Trading Strategier Sharpe Ratio

Sharpe-forhold BREAKING DOWN Sharpe-forhold Sharpe-forholdet er blitt den mest brukte metoden for beregning av risikojustert avkastning, men det kan være unøyaktig når det gjelder porteføljer eller eiendeler som ikke har en normal fordeling av forventet avkastning. Mange eiendeler har en høy grad av kurtose (fete haler) eller negativ skygge. Sharp-forholdet har også en tendens til å mislykkes når man analyserer porteføljer med betydelige ikke-lineære risikoer, for eksempel opsjoner eller warrants. Alternative risikojusterte avkastningsmetoder har dukket opp gjennom årene, inkludert Sortino Ratio. Retur Over Maksimal Drawdown (RoMaD), og Treynor Ratio. Moderne portefølje teori sier at å legge til eiendeler i en diversifisert portefølje som har korrelasjoner på mindre enn en med hverandre, kan redusere porteføljens risiko uten å ofre avkastning. Slik diversifisering vil tjene til å øke Sharpe-forholdet i en portefølje. Sharpe-forholdet (Gjennomsnittlig porteføljeavkastning Risikofri rente) Standardavvik av porteføljeavkastning Forutgående Sharpe ratio-formel bruker forventet avkastning, mens Sharpe-forholdet i ettertid bruker realisert avkastning. Anvendelser av Sharpe-forholdet Sharpe-forholdet brukes ofte til å sammenligne endringen i en porteføljens generelle risikoavkastningsegenskaper når en ny eiendel eller aktivaklasse legges til det. For eksempel vurderer en porteføljeforvalter å legge til en hedgefondsfordeling til sin eksisterende 5050 investeringsportefølje av aksjer som har et Sharpe-forhold på 0,67. Hvis den nye porteføljens allokering er 404020 aksjer, obligasjoner og en diversifisert sikringsfondsfordeling (kanskje et fond av midler), øker Sharpe-forholdet til 0,87. Dette indikerer at selv om investering i sikringsfond er risikabelt som en selvstendig eksponering, forbedrer den faktisk risikovinstegenskapen til den kombinerte porteføljen, og tilfører dermed en diversifikasjonsfordel. Hvis tillegget av den nye investeringen senket Sharpe-forholdet, bør det ikke legges til porteføljen. Sharpe-forholdet kan også bidra til å forklare om en portefølje meravkastning skyldes smarte investeringsbeslutninger eller et resultat av for mye risiko. Selv om en portefølje eller et fond kan ha høyere avkastning enn sine jevnaldrende, er det bare en god investering hvis de høyere avkastning ikke kommer med et overskudd av ytterligere risiko. Jo større et Sharpe-forhold, desto bedre er dets risikojusterte ytelse. Et negativt Sharpe-forhold indikerer at et risikofylt aktiv vil utføre bedre enn sikkerheten som analyseres. Kritikk og alternativer Sharpe-forholdet bruker standardavviket av avkastningen i nevnen som sin proxy for total porteføljepris, som forutsetter at avkastningen normalt fordeles. Bevis har vist at avkastning på finansielle eiendeler har en tendens til å avvike fra en normal fordeling og kan gjøre tolkninger av Sharpe-forholdet misvisende. En variant av Sharpe-forholdet er Sortino-forholdet. som fjerner effektene av oppadgående prisbevegelser på standardavviket for å måle bare avkastning mot nedadgående prisvolatilitet og bruker semivariansen i nevnen. Treynor-forholdet bruker systematisk risiko. eller beta () i stedet for standardavvik som risikomåling i nevneren. Sharpe-forholdet kan også spilles av hedgefond eller porteføljeforvaltere som ønsker å øke sin tilsynelatende risikojusterte avkastningshistorie. Dette kan gjøres ved: Lengre måleintervall: Dette vil resultere i et lavere estimat av volatilitet. For eksempel er årlig standardavvik av daglige avkastninger generelt høyere enn av ukentlig avkastning, som igjen er høyere enn månedlig avkastning. Sammenligne den månedlige avkastningen, men beregner standardavviket fra den ikke sammensatte månedlige avkastningen. Skrive ut-of-the-money setter og krever en portefølje: Denne strategien kan potensielt øke avkastningen ved å samle opsjonsprinsippet uten å betale seg i flere år. Strategier som involverer å ta på standardrisiko. likviditetsrisiko. eller andre former for katastroferisiko har samme evne til å rapportere et oppadspent Sharpe-forhold. (Et eksempel er Sharpe-forholdene i markedsneutrale hedgefondene