शेवटचे अपडेट:
Foliolytic गणना करत असलेले प्रत्येक मेट्रिक, त्याची गणना कशी केली जाते, तो कोणता डेटा वापरतो, अंमलबजावणी कोणत्या विशिष्ट परिस्थिती हाताळते आणि Foliolytic सामान्य ऑनलाइन कॅल्क्युलेटरपेक्षा कुठे वेगळे आहे. कोणतीही गुप्तता नाही.
Foliolytic FRED कडून मिळणारे वास्तविक दैनिक U.S. ट्रेझरी बिल उत्पन्न जोखीम-मुक्त दर म्हणून वापरते, जे तुमच्या पोर्टफोलिओ इतिहासातील प्रत्येक कॅलेंडर दिवसाशी जुळवले जाते. बहुतेक ऑनलाइन कॅल्क्युलेटर २% किंवा ३% चे स्थिर गृहितक वापरतात, ज्यामुळे T-बिल उत्पन्न ५% असलेल्या वातावरणात Sharpe आणि Sortino रेशो ०.३–०.५ ने बदलू शकतात. दैनिक-रिझोल्यूशन ड्रॉडाउन पुनर्रचना (मासिक-अखेरचे स्नॅपशॉट नव्हे) आणि द्विविभाजन फॉलबॅकसह Newton-Raphson XIRR यांच्या संयोजनामुळे, Foliolytic चे आकडे संस्थात्मक मालमत्ता-व्यवस्थापन कार्यपद्धतीशी सुसंगत आहेत.
वास्तविक ट्रेझरी उत्पन्न · दैनिक तपशील · Newton-Raphson XIRRतुमच्या व्यवहारांवरून पुनर्रचित केलेली दैनिक पोर्टफोलिओ मूल्य मालिका. FRED कडून मिळणारे दैनिक ३-महिन्यांचे U.S. ट्रेझरी बिल उत्पन्न, प्रत्येक कॅलेंडर दिवसाशी जुळवलेले. केवळ स्टॉक पोर्टफोलिओसाठी वर्षाला २५२ ट्रेडिंग दिवस; केवळ क्रिप्टोसाठी ३६५; मिश्र पोर्टफोलिओसाठी योग्य प्रति-मालमत्ता मिश्रण.
जर पोर्टफोलिओचा इतिहास ३० दिवसांपेक्षा कमी असेल, तर Sharpe दाबला जातो (अर्थपूर्ण अनुमानासाठी नमुना आकार खूप लहान). जर σ < 1e-9 (प्रभावीपणे सपाट पोर्टफोलिओ), तर Sharpe अनंतऐवजी शून्य म्हणून नोंदवला जातो.
बहुतेक ऑनलाइन कॅल्क्युलेटर २% किंवा ३% चा स्थिर जोखीम-मुक्त दर वापरतात. Foliolytic वास्तविक दैनिक T-बिल उत्पन्न वापरते. उच्च-दर वातावरणात (२०२३–२०२५), यामुळे Sharpe रेशो निश्चित-दर कॅल्क्युलेटरच्या तुलनेत ०.३–०.५ ने बदलतात.
Sharpe प्रमाणेच दैनिक पोर्टफोलिओ मालिका आणि दैनिक जोखीम-मुक्त दर. 'नुकसानाच्या' थ्रेशोल्डसाठी दैनिक जोखीम-मुक्त दर वापरला जातो, शून्य नव्हे.
नुकसानाच्या विचलनाची गणना केवळ अशा दिवसांसाठी केली जाते जिथे r_d < r_f_d. ज्या दिवसांमध्ये r_d ≥ r_f_d असते, ते बेरजेमध्ये शून्य योगदान देतात परंतु n मध्ये मोजले जातात. हे Sortino च्या मूळ १९८० च्या वैशिष्ट्यांशी जुळते.
काही कॅल्क्युलेटर शून्यला नुकसानाचा थ्रेशोल्ड म्हणून वापरतात, जे गणितीयदृष्ट्या सोयीचे असले तरी सैद्धांतिकदृष्ट्या चुकीचे आहे. मूळ Sortino पेपरमध्ये किमान स्वीकार्य रिटर्न (MAR) निर्दिष्ट केले आहे, ज्याचा अर्थ नैसर्गिकरित्या जोखीम-मुक्त दर असा होतो.
तारखांसह रोख प्रवाहांचा संपूर्ण व्यवहार इतिहास. यात योगदान (नकारात्मक), पैसे काढणे (सकारात्मक), सर्वात अलीकडील तारखेला अंतिम पोर्टफोलिओ मूल्य (सकारात्मक) आणि स्वतंत्र प्रवाहांच्या रूपात मिळालेले कोणतेही रोख डिव्हिडंड्स यांचा समावेश आहे.
