শার্প অনুপাত বা তথ্য অনুপাতের তাত্পর্য পরীক্ষা করার সঠিক উপায় কী? শার্প অনুপাত বিভিন্ন ইক্যুইটি সূচকের ভিত্তিতে তৈরি হবে এবং ভেরিয়েবল লুক-ব্যাক পিরিয়ড থাকতে পারে।
আমি বর্ণিত একটি সমাধানটি কেবল স্টুডেন্ট টি-টেস্ট প্রয়োগ করে, চেহারাটি ফিরে আসার দৈর্ঘ্যের সাথে ডিএফ সেট করে।
নিম্নলিখিত উদ্বেগের কারণে আমি উপরোক্ত পদ্ধতিটি প্রয়োগ করতে দ্বিধা বোধ করছি:
- আমি বিশ্বাস করি যে টি-টেস্ট স্কিউনেসের সংবেদনশীল, তবে ইক্যুইটি রিটার্নগুলি সাধারণত নেতিবাচকভাবে স্কিউড হয়।
- লগ রিটার্ন ব্যবহার করে গণনা করা গড় রিটার্ন সাধারণ রিটার্ন ব্যবহার করে গণনা করা গড়ের চেয়ে কম হয়। আমি ধরে নিয়েছি যে এটি কোনও সরল রিটার্ন ভিত্তিক শার্প অনুপাতের জন্য লগ-রিটার্ন ভিত্তিক শার্প অনুপাতের তুলনায় তাত্পর্যপূর্ণ হিসাবে নিবন্ধিত হওয়ার পক্ষে আরও বেশি সম্ভাবনা তৈরি করবে, তবুও অন্তর্নিহিত সম্পত্তির রিটার্ন প্রযুক্তিগতভাবে একই।
- যদি লুক-ব্যাক পিরিয়ডটি ছোট হয় (উদাহরণস্বরূপ নমুনার আকার ছোট হয়) তবে টি-টেস্টটি উপযুক্ত হতে পারে তবে কোন দোরগোড়ায় এটি আলাদা পরীক্ষা ব্যবহার করার জন্য অর্থবোধ করবে?
আমার প্রথম প্রবণতা হল স্টুডেন্ট-টি বিতরণ ব্যবহার না করা এবং এর পরিবর্তে অসমমিতিক বিদ্যুৎ বিতরণের উপর ভিত্তি করে একটি পরীক্ষা তৈরি করা, যা আমি পড়েছি ইকুইটি মার্কেটের রিটার্নগুলির খুব কাছাকাছি অনুমান করা হয়েছে , যা কুর্তোসিস এবং স্কিউনেস নিয়ন্ত্রণের অনুমতি দেয়।
আমার দ্বিতীয় প্রবণতাটি নন-প্যারাম্যাট্রিক পরীক্ষাগুলি সন্ধান করা, তবে তাদের ব্যবহার সম্পর্কে সীমিত অভিজ্ঞতা থাকলে আমি নিশ্চিত না যে কোথা থেকে শুরু করব এবং কোন সমস্যাগুলি এড়াতে হবে।
আমি কি এই সমস্যাটিকে গুরুত্ব দিয়ে দেখছি, আমার উদ্বেগগুলি কি অপ্রাসঙ্গিক?
