Поговрим о вероятностнымом коэффициенте Шарпа (PSR)

Привет!

Кто уже знаком в Probabilistic Sharpe Ratio отзовись! :) 

А кто еще не знаком, тоого приглашаем к прочтению...

🎥 Наше последнее видео посвящено PSR, инструменту, который расширяет границы обычного коэффициента Шарпа, учитывая исторические доходы, продолжительность деятельности и количество испытаний стратегии.

🔎 PSR оценивает вероятность того, что истинный коэффициент Шарпа превышает заданный порог. Он помогает отсеивать ложные срабатывания и определять стратегии, которые соответствуют нашим ожиданиям, учитывая риски.

Чем же он хорош и где нап пригодится:

• Объективный анализ: По сравнению с традиционным коэффициентом Шарпа, который измеряет прошлую производительность, PSR предоставляет более объективный анализ, т.к. он учитывает не только прошлые данные, но и количество испытаний, которые были выполнены для поиска стратегии.

• Избегание переобучения: PSR может помочь избежать «переобучения», ситуации, когда стратегия торговли, кажется, работает хорошо на исторических данных, но плохо справляется с новыми данными. Это происходит потому, что PSR учитывает число испытаний при оценке производительности стратегии.

• Вариативность порога: PSR позволяет установить свой собственный порог или минимально приемлемый коэффициент Шарпа, что делает его гибким инструментом для анализа различных торговых стратегий.

• Учет асимметрии и эксцесса: PSR включает в себя не только среднее значение и стандартное отклонение возвратов (как это делает коэффициент Шарпа), но и учет асимметрии и эксцесса возвратов. Это делает его более точным при анализе стратегий с ненормальным распределением доходности.

• Используется в научных исследованиях: PSR часто используется в академических исследованиях и применяется профессионалами в сфере квантовой финансовой аналитики.

Стоит упомянуть, что PSR не заменяет коэфициент Шарпа, а дополняет его.

Для тех кто не чурается английского или же не против субтитров, и предпочитает видео, приглашаю к просмотру :)