Навигация по торговым рискам в реальном времени: сопоставление коэффициента Шарпа с основными показателями эффективности для оценки стратегии.
Выводы из работы Rej et al.: Улучшение оценки стратегии в реальном времени с помощью метрик риска
Эта статья черпает вдохновение из известной работы под названием «Вы находитесь в просадке. Когда следует начать беспокоиться?» Адам Рей, Филип Сигер и Жан-Филипп Бушо из Capital Fund Management.
https://arxiv.org/abs/1707.01457
В своем исследовании авторы дали ценные рекомендации управляющим портфелями о том, когда следует беспокоиться об эффективности стратегии, сопоставив предполагаемые коэффициенты Шарпа с глубиной и продолжительностью просадки.
Коэффициент Шарпа широко известен как мера для оценки качества и эффективности систематических стратегий. Он служит ключевым критерием для выбора управляющих портфелем, и системы ранжирования, основанные на эффективности, часто отдают приоритет участникам на основе их реализованного коэффициента Шарпа. Однако полагаться исключительно на статистический показатель, такой как шарп, может быть бесполезно в реальной торговле. Другие показатели риска играют решающую роль в определении жизнеспособности реальной стратегии.
В этой статье я повторяю и представляю результаты Rej et al. в удобной для читателя форме. Кроме того, я предоставляю фрагменты кода Python, которые позволяют читателям воспроизвести анализ. Основываясь на их работе, я не ограничиваюсь просадками и исследую сопоставление более острого рациона с другими важными показателями риска, которые могут существенно повлиять на оценку реальной стратегии.
В то время как систематические торговые стратегии включают в себя надежные механизмы исполнения и проверки, все еще есть возможности для улучшения управления стратегиями в процессе производства. Сопоставление коэффициента Шарпа с другими показателями риска может помочь в определении оптимального времени для прекращения стратегии. Эта область принятия решений, на мой взгляд, часто включает в себя элементы иррациональности и интуиции, которые требуют дополнительного внимания.
Рассматривая более широкий спектр показателей риска, мы можем способствовать более полному пониманию эффективности стратегии и делать осознанный выбор в отношении ее жизнеспособности и сроков прекращения.
Генерация случайных путей с заданным годовым объемом и годовым шарпом:
Чтобы изучить статистические свойства мер риска, первым шагом является создание случайной выборки линий капитала с заданным шаром и заданным годовым объемом.
Начнем с создания набора нормально распределенных ежедневных доходностей r_i.
H — горизонт моделирования в годах, предполагается, что в каждом году 250 торговых дней.
Чтобы установить, что общий путь r_i имеет заданный шарп в годовом исчислении по Шарпу = S и заданный годовой объем = STD, необходимо линейное преобразование:
Легко проверить, что определенные таким образом r’_i обладают требуемыми свойствами:
Код Python для создания общего пути возврата выглядит следующим образом:
Образец линий капитала получается путем генерации N путей, как определено выше:
При обсуждении коэффициента Шарпа стратегии важно отметить, что подразумеваемый временной горизонт часто остается невысказанным. Например, если вы говорите, что ваша стратегия имеет коэффициент Шарпа S, неясно, в какой момент времени этот коэффициент Шарпа был достигнут. Если коэффициент Шарпа S был достигнут за двухлетний период, это означает, что через год годовой коэффициент Шарпа может быть любым значением, а через два года он будет точно равен S.
Чтобы лучше представить себе эту концепцию, взгляните на диаграммы ниже:
Эмоциональное воздействие и устойчивость: изучение важнейших показателей риска для мониторинга торговой стратегии в реальном времени
При наблюдении за реальной торговой стратегией определенные показатели риска оказывают значительное влияние не только на наш процесс принятия решений, но и на наше эмоциональное благополучие. Понимание этих показателей становится критически важным, поскольку они дают представление о потенциальных рисках, с которыми мы сталкиваемся, и об устойчивости нашей стратегии. В этом контексте я определил четыре показателя риска, которые, по моему мнению, имеют наибольший вес, как в аналитическом, так и в эмоциональном плане, в процессе мониторинга торговли в реальном времени.
