夏普比率一般多大?很多朋友可能对于这支股票还不是很了解,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。夏普比率在现代投资理论的研究表明,风险的大小在决定组合的表现上具有基础性的作用。风险调整后的收益率就是一个可以同时对收益与风险加以考虑的综合指标,以期能够排除风险因素对绩效评估的不利影响。夏普比率就是一个可以同时对收益与风险加以综合考虑的三大经典指标之一。投资中有一个常规的特点,即投资标的的预期报酬越高,投资人所能忍受的波动风险越高;反之,预期报酬越低,波动风险也越低。所以理性的投资人选择投资标的与投资组合的主要目的为:在固定所能承受的风险下,追求最大的报酬;或在固定的预期报酬下,追求最低的风险。

理性的投资者将选择并持有有效的投资组合,即那些在给定的风险水平下使期望回报最大化的投资组合,或那些在给定期望回报率的水平上使风险最小化的投资组合。解释起来非常简单,他认为投资者在建立有风险的投资组合时,至少应该要求投资回报达到无风险投资的回报,或者更多。

目的是计算投资组合每承受一单位总风险,会产生多少的超额报酬。比率依据资产配置线(Capital Allocation Line,CAL)的观念而来,是市场上最常见的衡量比率。当投资组合内的资产皆为风险性资产时,适用夏普比率。夏普指数代表投资人每多承担一分风险,可以拿到几分报酬;若为正值,代表基金报酬率高过波动风险;若为负值,代表基金操作风险大过于报酬率。这样一来,每个投资组合都可以计算Sharpe Ratio,即投资回报与多冒风险的比例,这个比例越高,投资组合越佳。

现代投资理论的研究表明,风险的大小在决定组合的表现上具有基础性的作用。风险调整后的收益率就是一个可以同时对收益与风险加以考虑的综合指标,以期能够排除风险因素对绩效评估的不利影响。夏普比率就是一个可以同时对收益与风险加以综合考虑的三大经典指标之一。

投资中有一个常规的特点,即投资标的的预期报酬越高,投资人所能忍受的波动风险越高;反之,预期报酬越低,波动风险也越低。所以理性的投资人选择投资标的与投资组合的主要目的为:在固定所能承受的风险下,追求最大的报酬;或在固定的预期报酬下,追求最低的风险。

1990年度诺贝尔经济学奖得主威廉夏普(William Sharpe)以投资学最重要的理论基础CAPM(Capital Asset Pricing Model,资本资产定价模式)为出发,发展出名闻遐迩的夏普比率(Sharpe Ratio)又被称为夏普指数,用以衡量金融资产的绩效表现。

威廉夏普理论的核心思想是:理性的投资者将选择并持有有效的投资组合,即那些在给定的风险水平下使期望回报最大化的投资组合,或那些在给定期望回报率的水平上使风险最小化的投资组合。解释起来非常简单,他认为投资者在建立有风险的投资组合时,至少应该要求投资回报达到无风险投资的回报,或者更多。

上次谈到,评估投资机会的优劣应该从收益期望和风险两方面综合考虑。如何量化这一思想呢?1950年代,有人提出用回报期望和波动性的比例作为衡量投资机会的指标。1966年,学者夏普(William Sharpe)在此基础上提出了著名的夏普比率(Sharpe Ratio):

甲投资:超额(超出国债)回报期望10%,标准差20%,夏普比率为0.5

乍一看,甲投资回报期望高,似乎是比较好的机会。其实乙投资更胜一筹(通常情况下),因为它的夏普比率高,意味着投资者用1个单位的“风险”能换取更多的回报期望。从杠杆投资的角度也可以得出同样的结论:假设投资者以r贷款利率融资,在乙投资机会上加1倍杠杆,那么“杠杆化”的乙投资就变成了10%回报期望,10%标准差,与甲投资的回报期望相同,而风险较小。

夏普比率多高才算“好”呢?我们来看一个实际的例子:美国股市的长期年平均回报率约为10%,波动性约为16%,无风险利率约为3.5%,因此夏普比率约为0.4(来源:维基百科)。翻译成白话就是:投资美股指数的年均回报率约比无风险利率高6.5%,但平均6年中有1年的回报率低于-6%(1倍标差之外)。对于长线投资的散户而言,投资美股的风险/回报还算说的过去。如果是对冲基金经理,这样的夏普比率就太低了:假设你的目标是20%年回报率,就必需用2.5倍杠杆(回报期望=2.5*10%-1.5*3.5%20%),也就意味着平均6年中有1年的回报率将低于2.5*(10%-16%)-1.5*3.5%=-20%。你赔了超过20%,客户大概就要跑光了。

一般说来,夏普比率超过1才是“好游戏”。这种机会在“简单投资”中并不多见,因此职业投资者常常利用对冲手段“改造”投资游戏,提高夏普比率。《乱世华尔街》中多次提到,对冲与杠杆是一对孪生姐妹,两者往往配合使用,说得就是这个原理。例如,你发明了一种方法,用各种资产相互对冲得到夏普比率为2的投资机会,那你就可以大胆加杠杆(数学好的同学们可以自己计算赔钱的概率),投资者大概要追着给你的对冲基金投钱了。但对冲+杠杆的投资方法通常有个“练门”:需要借很多钱,对流动性要求高,因此遇到突发性危机往往会出问题,《乱世华尔街》中就分析过LTCM和高盛Global Alpha基金的例子。

夏普比率也存在缺陷,它假设回报是正态分布,而实际的投资回报分布有“肥尾”(赔大钱的概率高于正态分布的估计),因此单纯根据夏普比率挑选投资机会存在问题,也容易被“操纵”。这个话题此处暂不展开讨论。

对普通投资者而言,夏普比率提示要从风险和回报的角度综合考虑,挑选“性价比”高的投资。这正是前面的文章中提到的观点:正回报的游戏要挑波动性小的,负回报的游戏如果非得玩,就挑波动性大的。总之,夏普比率越高越好。

夏普比率讲的是如何挑选“游戏”,而凯利公式讲的是选好了游戏后如何下注才能取得最优的长期回报率。现在我们就把两种方法配合起来使用。

夏普指数的计算公式为,将某一种投资工具的风险报酬(Risk Premium)作为分子,代表实质报酬率,而将半标准差(Semi-Standard Deviation)作为分母,代表投资工具的波动风险或下档风险。两者相除之后得出的夏普指数越高,表明实质报酬率越高,下档风险越低,该投资工具越理想。

夏普指数越高,表明每单位风险的报酬越高,该投资工具越理想。夏普比率低意味着基金是通过承担较高的风险获取收益,夏普比率高意味着基金分散和降低非系统性风险的能力较高,收益率还有上升空间,当夏普比率位于CML上方时,表明基金表现优于市场的总体表现。

面对市场上众多的理财产品,有一部分朋友投资基金时会觉得困惑,怎么样才算有科学系统性的基金产品评价方式。有没有像购买普通商品时也可以考虑基金产品的“性价比”?

