การทดสอบอัตราส่วนชาร์ปอย่างมีนัยสำคัญ

วิธีที่เหมาะสมในการทดสอบความสำคัญของอัตราส่วน Sharpe หรืออัตราส่วนข้อมูลคืออะไร? อัตราส่วน Sharpe จะขึ้นอยู่กับดัชนีส่วนต่าง ๆ และอาจมีช่วงเวลามองย้อนกลับไปตัวแปร

ทางออกหนึ่งที่ฉันได้เห็นอธิบายเพียงใช้ทดสอบนักเรียนกับ df ตั้งระยะเวลาในการมองย้อนกลับ

ฉันลังเลที่จะใช้วิธีการข้างต้นเนื่องจากข้อกังวลดังต่อไปนี้:

ฉันเชื่อว่า t-test นั้นมีความอ่อนไหวต่อความเบ้
ค่าเฉลี่ยผลตอบแทนที่คำนวณโดยใช้การส่งคืนค่าน้อยกว่าค่าเฉลี่ยผลตอบแทนที่คำนวณโดยใช้ผลตอบแทนแบบง่าย ฉันคิดว่าสิ่งนี้จะทำให้มีโอกาสมากขึ้นที่อัตราส่วน Sharpe ที่ให้ผลตอบแทนแบบง่ายจะลงทะเบียนว่ามีนัยสำคัญเมื่อเทียบกับ Sharpe ที่ใช้อัตราส่วนผลตอบแทนกลับมา
หากช่วงเวลาที่มองย้อนกลับไปมีขนาดเล็ก (เช่นขนาดตัวอย่างเล็ก) การทดสอบ t อาจเหมาะสม แต่เกณฑ์ใดที่เหมาะสมที่จะใช้การทดสอบอื่น

ความโน้มเอียงแรกของฉันคือการหลีกเลี่ยงการใช้การกระจายนักศึกษา -t และสร้างการทดสอบตามการกระจายพลังงานแบบอสมมาตรซึ่งฉันได้อ่านได้แสดงให้เห็นว่าใกล้เคียงกับผลตอบแทนของตลาดตราสารทุนมากขึ้น

ความชอบครั้งที่สองของฉันคือการดูการทดสอบแบบไม่อิงพารามิเตอร์ แต่มีประสบการณ์ จำกัด ในการใช้งานของพวกเขาฉันไม่แน่ใจว่าจะเริ่มต้นอย่างไรและควรหลีกเลี่ยงข้อผิดพลาดอะไร

ฉันคิดมากปัญหานี้หรือไม่

— cty.trader
แหล่งที่มา

t-test นั้นเกี่ยวกับอะไร? ชาร์ป = 0?

— Permian

Bailey และ Marcos López de Prado ออกแบบวิธีการทำอย่างนั้น พวกเขาใช้ความจริงที่ว่าอัตราส่วนของชาร์ปนั้นกระจายตามปกติแบบเชิงเส้นกำกับแม้ว่าผลตอบแทนจะไม่

ป้อนคำอธิบายรูปภาพที่นี่

ที่นี่ gamme_3 และ gamma_4 คือความเบ้และความโด่งดังของผลตอบแทน พวกเขาใช้นิพจน์นี้เพื่อหาอัตราส่วนชาร์ปที่น่าจะเป็น

ป้อนคำอธิบายรูปภาพที่นี่

SR ^ * คือค่าของอัตราส่วนชาร์ปภายใต้สมมติฐานว่างที่ระดับนัยสำคัญ 5% อัตราส่วนชาร์ปนั้นสูงกว่า SR * อย่างมีนัยสำคัญหากค่า PSR โดยประมาณมากกว่า 0.95

— Shenkie28
แหล่งที่มา

ขอบคุณ Shenkie โซลูชันนี้ตอบคำถามส่วนใหญ่ของฉัน สำหรับผู้ที่สนใจบทความที่อ้างอิงโดย Shenkie คือ "The Sharpe Ratio Efficient Frontier" โดย Bailey และ Lopez de Prado มันไม่เพียง แต่อธิบายวิธีการทดสอบอัตราส่วน Sharpe แต่ยังมีสูตรเพื่อระบุระยะเวลาที่ต้องใช้เวลามองย้อนกลับเพื่อให้มีความมั่นใจทางสถิติว่า Sharpe นั้นสูงกว่าเกณฑ์ที่กำหนด สิ่งเดียวที่ฉันยังคงเกาหัวของฉันเกี่ยวกับบันทึกและผลตอบแทนที่เรียบง่าย

— cty.trader

@ cty.trader ใช้การคืนค่าสัดส่วน / เปอร์เซ็นต์การเปลี่ยนแปลงอย่างง่ายหรือบันทึกการคืนสินค้าจริง อย่ารวมพวกเขาอย่างเห็นได้ชัด

— SARose

@Soseose - ปัญหาที่ฉันพยายามจะจัดการคือเกิดขึ้นเมื่อเปรียบเทียบอัตราส่วน Sharpe หรือ IR ที่คำนวณโดยใช้การคืนค่าแบบง่ายเปรียบเทียบกับการบันทึก ช่วยบอกว่าฉันคำนวณ Sharpe สำหรับกองทุนรวมสมมุติ; ฉันใช้การคืนค่าแบบง่าย (ล็อก) สำหรับตัวเศษและตัวง่าย (ล็อก) สำหรับตัวส่วนดังนั้นไม่มีการผสมล็อกและการส่งคืนแบบง่าย ในกรณีส่วนใหญ่ Sharpe แบบง่ายจะมากกว่า Log Sharpe นี่ก็หมายความว่าถ้าฉันทำการทดสอบสมมติฐานใน Simple Sharpe มันมีแนวโน้มที่จะมีความสำคัญมากกว่าการทดสอบใน Sharpe log ฉันเชื่อว่าผลลัพธ์ใด

— cty.trader

@ cty.trader ใช่เวลาส่วนใหญ่จะดีกว่า แต่ก็ไม่มากนัก หากคุณต้องการคำตอบที่เข้าใจง่ายกว่านี้คุณสามารถใช้เทคนิคแบบเบย์แทนคำตอบที่ใช้บ่อย

— SARose