计算风险指标：最大回撤、计算风险收益指标：夏普比率、利用最大回撤和夏普比筛选基金、比较3只股票的夏普指数

接着上一次https://www.cnblogs.com/webor2006/p/15240950.html的量化交易往下学习。

计算风险指标：最大回撤

什么是最大回撤？

在前几天跟一朋友聊股票时，刚好就聊到了“最大回撤”这个话题：

从这字面意思就可以大概知道应该是指一段周期股票的最大跌幅是多少吧，下面看一下它专业的定义：

最大回撤是指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，是一个非常重要的风险指标。

如何计算最大回撤？

上面的定义是不是有点抽象？下面则来看下如何来计算最大回撤这个指标的值，这里先来看Corporate Finance Institute（反正是一家国外的专业金融机构）对于最大回撤在这篇【https://corporatefinanceinstitute.com/resources/knowledge/trading-investing/maximum-drawdown/】文章中所定义的一张图：

它可以作为一支基金、股票大盘、个股的表现，根据上面的定义，需要“选定周期”对吧：

好，这里在图中来选定一下：

指定周期之后，咱们就可以来计算在这周期内最大的回撤值了，那如何计算呢？根据这篇https://www.investopedia.com/terms/m/maximum-drawdown-mdd.asp的说明，最大回撤的公式如下：

而Trough Value是指周期内最低的值，Peak Value是指周期内最高的值，那有了这个公式之后，咱们就可以基于此图进行一下最大回撤的计算了，先来确定最高值和最低值，如下：

所以，此时这个周期的最大回撤就是：

实际计算出来应该是-50%，但是实际说到最大回撤时是不会把这个负号给说进去的，其实就像我们说股票跌了多少一样。从实际含义来看，最大回撤描述的就是你购买一款理财产品之后亏损最糟糕的一个比例情况。

最大回撤的价值？

那。。对于最大回撤这个风险指标在实际我们理财中能发挥啥价值呢？这里举个粟子：

假设这里有两款理财产品【可以想像成是基金、债券、股票等】，它们两者从收益率来看都差不多：

但是！！！它们两者在最大回撤数据上是不一样的，比如：

那很明显产品B的最大回撤比产品A的要少，那是不是说产品B最大的跌幅是要比产品A要少的，也就是它更加抗跌对吧？那当你知道最大加撤的意义之后，对于这两款理解产品你会选择哪一款呢？很明显选择产品B！！！因为大家都在跌时，产品B跌得最少，那对于我们来说是不是风险也更小一些，投资不是赌博，永远需要尽可能规避风险，所以最大回撤这个指标是一个风险指标。

实践：

接下来则回到python工程中来增加最大回撤的计算功能。

新建函数：

其计算思路这里用注释先标明一下：

选择时间周期：

也叫时间窗口，这里选择一年时间吧：

选择时间周期中的最大净值：

这里则需要使用到python的rolling函数了，关于它的介绍可以参考https://baijiahao.baidu.com/s?id=1622798772654712959&wfr=spider&for=pc，下面先来获取时间周期收盘价的最高值：