投资之前首先要做的就是权衡风险和收益,也就是说理性的投资者期望做到在能承受的风险范围内力争取得更多收益。

衡量产品的风险,夏普比率就是衡量投资组合的一个“标尺”。理性的投资者将选择这样的投资组合:在给定的风险水平下使期望回报最大化,或在给定期望回报率的水平上使风险最小化。

投资中收益和风险是并存的,如果只看收益而忽略风险就不能够做到合理的资产配置,反之也同样。

夏普指数代表投资人每多承担一份风险,可以拿到一份超额报酬()。这样一来,每个投资组合都可以计算Sharpe Ratio,即投资回报与多冒风险的比例,这个比例越高,投资组合越佳。

举例而言,假如国债的回报是3%,而您的投资组合预期回报是15%,投资组合的标准偏差是6%,那么用15%-3%,可以得出12%(代表您超出无风险投资的回报),再用12%/6%=2,代表投资者风险每增长1%,预期带来2%的收益。

市场中也有其他角度和指标来评价投资组合的绩效。夏普比率是比较常用的投资业绩评价工具之一,是风险调整后的收益。通常来说,夏普比率数值越大越好,表明单位风险下超额收益率越高。

夏普比率告诉我们,投资时也要比较风险,尽可能科学的方法争取冒小风险来换大回报。

了解了夏普比率,我们就有了可以量化评价投资组合的一种方法,不妨试一试。

基金较高的净值增长率可能是在承受较高风险的情况下取得的,因此仅仅根据净值增长率来评价基金的业绩表现并不全面,衡量基金表现必须兼顾收益和风险两个方面,夏普比率就是一个可以同时对收益与风险加以综合考虑的指标。夏普比率又被称为夏普指数,由诺贝尔奖获得者威廉夏普于1966年最早提出,目前已成为国际上用以衡量基金绩效表现的最为常用的一个标准化指标。

夏普比率的计算非常简单,用基金净值增长率的平均值减无风险利率再除以基金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,在以同期银行存款利率作为无风险利率的情况下,说明投资基金比银行存款要好。夏普比率越大,说明基金单位风险所获得的风险回报越高。

以夏普比率的大小对基金表现加以排序的理论基础在于,假设投资者可以以无风险利率进行借贷,这样,通过确定适当的融资比例,高夏普比率的基金总是能够在同等风险的情况下获得比低夏普比率的基金高的投资收益。例如,假设有两个基金A和B,A基金的年平均净值增长率为20%,标准差为10%,B基金的年平均净值增长率为15%,标准差为5%,年平均无风险利率为5%,那么,基金A和基金B的夏普比率分别为1.5和2,依据夏普比率基金B的风险调整收益要好于基金A。为了更清楚地对此加以解释,可以以无风险利率的水平,融入等量的资金(融资比例为1:1),投资于B,那么,B的标准差将会扩大1倍,达到与A相同的水平,但这时B的净值增长率则等于25%(即2#15%-5%)则要大于A基金。使用月夏普比率及年夏普比率的情况较为常见。

国际上一般取36个月度的净值增长率和3个月期的短期国债利率作计算夏普比率,但由于我国证券投资基金每周只公布一次净值,而且发展历史较短,仅有少数基金具有36个月度的净值数据,因此在夏普比率的计算上,我们以4周为一个月的最近12个月的月度净值增长率作为计算的基础。此外,由于目前我国尚未发行短期国债,在无风险收益率的选取上,采用了上交所28天国债回购利率。

这里我们以2000年10月27日至2001年10月26日为考察期,对30只基金的夏普比率进行了计算(见附表)。发现全部基金的月夏普比率均为负值,说明基金的投资表现不如从事国债回购。夏普比率为负时,按大小排序没有意义。

基金月平均净值增长率是基金表现的绝对衡量标准,从这一指标看,以基金兴华、基金同智、基金兴和的表现最好,基金景宏、基金开元、基金汉兴最差。可以看出,除基金兴华、基金同智两家基金的月平均净值增长率,其余28家基金的月平均净值增长率都呈负增长,说明基金从整体上看,投资表现差强人意。

以标准差作为衡量基金风险大小的标准,基金裕华、基金同智、基金兴和的净值波动性最低,风险最小,基金金元、基金泰和、基金开元的净值波动性最高,风险最大。

30只基金的月平均净值增长率与标准差的斯皮尔曼等级相关系数为-0.54,说明基金的收益与风险呈现出较强的负相关关系,即风险越大,基金的净值增长率越低。这一关系有背于正常的风险收益关系,说明我国的证券投资基金平均而言并不是有效投资组合,组合效率较差。

夏普比率在计算上尽管非常简单,但在具体运用中仍需要对夏普比率的适用性加以注意:

1、用标准差对收益进行风险调整,其隐含的假设就是所考察的组合构成了投资者投资的全部。因此只有在考虑在众多的基金中选择购买某一只基金时,夏普比率才能够作为一项重要的依据;

4、夏普比率没有基准点,因此其大小本身没有意义,只有在与其他组合的比较中才有价值;

5、夏普比率是线性的,但在有效前沿上,风险与收益之间的变换并不是线性的。因此,夏普指数在对标准差较大的基金的绩效衡量上存在偏误;

6、夏普比率未考虑组合之间的相关性,因此纯粹依据夏普值的大小构建组合存在很大问题;

7、夏普比率与其他很多指标一样,衡量的是基金的历史表现,因此并不能简单地依据基金的历史表现进行未来操作。

8、计算上,夏普指数同样存在一个稳定性问题:夏普指数的计算结果与时间跨度和收益计算的时间间隔的选取有关。

尽管夏普比率存在上述诸多限制和问题,但它仍以其计算上的简便性和不需要过多的假设条件而在实践中获得了广泛的运用。

就是给哪些有效的投资组合,给定期望回报率的水平上使风险最小化的投资组合为投资者在建立有风险的投资组合时,至少应该要求投资回报达到无风险投资的回报,或者更多。

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,在以同期银行存款利率作为无风险利率的情况下,说明投资基金比银行存款要好。夏普比率越大,说明基金单位风险所获得的风险回报越高。夏普的理论告诉我们投资时也要比较风险,尽可能用科学的方法以冒小风险来换大回报。所以说,投资者应该成熟起来,尽量避免一些不值得冒的风险。同时当您在投资时如缺乏投资经验与研究时间,可以让真正的专业人士来帮到您建立起适合自己的,可承受风险最小化的投资组合。如何看到基金的夏普比率它是调整风险收益的重要的指标,对选择基金有较高的的指导的意义,但是它并不是用来衡量基金的唯一指标,可结合基金的其它因素和自身的风险承受能力来选择基金。

