期货策略夏普比率

⑴ 文华财经期货的夏普比率与基金的夏普比率的区别在哪

文华财经的夏普比率计算如下：
收益率测算夏普比率计算公式：＝回[E(Rp)－Rf]/σp；
E(Rp)：平均年收答益率＝年化单利收益率
Rf：无风险利率（大约是3%）
σp：收益率的标准差率（年化标准差率）＝标准差率/sqrt (测试天数/365)
标准差率＝标准离差/初始资金

文华财经收益率测算里的夏普比率和基金的夏普比率计算公式都是一样的，只不过无风险利率这个地方可能取值有所不同，因为这是一个参考设定的值，但通常都会用银行存款利率作为无风险利率的值。

⑵ 一道投资学的题目，急求答案！ 1.计算这两个组合的3年期风险溢价,标准差和夏普比率

分红后除权除息价格=(股权登记日收盘价-每股现金红利)*10股/(10+送红股数)=(24-2/10)*10/(10+10)=11.9元。

配股后除权价格=(股权登记日收盘价*10+配股价*配股数)/(10+配股数)。

=(13*10+5*3)/(10+3)=11.15元。

“先送后配”：送现金红利=10,000万股*2/10元=2,000万元。

配股融资=2*10,000万股*3/10*5元=30,000万元。

(2)期货策略夏普比率扩展阅读：

投资学专业毕业一般在资金投入与资金丰厚的地方就业，投资学是高风险与高收益并存的，想赚大钱又有能力，投资学专业是一个很不错的选择。这个专业牛人多，但竞争也大，就业不困难，但是能否取得大的成功，还是看个人悟性和能力。

投资学专业毕业生主要到证券、信托投资公司和投资银行从事证券投资。证券公司的起薪低，但是发展潜力最大，银行累，但起薪高，投行的话门槛较高。

另外，投资学专业的毕业生还可以到一些社会的投资中介机构、咨询公司、资产管理公司、金融控股公司、房地产公司等做投资顾问，参与操作或提供专业建议。

⑶ 股指期货如何对冲股市，具体如何操作

股指期货的应用策略主要包括对冲性操作和趋势操作。特别是对冲操作，更成为机构投资者应用研究的重点。本文就对冲操作效果和效率的关联关系、关联系数方面的研究作一探讨。
一、对冲的概念
对冲作为股指期货应用的一种策略，分为防御性对冲、主动性对冲和综合性对冲。防御性对冲又叫被动性对冲，是把对冲操作作为一种避险措施来使用，目的是保护现货利益，规避系统风险。主要包括完全套期保值和留有敞口风险的不完全套期保值。主动性对冲，是把收益最大化或效率最大化作为目标的对冲策略。主要包括套利策略和系统性投机策略。综合性对冲又称混合性对冲，是上述策略的综合运用，比如把股指期货的综合功用融合进股票组合中，形成包含股指期货的组合投资策略，把股指期货策略当作风险控制器和效率放大器，从而使得夏普比率最大化，来实现不同时期、不同市场背景下的综合效果。
二、关联和系数
研究对冲基本策略，首先要着重研判关联。股票组合，标的指数，期货指数客观上形成一个三维关联关系。在这个三维体系中，研究方向是两组关联关系。即单品种（包括股票组合）和标的指数的关联，现货指数和期货指数的关联。研究重点是标的指数，因为其“一肩挑两头”。
（一）股票组合（包括单品种）和标的指数的关联
股指期货标的物有别于商品期货标的物的主要特征之一是不可完全复制性。商品现货可以完全复制标准仓单，只要按照标准仓单的要求去生成，二者不仅可以消灭质量离差而且可以消灭价格离差。股票组合与股指之间的离差是永远存在的，即使某指数基金严格按照沪深300指数的构成比例去组建这个组合，也不可能做到完全“复制”，因为沪深300指数以分级靠档派许加权法计算的权重比例，每个撮合节都在变，是个序列变量。所以只能做到“逼近”，比如跟踪指数的ETF基金。机构投资组合的品种中通常包括沪深300成分股之外的股票，收益率离差就更难以避免了。这个特征可以派生出两个概念：第一，商品期货对冲操作的目标是价格风险，而股指期货对冲的目标是价格风险中的系统性风险；第二，由于股指期货的现货价格形成于证券市场，是集中交易的结果，具有权威性、准确性、动态性和唯一性，因此更方便于建立数学模型来研判他们之间的关联系数。而关联系数就是对冲纽带中的第一个环节。股票组合和标的指数的关联可以用三个指标做定量化研究：撬动系数、贝塔系数、样本误差系数。
1.撬动系数。
单品种和指数的关联研究一般有两个实现途径：一是动因分析，二是常态（现象）分析。动因分析主要着眼于股指的波动构成因素和反作用，常态分析主要着眼于通常状态下的关联程度的概念。动因分析是主动性对冲的关键，常态分析是防卫性对冲的要点。撬动系数是动因分析的一个基本指标。
沪深300指数计算公式为，报告期指数=报告期成分股的总调整市值/基期×1000，其中，总调整市值=∑（市价×样本股调整股本数）。可见影响指数波动的直接动因是成分个股波动。我们把这种对造成指数波动的直接影响力进行解析称为动因分析。根据沪深300指数的形成机制，可以逆运算撬动系数，表达式为：撬动系数=（市价×样本股调整股本数）×指数市价/∑（市价×样本股调整股本数）。
撬动系数是一个构成沪深300指数成分的重要性程度对比指标，是该品种或者股票组合收益率占指数收益率的百分比，静态意义是在某一时间尺度，我们对其他品种做静止替代，该品种或组合收益率波动1%对沪深300指数撬动多少个点，也可以表达为撬动幅度，即该品种或组合收益率波动1%对沪深300指数收益率撬动的百分比。此系数可以用来分析指数的历史波动，也可以通过因素解析研判和预测指数未来的波动

