Senest opdateret:
Hver metrik Foliolytic beregner, hvordan den beregnes, hvilke data den bruger, hvilke særlige tilfælde implementeringen håndterer, og hvor Foliolytic adskiller sig fra typiske online-beregnere. Ingen sort boks.
Foliolytic bruger faktiske daglige amerikanske statsobligationsrenter fra FRED som den risikofrie rente, matchet med hver kalenderdag i din porteføljehistorik. De fleste online-beregnere bruger en statisk antagelse på 2% eller 3%, hvilket kan ændre Sharpe- og Sortino-forholdene med 0,3–0,5 i miljøer, hvor statsobligationsrenterne er 5%. Kombineret med daglig opløsning af drawdown-rekonstruktion (ikke månedlige øjebliksbilleder) og Newton-Raphson XIRR med bisektions-fallback, bringer dette Foliolytics tal i overensstemmelse med institutionel kapitalforvaltningsmetodologi.
Reelle statsobligationsrenter · Daglig granularitet · Newton-Raphson XIRRDaglig porteføljeværdiserie rekonstrueret fra dine transaktioner. Daglig 3-måneders amerikansk statsobligationsrente fra FRED, matchet med hver kalenderdag. 252 handelsdage pr. år for aktiebaserede porteføljer; 365 for kryptobaserede; passende blanding pr. aktiv for blandede porteføljer.
Hvis porteføljehistorikken er kortere end 30 dage, undertrykkes Sharpe (stikprøvestørrelsen er for lille til meningsfuld inferens). Hvis σ < 1e-9 (effektivt flad portefølje), rapporteres Sharpe som nul i stedet for uendelig.
De fleste online-beregnere bruger en statisk risikofri rente på 2% eller 3%. Foliolytic bruger faktiske daglige T-bill-renter. I miljøer med høje renter (2023–2025) ændrer dette Sharpe-forholdene med 0,3–0,5 i forhold til beregnere med faste renter.
Samme daglige porteføljeserie og daglige risikofrie renter som Sharpe. Tærsklen for 'nedside' er den daglige risikofrie rente, ikke nul.
Nedsideafvigelse beregnes kun ved brug af dage, hvor r_d < r_f_d. Dage, hvor r_d ≥ r_f_d, bidrager med nul til summen, men tælles med i n. Dette matcher Sortinos oprindelige specifikation fra 1980'erne.
Nogle beregnere bruger nul som nedside-tærskel, hvilket er matematisk bekvemt, men teoretisk ukorrekt. Det originale Sortino-papir specificerer den mindste acceptable afkast (MAR), som mest naturligt fortolkes som den risikofrie rente.
Fuld transaktionshistorik med daterede pengestrømme. Inkluderer indskud (negative), udbetalinger (positive), terminal porteføljeværdi på den seneste dato (positiv), og eventuelle modtagne kontante udbytter som separate strømme.
Newton-Raphson itererer med et initialt gæt på 0,10. Hvis den afledte går mod nul, eller iterationen divergerer, falder algoritmen tilbage til bisektion på [-0,99, +5,0]. Konvergenstolerance: 1e-10. Pengestrømme under $0,01 ignoreres. Resultatet er begrænset til [-0,99, +5,0] pr. år – værdier uden for dette interval indikerer næsten altid datafejl (valutamix, decimalpunktforskydninger, krypto-rapporteringsfejl).
Excels XIRR bruger den samme Newton-Raphson-tilgang, men har ingen fornuftig begrænsning, så den returnerer absurde værdier (flere milliarder procent) for rodede kryptodata. Foliolytics begrænsning forhindrer disse i at forurene dashboardet.
Daglige porteføljeværdier, datoer for alle eksterne pengestrømme. Perioden mellem to på hinanden følgende strømme er et afkastvindue.
Afkast for underperioder kædes geometrisk for at fjerne timingeffekten af indskud og udbetalinger. Dage uden strømme producerer endagsafkastperioder. Flerdagsperioder mellem strømme forrentes.
TWR er standarden for evaluering af aktivniveau-performance (hvad fondsforvaltere rapporterer). Pengevægtet afkast (XIRR) er standarden for evaluering af en investors faktiske oplevelse. Foliolytic beregner begge – de adskiller sig ofte med flere procentpoint.
