Machine Learning for Trading (Lesson8)

1. 正規化株価：日単位の株価の時系列データを初日の株価で割る
2. allocation：正規化後の株価に投資割合を掛ける
3. position value：allocation後のデータに初期値を掛ける
4. ポートフォリオ：position valueの日合計を出す

ポートフォリオから収益率を見る。その際、配列の最初の値は0とし、今後使わない。
ポートフォリオはボラティリティが小さい方が良い

Sharpe ratio：ポートフォリオのリスクの数値化
volatilityは少ないほうが良く、リターンは大きい方が良い

resk free rate：無リスク利子率。理論的にリスクが皆無か極小の投資案件の期待利回り

daily_rf = (1.0+0.1)^252

$R_p$ ：ポートフォリオリターン
$R_f$ ：リターンのrisk free rate
$\sigma_p$ ：ポートフォリオリターンの分散

$Sharpe\ ratio = \frac{E[R_p-R_f]}{std[R_p-R_f]}$
このとき分母の $R_f$ は0として扱う。

$SR_annualized = \sqrt{\#samples\ per\ year} * SR$
$daily\ K = \sqrt{252}$
$weekly\ k = \sqrt{52}$
$monthly\ K = \sqrt{12}$

ihit's diary