量化投资中收益率的计算方法

简介: 量化投资中收益率的计算方法

不同的平台,不同的交易策略,计算收益率的方法很可能不同。


方法一:简单收益率

          用最终资金减去初始资金就是所获得的盈利,然后用盈利除以初始资金就是收益率。这种方式比较简单直接,非常符合个人投资者的模式,最开始用了多少资金,最后变成了多少资金,比较清晰,也比较经典。缺点在于没有考虑资金成本和时间成本。


方法二:净值收益法

        在A时期用money_A获得了盈利profit_A,在B时期用money_B获得了盈利profit_B,在C时期用money_C获得了盈利profit_C,则可以计算出来在A、B、C三个时期的收益率:

   

rate_A=profit_A/money_A
          rate_B=profit_B/money_B
          rate_C=profit_A/money_C

         实际的收益率并非是简单地三个收益率的平均值。


        可以想象自己经营的是一个资金,最初始的净值是1,那么,最初投入money_A,获得的份额是money_A/1,在A时期结束的时候,总的资金是money_A+profit_A,总的份额是money_A,那么,基金的净值为(money_A+profit_A)/money_A;关键时刻到了,A时期结束,投资者赎回全部的资金(假设基金不会被解散),这个时候基金的净值不变,但是份额变为0;到了B时期,投资者投入money_B,那么,获得的份额为money_B/((money_A+profit_A)/money_A),资金总额变为money_B,到了B时期结束,基金份额保持不变,但是资金总额变为money_B+profit_B,基金的净值变为

(money_B+profit_B)/(money_B/((money_A+profit_A)/money_A)),基金的收益率就是基金的净值减去1;那么,到了C时刻呢,同样的推理方法,得到基金的净值为:(money_A+profit_A)*(money_B+profit_B)*(money_C+profit_C)/(money_A*money_B*money_C).  

       更一般的推广,N个时期的基金净值,在N个时期,投入的资金分别是money_N,获得的盈利或者亏损是profit_N,每个时期结束都会把资金全部赎回来,那么,N时期结束后的基金净值是:

                     

(money_A+profit_A)*(money_B+profit_B)*…………(money_N+pforit_N)
        fund_nv=-----------------------------------------------------------------------------
                                             money_A*money_B*…………………………money_N

把这个公式进行简化,那么,就变成这样的一个公式:

fund_nv=(1+rate_A)*(1+rate_B)*(1+rate_C)

这就是简单地复利收益率。

**********************************************************************************

在分析这个净值收益率的时候,默认每笔交易是不存在加减仓的,如果存在加减仓的情况下,这个收益率的普遍公式会变成什么样呢?

方法三:内部报酬率法

      内部报酬率法根据每个交易周期的投入金额和收益状况来计算,借用上一个的三个时期,额外增加假设:

     三个时期每个的长度为10,中间间隔为20,那么,就存在这样一个收益率:

 

0=-money_A+pnl_1/(1+r)^1+pnl_2/(1+r)^2+pnl_3/(1+r)^3+……+pnl_10/(1+r)^10+
        money_A/(1+r)^11+pnl_12/(1+r)^12+…………………………+pnl_30/(1+r)^30+  
       -money_B/(1+r)^31+pnl_32/(1+r)^32+pnl_33/(1+r)^33+pnl_34/(1+r)^34+……+pnl_40/(1+r)^40+
        money_B/(1+r)^41+pnl_42/(1+r)^42+…………………………+pnl_50/(1+r)^50+
       -money_C+pnl_51/(1+r)^51+pnl_52/(1+r)^52+pnl_53/(1+r)^53+……+pnl_60/(1+r)^60+
        money_A/(1+r)^61

      根据这个公式计算出来的r就是内部报酬率.  


      这个内部报酬率的计算既考虑了时间价值,考虑了资金价值,同时也可以对比必要的收益率,是一个比较合理的指标。


      但是计算会比较复杂。


纯粹个人见解,欢迎指点。



目录
相关文章
|
2月前
均值回归策略在A股ETF市场获利的可能性
【9月更文挑战第24天】均值回归策略是一种量化交易方法,依据资产价格与平均价格的关系预测价格变动。在A股ETF市场中,该策略可能带来收益,但需考虑市场复杂性和不确定性。历史数据显示某些ETF具有均值回归特征,但未来表现不确定,投资者应结合技术与基本面分析,合理决策并控制风险。
|
6月前
|
数据挖掘 数据建模
R语言指数加权模型EWMA预测股市多变量波动率
R语言指数加权模型EWMA预测股市多变量波动率
R语言指数加权模型EWMA预测股市多变量波动率
|
6月前
非线性回归beta系数估算股票市场的风险分析亚马逊股票和构建投资组合
非线性回归beta系数估算股票市场的风险分析亚马逊股票和构建投资组合
非线性回归beta系数估算股票市场的风险分析亚马逊股票和构建投资组合
|
6月前
|
数据可视化 Perl
R语言: GARCH模型股票交易量的研究道琼斯股票市场指数
R语言: GARCH模型股票交易量的研究道琼斯股票市场指数
|
6月前
|
机器学习/深度学习 数据建模
数据分享|Eviews用ARIMA、指数曲线趋势模型对中国进出口总额时间序列预测分析
数据分享|Eviews用ARIMA、指数曲线趋势模型对中国进出口总额时间序列预测分析
|
6月前
|
数据可视化
R语言马科维茨Markowitz均值-方差(风险投资模型)分析最优投资组合数据预期收益率可视化(下)
R语言马科维茨Markowitz均值-方差(风险投资模型)分析最优投资组合数据预期收益率可视化(下)
|
6月前
|
存储 数据可视化 数据挖掘
R语言马科维茨Markowitz均值-方差(风险投资模型)分析最优投资组合数据预期收益率可视化(上)
R语言马科维茨Markowitz均值-方差(风险投资模型)分析最优投资组合数据预期收益率可视化
|
6月前
|
数据可视化 前端开发 SEO
R语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化
R语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化
|
6月前
|
数据可视化
R语言分析负利率下金融市场:负利率和年金价值的变化
R语言分析负利率下金融市场:负利率和年金价值的变化
|
6月前
|
数据挖掘
指数加权模型EWMA预测股市多变量波动率时间序列
指数加权模型EWMA预测股市多变量波动率时间序列