- Окончательное отрицательное время: эта метрика представляет собой последний момент времени, когда линия капитала нашей стратегии все еще показывает отрицательную прибыль и убыток (P&L). Он фиксирует продолжительность неудовлетворительной работы. Понимание последнего отрицательного времени позволяет нам оценить потенциальные эмоциональные потери и терпение, необходимое для того, чтобы оставаться преданными в трудные периоды.
- Максимальная просадка: Максимальная просадка относится к наибольшему процентному снижению стоимости наших инвестиций или портфеля от его пика до последующего минимума. Он демонстрирует глубину потерь, понесенных за время существования стратегии. Этот показатель может иметь глубокое эмоциональное воздействие, отражая потенциальные масштабы неудач и необходимость стратегий снижения рисков.
- Максимальный убыток: максимальный убыток представляет собой самую низкую точку, достигнутую линией капитала нашей стратегии. Он дает количественную оценку степени понесенных наиболее значительных убытков, обеспечивая четкую картину наихудшего сценария. Этот показатель подчеркивает эмоциональную устойчивость, необходимую для преодоления периодов невзгод.
- Максимальное время восстановления. Максимальное время восстановления измеряет время, которое требуется инвестиции или портфелю для полного восстановления после просадки и достижения своего предыдущего пикового значения. Этот показатель иллюстрирует настойчивость, необходимую для преодоления потерь и восстановления прежнего уровня производительности. Понимание самого длительного времени восстановления помогает установить реалистичные ожидания и управлять эмоциями в процессе восстановления.
Приведенная ниже диаграмма предназначена для простого графического представления величин, определенных выше:
Ниже приведены скрипты Python для расчета показателей риска с учетом массива доходностей a и воспроизведения диаграммы.
Квантильный анализ: изучение профилей риска и распределения смоделированных линий капитала
При наличии смоделированной выборки линий капитала с заданным шаром, годовым объемом и горизонтом функции расчета метрики риска применяются к каждой линии капитала в выборке. Эта функция дает конкретное значение метрики риска для каждой строки капитала. Затем эти значения собираются и формируют вектор, где каждый элемент соответствует значению метрики риска для конкретной линии капитала в выборке.
Затем выполняется квантильный анализ вектора значений метрик риска для эффективного сообщения профилей риска. Рассчитывая квантили, мы получаем полное представление о распределении рисков по смоделированным линиям капитала. Такие квантили, как 90-й процентиль (наихудший сценарий), 50-й процентиль (ожидаемый случай), дают количественную информацию о рисках, связанных с конкретным допущением резкого, годового объема и горизонта.
На приведенных ниже графиках показаны квантильные значения метрики риска, связанные с определенной выборкой строк капитала. Эти квантили представляют собой пороговое значение, ниже которого опускается заданная доля x точек данных. Изучая эти графики, мы можем визуально наблюдать изменение значений квантилей при изменении x, что дает ценную информацию о распределении и относительном расположении метрики риска.
Наконец, квантили 90-го процентиля и 50-го процентиля наносятся на график относительно соответствующих коэффициентов резкости и горизонтов.
Результаты обобщены в таблицах ниже, чтобы повысить ясность и помочь в принятии торговых решений в режиме реального времени.
Этот подход может быть особенно полезен для определения момента остановки конкретной торговой стратегии. Например, если ожидается, что стратегия будет давать коэффициент Шарпа, равный 2, в течение 2-летнего периода, а тираж превышает годовой объем более чем в 1,05 раза, может быть целесообразным переоценить ожидаемую эффективность или рассмотреть возможность полного прекращения стратегии. .
Спасибо за внимание!
Пожалуйста, не стесняйтесь обращаться ко мне по адресу [email protected]
Профиль Linkedin: https://www.linkedin.com/in/francesco-landolfi-2311953/
Youtube-канал (если вас интересует не только наука о данных!) https://www.youtube.com/@FraLandolfi/
Дополнительные материалы на PlainEnglish.io.
Подпишитесь на нашу бесплатную еженедельную рассылку новостей. Подпишитесь на нас в Twitter, LinkedIn, YouTube и Discord .
