主页面板图表

风险指标

策略收益

  • Total Returns

 Total Returns =(Pend −Pstart )/Pstart ∗100%\text { Total Returns }=\left(P_{\text {end }}-P_{\text {start }}\right) / P_{\text {start }} * 100 \%

  • Pend P_{\text {end }}：策略最终股票和现金的总价值

  • Pstart P_{\text {start }}：策略最终股票和现金的总价值

策略年化收益

  • Total Annualized Return

 Total Annualized Returns =Rp=((1+P)252n−1)∗100%\text { Total Annualized Returns }=R_p=\left((1+P)^{\frac{252}{n}}-1\right) * 100 \%

  • PP：策略收益

  • nn：策略执行天数

阿尔法

  • Alpha

投资中面临着系统性风险（即Beta）和非系统性风险（即Alpha），Alpha是投资者获得与市场波动无关的回报。比如投资者获得了15%的回报，其基准获得了10%的回报，那么Alpha或者价值增值的部分就是5%。

 Alpha =α=Rp−[Rf+βp(Rm−Rf)]\text { Alpha }=\alpha=R_p-\left[R_f+\beta_p\left(R_m-R_f\right)\right]

  • RpR_p：策略年化收益率

  • RmR_m：基准年化收益率

  • RfR_f：无风险利率

  • βp\beta_p：策略beta值

Alpha值
解释

α>0α>0

策略相对于风险，获得了超额收益

α=0α=0

策略相对于风险，获得了适当收益

α<0α<0

策略相对于风险，获得了较少收益

贝塔

  • Beta

表示投资的系统性风险，反映了策略对大盘变化的敏感性。例如一个策略的Beta为1.5，则大盘涨1%的时候，策略可能涨1.5%，反之亦然；如果一个策略的Beta为-1.5，说明大盘涨1%的时候，策略可能跌1.5%，反之亦然。

Beta⁡=βp=Cov⁡(Dp,Dm)Var⁡(Dm)\operatorname{Beta}=\beta_p=\frac{\operatorname{Cov}\left(D_p, D_m\right)}{\operatorname{Var}\left(D_m\right)}

  • DpD_p：策略每日收益

  • DmD_m：基准每日收益

  • Cov⁡(Dp,Dm)\operatorname{Cov}\left(D_p, D_m\right)：策略每日收益与基准每日收益的协方差

  • Var⁡(Dm)\operatorname{Var}\left(D_m\right)：基准每日收益的方差

Alpha值
解释

$$\beta<0$$

投资组合和基准的走向通常反方向，如空头头寸类

β=0\beta=0

投资组合和基准的走向没有相关性，如固定收益类

$$0<\beta<1$$

投资组合和基准的走向相同，但是比基准的移动幅度更小

β=1\beta=1

投资组合和基准的走向相同，并且和基准的移动幅度贴近

$$\beta>1$$

投资组合和基准的走向相同，但是比基准的移动幅度更大

夏普比率

  • Sharp

表示每承受一单位总风险，会产生多少的超额报酬，可以同时对策略的收益与风险进行综合考虑。

 Sharpe Ratio =Rp−Rfσp\text { Sharpe Ratio }=\frac{R_p-R_f}{\sigma_p}

  • RpR_p：策略年化收益率

  • RfR_f：无风险利率

  • σp\sigma_p：策略收益波动率

索提诺比率

  • Sortino

表示每承担一单位的下行风险，将会获得多少超额回报。

 Sortino Ratio =Rp−Rfσpd\text { Sortino Ratio }=\frac{R_p-R_f}{\sigma_{p d}}

  • RpR_p：策略年化收益率

  • RfR_f：无风险利率

  • σpd\sigma_{pd}：策略下行波动率

信息比率

  • Information Ratio

衡量单位超额风险带来的超额收益。信息比率越大，说明该策略单位跟踪误差所获得的超额收益越高，因此，信息比率较大的策略的表现要优于信息比率较低的基准。合理的投资目标应该是在承担适度风险下，尽可能追求高信息比率。

