【量化笔记】股票收益率与风险计算
收益率=投资收益投资成本收益率 = \frac{投资收益}{投资成本}收益率=投资成本投资收益
期间投资收益=期末价格−期初价格+其他收益期间投资收益 = 期末价格 - 期初价格 + 其他收益期间投资收益=期末价格−期初价格+其他收益
期间收益率=期末价格−期初价格+其他期间收益期初价格期间收益率 = \frac{期末价格 - 期初价格 + 其他期间收益 }{期初价格 }期间收益率=期初价格期末价格−期初价格+其他期间收益
期间净收益率=期末价格−期初价格+其他期间收益−卖出交易成本期初价格+买入交易成本期间净收益率 = \frac{期末价格 - 期初价格 + 其他期间收益 - 卖出交易成本}{期初价格 + 买入交易成本}期间净收益率=期初价格+买入交易成本期末价格−期初价格+其他期间收益−卖出交易成本
单期简单收益率:
每期价格用P1,P2,...,PtP_1,P_2,...,P_tP1,P2,...,Pt表示,收益率序列用R2,R3,...,RtR_2, R_3,...,R_tR2,R3,...,Rt表示
Rt=Pt=Pt−1Pt−1=PtPt−1−1R_t = \frac{P_t=P_{t-1}}{P_{t-1}} = \frac{P_t}{P_{t-1}}-1Rt=Pt−1Pt=Pt−1=Pt−1Pt−1
多期简单收益:
Rt(k)=Pt−Pt−kPt−kR_t(k) = \frac{P_t-P_{t-k}}{P_{t-k}}Rt(k)=Pt−kPt−Pt−k
单期收益率与多期收益率之间的关系:
Rt(k)=∏j=0k−1(1+Rt−j)−1R_t(k) = \prod _{j=0}^{k-1} (1+R_{t-j})-1Rt(k)=∏j=0k−1(1+Rt−j)−1
算数平均收益率=Rt(k)k=∑j=0k−1Rt−jk算数平均收益率=\frac{R_t (k)}{k}=\frac{\sum_{j=0}^{k-1} R_{t-j}}{k}算数平均收益率=kRt(k)=k∑j=0k−1Rt−j
几何平均收益率=Rt(k)+1k−1=∏j=0k−1(1+Rt−j)k−1几何平均收益率=\sqrt[k]{R_t(k)+1}-1 = \sqrt[k]{\prod_{j=0}^{k-1}(1+R_{t-j})}-1几何平均收益率=kRt(k)+1−1=k∏j=0k−1(1+Rt−j)−1
年化收益率的几种计算方式:
假设投资人持有资产时间T,收益率RTR_TRT,一年攻m个单期
年化收益率=RTT∗m年化收益率 = \frac{R_T}{T}*m年化收益率=TRT∗m
年化收益率=[(1+RT)1/T−1]∗m年化收益率 = [(1+R_T)^{1/T}-1] * m年化收益率=[(1+RT)1/T−1]∗m
年化收益率=(1+RT)1/(T/m)−1年化收益率 = (1+R_T)^{1/(T/m)}-1年化收益率=(1+RT)1/(T/m)−1
年化收益率=∑i=0NriT∗m年化收益率=\frac{\sum_{i=0}^Nr_i}{T}*m年化收益率=T∑i=0Nri∗m
年化收益率=[(1+r1)(1+r2)...(1+rN)]1/(T/m)−1年化收益率=[(1+r_1)(1+r_2)...(1+r_N)]^{1/(T/m)}-1年化收益率=[(1+r1)(1+r2)...(1+rN)]1/(T/m)−1
除息价=股息登记日的收盘价−每股红利现金额除息价=股息登记日的收盘价 - 每股红利现金额除息价=股息登记日的收盘价−每股红利现金额
送红股后的除权价=股权登记日的收盘价÷(1+每股送红股数或转增股数)送红股后的除权价=股权登记日的收盘价\div (1+每股送红股数或转增股数)送红股后的除权价=股权登记日的收盘价÷(1+每股送红股数或转增股数)
除权除息价=股权登记日的收盘价−每股红利现金额1+每股送红股数或转增股数除权除息价 = \frac{股权登记日的收盘价-每股红利现金额}{1+每股送红股数或转增股数}除权除息价=1+每股送红股数或转增股数股权登记日的收盘价−每股红利现金额
$股息率= \frac{Div}{Price} * 100% $