首先举个例子,如果回到五年前,再给你一次机会,你会选择在买比特币,还是选择放到银行存五年定期?这个问题现在看来,答案已经毋庸置疑了,对不对。因为5年时间,比特币已经增长了成千上万倍。但是,世间没有后悔药,也没人有预言机,当时做这个选择,并不是所有人都能洞察到有这样的收益,其实,我接触过一些朋友,谈到比特币时,他们第一印象是,比特币涨这么厉害,好吓人,这个是不是传销啊,感觉风险挺大的。是的,投资中,风险的考量很重要。

再来看个简单的例子。有这么两种投资理财产品,A是收益率10%,风险是5%;B是收益率20%,风险是20%。你会选择哪一个。

很多人会选择B,觉得风险越大,收益越高。但是如果在买A产品前,加个一倍杠杆,就变成了20%,风险10%。这么一比较,就很容易看出,A比B在获得同样收益的前提下,所需承受的风险更低。很明显,A是更值得投资的理财产品。

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。夏普比率在现代投资理论的研究表明,风险的大小在决定组合的表现上具有基础性的作用。

香帅老师在课程中,把这个公式简化成了:夏普比率=收益率/风险。其实两个公式的意义是等同的。

收益率=平均报酬率-无风险报酬率。无风险利率是指将资金投资于某一项没有任何风险的投资对象而能得到的利息率,比如放在银行存定期的利率就是无风险报酬。所以在算收益率的时候,要把这部分减去,做个修正。不然投资一年赚了4个点,其实还不如放余额宝呢。

标准差就是风险。在概率统计中最常使用作为统计分布程度(statistical dispersion)上的测量。标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。它反映组内个体间的离散程度(引自百度百科)。标准差,就是把风险的波动幅度,用数学语言表示出来。直观的来说,一个币种,波动越大,风险就越大;波动越小,就越稳。

其实夏普比率在实际应用中,并不止于此。比如在实际应用中,把上行的波动忽略,只考虑下行的波动,这样的SDR修正常常更具有指导意义。但总体来说,夏普比率给我们的启示是:面临投资及生活中各种决策时,一定要有这种意识:需要综合考虑收益和风险的大小。

回到昨天DBA项目选择的案例。因为这是第一期内测体验,体验官无论投什么,投中与否,都有1.1倍的DBA返还。如果投中了,还有更多的DBA收益和项目方的空投奖励。因此,我是这么综合考虑的,如果我认真评选项目:

收益:判断力提高(100%)+DBA投票的1.1倍返还(100%)+抽中奖励(可能)+空投奖励(可能)+币乎文章收益(可能)、DBA内测体验征文奖励(可能)、

通过认真评测每个项目,提高了收益的可能性。同时,降低了没抽中的风险(4个中了2个)。但DBA项目失败归零,这个属于我控制不了的部分,先不考虑。

因此,通过夏普比率的计算,只要我能通过自己的实践有效提高收益(分子),降低风险,这就是个划算的买卖。因此,作为理性的投资者,我做了昨天的选择:把9个项目,全部评测了一遍。

在区块链领域,与夏普比例最相关的就是买币。运用夏普比率的理论计算,我们很容易发现。从2018年来看,比特币,风险小,投资收益相对较低,很“稳”;而其他一些山寨币,涨起来就像窜天猴,跌起来有如山倒,这种风险大,投资收益也高。如何选择,看个人的风险偏好了。

“区块链”的概念火了,但节奏较快的互联网世界仍有很多人不了解何为“区块链”,即便网上有太多介绍此物的“名词解释”,但也都过于古板和难懂,那么今天我们给大家讲个“故事”,让更多用户秒懂何为“区块链”。

曾经,在网上找“小电影”,一般在某度输入个关键字,或者下载某播就能找的八九不离十了,后来很多的类似网站一点点的被和谐,某播等也相继出事儿,大部分的男性同胞们没了组织找片源越来越费劲,自己用其他“野路子”找的片源也都存在各种病毒,清晰度也不太好。

然后有一天,一个相同类似爱好者的电影群汇集了当年已经下载的优秀片源,而这些片源也都被上传备份,不存在被销毁或是损坏的可能。然后这个群的群主特别厉害拥有特别全面的资源,为了这些资源永不消失,他创建了一个共享文件夹;其中分发给10万个提供片源的资深用户,将这10万个用户的电脑再进行实时同步,这个就是我们所听说的“数据分布式存储”,也就是“去中心化”。

当汇聚了一定数量的期望用户以后,那么再想观看之前片源的用户就不再是免费的了,这个组织已经给所有的片源挨个定价,创造出了只局限于此组织的“货币”,可能你今天看一天大片需要1个币,但过几天需求的人数越来越多,那么看一天就成了5个币,早先买了很多币没有使用的用户,面对着5倍的原值增长可以选择持有观望等待,当然也可以把它卖出去从而“赚钱”。

就这样,雪球将越滚越大,越早买币的人就受益越大,可能早先只花10块钱买了1000个币的人,再过了一段时间后,以一个币20块的价格获利20000元,当然这只是打个比方,现在各种虚拟货币的溢价比例远远高于我们打的这个比方。

“区块链”现在还是太火了,以至于成为了很多人非常看重的“理财产品”,而我们认为,这一类“产品”越早进圈的人想必会挣很多钱,说“一夜暴富”也并不为过,越晚进入的却有可能赚不到钱,进与不进还希望各位网友看清形势。今日仅以本文为例,以“故事”的形式向网友浅析了这一行业,希望能够解开一部分人的疑惑。

区块链是一种分布式共享记账的技术,它要做的事情就是让参与的各方能够在技术层面建立信任关系。区块链可以大致分成两个层面,一是做区块链底层技术;二是做区块链上层应用,即基于区块链的改造、优化或者创新应用。区块链的核心意义到底是什么,我们的理解是,区块链最核心的意义是参与方之间建立数据信用,通过单方面的对抗,在明确规定下打造单方面的生态共同保障完整机会,这是一个体系,这种建立可以结束没有区块链之前的问题,没有区块链之前,在数据共享的时候是无法做到有新的共享,即使做定向也只是给你一个接口,区块链有了以后,让参与方是实现信用的共享。

区块链在几个领域已经开展应用了,第一个数字资产领域,除了我们看到的一些积分、入住卡,也包括各种其他的资产,有资产数据化的过程。

第二个领域是贸易金融领域,因为贸易金融领域本来是多环节参与、多方参与的方式,区块链可以极大提高中间的效率,使得原来很多达到替代品的效果。

第三个领域用到的是股权,是公司股权像一些区域性的股权交易中心,目的是解决股权对交易之间的便捷,是相对流通做一个便捷。目前来看,区块链多中心的体系确实能够提高效率降低成本的。

布比区块链的定位主要是做商用级的区块链基础设施服务,主要包括打造区块链系统,并区块链系统上再打造一个具有较高扩展性的支撑系统。而该支撑系统上面就是各行各业的应用。布比更多集中在区块链底层技术,在过去三年左右时间,十几个人的团队几乎全部的精力都用到底层技术的研发。布比区块链之所以选择积分,跟市场的推进方法有一点关系。大家都知道,区块链是一种非常适合数字资产发行和交易的技术,积分就是一种天然合法合规、由于额度小所以影响又不太大的数字资产。所以拿积分来做数字资产发行的第一个尝试是非常合适的选择。基于区块链发行积分,对于积分的流通和互兑互换确实也能带来很大的帮助。

区块链在改善金融体系中有很多切入点,在不同的环节中最容易突破的是哪一环?

