时变夏普率（Time-varying Sharpe Ratio )
夏普比率
威廉-夏普（William Sharpe），1990年诺贝尔经济学奖的获得者，提出了夏普率的概念，用于衡量金融资产中单位风险所能产生的超额收益，其核心理论就是：理性的投资者将会选择有效的投资组合，也就是在一定风险水平下所能获得最大收益的投资组合，或者在一定的收益率下风险最小的投资组合。夏普率的计算公式为：
这里
为投资组合的预期收益率，
为无风险利率，
为投资组合的标准差，
则是夏普率。这里计算出来的就是在单位风险内所能产生的超额收益，代表者投资人每承担一份风险所能得到的收益率，夏普率越高，该投资组合在一定风险内所获得的收益率越高，说明该投资组合越好。反之夏普率越低，代表该投资组合在得到一定收益率下所承担的风险越大，说明该投资组合越差。一般情况下夏普率可以用来衡量风险和回报的比率，用以判断和评估投资组合的优劣时变夏普比率
Whitelaw（1997）直接根据夏普率的定义对其进行计算：
其中：
表示指数在t期的收益，
这里是从t到t+1时期所经过的天数，这里通过选取频率更为频繁的数据（比如日度数据）来估算较长周期数据（比如月度数据）的波动率，然后以Baa-Aaa息差，股息收益率，一年期国债利率和票据-国库券息差组成的向量作为自变量,夏普率作为因变量，得到回归方程:
其中：
是以Baa-Aaa息差，股息收益率，一年期国债利率和票据-国库券息差组成的向量，得到未来的夏普率，以此来估算下一期的夏普率，起到提前择时的作用。时变夏普率在中国市场
以经济数据作为解释变量的时变夏普率模型
在中国，企业的信用评级标准并不是十分的规范，中国股市和债市的相关性并不是特别的明显，加上中国股票市场的股息派发时间不太规则。上述解释变量中的 Baa-Aaa息差，票据-国库券息差和股息收益率这三个经济数据对中国股票市场的相关性并没有像美国市场那么大。因此这里需要重新考虑其他数据作为解释变量。其中狭义货币M1的同比增长对于股市的判断力与相关性早已被证实。指数的市盈率相对于股息收益率对中国市场的指数有着更多的相关性，因此这里将解释变量更换为：M1 同比增长率，一年期的银行间国债即期收益率。
策略简介
计算前N期的月度夏普率，然后用经济数据与夏普率做回归，预测下期夏普率，起到提前择时的作用。标的是沪深300，滚动预测周期为30，预测夏普率在0.4以上买入，-0.4以下卖出，中间不交易。由于回测ifind接口暂未修复，这里在研究环境编写，等bug修复，会补上策略。