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：

S h a r p R a t i o = E ( R p ) − R f σ p SharpRatio = \frac{ E(R_p) - R_f}{\sigma_p} SharpRatio=σpE(Rp)−Rf

参数说明：

E ( R p ) E(R_p) E(Rp): 表示投资组合预期收益率
R f R_f Rf: 表示无风险收益率，一般用国债收益率代替
σ p \sigma_p σp: 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

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

python 复制代码

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()

读取贵州茅台日k数据

python 复制代码

# 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']];

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）

python 复制代码

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)

计算每年的年化收益率

python 复制代码

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

计算夏普比率

python 复制代码

# 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