ارزهای دیجیتال و نسبت شارپ

FOMO در (ترس از دست دادن) در بالا، FUD (تردید عدم قطعیت) که منجر به فروش دست ضعیف در پایین می شود، اینها تصمیمات ناشی از احساسات ما هستند. نسبت شارپ به داده ها نگاه می کند و به ما می گوید که احساسات ما نمی توانند.

ریسک و بازده، این دو ویژگی در هر بازاری یافت می شود.

بازده مفهومی است که همه ما با آن آشنا هستیم، من بیت کوین را به قیمت 100 دلار می خرم و یک سال بعد آن را با قیمت 130 دلار می فروشم که نشان دهنده بازدهی سالانه 30 درصدی است.

اما در مورد ریسک، چگونه ریسک را تعریف کنیم،

ریسک مالی این شانس است که یک نتیجه یا سود واقعی سرمایه گذاری با نتیجه یا بازده مورد انتظار متفاوت باشد.

این نقل قول ممکن است در حال حاضر منطقی نباشد، اما در پایان مقاله به نتیجه خواهد رسید.

ما معمولاً به دنیای مالی فقط از نظر بازده نگاه می کنیم و به احساسات خود اجازه می دهیم تا درک ما از ریسک را هدایت کنند.

ما باید ریسک را کمیت کنیم و نه تنها به بازده خود بلکه به بازده تعدیل شده با ریسک نگاه کنیم. بازده تعدیل شده ریسک به ریسک و بازده مورد انتظار شما نگاه می کند و به ازای هر واحد ریسک بازدهی را برای شما فراهم می کند.

نسبت شارپ یکی از ابزارهای پیشرو در صنعت برای بررسی بازده های تعدیل شده بر اساس ریسک است و این همان چیزی است که در ادامه این مقاله به آن خواهیم پرداخت.

اول، ما باید با پایه و اساس شروع کنیم که همه چیز دیگر ساخته شده است، داده ها.

داده

کمی کردن ریسک و بازده با داده ها شروع می شود. داده های قیمت تاریخی همان چیزی است که ما از آن استفاده خواهیم کرد. توجه داشته باشید که ما از حجم نمونه بسیار کوچکی استفاده خواهیم کرد، هنگام انجام این کار به صورت واقعی، داشتن مجموعه داده های بزرگ برای اطمینان از آنچه محاسبات ما به ما می گویند، مهم است.

برای مثال، ما قصد داریم از داده های قیمت روزانه واقعی بیت کوین (BTC)، اتریوم (ETH) و کاردانو (ADA) از 01/01/2021 تا 10/01/2021 استفاده کنیم. ما قصد داریم این داده ها را از CoinPaprika API بگیریم.

برخی از پیوندهای زیر را در مرورگر خود جایگذاری کنید، آنها باید مجموعه داده های قیمت را به شما برگردانند.

این داده ها به شکل

فیلدهای زیادی در اینجا وجود دارد، برخی خود توضیحی هستند، برای باز، زیاد، کم، بسته، اینها به کندل های نمودار مربوط می شوند. من مطمئن هستم که اینها را در Coinbase یا Binance دیده اید. در زیر نموداری به شما نشان می دهد که چگونه این اصطلاحات با کندل ها ارتباط دارند.

ما فقط به قیمت بسته شدن یک روز معین نگاه می کنیم و تمام اطلاعات قیمت دیگر را نادیده می گیریم تا محاسبات ریسک و بازده خود را انجام دهیم. اکنون داده هایی داریم که می توانیم به فرمول های محاسباتی نگاه کنیم.

فرمول بازگشت مورد انتظار

ابتدا، بیایید به داده های BTC به صورت مجزا نگاه کنیم و بررسی کنیم که چگونه بازده و ریسک مورد انتظار را کمیت می کنیم.

در بالا داده هایی را که از API Coinpaprika به دست آوردیم ، در برگه های Google بارگذاری کرده ایم. ما تاریخ ، قیمت و ٪ بازده BTC را داریم.

بازده درصد BTC بازده روزانه است و با انجام انجام می شود ،

با استفاده از برخی از شماره های فوق ، این کار را انجام دهید ، توجه داشته باشید که باید نتیجه 100 را ضرب کنید تا آن را در قالب درصد بدست آورید.

ما می توانیم ببینیم که وقتی قیمت بالا می رود ، بازده مثبت داریم و وقتی قیمت پایین می آید ، بازده منفی خواهیم داشت.

برای به دست آوردن بازده مورد انتظار ما به طور متوسط از تمام بازده های مورد انتظار روزانه خود دریافت می کنیم. وقتی این را محاسبه می کنیم ، به 3. 18 ٪ می رسد. در مثال ما ، این نشان می دهد که ما می توانیم انتظار داشته باشیم که بیت کوین بر اساس داده های قبلی ما 3. 18 ٪ در روز افزایش یابد.

