常用的交易策略评价指标及计算

时间加权平均价格算法(TWAP)和成交量平均算法(VWAP)在量化回测的应用 为了评估策略的资金容量,我们对M.trade模块里买入点和卖出点这两个参数进行了更丰富的扩展,支持了策略能够按更丰富的算法交易价格(WAP)进行撮合 阅读详情
AI摘要

本文详细介绍了策略评价的常用指标,如年化收益率、最大回撤、贝塔值、阿尔法值和夏普比率,以及如何通过计算实例来评估投资策略的表现。通过实例演示了如何计算这些指标,以及如何结合实际市场数据进行策略效果的对比和优化。

一、策略评价指标

设计了一个策略后,需要通过回测来评价其效果如何。常用的评价指标包括:

1.年化收益率

年化收益率是为了将不同策略的收益结果转换到同一个体系下,方便进行效果比较和评价。计算公式为:

年化收益率=(策略当前净值/策略初始净值)^(年交易日天数/回测期间总天数)-1

其中,年交易日天数是指A股市场一年的交易日天数。由于节假日的原因每年的天数是不同的,大概在230~250天之间,可以取平均值244。

给大家几个参考数据让大家要心里有个数:

(1)从1965年至2021年,巴菲特旗下的伯克希尔哈撒韦公司的年化收益率高达20.1%,而同期标普500指数的年化收益率10.5%。

(2)大卫·西格尔在《股市长线法宝》一书中,对美国股市过去200多年的数据进行测算,扣除通货膨胀因素得到年化收益率是6.6%,如果不扣除通货膨胀因素的年化收益率是10%左右。

(3)上证指数从1990年12月19日到2021年6月24日,指数从100点涨到3566.65点,在约30.5年时间上涨了34倍多,年化收益率约12.43%。

(4)整个A股从开市到现在的年化收益率差不多也是10%左右。

以上数据均来自网上,有兴趣的朋友可以自己编程去算一下。如果你的策略跑出来的年化收益率动辄翻倍甚至几倍,好吧,你将赢得全世界!!!~~~做完梦记得好好检查下策略哪里写错了:)

2.最大回撤

最大回撤是指账户净值从上一个最高点到当前计算时间点的最大下跌幅度,在这些最大下跌幅度中取最小值(下跌幅度为负)作为最大回撤。用来描述策略可能出现的最糟糕情况,即衡量最极端情况下的亏损百分比。计算公式为:

最大回撤=min(账户当日净值 / 当日之前账户最高净值-1)。

注意,每当净值到达新的最高点时,回撤归零,需要更新计算公式中的账户最高净值。

如果一个策略的年化收益为30%,最大回撤是70%,那么你使用这个策略之前就要想想,是否能扛得住70%的下跌。打个比方,如果净值是1,下跌70%意味着后续净值要翻3.3倍才能回到1,能够让你深刻的体会到什么叫生不如死,这么坑的策略还是不要用了~~~~

3.贝塔值(beta)

根据资本资产定价理论(CAPM模型),beta系数衡量策略的回报率对市场变动的敏感程度,代表了该策略的结构性和系统性风险,表示策略与基准的相关性。简单点说就是策略的收益相对于业绩评价基准收益的总体波动性,或者叫做承担市场风险带来的投资收益。

计算公式为:

beta=策略日收益与基准日收益的协方差 / 基准日收益的方差。

比如策略采用的评价基准为沪深300指数,计算得到的beta如下:

beta=1说明策略和沪深300指数的收益变化一致。

beta=1.1说明沪深300指数上涨10%时,策略上涨11%;沪深300指数下跌10%时,策略下跌11%。

beta=0.9说沪深300指数上涨10%时,策略上涨9%;沪深300指数跌10%时,策略下跌9%。

那么现在问题来了,这个beta值到底怎么看好呢?不能一概而论。如果是牛市,个股、大盘上涨概率很大,应该选择beta值大的策略,从而获取高收益(这就是研报中常常提到的高beta系数策略);如果是熊市,大盘下跌可能性更大,就应该选择beta值小的策略,以降低回撤,确保资金的安全。

4.阿尔法值(alpha)

alpha值表示实际收益和平均预期收益的差额,衡量策略的非系统性风险。简单点说就是策略跑赢比较基准获得的超额收益大小。计算公式为:

alpha=(账户年化收益-无风险收益)-beta*(基准年化收益-无风险收益)

评价所设计的策略获得超额收益的能力大小。

5.账户收益波动率(Volatility)

账户收益波动率用来测量资产的风险性,波动越大代表策略风险越高。计算公式如下:

