夏普比率

夏普比率(Sharpe Ratio)是金融领域中用于衡量投资风险调整后表现的重要指标。它由威廉·夏普于1966年提出,用于量化投资者在承担每单位风险时所获得的超额回报率。夏普比率的计算公式为(回报率 – 无风险利率)/ 标准差,其中,回报率表示资产的平均收益,无风险利率通常与国债收益率相近,而标准差则代表资产收益的波动性或风险。 夏普比率越高,说明在相同风险水平下,投资策略所获得的回报越高,反之则越低。此指标不仅为投资者提供了一个量化工具来评估投资组合的风险与回报之间的平衡关系,还有助于比较不同资产或策略之间的性能。因此,夏普比率在金融决策、资产配置和绩效评估等方面具有广泛应用。

【其他】回测如何设置一次全仓买入一只股票

回测如何设置一次全仓买入一只股票

更新时间:2025-02-15 13:54

【其他】如何只选择中证1000成分股进行回测

如标题

更新时间:2025-02-15 13:24

夏普比率公式及使用技巧(含Python代码)

夏普比率(Sharpe Ratio)是衡量投资表现的一个指标,它通过比较投资的超额回报与其承担的风险来评估投资的性价比。由诺贝尔奖获得者威廉·夏普提出,是风险调整后的回报的一种度量。

通过BigQuant量化平台金融市场数据因子以及AI量化策略平台(PC端),可以验证夏普比率因子组成的AI量化策略有效性。

![](/wiki/api/attachments.redirect?id=8df056d7

更新时间:2024-12-13 05:59

Alpha系列-因子模型

https://bigquant.com/experimentshare/d10e7682969747bbb8c297180a844c7b

\

更新时间:2024-06-11 02:40

从均值方差到有效前沿

https://bigquant.com/experimentshare/cdf694a0f88d426ca700c042745dfa8a

\

更新时间:2024-06-11 02:38

主动投资管理定律(基本篇)

https://bigquant.com/experimentshare/5ffea17cf0ca4e78ab50a84762c2b596

\

更新时间:2024-06-11 02:38

Dai读取高频因子构建一个简单多因子策略

https://bigquant.com/codeshare/3b5c66d6-ed5b-46a0-8dc6-3a48cc76a482

\

更新时间:2024-05-27 07:39

如何对1-3日内上涨的股票进行标注

问题

freestyle996+如何运用股票标注的方法对1-3日内上涨的股票进行标注?

视频回放

https://www.bilibili.com/video/BV1uP4y1R7kh/?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/0a4bb333c1bb4f4e91d7701a3538f6f4](https://bigquant.co

更新时间:2024-05-21 09:10

多因子选股策略-股票日频

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

更新时间:2024-05-20 10:04

【历史文档】大家帮我看看是咋回事,回测数据交易有问题

本帖内容对应旧版平台与旧版资源,其内容不再适合最新版平台

https://bigquant.com/experimentshare/fd3f21c915964e5b8800b41fe1314ec9

\

更新时间:2024-05-20 08:29

用线性-回归算法实现A股股票选股

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-20 07:17

强化学习在金融市场中的应用(上)

本文内容已经过期,不再适合平台最新版本,请查看以下最新内容,作为参考资料学习。

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

[https://bigquant.com/experimentshare/e1779fa4ec184a1fb209ebff7c588b8d](https://bigquant.com/experimentshare/e1779fa4ec184a1fb209ebff7

更新时间:2024-05-20 06:33

lightgbm多因子选股

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU


预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

更新时间:2024-05-20 06:21

基金双均线策略

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU


以双均线策略为例,采用新的DataSource接口实现基金数据的读取及策略回测

[https://bigquant.com/experimentshare/ac13b3c580cd4f06ad2cce26dd718ecc](https://bigquant.com/experimentshare/ac13b3c580cd4f06ad2cce2

更新时间:2024-05-20 06:13

用线性随机梯度下降-分类算法实现A股股票选股

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-20 02:15

从均值方差到有效前沿(代码)

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/68b5d7cfac264dbda781c1fbcc6a4880

\

更新时间:2024-05-20 02:09

利用机器学习对冲风险

https://bigquant.com/experimentshare/d50ee96c36f84af6ad990409294db4cb

\

更新时间:2024-05-20 02:09

对冲策略研究demo示例

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/0f3871389f5846009ba425fe066d03b2

\

更新时间:2024-05-20 01:07

用StockRanker算法实现A股股票选股

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec

\

更新时间:2024-05-20 00:50

DQN个股择时策略研究

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

\

导语

本文主要分享一个基于Deep Q Network的对于个股的择时策略

算法简介

DQN与Q-Learning

本文主要使用的是Deep Q Network。DQN是强化学习的一种方法,结合了Q-learning和深度学习神经网络。

Q-learning是用一张表来记录各个状态下的各个行为的q值,它能记录的状态

更新时间:2024-05-20 00:40

基于协整的配对交易

更新

本文内容已经过期,不再适合平台最新版本,请查看如下最新内容:

https://bigquant.com/wiki/doc/5z65lqo5y2p5pw055qe6ywn5a55lqk5pit-6x1P1362eJ

策略案例

[https://bigquant.com/experimentshare/6b05d7bd134e420387acfa25c37b283f](https://bigquant.co

更新时间:2024-05-17 09:23

用随机森林-分类算法实现A股股票选股

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 06:42

主动投资管理之信息率

https://bigquant.com/experimentshare/3e9b0e7623284f01b7e206d1a3df4b92

\

更新时间:2024-05-17 06:27

深度学习量化交易模型

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 03:49

深度学习在期货高频上的应用示例

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 02:54

分页第1页第2页第3页第4页第5页第6页
{link}