其中关于rolling函数的参数含义可以参考下图：

计算当天的回撤比：

现在已经有了峰值了，也就是：

接下来则就把时间窗口每一天的回撤比计算出来，然后最终再从这每天的回撤比中拿出最大的那个则为最终咱们要计算的最大回撤比了，所以先来计算每天的回撤比如下：

也就是我把每一天的收盘价当成是谷值，另外对于这样的公式可以简化一下：

选择时间周期内最大的回撤比，既最大回撤

这里又得要用到rolling函数了，如下：

为啥这里是用的min()呢？其实也很好理解，因为回撤比算出来是一个负数：

而负数最小，代表回撤的幅度越大对吧？比如-10%，-50%，那最大回撤比肯定是50%了，而-50肯定是小于-10的，所以这里需要明确一下。

不过，这里为了在之后的运行中看到各个计算详细，这里改一下目前的实现如下：

调用运行：

接下来则来调用运行一下，这里还是用平安银行股票为例，查看一下它指定周期的最大回撤情况：

这里为了便于观看，将字段过滤一下，都折行了：

为了来观察咱们计算的正确性，咱们将时间窗口改小一点，改为7天吧：

另外更改一下查询的起止时间：

运行，你会发现一个诡异的现象：

这是为啥呢？因为有个时间窗口，咱们现在不是定义的时间窗口是7天么？那么计算只会算7天内的最大净值，所以：

然后再来看一下最大回撤两列的数据：

貌似数据都一切正常，接下来咱们将时间窗口还是改为1年，然后使用可视化的方式展示出来，如下：

然后将统计的起始时间也加大几年：

运行如下：

所以利用这个最大回撤比数据可以让你对某一款的理财产品的风险有一个心里预期，其实像支付宝里面的每支基金都有最大回撤指标，比如：

点击进入在它的详情页面看这块：

再点进去就可以看到了：

计算风险收益指标：夏普比率

什么是夏普比率？

英文又叫Sharpe ratio，它衡量的是一项投资在对其调整风险后，相对于无风险资产的收益表现。在1996年，由威廉·F·夏普提出，美国金融经济学学者，曾在1990年获得过诺贝尔经济学奖。

如何计算夏普比率？

它的计算公式可以参考https://www.investopedia.com/terms/s/sharperatio.asp：

而各项因子的含义如下：

啥意思？这里分别来解读一下：

"return of portfolio" ：投资回报率，也就是我们所期望投资回报率。

"risk-free rate"：无风险利率，它是指当你买入一个没有风险的资产所获得的回报，那啥叫“没有风险的资产”呢？最常见的就是国债，你咱们国内的它的年化回报在3%左右。

"standard deviation of the portfolio's excess return": 投资回报率标准差，它是一种离散指标，体现数据样本内部的差异性，它的计算公式如下：

比如说一支股票的收盘价，每个数据项就是指每天的收盘价，然后用它减去所有收盘价的均值，得到每天收盘价绝对值的平方，再将所有这些值加起来，然后最后用总和除以整个数据项的个数，最后再开根号，关于标准差的数学概念这块百度百科：

其中用到了根号运算，关于这块也来复习一下：

可能对于怎么求根号有点忘了，没关系，看一下例子就明白了：

那既然这个是一个标准差，那如果一支股票或一个基金它的标准差非常大，代表啥意思呢？

标准差大，也就意味着股价的波动大，波动一大，那是不是意味着这个投资标的的风险也大，因为很不稳定。

意义：

那对于夏普比率整个式子计算出来的结果有啥含义呢？其实它代表的是“投资者额外承受的每一个单位风险所获得的额外收益”，所以，夏普比率肯定是越大越好，因为越大越能说明该理财产品的收益是大于风险的，其实也很理解：

当夏普比率如果是大于1的情况下，是不是收益就大于风险了？

实践：

在了解了概念之后，接下来则回到python的代码中来看下如何计算一支股票的夏普值。

思路整理：

计算回报率均值：

对于标红的这两个函数比较陌生对吧，下面来理解一下，先来看第一下pct_change()，点击看它函数的定义，发现是在：

其实pct的计算咱们在之前https://www.cnblogs.com/webor2006/p/15240950.html已经自己实现过：

也就是pct_change()是pandas库为咱们封装好的计算收益的函数：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.pct_change.html

而mean()它就是求取平均值的，同样是来自于pandas：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.mean.html

这里不必过多深究，知道调用的这些函数来自于哪就成。

计算回报率的标准差：

它的实现，也是先来获取收盘价的收益率：

其中std也是pandas的函数：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.std.html

代码可以优化一下，发现这块：

可以将它提到一个变量上来：

计算夏普：

目前咱们获取的是每天收益率的夏普率，那如果想获得年化收益率的夏普率咋搞呢？那不很简单：

错！！！这里应该是它：

因为夏普率的公式是：

而回报率的标准差是开根号了：

所以，对于年化收益率的夏普率公式应该是它：

而此时分子分母可以进行消分，252/根号252不就是根号252么？所以这里就是为啥是需要乘它的原因了：

运行：

接下来调用一下：

利用最大回撤和夏普比筛选基金

现在咱们已经学习了两大风险指标：最大回撤、夏普比，那学习的目的肯定是为了咱们投资所用的，而作为小白基金是最好的投资产品，因为风险相比于股票要小一些，只要选好标的耐心持有既可，所以，接下来打算用指标来看如何用来筛选基金，当然这里只是泛泛而谈，扩展下知识，毕竟投资理财是自己的事，有用没用需要自己心中有一把称。