før og etter likviditetskrisen i 1998.) Utjevning av avkastning: Bruk av visse derivatstrukturer, sjeldne markeringer til markedet for illikvide eiendeler eller bruk av prismodeller som undergraver månedlige gevinster eller tap kan redusere rapportert volatilitet. Eliminere ekstrem avkastning: Fordi slike avkastninger øker det rapporterte standardavviket til et hedgefond, kan en leder velge å forsøke å eliminere den beste og den verste månedlige avkastningen hvert år for å redusere standardavviket. Til den gjennomsnittlige næringsdrivende, ideen om å sammenligne deg selv til et hedgefond kan høres litt absurd. Hva har et hedgefond, som styrer milliarder på milliarder, til felles med kontoen din. Vi møter fakta. Det er svært få av oss som har den slags kontanter i våre handelsregnskap. For mange år siden var det et ord som min far lærte meg, som jeg tror på denne dagen. Det er hvis du ikke kan måle det, det virker ikke. I virksomheten, sett en annen måte, hvis du ikke kan måle det så er det sannsynligvis ikke verdt å gjøre. Og virkelig, handel er som enhver annen virksomhet. Så hvis du ikke kan måle hvor godt din handelsstrategi gjør, så virker det ikke. Å stille de tøffe spørsmålene jeg har vært på mottakersiden av tonnevis av råd om handel og investering, noen gode, noen ikke så gode. Min fars rådgivende råd passer ikke bare til saken, men kommer fra ekte verdensopplevelse. Et mål tvinger deg til å flytte inn i den voksne verden, der du må spørre (og godta svaret på) de tøffe spørsmålene. Har jeg en god og solid handelsstrategi Er jeg fast i målene jeg har satt Er jeg på for mye risiko Dette er tøffe spørsmål, og bare effektive målinger kan gi deg svarene. Hvorfor Hedge Funds Så hvorfor skal du måle din trading ytelse som et hedgefond og ikke for eksempel en investeringsportefølje. Først er hedgefondet det eneste segmentet i investeringen som er nærmest trading. Og det er uansett hedgefondsstilen. Videre er hedgefondene ikke begrenset til en bestemt strategi. De er vanligvis i stand til å utføre og bytte posisjoner raskt, akkurat som handelsmenn gjør. Faktisk er mange hedgefond nærmere, strategisk sett, til en handelsmann enn de er til noe annet. Som et resultat er mange av metodene utviklet for å måle hedgefond, svært gjeldende for handel. Distribusjon av retur Det første målet på strategien din skal komme fra distribusjon av avkastning. Det kan høres komplisert, men det er egentlig ikke det. La oss si at strategien din er å få i gjennomsnitt 100 pips per handel (og nei, holdt deg ikke til det). Hvis du eksporterer dataene dine til et regnearkprogram og måler hver, bør fordelingen av handelsavkastningen stables opp ganske nær 100 pips. For å illustrere har vi to eksempler på profittfordeling. I den til venstre kan du se Trader A som ikke klarte å levere målet (en gevinst på 100 pips per handel) med mange spredte resultater. På høyre side kan vi se handelsmannen B har vært i stand til generelt å tjene i de fleste handler svært nær 100 pips. Det er en indikasjon på at strategien som ble satt, har fungert ganske mye som planlagt. Sharpe-forhold Det andre verktøyet, Sharpe-forholdet, er blant de mest populære forholdene rundt og i hovedsak måler avkastningen per risikoenhet. Beregningen kan høres komplisert, men egentlig dens ganske grei. Det er gjennomsnittlig avkastning etter fradrag av risikofri rente dividert med standardavviket av avkastningen. Nå, hva betyr risikofri rente Når det gjelder investeringer betyr det referanseprisen. Når det gjelder handel betyr det prisen du betaler på din margin (dvs. megleravgiften, som kan være så høy som 7 p. a.). Men her er tingen hvis du handler primært på kort sikt, er Sharpe-forholdet mindre relevant. Videre, siden vi snakker om mange handler per uke eller måned, vil det komplisere analysen din og vil ikke nødvendigvis gi bedre resultater. Hvis du vil sammenligne din handelsytelse, og du handler på kort sikt, trenger du ikke å benytte deg av rentenivået. Så hva er en god Sharpe-ratio Vel, sier tekstbøkene at Sharpe-forholdet over 1 er generelt greit, mens under 1 anses ikke så bra. Fra min egen erfaring er imidlertid et Sharpe-forhold på 0,8 eller høyere