Pruebas de Sharpe en R

Question

Mi prueba de meta: La significación estadística de la diferencia del ratio de Sharpe entre los fondos A y B.

Mis datos: Tengo precios diarios desde el 23 de enero de 2008 hasta el 10 de abril de 2019 (n = 2818 observaciones). Subo una hoja excel a r con los precios del fondo A en la columna 1 y los precios del fondo B en la columna 2.

Código R: Ejecuto el siguiente código

## Run Sharpe testing (asymptotic hac)
x = SR_for_r[,1]
y = SR_for_r[,2]
ctr = list(type = 1, hac = TRUE)
out = sharpeTesting(x, y, control = ctr)
print(out)

## Run Sharpe testing (circular bootstrap)
x = SR_for_r[,1]
y = SR_for_r[,2]
set.seed(1234)
ctr = list(type = 2, nBoot = 1000, bBoot = 3)
out = sharpeTesting(x, y, control = ctr)
print(out)

Mis preguntas

1) ¿Debo tener los precios de los fondos, la tasa de rendimiento o el exceso de rendimiento en las columnas 1 y 2 de la hoja de datos que importo a R?

2) ¿Debo utilizar sólo los errores estándar de HAC o utilizar el bootstrap circular para comprobar la significación estadística de la diferencia del ratio de Sharpe?

3) ¿Cómo puedo interpretar el resultado de la prueba?

4) ¿Alguien conoce algún artículo de alguien que haya comprobado la significación estadística de la diferencia del ratio de Sharpe entre dos fondos?

---

Mis fuentes: El código R viene de aquí: https://rdrr.io/cran/PeerPerformance/man/sharpeTesting.html

Answer 1

A menos que lo hagas como un ejercicio puramente educativo, parece que puedes estar complicando demasiado las cosas.

Los ratios de Sharpe siguen una distribución t de student. Por lo tanto, puede utilizar los enfoques estándar para probar las hipótesis o crear intervalos de confianza para cada estimación de Sharpe.

Una búsqueda rápida en Google ha dado como resultado este documento que aborda temas similares a los que usted pregunta.

Para responder a sus preguntas concretas:

(1) Eso depende totalmente de cómo se haga el cálculo. Los ratios de Sharpe se calculan utilizando rendimientos aritméticos (que pueden calcularse a partir de los precios o de los propios rendimientos).

(2) Depende de sus intenciones.

(3) De nuevo, depende del cálculo que se haga. Si se trata de una prueba t estándar, el pval representa la probabilidad de ver un tstat tan extremo si las estimaciones de la muestra no fueran diferentes (es decir, error de tipo 1) bajo la hipótesis Sharpe1=Sharpe2. Normalmente se elige un nivel de confianza, a (por ejemplo, 95 o 90%), y rechazar el nulo (por ejemplo, Sharpe1 = Sharpe2) si pval < 1 - a . tstat es la estadística que se calcula para hacer esta determinación.