Daglige porteføljeafkast. Daglige benchmarkafkast (S&P 500 som standard; kan konfigureres til QQQ, VT eller ethvert brugerdefineret benchmark). Daglig 3-måneders T-bill-rente til beregning af merafkast.
Minimum 30 dages overlap mellem portefølje og benchmark. Dage, hvor enten har manglende data, udelades. Udløbere (>5σ) markeres, men fjernes ikke – beta er en robust statistik, og fjernelse af udløbere har tendens til at forskyde den opad.
Nogle beregnere kører beta på rå afkast (ikke merafkast), hvilket kun er matematisk ækvivalent, hvis den risikofrie rente er konstant. Med tidsvarierende T-bill-renter er regression på merafkast mere korrekt.
Samme som beta, plus regressionsskæringspunktet (OLS-konstantleddet).
Alpha rapporteres i annualiserede procentpoint. Statistisk signifikans (t-stat) beregnes sideløbende – alpha-værdier uden t-stat > 1,5 bør behandles som støj, ikke færdighed.
Mange regnearks-alphaer beregnes som et rent skæringspunkt for ueskaleret regression, hvor annualiseringstrinnet mangler. Foliolytic rapporterer altid annualiseret alpha, så tallet er direkte fortolkeligt som 'ekstra afkast pr. år i forhold til benchmark-ækvivalent risikoeksponering'.
Samme regression som beta. R² er determinationskoefficienten fra den tilpasning.
Hvis R² < 0,05 i forhold til det valgte benchmark, markeres porteføljens beta- og alpha-estimater som statistisk meningsløse – der er ingen lineær sammenhæng at fortolke.
Foliolytic behandler høj R² (≥ 0,95 med lav aktiv andel) som et 'skabsindexer'-signal – se seneste større opdateringer i CLAUDE.md for badge-definitionen.
Daglig porteføljeværdiserie over hele historikken. Rekonstruktion bruger transaktion-for-transaktion-vurdering, ikke periodeslut-øjebliksbilleder.
Daglig granularitet bruges til aktier og krypto. Intradag-toppe/bunde fanges ikke – Foliolytics maksimale drawdown er daglig opløsning. Genopretningstid (dage fra top til næste dag på eller over top) rapporteres sideløbende.
Mange trackere beregner drawdown ud fra månedlige NAV'er, hvilket undervurderer den sande top-til-bund med et gennemsnit på 20–30%. Daglig rekonstruktion fanger mere af forløbet.
Fuld daglig afkastshistorik. Konfidensniveau α (standard: 95% og 99%). For parametrisk VaR kræves også stikprøvegennemsnit og standardafvigelse. For Monte Carlo tilpasses en fordeling (Gaussian som standard; t-fordeling for aktiver med tykke haler).
Historisk VaR kræver mindst 60 dages afkast (statistisk minimum); 250+ dage foretrækkes stærkt. Parametrisk VaR kan være upålidelig for ikke-Gaussiske afkastfordelinger. Foliolytic rapporterer alle tre side om side, så forskellen (eller manglen herpå) er synlig.
De fleste beregnere rapporterer kun parametrisk VaR. Foliolytic viser historisk, parametrisk og Monte Carlo. For aktiver med tykke haler (krypto, gearede aktier, enkeltaktier) kan parametrisk VaR undervurdere det sande tabspotentiale med 50%+.
Samme som historisk VaR. CVaR bruger kun dage, hvor tab oversteg VaR-tærsklen.
Betinget af, at halen ikke er tom: kræver mindst 5 observationer ud over VaR-tærsklen for et meningsfuldt estimat. Med 250 dages historik ved 95% VaR giver dette 12–13 haleobservationer – grænsetilfælde.
Mange kilder rapporterer kun VaR. CVaR (også kaldet Expected Shortfall) fortæller dig ikke kun tærsklen, men også den gennemsnitlige alvorlighed ud over den – mere nyttigt for kapitalplanlægning. Basel III for banker kræver nu CVaR frem for VaR af disse årsager.
Annualiseret afkast (CAGR over hele historikken). Maksimalt drawdown over hele historikken.