说哪个环节最容易切入,目前还难有特别好的答案。但总的来讲,清结算、股权、各种数字资产等环节肯定是区块链适用的范围。每个领域都同时在切入。目前来看,一个现实的切入路径是从增量型、外围型逐渐向核心部件演进,一开始就进入核心是不太可能的。

所谓外围,以清结算为例,刚开始不可能马上替换清结算系统,但是可以拿一些局部的清结算业务做概念验证,逐渐才能到一些大的系统的替换和升级,这也许是一个比较长时间的过程,现在还很难给出一个区块链大规模应用到清结算系统的时间点,要看发展态势。

区块链并不是一定是没中心的,所谓去中心化,更多的意义在于建立多中心体系,以更好能够克服原来各自中心的分散结构。

实际上,当前金融体系各个环节大多都是各有中心,彼此之间有信任的数据共享是几乎做不到的尽管能系统对接、API对接,但是做到有信任的数据共享是不可能的。区块链正好可以帮助这些参与方设立多个中心,实现联合信任,进而提高效率,降低成本。所以区块链的去中心绝不是没有中心,也不是反中心,更多的是多中心或者是分中心,而分散的中心点就是各业务的参与方。这是下一步区块链对金融体系改变最大的环节,真正做到构建一个有信任的多中心体系。

什么是区块链技术?有了一定的应用分析后,我们再回到起点,这个区块链技术的定义也必将随着应用的拓展而越来越丰富,人们会发现更多区块链技术的奥妙之处。

那么首先,我们要明白一个概念,所谓的区块链,便是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。

最近都在热炒一个概念,这便是区块链,但是纵观整个行业,似乎也没有哪位能够把这个区块链给说的特别透彻,总是让人云里来雾里去,现在,便把这个新概念给揉碎了,让所有人都知道,这个东西到底是啥?

那么首先,我们要明白一个概念,所谓的区块链,便是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。

区块链诞生自中本聪的比特币,自2009年以来,出现了各种各样的类比特币的数字货币,都是基于公有区块链。

本质上就是一个去中心化的数据库,是目前已经炒的火热的比特币底层的技术和基础架构。当然,说这些也许大家还是不太明白这到底是个什么玩意,粗略的来说,区块链,便是作为一个构造信任的机器,它可能会改变整个人类社会价值传递的方式。

下面开始来简单的解释一下,最近腾讯在大力推广一个叫做TIM的软件,这个软件类似于QQ,但是其最大的特点便是所有参与者都可以在线编辑文档,这类似于区块链。只不过区块链不存在一个单一用户对这个文档进行控制,而是在区块链系统中所有的参与者,可以共同维持文档的更新,它只能按照严格的规则和共识来进行修改。

最近都在热炒一个概念,这便是区块链,但是纵观整个行业,似乎也没有哪位能够把这个区块链给说的特别透彻,总是让人云里来雾里去,现在,便把这个新概念给揉碎了,让所有人都知道,这个东西到底是啥?

那么首先,我们要明白一个概念,所谓的区块链,便是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。

区块链诞生自中本聪的比特币,自2009年以来,出现了各种各样的类比特币的数字货币,都是基于公有区块链的。

本质上就是一个去中心化的数据库,是目前已经炒的火热的比特币底层的技术和基础架构。当然,说这些也许大家还是不太明白这到底是个什么玩意,粗略的来说,区块链,便是作为一个构造信任的机器,它可能会改变整个人类社会价值传递的方式。

下面开始来简单的解释一下,最近腾讯在大力推广一个叫做TIM的软件,这个软件类似于QQ,但是其最大的特点便是所有参与者都可以在线编辑文档,这类似于区块链。只不过区块链不存在一个单一用户对这个文档进行控制,而是在区块链系统中所有的参与者,可以共同维持文档的更新,它只能按照严格的规则和共识来进行修改。

还是拿那个在线文档编辑功能来举例,在以前的时候,我们每个人都只能够单独在自己的电脑上进行文档的编辑撰写,当有人进行采购或者转账时,对其他人报账,只有这两个直接参与者才能知道转过去的是多少,当两个所记录的数值不一致的时候,便会产生矛盾,造成损失。

而区块链是怎么解决的呢?还是记录同样的数据,当A先生向C女士转账的时候,只需要在这个熟人圈子里大喊一声,A先生转了多少大家记录一下,那么所有人的账本上都会自动写上A先生向C女士在某天转账了多少,这就解决了那个矛盾。

再比如那种老式的上班打卡制度,每天都在上下班的时候准时在自己的工作卡上面记录,并且这个工作卡是大家都公认的,其他人每天也会去定时检查。

既然有人会遵守这个规则,那么肯定也会有人故意去破坏这个规则,比如不承认别人的转账数额,或者是伪造数据,那这样怎么办呢?

就如同C女士突然说,A先生并没有给她转这么多,由于当时的转账记录所有人都有,因此这个时候所有人都会出来指责C女士,毕竟当初是留有交易记录的。再比如某人在前几天没上班当然也没有打卡,而今天来上班了,但是却想在打卡的时候把前几天的也给不上去,这时候那些参与验证的人也会出来举报她。

最后那个公认的账本也只会增加,不会减少。后续加入的家庭成员都会从最长的那个账本那里继续结账。也就是说,区块链其实就是一个分布式的公共账本。

曾经在我国有一个非常奇葩的新闻,叫做怎么证明我是我,这种情况下其实用区块链可以很容易就解决。

如今,我们的出身证、户口本、房产证等,都需要有一个强大的机构或者节点来背书,这样大家才会认同,这个节点通常都是各国政府。但是一旦跨国,就会有许多的麻烦,有些证书以及合同都可能失效,比如驾照等,因为这缺少了一个全球性的节点。

而区块链技术不可篡改的特性,从根本上改变了中心化的信用创建方式,通过数学原理而非中心化信用机构来低成本的建立信用。这样我们的出生证、户口本、房产证都可以在区块链上得到验证,全球都会信任,这也就证明了我是我的世纪难题。

