報告回報率、標準差和夏普比率的行業或學術標準頻率？

每個人（基金、銀行、學者、金融資訊網站等）都會報告年化回報、標準差和夏普比率。然而，我們永遠不知道他們計算的基礎是什麼：

• 每日回報？
• 每週回報？
• 季度回報？
• 每月回報？
• 期初價格？
• 期末價格？
• 簡單的回報？
• 日誌返回？

我試圖複製晨星的計算。截至 2020 年 8 月，他們報告了標準普爾 500 指數的以下內容：

• 年化回報率：11.15%（10 年）、10.80%（5 年）、8.96%（3 年）
• 年化標準差：13.38%，（10 年），14.80%（5 年），17.51（3 年）
• 夏普比率：0.92（10 年）、0.77（5 年）、0.66（3 年）

通過除法ret/sd，我得到相當低的 SR。我知道，形式上還應該考慮無風險利率，但它已經接近於零，無論如何都會產生負面影響（應該會得到更低的 SR）。

我試圖在 R 中複製計算，這是我的要點。不幸的是，我找不到一種方法可以讓我在所有報告的時期（3/5/10 年）上與晨星的數據足夠接近。

我的問題是什麼是行業標準？如果沒有標準，那麼每個人都可以以任何方式計算出對他們來說最好的結果（數據疏浚）。

就存在標準而言，它將是使用算術而不是對數回報的每月回報的夏普比率。

根據經驗，算術返回值應始終用於任何類型的報告，因為對數返回值是一個近似值（儘管略有偏差，但為了便於使用，我們可以容忍，特別是對於較大的移動）。

根據Sharpe 的原始論文，回報也計算為區間內的平均值，並且對於給定的頻率，而不是幾何（或年化回報）回報。晨星使用他們自己的定義，不遵守這一點。

每月是一種頻率標準，但每日夏普是一個完全有效的統計數據，並且會提供略有不同的資訊。我通常計算兩者，但更頻繁地使用每月夏普作為策略質量的快速參考。兩者之間的巨大偏差表明月內發生的事情/可能沒有在月度水平上進行考慮。

計算中的微小差異可能由於多種原因（例如，微小的計算差異、數據差異、失去數據等）而發生，因此除非您需要精確匹配，否則嘗試“匹配”計算是一種愚蠢的差事一些原因。

引用自：https://quant.stackexchange.com/questions/58225