计算年化收益和夏普率的多种python代码实现

计算年化收益和夏普率是金融领域常用的指标，以下是多种Python代码实现：

1. 使用numpy和pandas库

import numpy as np
import pandas as pd

# 假设有一组收益率数据，存储在列表returns中
returns = [0.01, 0.02, 0.03, -0.01, -0.02]

# 计算年化收益率
annual_return = (1 + np.mean(returns)) ** 252 - 1

# 计算波动率
volatility = np.std(returns) * np.sqrt(252)

# 计算夏普比率
sharpe_ratio = (annual_return - 0.03) / volatility

# 输出结果
print("年化收益率：{:.2f}%".format(annual_return * 100))
print("波动率：{:.2f}%".format(volatility * 100))
print("夏普比率：{:.2f}".format(sharpe_ratio))

2. 使用scipy库

from scipy.stats import norm

# 假设有一组收益率数据，存储在列表returns中
returns = [0.01, 0.02, 0.03, -0.01, -0.02]

# 计算年化收益率
annual_return = (1 + np.mean(returns)) ** 252 - 1

# 计算波动率
volatility = np.std(returns) * np.sqrt(252)

# 计算夏普比率
sharpe_ratio = (annual_return - 0.03) / volatility

# 计算夏普比率的p值
p_value = norm.cdf(sharpe_ratio)

# 输出结果
print("年化收益率：{:.2f}%".format(annual_return * 100))
print("波动率：{:.2f}%".format(volatility * 100))
print("夏普比率：{:.2f}，p值：{:.4f}".format(sharpe_ratio, p_value))

3. 使用quantstats库

import quantstats as qs

# 假设有一组收益率数据，存储在列表returns中
returns = [0.01, 0.02, 0.03, -0.01, -0.02]

# 将收益率数据转换为DataFrame格式
df = pd.DataFrame(returns, columns=["returns"])

# 使用quantstats库计算年化收益率、波动率和夏普比率
qs.extend_pandas()
annual_return = qs.stats.annual_return(df)
volatility = qs.stats.volatility(df)
sharpe_ratio = qs.stats.sharpe_ratio(df)

# 输出结果
print("年化收益率：{:.2f}%".format(annual_return * 100))
print("波动率：{:.2f}%".format(volatility * 100))
print("夏普比率：{:.2f}".format(sharpe_ratio))

以上三种方法都可以计算年化收益率和夏普比率，只是实现方式略有不同。需要注意的是，这些计算结果都是基于历史数据的，不能保证未来表现。