点击进入!

应用财务指标评估数字资产、投资组合或策略的风险调整回报。

人们喜欢想象，投资者只关心他们最终赚多少钱，但往往忘记了钱是如何赚钱的也很重要。

虽然巴勃罗·埃斯科瓦尔与沃尔玛创始人山姆·沃尔顿（Sam Walton）一起，在1989年福布斯（Forbes）的一篇最富有的亿万富翁文章中，没有人会混淆他们发财的方式。一个传递了他们的财富，创造了美国最富有的王朝之一，而另一个被哥伦比亚当局枪杀。

你可能会问，这和投资有关吗？那么，考虑股票回报率10%是很常见的，而在债券中几乎是闻所未闻的。

这与这样一个事实有关：债券作为投资持有到期时间的风险往往低于股票。换句话说，投资的风险如何，以及最终的回报有多大，都很重要。

Sharpe Ratio（夏普比率）考虑到这一点，它是评估资产或投资组合绩效的重要指标。此指标提供了一种标准化的方法，用于衡量您的投资或策略的绩效，以及其表现如何，易于理解。

首先，我们将详细介绍夏普比率及其使用方式，然后我们将合并来自雅虎金融（Yahoo Finance）的数据，这些数据用于每日 OHLCV 资产数据，以及用于数字资产价格和指标的 Amberdata，以调查一些热门资产（如黄金和加密货币）的夏普比率（或风险调整后的回报）。

假设您创建了一个投资组合，每年回报您 10%，扣除费用。从表面上看，这似乎很棒，但还需要先回答更多的问题。

首先，投资组合的风险状况如何？它们是房地产、小盘股、大宗商品、大盘股、股票、期权、债券，还是上述某种组合？8%的债券回报率将是令人难以置信的，但小盘股的低迷，当你可以只投资于广泛的指数基金，并可能获得更好的回报。

第二，您的回报如何一致？如果你能击败市场一年25%，但你明年可能会亏损15%，那么投资组合是不是就存在一定的问题，你可以考虑找到一个更可靠的投资，尽管第一年有不错的回报。

夏普比率结合了此信息，并解决了评估资产或战略绩效的需要。它不是测量性能时要查看的唯一指标，但它是使用最广泛的，而且往往是第一次引用的数字。

简而言之，它是回报质量的衡量标准，这就是为什么它被称为风险调整回报。在进入如何计算和实际使用它之前，我们必须讨论夏普比率鲜为人知的变体 — 信息比率。

信息比率：你会很高兴知道我上面所说的一切实际上是一个谎言。我们将将包含上述所有信息的指标称为信息比率。根据Investopedia的说法，信息比率定义为投资组合回报减去基准回报除以跟踪误差。换句话说：

IR = （投资组合回报 + 基准回报） / 跟踪错误

其中跟踪误差是投资组合回报和基准回报之间的差值的标准差。欧内斯特·陈在他的《定量交易》一书中对一个定义有一点更简洁的信息定义，他这样定义信息比率：

信息比率 = 超额回报/超额回报的标准偏差

超额回报是投资组合的回报减去基准回报。虽然像 Investopedia 文章这样的文章描述了如何计算比率，但有效使用它的关键就是选择正确的基准。

例如，如果我们交易大盘股，那么基准将是标准普尔500指数。同样，如果我们交易黄金期货，那么市场指数应该是黄金现货价格。在任何情况下，我们选择最相似和最广泛的资产在同一资产类别作为基准。

虽然信息比率是一个很大的数字知道，你可能会很难找到它使用以外的博客文章。部分由于选择信息比率基准的细微差别，大多数投资者只是坚持我们所说的"无风险利率"作为基准，并称之为夏普比率。

夏普比率：夏普比率只是美元中性策略的信息比率 - 美元中性意味着我们既不是多头也不是空头市场。在这种情况下，我们通常使用无风险回报率作为基准。实际上，这相当于使用联邦政府3个月的国库券。这被认为是风险最少的广泛投资，因此是无风险利率的基准。使用来自Investopedia 的夏普比率公式：

夏普比率 = （r_x = R_f） /stdDev（r_x）

其中R_f是无风险利率，r_x是资产 x 的平均回报率，stdDev 是资产 x 的回报率标准偏差。在实践中，无风险率往往被忽视，如果你想找出为什么我建议引用教科书，如Ernie Chan，上面提到的。

虽然了解您的投资组合或策略的信息比率可能很重要，以了解您的时间和精力是否产生基准的超额回报，但以 3 个月 T-Bill 作为基准的 Sharpe 比率在实践中更为常见，因为它允许对策略和投资组合进行比较，而且计算数字的方式也不太模糊。每个人都报告他们的结果，根据夏普比率，所以你需要知道你的投资组合比较其他人。我们可以将相同的逻辑应用于加密货币计算加密货币的风险调整回报。Amberdata 现在为任何受支持的交易所中数字资产的历史夏普比率提供了一个端点。