账户收益波动率=收益标准差*年交易日天数的平方根

6.夏普比率(Sharpe ratio)

夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标,表示每承受一单位风险,会产生多少的超额回报。计算公式为:

夏普比率=(策略年化收益率-无风险利率)/ 策略收益波动率。

其中的无风险利率通常采用10年期国债年化收益率,可参考这个网站。

由于夏普比率代表单位风险所获得的超额回报率。该比率越高,策略承担单位风险得到的超额回报率越高,所以说夏普比率是越高越好。需要注意的是,夏普比率没有基准点,因此其绝对大小本身没有意义,只有在与其他策略的比较中才有价值。

数据分析——股票双均线策略分析 在数据分析中,对于股票双均线策略分析是其中一个应用,这对于短期投资来说是非常有用的(虽然咱们不推荐)。 什么是均线? 对于每一个交易日,都可以计算出前N天的移动平均值,然后把这些移动平均值连起来,成为一条线,就叫做N日移动平均线。移动平均线常用线有5天, 10天, 30天, 60天, 120天和240天的指标。 5天和10天的是短线操作的参照指标,称作日均线指标; 30天和60天的是中期均线指标,称作季均线指标; 120天和240天的是长期均线指标,称作年均线指标。 均线计算方法: MA= (C1+C2+ 阅读详情

相关推荐

python量化交易pdf书籍微盘,python量化交易编程自学

大家好,小编为大家解答python量化交易教程电子书的问题。很多人还不知道python量化交易pdf书籍微盘,现在让我们一起来看看吧!

high_colever的博客 1813

一篇文章教会什么是股票量化分析

股票量化是利用计算机程序、统计学和数学模型进行交易决策,以规避情绪干扰、提高交易效率和收益。

EeiMooc的博客 282

深度解析:量化交易策略评价指标在实际投资中的应用技巧

本文深度解析了量化交易策略评价指标在实际投资中的应用技巧。文章强调,投资者应超越对收益率的单一关注,构建包含夏普比率、最大回撤等指标的多维度“健康诊断”体系。重点探讨了如何将回测指标动态应用于实盘监控、策略优化及资金分配,并警示了过拟合与市场状态切换的风险,旨在帮助中级用户建立基于客观指标的系统化决策流程。

redis7keeper的博客 1129

利用MACD指标进阶使用技巧计算交易信号

1.MACD策略简述与评价标准 a)        MACD原始策略解释与评价: 是指利用MACD指标的数值,主要是MACD值来决定股票的买入和卖出。                         i.             MACD指标计算依赖于用EMA_long_window,EMA_Short_window, DIFF_window 3个参数计算收盘价的移动平均。此策略的问题

竹石君的博客 5393

量化交易入门笔记-策略回测与评估

首先,编写一个简单的“双无线量化策略” 代码如下: def initialize(context): """双均线量化策略的初始化函数""" # 定义一个局部变量,保存要操作的股票 g.security = '000002.XSHE' # 万科A # 设定沪深300作为基准 set_

东南有大树的博客 9978

XGBoost及评价指标简介

本文简要介绍了XGBoost的基本原理

qq_42264051的博客 1293

精华帖分享|因子分析方法和策略评价指标总结

第一组的收益越高越好,最后一组收益越低越好,如果最终的分箱测试结果是单调的,则说明因子和收益的单调关系在测试时间段内是是稳健的。如果一个因子的IC值随着时间滞后期数的增加而迅速下降,这表明因子的预测能力具有较短的时效性。IC分为NORMAL_IC和RANK_IC两种,一般说的IC指的是NORMAL_IC。IC代表因子和收益之间的相关性,通常用于评价因子预测能力,IC绝对值越大,表示预测能力越好,即选股能力越强。IR兼顾因子选股能力(由IC代表)和因子选股能力的稳定性(由IC的标准差的倒数代表)。

xingbuxing_py的博客 2026

股票量化交易进阶004_回测框架backtrader(四)

股票量化交易进阶 股票量化交易进阶004_回测框架backtrader(四) 股票量化交易进阶004_回测框架backtrader(四)股票量化交易进阶前言一、技能要点1.如何获取一个line的长度2. line的延迟索引3. backtrader的运算符4.添加绘图指标总结 前言 一、技能要点 1.如何获取一个line的长度 2. line的延迟索引 3. backtrader的运算符 4.添加绘图指标 总结 ...