Kræver, at begge input er ikke-trivielle. Hvis MaxDD < 1% (essentielt ingen drawdown), rapporteres Calmar som 'ikke relevant' i stedet for uendelig. Hvis R_annual ≤ 0, kan Calmar stadig beregnes, men rapporteres med eksplicit kontekst (høj Calmar fra lav drawdown er kun imponerende, hvis afkastet også er positivt).
Nogle implementeringer bruger 36-måneders rullende Calmar i stedet for fuld periode. Foliolytic beregner fuld-periode Calmar som standard; rullende Calmar er tilgængelig under fanen for avancerede målinger.
Annualiseret merafkast over perioden. Beta fra den samme regression, der bruges til beta-metrikken.
Hvis β er nær nul eller negativ, bliver Treynor meningsløs eller kontraintuitiv. Foliolytic markerer porteføljer med |β| < 0,2 som 'lav-beta' og viser Treynor med en advarselsindikator.
Treynor er mest nyttig for veldiversificerede porteføljer, hvor idiosynkratisk risiko er diversificeret væk. For enkeltaktier eller koncentrerede porteføljer er Sharpe den mere passende metrik – Treynor vil overvurdere det risikojusterede afkast, fordi firmaspecifik risiko ikke fanges af beta.
Daglige porteføljeafkast og daglige benchmarkafkast. Begge annualiseret via √252.
Kræver mindst 60 dages parrede data. Hvis tracking error < 0,5% (essentielt indekseret), undertrykkes IR, fordi tæller divideret med en nær-nul nævner giver ustabile estimater.
Nogle implementeringer bruger månedlige afkast (den officielle GIPS-standard). Foliolytic bruger daglige for højere opløsning; forskellen mellem daglig og månedlig er lille for IR (typisk inden for 5%).
Månedlige portefølje- og benchmarkafkast. Beregnet på månedlig granularitet for at matche standardrapporteringskonventionen.
Kræver mindst 12 måneder i hvert regime (op/ned) for meningsfulde estimater. Måneder, hvor benchmarkafkastet er præcis nul, udelades. Capture-forholdene rapporteres som procenter.
Foliolytic rapporterer også capture-forholds kvalitet (spredningen up_capture - down_capture) – drømmeprofilen er høj op, lav ned.
Daglige portefølje- og benchmarkafkast. Differensserien beregnes dagligt; TE er den annualiserede standardafvigelse.
Samme minimumsdatakrav som IR (≥ 60 dage). For meget stramt indekserede porteføljer (< 0,5% TE) rapporteres metrikken, men markeres, fordi en så lav tracking error normalt betyder 'closet indexing'.
Nogle beregnere bruger ex-ante (fremadskuende, faktorbaseret) tracking error snarere end ex-post (historisk). Foliolytic bruger altid ex-post – den faktisk realiserede afvigelse fra benchmark.
Observeret Sharpe-forhold, stikprøvestørrelse n, stikprøveskævhed, stikprøvekurtose. Benchmark SR* (standard er 0).
Kvantiler for PSR bootstrappes fra rullende 5-årige SPY totalafkast-vinduer (1101 vinduer fra 1928–2025), så scoren afspejler stikprøvestørrelsesbevidste referencedistributioner. PSR-formlen har √(n-1) i tælleren, så referencedistributioner skal bruge vinduer, der matcher brugerens historiklængde – se april 2026 metrics v6 fix i CLAUDE.md.
De fleste online-beregnere rapporterer slet ikke PSR. De få, der gør, bruger typisk en fast referencedistribution, der ikke tager højde for stikprøvestørrelse, hvilket fører til, at brugerporteføljer med realistiske 5-årige historier scorer 'dårligt' selv ved BLP-troværdighedstærsklen.
Daglig afkastserie. Vinduesstørrelser spænder typisk fra 10 til T/2 logaritmisk.
Retning behandles som 'neutral' snarere end 'højere er bedre' – H = 0,5 (random walk) er det konceptuelle midtpunkt, hvor afvigelser i begge retninger er informative. Kvantiler bootstrappes fra rullende 5-årige SPY-vinduer, samme som PSR.
Foliolytic bruger rescaled-range (R/S) metoden. Detrended fluctuation analysis (DFA) er tilgængelig som et alternativ under fanen Avanceret; begge giver typisk meget lignende resultater for de aktieafkast, de fleste brugere har.
Daglig drawdown-serie (procentdel fra løbende maksimum).
