核心就是对于单一投资品的收益率,对数收益率时序可加;对于不同投资品的截面收益率,应该用百分比收益率,因为它在截面上有可加性;另外对数收益率对建模有帮助。

如果我们考察单一投资品在总共 T 期内的表现,那应该用对数收益率,而非算数收益率。算术平均值不能正确的反应一个投资品的收益率。比如一个投资品今年涨了 50%,明年跌了 50%,它的算数平均收益率为 0;但事实上,两年后该投资品亏损了最初资金的 25%。相反的,对数收益率由于具备可加性,它的均值可以正确反映出该投资品的真实收益率。比如这两年的对数收益率分别为 40.5% 和 -69.3%,平均值为 -28.77%,转换为百分比亏损就是 exp{-28.77%} - 1 = -25%。

对数收益率的时序可加性让我们能够使用另外两个利器:“中心极限定理”和“大数定律”。假设初始资金 X_0(假设等于 1),ln(X_T) = ln(X_T/X_0) 就是整个 T 期的对数收益率。对数收益率的最大好处是它的可加性,把单期的对数收益率相加就得到整体的对数收益率。

ln⁡[XTX0]=ln⁡[X1X0×X2X1×⋯×XTXT−1]=ln⁡[X1X0]+ln⁡[X2X1]+⋯+ln⁡[XTXT−1]\begin{array}{rll} \ln\left[\frac{X_T}{X_0}\right]&=&\ln\left[\frac{X_1}{X_0}\times\frac{X_2}{X_1}\times\cdots\times\frac{X_{T}}{X_{T-1}}\right]\\ &=&\ln\left[\frac{X_1}{X_0}\right]+\ln\left[\frac{X_2}{X_1}\right]+\cdots+\ln\left[\frac{X_T}{X_{T-1}}\right] \end{array}

如果能假设不同期是相互独立的,T 期对数收益率相加相当于 T 个独立的随机变量相加。由中心极限定理可知,它们的和逼近正态分布。由大数定律可知,(1/T) × ln(X_T/X_0) ,即单期对数收益率均值,随着 T 的增大一定会收敛于它的期望;对于给定的 T,T 期的总收益会收敛于 E[ln(X_T/X_0)]。

我们以初始资金 X_0 跑一个策略进行投资,最终是想让给定 T 期之后的 X_T 越大越好,但我们不知道 X_T 最终会收敛到什么值。但上面的分析说明只要 T 足够大,大数定律保证了 X_T 的对数,即 ln(X_T),一定会非常接近它的期望 E[ln(X_T)],这就是用对数收益率的价值。

这个问题也可以对改进这个策略或者挑选投资品有启发 —— 我们就是要尽可能的最大化 E[ln(X_T)]。顺便说一句,这就是凯利公式干的事儿,所以业界有用凯利公式计算一个策略的最优杠杆率。更多的请见凯利公式,从赌场到量化投资

对于多个投资品单期收益率的截面可加性,应该用百分比收益率。假设在期初我们把资金按照 m1m_1 和 m2m_2 分配到两个投资品上,这两个投资品在当期的百分比收益率为 r1r_1 和 r2r_2 。因此,我们期末的金额为 m1(1+r1)+m2(1+r2)m_1(1+r_1)+m_2(1+r_2) ,我们组合的百分比收益率为

r=m1(1+r1)+m2(1+r2)m1+m2−1=m1r1m1+m2+m2r2m1+m2+m1+m2m1+m2−1=m1m1+m2r1+m2m1+m2r2\begin{array}{rll} r&=&\displaystyle\frac{m_1(1+r_1)+m_2(1+r_2)}{m_1+m_2}-1\\ &=&\displaystyle \frac{m_1r_1}{m_1+m_2}+\frac{m_2r_2}{m_1+m_2}+\frac{m_1+m_2}{m_1+m_2}-1\\ &=&\displaystyle\frac{m_1}{m_1+m_2}r_1+\frac{m_2}{m_1+m_2}r_2 \end{array}

可见,组合的当期百分比收益率就是这两个投资品百分比收益率按资金量的加权平均。

最后,一般我们用几何布朗运动对股票价格 S 建模:

dS=μSdt+σSdBdS=\mu Sdt+\sigma SdB

上式中 μ 是单期百分比收益率期望,σ 是收益率的标准差。使用伊藤引理可以求出对数价格 lnS 的 SDE(具体见布朗运动、伊藤引理、BS 公式(后篇)):

d(ln⁡S)=df=(μ−σ22)dt+σdBd(\ln S)=df=\left(\mu-\frac{\sigma^2}{2}\right)dt+\sigma dB

