统计模型应用--表现和风险评估

def annualised_sharpe(returns, N=252):
return np.sqrt(N) * returns.mean()/returns.std()
def equity_sharpe(ticker,start, end):
pdf = web.DataReader(ticker, 'quandl', start, end).sort_index()
pdf['daily_ret'] = pdf['Close'].pct_change()
pdf['excess_daily_ret'] = pdf['daily_ret'] - 0.05/252
return annualised_sharpe(pdf['excess_daily_ret'])

  

 

转载于:https://www.cnblogs.com/kuku0223/p/11065085.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值