Rapporteres som en procentdel. Som alle drawdown-baserede målinger er den følsom over for opløsningen af den underliggende værdiserie – daglig rekonstruktion er vigtig.
Nogle implementeringer rapporterer UI som en brøkdel; Foliolytic bruger Peter Martins originale konvention om procentdel * 100 til direkte sammenligning med publiceret forskning.
Månedlige portefølje- og benchmarkafkast.
Måneder, hvor r_p == r_b, deles halvt-halvt. Minimum 12 måneder for meningsfuldt estimat.
Foliolytic rapporterer også en parret metrik, batting-average-vs-zero (måneder hvor r_p > 0 / total), nyttig for absolutafkaststrategier.
Annualiseret afkast, risikofri rente, alle drawdown-værdier over perioden.
Ligner Calmar, men straffer summen af kvadrerede drawdowns i stedet for kun maksimum. Mindre følsom over for et enkelt 'black swan'-drawdown end Calmar.
Foliolytics Burke-baselines blev rekalibreret til FF_100Y_BUFFETT_ANCHORED i v6.5 (april 2026) – se CLAUDE.md for kalibreringshistorien.
Annualiseret merafkast, Ulcer Index.
Direkte slægtning til Calmar og Burke; bruger Ulcer Index som vej-risiko-nævner.
De fleste beregnere beregner ikke Martin-forholdet. Foliolytic inkluderer det, fordi Ulcer-baserede målinger korrelerer godt med subjektiv investor-smerte.
Annualiseret afkast. Liste over alle afsluttede drawdowns inden for lookback-vinduet, rangeret efter dybde.
Justeringen på -10% er en fast forskydning fra Sterlings originale formulering. Hvis færre end N afsluttede drawdowns eksisterer, undertrykkes metrikken.
Sterling er mere følsom end Calmar over for en række mellemstore drawdowns. Foliolytics baselines (FF_100Y_BUFFETT_ANCHORED) blev rekalibreret i v6.5.
Portefølje Sharpe-forhold, annualiseret standardafvigelse af benchmark, annualiseret risikofri rente.
M² ≡ Sharpe omskaleres til benchmark-volatilitet. Når Sharpe-bånd ændres, SKAL M²-bånd ændres identisk – de er matematisk den samme størrelse.
Mange beregnere beregner Sharpe, men springer M² over. M² er mere fortolkelig for private brugere, fordi den er udtrykt i procentpoint af afkast, ikke et enhedsløst forhold.
Hver Foliolytic-metrik beregnes ud fra daglig porteføljerekonstruktion, ikke månedlige øjebliksbilleder. Dette er vigtigst for drawdown-baserede målinger (maksimalt drawdown, Calmar, Burke, Martin, Sterling, Ulcer): månedlige NAV'er undervurderer typisk det sande top-til-bund drawdown med 20–30%, fordi de overser intradag-fald. Daglig granularitet fanger den vej, der faktisk skete.
Aktiebaserede porteføljer bruger 252 handelsdage. Kryptobaserede bruger 365 dage (24/7 handel). Blandede porteføljer bruger en aktivspecifik blanding og rekombinerer derefter til et enkelt annualiseret porteføljetal. Volatilitetsskalering bruger √n (varians skalerer lineært med tid, så standardafvigelse skalerer med √tid).
Daglige logaritmiske afkast bruges internt til enhver metrik, der kræver tidsaggregering (varians, flerperiodisk forrentning, annualisering). Aritmetiske afkast bruges til visning, fordi de er mere intuitive ('-30%' er mere genkendeligt end 'log-afkast -0.357'). De to er ækvivalente på daglig basis for typiske aktieafkast; de afviger ved ekstreme bevægelser.
Udløbere markeres, men fjernes ikke. Fjernelse af udløbere har tendens til at forskyde varians- og Sharpe-estimater opad og er generelt dårlig praksis. Undtagelsen er, hvor data tydeligt indikerer en fejl – f.eks. krypto-handler, der er fejlrapporteret i cents i stedet for dollars, eller valutaomregningsfejl, der giver 1000x prisstigninger. Disse fanges af parserlaget (se /about) og korrigeres før beregning af målinger.
