Le moteur d'analytique

Une métrique financière vit à un seul endroit dans ce dépôt. La règle vient d'une expérience : quand le ratio de Sharpe existe en quatre exemplaires, il finit par exister en quatre versions, et personne ne sait laquelle a produit le chiffre publié.

Ce que porte le moteur

Module	Ce qu'il calcule
returns	rendements simples et logarithmiques, composition, rééchantillonnage, richesse cumulée, CAGR, rendements excédentaires
risk	volatilité, écart baissier, asymétrie, aplatissement, VaR, perte espérée, correction d'annualisation de Lo
drawdown	série de perte depuis le sommet, perte maximale, durée, temps de recouvrement, indice d'ulcère, CDaR
ratios	Sharpe et son erreur type, Sortino, Calmar, ratio d'information, Sharpe ajusté de l'asymétrie
regression	régression factorielle avec erreurs types HAC, bêta, bêta rétréci, résidualisation
ic	coefficient d'information, rendements par quantile, loi fondamentale et largeur effective
turnover	rotation avec poids dérivés, convention déclarée
contributions	volatilité du portefeuille, contribution marginale et contribution au risque

Trois conventions qui décident de tout

Le signe de la perte. La valeur à risque et la perte espérée s'expriment en perte positive. Le drawdown s'exprime en valeurs négatives. Ces deux conventions sont opposées, elles sont déclarées, et les tests les vérifient.

L'annualisation. Le numérateur d'un ratio s'annualise en \(N\), le dénominateur en \(\sqrt{N}\). Le taux sans risque se soustrait avant l'annualisation. Le facteur \(N\) vaut 252 par convention, et quantlab.core.calendars.sessions_per_year sait le mesurer : la Bourse de New York a ouvert 2 516 fois entre le 1er janvier 2010 et le 31 décembre 2019, soit 251,703 séances par an, mesuré le 2026-09-01.

La rotation. \(Turnover_t = \frac{1}{2}\sum_i |w_{i,t} - w_{i,t}^{\text{dérivé}}|\). Les poids dérivés sont ceux vers lesquels le marché a fait glisser le portefeuille. Comparer aux poids cibles au lieu des poids dérivés fait payer des frais sur des transactions qui n'ont pas eu lieu.

Pourquoi le ratio de Sharpe trompe

Cinq raisons, toutes documentées dans la docstring de sharpe_ratio.

1. Il suppose l'indépendance temporelle. Une autocorrélation positive, fréquente sur les actifs peu liquides, fait sous-estimer la volatilité annuelle et donc surestimer le ratio (Lo, 2002).
2. Il ignore la forme de la distribution. Deux séries de même moyenne et même écart type ont le même Sharpe, que l'une perde régulièrement un peu et l'autre rarement beaucoup.
3. Il est biaisé vers le haut quand il est sélectionné. Le meilleur de \(N\) essais dépasse mécaniquement sa vraie valeur, et l'écart croît avec \(N\).
4. Il dépend du taux sans risque retenu, et donc de la période.
5. Il ne dit rien de la capacité. Un Sharpe de 3 sur un million de dollars peut valoir 0,2 sur cent millions.

Le laboratoire rend donc toujours le ratio de Sharpe avec son erreur type, et renvoie vers quantlab.validation.dsr dès qu'il y a eu sélection.