 Information Ratio =Rp−Rmσt\text { Information Ratio }=\frac{R_p-R_m}{\sigma_t}

  • RpR_p：策略年化收益率

  • RmR_m：基准年化收益率

  • σt\sigma_t：策略与基准每日收益差值的年化标准差

策略波动率

  • Algorithm Volatility

用来测量策略的风险性，波动越大代表策略风险越高。

 Algorithm Volatility =σp=250n−1∑i=1n(rp−rp‾)2\text { Algorithm Volatility }=\sigma_p=\sqrt{\frac{250}{n-1} \sum_{i=1}^n\left(r_p-\overline{r_p}\right)^2}

  • rpr_p：策略每日收益率

  • nn：策略执行天数

基准波动率

  • Benchmark Volatility

 Benchmark Volatility =σm=250n−1∑i=1n(rm−rm−)2\text { Benchmark Volatility }=\sigma_m=\sqrt{\frac{250}{n-1} \sum_{i=1}^n\left(r_m-r_m^{-}\right)^2}

  • rmr_m：基准每日收益率

  • nn：策略执行天数

最大回撤

  • Max Drawdown

描述策略可能出现的最糟糕的情况，最极端可能的亏损情况。

 Max Drawdown =Max⁡((Px−Py)/Px)\text { Max Drawdown }=\operatorname{Max}\left(\left(P_x-P_y\right) / P_x\right)

Px,PyP_x, P_y：策略某日股票和现金的总价值，其中y>xy>x

下行波动率

  • Downside Risk

策略收益下行波动率。和普通收益波动率相比，下行标准差区分了好的和坏的波动。

 Downside Risk =σpd=250n∑i=1n(rp−rpi−)2f(t)\text { Downside Risk }=\sigma_{p d}=\sqrt{\frac{250}{n} \sum_{i=1}^n\left(r_p-r_{p i}^{-}\right)^2 f(t)}

  • rpr_p：策略每日收益率

  • rpi−=1i∑j=1irjr_{p i}^{-}=\frac{1}{i} \sum_{j=1}^i r_j，策略至第 i 日平均收益率

  • nn：策略执行天数

  • f(t)={1,rp<rpi− 0,rp≥rpi−f(t)= \begin{cases}1, & r_p<r_{p i}^{-} \ 0, & r_p \geq r_{p i}^{-}\end{cases}

胜率

盈利次数在总交易次数中的占比。

 胜率 = 盈利交易次数  总交易次数 \text { 胜率 }=\frac{\text { 盈利交易次数 }}{\text { 总交易次数 }}

日胜率

策略盈利超过基准盈利的天数在总交易数中的占比。

 日胜率 = 当日策略收益跑嬴当日基准收益的天数  总交易日数 \text { 日胜率 }=\frac{\text { 当日策略收益跑嬴当日基准收益的天数 }}{\text { 总交易日数 }}

盈亏比

周期盈利亏损的比例。

 盈亏比 = 总盈利额  总亏损额 \text { 盈亏比 }=\frac{\text { 总盈利额 }}{\text { 总亏损额 }}

日均超额收益

  • AEI

衡量策略产生的超额收益的总体情况，其中EI为超额收益。

AEI=∑i=1n(EIi−EIi−1)/nA E I=\sum_{i=1}^n\left(E I_i-E I_{i-1}\right) / n
EI= 策略收益 +100% 基准收益 +100%−100%E I=\frac{\text { 策略收益 }+100 \%}{\text { 基准收益 }+100 \%}-100 \%

超额收益最大回撤

描述策略可能出现的跑输基准的最糟糕情况，其中EI为超额收益。

EI Max Drawdown =Max(EIx−EIy)/EIxE I \text { Max Drawdown }=M a x\left(E I_x-E I_y\right) / E I_x
EI= 策略收益 +100% 基准收益 +100%−100%E I=\frac{\text { 策略收益 }+100 \%}{\text { 基准收益 }+100 \%}-100 \%

超额收益夏普比率

表示每承受一单位总风险，策略相对于基准会产生多少的超额报酬，可以同时对策略的收益与风险进行综合考虑。

 EI Sharpe Ratio =RpEI−RfσpEI\text { EI Sharpe Ratio }=\frac{R_{p E I}-R_f}{\sigma_{p E I}}

  • RpEIR_{p E I}：年化超额收益率

  • RfR_f：无风险利率

  • σpEI\sigma_{p E I}：超额收益波动率

上一页雪球

最后更新于