helt greit. For eksempel, hvis vi tar dataene fra de to utvalgene ovenfor, ville Trader A ha et forhold på -0,4 Sharpe mens Trader B ville ha 1,8. Bunnlinjen Så hva er bunnlinjen Hva kan vi lære av de to målingene To store ting. Den første hvis strategien din utfører, sier du planlagt å få 100 pips i gjennomsnitt, og det er hva distribusjonen din viser, så er du på sporet. Og Sharpe-forholdet Hvis din Sharpe er lav, er avkastningen mer en refleksjon av volatiliteten i markedet enn din handelsstrategi. Omvendt er motsatt også sant. Selvfølgelig er det mange flere indikatorer som hedgefondene bruker, men disse to vil gi deg svar på de tøffe spørsmålene hver aktør trenger å spørre. For å være vellykket, må forexhandlere vite grunnleggende matematikk av sannsynlighet. Tross alt er det vanskelig å oppnå og opprettholde handelsgevinster uten først å ha muligheten til å forstå tallene og måle dem. Mange handelsfolk bruker en kombinasjon av svarte boksindikatorer for å utvikle og implementere handelsregler. Likevel, forskjellen mellom en god handelsmann og en stor er hans eller hennes forståelse av beregningene og metodene for beregning av ytelse og gevinster. Sannsynlighet og statistikk er nøkkelen til utvikling, testing og profitt fra forex trading. Ved å kjenne noen få sannsynlighetsverktøy, er det lettere for handelsmenn å sette handelsmål i matematiske termer, opprette og drive effektive handelsstrategier, og vurdere resultater. Det er nyttig å vurdere de mest grunnleggende konseptene for sannsynlighet og statistikk for forex trading. Ved å forstå sannsynligheten av sannsynligheten, vet du logikken som brukes av mekaniske handelssystemer og ekspertrådgivere (EA). Normal fordeling Det mest grunnleggende verktøyet for sannsynlighet i forex trading er begrepet normal distribusjon. De fleste naturlige prosesser sies å være normalt fordelt. Enhetlig fordeling innebærer at sannsynligheten for et tall som er hvor som helst på et kontinuum, er omtrent like. Dette er den typen distribusjon som kan oppstå ved kunstig spredning av gjenstander så jevnt som mulig over et område, med en jevn mengde avstand mellom dem. I stedet for en jevn fordeling vil imidlertid en valuta-parpris sannsynligvis bli funnet innenfor et bestemt område til enhver tid. Dette er sin normale fordeling, og sannsynlighetsverktøy kan vise en tilnærming av hvor den prisen sannsynligvis vil bli funnet. Normal distribusjon tilbyr forexhandlere prediktiv kraft med hensyn til sannsynligheten for at en valutaparepris vil nå et visst nivå i løpet av en bestemt tidsramme. Datamaskiner bruker en tilfeldig talegenerator til å beregne middelene (gjennomsnittene) av forexpriser for å bestemme deres normale fordeling. Hvis et stort antall utvalgspriser kontrolleres, vil den normale fordeling dannes som en bellkurve når den tegnes grafisk. Jo større antall prøver, jo jevnere kurven vil være. Reglene for enkle gjennomsnitt er nyttige for handelsmenn, men regler for normal distribusjon gir mer nyttig prediktiv kraft. For eksempel kan en næringsdrivende beregne at gjennomsnittlig daglig prisflyt av et forex-par er, si 50 pips. Likevel kan den normale fordeling også fortelle forhandleren sannsynligheten for at en viss daglig prisbevegelse vil falle mellom 30 og 50 pips, eller mellom 50 og 70 pips. I henhold til reglene for normalfordeling og standardavvik, vil omtrent 68 av prøvene bli funnet innenfor en standardavvik av gjennomsnittet, og ca. 95 vil bli funnet innenfor to standardavvik av gjennomsnittet. Endelig er det en 99,7 sannsynlighet for at prøven faller innenfor tre standardavvik av gjennomsnittet. Normale fordelings - og standardavviksfunksjoner i ekspertrådgivere (EA) og handelssystemer hjelper forexhandlere å vurdere sannsynligheten for at prisene kan flytte et visst beløp i en gitt tidsperiode. Likevel bør handelsmenn være forsiktige når de bruker begrepet normal distribusjon alene med sikte på risikostyring. Selv om sannsynligheten for en sjelden hendelse (som en prisreduksjon på 50) kan virke lav, kan uforutsette markedsfaktorer gjøre muligheten mye høyere enn det som vises under normalfordelingsberegninger. Analysens pålitelighet avhenger av