avatar of 发明者量化-小小梦 发明者量化-小小梦
fokus pada mesej peribadi
4
fokus pada
1271
Pengikut

Nisbah Sharpe ialah penunjuk untuk menilai prestasi dagangan algoritma.

Dicipta dalam: 2017-03-30 14:32:40, dikemas kini pada:
comments   1
hits   3018

Nisbah Sharpe ialah penunjuk untuk menilai prestasi dagangan algoritma.

Apabila menjalankan strategi perdagangan algoritma, indikator penilaian yang paling biasa digunakan adalah kadar pulangan tahunan. Walau bagaimanapun, hanya menggunakan satu indikator ini mempunyai banyak kelemahan. Kaedah pengiraan keuntungan untuk strategi tertentu tidak sepenuhnya jelas. Terutama beberapa strategi yang tidak mempunyai arah yang kuat, seperti netral pasaran, atau menggunakan strategi yang dikuasai. Di sisi lain, jika terdapat dua strategi yang mendapat keuntungan yang sama, bagaimana kita tahu strategi mana yang mempunyai risiko yang lebih besar? Dan, apa yang dimaksudkan dengan risiko yang lebih tinggi? Dalam bidang kewangan, kita sangat prihatin dengan pergerakan keuntungan dan ruang penarikan balik. Perbandingan antara strategi yang berbeza dan penilaian risiko terhadap strategi, mendorong penggunaan penunjuk ini, iaitu nisbah Sharpe.

  • #### Definisi nisbah Sharpe

William Forsyth ialah seorang ahli ekonomi yang memenangi Hadiah Nobel dalam bidang ekonomi. Beliau membantu membangunkan model Harga Aset Modal (CAPM) dan juga membangunkan penunjuk Rasio Sharpe pada tahun 1966 (ditingkatkan pada tahun 1994).

Nisbah Sharpe ditakrifkan oleh persamaan berikut:

Di antaranya, Ra adalah pulangan purata untuk strategi atau pelaburan, dan Rb adalah pulangan purata untuk parameter asas yang sesuai. Nisbah ini adalah perkadaran purata pulangan berlebihan untuk pelaburan atau strategi dan perbezaan piawai untuk pulangan tersebut. Oleh itu, apabila kadar pulangan berfluktuasi lebih kecil, strategi atau pelaburan akan mempunyai nisbah Sharpe yang lebih besar dalam keadaan pulangan yang sama.

Dalam strategi perdagangan, yang sering disebut ialah kadar Sharpe tahunan. Kadar ini mengambil kira tempoh masa antara tempoh perdagangan. Dengan asumsi bahawa strategi mempunyai N tempoh perdagangan dalam setahun, maka kadar Sharpe tahunan untuk strategi ini dikira dengan formula berikut:

Perlu diingatkan bahawa kadar Sharpe mestilah dikira berdasarkan jenis selang masa yang dipertimbangkan. Sebagai contoh, jika strategi dijalankan berdasarkan perdagangan hari, maka kerana terdapat 252 hari perdagangan dalam setahun, maka N = 252, dan Ra dan Rb juga mestilah pendapatan harian. Begitu juga, untuk strategi yang dijalankan mengikut perdagangan jam, N = 252*6.5=1638, kerana hanya ada 6.5 jam perdagangan setiap hari.

  • #### Pilihan penanda aras

Dalam formula pengiraan nisbah Sharpe, disebutkan titik rujukan. Titik rujukan digunakan sebagai standard untuk menilai sama ada strategi tersebut layak untuk dipertimbangkan. Sebagai contoh, strategi jangka panjang yang mudah untuk pelaburan saham saham besar, harus dapat melebihi indeks S&P 500, atau sekurang-kurangnya dapat bertahan dengan turun naik yang lebih kecil.

Bagaimana untuk memilih penanda aras, kadang-kadang tidak jelas. Sebagai contoh, sama ada dana indeks bursa boleh digunakan sebagai penanda aras untuk prestasi syarikat yang tersenarai secara bebas, atau dengan S&P 500? Jadi mengapa tidak menggunakan Russell 3000? Sebuah dana perlindungan, apakah dengan indeks pasaran atau dengan dana perlindungan lain sebagai penanda aras?

Sebagai contoh khusus. Untuk strategi netral pasaran, terdapat pertimbangan yang agak rumit, iaitu sama ada ia harus menggunakan kadar faedah tanpa risiko atau 0 sebagai titik rujukan. Oleh kerana strategi adalah netral pasaran, indikator pasaran itu sendiri tidak sesuai untuk digunakan sebagai titik rujukan. Pilihan yang betul adalah tidak mengurangkan kadar faedah tanpa risiko.

  • #### Batasan

Walaupun kadar Sharpe sangat penting dalam kewangan kuantitatif, ia mempunyai beberapa batasan tersendiri.

Pertama, nisbah Sharpe adalah kembali ke masa lalu. Ia hanya menerangkan pembahagian dan turun naik keuntungan sejarah, dan bukan yang mengarah ke masa depan. Apabila menilai berdasarkan nisbah Sharpe, satu andaian tersirat adalah masa lalu dan masa depan adalah sama.

Kedua, pengiraan nisbah Sharpe mengandaikan bahawa keuntungan terdistribusi secara positif. Malangnya, pasaran sering menjadi bias. Pembagian keuntungan sering menjadi lemak, oleh itu kemungkinan kejadian yang melampau lebih besar daripada yang diramalkan oleh distribusi yang positif. Oleh itu, nisbah Sharpe tidak mencukupi untuk menggambarkan risiko ekor.

Beberapa strategi mempunyai rintangan yang lemah terhadap risiko seperti ini. Sebagai contoh, menjual opsyen melihat. Menjual opsyen melihat akan menghasilkan premium opsyen yang stabil dari masa ke masa, dan ini akan menyebabkan turun naik yang rendah dalam pendapatan, dan jauh lebih tinggi daripada pendapatan asas, sehingga akan mempunyai kadar Sharpe yang tinggi (berdasarkan data sejarah).

Walaupun bagi sesetengah orang, ini adalah kebiasaan. Dalam pengiraan nisbah Sharpe, anda mesti memasukkan kos urus niaga, yang lebih sesuai dengan realiti. Dalam banyak contoh realiti, beberapa strategi perdagangan mempunyai nisbah Sharpe yang sangat tinggi, tetapi apabila kos sebenar dimasukkan, ia akan menjadi strategi dengan nisbah Sharpe yang rendah dan kadar pulangan yang rendah.

  • #### Penggunaan sebenar

Untuk menggunakan nisbah Sharpe, ada satu perkara yang perlu dipertimbangkan, iaitu berapa besar nisbah Sharpe yang baik untuk satu strategi? Pertimbangan yang lebih praktikal ialah anda harus mengabaikan strategi yang mempunyai nisbah Sharpe tahunan kurang daripada 1 (selepas mengurangkan kos urus niaga).

Kadar Sharpe sering meningkat dengan peningkatan frekuensi perdagangan. Beberapa strategi perdagangan frekuensi tinggi akan mempunyai kadar Sharpe satu digit yang tinggi, dan ada yang bahkan boleh menjadi dua digit. Oleh kerana strategi ini dapat memperoleh keuntungan yang baik setiap hari, setiap bulan, dan jarang mengalami risiko yang besar, oleh itu kadar keuntungan berfluktuasi sangat kecil, sehingga mempunyai kadar Sharpe yang tinggi.

Dipetik daripada sumber web