При вычислении стандартного отклонения доходности важно правильно выбрать интервалы, за которые считаются отдельные доходности. С этой целью, как правило, используются недельные или месячные периоды.
Коэффициент Шарпа характеризует отношение доходности торговой стратегии к риску, показанное на прошлых ценовых данных. Аналогично подходам, связанным с рассмотрением других показателей работы стратегий, после вычисления данной величины выбираются стратегии с наиболее высокими коэффициентами Шарпа, и предполагается, что на будущих данных система покажет близкие результаты.
Иногда в качестве средней доходности (недельной, месячной и пр.) используют не среднее арифметическое, а среднее геометрическое значение, выраженное в процентах годовых. Такой подход позволяет оценить будущую доходность не только за следующий временной интервал (неделю, месяц), но и за более широкий период с учетом реинвестирования прибыли.
Стандартное отклонение, использующееся в коэффициенте Шарпа, оценивает волатильность доходности, не делая различий между колебаниями доходности вверх и вниз от среднего значения. Очевидно, что для целей оценки рискованности стратегии такой подход не вполне точен. Следующий коэффициент, предложенный для оценки торговых систем Д. Швагером, не имеет этого недостатка. Величина RRR (return retracement ratio) представляет собой отношение прибыли к максимальному падению стоимости активов и рассчитывается по формуле
RRR = R / AMR
где R — отношение прироста активов за год к стоимости активов на начало года при условии реинвестирования прибыли; АМR — усредненное за год максимальное месячное снижение стоимости активов, являющееся большей из следующих величин:
максимального снижения с момента предыдущего пика стоимости активов;
максимального снижения до последующего минимума стоимости активов.
Видно, что коэффициент RRR (в отличие от коэффициента Шарпа) оценивает риск по отрицательным изменениям стоимости торгуемых активов, не учитывая, таким образом, отклонения доходности в большую сторону.
Для оценки работы торговых стратегий на исторических данных также могут оказаться полезными графические методы, в частности рассмотрение графиков размера чистых активов и «подводных кривых».
