Sharpe Style Analysis

Sharpe Style Analysis หรือ Return Based Style Analysis คือเทคนิคในการวิเคราะห์หาความสัมพันธ์ระหว่างผลตอบแทนของกองทุนและปัจจัย(Factor) ที่ขับเคลื่อนผลตอบแทนทั้งหลาย โดยมีจุดประสงค์ที่จะทำความเข้าใจในแนวทางการบริหารจัดการของผู้จัดการกองทุน ที่ถูกนำเสนอโดย William F. Sharpe ในปี 1992

ในช่วงเวลานั้นข้อมูลการถือครองสินทรัพย์ของกองทุนหาได้ยากมาก เพื่อที่จะแก้ปัญหาเหล่านี้ William F. Sharpe จึงได้นำเทคนิคการวิเคราะห์ทางสถิติที่เรียกว่า Multiple Regression ที่มักใช้ในการหาความสัมพันธ์ระหว่างตัวแปรต้นและตัวแปรตาม เข้ามาช่วยในการวิเคราะห์หาความสัมพันธ์ระหว่างผลตอบแทนของกองทุนและปัจจัย (Factor) ที่ขับเคลื่อนผลตอบแทน

“If it acts like a duck, assume it’s a duck.”

(ถ้ามันมีพฤติกรรมแบบเป็ด, ให้สมมุติว่ามันเป็นเป็ด)

แนวคิดพื้นฐานของ Sharpe Style Analysis คือการแยกผลตอบแทนว่าถูกขับเคลื่อนด้วยปัจจัยอะไรได้บ้าง ถ้าเรามีผลตอบแทนชุดหนึ่ง และดัชนีต่าง ๆ อีกชุดหนึ่ง เราจะใช้ Sharpe Style Analysis หาผลตอบแทนการลงทุนของผู้จัดการกองทุนลงทุนในดัชนีใดบ้าง เพื่อให้เข้าใจที่มาของแนวคิดนี้ เราจะใช้สิ่งต่าง ๆ เช่นผลตอบแทนจากพันธบัตรผลตอบแทนจากมูลค่าผลตอบแทนจากหุ้นขนาดเล็ก ฯลฯ และเราจะแยกผลตอบแทนที่สังเกตได้บางส่วนออกเป็นผลตอบแทนที่อธิบายได้เหล่านี้

มีการต่อยอด Sharpe Style Analysis โดยวิเคราะห์ Style ตามช่วงระยะเวลาต่าง ๆ เช่น 36 เดือน

อ้างอิง

Returns-based style analysis

Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera

https://www.styleadvisor.com/resources/concepts/style_analysis.html#:~:text=In%201988%20William%20F.,looking%20at%20their%20return%20pattern.&text=The%20index%20with%20the%20highest,would%20define%20the%20manager's%20style.

อ่านตอนอื่นๆได้ที่

1. การคำนวณผลตอบแทนการลงทุนด้วย Python
2. การหาความผันผวนของพอร์ตการลงทุนด้วย Python
3. การหา Max Drawdown ด้วย Python
4. การวัด การเบี่ยงเบนของผลตอบแทนด้วย Python
5. การวัด SemiDeviation ด้วย Python
6. การวัด VaR. และ CVaR. ด้วย Python
7. รีวิวการใช้ ffn. ใน Python
8. การหา Top Drawdown ด้วย Python
9. การหาค่า Sharpe ratio ด้วย Python
10. การหากลุ่มหลักรัพย์ที่เส้นประสิทธิภาพ Efficient Frontier ด้วย Python
11. การหา shape ratio สูงสุดและเส้น CML ด้วย Python
12. การสร้างมูลค่าตลาดแบบถ่วงน้ำหนักด้วย PYTHON
13. ข้อจำกัดของการกระจายความเสี่ยงและการทำประกันพอร์ตการลงทุน
14. การจำลอง ผลตอบแทนด้วย RANDOM WALK Generation และ Montecarlo simulation
15. Sharpe Style Analysis
16. Factor Investing ด้วย Python
17. วิเคราะห์ ประเภทกองทุนรวมด้วย Python
18. การทำ Portfolio optimization
19. สร้างแนวรับแนวต้านวิเคราะห์หุ้นด้วย Python