⑷ 关于期货的作业。。。求大神帮忙

标记下，目测是没有人回答的。

⑸ 穿过夏普比率的手，如何选择一只好的基金

关于如何去选择一只比较好基金，有如下几点需要主要：

一、看基金经理人

1、首先看基金经理人的简历，经验是否老道，从事基金管理工作几年。

2、是否经常性跳槽，还是一直在一家公司。

3、看基金经理人对市场波动时，持仓的调整是否有效保证收益。

二、看基金过往业绩

1、分析基金的往年收益业绩如何。

2、与同类型的大盘进行比较，如果长期超过大盘，说明基金较好。

三、看投资风险

1、市场风险，如果遇到市场低迷，就不要轻易出手。

2、系统风险，投资的理念、策略是否能持续收益。

3、学会阅读基金公司的年报，分析风险。

四、看费用

1、申购的费用，不同的基金申购费率不同，购买时要注意比较。

2、赎回的费用，不同的基金赎购费率不同，购买时要注意比较。

3、托管费，托管费是直接在收益中扣除了，这就影响到了收益，要注意托管费的比较。

五、数据分析

1、净值增长率标准差，反映的是波动性。

2、基金的评级，星级高说明业绩好。

3、基金的周转率，也称换手率。

4、基金份额的变化，是否稳定。

六、总结

俗话说投资有风险，投资需谨慎，但没有风险那有收益，风险越高收益越高，风险与收益共存不分。任何分析数据都是针对过往业绩表现，也会存在未来风险，只有弄懂了整个市场才能百分百规避风险。

⑹ 夏普比率和最大回撤到底怎么计算

你的迷惑主要来自于收益率怎么算吧。
如果按投资期两端相减再年化，结果是-1。如果日收益年化，那就是（-1+1+0.5)/3的年化，这样是正的。

依我看应该按后者来，前者的计算方法平滑掉了波动率偏差。和Ito积分里面的情况有点像。
要看什么类型的策略，假如买期权，一天亏完是有可能的，但是一天赚翻倍也是有的。要是你的信号亏完第一次，赚翻倍10次，还是好信号。（当然亏完是资金分配和止损不对，不过信号是好信号）

⑺ 求问怎么用python求夏普比率和最大回撤

本程序为Ernest Chen所著Quantitative Trading中文版书中42页中例子，书中主要介绍了如何使用Excel和matlab来实现夏普比率与计算最大回撤和最大回撤时间的方法，python作为一种开源语言，能够实现matlab的相同功能，并能写交易程序，因此采用python实现了书中功能，作为练手
#计算夏普率与回撤与回撤时间
#第一次完成于2016/5/24
import pandas as pd
import numpy as np
import math
import matplotlib.pyplot as plt
#读取sheet1中的内容，存放在data中，数据类型为DataFrame
data = pd.ExcelFile('example3_4.xls')
data = data.parse('Sheet2')
#计算日收益率(G3-G2)/G2
data['return']=(data['Adj Close'].shift(-1)-data['Adj Close'])/data['Adj Close']
#计算超额回报率
data['exReturn']=data['return']-0.04/252
#计算夏普比率
sharperatio=math.sqrt(252)*data['exReturn'].mean()/data['exReturn'].std()
print('该策略的夏普率为： ', sharperatio)
data['Adj Close'].plot()
#计算累积收益率cumret=(1+return).cumsum
data['cumret']=np.cumprod(1+data['exReturn'])-1
fig = plt.figure()
data['cumret'].plot()
#计算累积最大收益率,最大回撤，累积最长回撤时间
Max_cumret=np.zeros(len(data))
retracement=np.zeros(len(data))
Re_date=np.zeros(len(data))

for i in range(len(data)):
#计算累积最大收益率
if i==0:
Max_cumret[0]=data['cumret'][0]
retracement[0]=(1+Max_cumret[0])/(1+data['cumret'][0])-1
else:
#计算累积最大收益率
Max_cumret[i]=max(Max_cumret[i-1],data['cumret'][i])
#计算策略回撤
retracement[i]=float((1+Max_cumret[i])/(1+data['cumret'][i])-1)
#计算最大回撤时间
if retracement[i]==0:
Re_date[i]=0
else:
Re_date[i]=Re_date[i-1]+1
#计算最最大回撤幅度
retracement=np.nan_to_num(retracement)
Max_re=retracement.max()
#计算最大回撤时间
Max_reDate=Re_date.max()