kvantitet og kvalitet på data Ved modellering av normale distribusjonskurver er mengden og kvaliteten på inngangsprisdata svært viktig. Jo større antall prøver, jo jevnere kurven vil være. For å unngå beregningsfeil som skyldes utilstrekkelig data, er det viktig at hver beregning er basert på minst 30 eksemplarer. Så, for å teste en forex-handelsstrategi ved å estimere resultatene fra prøvehandler, må systemutvikleren analysere minst 30 bransjer for å nå statistisk pålitelige konklusjoner angående parametrene som testes. På samme måte er resultatene fra en studie på 500 handler mer pålitelige enn de fra en analyse av bare 50 bransjer. Dispersjon og matematisk forventning til å estimere risiko For forexhandlere er de viktigste egenskapene ved en fordeling dens matematiske forventning og spredning. Matematisk forventning for en rekke bransjer er lett å beregne: Bare legg opp alle handelsresultater og del det beløpet med antall handler. Hvis handelssystemet er lønnsomt, er den matematiske forventningen positiv. Hvis matematisk forventning er negativ, mister systemet i gjennomsnitt. Den relative bølgen eller flatheten i fordelekurven er vist ved å måle spredningen eller spredningen av prisverdier innenfor matematisk forventning. Typisk er den matematiske forventningen for enhver tilfeldig distribuert verdi beskrevet som M (X). Dermed kan dispersjon defineres som D (X) M (XM (X) 2. Og en dispersjon kvadratroten kalles dens standardavvik, vist i matematisk stenografi som sigma (). Dispersjon og standardavvik er kritisk viktige for risikostyring I forex trading systemer. Jo høyere verdien av standardavviket, desto høyere vil være den potensielle drawdownen, og jo høyere er risikoen. På samme måte, jo lavere verdi for standardavviket, jo lavere blir nedtjeningen mens du handler systemet. Eksempel nedenfor er en prøve risikovurdering for en test av et forex trading system: Trade Number X (Trade Gain eller Tap) I eksemplet ovenfor basert på minimum antall tretti handler for en tilstrekkelig prøve, er det viktig å merke seg at den matematiske forventningen er positiv, så forex tradingstrategien er faktisk lønnsom. Standardavviket er imidlertid høyt, så for å tjene hver dollar handler risikoen for et mye større beløp dette systemet bærer betydelig risiko. Heres resten av e matematikk: For å bestemme matematisk forventning for denne gruppen av handler, legg sammen alle handler gevinster og tap, divider deretter med 30. Dette er middelverdien M (X) for alle handler. I dette tilfellet er det lik en gjennomsnittlig gevinst på 4,26 per handel. Så langt ser systemet ut lovende. For å beregne standardavviket for dispersjonen trekkes gjennomsnittet 4.26 fra resultatene av hver handel, deretter er kvadratet, og summen av alle disse torgene blir lagt sammen. Summen er delt med 29, som er det totale antall transaksjoner minus 1. Ved å bruke formelen for Dispersjon av (X) M (XM (X) 2 gitt ovenfor, heres en kontroll av beregningen fra første handel i vårt eksempel : Handel 1: -17,08 4,26 -21,34 og (-21,34) 2 455,39 Samme beregning utføres for hver handel i testserien. I dette eksemplet er dispersjonen over serien 9,353,62 og per definisjon er kvadratroten lik standarden avvik (), som i dette tilfellet er 96,71. Forex-aktøren ser således at risikoen for dette systemet er ganske høyt: Den matematiske forventningen er faktisk positiv, med en gjennomsnittlig fortjeneste på 4,26 per handel, men standardavviket er høyt når sammenlignet med det overskuddet. Det kan sees at næringsdrivende risikerer 96,71 for hver mulighet til å tjene 4,26 i fortjeneste. Denne risikoen kan være akseptabel, eller næringsdrivende kan velge å endre systemet på leting etter lavere risiko. Utover risikoen for et bestemt handelssystem, kan forex-handelsmenn Bruk også normalfordeling og standardavvik for å beregne Z-poengsummen, noe som indikerer hvor ofte lønnsomme handler vil skje i forhold til å miste handler. Under prosessen med å utvikle et vinnende forex trading system, kan handelsmannen lure på hvor mange av de lønnsomme handlene som ble sett under testingen, var tilfeldige, og hvor mange påfølgende tapende handler må tolereres for å oppnå vinnende