使用夏普比率，使用 Amberdata 的历史夏普比率终结点，我们可以在不同粒度和时间段的不同级别快速深入到夏普比率。我喜欢在 Python 中开发，因此我将向您展示如何使用 Amberdata 的历史夏普比率，仅使用 Python3 的标准库熊猫、Numpy 和 Matplotlib。

BTC 夏普比率，夏普比率通常每年报告一次。由于我没有投资组合或策略的回报，我想分享，我们将基于我们的计算只是资产回报。让我们来看看如何访问 Amberdata 的夏普比率终结点来获取此信息。

您访问此终结点所需的只是已安装的 Python3 和琥珀数据专业 API 密钥。我喜欢使用python-dotenv 包，这样我就可以在不公开我的私人信息（如 API 密钥）的情况下共享代码。如果您想尝试代码并查看我引用的一些有用的函数，将在末尾提供 Jupyter 笔记本。以下是我去年如何得到比特币的夏普比率。

我们以ISO 8601 格式回到当天的开始，在我们指定的期间，我们的资产的波动性和夏普比率。波动性稍后会派上用场，但现在我们只关心夏普比率和日期。现在，我们将数据放入 Pandas DataFrame，将日期列转换为 Datetime 对象，以便绘图库可以解释它。

一旦我们完成了以上工作，我们现在就可以绘制自2019年以来比特币的历史夏普比率。

接下来对数据进行操作由你决定，但让我们更深入地了解其他资产的夏普比率以及上下文。

传统资产夏普比率，我们将研究一些最常见的资产的夏普比率，即标准普尔500指数、苹果、先锋债券指数和黄金期货。对于这部分，我们需要外部数据源，所以我使用熊猫数据阅读器包作为一种简单和自由的方式来获取日常历史库存数据。这个包为您提供来自雅虎金融的数据。这部分的代码改编自由 Mayank Rasu 使用Python的 Udemy 课程算法交易和定量分析。我们可以简单地获得每日 OHLCV 数据与熊猫数据阅读器。

在这里，我们使用这些有用的函数计算夏普比率。这些假设这些资产每年只交易252次，例如，纽约证交所的股票就是如此，但并非所有资产都是如此。例如，加密货币可以随时交易，因此对于那些我们使用365而不是252。

一旦我们计算每个资产的夏普比率，我们可以绘制结果以及比特币夏普比率。

请注意，来自数据的数据pandas_datareader。不幸的是，这是从大多数自由和容易获得的数据来源，特别是财务数据的预期。这很好，因为这只是为了演示目的，但如果您这样做是为了投资，您需要找到更好的数据源（如 Amberdata）。

比特币是其中看起来比较奇怪的一个。我们可以看到，黄金、苹果、美国债券和标准普尔500指数（S&P 500）在过去一年里都紧随其后，这很可能是对全球大流行的反应。当然，苹果的表现特别好，但令人惊讶的是，自2月以来，黄金和债券的表现比市场指数好得多。不过，我们还注意到的是，比特币似乎与其他资产并不一起移动，而且似乎与其他资产的关系甚至比黄金更不相关——这是传统的股票对冲工具。让我们进一步推动这一点，看看只是数字资产的夏普比率。

数字资产夏普比率，让我们来看看这次数字资产的历史锐利比率。我选择了六个为我们关注： 比特币， 以太坊，LINK，XLM，BCH和BSV.如果你有兴趣了解更多有关这些资产，我建议你做一些挖掘，但我只是决定选择一对夫妇从市值前10个代币在撰写时。我们可以轻松地从这五个数据中获取数据并绘制结果。你可能有自己的方法，但以下是我是如何做的。

如果我们加入结果和绘图，我们可以看到数字资产数据上是一起变化的。

这些数字资产回报似乎高度相关。我们可以看看代币之间的相关性，并确认一般来说，确实是这样。

最后我们发现，Link和比特币的相关性小于0.5，0.43的相关性对于证券来说相当低，因此 ChainLink 可能是将多元化添加到数字资产投资组合中的有趣方式。我们还注意到，比特币现金的回报与比特币的相关性极高，不过这不足为奇。这将定期改变，但在投资数字资产时，请记住这是一件好事。

长文活动接受币友建议进行一定的改变，取消第三轮红包，改为精评活动，一、二轮照常发放。

每天二轮KEY红包，每轮1000KEY。

第一轮红包在文中“，”处。随文章一同发出。

第二轮红包在文中“。”处。第一轮抢完即发第二轮。

精评活动字数和转发都不进行强制要求，主要评选标准就是评论和文章内容的契合度。一共是1000KEY奖励。

—-