再比如,在食品安全上面,借助区块链技术,所有交易都建立起可靠机制,能够让食品链上的生产者、供应商、加工业者、经销商、零售商、监管机构以及消费者,能随时获取到食品来源与状态信息,方便追踪受污染的食品,加速问题食品下架,有效阻止食品安全问题的蔓延。

并且在消费者购买食品的时候,能够很轻易的看到自己食用的食品产自哪里,生产多长时间,施过什么肥料,都会一清二楚,这样也促进了消费者购买的欲望,也加速了市场的优胜劣汰,做到让良币驱除劣币。

而机器信任便是一种不需要信任的信任,它放在那里,永远都不会改变,我们不需要相信语言和故事,也不需要有钢筋水泥、中央机构为基础,不需要靠个人领袖背书,只需要知道那些区块链上的代码会执行,也不需要担心制度会被腐败掉,就可以做到互相协作,低成本构建大型合作网络。

夏普比率多用于股票市场,而夏普比率当初确实也是衡量基金业绩的重要指标,所以很多评论甚至书就根据这个下结论说夏普比率不适合期货和外汇,至少需要重新修改,结果就出现了N多个夏普比率的指标,和凯利公式一样,N多变形,其实逐渐已经远离了这些指标设计的初衷。

许多人非常关心策略的胜率和盈亏比,著名的凯利公式也是基于这些指标用于计算杠杆,胜率和盈亏比对计算破产概率可能有用,因为自己没做过破产概率的推算,所以不能否定他们的作用,但对于杠杆业绩也就是复利业绩来说胜率和盈亏比就发挥不了多大作用了,我们遇到的问题通常是在同样或基本处于同一水平的正期望值下如何挑选策略,同一种策略的开仓次数应该非常接近,在这样的基础下平均盈利就非常接近了,但即使基于同一个资金管理模型出来的效果经常相差很远,实际运用的例子非常多,比如相近期望值的多个品种如何挑选,原理一样期望值接近的策略如何挑选参数等等,根据经验来说胜率和盈亏比就帮不上忙了,这时候标准差就发挥巨大作用,基本上标准差小回撤就小,反之亦然,这就同时影响了MAR和SHARP两个重要指标,最终影响复利收益。夏普比率如用于检验策略的好坏必须有个大前提就是期望值接近,期望值小再好的标准差再低的回撤也没用。

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。夏普比率在现代投资理论的研究表明,风险的大小在决定组合的表现上具有基础性的作用。

风险调整后的收益率就是一个可以同时对收益与风险加以考虑的综合指标,以期能够排除风险因素对绩效评估的不利影响。夏普比率就是一个可以同时对收益与风险加以综合考虑的三大经典指标之一。

投资中有一个常规的特点,即投资标的的预期报酬越高,投资人所能忍受的波动风险越高;反之,预期报酬越低,波动风险也越低。

所以理性的投资人选择投资标的与投资组合的主要目的为:在固定所能承受的风险下,追求最大的报酬;或在固定的预期报酬下,追求最低的风险。

夏普比率的计算非常简单,用基金净值增长率的平均值减无风险利率再除以基金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,在以同期银行存款利率作为无风险利率的情况下,说明投资基金比银行存款要好。

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,按大小排序没有意义。夏普比率以资本市场线作为评价基准,对投资绩效作出评估。

通过认真评测每个项目,提高了收益的可能性。同时,降低了没抽中的风险(4个中了2个)。但DBA项目失败归零,这个属于我控制不了的部分,先不考虑。

因此,通过夏普比率的计算,只要我能通过自己的实践有效提高收益(分子),降低风险,这就是个划算的买卖。因此,作为理性的投资者,我做了昨天的选择:把9个项目,全部评测了一遍。

其实夏普比率在实际应用中,并不止于此。比如在实际应用中,把上行的波动忽略,只考虑下行的波动,这样的SDR修正常常更具有指导意义。但总体来说,夏普比率给我们的启示是:面临投资及生活中各种决策时,一定要有这种意识:需要综合考虑收益和风险的大小。

回到昨天DBA项目选择的案例。因为这是第一期内测体验,体验官无论投什么,投中与否,都有1.1倍的DBA返还。如果投中了,还有更多的DBA收益和项目方的空投奖励。因此,我是这么综合考虑的,如果我认真评选项目:

收益:判断力提高(100%)+DBA投票的1.1倍返还(100%)+抽中奖励(可能)+空投奖励(可能)+币乎文章收益(可能)、DBA内测体验征文奖励(可能)、

收益率=平均报酬率-无风险报酬率。无风险利率是指将资金投资于某一项没有任何风险的投资对象而能得到的利息率,比如放在银行存定期的利率就是无风险报酬。所以在算收益率的时候,要把这部分减去,做个修正。不然投资一年赚了4个点,其实还不如放余额宝呢。

标准差就是风险。在概率统计中最常使用作为统计分布程度(statistical dispersion)上的测量。标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。它反映组内个体间的离散程度(引自百度百科)。标准差,就是把风险的波动幅度,用数学语言表示出来。直观的来说,一个币种,波动越大,风险就越大;波动越小,就越稳。

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。夏普比率在现代投资理论的研究表明,风险的大小在决定组合的表现上具有基础性的作用。

香帅老师在课程中,把这个公式简化成了:夏普比率=收益率/风险。其实两个公式的意义是等同的。

夏普比率在现代投资理论的研究表明,投资风险的大小在决定投资组合的表现上具有基础性的作用。风险调整后的收益率就是一个可以同时对收益与风险加以考虑的综合指标,以期能够排除风险因素对绩效评估的不利影响。夏普比率就是一个可以同时对收益与风险加以综合考虑的三大经典指标之一。投资中有一个常规的特点,即投资标的的预期报酬越高,投资人所能忍受的波动风险越高;反之,预期报酬越低,波动风险也越低。所以理性的投资人选择投资标的与投资组合的主要目的为:在固定所能承受的风险下,追求最大的报酬;或在固定的预期报酬下,追求最低的风险。

其中E(Rp)是投资组合年化回报率;Rf是无风险利率,p是投资组合的年化标准差。有了这个标准化参数后,投资决策就比较简单了。我们先来测算一下国内的沪深300指数。截至2015年10底,沪深300指数的长期累计年化回报率大约在13.5%。它的长期年化标准差为33.5%。我们如果用3%的年化回报率为国内的无风险利率,那么该指数的长期历史夏普比率就是0.313。虽然指数的长期回报接近于股市的长期期望回报率10-12%,但是该指数的波动率非常高。所以它对应的夏普比率也偏低。

那么另一个投资中国股市的选择就是港股市场。我们可以用同样的方法来看一下MSCI中国指数ETF(的长期表现。从下面的图表中我们不难发现,A股指数的波动要大于同期的港股指数。截至2015年10月底,港股ETF从金融危机后2009年2月底的长期累积年化回报为10.2%。年化标准差为22.3%。同期的沪深300指数的长期年化回报为7.8%,年化标准差为29.3%。如果我们都用3%来做中国的无风险利率(香港的实际无风险利率是2.12%),那么ETF和沪深300指数的同期夏普比率0.324和0.163。如果用夏普比率标准化的风险回报参数来考核上述周期投资表现的话,港股ETF的表现是优于沪深300。

