第六章《標(biāo)準(zhǔn)差（S.D.）也可用于理解高風(fēng)險(xiǎn)、高回報(bào)（夏普比率）》。

總結(jié)

1. 投資基本上是對(duì)高風(fēng)險(xiǎn)、高回報(bào)的商品，還是低風(fēng)險(xiǎn)、低回報(bào)的商品的選擇。這種商品的差異，是“性質(zhì)的差異”，并不意味著優(yōu)劣。
2. 可以說(shuō)，在同樣的平均收益率之下，S.D.小的是優(yōu)良的金融商品，而在同樣的S.D.之下，平均收益率大的是優(yōu)良的金融商品。
3. 就此意義上來(lái)說(shuō)，金融商品優(yōu)劣性的評(píng)價(jià)基準(zhǔn)是夏普比率（SPM）。夏普比率的公式（X的夏普比率）= [（（X的回報(bào)）-（國(guó)債的收益率）] ）/ （X的風(fēng)險(xiǎn)） 來(lái)計(jì)算。可以這樣認(rèn)為，夏普比率越大，金融商品就越優(yōu)良。

注：盡管投資策略中夏普比例被普遍應(yīng)用，但它也確實(shí)有局限（來(lái)源）：

首先，夏普比率是回顧性的。它只考慮歷史回報(bào)的分布和波動(dòng)，而不是未來(lái)發(fā)生的。在根據(jù)夏普比例作出判斷時(shí)，有一個(gè)隱含的假設(shè)，即過(guò)去將會(huì)與未來(lái)相似。顯然并非總是如此，特別是在市場(chǎng)制度的變化下。夏普比率計(jì)算假設(shè)正在使用的回報(bào)是正態(tài)分布（即高斯）。不幸的是，市場(chǎng)往往高于正常分布的峰度。相比高斯分布將導(dǎo)致我們相信的來(lái)說(shuō)，回報(bào)的分配存在“長(zhǎng)尾效應(yīng)”，極端事件有可能發(fā)生。 因此，夏普比率在表征尾部風(fēng)險(xiǎn)方面較差。

練習(xí)

獲取數(shù)據(jù)（使用alpha_vantage庫(kù)，讀取ALPHA VANTAGE股票數(shù)據(jù)）：

import pandas as pd
import numpy as np
from alpha_vantage.timeseries import TimeSeries

ts = TimeSeries(key='******',output_format='pandas')

# 使用000680股票為例子
data, meta_data = ts.get_daily('000680.SZ',outputsize='full')

# 使用2016年數(shù)據(jù)：
data = data.loc[(data.index>'2016-01-01') & (data.index<='2016-12-31')]

# 計(jì)算每日收益率：
data['daily_ret'] = data['close'].pct_change() 

# 以國(guó)債為參考，假設(shè)年化收益率為3.9%，每年252個(gè)交易日
data['excess_daily_ret'] = data['daily_ret'] - 0.039/252

# 計(jì)算年化夏普比率，默認(rèn)為252個(gè)交易日。
np.sqrt(252) * data['excess_daily_ret'].mean() / data['excess_daily_ret'].std()

結(jié)果：

-0.37083735014815344

部分代碼來(lái)自于QuantStart。