σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Bayesian Inference-Skill›Modul 3 · Modelle und Praxis›Thema 3.4·~1 Std. 30 Min.Fortgeschritten

Abschlussprojekt: Bayessche Sharpe-Ratio und Shrinkage bei echten Aktien

Position in der SkillModul 3 von 3 · Thema 4 von 4
3.4 Abschlussprojekt: Bayessche Sharpe-Ratio und Shrinkage bei echten Aktien
—Lab-Punkte— / 100XP gesamt—Serie—

Wie sicher sind Sie sich bei einer Sharpe-Ratio?

Ein Backtest liefert eine Sharpe-Ratio, doch sie wird aus verrauschten Renditen geschätzt. Eine Bayessche Schätzung behandelt den Tagesmittelwert μ und die Varianz σ² als unbekannt. Sie beginnt mit einem schwachen Prior und aktualisiert ihn mit den Daten. Das Normal-Inverse-Gamma-Paar macht das Update zu einer Formel mit vier Zahlen. Dann zieht man Stichproben aus der Posterior: eine Präzision, dann einen Mittelwert, und jedes Paar wird zu einer annualisierten Sharpe-Ratio μ/σ·√252. Die Ziehungen liefern ein Intervall und die Wahrscheinlichkeit, dass die Sharpe-Ratio über null liegt.

kₙ=k₀+n, mₙ=(k₀m₀+nx̄)/kₙ, aₙ=a₀+n/2, bₙ=b₀+ss/2+(k₀n(x̄-m₀)²)/2kₙ, S=μ/σ√252

Die zweite Hälfte handelt von vielen Aktien. Die besten Durchschnittsrenditen sind teils Glück, also nähert man sie mit der hierarchischen Regel der letzten Themen dem Gesamtmittel an. Der Test ist ehrlich. Man schätzt auf der ersten Hälfte der Jahre und prüft dann, wie gut jede Methode die Durchschnittsrenditen der zweiten Hälfte vorhersagt. Sie schreiben auch Ihren eigenen Metropolis-Sampler, das Werkzeug für Posterioren ohne Formel, und testen ihn hier an einer Posterior mit bekannter Antwort.

Was die echten Daten sagenSPY seit 2005 hat eine Sharpe-Ratio von etwa 0,52. Das 95%-Glaubwürdigkeitsintervall reicht von etwa 0,09 bis 0,94, mit 99% Wahrscheinlichkeit, über null zu liegen. Die letzten 250 Tage zeigen 1,34, was wunderbar aussieht, doch das Intervall reicht von etwa -0,66 bis 3,30, und die Wahrscheinlichkeit, positiv zu sein, beträgt nur etwa 91%. Ein Jahr trennt Können nicht von Glück. Bei den 54 Aktien ist die Streuung der Durchschnittsrenditen nicht größer, als Rauschen allein ergäbe, also τ²=0, und alle werden zum Gesamtmittel gezogen. Bei der Vorhersage der zweiten Hälfte haben die Rohdurchschnitte einen mittleren quadratischen Fehler von etwa 0,0135, die geschrumpften etwa 0,0106: 22% weniger.
  • Konjugiertes Update: vier Zahlen (mₙ,kₙ,aₙ,bₙ) beschreiben die ganze Posterior von Mittelwert und Varianz.
  • Ehrliche Fehlerbalken: Ein Jahr Daten ergibt ein Sharpe-Intervall, das so breit ist, dass es null enthält.
  • Shrinkage-Test: auf der ersten Hälfte schätzen, auf der zweiten bewerten. Hier schlägt Poolen die Rohdurchschnitte.
Vereinfachungen, die man kennen sollteTagesrenditen werden als normal und unabhängig behandelt, was dicke Ränder und Volatilitäts-Clustering ignoriert. Der schwache Prior ist von Hand gewählt. Die Aktienstichprobe hat einen Survivorship-Bias, da sie nur große Unternehmen enthält, die durchgehend existierten, und die Aktien bewegen sich gemeinsam, die Studie ist also weniger unabhängig, als sie aussieht. Die Lehre ist die Methode und die Breite der Fehlerbalken, nicht die genauen Zahlen.

Lab: Was bewertet wird

  • Die Sharpe-Ratio10 Pkt.
  • Das Posterior-Update15 Pkt.
  • Sharpe-Ziehungen15 Pkt.
  • Ein Glaubwürdigkeitsintervall10 Pkt.
  • Mittel schrumpfen15 Pkt.
  • Ein Metropolis-Sampler20 Pkt.
  • Die Shrinkage-Studie15 Pkt.
Explorer · lab-by-10
▾ lab-by-10
▾ data
…
bash · im Browser
learner@quantcraft:~/lab-by-10$
Python noch nicht geladenPythonLn 1, Col 1Spaces: 4UTF-8

Dieses Thema zurücksetzen?

Alles in lab-by-10 wird auf die Startdateien zurückgesetzt und das Terminal geleert. Ihre aktuelle Lösung geht verloren – das lässt sich nicht rückgängig machen.

Wird zurückgesetzt
  • main.py → Startcode
  • Terminal-Verlauf und Testausgabe
  • Nicht eingereichte Änderungen
Bleibt erhalten
  • Beste Lab-Punktzahl
  • Ihre XP und Ihre Serie
  • Vorlesungsfortschritt und Notizen

Melde dich an, um deinen Code auszuführen.

Alle Lektionen kannst du kostenlos lesen. Erstelle ein Konto oder melde dich an, um Code auszuführen, Tests zu starten und dieses Lab abzugeben.

  • IDE im Browser mit Bash-Terminal — nichts zu installieren
  • Sofortige Bewertung, XP und dein Platz auf der Skill
Konto erstellenAnmelden
ODER
Weiter mit GitHub