時間序列
用其行業 ETF 規範 SPY ETF 時間序列數據？
我希望比較不同
SPDR行業 ETF之間的行業輪換策略的回報
- XLY,
- XLP,
- XLE,
- 超低頻
- 特大號，
- 十一，
- 小號，
- XLK,
- XLU
與僅投資於 SPY 整體標準普爾 500 ETF 的回報相比。
我正在使用 9 只 ETF 的價格數據與 SPY ETF 的價格數據，並希望根據固定的名義進行標準化。該行業 ETF 價格在 24.75-81.11 之間。SPY ETF 位於 200 左右。
我如何最好地比較他們的回報？
我聽說過的方法有：
a'(i) := [ a(i) - mean( a ) ] / std_dev( a ) a'(i) := [ a(i) - min( a ) ] / [ max ( a ) - min ( a ) ]我還在以下位置看到了一些建議：如何標準化庫存數據，但不確定哪一個最適合此目的。
我想也可以使用移動平均線。我正在處理 5 年的每日收盤價數據。
為什麼不直接使用幾何平均回報？每次您買入/賣出 ETF 時，都會以百分比形式計算持有期回報並代入公式。答案是一個百分比，你可以用它來計算相對於你的“固定名義”的近似貨幣升值（或損失）
也許我不明白您所說的“標準化時間序列數據”是什麼意思。
為了比較這兩種策略，我將簡單地計算兩者的夏普比率：持有 SPY 與輪換策略。這是一種“標準化”比較，因為它同時考慮了平均回報和回報的標準差。