本益比(市盈率)=每股市价每股盈利本益比(市盈率)= \frac{每股市价}{每股盈利}本益比(市盈率)=每股盈利每股市价
连续复利率=limn→∞(1+Rn)nT−1=eRT−1连续复利率= \lim_{n\to\infin}(1+\frac{R}{n})^nT-1=e^{RT}-1连续复利率=limn→∞(1+nR)nT−1=eRT−1
多期连续复利率rT(k)=∑j=0k−1rt−j多期连续复利率r_T(k)=\sum_{j=0}^{k-1}r_{t-j}多期连续复利率rT(k)=∑j=0k−1rt−j
下行风险:
δ(R,MARR)=E{[min(R−MARR,0)]2}=1T∑t=1T[min(R−MARR,0)])2\delta(R,MARR)=\sqrt{\mathbb{E}\left\{[min(R-MARR,0)]^2\right\}} =\sqrt{\frac{1}{T}\sum_{t=1}^{T}\left[min(R-MARR,0)\right])^2}δ(R,MARR)=E{[min(R−MARR,0)]2}=T1∑t=1T[min(R−MARR,0)])2
其中MARR为可接受的最低收益率
风险价值:
VaR:给定的置信水平和目标时段下预期的最大损失。XtX_tXt:当前时段持有的资产
Pr{Xt<−VaR(α,Δt)}=α%Pr\{X_t\lt-VaR(\alpha,\Delta t)\}=\alpha\%Pr{Xt<−VaR(α,Δt)}=α%
协方差矩阵估算法:
假设投资者初始财富为WWW,持有的投资组合收益率是RRR,RRR的均值为μ\muμ,标准差为σ\sigmaσ,假设收益率满足正态分布:
Pr(RW<−VaR)=Pr(R−μσ<−VaR/W−μσ=Zα)=α%Pr(RW\lt -VaR)=Pr\left( \frac{R-\mu}{\sigma}\lt \frac{-VaR/W-\mu}{\sigma} = Z_\alpha\right) = \alpha\%Pr(RW<−VaR)=Pr(σR−μ<σ−VaR/W−μ=Zα)=α%
ZαZ_\alphaZα是标准正态分布下α%\alpha\%α%对应的分位数
VaR=−(Zασ+μ)WVaR = -(Z_\alpha \sigma + \mu)WVaR=−(Zασ+μ)W
期望亏空:超过VaR水平的损失的期望值,也就是最坏的α%\alpha \%α%损失的平均值,
ES=E[X∣x<−VaR]ES = \mathbb E[X|_{x\lt -VaR}]ES=E[X∣x<−VaR]
最大回撤MDD对应在(0,T)时段内资产价值从最高峰值回落到最低谷地的幅度。最大回撤长用来描述投资者在持有资产时可能面临的最大亏损。
T时刻的回撤:PTP_TPT是现在价值
D(T)=max{0,maxt∈(0,T)Pt−PT}D(T) = max \left\{ 0,max_{t \in(0,T)}P_t-P_T\right\}D(T)=max{0,maxt∈(0,T)Pt−PT}
对应的回撤率为:
d(T)=D(T)maxt∈(0,T)Ptd(T) = \frac{D(T)}{max_{t \in (0,T)}P_t}d(T)=maxt∈(0,T)PtD(T)
最大回撤:
MDD(T)=maxτ∈(0,T)D(τ)=maxτ∈(0,T)[maxτ∈(0,T)Pt−Pτ]MDD(T) = max_{\tau \in (0,T)}D(\tau) = max_{\tau \in (0,T)}\left[ max_{\tau \in (0,T)}P_t-P_\tau\right]MDD(T)=maxτ∈(0,T)D(τ)=maxτ∈(0,T)[maxτ∈(0,T)Pt−Pτ]
最大回撤率:
mdd(T)=maxτ∈(0,T)d(τ)=MDD(T)maxt∈(0,T)Ptmdd(T) = max_{\tau \in (0,T)}d(\tau) = \frac{MDD(T)}{max_{t \in (0,T)}P_t}mdd(T)=maxτ∈(0,T)d(τ)=maxt∈(0,T)PtMDD(T)
【量化笔记】股票收益率与风险计算相关推荐
- python怎么检验股票日收益率_Python量化笔记-股票收益率的正态分布检验和凯利公式应用...