这个式子说明,lnS 是一个带漂移的布朗运动,它的漂移率为 μ – 0.5σ^2,波动率为 σ。由布朗运动的性质可知,在任何时间 T,lnS 的变化符合正态分布:

ln⁡S(T)∼Φ[ln⁡S(0)+(μ−σ22)T,σ2T]\ln S(T)\sim\Phi\left[\ln S(0)+\left(\mu-\frac{\sigma^2}{2}\right)T,\sigma^2T\right]

如果一个随机变量的对数满足正态分布,我们说这个随机变量本身满足对数正态分布(lognormal distribution)。因此,当我们用几何布朗运动来描述股价波动时,得到的股价满足对数正态分布。通过对 lnS 的 SDE 两边积分,再对等式两边取指数,便可写出股价随时间变化的解析式:

S(T)=S(0)exp⁡((μ−σ22)T+σB(T))S(T)=S(0)\exp\left(\left(\mu-\frac{\sigma^2}{2}\right)T+\sigma B(T)\right)

上式乍一看好像有悖于我们的直觉。我们已知单期收益率期望为 μ\mu 。但在上式中,抛开 B(T) 带来的随机性不谈而仅看时间 T 的系数,股价单期的增长速率是 μ−0.5×σ2\mu-0.5\times\sigma^2 而不是 μ\mu μ−0.5×σ2\mu-0.5\times\sigma^2是单期对数收益率均值(logarithmic rate of return)。比较简单收益率 μ\mu 和对数收益率 μ−0.5×σ2\mu-0.5\times\sigma^2 ,后者考虑了对 σ\sigma 的惩罚。

对数收益率是两个时期资产价值取对数后的差额,即资产多个时期的对数收益率等于其各时期对数收益率之和。

衡量股票投资收益的水平指标主要有股利收益率与持有期收益率和拆股后持有期收益率等。

1、股利收益率

股利收益率,又称获利率,是指股份公司以现金形式派发的股息或红利与股票市场价格的比率其计算公式为:

该收益率可用计算已得的股利收益率,也能用于预测未来可能的股利收益率。

2、持有期收益率

持有期收益率指投资者持有股票期间的股息收入和买卖差价之和与股票买入价的比率。其计算公式为:

股票还没有到期日的,投资者持有股票时间短则几天、长则为数年,持有期收益率就是反映投资者在一定持有期中的全部股利收入以及资本利得占投资本金的比重。

持有期收益率是投资者最关心的指标之一,但如果要将其与债券收益率、银行利率等其他金融资产的收益率作一比较,须注意时间可比性,即要将持有期收益率转化成年率。

3、持有期回收率

持有期回收率说的是投资者持有股票期间的现金股利收入和股票卖出价之和与股票买入价比率。本指标主要反映其投资回收情况,如果投资者买入股票后股价下跌或操作不当。

均有可能出现股票卖出价低于其买入价,甚至出现了持有期收益率为负值的情况,此时,持有期回收率能作为持有期收益率的补充指标,计算投资本金的回收比率。其计算公式为:

4、拆股后的持有期收益率

投资者在买入股票后,在该股份公司发放股票股利或进行股票分割(即拆股)的情况下,股票的市场的市场价格及其投资者持股数量都会发生变化。

因此,有必要在拆股后对股票价格及其股票数量作相应调整,以计算拆股后的持有期收益率。其计算公式为:(收盘价格-开盘价格)/开盘价格股票收益率的计算公式 股票收益率= 收益额 /原始投资额 其中:收益额=收回投资额+全部股利-(原始投资额+全部佣金+税款)

当股票未出卖时,收益额即为股利。

为什么用对数收益率,而不是算数收益率 --因为可加性相关推荐

  1. 年龄和收入对数的线性回归_金融计算收益率的时候为什么大部分用对数收益率 (Log Return) 而不是用算数收益率?...

    下面回答的都挺好,核心就是对于单一投资品的收益率,对数收益率时序可加:对于不同投资品的截面收益率,应该用百分比收益率,因为它在截面上有可加性:另外对数收益率对建模有帮助. 如果我们考察单一投资品在总共 ...