handler. For eksempel kan vi anta at gjennomsnittlig forventet fortjeneste fra et gitt Forex trading system er fire ganger mindre enn det forventede tapbeløpet fra hver stop-loss-ordre utløst under handel med dette systemet. Noen handelsmenn kan anta at systemet vil vinne over tid, så lenge det er gjennomsnittlig minst en lønnsom handel for hver fire tapende bransjer. Likevel, avhengig av fordelingen av gevinster og tap, i real-world trading kan dette systemet trekke for dypt for å gjenopprette i tide til neste vinneren. Normal distribusjon kan brukes til å generere en Z-poengsum, noen ganger kalt en standardpoengsum, som lar handelsmenn ikke bare beregne forholdet mellom gevinster og tap, men også hvor mange gevinster som trolig vil oppstå etter hvert. En positiv Z-poengsum representerer en verdi over gjennomsnittet, og en negativ Z-poengsum representerer en verdi under gjennomsnittet. For å oppnå denne verdien trekker næringsdrivende populasjonsmiddelet fra en individuell råverdi, og deler deretter differansen av populasjonsstandardavviket. Den grunnleggende standardpoengsberegningen for en råpoengsangering utpekt som x er: Hvor er befolkningen gjennomsnittlig og er befolkningsstandardavviket. Det er viktig å forstå at beregningen av Z-poengsummen krever at næringsdrivende kjenner parametrene til befolkningen, ikke bare egenskapene til et utvalg tatt fra denne befolkningen. Z representerer avstanden mellom populasjonsmiddel og råpoeng, uttrykt i enheter av standardavviket. Så for et forex trading system: ZN x (R 0,5) P (P x (PN) (N 1) N er det totale antall handler i løpet av en serie R er det totale antall serier av å vinne og miste handler P er lik 2 x W x LW er det totale antall vinnende handler under en serie L er det totale antall tapende handler i løpet av en serie. Individuelle serier kan representeres med en påfølgende sekvens av plusser eller minuser (for eksempel eller 8212). R teller tallet for slik serier. Z kan tilby en vurdering av om et forex trading system opererer på målet, eller hvor langt utenfor målet det kan være. Like viktig kan en handelsmann bruke Z-score for å avgjøre om et handelssystem inneholder færre eller større serier av vinnere og tapere enn forventet fra en tilfeldig rekkefølge av trades8211 Med andre ord, om resultatene av etterfølgende bransjer er avhengige av hverandre. Hvis Z-poengsummen er nær 0, er fordelingen av handelsresultater nær den normale fordeling Resultatet av en sekvens av handler kan indikere annonse ependency mellom resultatene av disse handler. Dette skyldes at en normal tilfeldig verdi vil avvike fra gjennomsnittsverdien med ikke mer enn tre sigma (3 x) med en visshet på 99,7. Hvorvidt Z-verdien er positiv eller negativ, informerer handelsmannen om typen avhengighet: En positiv Z-verdi indikerer at den lønnsomme handelen vil bli etterfulgt av en taper. Og positiv Z indikerer at den lønnsomme handelen vil bli fulgt av en annen lønnsom, og en taper vil bli etterfulgt av et annet tap. Denne observerte avhengigheten lar forexhandleren variere posisjonstørrelsene for individuelle handler for å bidra til å håndtere risiko. Sharpe Ratio Sharpe Ratio, eller belønning til variabilitetsforhold, er et av de mest verdifulle sannsynlighetsverktøyene for valutahandlere. Som med metodene beskrevet ovenfor, er det avhengig av å anvende begreper normalfordeling og standardavvik. Det gir handelsmenn en metode for å kontrollere ytelsen til et handelssystem ved å justere for risiko. Det første trinnet er å beregne Holding Periode Returns (HPR). For eksempel, en handel som resulterte i en fortjeneste på 10 har en HPR beregnet som 1 0,10 1,10 mens en handel som taper 10 er beregnet som 1 0,10 0,90. På samme måte kan HPR beregnes ved å dividere etterbehandlingsbalansebeløpet av førhandelsbeløpet. Gjennomsnittlig Holding Periodeavkastning (AHPR) beregnes deretter ved å legge opp alle individuelle avkastningsperioder, deretter dividere etter antall bransjer. AHPR produserer i seg selv et aritmetisk gjennomsnitt som ikke kan skikkelig vurdere ytelsen til et forex trading system over tid. I stedet kan en investeringseffektivisering av handelssystemer estimeres nærmere ved å