本为继承上一篇: 完成以下扩展练习: 4.2 扩展练习2:对股票的收益率进行正态分布检验 4.3 扩展练习3:如果股票的收益率是正态分布的,使用凯利公式进行每日交易 4.2 扩展练习2:对股票的收益率 ...
- python 凯利公式_Python量化笔记-股票收益率的正态分布检验和凯利公式应用
本为继承上一篇: 完成以下扩展练习: 4.2 扩展练习2:对股票的收益率进行正态分布检验 4.3 扩展练习3:如果股票的收益率是正态分布的,使用凯利公式进行每日交易 4.2 扩展练习2:对股票的收益率 ...
- 最小错误率贝叶斯决策的基本思想_机器学习笔记—模式识别与智能计算(四)基于概率统计的贝叶斯分类器设计(贝叶斯决策)...
系列文章: 机器学习笔记-模式识别与智能计算(一)模式识别概述 机器学习笔记-模式识别与智能计算(二)特征的选择与优化 机器学习笔记-模式识别与智能计算(三)模式相似性测度 同类文章: 机器学习笔记- ...
- 【量化笔记】OBV指标交易策略
本篇博客是量化笔记系列的最后一篇了,之后会停更一段时间量化内容,后面会写什么还待定 OVB主要计算累计成交量,将股价上涨时的成交量进行正累加,对股价下跌时的成交量进行负累加,计算公式是: O B V ...
- Python学习笔记:利用timeit计算函数调用耗时
Python学习笔记:利用timeit计算函数调用耗时 一.timeit模块简介 Timer对象包含两个参数:第一个参数是你想要计时的Python语句,第二个参数运行一次来建立测试. 默认情况time ...
- 投资笔记4-投资风险认知
https://blog.csdn.net/mtj66/article/details/113035943 投资笔记4-投资风险认知 原创卓伟小跟班2021-01-23 08:13:54 今天这个话题 ...
- 北理工嵩天Python语言程序设计笔记(10 Python计算生态概览)
前言 本文是对<北理工 嵩天/黄天宇/礼欣 Python语言程序设计>的学习笔记,供自己查阅使用. 文章目录 北理工嵩天Python语言程序设计笔记(目录) 北理工嵩天Python语言程序 ...
- C语言笔记之个税计算
C语言笔记之个税计算 1. 业务 1.1 月薪个人所得税 1.2 年终奖个人所得税 2. 功能 2.1 初级功能 2.2 高级功能 1. 业务 1.1 月薪个人所得税 2019年的个税制度改得比较复杂 ...
- 大鱼风控笔记 1:量化风控体系的风险板块
关于风控市场上比较关注的几种风险类型,可以参照「巴塞尔协议」.「巴塞尔协议III」主要涉及以下几种风险类型: 信用风险:信用风险是指由于信用活动中存在的不确定性而导致银行遭受损失的可能性,确切地说,是 ...
- 【Python金融量化 8- 100 】八、计算投资组合风险
Calculating Portfolio Risk(计算投资组合风险) Calculate the risk of an equally weighted portfolio composed of ...
最新文章
- 图解 Kafka,一目了然!
- Android多媒体开发-- android中OpenMax的实现整体框架
- python学习[第十三篇] 条件和循环
- android apt最新版本,解决Android studio 2.3升级到Android studio 3.0 后apt报错问题
- 【中生代技术社区内推】
- java操作Linux 调用shell命令,shell脚本
- SVN 代码与文件管理小记
- 手机语言包与国家地区对照表
- 万网域名怎么做解析教程图解
- MySQL数据库安全配置规范操作
- 【YOLOv7】结合GradCAM热力图可视化
- 时间序列常见模型介绍与实战(SPSS)
- 十万条评论告诉你《流浪地球》的1星都是谁打的?
- CAS单点登录框架使用
- <input>标签构建快递信息界面(HTML+CSS)
- 统计字符串中出现频率最高的字母 C语言
- java将五元换成1元5角_C,一个代码来获得一笔钱转换成四分之一,硬币,镍币,便士[关闭]...
- VI设计通过企业文化传播企业VI设计视觉感受
- HP Server BIOS实验报告
- Ubuntu Server 16.04安装,磁盘分区。