Editado Comentarios:
Ratio de Sharpe cubre tanto futuro y del tiempo histórico marcos (como @Freddy puntos de salida). Hace referencia a la "Geométrica de Retorno y Portoflio Análisis", para el histórico de cálculo, desea hacer algunas suposiciones como sea posible (en mi opinión).
Vamos a $m_i \triangleq$ la planilla mensual para el periodo de $i$ y $r_t \triangleq$ retorno anual, de $i\in[1,12]$.
Luego de hacer ninguna hipótesis sobre $m_i$, excepto que $m_i~\textrm{i.yo.d.} \forall i$ y que la varianza es finito, tenemos:
$$(1+r_t) = \prod_{i=1}^{12}(1+d_i)
$$
Tomando $log$ de ambos lados tenemos:
$$\log(1+r_t) = \log( \prod_{i=1}^{12} (1+d_i) )
= \sum_{i=1}^{12}\log(1+d_i)$$
Utilizando el Teorema Central del Límite, sabemos que $\log(1+r_i)\sim N(\mu\sigma^2)$
A partir de esto se obtiene sus valores históricos para calcular el Ratio de Sharpe, porque quieres saber la cantidad de retorno por unidad de riesgo que fue tomada (puedo convertir de forma continua agravado devuelve en geométrica de retorno, porque usted quiere saber el por unidad de crecimiento por unidad de volatilidad que han tomado). Tome nota, que se ha calculado la volatilidad en los $\log$ regresa, no lineal. Tenga en cuenta también, usted es capaz de utilizar un tiempo de factor de escala, debido a que $\sum_{i=1}^{12}\log(1+d_i)$ es de suma i.yo.d. variables aleatorias. Cuando se utiliza lineal devuelve, usted está tomando la varianza de $\prod_{i=1}^{12}(1+d_i)$. Como parte del uso de pequeños y más pequeños incrementos (diarios y menos), se puede argumentar que $\log(\frac{p_t}{p_{t-1}})~\sim \frac{p_t}{p_{t-1}}-1$, pero como el marco de tiempo crece, y sin duda para la semana, no se puede aplicar la escala de tiempo de factor de de $\sqrt{52}$ a venir para arriba con variación anual de los valores.
Si desea calcular espera ratio de sharpe, se puede seguir un estándar de $\log()$ de transformación para determinar la expectativa y la varianza de una variable aleatoria lognormally distribuida con los parámetros que usted acaba calculado anteriormente.
Donde:
$$ \mathbb{E}[r_t] = \mathbb{E}[1+r_t] - 1 = e^{\mu + \frac{1}{2}\sigma^2} - 1 $$
$$ \mathbb{V}[r_t] = \mathbb{V}[1+r_t] = \mathbb{E}[1+r]^2 \cdot e^{\sigma^2}-1 $$
Post Original
De hecho, hay un muy buen papel en esta titulado "Geométrica de Retorno y el Análisis de la Cartera" por Brian McCulloch, pero la esencia es que "Geométrica Rendimientos de escala a través de los activos, Registro de Rendimientos de Escala a través del tiempo." Por lo tanto,
Calcular registro de las devoluciones, y entonces la volatilidad de registro de las devoluciones. A continuación, puede aplicar su vez factor de escala de la \sqrt(52)
a la volatilidad de venir con un "momento apropiado" de la volatilidad de estimación.
Luego transformar tu también escalas de tiempo de registro devuelve a una lineal geométrico de retorno (como el usuario anterior indicado), a través de la exp(log_return) - 1
(por lo que si había semanal devuelve, se multiplica por 52 para obtener anualizada de los valores).
A continuación, la relación de uno sobre el otro (suponiendo que el cero de la tasa libre de riesgo) puede ser utilizado para el Ratio de Sharpe.`