[Quant] 샤프지수
in JESSIE on Jessie, quant, Python, 샤프지수, Sharpe
샤프지수와 포트폴리오 최적화
- 현대 포트폴리오 이론에 따르면 효율적 투자선 보다 높은 수익률을 기대할 수 없음
- 그렇다면, 리스크를 최소화 하고 수익률을 최대화 하는 포트폴리오를 찾는 것이 관건
- 이 때 사용하는 것이 샤프지수
샤프지수
\[샤프지수 = \frac{포트폴리오 예상 수익률 - 무위험율}{수익률의 표준편차}\]
- 예를 들어 예상수익률이 7%, 무위험률이 0%, 수익률의 표준편차가 5%이면 7/5 = 1.4가 된다.
- 높을수록 위험에 대한 보상이 크다.
- 즉, 효율적 투자선 위의 포트폴리오 중에서 샤프지수가 가장 큰 것을 고르면 위험 단위당 수익이 가장 높은 포트폴리오를 구할 수 있음
볼린저 밴드 지표
- 주가의 20일 이동평균선을 기준으로 상대적인 고점을 나타내는 상단밴드, 저점을 나타내는 하단 밴드로 구성됨
- 상단 볼린저 밴드 = 중간 볼린저 밴드 + (2 * 표준편차)
- 상단 볼린저 밴드 = 종가의 20일 이동평균
- 하단 볼린저 밴드 = 중간 볼린저 밴드 - (2 * 표준편차)
%b
- 주가가 볼린저 밴드의 어디에 위치하는지 나타내는 지표
- 상단 밴드에 걸쳐 있으면 1, 중간에 걸쳐있으면 0.5, 하단에 걸쳐있으면 0이 됨
- %b가 1.1이라면 상단 밴드보다 밴드폭의 10%만큼 위에 있다는 의미
\[\%b = \frac{종가 - 하단 볼린저 밴드}{상단 볼린저 밴드 - 하단 볼린저 밴드}\]
밴드폭
- 상단 볼린저 밴드와 하단 볼린저 밴드 사이의 폭
- 스퀴즈륵 확인하는 데 유용한 지표
- 스퀴즈란 변동성이 극히 낮은 수준까지 떨어져 곧 변동성 증가가 발생할 것으로 예상되는 상황
- 강력한 추세의 시작과 마지막을 포착
\[밴드폭 = \frac{상단 볼린저 밴드 - 하단 볼린저 밴드}{중간 볼린저 밴드}\]