[量化学堂-策略开发]策略回测结果指标详解

回测结果
指标
夏普比率
信息比率
标签: #<Tag:0x00007f0843455248> #<Tag:0x00007f0843455108> #<Tag:0x00007f0843454fc8> #<Tag:0x00007f0843454e88>

(iQuant) #1

$Total \ Returns$ $ $ 策略总收益

$$Total \ Returns =\frac {PV_{end} - PV_{start}} { PV_{start}} *100 % $$

$$PV_{end} = 策略最终股票和现金总价值$$

$$PV_{start} = 策略开始股票和现金总价值$$

$Total \ Annualized \ Returns$ $ $ 策略年化收益

$$Total \ Annualized \ Returns = R_p = ((1+P)^{\frac{252}{n}} -1 ) *100%$$

$$P=策略总收益$$

$$n=策略执行天数$$

$Benchmark \ Returns $ $ $ 基准总收益

$$Benchmark \ Returns = \frac{M_{end} - M_{start}} { M_{start}} *100 % $$

$$M_{end} = 基准最终价值$$

$$M_{start} = 基准开始价值$$

$Benchmark \ Annualized \ Returns$ $ $ 基准年化收益

$$Benchmark \ Annualized \ Returns = R_m = ((1+M)^{\frac{252}{ n}} -1 ) *100% $$

$$M=基准总收益$$

$$n=策略执行天数$$

$Alpha$ $ 阿尔法$

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%。

$$Alpha=\alpha=R_p- (R_f+\beta_p(R_m-R_f)) $$

$$R_p=策略年化收益率$$

$$R_m=基准年化收益率$$

$$R_f=无风险利率(默认0.03)$$

$$\beta_p=策略Beta值$$

$Alpha$值 解释

$\alpha>0$ 策略相对于市场,获得了超额收益
$\alpha=0$ 策略相对于市场,获得了适当收益
$\alpha<0$ 策略相对于市场,获得了较少收益

$Beta$ $贝塔$

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。

$$Beta = \beta_p=\frac{Cov(D_p,D_m)}{Var(D_m)}$$

$$D_p=策略每日收益$$

$$D_m=基准每日收益$$

$$Cov(D_p,D_m)=策略每日收益与基准每日收益的协方差$$

$$Var(D_m)=基准每日收益的方差$$

$Beta$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

$\beta=0$ 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

$\beta=1$ 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

$Sharpe$ $ 夏普比率$

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。

$$Sharpe \ Ratio=\frac{R_p-R_f}{\sigma_p}$$

$$R_p=策略年化收益率$$

$$R_f=无风险利率(默认0.03)$$

$$\sigma_p=策略年化波动率$$

$Winning Percentage$ $胜率$

$$胜率=盈利的总次数/总交易场次*100%$$

$The \ profit \ and \ coss \ ratio$ $盈亏比$

盈亏比是在投资市场里每次交易的盈利和亏损的比例。

$$盈亏比 = 盈利的平均金额 / 亏损的平均金额$$

$Information \ Ratio$ $信息比率$

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。

$$Information \ Ratio = \frac{R_p - R_m}{\sigma_t}$$

$$R_p=策略年化收益率$$

$$R_m=基准年化收益率$$

$$\sigma_t=策略与基准每日收益差值的年化标准差$$

$Daily \ \ Volatility \ \ 策略日收益率标准差$

$$ Daily \ \ Volatility = \sigma = \sqrt[]{\frac{1}{n}\sum_i^n(R-\overline{R})^2} $$

$$R=策略每日收益率$$

$$\overline{R} = 策略每日收益率的平均值=\frac{1}{n}\sum_1^nR_p$$

$$n=策略执行天数$$

$Volatility \ \ 波动率之间转化$

波动率按不同的时间框架划分为:年度波动率(年化)、月度波动率(月化)

注:一般策略波动率指的是年度波动率

$$Annual \ \ Volatility = \sqrt{252} * 策略日收益率标准差$$

$$Monthly \ \ Volatility = \sqrt{12} * 策略日收益率标准差$$

$Algorithm \ Volatility$ $策略波动率$

策略每日收益率的标准差的年化值,即年度波动率。用来测量策略的风险性,波动越大代表策略风险越高。

$$Algorithm \ Volatility = \sigma_p = \sqrt[]{\frac{252}{n}\sum_i^n(R_p-\overline{R_p})^2}$$

$$R_p=策略每日收益率$$

$$\overline{R_p}=策略每日收益率的平均值=\frac{1}{n}\sum_1^nR_p$$

$$n=策略执行天数$$

$Benchmark \ Volatility$ $基准波动率$

基准每日收益率的标准差的年化值。用来测量基准的风险性,波动越大代表基准风险越高。

$$Benchmark \ Volatility = \sigma_m = \sqrt[]{\frac{252}{n}\sum_i^n(R_m-\overline{R_m})^2}$$

$$R_m=基准每日收益率$$

$$\overline{R_m}=基准每日收益率的平均值=\frac{1}{n}\sum_1^nR_m$$

$$n=基准执行天数$$

$Max \ Drawdown$ $最大回撤$

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。

$$Max \ Drawdown=\frac{Max(P_x−P_y)}{P_x}$$

$$P_x,P_y=策略某日股票和现金的总价值,y>x$$


【宽客学院】策略回测结果解读
【宽客学院】回测数据深入分析
社区干货与精选整理(持续更新中...)
(yhzhao) #2

不错,学习了


#3

感谢整理,很有帮助