策略和投资组合分析-收益分析、风险回报分析和回撤分析

tokenpocket钱包官网下载 2024年12月25日 18:13:40 tp钱包官网下载 148

在投资领域中，机构和个人在讨论策略绩效的时候，数字会成为决策的重要依据。总回报、年回报以及月回报这些数据常常会被提及。但是，这其中涉及到了复杂的风险与回报之间的权衡。而这一点，也是投资者最为关心的价值所在。

总回报的简便计算

总回报的计算比较简单，在零售环境里可以依据公式来计算。例如在没有外部投资者等情形的时候，能够直接通过百分比算出。这种计算方式在个人投资者自行进行单项投资评估时被使用得较多。总回报可以直接反映出投资的整体收益状况，是一个很直白的盈利指标。它不考虑资金进出情况这一特点，使得它在初级投资评估中具有一定的优势。

同时，在大规模的零售投资这种场景下，很多人都运用这种简单的百分比计算方式。例如在股票投资里，自己去算一下在持有期内股票的总体走势所对应的收益，这个收益占初始投资的比例，这就是一种简单的总回报计算。

策略的风险回报影响

风险回报指标具有重要意义。一个策略的风险回报指标，会对资金、杠杆率以及复合增长率等方面产生直接影响。对于高波动率的策略来说，即便其历史回报较为可观，但由于风险过高，其吸引力也可能会降低。这其中涉及到风险偏好的问题，不同的投资者会依据自身的资金状况以及愿意承受的风险程度来进行策略的选择。

在面对多种投资方案的时候，需要对其收益的波动性进行综合评估。像一些新兴的金融衍生品投资，其收益有可能非常高，然而波动却极大。就如同一些投资者在面对收益高且波动大的比特币投资时，有的投资者因为看中了高收益而参与其中，有的投资者则因为害怕风险而远离它。

夏普比率的意义

夏普比率属于经典指标。现代投资理论指出，风险在组合表现中起着基础性作用，而夏普比率能够将收益与风险综合起来进行考量。它能够排除风险因素对绩效评估所产生的长期不利影响。该指标适用于投资组合皆为风险性资产的情况。如果夏普比率小于 1，那就意味着基金的操作风险大于报酬率。

对于投资者来讲，夏普比率是评判投资组合优劣的重要依据。假设有两个投资组合，通过对它们计算夏普比率，数值较大的那个，在同等风险的情况下，收益会更优。以股票投资组合与债券投资组合进行对比为例，要是股票组合的夏普比率更高，那就意味着在承担每一个单位的风险时，股票组合获取超额报酬的能力会更强。

理性投资的目的

理性投资人的目的在于，在面临固定风险的情况下，去追求最大的报酬。这一点体现了大多数投资者的心态。在进行投资的时候，投资人对于可以忍受的波动风险和预期报酬之间存在着关联性。他们会依据自身能够接受的风险水平，来对投资标的和组合进行选择。

很多保守型投资者会把大部分资金置于风险较低的国债或大额定期存款中，仅拿出小部分资金投入股票市场或相对高风险行业。他们这样做的目的是控制自身总体的风险承受能力，同时希望通过股票投资获得更高的回报。

夏普比率的局限性

夏普比率有普遍存在的情况，但存在后视性缺陷。量化基金常常会忽视回撤分析。而回撤在量化交易系统的评估中是非常重要的。如果账户资产因为回撤过大而被清零，那么即便绩效指标再好看也没有用。在股市大跌时期，像一些平时夏普比率较高的量化投资产品，可能由于没有充分考虑到回撤的严重性，从而导致投资者遭受巨额亏损。

import datetime
import numpy as np
import pandas as pd
import pandas.io.data as web
def annualised_sharpe(returns, N=252):
return np.sqrt(N) * returns.mean() / returns.std()
start = datetime.datetime(2000,1,1)
end = datetime.datetime(2013,1,1)
pdf = web.DataReader(ticker, ’google’, start, end)
# Use the percentage change method to easily calculate daily returns
pdf[’daily_ret’] = pdf[’Close’].pct_change() #pct_change()当前元素与先前元素之间的百
分比变化。
# Assume an average annual risk-free rate over the period of 5%
pdf*’excess_daily_ret’+ = pdf*’daily_ret’+ - 0.05/252
# Return the annualised Sharpe ratio based on the excess daily returns
Print(annualised_sharpe(pdf*’excess_daily_ret’+))