Newton-Raphson ०.१० च्या प्रारंभिक अंदाजाने पुनरावृत्ती करते. जर डेरिव्हेटिव्ह शून्य झाला किंवा पुनरावृत्ती विचलित झाली, तर अल्गोरिदम [-०.९९, +५.०] वर द्विविभाजनावर परत येतो. अभिसरण सहनशीलता: 1e-10. $०.०१ पेक्षा कमी रोख प्रवाह दुर्लक्षित केले जातात. परिणाम दरवर्षी [-०.९९, +५.०] पर्यंत मर्यादित असतो — या श्रेणीबाहेरील मूल्ये जवळजवळ नेहमीच डेटा त्रुटी दर्शवतात (चलन गोंधळ, दशांश बिंदू बदल, क्रिप्टो अहवाल त्रुटी).
Excel चा XIRR समान Newton-Raphson दृष्टिकोन वापरतो परंतु तो मर्यादा घालत नाही, त्यामुळे तो गोंधळलेल्या क्रिप्टो डेटासाठी हास्यास्पद मूल्ये (अनेक अब्ज टक्के) परत करतो. Foliolytic ची मर्यादा यामुळे डॅशबोर्ड दूषित होण्यापासून प्रतिबंधित करते.
दैनिक पोर्टफोलिओ मूल्ये, सर्व बाह्य रोख प्रवाहांच्या तारखा. दोन सलग प्रवाहांच्या दरम्यानचा कालावधी एक रिटर्न-विंडो असतो.
योगदान आणि पैसे काढण्याच्या वेळेचा प्रभाव दूर करण्यासाठी उप-कालावधी रिटर्न्स भूमितीय पद्धतीने जोडले जातात. प्रवाह नसलेल्या दिवसांमुळे एक-दिवसीय रिटर्न कालावधी तयार होतात. प्रवाहांच्या दरम्यानचे अनेक-दिवसीय कालावधी चक्रवाढ केले जातात.
TWR हे मालमत्ता-स्तरीय कामगिरीचे मूल्यांकन करण्यासाठी मानक आहे (जे फंड व्यवस्थापक अहवाल देतात). पैसा-भारित रिटर्न (XIRR) हे गुंतवणूकदाराच्या वास्तविक अनुभवाचे मूल्यांकन करण्यासाठी मानक आहे. Foliolytic दोन्हीची गणना करते — ते अनेकदा काही टक्केवारी बिंदूंनी भिन्न असतात.
दैनिक पोर्टफोलिओ रिटर्न्स. दैनिक बेंचमार्क रिटर्न्स (S&P 500 पूर्वनिर्धारितपणे; QQQ, VT किंवा कोणत्याही कस्टम बेंचमार्कसाठी कॉन्फिगर करण्यायोग्य). अतिरिक्त रिटर्न्सची गणना करण्यासाठी दैनिक ३-महिन्यांचे T-बिल उत्पन्न.
पोर्टफोलिओ आणि बेंचमार्क दरम्यान किमान ३० दिवसांचा ओव्हरलॅप. ज्या दिवसांमध्ये कोणत्याही एकाचा डेटा गहाळ असतो, ते दिवस वगळले जातात. आउटलायर्स (>5σ) ध्वजांकित केले जातात परंतु काढले जात नाहीत — Beta हे एक मजबूत आकडेवारी आहे आणि आउटलायर्स काढल्याने ते वरच्या दिशेने झुकते.
काही कॅल्क्युलेटर Beta ची गणना कच्च्या रिटर्न्सवर (अतिरिक्त रिटर्न्सवर नव्हे) करतात, जे केवळ जोखीम-मुक्त दर स्थिर असल्यास गणितीयदृष्ट्या समतुल्य असते. वेळ-बदलणाऱ्या T-बिल दरांसह, अतिरिक्त रिटर्न्सवर रिग्रेशन करणे अधिक योग्य आहे.
Beta प्रमाणेच, अधिक रिग्रेशन इंटरसेप्ट (OLS स्थिर पद).
Alpha वार्षिक टक्केवारी बिंदूंमध्ये नोंदवला जातो. सांख्यिकीय महत्त्व (t-stat) सोबत मोजले जाते — t-stat > १.५ नसलेल्या Alpha मूल्यांना कौशल्य नव्हे, तर गोंधळ मानले पाहिजे.