bruke Sharpe-forholdet, som viser hvordan AHPR minus risikofri rente på langsiktig avkastning er knyttet til standardavviket i handelssystemet. Sharpe Ratio AHPR (1 RFR) SD Når AHPR er gjennomsnittlig holdingsperiode, er RFR den risikofrie avkastningen fra sikre investeringer som bankrenter eller langsiktige T-obligasjonsrenter, og SD er standardavviket. Siden mer enn 99 av alle tilfeldige verdier vil falle innenfor en avstand på 3 rundt middelverdien av M (X) for et gitt handelssystem, jo ​​høyere Sharpe-forholdet er, desto mer effektivt er handelssystemet. For eksempel, hvis Sharpe-forholdet for normalt distribuerte handelsresultater er 3, indikerer det at sannsynligheten for å miste er mindre enn 1 per handel, i henhold til 3-sigma-regelen. Konseptene for normal distribusjon, dispersjon, Z-score og Sharpe-forhold er allerede innlemmet i logaritmer av EAer og mekaniske handelssystemer, og deres brukervennlighet er usynlig for de fleste handelsfolk. Likevel, ved å vite hvordan disse grunnleggende sannsynlighetsverktøyene fungerer, kan forexhandlere ha en dypere forståelse av hvordan automatiserte systemer utfører sine funksjoner, og dermed øke sannsynligheten for å vinne handler. Bruker du for øyeblikket sannsynlighetsverktøy for å øke din egen sjanse for suksess. Ville det være bra hvis det var en måte å kvantifisere risikoen og belønningen forbundet med et gitt system. Vi kunne da bruke det nummeret til å sammenligne systemer. Dette ville gi oss en effektiv metode for rangering av systemer, slik at vi bare kunne finne det beste systemet og handle det ene utelukkende. Men som med de fleste ting i livet, er det bare så enkelt. Sharpe Ratio forsøker å gi oss et nummer som vi kan bruke til å sammenligne handelssystemer basert på den risikostyring som deres backtested-resultater gir. Mens målet om Sharpe Ratio er nyttig i teorien, kan det også sette oss opp for å gjøre noen misguided decisions. Det er mange begrensninger som kommer inn i spill når du bruker Sharpe-forholdet. Det er viktig å forstå hvordan de kan påvirke den oppfattede verdien av et handelssystem. Begrensninger ser bakover Den mest åpenbare begrensningen av Sharpe Ratio er at den er helt basert på backtesting resultater. Derfor vil forholdet bare være like bra som de backtesting dataene som ble brukt til å beregne det. I et tidligere innlegg dekket jeg mange av forspillene som kan påvirke backtesting data. På grunn av deres nærtstående sammenheng, kan disse samme forspenninger skje Sharpe Ratios også. Også, som med alle data for tilbakekjøp, må vi huske på at alle dataene vi bruker, er basert på historisk avkastning. Det er absolutt ingen garanti for at disse avkastningene vil se ut som om de er utsatt for fremtidige markeder. Når du bruker indikatorer som er hentet fra tidligere data, må vi huske at vi antar at fremtidig avkastning vil se ut som tidligere avkastninger. Hvis markedene skulle endre seg fundamentalt, ville tallene våre være verdiløse. En annen begrensning av Sharpe-forholdet er at det forutsetter at avkastningen normalt fordeles. Alle som forsøkte å handle i 2008 er godt klar over at dette ikke er tilfelle i den virkelige verden. Faktiske markeder er langt mer utsatt for distribusjoner med 8220fat haler 8221 enn deres teoretiske motparter. På grunn av dette vil Sharpe Ratio ikke gi nok respekt for muligheten for at svarte svanehendelser tørker ut en konto. Forholdet vil bli skjev for å vise bedre resultater for systemer som er utsatt for denne typen risiko, noe som gjør dem til å virke tryggere enn de egentlig er. Vi må huske på at svarte svanehendelser skjer langt oftere enn statistikk sier at de burde. Et godt system bør planlegge for dette. Transaksjonskostnader Som det er tilfellet med mange typer systemanalyse, beregnes Sharpe Ratio ofte uten å ta hensyn til transaksjonskostnader. Derfor kan det bli offer for å favorisere høyfrekvente strategier som aldri kan omsettes lønnsomt på grunn av deres høye transaksjonskostnader. Det er viktig å fakturere transaksjonskostnader i enhver type systemanalyse. Uansett hvilken type system du forsøker å analysere, er det viktig å huske at beregningene og projeksjonene dine bare