Foliolytic undertrykker målinger, der kræver mere data, end der er tilgængeligt. Sharpe og Sortino kræver ≥ 30 dage. Beta, alpha, IR, tracking error kræver ≥ 60 dages parrede data. Capture-forhold kræver ≥ 12 måneder i hvert regime. PSR og Hurst kræver tilstrækkelig historik til at bootstrappe referencedistributioner. Når minimum ikke er opfyldt, viser metrikken '—' i stedet for et meningsløst tal.
For hver metrik, der bruger R_f (Sharpe, Sortino, Treynor, M², alpha, beta på merafkast), bruges den daglige 3-måneders T-bill-rente og matches med hver kalenderdag i porteføljens historik. Den annualiserede R_f, der bruges i visningen, er det tidsvægtede gennemsnit af daglig R_f over porteføljens historik. De fleste beregnere bruger et enkelt fast R_f-tal, hvilket er forkert, når renterne har bevæget sig.
S&P 500 (SPY totalafkast) som standard. Brugerkonfigurerbar til QQQ, VT eller ethvert brugerdefineret ticker. Beta, alpha, R², capture-forhold, batting average, IR og tracking error genberegnes alle i forhold til det valgte benchmark. Krypto-porteføljer bruger BTC som standard for benchmark-relative målinger.
Referencedistributioner for percentilbaseret scoring (PSR, Hurst, Sharpe-kvantiler osv.) rekalibreres periodisk, når nye markedsdata ankommer. Det aktuelle kalibreringssæt er dokumenteret i kildekoden metricBaselines.js. Større rekalibreringsbegivenheder logges med versionstags (v6.4, v6.5) for gennemsigtighed – se CLAUDE.md og ændringsloggen øverst i metricBaselines.js.
Hver metrik nedenfor har sin egen dedikerede beregner med eksempler, fortolkningstabeller og et gratis CSV-uploadværktøj.
Aritmetiske afkast ((P_t - P_(t-1)) / P_(t-1)) er intuitive og det, investorer normalt mener med 'afkast'. Logaritmiske afkast (ln(P_t / P_(t-1))) har en kritisk matematisk egenskab: de er additive over tid. Det 90-dages logaritmiske afkast svarer til summen af 90 daglige logaritmiske afkast. Aritmetiske afkast har ikke denne egenskab – de forrentes geometrisk. Foliolytic bruger logaritmiske afkast internt til enhver tidsaggregering og aritmetiske afkast til visning.
Næsten helt sikkert på grund af den risikofrie rente. Foliolytic bruger faktiske daglige 3-måneders T-bill-renter fra FRED. De fleste mæglere og online-beregnere bruger en fast antagelse (ofte 2% eller 0%). I et miljø, hvor T-bill-renterne er 5%, kan dette ændre Sharpe med 0,3–0,5 — en betydelig forskel.
Split anvendes retroaktivt på historiske aktieantal og priser. Et 4-for-1 split på AAPL i august 2020 firedobler retroaktivt dit aktieantal og kvartalsprisen for alle datoer før splittet. Porteføljens værdiserie forbliver kontinuerlig over splittet – der er ingen spring i værdi, kun i kosmetiske tal pr. aktie.
Kontante udbytter tilføjes porteføljens kontantbeholdning på ex-udbyttedatoen. De geninvesteres ikke automatisk. Hvis din mægler geninvesterer automatisk, vil de resulterende aktiekøb fremgå af din transaktionshistorik og vil blive behandlet normalt. Særlige udbytter håndteres på samme måde som almindelige kontante udbytter.
S&P 500 (SPY totalafkast) som standard. Benchmarket kan konfigureres i dashboardet — du kan vælge ethvert større indeks, ETF, eller endda et brugerdefineret ticker. Beta, alpha, R², capture ratio, batting average, og tracking error genberegnes alle i forhold til det valgte benchmark.
Foliolytic beregner afkast ud fra din transaktionshistorik, som den er. Hvis din mægler trækker gebyrer fra positioner eller opkræver dem som separate transaktioner, afspejles disse strømme. Hvis gebyrer betales fra en separat kontantkonto, der ikke er i din CSV, fanges de ikke. For de fleste private mæglerkonti (Fidelity, Schwab, Robinhood, IBKR) er platformgebyrerne allerede afspejlet i transaktionspriserne.
Kør alle de ovenfor beskrevne beregninger på din egen portefølje på få sekunder.
Analyser din portefølje gratis →