अनेक स्प्रेडशीट Alpha ची गणना अनस्केल्ड रिग्रेशनच्या शुद्ध इंटरसेप्ट म्हणून केली जाते, ज्यात वार्षिकीकरण पायरी गहाळ असते. Foliolytic नेहमी वार्षिक Alpha नोंदवते, त्यामुळे ही संख्या 'बेंचमार्क-समतुल्य जोखीम एक्सपोजरच्या तुलनेत प्रति वर्ष अतिरिक्त रिटर्न' म्हणून थेट अर्थ लावण्यासाठी योग्य असते.
Beta प्रमाणेच रिग्रेशन. R² हे त्या फिटमधील निर्धारणाचे गुणांक आहे.
निवडलेल्या बेंचमार्कच्या तुलनेत R² < ०.०५ असल्यास, पोर्टफोलिओचे Beta आणि Alpha अंदाज सांख्यिकीयदृष्ट्या अर्थहीन म्हणून ध्वजांकित केले जातात — अर्थ लावण्यासाठी कोणताही रेखीय संबंध नसतो.
Foliolytic उच्च R² (कमी सक्रिय शेअरसह ≥ ०.९५) ला 'क्लोजेट इंडेक्स' सिग्नल मानते — बॅजच्या व्याख्येसाठी CLAUDE.md मधील अलीकडील प्रमुख अपडेट्स पहा.
संपूर्ण इतिहासातील दैनिक पोर्टफोलिओ मूल्य मालिका. पुनर्रचना व्यवहार-दर-व्यवहार मूल्यांकनाचा वापर करते, कालावधी-अखेरच्या स्नॅपशॉटचा नव्हे.
स्टॉक आणि क्रिप्टोसाठी दैनिक तपशील वापरला जातो. इंट्राडे पीक/ट्रफ कॅप्चर केले जात नाहीत — Foliolytic ची कमाल घट दैनिक-रिझोल्यूशनची असते. पुनर्प्राप्ती वेळ (पीकपासून पुढील दिवशी पीकवर किंवा त्याहून अधिक दिवसांची संख्या) सोबत नोंदवली जाते.
अनेक ट्रॅकर्स मासिक NAVs वरून घट मोजतात, ज्यामुळे वास्तविक पीक-टू-ट्रफ सरासरी २०–३०% कमी दाखवला जातो. दैनिक पुनर्रचना मार्गाचा अधिक भाग कॅप्चर करते.
संपूर्ण दैनिक रिटर्न इतिहास. आत्मविश्वास पातळी α (पूर्वनिर्धारित: ९५% आणि ९९%). पॅरामेट्रिक VaR साठी, नमुना सरासरी आणि मानक विचलन देखील आवश्यक आहे. Monte Carlo साठी, एक वितरण (पूर्वनिर्धारितपणे Gaussian; फॅट-टेल्ड मालमत्तांसाठी t-वितरण) फिट करते.
ऐतिहासिक VaR साठी किमान ६० दिवसांचे रिटर्न्स आवश्यक आहेत (सांख्यिकीय किमान); २५०+ दिवस अधिक पसंत केले जातात. नॉन-गॉसियन रिटर्न वितरणांसाठी पॅरामेट्रिक VaR अविश्वसनीय असू शकते. Foliolytic तिन्ही बाजूला-बाजूला नोंदवते जेणेकरून फरक (किंवा त्याचा अभाव) दृश्यमान होईल.
बहुतेक कॅल्क्युलेटर केवळ पॅरामेट्रिक VaR नोंदवतात. Foliolytic ऐतिहासिक, पॅरामेट्रिक आणि Monte Carlo दर्शवते. फॅट-टेल्ड मालमत्तांसाठी (क्रिप्टो, लीव्हरेज्ड इक्विटी, सिंगल स्टॉक्स), पॅरामेट्रिक VaR वास्तविक तोट्याची क्षमता ५०%+ ने कमी अंदाज करू शकते.
ऐतिहासिक VaR प्रमाणेच. CVaR केवळ अशा दिवसांचा वापर करते जिथे तोटा VaR थ्रेशोल्डपेक्षा जास्त होता.
टेल रिकामी नसण्याच्या अटीवर: अर्थपूर्ण अंदाजासाठी VaR थ्रेशोल्डच्या पलीकडे किमान ५ निरीक्षणे आवश्यक आहेत. ९५% VaR वर २५० दिवसांच्या इतिहासासह, हे १२–१३ टेल निरीक्षणे देते — सीमारेषेवर.
