R：股價年化標準差及股價比較

上一篇介紹了如何獲取股價資訊，這些都是單一的資料，如果想要做合併比較以便查看綜合比例該怎麼做？在 Google 財經上面也有提供比較的功能，不過只能比較 2 檔股價稍微少了點。

這篇就介紹一下如何比較個股的表現，程式碼如下：

library(quantmod)
library(PerformanceAnalytics)
d_from <- "2020-01-01"
getSymbols("SPY", src="yahoo", from=d_from)
getSymbols("SOXX", src="yahoo", from=d_from)
getSymbols("XLE", src="yahoo", from=d_from)
SPY2 <- dailyReturn(Ad(SPY))
SOX2 <- dailyReturn(Ad(SOXX))
XLE2 <- dailyReturn(Ad(XLE))

首先載入 quantmod，PerformanceAnalytics 這2個程式庫
獲取資料的日期從 2020-01-01 開始
取得 SPY(標普500指數)，SOXX(費城半導體指數)，XLE(能源指數)資料，來源從 yahoo
dailyReturn(Ad(SPY)) 將SPY每日的調整價格 Ad (Adjusted)放到變數SPY2。
也可以用收盤價 (Cl)來計算。

m1 <- merge(SPY2, SOX2, XLE2, all = F)
colnames(m1) <- c("SPY", "SOXX", "XLE")
charts.PerformanceSummary(m1, event.labels = T, main="標普vs費半vs能源指數")

將 SPY2，SOX2，XLE2 合併資料
m1 的列名稱為"SPY"，"SOXX"，"XLE"
根據 m1 的資料來畫出圖形：

我們可以看到紅色線條是費半指數，黑色線條是標普500指數，綠色是能源類指數；這也就是說自 2020/ 1月到現在表現最好的是費城半導體指數(+38%)，再來是標普500指數(+10%)，最差的是石油能源類指數(-40%)。

接下來可以計算年化標準差：

table.AnnualizedReturns(m1, scale = 252, Rf = 0.01/252)

 

Annualized Return：年化報酬率
Annualized Std Dev：年化標準差
Annualized Sharpe (Rf=1%)：夏普值2

其中夏普率= [(每日報酬率平均值- 無風險利率) / (每日報酬的標準差)]x (252平方根)
252平方根是因為一年大約有252天交易日，意思是將波動數值從每日調整成年

代表意思是，例如夏普率 0.5，表示在承受1%的波動風險下，長期可以創造0.5%的報酬率。
也可以說想得到5%的報酬，可以預期過程有10%的上下波動。

至於夏普值更詳細的說明網路上都可以查到我就不說明了。當你遇到一個投資組合，不知道如何檢視成效時，夏普率會是一個很好的輔助指標。