خطر با استفاده از انحراف استاندارد از ارقام بازگشت روزانه ما محاسبه می شود. بیایید با تعریفی از انحراف استاندارد شروع کنیم.

انحراف استاندارد آماری است که پراکندگی یک مجموعه داده را نسبت به میانگین آن اندازه گیری می کند.

این به معنای مؤثر به معنای انحراف استاندارد در مورد نوسانات دارایی به ما می گوید ، من مثالی به شما می گویم که امیدوارم به روشن شدن کمک کند.

تصور کنید که 2 دارایی دارایی A و دارایی B داریم ، ما اطلاعات زیر را در مورد این دارایی ها داریم ،

• دارایی A بازده روزانه 7 ٪ پیش بینی شده
• دارایی B بازده روزانه 4 ٪ پیش بینی شده
• دارایی A دارای انحراف استاندارد (نوسانات) 10 ٪ است
• دارایی B دارای انحراف استاندارد (نوسانات) 1 ٪ است

اگر به دارایی A نگاه کنیم ، انحراف استاندارد 10 ٪ به این معنی است که در یک روز معین ، دارایی می تواند از میانگین (پیش بینی شده روزانه 7 ٪) به علاوه/منهای 10 ٪ نوسان کند که طیف وسیعی ا ز-3 ٪ تا 17 را به ما می دهد٪.

دارایی B از طرف دیگر دارای انحراف استاندارد 1 ٪ و بازده روزانه 4 ٪ پیش بینی شده است و دامنه 3 ٪ -5 ٪ را به ما می دهد.

یک مدیر صندوق به این 2 محدوده نگاه می کند و تصدیق می کند که در حالی که دارایی A بازده مورد انتظار بیشتر را فراهم می کند ، اما ریسک بیشتری را نیز نشان می دهد.

محدوده پایین دامنه دارایی A-3 ٪ است در حالی که برای دارایی B 3 ٪ است. در این مورد که ما به آن دارایی پایین تر ضربه می زنیم بهتر از دارایی A عمل می کند.

در واقعیت ، دامنه های مورد بحث در بالا 68 ٪ احتمال وقوع را دارند که نشان دهنده 1 انحراف استاندارد است. حفر این موضوع خارج از محدوده این مقاله است اما برای کسب اطلاعات بیشتر در اینجا نگاهی بیندازید.

بنابراین چگونه می توان انحراف استاندارد را محاسبه کرد؟

فرمول خطر انحراف استاندارد

انحراف استاندارد به مقادیر و انحراف آنها از میانگین مجموعه نمونه نگاه می کند. این به ما کمک می کند تا ببینیم که نتایج به طور محکم با هم جمع شده اند که نشان دهنده نوسانات کم و انحراف استاندارد پایین است یا از هم جدا شده و در نتیجه نوسانات بالا و انحراف استاندارد بالا وجود دارد.

این نوسانات نشان دهنده ریسک دارایی است زیرا این بدان معنی است که دارایی می تواند نوسانات زیادی در قیمت بالا یا پایین داشته باشد.

معادله انحراف استاندارد جمعیت به شرح زیر است ،

σ = انحراف استاندارد xi = مقدار نقطه داده μ = میانگین نقاط داده n = تعداد نقاط داده

برای بیت کوین این کار تا 4. 76 ٪ است ، برای نتیجه به سلول B18 مراجعه کنید. Cell B18 از عملکرد داخلی stdev. p استفاده می کند ، من نسخه بلند دست را در سلول B19 تکمیل کردم. اگر می خواهید اطلاعات بیشتری در مورد معادله انحراف استاندارد مشاهده کنید.

نسبت شارپ

اکنون اجزای مورد نیاز برای محاسبه نسبت شارپ خود را داریم. نسبت شارپ خطر پاداش یک نمونه کارها/دارایی ها را اندازه گیری می کند. این کار را با نگاهی به بازگشت اضافی نمونه کارها و تقسیم آن بر نوسانات نمونه کارها انجام می دهد.

نماد برای این به شرح زیر است ،

S = نسبت شارپ RP = بازده مورد انتظار RF = بازده بدون ریسک σp = انحراف استاندارد

ما به بازگشت و انحراف استاندارد مورد انتظار ما نگاه کرده ایم اما هنوز "بازگشت بدون ریسک" را تعریف نکرده ایم. بازده بدون ریسک بازده است که اگر پول خود را به دارایی با 0 ریسک اختصاص دهیم ، می توانیم دریافت کنیم.

در واقعیت هیچ چیز 0 ریسک ندارد ، اما در امور مالی اوراق قرضه دولتی بدون ریسک محسوب می شود و در نتیجه معمولاً به عنوان حیاط برای نرخ فعلی بدون ریسک مورد استفاده قرار می گیرد.