夏普比率的优势就是它是一个标准化的参数,非常容易计算和比较。但是其缺点是需要对比长期的历史数据。它对于没有历史记录的基金没有办法考量,而且短期的数据实际上也没有太大的参考意义。它的另一个缺点也来自于数据标准化的假设。一般资本市场的假设是投资回报的长期数据是属于正态分布,并符合钟形曲线的分布特性。那么基于以上的假设,投资者可以通过长期回报率和标准差(或称波动率)来了解投资回报的期望值及风险特征。这也是夏普比率一个基本假设。但实际上,优秀的基金经理试图改变投资回报的正态分布曲线,让回报率的整体分布不再是对称的,而是向右边扭曲(左偏态,或负偏态)。反之就是有右偏态或正偏态,请参考下图。钟形曲线向右扭曲的结果是,投资回报超过平均值的概率会大于50%,而不是向钟形曲线的左右对称。向右扭曲的幅度越大,价值投资提供的增值部分越高。

夏普于1966年最早提出,目前已成为国际上用以衡量基金绩效表现的最为常用的一个标准化指标。夏普比率越大越好。夏普比率的计算非常简单,用基金净值增长率的平均值减无风险利率再除以基金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,在以同期银行存款利率作为无风险利率的情况下,说明投资基金比银行存款要好。夏普比率越大,说明基金单位风险所获得的风险回报越高。以夏普比率的大小对基金表现加以排序的理论基础在于,假设投资者可以以无风险利率进行借贷,这样,通过确定适当的融资比例,高夏普比率的基金总是能够在同等风险的情况下获得比低夏普比率的基金高的投资收益。

夏普比率,又被称为夏普指数,是基金绩效评价标准化指标。夏普比率在现代投资理论的研究表明,风险的大小在决定组合的表现上具有基础性的作用。风险调整后的收益率就是一个可以同时对收益与风险加以考虑的综合指标,以期能够排除风险因素对绩效评估的不利影响。夏普比率就是一个可以同时对收益与风险加以综合考虑的三大经典指标之一。投资中有一个常规的特点,即投资标的的预期报酬越高,投资人所能忍受的波动风险越高;反之,预期报酬越低,波动风险也越低。所以理性的投资人选择投资标的与投资组合的主要目的为:在固定所能承受的风险下,追求最大的报酬;或在固定的预期报酬下,追求最低的风险。

以夏普比率的巨细对于基金透露表现加以排序的理论根蒂正在于,若何投资者可以以无危害利率进行假贷,如许,经由过程确定妥善的融资比例,高夏普比率的基金老是可以或许正在齐整危害的环境下取得比低夏普比率的基金高的投资收益。譬喻,若何有2个基金A以及B,A基金的年匀称净值促进率为两0%,规范差为10%,B基金的年匀称净值促进率为15%,规范差为5%,年匀称无危害利率为5%,那末,基金A以及基金B的夏普比率分袂为1.5以及两,依据夏普比率基金B的危害调整收益要好过基金A。为了更清楚地对于此加以注释,可以以无危害利率的程度,融入等量的资金(融资比例为1:1),投资于B,那末,B的规范差将会扩展1倍,抵达与A类似的程度,但这时候B的净值促进率则就是两5%(即两#15%-5%)则要小于A基金。运用月夏普比率及年夏普比率的环境较为常见。

夏普理论讲述咱们,投资时也要比拟危害,尽可能用迷信的办法以冒年夜危害来换小回报。以是说,投资者应该成熟起来,尽管防止一些没有值患上冒的危害。同时当您正在投资时如缺少投资经验与研讨光阴,可让真实的业余人士(没有是只会卖金融产物给你的SALES)来帮到您创建起妥善自身的,可遭受危害最年夜化的投资组合。这些投资组合可以经由过程Sharpe Ratio来权衡出危害以及回报比例。

夏普比率正在利用中应该注意的问题夏普比率正在算计上尽量极度简朴,但正在详细利用中仍须要对于夏普比率的有效性加以注意:

1、用规范差对于收益进行危害调整,其隐含的若何即是所考察的组合形成了投资者投资的扫数。是以只需正在思索正在浩繁的基金落第择采办某一只基金时,夏普比率才可以或许作为一项主要的依据;

四、夏普比率不基准点,是以其巨细自身不意思,只需正在与其他组合的比拟中才有价钱;

五、夏普比率是线性的,但正在无效前沿上,危害与收益之间的变换其实不是线性的。是以,夏普指数正在对于规范差较小的基金的绩效权衡上具有偏偏误;

六、夏普比率未思索组合之间的相关性,是以纯挚依据夏普值的巨细构建组合具有很小问题;

七、夏普比率与其他良多指标一样,权衡的是基金的汗青透露表现,是以其实不能简朴地依据基金的汗青透露表现进行将来独霸。

8、算计上,夏普指数同样具有一个不乱性问题:夏普指数的算计效果与光阴跨度以及收益算计的光阴隔绝距离的拔取无关。

尽量夏普比率具有上述诸多限止以及问题,但它仍以其算计上的简练性以及没有须要过量的若何前提而正在现实中取得了普及的利用。

优秀的基金产品在于能够通过主动投资管理,追求超越大盘的业绩表现。这说明基金投资不仅要有收益,更要获得超越市场平均水准的超额收益。将这一投资理念量化后贯彻到基金产品中来,就是要通过主动管理的方式,追求詹森指数(或称阿尔法值)的最大化,来创造基金投资超额收益的最大化。只有战胜了市场基准组合获得超额收益,才是专家理财概念的最佳诠释。投资者只有投资这样的基金产品,才能真正达到委托理财,获得最大收益的目的。

这里的核心概念,詹森指数实际上是对基金超额收益大小的一种衡量。这种衡量综合考虑了基金收益与风险因素,比单纯的考虑基金收益大小要更科学。一般在进行基金业绩评价时,基金收益是比较简单的指标;如果要求指标考虑到基金风险因素,则有詹森指数(Jensen)、特雷诺指数(Treynor)以及夏普(Sharpe)指数等综合性评价指标。

詹森指数是测定证券组合经营绩效的一种指标,是证券组合的实际期望收益率与位于证券市场线上的证券组合的期望收益率之差。1968年,美国经济学家迈克尔詹森(Michael C.Jensen)发表了《1945-1964年间共同基金的业绩》一文,提出了这个以资本资产定价模型(CAPM)为基础的业绩衡量指数,它能评估基金的业绩优于基准的程度,通过比较考察期基金收益率与由定价模型CAPM得出的预期收益率之差,即基金的实际收益超过它所承受风险对应的预期收益的部分来评价基金,此差额部分就是与基金经理业绩直接相关的收益。