अनेक स्त्रोत केवळ VaR नोंदवतात. CVaR (ज्याला अपेक्षित कमतरता देखील म्हणतात) तुम्हाला केवळ थ्रेशोल्डच नव्हे, तर त्यापलीकडील सरासरी तीव्रता देखील सांगते — भांडवली नियोजनासाठी अधिक उपयुक्त. या कारणांमुळे बँकांसाठी Basel III आता VaR ऐवजी CVaR अनिवार्य करते.
वार्षिक रिटर्न (संपूर्ण इतिहासातील CAGR). संपूर्ण इतिहासातील जास्तीत जास्त घट.
दोन्ही इनपुट्स महत्त्वपूर्ण असणे आवश्यक आहे. जर MaxDD < १% (मूलतः कोणतीही घट नाही), तर Calmar अनंतऐवजी 'लागू नाही' म्हणून नोंदवला जातो. जर R_annual ≤ ० असेल, तर Calmar ची गणना अजूनही केली जाऊ शकते परंतु स्पष्ट संदर्भासह नोंदवली जाते (कमी घटेतून उच्च Calmar तेव्हाच प्रभावी असतो जेव्हा रिटर्न देखील सकारात्मक असतो).
काही अंमलबजावणी पूर्ण-कालावधीऐवजी ३६-महिन्यांचा रोलिंग Calmar वापरतात. Foliolytic पूर्वनिर्धारितपणे पूर्ण-कालावधी Calmar ची गणना करते; रोलिंग Calmar प्रगत मेट्रिक्स टॅबमध्ये उपलब्ध आहे.
कालावधीतील वार्षिक अतिरिक्त रिटर्न. Beta मेट्रिकसाठी वापरलेल्या समान रिग्रेशनमधून Beta.
जर β शून्याच्या जवळ किंवा नकारात्मक असेल, तर Treynor अर्थहीन किंवा विरोधाभासी होतो. Foliolytic |β| < ०.२ असलेल्या पोर्टफोलिओला 'कमी-Beta' म्हणून ध्वजांकित करते आणि Treynor ला चेतावणी निर्देशकासह दर्शवते.
Treynor हे चांगल्या प्रकारे वैविध्यपूर्ण पोर्टफोलिओसाठी सर्वात उपयुक्त आहे जिथे विशिष्ट जोखीम दूर केली गेली आहे. सिंगल स्टॉक्स किंवा केंद्रित पोर्टफोलिओसाठी, Sharpe हे अधिक योग्य मेट्रिक आहे — Treynor जोखीम-समायोजित रिटर्न जास्त दाखवेल कारण फर्म-विशिष्ट जोखीम Beta द्वारे कॅप्चर केली जात नाही.
दैनिक पोर्टफोलिओ रिटर्न्स आणि दैनिक बेंचमार्क रिटर्न्स. दोन्ही √२५२ द्वारे वार्षिक केले जातात.
किमान ६० दिवसांचा जोडलेला डेटा आवश्यक आहे. जर ट्रॅकिंग एरर < ०.५% (मूलतः अनुक्रमित), तर IR दाबला जातो कारण जवळ-शून्य भाजकाने भागल्यास अस्थिर अंदाज मिळतात.
काही अंमलबजावणी मासिक रिटर्न्स वापरतात (अधिकृत GIPS मानक). Foliolytic उच्च रिझोल्यूशनसाठी दैनिक वापरते; IR साठी दैनिक-विरुद्ध-मासिक फरक लहान असतो (सहसा ५% च्या आत).
मासिक पोर्टफोलिओ आणि बेंचमार्क रिटर्न्स. मानक अहवाल पद्धतीशी जुळण्यासाठी मासिक तपशीलावर गणना केली जाते.
अर्थपूर्ण अंदाजांसाठी प्रत्येक शासनकाळात (वर/खाली) किमान १२ महिने आवश्यक आहेत. ज्या महिन्यांमध्ये बेंचमार्क रिटर्न नेमका शून्य असतो, ते महिने वगळले जातात. कॅप्चर रेशो टक्केवारीमध्ये नोंदवले जातात.
Foliolytic कॅप्चर-रेशो गुणवत्ता (up_capture - down_capture चा प्रसार) देखील नोंदवते — उच्च वर, कमी खाली हे आदर्श प्रोफाइल आहे.
दैनिक पोर्टफोलिओ आणि बेंचमार्क रिटर्न्स. फरक मालिका दैनिक मोजली जाते; TE हे वार्षिक मानक विचलन आहे.