اوراق قرضه دولتی به طور موثری وام به دولت است که در آنجا نرخ بهره خاصی را برای مدت وام به شما پرداخت می کند و در پایان وام به شما اصلی را پس می دهد.

برای اینکه ما بتوانیم "بازده بیش از حد نمونه کارها" را انجام دهیم ، باید بازده بدون ریسک را از بازده مورد انتظار خود کم کنیم زیرا این نرخ می توانستیم بدون اینکه ریسک بگیریم ، بدست آوریم.

در مثال ما ، ما 1 ٪ بازده بدون ریسک را فرض خواهیم کرد ، برای برخی از نمونه های واقعی بازده در اوراق بهادار خزانه داری ایالات متحده ، اینجا را ببینید.

نسبت شارپ بیت کوین

با استفاده از ارقام محاسبه شده در بالا که اکنون داریم ،

هرچه نسبت شارپ بیشتر باشد ، پاداش برای هر واحد خطر شما را بیشتر می کنید. با محاسبه نسبت شارپ بیت کوین ، ما می توانیم به محاسبه سایر دارایی های رمزنگاری برویم تا ببینیم چگونه آنها مقایسه می کنند.

من این کار را برای Ethereum و Cardano در همان مدت زمان انجام داده ام. برای بازده مورد انتظار و انحراف استاندارد به سلولهای C16 ، D16 ، C18 ، D18 مراجعه کنید.

اتر

بازده پیش بینی شده = 6. 58 ٪ انحراف استاندارد = 8. 06 ٪ نسبت شارپ = 0. 692

کاردانو

بازده پیش بینی شده = 6. 95 ٪ انحراف استاندارد = 11. 07 ٪ نسبت شارپ = 0. 537

این بدان معناست که اتریوم در این مدت بیشترین پاداش برای هر واحد خطر را ارائه می دهد زیرا نسبت شارپ آن از 0. 692 بالاتر از 0. 537 کاردانو و 0. 458 بیت کوین است.

توجه داشته باشید که اندازه نمونه برای این مثال 10 روز است ، بنابراین این نتایج هیچ ارزش واقعی ندارند ، شما باید از مجموعه داده های کامل قیمت تاریخی استفاده کنید تا اعتماد به نفس در نتایج داشته باشید

اوراق بهادار

ما محاسبه کرده ایم که کدام دارایی بهترین بازده در هر واحد ریسک را به ما می دهد. حال این سؤال به این مسئله تبدیل می شود که وقتی این دارایی ها را مخلوط کرده و مطابقت می دهیم چه اتفاقی می افتد. آیا ما می توانیم نسبت شارپ بالاتر را بدست آوریم؟

پاسخ کوتاه بله است.

برای اینکه بتوانیم نسبت شارپ خود را برای یک نمونه کارها حاوی دارایی های متعدد انجام دهیم ، چند مرحله اضافی وجود دارد که باید انجام دهیم.

همبستگی بین دارایی ها

اول ، ما باید همبستگی بین دارایی های موجود در نمونه کارها را انجام دهیم. به طور موثری این سؤال است که چه زمانی BTC/ETH/ADA در قیمت بالا می رود/پایین می آید که سایر دارایی ها چه کاری انجام می دهند.

همبستگی بی ن-1 و 1 متفاوت است که 1 همبستگی مثبت قوی را نشان می دهد. اگر BTC در قیمت بالا برود ، ETH نیز چنین می شود.

-1 همبستگی منفی قوی را نشان می دهد. اگر BTC افزایش یابد قیمت اخلاق پایین می آید.

اگر BTC در قیمت بالا برود ، هیچ تاثیری در قیمت ETH نشان نمی دهد.

همبستگی بین 2 دارایی محاسبه می شود ، تا تمام ترکیبات 3 دارایی مورد نیاز برای محاسبه را پوشش دهد ،

معادله همبستگی برای انجام این کار در زیر است ،

xi = دارایی A بازگشت در روز I x̄ = دارایی میانگین بازده در مدت زمان yi = بازده دارایی B در روز I ȳ = دارایی B میانگین بازده در مدت زمان

این منجر به ،

همبستگی BTC/ETH = 0. 176 BTC/ADA همبستگی = 0. 277 همبستگی ETH/ADA = 0. 605

این همبستگی ها برای محاسبه خطر نمونه کارها مورد نیاز است. سلولهای B24 ، C24 ، D24 را مشاهده کنید که از عملکرد داخلی Correl و سلول های B25 ، C25 ، D25 استفاده می کنند که از فرمول دست طولانی استفاده می کنند.

ریسک نمونه کارها

ریسک نمونه کارها هنوز با نوسانات نمونه کارها با استفاده از انحراف استاندارد نشان داده شده است ، اما معادله کمی تغییر یافته است تا دارایی های مختلف و همبستگی آنها را در نظر بگیرد.

