을 계산하는 함수를 만들었습니다.

이제 Yahoo Finance에서 데이터를 얻고 연간 Sharpe 비율을 직접 계산할 수있게되었으므로 두 주식에 대한 구매 전략을 테스트 할 수 있습니다. Google은 2000 년 1 월 1 일부터 2013 년 5 월 29 일까지 Google (GOOG) 및 Goldman Sachs (GS)를 사용합니다 (이 기사를 작성한 시점에서!).

우리는 동일한 (하드 코딩 된) 기간 동안 여러 주식에 걸쳐 Sharpe를 빠르게 볼 수있는 추가 도우미 함수를 만들 수 있습니다.

Google의 경우 구매 및 보유에 대한 Sharpe 비율은 0.7501입니다. 골드만 삭스에게는 0.2178 :

이제 우리는 시장 중립적 전략에 대해 동일한 계산을 시도 할 수 있습니다. 이 전략의 목표는 특정 주식의 성과를 시장 전반과 완전히 분리시키는 것입니다. 이를 달성하는 가장 간단한 방법은 그러한 시장을 추적하도록 설계된 ETF (Exchange Traded Fund)를 동등한 액수 (달러로)로가는 것입니다. 미국 대형주 주식 시장에서 가장 외향적 인 선택은 S & P500 지수로 SPY의 ETF가 추적하며 SPY의 시세 표시입니다.

이러한 전략의 연간 Sharpe 비율을 계산하기 위해 SPY의 과거 가격을 구하고 이전 주식과 비슷한 방식으로 수익률을 계산합니다. 단, 위험이없는 벤치 마크는 사용하지 않습니다. 장단기 수익과 단기 수익률의 차이를 뺀 다음 2로 나눠서 계산해야하는 순 일일 수익을 계산할 것입니다. 다음은이를 수행하기위한 Python / pandas 코드입니다.

Google의 경우 장단기 전략에 대한 Sharpe 비율은 0.7597입니다. Goldman Sachs의 경우 0.2999입니다.

Sharpe 비율이 알고리즘 거래에서 거의 모든 곳에서 사용되고 있음에도 불구하고 성능 및 위험의 다른 측정 기준을 고려해야합니다. 최신 기사에서 우리는 약세와 그것들이 전략을 실행하기로 한 결정에 영향을 미치는 방법에 대해 논의 할 것입니다.

양적 거래 시작하기?

QuantStart 목록을 구독해야하는 3 가지 이유 :

1. 퀀트 트레이딩 레슨.

계량 거래를 시작하는 데 도움이되는 힌트와 팁으로 가득한 무료 10 일간 코스에 즉시 액세스 할 수 있습니다!

2. 모든 최신 내용.

매주 나는 퀀트 스타트에서 모든 활동의 포장을 보내드릴 것입니다. 그래서 당신은 결코 다시 글을 놓치지 않을 것입니다.

현실감 넘치는 퀀 트레이딩 팁.