⑻ 股指期货能不能做对冲，具体如何操作

指期货的应用策略主要包括对冲性操作和趋势操作。特别是对冲操作，更成为机构投资者应用研究的重点。本文就对冲操作效果和效率的关联关系、关联系数方面的研究作一探讨。
一、对冲的概念
对冲作为股指期货应用的一种策略，分为防御性对冲、主动性对冲和综合性对冲。防御性对冲又叫被动性对冲，是把对冲操作作为一种避险措施来使用，目的是保护现货利益，规避系统风险。主要包括完全套期保值和留有敞口风险的不完全套期保值。主动性对冲，是把收益最大化或效率最大化作为目标的对冲策略。主要包括套利策略和系统性投机策略。综合性对冲又称混合性对冲，是上述策略的综合运用，比如把股指期货的综合功用融合进股票组合中，形成包含股指期货的组合投资策略，把股指期货策略当作风险控制器和效率放大器，从而使得夏普比率最大化，来实现不同时期、不同市场背景下的综合效果。
二、关联和系数
研究对冲基本策略，首先要着重研判关联。股票组合，标的指数，期货指数客观上形成一个三维关联关系。在这个三维体系中，研究方向是两组关联关系。即单品种（包括股票组合）和标的指数的关联，现货指数和期货指数的关联。研究重点是标的指数，因为其“一肩挑两头”。
（一）股票组合（包括单品种）和标的指数的关联
股指期货标的物有别于商品期货标的物的主要特征之一是不可完全复制性。商品现货可以完全复制标准仓单，只要按照标准仓单的要求去生成，二者不仅可以消灭质量离差而且可以消灭价格离差。股票组合与股指之间的离差是永远存在的，即使某指数基金严格按照沪深300指数的构成比例去组建这个组合，也不可能做到完全“复制”，因为沪深300指数以分级靠档派许加权法计算的权重比例，每个撮合节都在变，是个序列变量。所以只能做到“逼近”，比如跟踪指数的ETF基金。机构投资组合的品种中通常包括沪深300成分股之外的股票，收益率离差就更难以避免了。这个特征可以派生出两个概念：第一，商品期货对冲操作的目标是价格风险，而股指期货对冲的目标是价格风险中的系统性风险；第二，由于股指期货的现货价格形成于证券市场，是集中交易的结果，具有权威性、准确性、动态性和唯一性，因此更方便于建立数学模型来研判他们之间的关联系数。而关联系数就是对冲纽带中的第一个环节。股票组合和标的指数的关联可以用三个指标做定量化研究：撬动系数、贝塔系数、样本误差系数。
1.撬动系数。
单品种和指数的关联研究一般有两个实现途径：一是动因分析，二是常态（现象）分析。动因分析主要着眼于股指的波动构成因素和反作用，常态分析主要着眼于通常状态下的关联程度的概念。动因分析是主动性对冲的关键，常态分析是防卫性对冲的要点。撬动系数是动因分析的一个基本指标。
沪深300指数计算公式为，报告期指数=报告期成分股的总调整市值/基期×1000，其中，总调整市值=∑（市价×样本股调整股本数）。可见影响指数波动的直接动因是成分个股波动。我们把这种对造成指数波动的直接影响力进行解析称为动因分析。根据沪深300指数的形成机制，可以逆运算撬动系数，表达式为：撬动系数=（市价×样本股调整股本数）×指数市价/∑（市价×样本股调整股本数）。
撬动系数是一个构成沪深300指数成分的重要性程度对比指标，是该品种或者股票组合收益率占指数收益率的百分比，静态意义是在某一时间尺度，我们对其他品种做静止替代，该品种或组合收益率波动1%对沪深300指数撬动多少个点，也可以表达为撬动幅度，即该品种或组合收益率波动1%对沪深300指数收益率撬动的百分比。此系数可以用来分析指数的历史波动，也可以通过因素解析研判和预测指数未来的波动

⑼ 实际策略中的夏普比率多少才合适

首先,要对统计进行讲说,让孩子初步了解.随后,要加深知识性,提一些实际问题.也许,统计行事很多,如列表式统计、复试统计条形图、简试条形图等类,其实很好接触,我在这方面,也有很大兴趣!