Dalam perdagangan algoritmik, kita perlu membandingkan strategi yang berbeda. Bagaimana kita mengevaluasi kinerja historis dari berbagai algoritma? Artikel singkat ini akan membahas secara detail [Sharpe Ratio]
Setiap strategi dapat dinilai menggunakan Sharpe Ratio. Hal ini tidak hanya mengukur keuntungan dari strategi, namun juga menyentuh risiko dan volatilitas strategi. Rasio Sharpe dirancang untuk menghitung "pengembalian yang disesuaikan dengan risiko", yaitu hasil investasi setelah mengukur risiko.
Rasio Sharpe memainkan peran penting dalam mengevaluasi kinerja investasi. Buku ini diterbitkan oleh William F. Sharpe, seorang ekonom Amerika dan peraih Nobel bidang ekonomi. Untuk membangun program perdagangan kuantitatif Anda sendiri, Anda harus belajar menggunakan Rasio Sharpe untuk menyaring strategi perdagangan.
Excess return dihitung dengan mengurangkan return acuan dari return strategi. Misalnya, jika saya memiliki strategi perdagangan mata uang, tolok ukur saya bisa jadi adalah Bitcoin. Dengan asumsi strategi saya menghasilkan 23% per tahun dan Bitcoin menghasilkan 20% per tahun, kelebihan pengembaliannya adalah 3%.
Deviasi standar kelebihan pengembalian, atau deviasi standar, dapat dihitung dari rangkaian kelebihan pengembalian.
Terlihat bahwa semakin besar fluktuasi return strategi maka standar deviasi kelebihan return akan semakin besar dan rasio Sharpe akan semakin rendah. Artinya, jika dua strategi memiliki kelebihan pengembalian yang sama, maka strategi yang lebih “stabil” akan memiliki rasio Sharpe yang lebih tinggi.
Secara umum, semakin tinggi rasio Sharpe, semakin menarik strategi tersebut. Rasio Sharpe yang lebih tinggi dari 1 dapat diterima. 2 atau lebih lebih baik, 3 atau lebih adalah satu-satunya strategi kemenangan. Rasio Sharpe di bawah 1 dapat diartikan sebagai hilangnya keuntungan pasar. yaitu tolok ukur Anda lebih baik daripada strategi Anda.
Penting untuk dicatat bahwa rasio Sharpe mengasumsikan bahwa rata-rata pengembalian investasi terdistribusi normal. Dalam distribusi normal, sebagian besar keuntungan didistribusikan secara simetris di sekitar mean, dengan lebih sedikit keuntungan di bagian ekor kurva.
Sayangnya, distribusi normal tidak mewakili dunia nyata dengan baik. Dalam jangka pendek, hasil investasi tidak mengikuti distribusi normal. Volatilitas pasar berkisar dari tinggi hingga rendah, sedangkan distribusi keuntungan terkonsentrasi di bagian ekor. Hal ini dapat mengurangi validitas standar deviasi sebagai ukuran risiko.
Ketika deviasi standar tidak secara akurat mewakili risiko yang diambil, hasilnya mungkin berupa rasio Sharpe yang lebih tinggi atau lebih rendah dari yang seharusnya.
📍
Singkatnya, rasio Sharpe digunakan untuk menilai efisiensi suatu strategi. Sistem perdagangan kuantitatif dasar akan memiliki sekeranjang strategi perdagangan, dan setiap strategi kemudian akan menghitung rasio Sharpe-nya berdasarkan kinerja historis (prosedur ini disebut backtesting, strategi backtesting).
Mengetahui rasio Sharpe untuk setiap strategi, kita dapat menghitung lebih lanjut bagaimana mengalokasikan posisi. Model matematika untuk alokasi posisi optimal berdasarkan rasio Sharpe diterbitkan pada tahun 1950an dan disebut kriteria Kelly (editor akan memperkenalkannya di thread berikutnya).
Sekeranjang strategi perdagangan + menghitung rasio Sharpe + menggunakan rumus Kelly untuk menentukan jumlah taruhan = kerangka sistem perdagangan kuantitatif!