SPY與TLT

分析50% 投資 SPY(標準普爾500指數ETF)，50% 投資TLT(iShares 20年期以上美國公債ETF)

原理：尋找兩個相關係數為負，且會隨時間增值的商品

%matplotlib inline

import ffn

prices = ffn.get("spy,tlt", )

prices.plot()

prices.rebase().mean(axis=1).plot()

仔細看這兩個指數確實有呈現一點負相關，特別是 SPY 下跌的時候，TLT會些微的上漲

策略分一半好嗎?

雖然直接投資sp500獲利更好，但相對風險是高的，究竟有沒有辦法判斷這樣的組合是否是最好的呢？

策略 配置1 配置2 配置3 … 配置10 配置11

SPY 0 0.1 0.2 … 0.9 1.0

TLT 1.0 0.9 0.8 … 0.1 0

把這幾種配置回測看看

import numpy as np

import pandas as pd

strategies = {}

for i in np.arange(0, 1.1, 0.1):

#title = "spy: %.1f | tlt: %.1f" % (i, 1-i)

title = 'spy: {:.1f} | tlt: {:.1f}'.format(i, 1-i)

strategies[title] = (prices.rebase() * [i, 1-i]).mean(axis=1).rebase()

strategies = pd.DataFrame(strategies)

strategies.plot()

可以發現TLT比重越高，則報酬率比較低，SPY比重越低，則報酬率比較高

除了報酬率以外，還有哪些指標可以來衡量這些策略的績效？

使用 ffn 提供的 calc_stats ( )函式來列出上圖報表

stats = strategies.calc_stats()

stats = pd.DataFrame(

{

name:pd.Series({key:getattr(pf, key) for key in dir(pf) if isinstance(getattr(pf, key), float)}, name=name)

for name,pf in stats.items()

}).transpose()

stats.head()

使用 stats.columns 查看上圖的策略績效指標有哪些欄位

stats.columns

使用 .plot 將不同的績效比較給畫出來，藍色的是「報酬/ 風險」 的比例，紅色的是「每月報酬」的波動程度

stats['daily_sharpe'].plot(rot=10, color='blue')

stats['monthly_vol'].plot(rot=10, color='red', secondary_y=True)

假如你是投資長線的話，其實不用太計較每天的 sharpe，應該要看的是每個月，甚至是每年的

stats['yearly_sharpe'].plot()

stats['monthly_sharpe'].plot()

stats['daily_sharpe'].plot()