انحراف استاندارد نمونه کارها با استفاده از ، محاسبه می شود ،

W = وزن دارایی در نمونه کارها σ = انحراف استاندارد دارایی C = همبستگی بین 2 دارایی

اشتراک ها نشان می دهد که کدام دارایی با کدام نماد همراه است. برای نمونه ای از این محاسبه به سلول B28 مراجعه کنید.

بازگشت نمونه کارها

بازده نمونه کارها با گرفتن بازده مورد انتظار یک دارایی و ضرب آن با وزن خود در نمونه کارها به راحتی محاسبه می شود.

به عنوان نمونه ، بیایید بگوییم که ما 50 ٪ BTC ، 30 ٪ ETH و 20 ٪ ADA را در اختیار داشتیم. از بالاتر از بازده مورد انتظار برای دارایی ها به ترتیب 3. 18 ٪ ، 6. 58 ٪ ، 6. 95 ٪ است. از این رو،

بازده نمونه کارها پیش بینی شده = (0. 5 * 3. 18) + (0. 3 * 6. 58) + (0. 2 * 6. 95) بازده نمونه کارها پیش بینی شده = 4. 95 ٪

برای نمونه ای از این محاسبه به سلول B27 مراجعه کنید.

وزن دارایی

وزن دارایی ها هم بر خطر و هم بر بازده تأثیر می گذارد. با تغییر وزن می توانیم چگونگی تغییر خطر و بازگشت را بررسی کنیم. سپس می توانیم بدانیم که کدام نمونه کارها بهترین بازده تنظیم شده در ریسک را به ما می دهد.

در زیر یک شبیه سازی کوچک از آزمایش وزنهای مختلف وجود دارد ، در حقیقت یک رایانه این محاسبات را اجرا می کند و هر نمونه کارها ممکن را آزمایش می کند.

RP = پرتفوی مورد انتظار SD = انحراف استاندارد نمونه کارها (ریسک)

می توانیم ببینیم که با یک نمونه کارها 100 ٪ BTC شروع می کنیم. در مراحل ، ما سپس نمونه کارها را با کاهش BTC 10 ٪ و افزایش ETH و ADA به ترتیب 6 ٪ و 4 ٪ تغییر می دهیم.

همانطور که ما ETH و ADA بیشتری را در نمونه کارها خود قرار می دهیم ، بازگشت ما بالا می رود (RP) اما خطر ما (SD) نیز چنین است. این ارقام ما را قادر می سازد تا نسبت شارپ خود را برای هر نمونه کارها محاسبه کنیم.

تخصیص 50 ٪ BTC ، 30 ٪ ETH ، 20 ٪ ADA بالاترین نسبت شارپ ما 0. 749 را به ما می دهد. این بدان معنی است که این نمونه کارها بیشترین بازده ما را در هر واحد خطر به ما می دهد.

اگر این را با نسبت های شارپ فردی خود که در بالا محاسبه می شود مقایسه کنیم ، همه اینها را نیز مورد ضرب و شتم قرار می دهیم. نسبت ETH Sharpe بالاترین میزان در 0. 692 بود که نشان می دهد تنوع می تواند بازده تنظیم ریسک شما را افزایش دهد.

در واقعیت ، چندین نمونه کارها با نسبت شارپ بالاتر از 0. 749 وجود دارد. یک مثال 45 ٪ BTC ، 45 ٪ ETH ، 10 ٪ ADA است که نسبت شارپ 0. 774 را دارد. در دنیای واقعی ، ما تمام امکانات را بررسی می کنیم تا مطمئن شویم که بهترین وزن ممکن را داریم.

نتیجه

شما اکنون ابزاری برای دیدن دارایی ها و پرتفوی ها و مشاهده آنها از طریق لنزهای خطر و بازگشت دارید. داده ها تصمیمات ما را به جای احساسات ما هدایت می کنند.

محاسبات فوق بر اساس داده های تاریخی بینش به ما می دهد. هرچه مجموعه داده بزرگتر باشد ، اعتماد به نفس بیشتری در نتایج ما داریم ، این بدان معنی است که اجرای این شبیه سازی ها بر روی سکه های نسبتاً جدید احتمالاً غیر منطقی است. ارزهای رمزنگاری شده با داده های مختلف قیمت برای این روش ها مناسب تر هستند.

نسبت شارپ یکی از بسیاری از ابزارهایی است که برای بررسی خطر استفاده می شود ، اکنون در جعبه ابزار شما قرار دارد اما مراقب باشید که آن را به عنوان چکش در دنیایی پر از ناخن درمان نکنید.

هیچ یک از موارد فوق توصیه مالی نیست که هدف آن صرفاً آموزشی است