IR प्रमाणेच किमान-डेटा आवश्यकता (≥ ६० दिवस). खूप घट्टपणे अनुक्रमित पोर्टफोलिओसाठी (< ०.५% TE), मेट्रिक नोंदवले जाते परंतु ध्वजांकित केले जाते कारण इतके कमी ट्रॅकिंग एरर सहसा क्लोजेट इंडेक्सिंग दर्शवते.
काही कॅल्क्युलेटर एक्स-पोस्ट (ऐतिहासिक) ऐवजी एक्स-अँटे (भविष्याभिमुख, घटक-आधारित) ट्रॅकिंग एरर वापरतात. Foliolytic नेहमी एक्स-पोस्ट वापरते — बेंचमार्कपासूनचे वास्तविक साध्य झालेले विचलन.
निरीक्षित Sharpe रेशो, नमुना आकार n, नमुना स्क्यू, नमुना कुर्टोसिस. बेंचमार्क SR* (पूर्वनिर्धारितपणे ०).
PSR साठी क्वांटाइल्स रोलिंग ५-वर्षांच्या SPY एकूण-रिटर्न विंडोजमधून (१९२८–२०२५ पासून ११०१ विंडोज) बूटस्ट्रॅप केले जातात, त्यामुळे स्कोअर नमुना-आकाराची जाणीव असलेल्या संदर्भ वितरणांना प्रतिबिंबित करतो. PSR सूत्रामध्ये अंशामध्ये √(n-1) आहे, त्यामुळे संदर्भ वितरणांनी वापरकर्त्याच्या इतिहासाच्या लांबीशी जुळणाऱ्या विंडोजचा वापर करणे आवश्यक आहे — एप्रिल २०२६ मेट्रिक्स v6 दुरुस्तीसाठी CLAUDE.md पहा.
बहुतेक ऑनलाइन कॅल्क्युलेटर PSR अजिबात नोंदवत नाहीत. जे काही करतात ते सहसा एक निश्चित संदर्भ वितरण वापरतात जे नमुना आकार विचारात घेत नाही, ज्यामुळे वास्तविक ५-वर्षांच्या इतिहासासह वापरकर्त्यांच्या पोर्टफोलिओला BLP विश्वासार्हता थ्रेशोल्डवरही 'खराब' स्कोअर मिळतो.
दैनिक रिटर्न मालिका. विंडो आकार सहसा १० ते T/२ पर्यंत लॉगरिथमिक पद्धतीने असतात.
दिशा 'तटस्थ' मानली जाते, 'उच्च-उत्तम' नव्हे — H = ०.५ (रँडम वॉक) हा वैचारिक मध्यबिंदू आहे, ज्यामध्ये कोणत्याही दिशेने विचलन माहितीपूर्ण असते. रोलिंग ५-वर्षांच्या SPY विंडोजमधून बूटस्ट्रॅप केलेले क्वांटाइल्स, PSR प्रमाणेच.
Foliolytic रीस्केल्ड-रेंज (R/S) पद्धत वापरते. डिट्रेन्डेड फ्लक्चुएशन ॲनालिसिस (DFA) प्रगत टॅबमध्ये एक पर्याय म्हणून उपलब्ध आहे; दोन्ही सहसा बहुतेक वापरकर्त्यांकडे असलेल्या इक्विटी रिटर्न्ससाठी खूप समान परिणाम देतात.
दैनिक घट मालिका (चालू कमालपासून टक्केवारी).
टक्केवारी म्हणून नोंदवले जाते. सर्व घट-आधारित मेट्रिक्सप्रमाणे, अंतर्निहित मूल्य मालिकेच्या रिझोल्यूशनसाठी संवेदनशील — दैनिक पुनर्रचना महत्त्वाची आहे.
काही अंमलबजावणी UI ला अपूर्णांक म्हणून नोंदवतात; Foliolytic प्रकाशित संशोधनाशी थेट तुलना करण्यासाठी पीटर मार्टिनच्या मूळ टक्केवारी * १०० च्या पद्धतीचा वापर करते.
मासिक पोर्टफोलिओ आणि बेंचमार्क रिटर्न्स.
ज्या महिन्यांमध्ये r_p == r_b असते, ते अर्धे-अर्धे विभागले जातात. अर्थपूर्ण अंदाजासाठी किमान १२ महिने.
Foliolytic एक जोडलेले मेट्रिक, बॅटिंग-एव्हरेज-विरुद्ध-शून्य (ज्या महिन्यांमध्ये r_p > ० / एकूण), देखील नोंदवते, जे निरपेक्ष-रिटर्न रणनीतींसाठी उपयुक्त आहे.
वार्षिक रिटर्न, जोखीम-मुक्त दर, कालावधीतील सर्व घट मूल्ये.
