使用 Pandas 或 NumPy 的 Python 滚动夏普比率

Question

我正在尝试使用 Python 和 Pandas/NumPy 生成 6 个月 滚动夏普比率图。

我的输入数据如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("whitegrid")

# Generate sample data
d = pd.date_range(start='1/1/2008', end='12/1/2015')
df = pd.DataFrame(d, columns=['Date'])
df['returns'] = np.random.rand(d.size, 1)
df = df.set_index('Date')
print(df.head(20))

             returns
Date                
2008-01-01  0.232794
2008-01-02  0.957157
2008-01-03  0.079939
2008-01-04  0.772999
2008-01-05  0.708377
2008-01-06  0.579662
2008-01-07  0.998632
2008-01-08  0.432605
2008-01-09  0.499041
2008-01-10  0.693420
2008-01-11  0.330222
2008-01-12  0.109280
2008-01-13  0.776309
2008-01-14  0.079325
2008-01-15  0.559206
2008-01-16  0.748133
2008-01-17  0.747319
2008-01-18  0.936322
2008-01-19  0.211246
2008-01-20  0.755340

我想要什么

我要制作的情节类型是this 或the first plot from here（见下文）。

我的尝试

这是我使用的方程式：

def my_rolling_sharpe(y):
    return np.sqrt(126) * (y.mean() / y.std()) # 21 days per month X 6 months = 126

# Calculate rolling Sharpe ratio
df['rs'] = calc_sharpe_ratio(df['returns'])

fig, ax = plt.subplots(figsize=(10, 3))
df['rs'].plot(style='-', lw=3, color='indianred', label='Sharpe')\
        .axhline(y = 0, color = "black", lw = 3)

plt.ylabel('Sharpe ratio')
plt.legend(loc='best')
plt.title('Rolling Sharpe ratio (6-month)')
fig.tight_layout()
plt.show()

问题是我得到了一条水平线，因为我的函数为夏普比率提供了一个值。此值对于所有日期都是相同的。在示例图中，它们似乎显示了许多比率。

问题

是否可以绘制一个从一天到另一天变化的 6 个月滚动夏普比率？

Answer 1

使用df.rolling 和固定窗口大小为 180 天的近似正确解决方案：

df['rs'] = df['returns'].rolling('180d').apply(my_rolling_sharpe)

此窗口不完全是 6 个日历月宽，因为 rolling 需要固定的窗口大小，因此尝试 window='6MS'（6 Month Starts）会抛出一个 ValueError。

要计算正好 6 个日历月宽的窗口的夏普比率，我将复制 SO 用户 Mike 的 this super cool answer：

df['rs2'] = [my_rolling_sharpe(df.loc[d - pd.offsets.DateOffset(months=6):d, 'returns']) 
             for d in df.index]

# Compare the two windows
df.plot(y=['rs', 'rs2'], linewidth=0.5)

Answer 2

我已经为您的问题准备了另一种解决方案，这个解决方案仅基于使用 pandas 的 window functions。

这里我已经定义了夏普比率的“即时”计算，请考虑以下参数作为您的解决方案：

• 我使用了 2% 的无风险利率
• 虚线只是滚动夏普比率的基准，值为1.6

所以代码如下

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("whitegrid")

# Generate sample data
d = pd.date_range(start='1/1/2008', end='12/1/2015')
df = pd.DataFrame(d, columns=['Date'])
df['returns'] = np.random.rand(d.size, 1)
df = df.set_index('Date')

df['rolling_SR'] = df.returns.rolling(180).apply(lambda x: (x.mean() - 0.02) / x.std(), raw = True)
df.fillna(0, inplace = True)
df[df['rolling_SR'] > 0].rolling_SR.plot(style='-', lw=3, color='orange', 
                                         label='Sharpe', figsize = (10,7))\
                                         .axhline(y = 1.6, color = "blue", lw = 3,
                                                 linestyle = '--')

plt.ylabel('Sharpe ratio')
plt.legend(loc='best')
plt.title('Rolling Sharpe ratio (6-month)')
plt.show()

print('---------------------------------------------------------------')
print('In case you want to check the result data\n')
print(df.tail()) # I use tail, beacause of the size of your window.

你应该得到类似这张图片的东西