อัตราส่วน ชาร์ป สำหรับ ขั้นตอน การซื้อขาย วัด ประสิทธิภาพการทำงาน

อัตราส่วนชาร์ปสำหรับขั้นตอนการซื้อขายวัดประสิทธิภาพการทำงาน โดยไมเคิลฮอลล์มัวร์เมื่อวันที่ 29 พฤษภาคม 2013 เมื่อดำเนินการตามกลยุทธ์การซื้อขายอัลกอริทึมมันเป็นที่ดึงดูดที่จะต้องพิจารณาผลตอบแทนต่อปีในขณะที่ตัวชี้วัดประสิทธิภาพการทำงานที่มีประโยชน์มากที่สุด แต่มีข้อบกพร่องจำนวนมากที่มีการใช้มาตรการนี​​้ในการแยก การคำนวณผลตอบแทนสำหรับกลยุทธ์บางอย่างตรงไปตรงมาไม่สมบูรณ์ นี่คือความจริงโดยเฉพาะอย่างยิ่งสำหรับกลยุทธ์ที่ไม่ได้ทิศทางเช่นสายพันธุ์ที่ตลาดกลางหรือกลยุทธ์ที่ทำให้การใช้งานของการงัด ปัจจัยเหล่านี้ทำให้ยากที่จะเปรียบเทียบสองกลยุทธ์ถือตามผลตอบแทนของพวกเขา นอกจากนี้หากเราจะมีสองกลยุทธ์ที่มีผลตอบแทนเ​​หมือนกันวิธีที่เราจะรู้ว่าที่หนึ่งที่มีความเสี่ยงมากขึ้น? นอกจากนี้สิ่งที่เราทำแม้กระทั่งหมายถึง "ความเสี่ยงมากขึ้น"? ในด้านการเงินเรามักจะมีความกังวลเกี่ยวกับความผันผวนของผลตอบแทนและระยะเวลาของการเบิก ดังนั้นหากหนึ่งในกลยุทธ์เหล่านี้มีความผันผวนสูงขึ้นอย่างมีนัยสำคัญของผลตอบแทนที่เราอาจจะพบว่ามันน่าสนใจน้อยลงแม้จะมีความจริงที่ว่าผลตอบแทนทางประวัติศาสตร์ของมันอาจจะเหมือนกันถ้าไม่เหมือนกัน ปัญหาเหล​​่านี้ของการเปรียบเทียบกลยุทธ์และการประเมินความเสี่ยงกระตุ้นการใช้อัตราส่วนชาร์ป ความหมายของอัตราส่วนชาร์ป วิลเลียมฟอร์ซิชาร์ปเป็นรางวัลโนเบลสาขาเศรษฐศาสตร์ชนะที่ช่วยสร้างตัวแบบ Capital Asset Pricing Model (CAPM) และพัฒนาอัตราส่วนชาร์ปในปี 1966 (การปรับปรุงต่อมาในปี 1994) อัตราส่วนชาร์ป $ $ S จะถูกกำหนดโดยความสัมพันธ์ต่อไปนี้: ที่ไหน R_a $ $ คือการกลับไปช่วงเวลาของสินทรัพย์หรือกลยุทธ์และ $ $ R_b คือการกลับไปเป็นระยะเวลามาตรฐานที่เหมาะสม อัตราส่วนเปรียบเทียบค่าเฉลี่ยของผลตอบแทนส่วนเกินของสินทรัพย์หรือกลยุทธ์ที่มีความเบี่ยงเบนมาตรฐานของผลตอบแทนที่ผู้ ดังนั้นความผันผวนของผลตอบแทนที่ต่ำกว่าจะนำไปสู่​​อัตราการมากขึ้นชาร์ปสมมติว่าผลตอบแทนที่เหมือนกัน "การอัตราส่วนชาร์ป" มักอ้างโดยผู้ดำเนินการกลยุทธ์การซื้อขายเป็นปีชาร์ป การคำนวณซึ่งขึ้นอยู่กับระยะเวลาการซื้อขายซึ่งผลตอบแทนที่วัด