Calmar प्रमाणेच, परंतु केवळ कमाल घटऐवजी वर्ग केलेल्या घटांच्या बेरजेला दंड करते. Calmar पेक्षा एकाच ब्लॅक-स्वान घटासाठी कमी संवेदनशील.
Foliolytic चे Burke बेसलाइन v6.5 (एप्रिल २०२६) मध्ये FF_100Y_BUFFETT_ANCHORED नुसार पुन्हा कॅलिब्रेट केले गेले — कॅलिब्रेशन कथेसाठी CLAUDE.md पहा.
वार्षिक अतिरिक्त रिटर्न, अल्सर इंडेक्स.
Calmar आणि Burke चा थेट चुलत भाऊ; पाथ-जोखीम भाजक म्हणून अल्सर इंडेक्स वापरतो.
बहुतेक कॅल्क्युलेटर Martin रेशोची गणना करत नाहीत. Foliolytic मध्ये याचा समावेश आहे कारण अल्सर-आधारित मेट्रिक्स व्यक्तिनिष्ठ गुंतवणूकदारांच्या वेदनांशी चांगले संबंधित आहेत.
वार्षिक रिटर्न. लुकबॅक विंडोमधील सर्व पूर्ण झालेल्या घटांची यादी, खोलीनुसार क्रमवारी लावलेली.
-१०% समायोजन हे Sterling च्या मूळ सूत्रापासून एक निश्चित ऑफसेट आहे. जर N पेक्षा कमी पूर्ण झालेल्या घटा अस्तित्वात असतील, तर मेट्रिक दाबले जाते.
Sterling हे Calmar पेक्षा मध्यम घटांच्या मालिकेसाठी अधिक संवेदनशील आहे. Foliolytic चे बेसलाइन (FF_100Y_BUFFETT_ANCHORED) v6.5 मध्ये पुन्हा कॅलिब्रेट केले गेले.
पोर्टफोलिओ Sharpe रेशो, बेंचमार्कचे वार्षिक मानक विचलन, वार्षिक जोखीम-मुक्त दर.
M² ≡ बेंचमार्क अस्थिरतेनुसार Sharpe पुन्हा स्केल केलेला. जेव्हा Sharpe बँड्स बदलतात, तेव्हा M² बँड्स समानपणे बदलणे आवश्यक आहे — ते गणितीयदृष्ट्या समान प्रमाण आहेत.
अनेक कॅल्क्युलेटर Sharpe ची गणना करतात परंतु M² वगळतात. M² किरकोळ वापरकर्त्यांसाठी अधिक अर्थपूर्ण आहे कारण ते रिटर्नच्या टक्केवारी बिंदूंमध्ये दर्शवले जाते, युनिट-लेस रेशोमध्ये नव्हे.
प्रत्येक Foliolytic मेट्रिकची गणना दैनिक पोर्टफोलिओ पुनर्रचनेतून केली जाते, मासिक-अखेरच्या स्नॅपशॉटमधून नव्हे. हे घट-आधारित मेट्रिक्ससाठी (कमाल घट, Calmar, Burke, Martin, Sterling, Ulcer) सर्वात महत्त्वाचे आहे: मासिक NAVs सहसा वास्तविक पीक-टू-ट्रफ घट २०–३०% ने कमी दाखवतात कारण ते महिन्याच्या आतील घसरण चुकवतात. दैनिक तपशील प्रत्यक्षात घडलेला मार्ग कॅप्चर करतो.
केवळ स्टॉक पोर्टफोलिओ २५२ ट्रेडिंग दिवस वापरतात. केवळ क्रिप्टो ३६५ दिवस वापरतात (२४/७ ट्रेडिंग). मिश्र पोर्टफोलिओ प्रति-मालमत्ता मिश्रण वापरतात, नंतर एकाच वार्षिक पोर्टफोलिओ आकड्यात पुन्हा एकत्र करतात. अस्थिरता स्केलिंग √n वापरते (विचलन वेळेनुसार रेखीयपणे स्केल होते, त्यामुळे मानक विचलन √वेळेनुसार स्केल होते).
वेळ-एकत्रीकरण (विचलन, बहु-कालावधी चक्रवाढ, वार्षिकीकरण) आवश्यक असलेल्या कोणत्याही मेट्रिकसाठी अंतर्गतपणे दैनिक लॉग रिटर्न्स वापरले जातात. अंकगणितीय रिटर्न्स दर्शवण्यासाठी वापरले जातात कारण ते अधिक अंतर्ज्ञानी आहेत ('-३०%' हे 'लॉग-रिटर्न -०.३५७' पेक्षा अधिक ओळखण्यायोग्य आहे). सामान्य इक्विटी रिटर्न्ससाठी दैनिक स्तरावर दोन्ही समतुल्य आहेत; अत्यंत हालचालींसाठी ते भिन्न होतात.