因此,詹森指数所代表的就是基金业绩中超过市场基准组合所获得的超额收益。即詹森指数0,表明基金的业绩表现优于市场基准组合,大得越多,业绩越好;反之,如果詹森指数〈0,则表明其绩效不好。

之所以要提到综合性业绩评价指标,是因为检验投资基金能否战胜市场不是一件容易的事情,不能只简单地比较基金净值和市场指数的增长率大小,而应该综合考虑收益和风险两个方面。投资基金的收益通常用一段时期内资产净值的平均增长率表示。基金的风险则分为绝对风险和相对风险,前者是指基金资产净值的绝对波动情况,用净值增长率的标准差表示;后者是指基金资产净值相对市场指数波动的敏感程度,用基金的贝塔系数表示。一般来说,收益越高,风险越大;收益越低,风险也相对较小。

此外,在比较不同基金的投资收益时,用特雷诺指数和夏普指数可对其进行排序,而詹森指数优于这二者的地方在于可以告诉我们各基金表现优于基准组合的具体大小。詹森指数法直接建立在诺贝尔经济学奖成果资本资产定价理论基础之上。按照这一理论,随机选取的投资组合,其阿尔法值应该等于零。如果某一投资组合的阿尔法值显著大于零,则表明其业绩好于大市;如果投资组合的阿尔法值显著小于零,则表明其业绩落后于大盘。可见,詹森指数的特点是在度量基金业绩时引入了市场基准指数,能够较好地反映基金关于市场的相对表现。

此我们得知,综合考虑收益和风险双方面因素后,衡量基金相对业绩(即能否战胜市场)的合理方法应该是从其收益中减掉与风险相关的那部分超额收益,即詹森指数所代表的内容,这也就是为什么要在基金投资中突出詹森指数的涵义。

因此,投资者可以参考詹森指数,来对基金投资的期望收益与证券市场的期望收益进行比较。投资基金可能在某一段时期收益是一个负值,但这并不表示这个基金不好。只要在这一阶段詹森指数为正,尽管基金的收益是一个负值,我们还是可以认为这个基金是一个优秀的开放式基金;相反,即使某一段时期投资者所购买的开放式基金有显示的现金收益,但如果它的詹森指数是一个负值,那么就表示投资者所购买的开放式基金是一个劣质的开放式基金,因为别的投资者100元能赚20元,而这个基金管理人只能帮投资者赚10元,投资者应当考虑重新选择新的基金。由于将基金收益与获得这种收益所承担的风险进行了综合考虑,詹森指数相对于不考虑风险因素的绝对收益率指标而言,更为科学,也更具有可比性。将詹森指数的概念运用于基金投资中,追求詹森指数的极大化,也就是追求基金超额收益的极大化,是基金投资业绩超越市场组合的最优体现。

阿尔法系数()是基金的实际收益和按照贝塔系数()计算的期望收益之间的差额。代表基金多大程度上跑赢预期收益率。

阿尔法系数是一种相对指数,阿尔法系数越大说明其基金获得超额收益的能力越大。换言之,在同类基金产品中,阿尔法系数越大,该基金经理便能够额外为投资者带来更多的“附加值”

如果要想获得市场回报需要做到三件事:第一,判断股票的升跌标准,但是判断的准不一定能赚到钱,因为虽然判断准确,但是升跌的幅度还不足以覆盖交易成本,还是无法获取收益。第二,需要市场的波动性,只有市场不断地存在波动性,才能赚取高额利润。第三,市场上必须有不同的品种,不同的策略,同时投资于不同的是时段才能赚到钱,不然可能造成无法规避的风险。

夏普指数非常重要,能够由不同的方法来得到。夏普指数是对于你本身投资策略公平的判断,所以夏普指数对于阿尔法来说更公平。

投资广度有很多种不同的测量方式,如果投资换手的频率相同,那么投资的标的的数目就是指能覆盖多少只股票、多少品种,这实际上跟投资的广度有关。如果投资的标的是相同的,比如你投资的是沪深300指数,那么量化投资组合变化的次数就代表了投资的广度,频率越高投资的广度越大。投资的深度不容易简单测量,可以用一个近似的方法来测量,很多时候都用“命中率”来表示,也就是说,买了100只股票,到底有多少只在涨。

要想得到一个比较高的夏普指数,可以用较低的投资深度和比较大的投资广度。也就是说,股票命中率比较高,但投资的股票比较少,即投资的股票少而精,当然也可以投资的股票非常多,但股票的命中率不是很高。对量化投资而言,基本面投资是一个高投资深度,低投资广度的投资方式,做股票投资的时候可以做得非常精致非常好,选股票时可以一只一只做纵深分析,分析的非常准,但是由于深度的股票分析消耗人力物力,需要很多的信息,因此很难投资较多的股票。像盖摩天大楼一样,可以盖的很漂亮,盖很多这样的大厦需要非常高的代价,有限的资金是不能做到的。量化投资就像建筑平房区一样,本身它是低投资深度、高投资广度的的投资方式,也就是说投资的时候股票覆盖的很广,但是选取的股票不一定很准,需要通过大量投资的方式来获取利润。

第一个是基本面的代表人物巴菲特,他在1980-2003年实现了将近30%的年化回报,波动率是20%左右,夏普指数是1.5,但是他并没有采取量化投资策略。可以看到,他投资的广度很小,只有20,也就是说他的投资组合里最多只有20只左右的股票。但他的投资深度非常大,IC值达到了34%,换算成命中率为67%,也就是平均而言巴菲特买3只股票会有两只在涨,所以他是靠非常精准的投资深度进行投资,他是基本面投资的一个代表人物。

第二个是索罗斯,索罗斯的投资策略实际上是基于量化和基本面之间,他的投资回报也是相当不错的,大约30%。但是他本身投资的广度也相对较广,将近会投资100只左右的股票或品种,投资深度赶不上巴菲特,只有20%左右,命中率是60%左右,但是他凭借中等的投资广度和投资深度实现了30%的回报。

第三个是林奇,也是非常著名的基金经理,他投资的回报率不如巴菲特和索罗斯,虽然他策略的命中率和索罗斯差不多,但是他投资广度比较窄。

最后,值得一提的是,量化投资策略的代表人物,西蒙斯,他的投资深度只有2.6%,命中率51%左右,也就是平均而言,买100只股票只有51只会涨,刚超过半数。但是他的投资广度非常广,他的组合可以覆盖全球12000只股票,而且策略也是高频的策略,他的投资回报也达到30%,夏普比率2.8,远远超过其他投资人。所以他的经验告诉我们:量化投资是一个高投资广度、低投资深度的方式,通过大量进行广泛的投资获得利润。

