کسمعاملات فارکس در افغانستان

نسبت شارپ

نسیم نیکولاس طالب، نویسنده کتاب شناخته شده قوی سیاه و یکی از تحلیلگران سابق ریسک و معاملات آپشن با PlanB که از صاحب نظران بیت کوین بوده است، مخالفت کرده و گفته است که نسبت شارپ را نمی‌ توان با اطمینان در مورد بیت نسبت شارپ کوین اعمال کرد.

نسبت شارپ ، نسبت سورینو و نسبت کالمر

در این داستان کوتاه ، ما نقص های نسبت شارپ را بررسی می کنیم و چگونه می توانیم آن را با نسبت Sorino نسبت شارپ و Calmar Ratio تکمیل کنیم تا تصویر واضح تری از عملکرد نمونه کارها به دست آوریم.

در تجزیه و تحلیل عملکرد نمونه کارها ، نسبت وضوح معمولاً اولین عددی است که مردم به آن توجه می کنند. با این حال ، این کل داستان را به ما نمی گوید (هیچ چیز نشان نمی دهد…). بنابراین ، بیایید مدتی را صرف بررسی چند معیار دیگر کنیم که در مواقعی می تواند بسیار مفید باشد.

بازبینی نسبت شارپ

نسبت شارپ عبارت است از نسبت میانگین بازده تقسیم بر انحراف استاندارد بازده سالانه. ما نسبت شارپ قبلاً مقدمه ای بر آن داشتیم داستان به

بیایید یک سری سری زمانی قیمت تست را دوباره بررسی کنیم.

import pandas as pd import numpy as np from pandas.tseries.offsets import BDay def daily_returns(prices): res = (prices/prices.shift(1) - 1.0)[1:] res.columns = ['return'] return res def sharpe(returns, risk_free=0): adj_returns = returns - risk_free نسبت شارپ return (np.nanmean(adj_returns) * np.sqrt(252)) / np.nanstd(adj_returns, ddof=1) def test_price1(): start_date = pd.Timestamp(2020, 1, 1) + BDay() len = 100 bdates = [start_date + BDay(i) for i in range(len)] price = [10.0 + i/10.0 for i in range(len)] return pd.DataFrame(data=).set_index('نسبت شارپ date') def test_price2(): start_date = pd.Timestamp(2020, 1, 1) + BDay() len = 100 bdates = [start_date + BDay(i) for i in range(len)] price = [10.0 + i/10.0 for i in range(len)] price[40:60] = [price[40] for i in range(20)] return pd.DataFrame(data=).set_index('date') def test_price3(): start_date = pd.Timestamp(2020, 1, 1) + BDay() len = 100 bdates = [start_date + BDay(i) for i in range(len)] price = [10.0 + i/10.0 for i in range(len)] price[40:60] = [price[40] - i/10.0 for i in range(20)] return pd.DataFrame(data=).set_index('date') def test_price4(): start_date = pd.Timestamp(2020, 1, 1) + BDay() len = 100 bdates = [start_date + BDay(i) for i in range(len)] price = [10.0 + i/10.0 for i in range(len)] price[40:60] = [price[40] - i/8.0 for i in range(20)] return pd.DataFrame(data=).set_index('date') price1 = test_price1() return1 = daily_returns(price1) price2 = test_price2() return2 = daily_returns(نسبت شارپ price2) price3 = test_price3() return3 = daily_returns(price3) price4 = test_price4() return4 نسبت شارپ = daily_returns(price4) print('price1') print(f'sharpe: ') print('price2') print(f'sharpe: ') print('price3') print(f'sharpe: ') print('price4') print(f'sharpe: ')

تصویر برای پست

#تجزیه و تحلیل کمی #پایتون #علم داده #مدیریت نمونه کارها #تجسم داده

drejtimdatascience.com

نسبت شارپ ، نسبت سورینو و نسبت کالمر

ما قصد داریم نقص های نسبت شارپ را بررسی کنیم ، و چگونه می توانیم آن را با نسبت Sorino و Calmar Ratio تکمیل کنیم تا تصویر واضح تری از عملکرد نسبت شارپ یک نمونه کارها به دست آوریم.

مقالات مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همچنین تماشا کنید
نزدیک
برو به دکمه بالا