Update "%E7%9F%A5%E8%AF%86%2F%E5%A4%8F%E6%99%AE%E6%AF%94%E7%8E%87"

2026-09-28 17:07:58 +08:00
parent b9fb906e6f
commit cd934873d9
1 changed files with 2 additions and 27 deletions
@@ -1,28 +1,3 @@
-# 夏普比率（Sharpe Ratio）
+# test patch
-> **一句话**：每承担 1 单位波动风险，能换来多少**超额收益**。
+$$Sharpe=\frac{R_p-R_f}{\sigma_p}$$
 ## 💡 直觉
 收益高但波动也大不算本事；夏普衡量「性价比」——单位风险的回报。
 ## 🧮 公式 / 口径
 ```
    夏普 = (年化收益 − 无风险利率) / 年化波动率
    近似: mean(日收益)*252 / (std(日收益)*sqrt(252))
 ```
 ## ⚠️ 常见误区
 ① 假设收益正态分布，低估极端风险；② 高频策略因样本多，夏普天然偏高；③ 小于 1 一般，2 以上很好。
 ## 👉 实战锚点（学以致用）
 - `alpha/evaluation.py::sharpe_ratio`
 - 练习03 双均线 vs 买入持有的夏普对比
 ## 📖 出处
 《主动投资组合管理》第3章；《打开量化投资的黑箱》
 ## 🔗 相关
 [[知识/信息比率]]  [[知识/最大回撤]]  [[知识/波动率]]
 ---
 *分类：绩效指标 ｜ 复习节奏：1/2/4/7/15 天（配合 Anki）*