最大回撤率:在选定周期内任一历史时点往后推,产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤用来描述描述任一投资者可能面临的的最大亏损。最大回撤是一个重要的风险指标,对于对冲基金和数量化策略交易,该指标比波动率还重要。

公式可以这样表达:D为某一天的净值,i为某一天,j为i后的某一天,Di为第i天的产品净值,Dj则是Di后面某一天的净值。drawdown=max(Di-Dj)/Di,其实就是对每一个净值进行回撤率求值,然后找出最大的。可以使用程序实现。

需要注意的是:一个基金产品用历史绝对收益衡量,它的初始认购者一直持有或许是赚钱的,但是在该私募基金表现最优异时候认购的投资者却不一定赚钱,还甚至有可能巨亏。我们可以举个例来说。以公募基金的标杆王亚伟执掌时期的华夏大盘为例。

最大回撤率:在选定周期内任一历史时点往后推,产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤用来描述描述任一投资者可能面临的的最大亏损。最大回撤是一个重要的风险指标,对于对冲基金和数量化策略交易,该指标比波动率还重要。股票的贝塔系数,在资本资产定价的单指数模型中被表述为证券市场特征线的斜率,称为股票市场的系统风险系数。如果用股票市场的价格指数的收益率来代表市场组合的收益率时,贝塔系数就是股票对市场系统性风险的量度,反映股票收益率变化对市场指数收益率变化的敏感度。贝塔系数越大,股票的市场风险越高,但股票的预期收益也应越高,反之亦然。其中,=1,表示股票的系统性风险与市场组合的风险相同,即股票的市场价格波动与市场价格指数的波动幅度大体一致。

投资者可以根据自己要求的收益率水平与风险的承受能力来选择进攻型股票或防御型股票。一般来说,在市场行情上涨期可选择>1的股票,以获取高于市场的超额收益;在市场行情下跌期应选择<1的股票,以规避市场的系统风险,适当减少投资损失。

股票的阿尔法值,在单指数模型中被表述为证券市场特征线与纵轴的截距,称为股票投资的特殊收益率,用于表示当市场组合的收益率为零时,股票的收益率将是多少。阿尔法为选择股票提供了一种指南,使投资者在卖出与买进股票时有利可图。正值代表了一种收益率的奖励,负值代表了对投资者的一种惩罚。

通过对沪深两市891只A股股票截止2001年12月28日之前的100周内的数据测算得到了如下一些基本结果:

1、在截止2001年12月28日之前的100周内,沪深两市A股股票的加权平均收益率为8.69%,收益率的标准差为43.35%。这一时期沪深两市A股股票收益率与市场指数收益率的平均相关系数为0.5924,表明市场中各成份股票的收益率与市场收益率的变化呈显著正相关。

2、沪深两市A股股票的历史贝塔系数的估计平均值为1.0326,相应的贝塔值标准差为0.1444。假设沪深两市的股票收益率近似服从正态分布,按两个标准差(96%的置信度)测算,其历史贝塔系数的变动区间为〔0.7438,1.3214〕。经t检验证明市场中各成份股票的收益率对市场收益率的变化较为敏感。

3、沪深两市A股股票阿尔法的估计平均值为-0.0696,相应的阿尔法标准差为0.0035。经检验证明阿尔法的估计值远远小于其标准差的两倍,因此不能拒绝真实的阿尔法值等于零的事实。

4、在这一时期,沪深两市A股股票的决定系数为0.3704,特性系数为0.6296。表明沪深两市股票总风险中由市场因素导致的系统风险约占37%,而非市场指数因素导致的非系统风险约占63%。这与纽约交易所(NYSE)的一般普通股系统风险占收益率方差约30%,非系统风险约占70%的情况应属同等水平。

5、由单指数模型与CAPM模型中的系数关系,可求得截止于2001年12月28日之前的100周内,我国证券市场中无风险利率(无风险资产收益率)的估计值为Rf=/(1-t)=3.21%,这与同一期间的五年期国债利率3.14%的水平应较为吻合。

6、从本次测算得到的各行业贝塔系数的估计值分析,截止于2001年12月28日之前的100周内,处于传统行业的股票历史贝塔值基本都小于市场平均值,相应的其阿尔法值也多呈现为正值。表明在这一期间内投资于传统行业的股票其系统风险相对较小。

7、测算结果表明,当股票的阿尔法值为正并且较大者,其收益率多明显强于市场平均值。相反,股票的阿尔法值为负并较小者,其收益率多明显低于市场平均值。因此,在股票市场中寻找具有正值并较大的阿尔法值的股票,应是投资者构建投资组合的主要目标。

公式可以这样表达:D为某一天的净值,i为某一天,j为i后的某一天,Di为第i天的产品净值,Dj则是Di后面某一天的净值。drawdown=max(Di-Dj)/Di,其实就是对每一个净值进行回撤率求值,然后找出最大的。可以使用程序实现。需要注意的是:一个基金产品用历史绝对收益衡量,它的初始认购者一直持有或许是赚钱的,但是在该私募基金表现最优异时候认购的投资者却不一定赚钱,还甚至有可能巨亏。我们可以举个例来说。以公募基金的标杆王亚伟执掌时期的华夏大盘为例.

在Akshaya Tritiya在Lok Sabha选举的热潮中失去了发行主权金债券(SGB)的机会,并且将直接征税目标错过了大约15%之后,政府似乎决心填补这

豪华摩托车品牌杜卡迪印度公司宣布其2019年下半年即将开展的DRE(杜卡迪骑行体验)课程。在印度DRE活动成功至今之后,杜卡迪已于7月推出DRE安

一个代表餐馆老板的贸易机构最近发布的一份报告称,食品安全和标准管理局在食品安全和标准管理局的许可证中,只有4 67万个用餐地点,包括餐

多伦多证券交易所(16,037 49,下跌51 75点)。Avalon Advanced Materials Inc (多伦多证券交易所代码:AVL)。材料。下跌1 5美分,或1 46%

Amgen(AMGN)最近一个交易日收于166 70美元,较前一交易日上涨了-1 38%。这一变化落后于标准普尔500指数每日下跌1 32%。其他方面,道琼斯指

在最近的交易时段,星巴克(SBUX)收于76 06美元,较上一交易日下跌-0 14%。此举比标准普尔500指数每日下跌1 32%窄。夏普股票代码其他方面,道琼斯指数下

IBM(IBM)在最近的交易时段收于132 28美元,比前一天下跌了-0 08%。这一变化落后于标准普尔500指数每日涨幅0 16%。其他方面,道指上涨0 26%

G-III服装集团(GIII)最近一个交易日收于29 24美元,较前一交易日上涨1%。该股票超过标准普尔500指数的每日涨幅0 16%。与此同时,道指上涨0

更多精彩尽在这里,详情点击:http://mandileedesigns.com/,夏普