ML for trading -cs7646-04

Portfolio

1.投资组合的日收益率
2.投资组合的风险评价指标:sharpe ratio
　
(1)假设投入资金10000
(2)买入组合的分配比例 allocat=(0.3, 0.2, 0.2, 0.3)
(3)时间从17-01/03~06/05
　

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 投资组合股票价格
df_close = pd.read_csv('Data/data/close_4.csv',index_col='date')
print df_close[:3]

                 SZ   JFJS  CYDL     MD
date
2017-01-03  2307.89  9.121  6.11  29.12
2017-01-04  2322.21  9.230  6.12  29.83
2017-01-05  2322.68  9.110  6.12  29.69

# norm price ,除以买入当天的价格
norm_df = df_close / df_close.iloc[0,:]
print norm_df[:3]

                  SZ      JFJS      CYDL        MD
date
2017-01-03  1.000000  1.000000  1.000000  1.000000
2017-01-04  1.006205  1.011950  1.001637  1.024382
2017-01-05  1.006408  0.998794  1.001637  1.019574

# norm price * allocat(资金投入比)
allocat = [0.3, 0.2, 0.2, 0.3]
allocated = norm_df * allocat
print allocated[:3]

                  SZ      JFJS      CYDL        MD
date
2017-01-03  0.300000  0.200000  0.200000  0.300000
2017-01-04  0.301861  0.202390  0.200327  0.307315
2017-01-05  0.301923  0.199759  0.200327  0.305872

# allocated * 初始投入金额
returns = allocated * 10000
# 计算每天组合投资的价值
Values = returns.sum(axis=1)# 投资组合的日回报,(今天的收益/昨天的收益)-1
# 买入当天不计,为0
daily_returns = Values.copy()
daily_returns[1:] = (Values[1:] / Values.values[:-1])-1.0
daily_returns.iloc[0] = 0# 每天的累计回报(每天的组合收益/第一天的组合收益)-1
cum_returns = (Values / Values.iloc[0])-1.0daily_returns.plot(figsize=(10,5),label='Daily returns')
cum_returns.plot(label='Cumulative returns')
plt.grid()
plt.legend()
plt.show()

Sharpe Ratio

夏普比率（Sharpe Ratio），又被称为夏普指数 — 基金绩效评价标准化指标。用净值增长率的平均值减无风险利率再除以净值增长率的标准差就可以得到基金的夏普比率。它反映了单位风险基金净值增长率超过无风险收益率的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率，夏普比率越大，说明基金的单位风险所获得的风险回报越高。夏普比率为负时，则相反,按大小排序没有意义。
不同的数据采样频率,夏普比率会乘以不同系数k,日采样 k = 252‾‾‾‾√\sqrt{252}, 周采样为52‾‾‾√\sqrt{ 52}

　　　　　　　　　　　　　　SharpeRatio=K∗mean(Rd−Rf)std(Rd−Rf)√ Sharpe Ratio = \frac{ K*mean(R_d - R_f)}{\sqrt{std(R_d - R_f)}}

RdR_d,为日收益率; Rf R_f ,为无风险短期利率

# 净值增长率平均值,即 日收益率均值
m_dr = daily_returns.mean()
# 无风险利率,类似银行利息利率或国债利率的日均值,也可以用0代替
risk_free_rate = 0.0
# 净值增长率标准差
std_dr = daily_returns.std()
# 数据为日采样数据,
k = np.sqrt(252)
sharpe_ratio = k * (m_dr - risk_free_rate) / std_dr
print sharpe_ratio

0.572513712026