量化配置专题:Omega度量统一比较大类资产风险收益表现的方法
本报告引入Omega度量,解决了传统Sharpe比率在非正态分布下的局限性。通过考虑收益率完整分布和投资者预期阈值,更准确比较股票、债券等大类资产风险收益。实证表明Omega排序更符合投资直觉,时间序列更稳健。适用于基金评价、策略比较、因子筛选等场景。
本报告引入Omega度量,解决了传统Sharpe比率在非正态分布下的局限性。通过考虑收益率完整分布和投资者预期阈值,更准确比较股票、债券等大类资产风险收益。实证表明Omega排序更符合投资直觉,时间序列更稳健。适用于基金评价、策略比较、因子筛选等场景。
本报告引入Omega度量,解决了传统Sharpe比率在非正态分布下的局限性。通过考虑收益率完整分布和投资者预期阈值,更准确比较股票、债券等大类资产风险收益。实证表明Omega排序更符合投资直觉,时间序列更稳健。适用于基金评价、策略比较、因子筛选等场景。
本报告引入Omega度量,解决了传统Sharpe比率在非正态分布下的局限性。通过考虑收益率完整分布和投资者预期阈值,更准确比较股票、债券等大类资产风险收益。实证表明Omega排序更符合投资直觉,时间序列更稳健。适用于基金评价、策略比较、因子筛选等场景。
本报告由国泰君安发布,发布于 2019 年。
覆盖 2019 年,全文约 16。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合分析师、基金经理、量化研究者等读者参考。
重点分析了金融投资、Omega、量化配置、方法等议题。