kommer til å være like gode som de dataene de er basert på. Beregninger som Sharpe Ratio kan være en enorm fordel for en næringsdrivende som vet hvordan de skal brukes, men du må også ha en forståelse for sine mangler. Om Sharpe Ratio Sharpe Ratio ble oppfunnet i 1966 av William Sharpe. Det forsøker å beregne verdien av et system8217s risikovurderingsforhold ved å sammenligne det med en risikofri investering. Forholdet beregnes ved å trekke risikofri renten (vanligvis amerikanske T-regninger) fra gjennomsnittlig avkastning for systemet og dividere det antallet ved standardavviket til systemet. Handelsresultat og tap fordeles aldri jevnt. Ved beregning av Sharpe-forholdet til et system, er det allment akseptert at et forhold som er større enn ett anses som godt, et forhold større enn to anses å være veldig bra, og et forhold større enn tre er ekstremt godt. De fleste systematiske handelsfolk som handler sine egne personlige kontoer, stræper etter en Sharpe-ratio på minst to. Åpen 2 2009 9:25 ET ET Av Irene Aldridge - Høyfrekvent handel har tatt Wall Street med storm. Selv om ingen institusjon følger opp med høyfrekvente midler nøye, viser sammendragete at flertallet av høyfrekvente ledere ga positiv avkastning i 2008, mens 70 av lavfrekvente utøvere mistet penger, ifølge The New York Times. Diskursen om lønnsomheten til høyfrekvente handelsstrategier går alltid inn i spørsmålet om tilgjengeligheten av resultatdata på avkastning realisert ved forskjellige frekvenser. Hard data om ytelse av høyfrekvente strategier er faktisk vanskelig å finne. Hedgefond med hell kjører høyfrekvente strategier har en tendens til å skape det offentlige rampelyset. Andre produserer data fra tvilsomme kilder. Likevel kan ytelse ved forskjellige frekvenser sammenlignes med bruk av allment tilgjengelige data ved å estimere maksimal potensiell lønnsomhet. Lønnsomhet i handelsstrategier blir ofte målt ved Sharpe-forhold, en risikojustert avkastningsmetode først foreslått av Nobelprisvinneren, William Sharpe. Et Sharpe-forhold måler avkastning per risikoenhet Et Sharpe-forhold på 2 betyr at gjennomsnittlig årlig avkastning på strategien to ganger overstiger den årlige standardavviket for strategisk avkastning: dersom den årlige avkastningen av en strategi er 12, er standardavviket av avkastningen 6 . Sharpe-forholdet innebærer videre fordelingen av avkastningen: Statistisk sett, i 95 tilfeller, er årlig avkastning sannsynligvis innenfor 2 standardavvik fra gjennomsnittet. Med andre ord, i et gitt år, forventes Sharpe-strategien på 2 og årlig avkastning på 12 å gi avkastning fra 0 til 24 med 95 statistisk tillit, eller 95 ganger. Maksimalt mulig Sharpe-forhold for en gitt handelsfrekvens beregnes som gjennomsnittlig gjennomsnitt for utvalgsperioder (High Low) dividert med utvalgsperiens standardavvik for området, justert med kvadratroten av antall observasjoner i et år. Vær oppmerksom på at høyfrekvente strategier normalt ikke bærer over natten posisjoner, og følgelig ikke påfører overføringsprisen ofte proxied av risikofri rente i Sharpe-forhold på langsiktige investeringer. Tabellen nedenfor sammenligner de maksimale Sharpe-tallene som kan oppnås på 10 sekunder, 1 minutt, 10 minutter, 1 time og 1-dagers frekvenser i EURUSD. Resultatene beregnes ex post med perfekt 2020 etterpå på dataene i 30 handelsdager fra 9. februar 2009 til 22. mars 2009. Avkastningen beregnes som maksimal avkastning oppnådd i observasjonsperioden innenfor hvert intervall ved forskjellige frekvenser. Den gjennomsnittlige 10-sekunders avkastningen beregnes således som gjennomsnittet av høye nivåer av EURUSD-priser i alle 10 sekunders intervaller fra 9. februar 2009 til 22. mars 2009. Standardavviket beregnes deretter som standardavviket av alle prisklasser ved en gitt frekvens i prøven. Gjennomsnittlig maks. Gain (Range) per periode Som tabellen over viser, øker maksimal lønnsomhet av handelsstrategier målt med Sharpe-forhold med økning i handelsfrekvenser. Fra 9. februar 2009 til 22. mars 2009 var det maksimale mulige årlige Sharpe-forholdet for EURUSD-handelsstrategier med daglig posisjonsbalansering 37,3, mens EURUSDs handelsstrategier som holdt posisjoner