Obsunięcie

Financial Trading w Pythonie

Chelsea Yang

Data Science Instructor

Czym jest obsunięcie?

Obsunięcie to spadek od szczytu do dołka w danym okresie dla aktywa lub rachunku handlowego.

Wykres obsunięcia

Maksymalne obsunięcie

$\text{Max Drawdown} = (V_p - V_l)/ V_l $

$V_p$: Wartość szczytowa przed największym spadkiem

$V_l$: Najniższa wartość przed nowym szczytem

Przykład maksymalnego obsunięcia

Maksymalne obsunięcie

= (wartość punktu A - wartość punktu D) / wartość punktu A = (1700 - 800)/1700 = 53%

Obsunięcia ze statystyk backtestu

resInfo = bt_result.stats

# Get the max drawdown
max_drawdown = resInfo.loc['max_drawdown']
print('Maximum drawdown: %.2f'% max_drawdown)

# Get the average drawdown
avg_drawdown = resInfo.loc['avg_drawdown']
print('Average drawdown: %.2f'% avg_drawdown)

# Get the average drawdown days
avg_drawdown_days = resInfo.loc['avg_drawdown_days']
print('Average drawdown days: %.0f'% avg_drawdown_days)

Maximum drawdown: -0.59
Average drawdown: -0.11
Average drawdown days: 22

Wskaźnik Calmar

CALMAR: CALifornia Managed Accounts Report

$ Calmar = CAGR / \text{Max Drawdown} $

Im wyższy wskaźnik Calmar, tym lepsza strategia w ujęciu skorygowanym o ryzyko.
Wskaźnik Calmar powyżej 3 jest zazwyczaj uważany za doskonały.

Ręczne obliczanie wskaźnika Calmar

resInfo = bt_result.stats
# Get the CAGR
cagr = resInfo.loc['cagr']
# Get the max drawdown
max_drawdown = resInfo.loc['max_drawdown']


# Calculate Calmar ratio mannually
calmar_calc = cagr / max_drawdown * (-1)
print('Calmar Ratio calculated: %.2f'% calmar_calc)

Calmar Ratio calculated: 4.14

Wskaźnik Calmar ze statystyk backtestu

resInfo = bt_result.stats

# Get the Calmar ratio
calmar = resInfo.loc['calmar']
print('Calmar Ratio: %.2f'% calmar)

Calmar Ratio: 4.14

Czas na ćwiczenia!

Financial Trading w Pythonie