สมมติว่ามี $ N $ ระยะเวลาการค้าในปีชาร์ปปีที่มีการคำนวณดังนี้ โปรดทราบว่าอัตราส่วนชาร์ปตัวเองจะต้องคำนวณจากชาร์ปจากประเภทนี้โดยเฉพาะอย่างยิ่งในช่วงเวลาที่ กลยุทธ์การบนพื้นฐานของระยะเวลาการซื้อขายของวันที่ $ 252 $ (ที่มี 252 วันทำการซื้อขายในปีที่ไม่ได้ 365) และ $ R_a $, $ $ R_b จะต้องเป็นผลตอบแทนในชีวิตประจำวัน ในทำนองเดียวกันสำหรับชั่วโมง $ N = 252 \ times 6.5 = 1,638 $ ไม่ $ N = 252 \ 24 ครั้ง = $ 6048 เนื่องจากมีเพียง 6.5 ชั่​​วโมงในหนึ่งวันซื้อขาย รวมเกณฑ์มาตรฐาน สูตรสำหรับอัตราส่วนชาร์ปข้างต้น alludes กับการใช้มาตรฐานที่ มาตรฐานที่จะใช้เป็น "บรรทัดฐาน" หรือ "อุปสรรค์" ว่ากลยุทธ์โดยเฉพาะอย่างยิ่งจะต้องเอาชนะเพื่อให้มูลค่าการพิจารณา ยกตัวอย่างเช่นกลยุทธ์ระยะเพียงง่ายโดยใช้หุ้นสหรัฐที่มีขนาดใหญ่หมวกจะมีความหวังที่จะชนะ S & P500 ดัชนีเฉลี่ยหรือตรงกับมันสำหรับความผันผวนน้อย ทางเลือกของมาตรฐานบางครั้งอาจจะไม่ชัดเจน ยกตัวอย่างเช่น Exhange ภาคควรซื้อขายกองทุนรวม (ETF) นำไปใช้เป็นมาตรฐานการปฏิบัติงานสำหรับหุ้นของแต่ละบุคคลหรือ S & P500 ตัวเอง? ทำไมไม่รัสเซล 3000? พอ ๆ กันควรกลยุทธ์กองทุนป้องกันความเสี่ยงจะเปรียบเทียบตัวเองกับดัชนีตลาดหรือดัชนีของกองทุนป้องกันความเสี่ยงอื่น ๆ นอกจากนี้ยังมีภาวะแทรกซ้อนของ "ความเสี่ยงจากอัตราฟรี" ควรจะลงทุนในพันธบัตรรัฐบาลในประเทศจะใช้งานอย่างไร ตะกร้าของพันธบัตรต่างประเทศหรือไม่? ระยะสั้นหรือค่าใช้จ่ายในระยะยาว? ส่วนผสมหรือไม่? เห็นได้ชัดว่ามีมากมายหลายวิธีที่จะเลือกมาตรฐาน! อัตราส่วนชาร์ปโดยทั่วไปใช้อัตราความเสี่ยงฟรีและมักจะสำหรับกลยุทธ์หุ้นสหรัฐนี้ขึ้นอยู่กับรัฐบาลอายุ 10 ปีตั๋วเงินคลัง ในกรณีอย่างใดอย่างหนึ่งโดยเฉพาะอย่างยิ่งสำหรับกลยุทธ์การตลาดที่เป็นกลางมีภาวะแทรกซ้อนโดยเฉพาะอย่างยิ่งเกี่ยวกับว่าจะทำให้การใช้อัตราความเสี่ยงฟรีหรือเป็นศูนย์มาตรฐาน ดัชนีตลาดที่ตัวเองไม่ควรนำไปใช้เป็นกลยุทธ์ที่เป็นโดยการออกแบบตลาดกลาง ทางเลือกที่ถูกต้องสำหรับผลงานที่ตลาดกลางไม่ได้ที่จะ substract อัตราความเสี่ยงฟรีเพราะมันเป็นเงินเอง ตั้งแต่ที่คุณได้รับความสนใจเครดิต $ R_f $ จากการถือครองอัตรากำไรที่เกิดขึ้นจริงในการคำนวณผลตอบแทนเ​​ป็น: $ (+ R_a R_f) - R_f = R_a $ ดังนั้นไม่มีการลบที่เกิดขึ้นจริงของอัตราความเสี่ยงฟรีสำหรับกลยุทธ์ที่เป็นกลางดอลลาร์ ข้อ จำกัด แม้จะมีความชุกของอัตราส่วนชาร์ปภายในการเงินเชิงปริมาณก็ไม่ต้องทนทุกข์ทรมานจากข้อ จำกัด บางอย่าง ประการแรกอัตราส่วนชาร์ปจะมองย้อนกลับ มันบัญชีเฉพาะสำหรับผลตอบแทนในอดีตการกระจายและความผันผวนไม่เกิดขึ้นเหล่านั้นในอนาคต เมื่อการตัดสินขึ้นอยู่กับอัตราส่วนชาร์ปมีนัยสันนิษฐานว่าที่ผ่านมาจะคล้ายกับอนาคต นี่คือเห็นได้ชัดว่าไม่เสมอกรณีโดยเฉพาะภายใต้ระบอบการปกครองการเปลี่ยนแปลงของตลาด การคำนวณอัตราส่วนชาร์ปอนุมานว่าผลตอบแทนที่ได้ถูกนำมาใช้มีการกระจายตามปกติ (เช่น Gaussian) แต่น่าเสียดายที่ตลาดมักจะประสบจากโด่งดังกล่าวข้างต้นของการกระจายปกติ โดยเฉพาะอย่างยิ่งการกระจายตัวของผลตอบแทนที่มี "หางอ้วน" และเหตุการณ์รุนแรงจึงมีแนวโน้มที่จะเกิดขึ้นมากกว่าการกระจายเสียนจะนำเราไปเชื่อ ดังนั้นอัตราส่วนชาร์ปเป็นคนยากจนที่มีความเสี่ยงลักษณะหาง ดังจะเห็นได้อย่างชัดเจนในกลยุทธ์ที่มีแนวโน้มอย่างมากที่จะความเสี่ยงดังกล่าว ยกตัวอย่างเช่นการขายของตัวเลือกการโทร (aka "เพนนีภายใต้ลูกกลิ้งอบไอน้ำ") กระแสของ Premia ตัวเลือกที่ถูกสร้างขึ้นจากการขายตัวเลือกการโทรในช่วงเวลาที่นำไปสู่​​ความผันผวนของผลตอบแทนต่ำมีส่วนเกินที่แข็งแกร่งเหนือมาตรฐาน ในกรณีนี้จะเป็นกลยุทธ์ที่มีอัตราส่วนสูงชาร์ป (ขึ้นอยู่กับข้อมูลทางประวัติศาสตร์) แต่ก็ไม่ได้คำนึงว่าตัวเลือกดังกล่าวอาจจะเรียกว่า นำไปสู่​​การเบิกถอนอย่างมีนัยสำคัญและฉับพลัน (หรือแม้กระทั่ง Wipeout) ในโค้งส่วนได้เสีย ดังนั้นเช่นเดียวกับการวัดประสิทธิภาพกลยุทธ์การซื้อขายใด ๆ อัลกอริทึมอัตราส่วนชาร์ปไม่สามารถใช้ในการแยก แม้ว่าจุดนี้อาจดูเหมือนชัดเจนบางรายการค่าใช้จ่ายจะต้องรวมอยู่ในการคำนวณอัตราส่วนชาร์ปในเพื่อให้มันเป็นจริง มีมากมายตัวอย่างของกลยุทธ์การซื้อขายที่มี Sharpes สูง (และโอกาสในการทำกำไรที่ดี) เป็นเพียงที่จะลดลงไปชาร์ปต่ำกลยุทธ์การทำกำไรต่ำครั้งเดียวค่าใช้จ่ายจริงได้รับปัจจัยใน. ซึ่งหมายความว่าการใช้ประโยชน์จากผลตอบแทนสุทธิเมื่อคำนวณใน