i 10 sekunder kunne potensielt score Sharpe-forhold godt over 5000 (fem tusen) merke. I praksis pleier velutviklede og implementerte strategier som handler på de høyeste frekvensene, å produsere tosifrede Sharpe-forhold. Real Sharpe-forhold for velutførte daglige strategier har en tendens til å falle i 1-2-serien. Irene Aldridge er administrerende partner hos Able Alpha Trading, Ltd. et proprietært høyfrekvent handelsfirma. Ms Aldridges ny bok, High-Frequency Trading: En praktisk guide til algoritmiske strategier og handelssystemer er tilgjengelig for forhåndsbestilling på Amazon. Fru Aldridge kan nås på ialdridgeablealpha. Related Links Feb 8 2017 3:22 pm ET Due diligence i hedgefondet verden har lenge involvert en kombinasjon av. 22 desember 2016 21:23 ET Utgifter på Wall Street-feriefester har stort sett returnert til før 2008-nivå. Guest Bidragsyter 3 Feb 2017 18:41 ET Private equity-bransjen er forbløffende etterspørselen siden finanskrisen har. HVOR DET BETALER, TEKNISKT. Sharpe-forholdet måler en portefølj039s risikojustert avkastning. Med andre ord: For hver risikoenhet jeg tar, får jeg x i avkastning for den risikoen. Et Sharpe-forhold på 5 betyr at den spesifikke risikoen du tar på i porteføljen gir 5 avkastningsenheter, som overstiger risikofri rente. Du trekker den risikofrie satsen fordi avkastningen den legger til, kunne bli uten risiko - med andre ord, du får det uansett. Vi vil bare vite hvordan du kompenseres for de risikoene du har tatt på. Ta standardavviket ditt og multipliser det med Sharpe-forholdet, og du bør ha en god ide om hva avkastningen din har belønnet deg med. Så, hvis porteføljen din har en matematikk på 5, bør du få en avkastning på 25 som overstiger risikofri. HVORDAN IT039S BYGGES. Sharpe-forholdet er definert som: mathfrac math Å få en Sharpe av 5 er ikke lett. Fordi porteføljens standardavvik er i nevnen, jo høyere er det, jo mer Sharpe-forholdet blir straffet. Omvendt er retur i telleren, så en lav avkastning straffer Sharpe-forholdet. Interessant nok vil en høyrisikofri rente også straffe Sharpe-forholdet Du kan se eksempler på dette på 1980-tallet, da inflasjonen og renten var ute av kontroll. Hva det betyr for deg Alt dette betyr at du blir kompensert veldig bra for risikoen du har tatt på. Generelt er noen Sharpe bedre enn 1 ansett som god, og 2 er flott. Men det nåværende miljøet gjør det litt enklere å generere høye Sharpe-forhold. Risikofri rente er nesten 0 (noe som betyr at enhver risiko blir belønnet). Og de fleste markeder haven039t hadde en stor bruddarm i 5 til 6 år - dette har holdt standardavvikene lave (det betyr at risikoen har vært mer høyt belønnet enn gjennomsnittet). Det er alltid viktig å forstå manglene i en hvilken som helst strategi, og hvilke hendelser som måtte oppstå for å blåse den opp. I tillegg er noen metriske i isolasjon ikke en sann en. Sharpe-forholdene er enkle å fudge hvis du isolerer tidsperioder der langsiktige gjennomsnitt aren039t dominerer. 5.4k Vis middot View Oppvoter middot Ikke for Reproduksjon Algoritmic trader her. Narahari og Vladimir har allerede gitt gode svar: En Sharpe på 5 betyr at for hver returvolatilitet, forventer du 5 enheter med meravkastning. I mer konkrete termer er nesten alle månedene oppe i måneder, og de fleste av ukene dine er oppe uker. Men debatten har skiftet til om en slik Sharpe er oppnåelig. Det er sikkert. Det er en avgang mellom Sharpe og to andre faktorer: Holdingsperiode og signalkvalitet. Jo kortere holdingsperioden for strategien din, desto flere spill du gjør per dag, jo lavere er standardavviket av daglige avkastning, og jo høyere er din Sharpe. Antag at du har et prediktivt signal for prisbevegelser. Hvis du bare handler med dine beste signaler, kan du si med stor sikkerhet at dine spill har rett, og oppnå en høy Sharpe. Handel i tilfeller når signalet ditt er svakere, kan fortsatt øke totalavkastningen, men på bekostning av mer variabilitet. Høyfrekvente strategier har nesten alltid Sharpe-tall over 5. Disse strategiene gjør titusenvis av spill om dagen, så det er ikke uvanlig for slike strategier å ha gt90 opp dager. 18.7k Visninger middot View Upvotes middot Ikke for Reproduksjon