Johnny2004的专栏 3559

量化交易 米筐 策略评价指标

策略的评价指标 官方文档 1、策略的评价指标 收益指标 风险指标 2、收益指标 2.1 回测收益率: 策略在期限内的收益率。 (最终总价值 - 初始总价值) / 初始总价值 回测收益=期末投资组合总权益−期初投资组合总权益期初投资组合总权益 回测收益 = \frac{期末投资组合总权益 - 期初投资组合总权益}{期初投资组合总权益} 回测收益=期初投资组合总权益期末投资组合总权益−期初投资组合总权益​ 2.2 基准收益率: 参考的标准、市场表现情况作为标准来看我们的策略。(默认基准沪深 300 )

廷益_飞鸟的博客 1万+

快速理解STLink引脚图中复位引脚作用

深入讲解STLink引脚图中复位引脚的实际用途,帮助开发者快速掌握其在调试与下载过程中的关键作用,结合stlink引脚图理解更高效。

weixin_32324637的博客 1325

Power BI应用案例:淘宝用户行为分析实战

一、案例背景 基于千万级的淘宝用户的使用记录,对淘宝用户的行为进行分析,具体指标包括:日PV、日UV、小时PV、小时UV、不同用户行为的PV、用户购买次数分布、用户购买频次分布、活跃用户消费情况等。通过本案例,可以基本看看Power BI都能分析达到怎么样的效果。 二、数据来源及结构 阿里天池官方发布的1万用户在2014年双十二期间的行为记录,数据量达1200万+。 数据下载地址:...

灰哥数据智能的专栏 1万+

Profinet从站开发初体验:用p-net开源库和树莓派快速搭建一个IO设备模拟器

本文详细介绍了如何使用p-net开源库和树莓派快速搭建Profinet从站IO设备模拟器。从开发环境准备、p-net源码编译到设备模拟器功能实现,提供了全流程实战指南,帮助开发者快速掌握工业通信协议开发技巧,适用于工业自动化领域的设备互联测试与验证。

weixin_30384217的博客 383

EtherCAT-7 从站代码移植-SPI

STM32F103 + AX58100,从站代码移植。

tianya_xuan的博客 3565

GEE 案例:利用多源遥感数据计算RUSLE(Revised Universal Soil Loss Equation)土壤侵蚀

该数据集提供了全球范围内以250至500米的空间分辨率获取的多光谱图像数据,用于监测地表覆盖和变化。RUSLE模型的基本原理是通过考虑土壤侵蚀的主要驱动因素,来估计土壤侵蚀的速率。该数据集提供了全球范围内以10至60米的空间分辨率获取的多光谱图像数据,用于监测地表覆盖和变化。它对农业和土地资源管理者提供了一种评估和预测土壤侵蚀风险的工具,以制定适当的土壤保护措施和决策。2. soil(土壤)是来自OpenLandMap的土壤纹理分类数据,使用了USDA(美国农业部)土壤纹理分类系统。

此星光明博客 801

SOEM主站开发篇(1):移植SOEM主站到Linux开发板

详细介绍了SOEM主站源码移植到Linux开发板上的步骤,同时演示了如何使用Linux开发板获取EtherCAT从站的PDO映射信息。

kevin1499的博客 2394

【android bluetooth 案例分析 01】【HiCar 详解 3】【hicar时如何交换Wifi参数的】

如果直接使用 L2CAP(不经过 RFCOMM),会需要额外的协议来保证可靠性,而 RFCOMM 天然支持。BLE 广播的数据长度受限(31 字节 / 255 字节扩展),不适合传输复杂的 Wi-Fi 连接参数。使用 RFCOMM 传输参数,可以兼容不同厂商的车机和手机,而无需依赖特殊的蓝牙功能。手机解析这些参数,并使用 Wi-Fi Direct 连接到车机。,然后才能让 Wi-Fi Direct 进行真正的数据传输。,适合传输 Wi-Fi 连接参数等关键数据。,可以安全地交换 Wi-Fi 连接信息。

奔跑吧 android 的博客 1740

27、振动信号实时并行处理与风力发电机模型鲁棒控制设计

本文探讨了振动信号实时并行处理与风力发电机模型鲁棒控制设计两大核心技术。在振动信号处理方面,提出基于FPGA、RT和PC三级架构的并行采集与处理系统,实现高效、实时的振动分析,适用于电机状态监测与预测性维护。在风力发电控制方面,研究风力农场布局优化(WFLO)问题,比较九种多目标元启发式算法性能,并提出基于扰动观察法的最大功率点跟踪(MPPT)控制策略,提升发电效率与系统鲁棒性。研究成果为工业设备智能监控与可再生能源优化提供了有效技术路径。

sunny的博客 72

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: DataFrame操作excel文件及表格样式调整
下一篇: ETF基金定投策略回测分析
--莫名--
博客等级 码龄24年 653粉丝 35原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值