आउटलायर्स ध्वजांकित केले जातात परंतु काढले जात नाहीत. आउटलायर्स काढल्याने विचलन आणि Sharpe अंदाजांना वरच्या दिशेने झुकवण्याची प्रवृत्ती असते आणि ही सामान्यतः वाईट सराव आहे. अपवाद म्हणजे जिथे डेटा स्पष्टपणे त्रुटी दर्शवतो — उदा. क्रिप्टो व्यवहार डॉलर्सऐवजी सेंटमध्ये चुकीचे नोंदवले गेले, किंवा चलन-रूपांतरण त्रुटींमुळे १०००x किमतीत वाढ झाली. हे पार्सर लेयरद्वारे (पहा /about) पकडले जातात आणि मेट्रिक्स गणनेपूर्वी दुरुस्त केले जातात.
Foliolytic उपलब्ध डेटापेक्षा जास्त डेटा आवश्यक असलेल्या मेट्रिक्सना दाबते. Sharpe आणि Sortino साठी ≥ ३० दिवस आवश्यक आहेत. Beta, alpha, IR, ट्रॅकिंग एररसाठी ≥ ६० दिवसांचा जोडलेला डेटा आवश्यक आहे. कॅप्चर रेशोसाठी प्रत्येक शासनकाळात ≥ १२ महिने आवश्यक आहेत. PSR आणि Hurst साठी संदर्भ वितरणांना बूटस्ट्रॅप करण्यासाठी पुरेसा इतिहास आवश्यक आहे. जेव्हा किमान आवश्यकता पूर्ण होत नाही, तेव्हा मेट्रिक अर्थहीन संख्येऐवजी '—' दर्शवते.
R_f वापरणाऱ्या प्रत्येक मेट्रिकसाठी (Sharpe, Sortino, Treynor, M², alpha, अतिरिक्त रिटर्न्सवरील beta), दैनिक ३-महिन्यांचे T-बिल उत्पन्न वापरले जाते आणि पोर्टफोलिओच्या इतिहासातील प्रत्येक कॅलेंडर दिवसाशी जुळवले जाते. दर्शवण्यासाठी वापरलेला वार्षिक R_f हा पोर्टफोलिओच्या इतिहासातील दैनिक R_f ची वेळ-भारित सरासरी आहे. बहुतेक कॅल्क्युलेटर एकच निश्चित R_f आकृती वापरतात, जी दर बदलल्यावर चुकीची ठरते.
S&P 500 (SPY एकूण-रिटर्न) हे पूर्वनिर्धारितपणे. QQQ, VT किंवा कोणत्याही कस्टम टिकरसाठी वापरकर्ता-कॉन्फिगर करण्यायोग्य. Beta, alpha, R², कॅप्चर रेशो, बॅटिंग एव्हरेज, IR आणि ट्रॅकिंग एरर हे सर्व निवडलेल्या बेंचमार्कनुसार पुन्हा मोजले जातात. बेंचमार्क-संबंधित मेट्रिक्ससाठी क्रिप्टो पोर्टफोलिओ पूर्वनिर्धारितपणे BTC वापरतात.
शेकडा-आधारित स्कोअरिंगसाठी संदर्भ वितरण (PSR, Hurst, Sharpe क्वांटाइल्स इ.) नवीन बाजार डेटा आल्यावर वेळोवेळी पुन्हा कॅलिब्रेट केले जातात. सध्याचा कॅलिब्रेशन सेट metricBaselines.js स्त्रोत फाइलमध्ये दस्तऐवजीकरण केलेला आहे. पारदर्शकतेसाठी प्रमुख पुनर्कॅलिब्रेशन इव्हेंट्स आवृत्ती टॅगसह (v6.4, v6.5) लॉग केले जातात — CLAUDE.md आणि metricBaselines.js च्या शीर्षस्थानी असलेला बदल लॉग पहा.
खालील प्रत्येक मेट्रिकसाठी त्याचे स्वतःचे समर्पित कॅल्क्युलेटर आहे, ज्यात सोडवलेली उदाहरणे, अर्थ लावण्याची सारण्या आणि एक विनामूल्य CSV अपलोड साधन आहे.