ส่วนที่เกินจากเกณฑ์มาตรฐาน ดังนั้นต้นทุนการทำธุรกรรมจะต้องมีปัจจัยในต้นน้ำของการคำนวณอัตราส่วนชาร์ป การใช้งานในทางปฏิบัติและตัวอย่าง คำถามหนึ่งที่เห็นได้ชัดว่ายังคงป่านนี้ยังไม่ได้ตอบในบทความนี้คือ "อะไรคือสิ่งที่ดีอัตราส่วนชาร์ปสำหรับกลยุทธ์การหรือไม่" ในทางปฏิบัติคุณควรละเลยกลยุทธ์ที่มีอัตราส่วนชาร์ปปี $ S & lt 1 $ หลังจากต้นทุนการทำธุรกรรมใด ๆ กองทุนป้องกันความเสี่ยงเชิงปริมาณมักจะไม่สนใจกลยุทธ์ใด ๆ ที่มีอัตราส่วนชาร์ป $ S & lt; 2 $ หนึ่งกองทุนป้องกันความเสี่ยงเชิงปริมาณที่โดดเด่นที่ผมคุ้นเคยกับจะไม่ได้พิจารณากลยุทธ์ที่มีอัตราส่วนชาร์ป $ S & lt 3 $ ในขณะที่ในการวิจัย ในฐานะที่เป็นผู้ประกอบการค้าปลีกอัลกอริทึมถ้าคุณสามารถบรรลุอัตราส่วนชาร์ป $ S & GT2 $ แล้วคุณจะทำดีมาก อัตราส่วนชาร์ปมักจะเพิ่มขึ้นด้วยความถี่ซื้อขาย บางกลยุทธ์ความถี่สูงจะมีความสูงเพียงครั้งเดียว (และบางครั้งคู่ต่ำ) หลักอัตราส่วนชาร์ปเช่นที่พวกเขาสามารถทำกำไรได้เกือบทุกวันและแน่นอนทุกเดือน กลยุทธ์เหล่านี้ไม่ค่อยประสบภัยพิบัติจากความเสี่ยงและทำให้ลดความผันผวนของผลตอบแทนของพวกเขาซึ่งนำไปสู่​​อัตราส่วนชาร์ปสูงดังกล่าว ตัวอย่างของอัตราส่วนชาร์ป นี้ได้รับค่อนข้างบทความทฤษฎีถึงจุดนี้ ตอนนี้เราจะหันความสนใจของเราที่จะเป็นตัวอย่างที่เกิดขึ้นจริงบางอย่าง เราจะเริ่มต้นเพียงโดยการพิจารณาระยะเพียงซื้อและถือของผู้ถือหุ้นแต่ละคนแล้วพิจารณากลยุทธ์การตลาดที่เป็นกลาง ทั้งสองตัวอย่างเหล่านี้ได้รับการดำเนินการในหมีแพนด้าหลามห้องสมุดการวิเคราะห์ข้อมูล งานแรกคือการได้รับข้อมูลจริงและใส่ลงในวัตถุ DataFrame หมีแพนด้า ในบทความหลักทรัพย์การดำเนินงานหลักในหลามและ MySQL ที่ฉันสร้างระบบสำหรับการบรรลุเป้าหมายนี้ อีกวิธีหนึ่งที่เราสามารถใช้รหัสนี้ง่ายที่จะคว้าข้อมูลการเงิน yahoo โดยตรงและวางไว้ตรงเข้า DataFrame หมีแพนด้า ที่ด้านล่างของสคริปต์นี้ผมได้สร้างฟังก์ชั่นการคำนวณอัตราส่วนชาร์ปปีขึ้นอยู่กับเวลาระยะเวลาที่กระแสผลตอบแทน: ตอนนี้เรามีความสามารถในการที่จะได้รับข้อมูลจากการเงิน yahoo