Python实现交易策略评价指标-夏普比率

1.夏普比率的定义

在投资的过程中，仅关注策略的收益率是不够的，同时还需要关注承受的风险，也就是收益风险比。

夏普比率正是这样一个指标，它表示承担单位的风险会产生多少超额收益。用数学公式描述就是：

$$SharpRatio=\frac{E(R_p)-R_f}{{\sigma }_p}$$
参数说明：

$E(R_p)$: 表示投资组合预期收益率
$R_f$: 表示无风险收益率，一般用国债收益率代替
${\sigma }_p$: 投资组合收益率的标准差(投资组合的风险)

2. 计算夏普比率

1. 获取贵州茅台2015.1.1 ~ 2020.12.31期间的日k数据并保存到文件中

   import pandas as pd
   import numpy as np
   import baostock as bs
   
   lg = bs.login()
   # 显示登陆返回信息
   print('login respond error_code:'+lg.error_code)
   print('login respond  error_msg:'+lg.error_msg)
   
   #### 获取沪深A股历史K线数据 ####
   # 获取后复权数据
   rs = bs.query_history_k_data_plus("sh.600519",
       "date,code,open,high,low,close,volume",
       start_date='2015-01-01', end_date='2020-12-31',
       frequency="d", adjustflag="1")
   print('query_history_k_data_plus respond error_code:'+ rs.error_code)
   print('query_history_k_data_plus respond  error_msg:'+ rs.error_msg)
   
   data_list = []
   while (rs.error_code == '0') & rs.next():
       # 获取一条记录，将记录合并在一起
       data_list.append(rs.get_row_data())
   result = pd.DataFrame(data_list, columns=rs.fields)
   
   #### 结果集输出到csv文件 ####   
   result.to_csv("贵州茅台_k_data.csv", index=False)
   print(result)
   
   #### 登出系统 ####
   bs.logout()
   

2. 读取贵州茅台日k数据

   # 读取贵州茅台的日k数据，读入日期和收盘价
   data = pd.read_csv("贵州茅台_k_data.csv")[['date', 'open', 'high', 'low', 'close']];
   

3. 将日k数据转换为年k（计算夏普比率的收益率以年为单位进行计算，当然也可以选择其他周期）

   data['date'] = pd.to_datetime(data.date)
   data['year'] = data.date.dt.to_period('Y')
   year_k_data = data.groupby('year').agg({'open':'first', 'high':'max', 'low' :'min', 'close' :'last'})
   print(year_k_data)
   

   

4. 计算每年的年化收益率

   year_k_data['return_rate'] = (year_k_data['close'] - year_k_data['open']) / year_k_data['open']
   print(year_k_data)
   

6. 计算夏普比率

# 无风险收益率一般用国债收益率代替，本例中取3%
sharp_ration = (year_k_data['return_rate'].mean() - 0.03) / year_k_data['return_rate'].std()
print(sharp_ration)

1.2137091184299078