अंकगणितीय रिटर्न्स ((P_t - P_(t-1)) / P_(t-1)) हे समजायला सोपे असतात आणि गुंतवणूकदारांचा 'रिटर्न' या शब्दाचा अर्थ सहसा तोच असतो. लॉग रिटर्न्स (ln(P_t / P_(t-1))) मध्ये एक महत्त्वाचा गणितीय गुणधर्म आहे: ते वेळेनुसार जोडले जातात. ९० दिवसांचा लॉग रिटर्न हा ९० दैनिक लॉग रिटर्न्सच्या बेरजेइतका असतो. अंकगणितीय रिटर्न्समध्ये हा गुणधर्म नसतो — ते भूमितीय पद्धतीने वाढतात. Foliolytic वेळेनुसार एकत्रित करण्यासाठी अंतर्गतपणे लॉग रिटर्न्स वापरते आणि दर्शवण्यासाठी अंकगणितीय रिटर्न्स वापरते.
जवळपास निश्चितपणे, याचे कारण जोखीम-मुक्त दर आहे. Foliolytic FRED कडून मिळणारे वास्तविक दैनिक ३-महिन्यांचे T-बिल उत्पन्न वापरते. बहुतेक ब्रोकर आणि ऑनलाइन कॅल्क्युलेटर एक निश्चित गृहितक (सहसा २% किंवा ०%) वापरतात. ज्या वातावरणात T-बिल उत्पन्न ५% असते, तिथे यामुळे Sharpe मध्ये ०.३–०.५ चा बदल होऊ शकतो — हा एक महत्त्वाचा फरक आहे.
स्प्लिट्स ऐतिहासिक शेअर संख्या आणि किमतींवर पूर्वलक्षी प्रभावाने लागू केले जातात. ऑगस्ट २०२० मध्ये AAPL वर झालेल्या ४-फॉर-१ स्प्लिटमुळे तुमच्या शेअरची संख्या पूर्वलक्षी प्रभावाने चौपट होते आणि स्प्लिटपूर्वीच्या सर्व तारखांसाठी ऐतिहासिक किंमत एक चतुर्थांश होते. स्प्लिटनंतरही पोर्टफोलिओ मूल्य मालिका अखंड राहते — मूल्यात कोणतीही अचानक वाढ होत नाही, फक्त प्रति-शेअर आकडेवारीमध्ये बदल होतो.
रोख डिव्हिडंड्स एक्स-डिव्हिडंड तारखेला पोर्टफोलिओच्या रोख शिल्लकीमध्ये जोडले जातात. ते आपोआप पुन्हा गुंतवले जात नाहीत. जर तुमचा ब्रोकर आपोआप पुन्हा गुंतवणूक करत असेल, तर त्यातून होणारी शेअर खरेदी तुमच्या व्यवहार इतिहासात दिसेल आणि त्यावर सामान्यपणे प्रक्रिया केली जाईल. विशेष डिव्हिडंड्स नियमित रोख डिव्हिडंड्सप्रमाणेच हाताळले जातात.
S&P 500 (SPY एकूण रिटर्न) हे पूर्वनिर्धारित बेंचमार्क आहे. बेंचमार्क डॅशबोर्डमध्ये कॉन्फिगर करण्यायोग्य आहे — तुम्ही कोणताही प्रमुख निर्देशांक, ETF किंवा अगदी कस्टम टिकर निवडू शकता. Beta, alpha, R², capture ratio, batting average आणि tracking error हे सर्व निवडलेल्या बेंचमार्कनुसार पुन्हा मोजले जातात.
Foliolytic तुमच्या व्यवहार इतिहासातून रिटर्न्स जसे आहेत तसेच मोजते. जर तुमचा ब्रोकर पोझिशन्समधून शुल्क वजा करत असेल किंवा त्यांना स्वतंत्र व्यवहार म्हणून आकारत असेल, तर ते प्रवाह प्रतिबिंबित होतात. जर शुल्क तुमच्या CSV मध्ये नसलेल्या वेगळ्या रोख खात्यातून भरले गेले असतील, तर ते कॅप्चर केले जात नाहीत. बहुतेक किरकोळ ब्रोकरेज खात्यांसाठी (Fidelity, Schwab, Robinhood, IBKR), प्लॅटफॉर्मवरील शुल्क आधीच व्यवहार किमतींमध्ये प्रतिबिंबित झालेले असते.
वर वर्णन केलेल्या सर्व गणना तुमच्या स्वतःच्या पोर्टफोलिओवर काही सेकंदात करा.
तुमच्या पोर्टफोलिओचे विनामूल्य विश्लेषण करा →