และตรงไปตรงมาในการคำนวณอัตราส่วนชาร์ปปีเราสามารถทดสอบการซื้อและกลยุทธ์การถือสองตราสารทุน เราจะใช้ Google (GOOG) และ Goldman Sachs (GS) ที่ 1 ม. ค. 2000 ถึง 29 พฤษภาคม 2013 (ตอนที่ผมเขียนบทความนี้) เราสามารถสร้างฟังก์ชันช่วยเหลือเพิ่มเติมที่ช่วยให้เราสามารถเห็นได้อย่างรวดเร็วซื้อและถือหุ้นชาร์ปทั่วหลายเดียวกัน (hardcoded) ระยะเวลา: สำหรับ Google อัตราส่วนชาร์ปสำหรับการซื้อและการถือครองเป็น 0.7501 สำหรับ Goldman Sachs มันเป็น 0.2178: ตอนนี้เราสามารถลองคำนวณเดียวกันสำหรับกลยุทธ์การตลาดที่เป็นกลาง เป้าหมายของกลยุทธ์นี้คือการรองรับการแยกส่วนของผลการดำเนินงานโดยเฉพาะอย่างยิ่งจากตลาดทั่วไป วิธีที่ง่ายที่สุดเพื่อให้บรรลุนี้คือการไปในระยะสั้นเงินจำนวนเท่ากัน (ในสกุลเงินดอลลาร์) ของกองทุนซื้อขายแลกเปลี่ยน (อีทีเอฟ) ที่ถูกออกแบบมาเพื่อติดตามตลาดดังกล่าว ทางเลือก ovious ที่สุดสำหรับตลาดสหรัฐหุ้นขนาดใหญ่ฝาเป็นดัชนี S & P500 ซึ่งจะติดตามโดย SPDR อีทีเอฟที่มีสัญลักษณ์ของสายลับ ในการคำนวณอัตราส่วนชาร์ปปีจากกลยุทธ์ดังกล่าวเราจะได้รับราคาที่ทางประวัติศาสตร์สำหรับ SPY และคำนวณผลตอบแทนร้อยละในลักษณะที่คล้ายคลึงกับหุ้นก่อนหน้านี้มีข้อยกเว้นว่าเราจะไม่ใช้มาตรฐานความเสี่ยงฟรี เราจะคำนวณผลตอบแทนสุทธิในชีวิตประจำวันที่ต้องลบความแตกต่างระหว่างผลตอบแทนระยะยาวและระยะสั้นแล้วหารด้วย 2 ในขณะที่ตอนนี้เรามีสองครั้งเป็นเงินซื้อขายมาก นี่คืองูหลาม / รหัสหมีแพนด้าที่จะดำเนินการนี​​้ออก: สำหรับ Google อัตราส่วนชาร์ปสำหรับยาว / กลยุทธ์การตลาดที่เป็นกลางสั้น ๆ คือ 0.7597 สำหรับ Goldman Sachs มันเป็น 0.2999: แม้จะมีอัตราส่วนชาร์ปถูกนำมาใช้เก​​ือบทุกที่ในการซื้อขายอัลกอริทึมที่เราจำเป็นที่จะต้องพิจารณาตัวชี้วัดอื่น ๆ ของผลการดำเนินงานและความเสี่ยง ในบทความต่อมาเราจะหารือเกี่ยวกับเบิกถอนและวิธีที่พวกเขาส่งผลกระทบต่อการตัดสินใจที่จะเรียกใช้กลยุทธ์หรือไม่ ไมเคิลฮอลล์มัวร์ ไมค์เป็นผู้ก่อตั้ง QuantStart และได้รับการมีส่วนร่วมในอุตสาหกรรมการเงินเชิงปริมาณสำหรับในช่วงห้าปีที่ผ่านมาส่วนใหญ่เป็นนักพัฒนา quant และต่อมาเป็นที่ปรึกษาผู้ประกอบการ quant สำหรับกองทุนป้องกันความเสี่ยง