统计模型应用--表现和风险评估
1 | def annualised_sharpe(returns, N = 252 ):<br> return np.sqrt(N) * returns.mean() / returns.std()<br> def equity_sharpe(ticker,start, end):<br> pdf = web.DataReader(ticker, 'quandl' , start, end).sort_index()<br> pdf[ 'daily_ret' ] = pdf[ 'Close' ].pct_change()<br> pdf[ 'excess_daily_ret' ] = pdf[ 'daily_ret' ] - 0.05 / 252 <br> return annualised_sharpe(pdf[ 'excess_daily_ret' ]) |
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步