  2. 年化超额收益计算matlab,超额年化收益率的计算 看了一下雪球上一些雪友贴出的基金或大V的历年收益率,发现一些人统计的不对,想说一下: 1.超额收益率 某基金当年收益率为... - 雪球...

    来源:雪球App,作者: Money_Ball,(https://xueqiu.com/1930958059/167803003) 看了一下雪球上一些雪友贴出的基金或大V的历年收益率,发现一些人统计的 ...

  3. 市场收益率预期与远期收益率

    目录 Market's Rate Expectations and Forward Rates INTRODUCTION ALGEBRAIC RELATIONS BETWEEN SPOT AND FO ...

  4. sql移动加权计算利润_投资收益率、时间加权收益率、资金加权收益率-KlipC讲解三个衡量交易员收益率的计算方式和准确性...

    昨天,KlipC带给大家了一份详细的投资回报率计算的方式和区别.现在,我们要讲解的是简单投资收益率(ROI).时间加权收益率(TWR)和资金加权收益率(MWR)这三个收益率作为衡量收益的优势和劣势. ...

  5. excel平均值公式_投资组合Normal VaR的具体计算方法(Excel版)

    VaR的含义 面临"正常"的市场波动时,在给定的置信水平和持有期限内,预期的最大损失量. VaR(95%,1日),即一个交易日内在95%的置信区间内的最大损失. Normal Va ...

  6. 神经网络 炒股,神经网络 软件

    如今那么多的炒股软件里,哪个有人工智能功能啊? 股票卫士APP利用谷歌AlphaGo技术整合全网碎片数据并提供针对整个股票市场的实时智能监测. 正是利用强大的数据采集处理能力以及基于最先进的神经网络人 ...

  7. 凸度偏差与收益率曲线

    目录 Convexity Bias and the Yield Curve INTRODUCTION BASICS OF CONVEXITY What Is Convexity and How Doe ...

  8. R语言HAR和HEAVY模型分析高频金融数据波动率

    最近我们被客户要求撰写关于金融数据波动率的研究报告,包括一些图形和统计输出. 摘要 在学术界和金融界,分析高频财务数据的经济价值现在显而易见.它是每日风险监控和预测的基础,也是高频交易的基础.为了在财 ...

  9. python计算对数收益率_R语言金融基础:tidyquant数据整理(算术/对数收益率)

    作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R/Python),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量.机器学习.数据可视化.应用统计建模.知识 ...

最新文章

  1. Objective-C面向对象之实现类
  2. JavaScript之Unspecified error或无法设置selected属性。未指明的错误。解决方案
  3. php 比较数组中的元素,php – 比较多维数组中的元素
  4. boost::python::numpy::unary_ufunc相关的测试程序
  5. % 在C语言中的用法
  6. Android之开源视频压缩框架RxFFmpeg的commands设置
  7. 配置snmp_多种设备基于 SNMP 协议的敏感信息泄露漏洞数据分析报告
  8. Shell命令之ps获取指定进程的进程号
  9. 求整数的位数及各位数字之和(C语言)
  10. RTP/RTCP中的Jitter
  11. 人工智能+智能运维解决方案_人工智能驱动的解决方案可以提升您的项目管理水平
  12. 数电课设—智力抢答器(五路抢答器),已在Proteus8.9版本中仿真通过
  13. RK3328 中文介绍
  14. MATLAB绘制三维地图
  15. 013 两个重要极限之一
  16. 逸尘杀菌洗地机2 Pro上手体验
  17. u盘安装grub linux,U盘安装的引导搞错了
  18. java EE 2019 11 15关于map集合
  19. FFMPEG+mp3+mp4转换
  20. oracle maxdatafiles,Oracle db_files和maxdatafiles参数

热门文章

  1. 使用百度地图API计算两点直线距离、道路距离和行车时间
  2. 芯原助力蓝洋智能部署基于Chiplet架构的芯片产品
  3. 分布式搜索引擎Elasticsearch(一):Elasticsearch命令
  4. CentOS 7 安装新版本的Git
  5. [Java Path Finder][JPF学习笔记][4]将JPF源码导入Eclipse
  6. java中文乱码解决之道(八)-----解决URL中文乱码问题
  7. 收藏!24 个 Docker 疑难杂症处理技巧(全网最全)
  8. Linux常用命令总结(建议收藏)
  9. java socket 解析自定义包头
  10. Apipost,程序员居家协同办公利器!